精华内容
下载资源
问答
  • 1 图像去噪是指减少数字图像中噪声的过程。现实中的数字图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响,称为含噪图像或噪声图像。 噪声是图象干扰的重要原因。一幅图象在实际应用中可能存在各种...

    一、简介

    1 图像去噪是指减少数字图像中噪声的过程。现实中的数字图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响,称为含噪图像或噪声图像。
    噪声是图象干扰的重要原因。一幅图象在实际应用中可能存在各种各样的噪声,这些噪声可能在传输中产生,也可能在量化等处理中产生。
    2 折叠均值滤波器
    采用邻域平均法的均值滤波器非常适用于去除通过扫描得到的图像中的颗粒噪声。邻域平均法有力地抑制了噪声,同时也由于平均而引起了模糊现象,模糊程度与领域半径成正比。

    3 几何均值滤波器
    所达到的平滑度可以与算术均值滤波器相比,但在滤波过程中会丢失更少的图象细节。

    4 谐波均值滤波器
    对"盐"噪声效果更好,但是不适用于"胡椒"噪声。它善于处理像高斯噪声那样的其他噪声。

    5 逆谐波均值滤波器
    更适合于处理脉冲噪声,但它有个缺点,就是必须要知道噪声是暗噪声还是亮噪声,以便于选择合适的滤波器阶数符号,如果阶数的符号选择错了可能会引起灾难性的后果。

    6折叠自适应维纳滤波器
    它能根据图象的局部方差来调整滤波器的输出,局部方差越大,滤波器的平滑作用越强。它的最终目标是使恢复图像f(x,y)与原始图像f(x,y)的均方误差e2=E[(f(x,y)-f(x,y)2]最小。该方法的滤波效果比均值滤波器效果要好,对保留图像的边缘和其他高频部分很有用,不过计算量较大。维纳滤波器对具有白噪声的图象滤波效果最佳。

    7折叠中值滤波器
    它是一种常用的非线性平滑滤波器,其基本原理是把数字图像或数字序列中一点的值用该点的一个领域中各点值的中值代换其主要功能是让周围象素灰度值的差比较大的像素改取与周围的像素值接近的值,从而可以消除孤立的噪声点,所以中值滤波对于滤除图像的椒盐噪声非常有效。中值滤波器可以做到既去除噪声又能保护图像的边缘,从而获得较满意的复原效果,而且,在实际运算过程中不需要图象的统计特性,这也带来不少方便,但对一些细节多,特别是点、线、尖顶细节较多的图象不宜采用中值滤波的方法。

    8 折叠形态学噪声滤除器
    将开启和闭合结合起来可用来滤除噪声,首先对有噪声图象进行开启操作,可选择结构要素矩阵比噪声的尺寸大,因而开启的结果是将背景上的噪声去除。最后是对前一步得到的图象进行闭合操作,将图象上的噪声去掉。根据此方法的特点可以知道,此方法适用的图像类型是图象中的对象尺寸都比较大,且没有细小的细节,对这种类型的图像除噪的效果会比较好。

    9 折叠小波去噪
    这种方法保留了大部分包含信号的小波系数,因此可以较好地保持图象细节。小波分析进行图像去噪主要有3个步骤:(1)对图象信号进行小波分解。(2)对经过层次分解后的高频系数进行阈值量化。(3)利用二维小波重构图象信号。

    二、源代码

    function varargout = aaa(varargin)
    % AAA MATLAB code for aaa.fig
    %      AAA, by itself, creates a new AAA or raises the existing
    %      singleton*.
    %
    %      H = AAA returns the handle to a new AAA or the handle to
    %      the existing singleton*.
    %
    %      AAA('CALLBACK',hObject,eventData,handles,...) calls the local
    %      function named CALLBACK in AAA.M with the given input arguments.
    %
    %      AAA('Property','Value',...) creates a new AAA or raises the
    %      existing singleton*.  Starting from the left, property value pairs are
    %      applied to the GUI before aaa_OpeningFcn gets called.  An
    %      unrecognized property name or invalid value makes property application
    %      stop.  All inputs are passed to aaa_OpeningFcn via varargin.
    %
    %      *See GUI Options on GUIDE's Tools menu.  Choose "GUI allows only one
    %      instance to run (singleton)".
    %
    % See also: GUIDE, GUIDATA, GUIHANDLES
    
    % Edit the above text to modify the response to help aaa
    
    % Last Modified by GUIDE v2.5 11-Jul-2016 14:38:54
    
    % Begin initialization code - DO NOT EDIT
    gui_Singleton = 1;
    gui_State = struct('gui_Name',       mfilename, ...
                       'gui_Singleton',  gui_Singleton, ...
                       'gui_OpeningFcn', @aaa_OpeningFcn, ...
                       'gui_OutputFcn',  @aaa_OutputFcn, ...
                       'gui_LayoutFcn',  [] , ...
                       'gui_Callback',   []);
    if nargin && ischar(varargin{1})
        gui_State.gui_Callback = str2func(varargin{1});
    end
    

    三、运行结果

    在这里插入图片描述
    在这里插入图片描述

    四、备注

    版本:2014a

    展开全文
  • 自适应中值滤波器去噪 它是根据研究论文完成的。 在这里,我们开发了两种算法: 基于MODPA的原纸。 优点是计算速度快 基于原纸的MOD2PA改进算法。 优点-PSNR比MODPA更好,但计算量很大(使用中位数和均值的组合) ...
  • 1 图像去噪是指减少数字图像中噪声的过程。现实中的数字图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响,称为含噪图像或噪声图像。 噪声是图象干扰的重要原因。一幅图象在实际应用中可能存在各种...

    一、简介

    1 图像去噪是指减少数字图像中噪声的过程。现实中的数字图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响,称为含噪图像或噪声图像。
    噪声是图象干扰的重要原因。一幅图象在实际应用中可能存在各种各样的噪声,这些噪声可能在传输中产生,也可能在量化等处理中产生。
    2 折叠均值滤波器
    采用邻域平均法的均值滤波器非常适用于去除通过扫描得到的图像中的颗粒噪声。邻域平均法有力地抑制了噪声,同时也由于平均而引起了模糊现象,模糊程度与领域半径成正比。

    3 几何均值滤波器
    所达到的平滑度可以与算术均值滤波器相比,但在滤波过程中会丢失更少的图象细节。

    4 谐波均值滤波器
    对"盐"噪声效果更好,但是不适用于"胡椒"噪声。它善于处理像高斯噪声那样的其他噪声。

    5 逆谐波均值滤波器
    更适合于处理脉冲噪声,但它有个缺点,就是必须要知道噪声是暗噪声还是亮噪声,以便于选择合适的滤波器阶数符号,如果阶数的符号选择错了可能会引起灾难性的后果。

    6折叠自适应维纳滤波器
    它能根据图象的局部方差来调整滤波器的输出,局部方差越大,滤波器的平滑作用越强。它的最终目标是使恢复图像f(x,y)与原始图像f(x,y)的均方误差e2=E[(f(x,y)-f(x,y)2]最小。该方法的滤波效果比均值滤波器效果要好,对保留图像的边缘和其他高频部分很有用,不过计算量较大。维纳滤波器对具有白噪声的图象滤波效果最佳。

    7折叠中值滤波器
    它是一种常用的非线性平滑滤波器,其基本原理是把数字图像或数字序列中一点的值用该点的一个领域中各点值的中值代换其主要功能是让周围象素灰度值的差比较大的像素改取与周围的像素值接近的值,从而可以消除孤立的噪声点,所以中值滤波对于滤除图像的椒盐噪声非常有效。中值滤波器可以做到既去除噪声又能保护图像的边缘,从而获得较满意的复原效果,而且,在实际运算过程中不需要图象的统计特性,这也带来不少方便,但对一些细节多,特别是点、线、尖顶细节较多的图象不宜采用中值滤波的方法。

    8 折叠形态学噪声滤除器
    将开启和闭合结合起来可用来滤除噪声,首先对有噪声图象进行开启操作,可选择结构要素矩阵比噪声的尺寸大,因而开启的结果是将背景上的噪声去除。最后是对前一步得到的图象进行闭合操作,将图象上的噪声去掉。根据此方法的特点可以知道,此方法适用的图像类型是图象中的对象尺寸都比较大,且没有细小的细节,对这种类型的图像除噪的效果会比较好。

    9 折叠小波去噪
    这种方法保留了大部分包含信号的小波系数,因此可以较好地保持图象细节。小波分析进行图像去噪主要有3个步骤:(1)对图象信号进行小波分解。(2)对经过层次分解后的高频系数进行阈值量化。(3)利用二维小波重构图象信号。

    二、源代码

    function varargout = aaa(varargin)
    % AAA MATLAB code for aaa.fig
    %      AAA, by itself, creates a new AAA or raises the existing
    %      singleton*.
    %
    %      H = AAA returns the handle to a new AAA or the handle to
    %      the existing singleton*.
    %
    %      AAA('CALLBACK',hObject,eventData,handles,...) calls the local
    %      function named CALLBACK in AAA.M with the given input arguments.
    %
    %      AAA('Property','Value',...) creates a new AAA or raises the
    %      existing singleton*.  Starting from the left, property value pairs are
    %      applied to the GUI before aaa_OpeningFcn gets called.  An
    %      unrecognized property name or invalid value makes property application
    %      stop.  All inputs are passed to aaa_OpeningFcn via varargin.
    %
    %      *See GUI Options on GUIDE's Tools menu.  Choose "GUI allows only one
    %      instance to run (singleton)".
    %
    % See also: GUIDE, GUIDATA, GUIHANDLES
    
    % Edit the above text to modify the response to help aaa
    
    % Last Modified by GUIDE v2.5 11-Jul-2016 14:38:54
    
    % Begin initialization code - DO NOT EDIT
    gui_Singleton = 1;
    gui_State = struct('gui_Name',       mfilename, ...
                       'gui_Singleton',  gui_Singleton, ...
                       'gui_OpeningFcn', @aaa_OpeningFcn, ...
                       'gui_OutputFcn',  @aaa_OutputFcn, ...
                       'gui_LayoutFcn',  [] , ...
                       'gui_Callback',   []);
    if nargin && ischar(varargin{1})
        gui_State.gui_Callback = str2func(varargin{1});
    end
    

    三、运行结果

    在这里插入图片描述
    在这里插入图片描述

    四、备注

    版本:2014a

    展开全文
  • opencv——均值/中值滤波器去噪

    千次阅读 2018-06-05 22:44:50
    2.用中值滤波器去除图像中的噪声3.比较两种方法的处理结果实验步骤:用原始图像lena.bmp或cameraman.bmp加产生的3%椒盐噪声图像合成一幅有噪声的图像并显示;1.用均值滤波器去除图像中的噪声(选3x3窗口):以...

    实验内容及实验原理:

    1.用均值滤波器(即邻域平均法)去除图像中的噪声;

    2.用中值滤波器去除图像中的噪声

    3.比较两种方法的处理结果

    实验步骤:

    用原始图像lena.bmp或cameraman.bmp加产生的3%椒盐噪声图像合成一幅有噪声的图像并显示;

    1.用均值滤波器去除图像中的噪声(选3x3窗口):以当前像素点为中心,求窗口内所有灰度值的和,以其平均值作为中心像素新的灰度值

    2. 用中值滤波器去除图像中的噪声(选3x3窗口做中值滤波);以当前像素点为中心,求窗口中所有像素点的灰度值的中值,以中值作为中心像素点的值

    3.将两种处理方法的结果与原图比较,注意两种处理方法对边缘的影响。

    添加椒盐噪声

    以3%的几率产生随机为0/255的灰度值覆盖原来的灰度值

       for (int i = 0; i <src->height; i++){
            for (int j = 0; j <src->width; j++){
                CvScalar s = cvGet2D(src, i,j);
                srand(seed++);
                if (rand() % 100 <3){//3%的几率覆盖
                    srand(seed++);
                    s.val[0]= rand() % 2 * 255;//随机是0还是255
                }
                cvSet2D(dst,i, j, s);
            }
        }

    添加后:

    均值滤波

    计算当前像素周围的九个像素点的灰度值和,以其平均值作为当前像素的灰度值。如果是边缘的像素点就求有限的几个像素灰度值的平均值

    for (int i = 0;i < dst->height; i++){
         for (int j = 0; j < dst->width; j++){
             CvScalar s =cvGet2D(dst, i, j);
             double sum =0;//存放窗口中所有像素点灰度值的和
             int num =0;//记录窗口中像素的个数,因为边界上可能不是9个像素
             //求3x3的和
             for (int k = -1; k <= 1; k++)
                  for (int m = -1; m <= 1; m++)
                       if (i + k>= 0 && i + k <= 255 && j + m >= 0 && j + m<= 255){
                           CvScalar temp =cvGet2D(dst, i+k, j+m);
                           sum += temp.val[0];
                           num++;
                       }
             s.val[0] = sum/num;
             cvSet2D(dst_sp, i, j, s);
         }
    }


    中值滤波

    获取当前像素位置周围的九个像素灰度值,排序选择中间值作为新的灰度值。如果是边界的像素点就只选择有限的几个灰度值的中值

    for (int i = 0;i < dst->height; i++){
         for (int j = 0; j < dst->width; j++){
             CvScalar s =cvGet2D(dst, i, j);
             double val[9]= {0},mid=0;//分别为存放窗口中所有灰度值的数组和中值
             int num =0;//记录实际窗口中有几个像素点
             //遍历当前像素点为中心的3X3窗口
             for (int k = -1; k <= 1; k++)
                  for (int m = -1; m <= 1; m++)
                       if (i + k>= 0 && i + k <= 255 && j + m >= 0 && j + m<= 255){//在图像上,没有超出边界
                           CvScalar temp =cvGet2D(dst, i + k, j + m);
                           val[num++]= temp.val[0];
                       }
             //冒泡排序,从大到小
             for (int k = 0; k < 9; k++){
                  for (int m = 0; m < 8-k; m++){
                       if (val[m]< val[m + 1]){
                           double temp =val[m];
                           val[m] = val[m + 1];
                           val[m + 1] = temp;
                       }
                  }
             }
             s.val[0] =  val[num/2];//求中值
             cvSet2D(dst_sp2, i, j, s);
         }
    }

    源码:

    // opencv1.cpp: 定义控制台应用程序的入口点。
    //
    
    #include "stdafx.h"
    #include<iostream>  
    #include <opencv2/core/core.hpp>  
    #include <opencv2/highgui/highgui.hpp>  
    #include <cv.h>
    #include <cxcore.h>
    #include <cvaux.h>
    #include <stdlib.h>
    #include <imgproc.hpp>
    #include <time.h>
    
    using namespace cv;
    
    int main()
    {
    	IplImage *src;
    	src = cvLoadImage("lena.bmp", 1);//原图
    	IplImage *dst = cvCreateImage(cvSize(src->width, src->height), IPL_DEPTH_8U, 1);
    
    
    	std::cout << "添加椒盐噪声" << std::endl;
    	int seed = 1;
    	for (int i = 0; i < src->height; i++)
    	{
    		for (int j = 0; j < src->width; j++)
    		{
    			CvScalar s = cvGet2D(src, i, j);
    			srand(seed++);
    			if (rand() % 100 < 3)
    			{
    				srand(seed++);
    				s.val[0] = rand() % 2 * 255;
    			}
    			cvSet2D(dst, i, j, s);
    		}
    	}
    	cvNamedWindow("Image1", 1);//创建窗口
    	cvShowImage("Image1", dst);//显示图像
    
    	IplImage *dst_sp = cvCreateImage(cvSize(dst->width, dst->height), IPL_DEPTH_8U, 1);
    	std::cout << "均值滤波" << std::endl;
    	for (int i = 0; i < dst->height; i++)
    	{
    		for (int j = 0; j < dst->width; j++)
    		{
    			CvScalar s = cvGet2D(dst, i, j);
    			double sum = 0;
    			int num = 0;
    			//求3x3的和
    			for (int k = -1; k <= 1; k++)
    				for (int m = -1; m <= 1; m++)
    					if (i + k >= 0 && i + k <= 255 && j + m >= 0 && j + m <= 255)
    					{
    						CvScalar temp = cvGet2D(dst, i+k, j+m);
    						sum += temp.val[0];
    						num++;
    					}
    
    			s.val[0] = sum/num;
    			cvSet2D(dst_sp, i, j, s);
    		}
    	}
    	cvNamedWindow("Image2", 1);//创建窗口
    	cvShowImage("Image2", dst_sp);//显示图像
    
    	IplImage *dst_sp2 = cvCreateImage(cvSize(dst->width, dst->height), IPL_DEPTH_8U, 1);
    	std::cout << "中值滤波" << std::endl;
    	for (int i = 0; i < dst->height; i++)
    	{
    		for (int j = 0; j < dst->width; j++)
    		{
    			CvScalar s = cvGet2D(dst, i, j);
    			double val[9] = {0},mid=0;
    			int num = 0;
    			for (int k = -1; k <= 1; k++)
    				for (int m = -1; m <= 1; m++)
    					if (i + k >= 0 && i + k <= 255 && j + m >= 0 && j + m <= 255)
    					{
    						CvScalar temp = cvGet2D(dst, i + k, j + m);
    						val[num++]= temp.val[0];
    					}
    			//排序,从大到小
    			for (int k = 0; k < 9; k++)
    			{
    				for (int m = 0; m < 8-k; m++)
    				{
    					if (val[m] < val[m + 1])
    					{
    						double temp = val[m];
    						val[m] = val[m + 1];
    						val[m + 1] = temp;
    					}
    				}
    			}
    			s.val[0] =  val[num/2];
    			cvSet2D(dst_sp2, i, j, s);
    		}
    	}
    	cvNamedWindow("Image3", 1);//创建窗口
    	cvShowImage("Image3", dst_sp2);//显示图像
    	cvWaitKey(0); //等待按键
    	cvReleaseImage(&dst_sp2); //释放图像
    	cvReleaseImage(&dst_sp); //释放图像
    
    	cvReleaseImage(&dst); //释放图像
    }

    原图:(原来是bmp格式的,但是不能上传,改成png格式了,分辨率都是256X256的)


    展开全文
  • 它也是一种邻域运算,类似于卷积,但是计算的不是加权求和,而是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替,让周围像素灰度值的差比较大的像素改取与周围的像素值接近的值,从而可以消除...

    一、简介

    1 中值滤波

         中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术。它也是一种邻域运算,类似于卷积,但是计算的不是加权求和,而是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替,让周围像素灰度值的差比较大的像素改取与周围的像素值接近的值,从而可以消除孤立的噪声点。它能减弱或消除傅立叶空间的高频分量,但影响低频分量。因为高频分量对应图像中的区域边缘的灰度值具有较大较快变化的部分,该滤波可将这些分量滤除,使图像平滑。值滤波技术在衰减噪声的同时能较好的保护图像的边缘。

    2 均值滤波

    均值滤波是指任意一点的像素值,都是周围 N \times M 个像素值的均值。例如下图中,红色点的像素值是其周围蓝色背景区域像素值之和除25,25=5\times5 是蓝色区域的大小。

     

    均值滤波详细的计算方法如下图所示:

     

    其中5\times5的矩阵称为,针对原始图像内的像素点,采用核进行处理,得到结果图像,如下图所示:

     

     

    提取 1/25 可以将核转换为如下形式:

    3 小波变换

    小波滤波原理

             小波变换就是把某一基函数做位移后,求不同尺度下的小波函数与原始信号的内积,表达式如下:

     

    其中,a>0,是尺度因子,隐含信号的频率信息,是平移因子,这样信号就被分解成一系列小波函数的叠加,这就是小波分解的过程。基本原理是:对于信号的不同频率部分,改变尺度值,相当于在时间轴上对信号进行压缩和伸展。尺度越大,表示分析的信号区间越长,那么在频域的分辨率就越低,这样可以获取信号的低频成分;反之可以得到信号的高频成分。小波变换可以得到一系列的小波系数,从中分析有用信号和噪声各自对应的部分,对小波系数进行适当的处理。小波重构就是用处理得到的新的系数来重构信号。

             小波进行滤波就是一个小波分解和重构的过程,其基本步骤如下:

    u  选择合适的小波基函数

    u  对信号进行指定层次的小波分解

    u  对各分解层进行处理,得到新的小波系数

    u  用新得到的系数进行小波重构(小波逆变换)

    小波基函数的选择

             对于同样的信号,不同的基函数会得到不同的结果。在小波基函数选择的时候要结合信号本身的特点,也要清楚小波基函数选取的原则:

    u  正交性:可以使分析简便,有利于信号的精确重构

    u  对称性:对称的基函数使得小波滤波呈线性相位,信号不会失真,也可以提高算法的运行速度

    u  紧支性:紧支集的长度决定着信号局部特性的好坏,紧支集越短的小波基函数,局部时频特征就越好,越有利于信号的瞬时检测

    u  正则性:决定信号重构后的平滑性,会影响频域的分辨率,支集长度越长,正则性越好;

    u  消失矩:基函数的消失矩越高,在高频的衰减也就越快,变换后信号的的能量越集中,可以保持良好的频域定域性。

    二、源代码

    function varargout = dsp1(varargin)
    % DSP1 MATLAB code for dsp1.fig
    %      DSP1, by itself, creates a new DSP1 or raises the existing
    %      singleton*.
    %
    %      H = DSP1 returns the handle to a new DSP1 or the handle to
    %      the existing singleton*.
    %
    %      DSP1('CALLBACK',hObject,eventData,handles,...) calls the local
    %      function named CALLBACK in DSP1.M with the given input arguments.
    %
    %      DSP1('Property','Value',...) creates a new DSP1 or raises the
    %      existing singleton*.  Starting from the left, property value pairs are
    %      applied to the GUI before dsp1_OpeningFcn gets called.  An
    %      unrecognized property name or invalid value makes property application
    %      stop.  All inputs are passed to dsp1_OpeningFcn via varargin.
    %
    %      *See GUI Options on GUIDE's Tools menu.  Choose "GUI allows only one
    %      instance to run (singleton)".
    %
    % See also: GUIDE, GUIDATA, GUIHANDLES
     
    % Edit the above text to modify the response to help dsp1
     
    % Last Modified by GUIDE v2.5 21-Mar-2014 21:34:03
     
    % Begin initialization code - DO NOT EDIT
    gui_Singleton = 1;
    gui_State = struct('gui_Name',       mfilename, ...
                       'gui_Singleton',  gui_Singleton, ...
                       'gui_OpeningFcn', @dsp1_OpeningFcn, ...
                       'gui_OutputFcn',  @dsp1_OutputFcn, ...
                       'gui_LayoutFcn',  [] , ...
                       'gui_Callback',   []);
    if nargin && ischar(varargin{1})
        gui_State.gui_Callback = str2func(varargin{1});
    end
     
    if nargout
        [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
    else
        gui_mainfcn(gui_State, varargin{:});
    end
    % End initialization code - DO NOT EDIT
     
     
    % --- Executes just before dsp1 is made visible.
    function dsp1_OpeningFcn(hObject, eventdata, handles, varargin)
    % This function has no output args, see OutputFcn.
    % hObject    handle to figure
    % eventdata  reserved - to be defined in a future version of MATLAB
    % handles    structure with handles and user data (see GUIDATA)
    % varargin   command line arguments to dsp1 (see VARARGIN)
    setappdata(handles.figure1,'img1',0);
    setappdata(handles.figure1,'img2',0);
    setappdata(handles.figure1,'img3',0);
    %set(handles.myimage_compress,'Enable', 'off');
    set(handles.pushbutton_compress,'Enable', 'off');
    set(handles.menu_quzaodesc, 'Enable', 'off');
    set(handles.save, 'Enable', 'off');
     
     
    % Choose default command line output for dsp1
    handles.output = hObject;
     
    % Update handles structure
    guidata(hObject, handles);
     
    % UIWAIT makes dsp1 wait for user response (see UIRESUME)
    % uiwait(handles.figure1);
     
     
    % --- Outputs from this function are returned to the command line.
    function varargout = dsp1_OutputFcn(hObject, eventdata, handles) 
    % varargout  cell array for returning output args (see VARARGOUT);
    % hObject    handle to figure
    % eventdata  reserved - to be defined in a future version of MATLAB
    % handles    structure with handles and user data (see GUIDATA)
     
    % Get default command line output from handles structure
    varargout{1} = handles.output;
     
     
    % --- Executes on selection change in popupmenu.
    function popupmenu_Callback(hObject, eventdata, handles)
    % hObject    handle to popupmenu (see GCBO)
    % eventdata  reserved - to be defined in a future version of MATLAB
    % handles    structure with handles and user data (see GUIDATA)
     
    % Hints: contents = cellstr(get(hObject,'String')) returns popupmenu contents as cell array
    %        contents{get(hObject,'Value')} returns selected item from popupmenu
    val = get(hObject,'Value');
    str = get(hObject, 'String');
    switch str{val};
    case '无' % 
    	img2=getappdata(handles.figure1,'img1');
        axes(handles.axes2);
        imshow(img2);
        setappdata(handles.figure1,'img2',img2);
        set(handles.pushbutton_listen, 'Enable', 'off');
    case '高斯噪声' % 
    	img2=getappdata(handles.figure1,'img1');
        img2 = imnoise(img2,'gaussian'); %加高斯噪声
        axes(handles.axes2);
        imshow(img2);
        setappdata(handles.figure1,'img2',img2);
        set(handles.menu_quzaodesc, 'Enable', 'on');
        set(handles.pushbutton_listen, 'Enable', 'on');
    case '椒盐噪声' % 
    	img2=getappdata(handles.figure1,'img1');
        img2 = imnoise(img2,'salt');
        axes(handles.axes2);
        imshow(img2);
        setappdata(handles.figure1,'img2',img2);
        set(handles.menu_quzaodesc, 'Enable', 'on');
        set(handles.pushbutton_listen, 'Enable', 'on');
    case '泊松噪声' % 
    	img2=getappdata(handles.figure1,'img1');
        img2 = imnoise(img2,'poisson');
        axes(handles.axes2);
        imshow(img2);
        setappdata(handles.figure1,'img2',img2);
        set(handles.menu_quzaodesc, 'Enable', 'on');
        set(handles.pushbutton_listen, 'Enable', 'on');
    case '斑点噪声speckle' % 
    	img2=getappdata(handles.figure1,'img1');
        img2 = imnoise(img2,'speckle');
        axes(handles.axes2);
        imshow(img2);
        setappdata(handles.figure1,'img2',img2);
        set(handles.menu_quzaodesc, 'Enable', 'on');
        set(handles.pushbutton_listen, 'Enable', 'on');
    end
     
    % --- Executes during object creation, after setting all properties.
    function popupmenu_CreateFcn(hObject, eventdata, handles)
    % hObject    handle to popupmenu (see GCBO)
    % eventdata  reserved - to be defined in a future version of MATLAB
    % handles    empty - handles not created until after all CreateFcns called
     
    % Hint: popupmenu controls usually have a white background on Windows.
    %       See ISPC and COMPUTER.
    if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))
        set(hObject,'BackgroundColor','white');
    end
     
    % --------------------------------------------------------------------
    function myfile_Callback(hObject, eventdata, handles)
    % hObject    handle to myfile (see GCBO)
    % eventdata  reserved - to be defined in a future version of MATLAB
    % handles    structure with handles and user data (see GUIDATA)
     
     
    % --------------------------------------------------------------------
    function myfile_open_Callback(hObject, eventdata, handles)
    % hObject    handle to myfile_open (see GCBO)
    % eventdata  reserved - to be defined in a future version of MATLAB
    % handles    structure with handles and user data (see GUIDATA)
    [filename, pathname] = uigetfile(...
        {'*.bmp;*.jpg; *.png; *.jpeg; ','Image Files(*.bmp,*.jpg,*.png,*.jpeg)';...
        '*.*',      'All Files(*.*)' }...
        , 'Pick an image');%打开文件 选择图像
    if isequal(filename,0) || isequal(pathname,0)
        return;%如 果点了“ 取 消”
    end
    axes(handles.axes1);%重要,在哪个坐标轴显示图像
    fpath = [pathname filename];%路径名和文件名
    img1 = imread(fpath);%读取图像 
    imshow(img1);%显示图像
    setappdata(handles.figure1,'img1',img1);
     
     
    % --- Executes on selection change in popupmenu3.
    function popupmenu3_Callback(hObject, eventdata, handles)
    % hObject    handle to popupmenu3 (see GCBO)
    % eventdata  reserved - to be defined in a future version of MATLAB
    % handles    structure with handles and user data (see GUIDATA)
     
    % Hints: contents = cellstr(get(hObject,'String')) returns popupmenu3 contents as cell array
    %        contents{get(hObject,'Value')} returns selected item from popupmenu3
    img2=getappdata(handles.figure1,'img2');%加噪图像
    img1=getappdata(handles.figure1,'img1');%原始图像
    val = get(hObject,'Value');
    str = get(hObject, 'String');
    switch str{val};
    case '中值滤波'
        set(handles.uipanel_lowfilt, 'Visible', 'off');
        set(handles.uipanel_gausslow, 'Visible', 'off');
        set(handles.pushbutton_quzao, 'Visible', 'off');
    	img3 = medfilt2(img2);%中值滤波
        setappdata(handles.figure1,'img3',img3);
        axes(handles.axes3);
        imshow(img3);
        PSNR = psnr2(img3, img1);
        str1 = strcat('psnr为: ' , num2str(PSNR) , 'db');
        set(handles.text3, 'string', str1); %显示PSNR值
        set(handles.save, 'Enable', 'on');
       % set(handles.myimage_compress,'Enable', 'on');
        set(handles.pushbutton_compress,'Enable', 'on');
    case '维纳滤波' 
        set(handles.uipanel_lowfilt, 'Visible', 'off');
        set(handles.uipanel_gausslow, 'Visible', 'off');
        set(handles.pushbutton_quzao, 'Visible', 'off');
    	img3 = wiener2(img2,[5,5]);
        setappdata(handles.figure1,'img3',img3);
        axes(handles.axes3);
        imshow(img3); 
        PSNR = psnr2(img3, img1);
        str1 = strcat('psnr为: ' , num2str(PSNR) , 'db');
        set(handles.text3, 'string', str1);
       % set(handles.myimage_compress,'Enable', 'on');
        set(handles.pushbutton_compress,'Enable', 'on');
        set(handles.save, 'Enable', 'on');

    三、运行结果

    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

    四、备注

    完整代码添加QQ1575304183

    展开全文
  • 基于matlab GUI中值、小波、维纳、滤波器图像滤波 二、源代码 function varargout = dsp1(varargin) % DSP1 MATLAB code for dsp1.fig % DSP1, by itself, creates a new DSP1 or raises the existing % singleton*....
  • 一、简介 基于matlab GUI中值、小波、维纳、滤波器图像滤波 二、源代码 function varargout = dsp1(varargin) % DSP1 MATLAB code for dsp1.fig % DSP1, by itself, creates a new DSP1 or raises the existing % ...
  • 中值过滤代码matlab 使用均值和中值滤波器进行图像降噪 使用均值和中值滤波器图像去噪Matlab代码
  • 为了实现图像的实时处理,常采用现场可编程门列阵FPGA对采集的数字图像做预处理,在讨论中值滤波算法原理的基础上,利用VHDL硬件描述语言设计一个中值滤波模块对输入图像进行去噪处理,仿真结果说明该算法满足实时性...
  • 在使用矢量中值滤波对彩色图像去噪时,通常只能减弱脉冲噪声,该代码融合了矢量均值滤波来消除高斯噪声
  • 图像去噪追求的目的是既能去除图像中的噪声,同时又能较完整的保持图像的细节信息。在研究几种基于中值的椒盐噪声去除方法基础上,设计了一种有效去除图像椒盐噪声的开关中值滤波器。提出的算法首先利用图像灰度值的...
  • 为满足实时红外图像预处理时对速度的高要求,采用了一种利于硬件实现的中值滤波改进算法,以Altera公司的Stratix II系列EP2S60型FPGA为平台,成功实现了对256×320×16 bit图像中值滤波,整个电路去噪效果明显,...
  • 为满足实时红外图像预处理时对速度的高要求,采用了一种利于硬件实现的中值滤波改进算法,以Altera公司的Stratix II系列EP2S60型FPGA为平台,成功实现了对256×320×16 bit图像中值滤波,整个电路去噪效果明显,...
  • 中值滤波器去噪: 中值滤波的主要原理是将数字图像中的某点用该点的邻域中各个像素值的中值所来代替,这样就能让目标像素周围能够更好的接近真实值,比如一张白纸上有一个黑点时,黑点的像素值比较大,经过中值滤波...
  • Python实现中值滤波去噪

    千次阅读 2019-06-04 21:45:12
    中值滤波器去噪:中值滤波的主要原理是将数字图像中的某点用该点的邻域中各个像素值的中值所来代替,这样就能让目标像素周围能够更好的接近真实值,比如一张白纸上有一个黑点时,黑点的像素值比较大,经过中值滤波...
  • 使用中值滤波器,它是一个奇数阶方阵。它消除了图像中的椒盐噪声,产生了平滑的输出。噪声只出现在边界像素值处。中值滤波器提高了图像的 PSNR 质量。
  • 基于matlab GUI中值、小波、维纳、滤波器图像滤波 二、源代码 function varargout = dsp1(varargin) % DSP1 MATLAB code for dsp1.fig % DSP1, by itself, creates a new DSP1 or raises the existing % singleton*....
  • 基于 opencv图像去噪

    千次阅读 2016-05-03 09:47:57
    -------------------开通头条号--------------------   ...2、掌握利用中值滤波器进行图像去噪的算法 3、掌握自适应中值滤波算法 4、掌握自适应局部降低噪声滤波器去噪算法 5、掌握
  • 针对现有算法大多对单一高斯噪声或脉冲噪声进行图像滤波的问题,在对二维图像平滑去噪的过程中,采用基于中值滤波和提升小波变换相结合的图像去噪方法。在中值滤波基础上,构造基于脉冲检测的中值滤波器,找出混合噪声中...
  • matlab图像去噪

    2010-10-23 10:16:06
    图像去噪,自适应门限中值滤波器代码,实现在matlab开发环境
  • 中值滤波器是一种非线性滤波器,其基本原理是把数字图像中某点的值用其领域各点值的中值代替。 如求点[i,j]的灰度值计算方法为: (1)按灰度值顺序排列[i,j]领域中的像素点; (2)取排序像素集的中间值作为[i,j]的...
  • 这个简单的脚本验证了各种图像去噪方法的按块收缩的想法。 只要噪声图像被加性高斯噪声破坏,该脚本方法... 演示代码展示了基于 MATLAB 内置的三种图像去噪方法的改进,即移动平均滤波器、中值滤波器和二维维纳滤波器。
  • 3)现在我们必须使用均值滤波和中值滤波对噪声图像进行去噪。 我们必须根据3x3,5x5,7x7窗口大小的噪声类型应用适当的滤波器。 4)原始(干净)图像和给定去噪图像之间的噪声比(SSIM)。 还附有PSNR代码
  • 图像去噪的各种滤波器
  • Matlab 编程代码实现了自适应中值滤波器,用于对被脉冲噪声或椒盐噪声破坏的图像进行去噪。 ...
  • 图像去噪算法研究;研究意义;图像中的噪声类型;图像去噪经典算法;均值去噪效果;加权均值去噪效果;双边滤波算法;中值滤波;傅里叶变换; 频域滤波器 ;理想低通滤波器;理想低通滤波器;高斯低通滤波器;高斯低通滤波器;小波...

空空如也

空空如也

1 2 3 4 5 ... 7
收藏数 130
精华内容 52
关键字:

中值滤波器图像去噪