matlab自带滤波器函数小结(图像处理)   1 线性平滑滤波器 用MATLAB实现领域平均法抑制噪声程序： I=imread(' c4.jpg '); subplot(231) imshow(I) title('原始图像') flag = isrgb(I); if flag==true    I=rgb2gray(I); else     I=I; end I1=imnoise(I,'salt & pepper',0.02); subplot(232) imshow(I1) title(' 添加椒盐噪声的图像') k1=filter2(fspecial('average',3),I1)/255;          %进行3*3模板平滑滤波 k2=filter2(fspecial('average',5),I1)/255;          %进行5*5模板平滑滤波 k3=filter2(fspecial('average',7),I1)/255;          %进行7*7模板平滑滤波 k4=filter2(fspecial('average',9),I1)/255;          %进行9*9模板平滑滤波 subplot(233),imshow(k1);title('3*3 模板平滑滤波'); subplot(234),imshow(k2);title('5*5 模板平滑滤波'); subplot(235),imshow(k3);title('7*7 模板平滑滤波'); subplot(236),imshow(k4);title('9*9 模板平滑滤波'); 2 中值滤波器 用MATLAB实现中值滤波程序如下： I=imread(' c4.jpg '); flag = isrgb(I); if flag==true    I=rgb2gray(I); else     I=I; end J=imnoise(I,'salt&pepper',0.02); subplot(231),imshow(I);title('原图像'); subplot(232),imshow(J);title('添加椒盐噪声图像'); k1=medfilt2(J);            %进行3*3模板中值滤波 k2=medfilt2(J,[5,5]);      %进行5*5模板中值滤波 k3=medfilt2(J,[7,7]);      %进行7*7模板中值滤波 k4=medfilt2(J,[9,9]);      %进行9*9模板中值滤波 subplot(233),imshow(k1);title('3*3模板中值滤波'); subplot(234),imshow(k2);title('5*5模板中值滤波 '); subplot(235),imshow(k3);title('7*7模板中值滤波'); subplot(236),imshow(k4);title('9*9 模板中值滤波'); 3 状态统计滤波器：ordfilt2函数 Y=ordfilt2(X,order,domain) 由domain中非0元素指定邻域的排序集中的第order个元素代替X中的每个元素。Domain是一个仅包括0和1的矩阵，1仅定义滤波运算的邻域。 Y=ordfilt2(X,order,domain,S) S与domain一样大，用与domain的非0值相应的S的值作为附加补偿。 4 二维自适应除噪滤波器：wiener2函数 wiener2函数估计每个像素的局部均值与方差，该函数用法如下： J=wiener2(I,[M N],noise) 使用M×N大小邻域局部图像均值与偏差，采用像素式自适应滤波器对图像I进行滤波。 [J,noise]=wiener2(I,[M N]) 滤波前还有估计附加噪声的能量。 5 特定区域滤波 MATLAB图像处理工具箱中提供的roifilt2函数用于对特定区域进行滤波，其语法格式为： J=roifilt2(h,I,BW) 其功能是：使用滤波器h对图像I中用二值掩模BW选中的区域滤波。 J=roifilt2(I,BW,fun) J=roifilt2(I,BW,fun,P1,P2,…) 其功能是：对图像I中用二值掩模BW选中的区域作函数运算fun，其中fun是描述函数运算的字符串，参数为P1、P2、…。返回图像J在选中区域的像素为图像I经fun运算的结果，其余部分的像素值为I的原始值。 例：对指定区域进行锐化滤波的程序清单： I=imread('eight.tif'); c=[222 272 300 272 222 194]; r=[21 21 75 121 121 75]; BW=roipoly(I,c,r); h=fspecial('unsharp'); J=roifilt2(h,I,BW); subplot(1,2,1);imshow(I); subplot(1,2,2);imshow(J);

一、常见基础滤波函数
 
tx=imread('lena.jpg');
 t=rgb2gray(tx)
 
k1=medfilt3(t1);               %进行3*3模板中值滤波
 k2=medfilt3(t1,[2,2,3]);       %进行5*5模板中值滤波
 
 
 
 Y=ordfilt2(t1,9,ones(3,3))  %  最大值滤波
 
Y=ordfilt2(t1,1,ones(3,3))  %  最小值滤波
 
 
 
Y=ordfilt2(t1,5,ones(3,3))  %  中值滤波
 
 
 
二、噪声产生
 
  1、椒盐噪声
 
     t1=imnoise(t,'salt & pepper',0.1);
 
2、  胡椒噪声
 J = imnoise(t,'salt & pepper',0.01)
 [M,N]=size(J);
 for i=1:M
 for j=1:N
 if(J(i,j)==255)
 J(i,j)=0;
 else
 J(i,j)=J(i,j);
 end
 end
 end
 
3、盐噪声
 J = imnoise(t,'salt & pepper',0.01)
 [M,N]=size(J);
 for i=1:M
 for j=1:N
 if(J(i,j)==0)
 J(i,j)=255;
 else
 J(i,j)=J(i,j);
 end
 end
 end
 
三、matlab获取矩阵最大值
 
    A=magic(3)
 
value=max(max(A))
 
[row col]=find(value==A)

 
20.5.2  线性滤波(1)
 
MATLAB图像处理工具箱利用函数imfilter对图像作线性滤波，其一般的调用格式为：
 
B = imfilter(A,H)；
 
B = imfilter(A,H,option1,option2,...)。
 
其中A、B分别为输入、输出图像。线性滤波器可以由相关或卷积实现，默认情况下由相关实现，可以通过设置option3 = 'conv'，使线性滤波由卷积实现。H为对应的相关窗或卷积窗；通过设置option1决定线性滤波器对边界的处理方式，'replicate'使用最近邻边界填充，默认情况下option1 = 0，边界由0填充。
 
下面的例子中利用 等权重的滤波器对受高斯噪声污染的coins图像作线性滤波，通常称这种等权重的线性滤波器为均值滤波器(averaging filter)。
 
【例20.18】  均值滤波器应用示例。
 
(1)读入coins的图像数据I，并显示。在MATLAB命令窗口输入以下代码。
 
>>I=imread('coins.png');
 
>>imshow(I);
 
上述代码运行结果如图20.60所示。
 
(2)对I施加高斯噪声，得到受噪声污染的图像。在MATLAB命令窗口输入以下代码。
 
>>I=imnoise(I,'gaussian');
 
>>imshow(I);
 
上述代码运行结果如图20.61所示。
 
(3)利用5 5均值滤波器对受加性噪声污染的coins图像作线性滤波。在MATLAB命令窗口输入以下代码。
 
>>h=ones(5,5)/25;   %滤波窗口
 
>>I=imfilter(I,h);    %线性滤波
 
>>imshow(I);
 
上述代码运行结果如图20.62所示，可以看到均值滤波器降低了噪声，但是也使得图像更加模糊。
 

 
注意：函数imfilter在考虑图像的数据类型时，遵循与图像代数运算相同的运算规则，读者如有疑问，请参考第20.3节。
 
在利用MATLAB图像处理工具箱对图像作线性滤波时，用户除了使用自定义的滤波器外，还可以使用一些MATLAB预定义的滤波器。用户可以利用函数fspecial得到MATLAB预定义的滤波器。例如，h = fspecial('gaussian',HSIZE,SIGMA)产生高斯滤波器，HSIZE为滤波窗口的大小，默认为[3，3]；SIGMA表示高斯滤波器的峰度，SIGMA越小，h越接近冲击函数，SIGMA越大，h越接近均值滤波器。
 
【责任编辑：book TEL：(010)68476606】
 
点赞 0

在matlab下输入命令doc 函数名就可以调出帮助文档，有详细的关于该函数的解释。以下是关于这3个滤波函数简要的总结。假定在图像处理中。
 
 
1. imfilter 
 imfilter函数对任意类型数组或多维图像进行滤波。 
 用法： 
 g = imfilter(f, w, options,…) 
 f：原始输入图像。 
 w：滤波掩模（如我们平时常会用到的一些边沿检测算子、对象进行平滑的高斯算子等） 
 g：对原始图像进行滤波后得到的输出图像。默认情况下尺寸与原始图像相同。 
 后面的options对应的参数可选，不选的话有其默认值。options对应的共有3个参数，分别是处理滤波模型选项filtering_mode，“相关”或“卷积”；边界处理选项boundary_options；输出图像尺寸选项size_options。这几个参数顺序无关。具体参数见下表：
 
参数列表
选项
描述
filtering_mode
‘corr’
相关（默认）
‘conv’
卷积
boundary_options
X
输入图像的边界通过用值X值来填充扩展其默认值为0
‘replicate’
复制外边界值
‘symmetric’
镜像反射
‘circular’
图像大小通过将图像看成是一个二维周期函数的一个周期来扩展
size_options
‘full’
输出图像的大小与被扩展图像的大小相同
‘same’
输出图像的大小与输入原始输入图像一样（默认）
 
 
2. filter2 
 filter2是相关滤波函数 
 用法： 
 假设输入图像X大小为ma x na，卷积核B大小为mb x nb 
 Y = filter2(H,X,shape) 
 H：相关核，即是上边提到的滤波掩模 
 X：输入图像 
 shape：可选，其参数如下： 
 ‘same’（默认值）:返回与X同样尺寸滤波后的图像。ma × ma 
 ‘full’：返回全部二维滤波结果。（ma+mb-1）x（na+nb-1） 
 ‘valid’:不考虑边界补零，即只要有边界补出的零参与运算的都舍去。（ma-mb+1）x（na-nb+1） 
 3. conv2 
 conv2是卷积滤波函数 
 用法： 
 Y = conv2(H,X,shape) 
 与filter2类似。不一样的是在计算时要将卷积核H进行旋转180°，相关核H则不需要。 
 如果理解卷积与相关定理的话是很容易理解的。