《matlab课程设计 .docx》由会员分享,可在线阅读,更多相关《matlab课程设计 .docx(33页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
1、精品名师归纳总结封面可编辑资料 - - - 欢迎下载精品名师归纳总结作者: PanHongliang仅 供 个 人 学习可编辑资料 - - - 欢迎下载精品名师归纳总结课程设计任务书同学姓名:专业班级:指导老师:刘 新 华工作单位:信息工程学院题 目:利用 MATLAB仿真软件实现图像的去噪处理要求完成的主要任务 :1. 读取图像并分别加入高斯噪声、椒盐噪声、乘性噪声.2. 实行合适的滤波器进行去噪处理,能显示原始图像、加噪后图像和去噪后图像.课程设计的目的:1. 理论目的课程设计的目的之一是为了提高自学才能,并能用所学理论学问正确分析图像噪声 .2. 实践目的课程设计的目的之二是通过编写图像
2、加噪去噪程序把握图像噪声处理的方法和步骤 .时间支配:序号1方案设计2 天2软件设计3 天3系统调试2 天4合计答辩1 天8 天阶段内容所需时间指导老师签名:年月日系主任(或责任老师)签字:年月日可编辑资料 - - - 欢迎下载精品名师归纳总结可编辑资料 - - - 欢迎下载精品名师归纳总结摘要 I AbstractI1 引言 3目录1. 1MATLAB 介绍 3可编辑资料 - - - 欢迎下载精品名师归纳总结1.2MATLAB 图像处理工具箱函数介绍 32 图像的采集 43 图像的加噪 53.1 加入乘性噪声 53.1.1 噪声分析与函数使用 53.1.2 代码及其注释 53.1.3 图像仿
3、真 63.2 加入椒盐噪声 63.2.1 噪声分析与函数使用 63.2.2 代码及其注释 63.2.3 图像仿真 73.3 加入高斯噪声 73.3.1 噪声分析与函数使用 73.3.2 代码及其注释 73.3.3 图像仿真 84 图像的去噪 84.1 滤波器的介绍 84.1.1 均值滤波 84.1.2 中值滤波 94.1.3 维纳滤波 94.2 去除乘性噪声 104.2.1 代码及其注释 104.2.2 图像仿真 114.2.3 成效分析 114.3 去除椒盐噪声 114.3.1 代码及其注释 11可编辑资料 - - - 欢迎下载精品名师归纳总结4.3.2 图像仿真 124.3.3 成效分析
4、124.4 去除高斯噪声 124.4.1 代码及其注释 124.4.2 图像仿真 134.4.3 成效分析 135 心得体会 13参考文献 13附件: MATLAB程序 14可编辑资料 - - - 欢迎下载精品名师归纳总结摘 要本次课程设计报告在简要介绍MATLAB软件的基础上 , 结合其图象处理工具, 重点分析了 MATLAB 在图象处理中的应用 .文中的具体实例说明 , 在数字图象处理中使用 MATLAB可以提高试验效率 , 快速得出试验结果 .本次课程设计,主要是利用 MATLAB仿真软件实现图像的去噪处理 .要求:读取图像并分别加入高斯噪声、椒盐噪声、脉冲噪声和乘性噪声,然后实行合适的
5、滤波器进行去噪处理,能显示原始图像、加噪后图像和去噪后图像.在此过程中学会此软件的一些基本操作及语言 .一幅图像在实际应用过程中可能存在各种各样的噪声,给后面的图像区域分割、分析判定等工作带来了困难,因此图像去噪是图像处理中的重要组成部分利用 MATLAB 软件对均值滤波、中值滤波和维纳滤波种图像去噪技术进行分析比较结果说明:均值滤波方法适于去除高斯噪声。中值滤波方法适于去除椒盐噪声,同时能较好爱惜图像边界。自适应滤波方法较之前种滤波方法具有更好的选择性,适于去除高斯噪声同时,种去噪方法对于去除远观图或近观图中的噪声,均有良好成效 .关键词: 滤波器 图像加噪 MATLABAbstractTh
6、is curriculum project report was introducingbrieflyinthe MATLAB softwares foundation,unifiesitsimagery processing tool,selective analysis MATLABinimagery processing application. Inthe article concrete example indicated that uses MATLAB in digital image processing to be possible to raise the experime
7、nt efficiency, obtains the experimental result fast. This curriculum project, is mainly realizes image denoising processing using the MATLABsimulation software. Request: The read image and joins the Gauss noise, the spiced salt noise,可编辑资料 - - - 欢迎下载精品名师归纳总结the impulse noise/pulse noise/pulsive nois
8、e and while the noise separately, then adopts the appropriate filter to carry on denoising processing, after can demonstrate the primitiveimage, the Canadian chirp, image and the denoising, image. During this process learns this softwares some elementary operation eos and the language.An image in th
9、e actual application process may exist in a variety of noise to theback of the image region segmentation, analysis and other work makes it difficult to judge, so the image denoising is an important image processing component. Using MATLAB software mean filtering, median filtering and Wiener filterin
10、g three kinds of image denoising techniques were analyzed and compared. The results showed: mean filtering method for removing Gaussian noise 。 median filtering method forremoving salt and pepper noise, and can better protect the image boundary。adaptive filtering method compared to the previous two
11、kinds of filtering method has better selectivity for removal Gaussian noise. At the same time, three kinds of de-noising method for the removal or the close-distance diagram of the noise figure, have a good effect.Keywords: Filtering Image noise MATLAB可编辑资料 - - - 欢迎下载精品名师归纳总结1 引言1.1 MATLAB介绍MATLAB是矩
12、阵试验室( Matrix Laboratory)的简称,是美国MathWorks公司出品的商业数学软件,用于算法开发、数据可视化、数据分析以及数值计算的高级技术运算语言和交互式环境,主要包括MATLAB和 Simulink 两大部分.MATLAB是由美国 mathworks 公司发布的主要面对科学运算、可视化以及交互式程序设计的高科技运算环境 .它将数值分析、矩阵运算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗 环境中,为科学争论、工程设计以及必需进行有效数值运算的众多科学领域提 供了一种全面的解决方案,并在很大程度上摆脱了传统非交互式程序设计语言(如
13、C、Fortran)的编辑模式,代表了当今国际科学运算软件的先进水平.MATLAB和 Mathematica、Maple 并称为三大数学软件 .它在数学类科技应用软件中在数值运算方面首屈一指 .MATLAB 可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等,主要应用于工程运算、把握设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域 .MATLAB的基本数据单位是矩阵,它的指令表达式与数学、工程中 常用的形式特殊相像,故用 MATLAB 来解算问题要比用C,FORTRAN 等语言完成相同的事情简捷得多,并且MATLAB也吸取了像 Maple 等软
14、件的优点 ,使MATLAB成为一个强大的数学软件 .在新的版本中也加入了对C, FORTRAN, C+ , JAVA 的支持 .可以直接调用 ,用户也可以将自己编写的有用程序导入到MATLAB函数库中便利自己以后调用,此外许多的MATLAB爱好者都编写了一些经典的程序,用户可以直接进行下载就可以用.1.2 MATLAB图像处理工具箱函数介绍1. imread可编辑资料 - - - 欢迎下载精品名师归纳总结imread 函数用于读入各种图像文件,如: a=imreadE:1.jpg注:运算机 E 盘上要有 1 相应的.jpg 文件.2. imfinfoimfinfo 函数用于读取图像文件的有关信
15、息,如:imfinfoE:1.jpg3. rgb2gradrgb2grad函数用于把真彩图转换为灰度图4. imshowimshow函 数 用 于 灰度 图 像文 件 的显 示 , 如 :i=imreadE:1.jpg。imshowi 。5. imnoiseimnoise函 数 用 于 对图 像 生成 模 拟噪 声 , 如 :i=imreadE:1.jpg。j=imnoisei,gaussian,0,0.02。%模拟高斯噪声5. fspecialfspecial函数用于产 生预定义 滤波器,如:h=fspecialsobel。%sobel水平边缘增强滤波器h=fspecialgaussian。
16、%高斯低通滤波器h=fspeciallaplacian。%拉普拉斯滤波器h=fspeciallog。%高斯拉 普拉斯(LoG)滤 波器h=fspecialaverage。%均值滤波器6. 中值滤波 medfilt2 函 数 用 于 图 像 的 中 值 滤波 , 如 : i=imreade:w01.tif。j=medfilt2i 。2 图像的采集图像以数字形式进入运算机是进行数字图像处理的第一步. 一幅黑白图像可可编辑资料 - - - 欢迎下载精品名师归纳总结以看成是一个二维函数f(x,y),其亮度是位置( x,y)的连续函数 . 运算机中的数字图像是以矩阵形式 fm,n表示的,不同的处理就是用
17、不同的算法对 这一图像矩阵进行运算 . 从二维连续函数到矩阵,涉及在不同空间位置上取出函数值作为样本,并用一组整数值来表示这些样本的两个过程,前者称为取样,后者称为量化,二者统称为数字化 .依据要求,数据来源于电脑上的图片,将这幅图片储存在路径“ F:CF1.jpg”, 图片命名为 1, 原始的图片如图 1-1 所示:图 1 原彩色图像3 图像的加噪3.1 加入乘性噪声3.1.1 噪声分析与函数使用1J = imnoiseI, speckle。12J = imnoiseI,speckle,parameters。 2现实中, 图像在被猎取和被传输经常常会受到各种各样的噪声的干扰, 按其影响可分为
18、加性噪声和乘性噪声 .MATLAB中为图片加乘性噪声的语句是其中 I 为原图象的灰度矩阵, J 为加噪声后图象的灰度矩阵。一般情形下用1 表示即可, 2 中表示是答应修改参数,而 1 中使用缺省参数 .3.1.2 代码及其注释A=imreadF:CF1.jpg 。%图像的读入,并将图像数据存入A B=rgb2grayA。%将原彩色图像变成灰度图像,并将图像数据存入Bsubplot2,2,1。可编辑资料 - - - 欢迎下载精品名师归纳总结%分割显示窗口,将其分为 2X2,将图像放入第一个位置imshowB。title 原灰度图像 。%显示灰度图像 B,并为其加标题Bspeckle=imnois
19、eB,speckle。%给图像加入乘性噪声,并存入 Bspeckle subplot2,2,2。%分割显示窗口,将其分为 2X2,将图像放入其次个位置imshowBspeckle。title 灰度图像加入乘性噪声后 。%显示加入乘性噪声的图像 B,并为其加标题3.1.3 图像仿真图 2 灰度图像与加入乘性噪声后的图像3.2 加入椒盐噪声3.2.1 噪声分析与函数使用椒盐噪声是一种比较典型的噪声,由图像传感器,传输信道,解码处理等1J = imnoiseI, salt & pepper。32J = imnoiseI, salt & pepper,parameters。 4产生的黑白相间的亮暗点噪
20、声 . 椒盐噪声往往由图像切割引起 .MATLAB中为图片加椒盐噪声的语句是其中 I为原图象的灰度矩阵, J 为加噪声后图象的灰度矩阵。一般情形下用3 表示即可, 4 中表示是答应修改参数,而 式 3-4 中使用缺省参数 .3.2.2 代码及其注释A=imreadF:CF1.jpg 。B=rgb2grayA。可编辑资料 - - - 欢迎下载精品名师归纳总结subplot2,2,1。imshowB。title 原灰度图像 。Bsalt=imnoiseB,salt & pepper。subplot2,2,2。imshowBgauss。title 灰度图像加入椒盐噪声后 。3.2.3 图像仿真图 3
21、 灰度图像与加入椒盐噪声后的图像3.3 加入高斯噪声3.3.1 噪声分析与函数使用1J = imnoiseI, gaussian。52J = imnoiseI, gaussian,parameters。 6高斯噪声是指它的概率密度函数听从高斯分布(即正态分布)的一类噪声.MATLAB中为图片加高斯噪声的语句是3J=imnoiseI, gaussian,m,v。 7其中 I 为原图象的灰度矩阵, J 为加噪声后图象的灰度矩阵一般情形下用5 表示即可, 6 中表示是答应修改参数,而 5 中使用缺省参数。 7 中对图像 I 加高斯噪声,均值为 m,方差为 v. 本次课程设计选择的加噪方式为其次种 .
22、3.3.2 代码及其注释A=imreadF:CF1.jpg 。B=rgb2grayA。subplot2,2,1。imshowB。title 原灰度图像 。Bgauss=imnoiseB,gaussian,0.16。可编辑资料 - - - 欢迎下载精品名师归纳总结subplot2,2,2。imshowBgauss。title 灰度图像加入高斯噪声后 。3.3.3 图像仿真图 4 灰度图像与加入高斯噪声后的图像4 图像的去噪4.1 滤波器的介绍一种较好的图像去噪方法应当既可以消掉噪声影响又不使图像的边缘轮廓 和线条变模糊 . 图像去噪处理方法有空域法和频域法类. 在空间域里一类方法是噪声去除,即先
23、判定某点是否为噪声点,如是,重新赋值,如不是按原值输 出。另一类方法是平均,即不依靠于噪声点的识别和去除,而对整个图像进行 平均运算 . 在频率域里是对图像频谱进行修正,一般接受低通滤波方法,而不像在空间域里直接对图像像素灰度级值进行运算,即第一将图像从空间域变换到 频率域,然后进行各种各样的处理,再将所得到的结果进行反变换,从而达到 图像处理的目的 . 小波变换是全局变换,在时域或频域中均可从混有强噪声的信号中提取原始信号 . 本争论对空间域中的均值滤波、中值滤波和自适应滤波种去噪技术进行分析比较,以下为种技术的各自去噪原理.4.1.1 均值滤波也称线性滤波,主要思想为邻域平均法,对图像的任
24、一像素点以其为中心 取 MM 窗口M 一般取 3,5,7,9 等奇数 ,即用几个像素灰度的平均值来代替每个像素的灰度 .有效抑制加性噪声,但简洁引起图像模糊,可以对其进行改进, 主要躲开对景物边缘的平滑处理 .该方法运算简洁,对高斯噪声具有良好的去噪才能.均值滤波法可归结为矩形窗加权的有限冲击响应线性滤波器 .第一个“旁瓣”比主峰大约低 13 分贝.因此,均值滤波器相当于低通滤波器 .这种低通性能在平滑噪声的同时也会对图像的高频细节成分造成破坏和缺失,使图像模糊 .可编辑资料 - - - 欢迎下载精品名师归纳总结4.1.2 中值滤波基于排序统计理论的一种能有效抑制噪声的非线性平滑滤波信号处理技
25、术.中值滤波的特点即是第一确定一个以某个像素为中心点的邻域,一般为方形邻 域,也可以为圆形、十字形等等,然后将邻域中各像素的灰度值排序,取其中 间值作为中心像素灰度的新值,这里领域被称为窗口,当窗口移动时,利用中 值滤波可以对图像进行平滑处理 . 其算法简洁,时间复杂度低,但其对点、线和尖顶多的图像不宜接受中值滤波. 很简洁自适应化 . 中值滤波可以克服线性滤波器给图像带来的模糊 , 在有效清除颗粒噪声的同时 , 又能保持良好的边缘特性 , 从而获得较中意的滤波成效, 特殊适合于去除图像的椒盐噪声 . 利用中值滤波算法可以很好的对图像进行平滑处理 . 对于椒盐噪声密度较小时 , 特殊是孤立噪声
26、点 , 用中值滤波的成效特殊好 , 但在椒盐噪声密度增加时 , 其去噪才能将降低 , 可能残留下部分噪声像素 . 虽然可以接受多轮迭代方式对滤波后的图像再次使用中值滤波进行处理 , 但将造成更大的细节缺失 .4.1.3 维纳滤波维纳滤波 N Wiener 最早在 1942 年提出的方法 是一种对退化图像进行复原处理的一种常用算法 , 也是最早也最为人们熟知的线性图像复原方法. 其设计思想是使输入信号乘响应后的输出 , 与期望输出的均方误差为最小,是一种自适应滤波器,依据局部方差来调整滤波器成效. 对于去除高斯噪声成效明显 . 其数学形式比较复杂: Fu,v=1/Hu,v*|Hu,v|2/|Hu
27、,v|2+s*Snu,v/Sfu,v*Gu,v8其中 Snu ,V表示噪声的功率谱 ,Sfu ,V 表示未退化图像的功率谱 .在进行实际处理时 ,往往不知道噪声函数 Snu,v和 Sfu,v的分布情形 ,因此在实际应用时多用:可编辑资料 - - - 欢迎下载精品名师归纳总结Fu,v=1/Hu,v|Hu,v|2/|Hu,v|2+KGu,v9可编辑资料 - - - 欢迎下载精品名师归纳总结进行近似处理 ,其中 K 是一个预先设定的常数 .可编辑资料 - - - 欢迎下载精品名师归纳总结维纳滤波对高斯噪声、乘性噪声都有明显的抑制作用 ,相对与均值滤波和中值滤波,维纳滤波对这两种噪声的抑制成效更好 ,
28、缺点就是简洁失去图像的边缘信息.维纳滤波对椒盐噪声几乎没有抑制作用 .4.2 去除乘性噪声4.2.1 代码及其注释A=imreadF:CF1.jpg 。%读入图像B=rgb2grayA。%把彩色图像变成灰度图像Bspeckle=imnoiseB,speckle。%加入乘性噪声h=fspecialaverage,3。%fspecial 用于产生预定义滤波器Bjunzhi=uint8roundfilter2h,Bspeckle 。%均值滤波, uin8 为变量类型, round 为取整, h为滤波参数即均值, h 后的变量为要处理的图像Bzhongzhi=medfilt2Bgauss,7,7。%中
29、值滤波Bwiener1=wiener2Bgauss,7,7。%第一次维纳滤波Bwiener2=wiener2Bwiener1,7,7 。%其次次维纳滤波subplot2,3,1。imshowB。title 原灰度图像 。subplot2,3,2。imshowBspeckle。title 加入乘性噪声后 。subplot2,3,3。imshowBjunzhi 。title 均值滤波后 。subplot2,3,4。imshowBzhongzhi。title 中值滤波后 。可编辑资料 - - - 欢迎下载精品名师归纳总结subplot2,3,5。imshowBwiener1。title 一次维纳滤波
30、后 。subplot2,3,6。imshowBwiener2。title 二次维纳滤波后 。4.2.2 图像仿真图 4 灰度图像,加入乘性噪声后的图像,三种方式滤波后的图像4.2.3 成效分析对于去除乘性噪声,均值滤波残留的噪声较多,中值滤波虽然成效不错但是处理后较为模糊,维纳滤波成效最好但图像会略微变暗.4.3 去除椒盐噪声4.3.1 代码及其注释A=imreadF:CF1.jpg 。B=rgb2grayA。 Bsalt=imnoiseB,salt & pepper。h=fspecialaverage,3。 Bjunzhi=uint8roundfilter2h,Bsalt 。Bzhongzh
31、i=medfilt2Bgauss,7,7。Bwiener1=wiener2Bgauss,7,7。Bwiener2=wiener2Bwiener1,7,7 。subplot2,3,1。imshowB。title 原灰度图像 。subplot2,3,2。imshowBsalt。title 加入椒盐噪声后 。subplot2,3,3。imshowBjunzhi 。title 均值滤波后 。subplot2,3,4。imshowBzhongzhi。title 中值滤波后 。subplot2,3,5。imshowBwiener1。title 一次维纳滤波后 。subplot2,3,6。imshowBwi
32、ener2。title 二次维纳滤波后 。可编辑资料 - - - 欢迎下载精品名师归纳总结4.3.2 图像仿真图 5 灰度图像,加入椒盐噪声后的图像,三种方式滤波后的图像4.3.3 成效分析由滤波成效可以看出,以局部中值法为代表的非线性滤波器对滤除椒盐噪声特殊有效,但是非线性滤波器对于随机分布强度的噪声及其滤波成效明显变坏.4.4 去除高斯噪声4.4.1 代码及其注释A=imreadF:CF1.jpg 。B=rgb2grayA。Bgauss=imnoiseB,gaussian。 h=fspecialaverage,3。 Bjunzhi=uint8roundfilter2h,B 。Bzhongz
33、hi=medfilt2Bgauss,7,7。Bwiener1=wiener2Bgauss,7,7。Bwiener2=wiener2Bwiener1,7,7 。subplot2,3,1。imshowB。title 原灰度图像 。subplot2,3,2。imshowBgauss。title 加入高斯噪声后 。subplot2,3,3。imshowBjunzhi 。title 均值滤波后 。subplot2,3,4。imshowBzhongzhi。title 中值滤波后 。subplot2,3,5。imshowBwiener1。title 一次维纳滤波后 。subplot2,3,6。imshowB
34、wiener2。title 二次维纳滤波后 。可编辑资料 - - - 欢迎下载精品名师归纳总结4.4.2 图像仿真图 5 灰度图像,加入高斯噪声后的图像,三种方式滤波后的图像4.4.3 成效分析由滤波结果可以看出,以局部均值法为代表的线性滤波器对滤除高斯噪声特殊有效而且窗口越大处理成效越明显,但图像会越来越模糊,77 的窗口比较合适. 然而线性滤波易于破坏图像的边缘及细节信息,且无法滤除颗粒噪声.5 心得体会MATLAB这门奇妙了一学期的课,经过自己这几天的努力,最终掀开了它奇妙面纱的一角 . 一些同学做了比较高难度的涉及电路学问的课设,这让我觉得自惭形秽. 一方面,说明自己的专业课方面有待提
35、高,另一方面,也反映出自己的学习态度不端正,从知道有这门课开头,就应当有所留意,不应当等到最终再 去学.虽然只能做出较基础的东西,比较遗憾,但是我仍是很享受完成MATLAB课设的过程 . 这是一个充分考查自学才能和锤炼自己懂得才能的机会. 几天的努力,从零到有,从生疏到初识,曲曲几张图像,短短几段程序,让我体会到学习的欢快和求知之路的不易 . 期望自己能把这几天做MATLAB的精神和精力也投入高校其他科目的学习中,更进一步 .最终,感谢老师给我们这个锤炼的机会,感谢老师的指导.参考文献1. 自动把握原理的 MATLAB实现 .黄忠霖 主编 国防工业出版社 2007 年出版2. 熟知 MATLA
36、B2021应用程序接口编程技术陈超主编 电子工业出版社2021 年出版3. DigitalImagessingUsingMATLAB Reafael C.Gonzalez Richard可编辑资料 - - - 欢迎下载精品名师归纳总结E.Woods Stven L.Eddins主编 电子工业出版社 2004 年出版4. MATLAB Attaway,Stormy 主编 Butterworth 2021 年出版5. 高效 matlab 数据处理大全 闫建华 主编 人民邮电出版社 2006 出版6. 图像数据处理方法牟永光 主编 石油工业出版社 2007 出版附件: MATLAB程序加入乘性噪声A
37、=imreadF:CF1.jpg 。%图像的读入,并将图像数据存入A B=rgb2grayA。%将原彩色图像变成灰度图像,并将图像数据存入B subplot2,2,1。%分割显示窗口,将其分为 2X2,将图像放入第一个位置imshowB。title 原灰度图像 。%显示灰度图像 B,并为其加标题Bspeckle=imnoiseB,speckle。%给图像加入乘性噪声,并存入 Bspecklesubplot2,2,2。%分割显示窗口,将其分为 2X2,将图像放入其次个位置imshowBspeckle。title 灰度图像加入乘性噪声后 。%显示加入乘性噪声的图像 B,并为其加标题加入椒盐噪声A=
38、imreadF:CF1.jpg 。B=rgb2grayA。subplot2,2,1。imshowB。title 原灰度图像 。Bsalt=imnoiseB,salt & pepper。可编辑资料 - - - 欢迎下载精品名师归纳总结subplot2,2,2。imshowBgauss。title 灰度图像加入椒盐噪声后 。加入高斯噪声A=imreadF:CF1.jpg 。B=rgb2grayA。subplot2,2,1。imshowB。title 原灰度图像 。Bgauss=imnoiseB,gaussian,0.16。 subplot2,2,2。imshowBgauss。title 灰度图像加
39、入高斯噪声后 。去除乘性噪声A=imreadF:CF1.jpg 。%读入图像B=rgb2grayA。%把彩色图像变成灰度图像Bspeckle=imnoiseB,speckle。%加入乘性噪声h=fspecialaverage,3。%fspecial 用于产生预定义滤波器Bjunzhi=uint8roundfilter2h,Bspeckle 。%均值滤波, uin8 为变量类型, round 为取整, h为滤波参数即均值, h 后的变量为要处理的图像Bzhongzhi=medfilt2Bgauss,7,7。%中值滤波Bwiener1=wiener2Bgauss,7,7。%第一次维纳滤波Bwien
40、er2=wiener2Bwiener1,7,7 。%其次次维纳滤波subplot2,3,1。imshowB。title 原灰度图像 。可编辑资料 - - - 欢迎下载精品名师归纳总结subplot2,3,2。imshowBspeckle。title 加入乘性噪声后 。subplot2,3,3。imshowBjunzhi 。title 均值滤波后 。subplot2,3,4。imshowBzhongzhi。title 中值滤波后 。subplot2,3,5。imshowBwiener1。title 一次维纳滤波后 。subplot2,3,6。imshowBwiener2。title 二次维纳滤波
41、后 。去除椒盐噪声A=imreadF:CF1.jpg 。B=rgb2grayA。 Bsalt=imnoiseB,salt & pepper。h=fspecialaverage,3。 Bjunzhi=uint8roundfilter2h,Bsalt 。Bzhongzhi=medfilt2Bgauss,7,7。Bwiener1=wiener2Bgauss,7,7。Bwiener2=wiener2Bwiener1,7,7 。subplot2,3,1。imshowB。title 原灰度图像 。subplot2,3,2。imshowBsalt。title 加入椒盐噪声后 。subplot2,3,3。imshowBjunzhi 。title 均值滤波后 。subplot2,3,4。imshowBzhongzhi。title 中值滤波后 。subplot2,3,5。imshowBwiener1。title 一次维纳滤波后 。subplot2,3,6。imshowBwiener2。title 二次维纳滤波后 。去除高斯噪声A=imreadF:CF1.jpg 。B=rgb2grayA。Bg
限制150内