-
matlab下的非线性滤波函数使用
2019-10-29 21:02:55一、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...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
end3、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)
-
matlab中滤波函数
2014-06-25 19:47:00matlab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=rgb...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);转载于:https://www.cnblogs.com/Daringoo/p/4034469.html
-
MATLAB常用的滤波函数比较:均值滤波 和 中值滤波
2019-03-14 10:11:12MATLAB常用的滤波函数比较:均值滤波和中值滤波 均值滤波中值滤波运行结果程序代码 均值滤波 均值滤波也称为线性滤波,其采用的主要方法为邻域平均法。是典型的线性滤波算法,它是指在图像上对目标像素给一个模板,...均值滤波
均值滤波也称为线性滤波,其采用的主要方法为邻域平均法。是典型的线性滤波算法,它是指在图像上对目标像素给一个模板,该模板包括了其周围的临近像素(以目标像素为中心的周围8个像素,构成一个滤波模板,即去掉目标像素本身),再用模板中的全体像素的平均值来代替原来像素值。
中值滤波
中值滤波法是一种非线性平滑技术,它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值. 中值滤波对脉冲噪声有良好的滤除作用,特别是在滤除噪声的同时,能够保护信号的边缘,使之不被模糊。这些优良特性是线性滤波方法所不具有的。此外,中值滤波的算法比较简单,也易于用硬件实现。
运行结果
程序代码
I = imread('G:\matlabEXCISIZE\execise\img\lena.png'); J1=imnoise(I,'salt & pepper',0.02); %加均值为0,方差为0.02的椒盐噪声 J2=imnoise(I,'gaussian',0.02); %加均值为0,方差为0.02的高斯噪声。 g1=rgb2gray(J1); g2=rgb2gray(J2); figure('units','normalized','position',[0 0 1 1]); subplot(2,4,1),imshow(J1),xlabel('椒盐噪声'); %显示有椒盐噪声图像 subplot(2,4,2),imshow(J2),xlabel('高斯噪声'); %显示有高斯噪声图像 % % 邻域平均法 neighborhood averaging % imfilter 可进行多维图像(RGB等)进行空间滤波,且可选参数较多 % filter2 / medfilt2 只能对二维图像(灰度图)进行空间滤波, % 两个函数结果类型不一样,只需要在I1=filter2(h,I)后面加上I1=uint8(I1)进行类型转换,结果就是一样的。 K1 = filter2(fspecial('average',3),g1); % 对椒盐噪声进行 3*3 模板平滑滤波 K2 = filter2(fspecial('average',11),g1); k3 = imfilter(I,fspecial('average',3),'replicate'); K4 = filter2(fspecial('average',3),g2); % 对高斯噪声进行 3*3 模板平滑滤波 subplot(2,4,3),imshow(uint8(K1)),xlabel({'对椒盐噪声进行';'3*3 模板平滑滤波'}); subplot(2,4,4),imshow(uint8(K1)),xlabel({'对椒盐噪声进行';'11*11 模板平滑滤波'}); subplot(2,4,5),imshow(k3),xlabel('3*3 imfilter空间滤波'); subplot(2,4,6),imshow(uint8(K4)),xlabel('对高斯噪声进行 3*3 模板平滑滤波'); % 中值滤波 I1= medfilt2(g1,[3,3]); % 对有椒盐噪声图像进行5×5方形窗口中值滤波 I2= medfilt2(g2,[3,3]); % 对有高斯噪声图像进行5×5方形窗口中值滤波 subplot(2,4,7),imshow(I1),xlabel({'椒盐噪声进行';'3*3 中值滤波'}); subplot(2,4,8),imshow(I2),xlabel({'高斯噪声进行';'3*3 中值滤波'});
-
MATLAB 滤波函数的源代码
2017-05-24 13:52:51均值滤波算法:也称线性滤波,主要思想为邻域平均法,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,但容易引起图像模糊, 可以对其进行改进,主要避开对景物边缘的平滑处理。 ...目前比较经典的图像去噪算法主要有以下三种:
均值滤波算法:也称线性滤波,主要思想为邻域平均法,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,但容易引起图像模糊,
可以对其进行改进,主要避开对景物边缘的平滑处理。
[cpp] view plaincopy- %x是需要滤波的图像,n是模板大小(即n×n)
- function d=avg_filter(x,n)
- a(1:n,1:n)=1; %a即n×n模板,元素全是1
- [height, width]=size(x); %输入图像是hightxwidth的,且hight>n,width>n
- x1=double(x);
- x2=x1;
- for i=1:hight-n+1
- for j=1:width-n+1
- c=x1(i:i+(n-1),j:j+(n-1)).*a; %取出x1中从(i,j)开始的n行n列元素与模板相乘
- s=sum(sum(c)); %求c矩阵中各元素之和
- x2(i+(n-1)/2,j+(n-1)/2)=s/(n*n); %将与模板运算后的各元素的均值赋给模板中心位置的元素
- end
- end
- %未被赋值的元素取原值
- d=uint8(x2);
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
处理技术。中值滤波的特点即是首先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。其算法简单,时间复杂
度低,但其对点、线和尖顶多的图像不宜采用中值滤波。很容易自适应化
[cpp] view plaincopy- %自编的中值滤波函数。x是需要滤波的图像,n是模板大小(即n×n)
- function d=mid_filter(x,n)
- [height, width]=size(x); %输入图像是p×q的,且p>n,q>n
- x1=double(x);
- x2=x1;
- for i=1:height-n+1
- for j=1:height-n+1
- c=x1(i:i+(n-1),j:j+(n-1)); %取出x1中从(i,j)开始的n行n列元素,即模板(n×n的)
- e=c(1,:); %是c矩阵的第一行
- for u=2:n
- e=[e,c(u,:)]; %将c矩阵变为一个行矩阵
- end
- mm=median(e); %mm是中值
- x2(i+(n-1)/2,j+(n-1)/2)=mm; %将模板各元素的中值赋给模板中心位置的元素
- end
- end
- %未被赋值的元素取原值
- d=uint8(x2);
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
另一个版本:
[plain] view plaincopy- a=imread('lena_0.005.bmp');
- a=double(a);
- [dep,wide]=size(a);
- new_image=ones(size(a));
- for i=3:dep-2
- for j=3:wide-2
- new_image(i,j)=median([a(i-2,j-2) a(i-2,j-1) a(i-2,j) a(i-2,j+1) a(i-2,j+2) a(i-1,j-2) a(i-1,j-1) a(i-1,j) a(i-1,j+1) a(i-1,j+2) a(i,j-2) a(i,j-1) a(i,j) a(i,j+1) a(i,j+2) a(i+1,j-2) a(i+1,j-1) a(i+1,j) a(i+1,j+1) a(i+1,j+2) a(i+2,j-2) a(i+2,j-1) a(i+2,j) a(i+2,j+1) a(i+2,j+2)]);
- end
- end
- for i=3:dep-2 %处理每一行的最头上两个和最边上2个
- new_image(i,1)=new_image(i,3);
- new_image(i,2)=new_image(i,3); new_image(i,wide)=new_image(i,wide-2);
- new_image(i,wide-1)=new_image(i,wide-2);
- end
- new_image(1,:)=new_image(3,:); %把第三行的所有元素赋值给第一行
- new_image(2,:)=new_image(3,:);
- new_image(dep,:)=new_image(dep-2,:);%把倒数第二行的所有元素值赋给最后一行
- new_image(dep-1,:)=new_image(dep-2,:);
- figure
- imshow(uint8(a))
- figure
- imshow(uint8(new_image))
- % imwrite(uint8(new_image),'lena_0.005_median_5.bmp','bmp')
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%5
。
Wiener
维纳滤波:使原始图像和其恢复图像之间的均方误差最小的复原方法,
是一种自适应滤波器,根据局部方差来调整滤波器效果。对于去除高斯噪声
效果明显。另: 高斯滤波函数:
[cpp] view plaincopy- %自编的高斯滤波函数,S是需要滤波的图象,n是均值,k是方差
- function d=gaussfilt(k,n,s)
- Img = double(s);
- n1=floor((n+1)/2);%计算图象中心
- for i=1:n
- for j=1:n
- b(i,j) =exp(-((i-n1)^2+(j-n1)^2)/(4*k))/(4*pi*k);
- end
- end
- %生成高斯序列b。
- Img1=conv2(Img,b,'same'); %用生成的高斯序列卷积运算,进行高斯滤波
- d=uint8(Img1);
主函数:
[cpp] view plaincopy- %此为程序主文件,包含主要功能单元,以及对子函数进行调用
- try
- %实验步骤一:彩色、灰度变换
- h=imread('photo.jpg'); %读入彩色图片
- c=rgb2gray(h); %把彩色图片转化成灰度图片,256级
- figure,imshow(c),title('原始图象'); %显示原始图象
- g=imnoise(c,'gaussian',0.1,0.002); %加入高斯噪声
- figure,imshow(g),title('加入高斯噪声之后的图象'); %显示加入高斯噪声之后的图象
- %实验步骤二:用系统预定义滤波器进行均值滤波
- n=input('请输入均值滤波器模板大小\n');
- A=fspecial('average',n); %生成系统预定义的3X3滤波器
- Y=filter2(A,g)/255; %用生成的滤波器进行滤波,并归一化
- figure,imshow(Y),title('用系统函数进行均值滤波后的结果'); %显示滤波后的图象
- %实验步骤三:用自己的编写的函数进行均值滤波
- Y2=avefilt(g,n); %调用自编函数进行均值滤波,n为模板大小
- figure,imshow(Y2),title('用自己的编写的函数进行均值滤波之后的结果'); %显示滤波后的图象
- %实验步骤四:用Matlab系统函数进行中值滤波
- n2=input('请输入中值滤波的模板的大小\n');
- Y3=medfilt2(g,[n2 n2]); %调用系统函数进行中值滤波,n2为模板大小
- figure,imshow(Y3),title('用Matlab系统函数进行中值滤波之后的结果'); %显示滤波后的图象
- %实验步骤五:用自己的编写的函数进行中值滤波
- Y4=midfilt(g,n2); %调用自己编写的函数进行中值滤波,
- figure,imshow(Y4),title('用自己编写的函数进行中值滤波之后的结果');
- %实验步骤六:用matlab系统函数进行高斯滤波
- n3=input('请输入高斯滤波器的均值\n');
- k=input('请输入高斯滤波器的方差\n');
- A2=fspecial('gaussian',k,n3); %生成高斯序列
- Y5=filter2(A2,g)/255; %用生成的高斯序列进行滤波
- figure,imshow(Y5),title('用Matlab函数进行高斯滤波之后的结果'); %显示滤波后的图象
- %实验步骤七:用自己编写的函数进行高斯滤波
- Y6=gaussfilt(n3,k,g); %调用自己编写的函数进行高斯滤波,n3为均值,k为方差
- figure,imshow(Y6),title('用自编函数进行高斯滤波之后的结果'); %显示滤波后的图象
- catch %捕获异常
- disp(lasterr); %如果程序有异常,输出
- end
-
Opencv图像识别从零到精通(14)-----线性滤波和非线性滤波
2016-07-23 15:48:02二、各个滤波函数的解读,定义与源代码 三、综合所有的滤波,加滑动条控制核大小来blur 四、Matlab 辅助表达 一,噪声的介绍 图像噪声是图像在摄取或传输时所受的随机信号干扰,是图像中各种妨碍人们对... -
matlab 均值滤波_从贝叶斯滤波到扩展卡尔曼滤波
2020-11-22 15:43:17本文使用 Zhihu On VSCode 创作...EKF 的基本思想是利用泰勒级数展开将非线性系统的状态转移函数 和(或)观测函数 线性化,然后采用卡尔曼滤波框架对信号进行滤波,因此它是一种次优滤波。1 贝叶斯滤波的三大概率密... -
OpenCV3编程入门笔记-线性滤波、非线性滤波、图像深度、通道
2018-01-06 18:24:0115 遍历图像中的像素,是先for行数后for列数的,也就是一列一列的遍历,matlab中是从1开始计数,opnecv中采用c语言的从0开始计数。 矩阵归一化:normalize()函数,参数挺多,不过大多都有默认值,不用都写出来... -
OpenCV3编程入门笔记(3)线性滤波、非线性滤波、图像深度、通道
2016-07-13 16:38:0015 遍历图像中的像素,是先for行数后for列数的,也就是一列一列的遍历,matlab中是从1开始计数,opnecv中采用c语言的从0开始计数。 矩阵归一化:normalize()函数,参数挺多,不过大多都有默认值,不用都写出来,... -
全网最全!图像线性平滑空间滤波(加权均值滤波器,几何均值...最大值滤波,最小值滤波)MATLAB自写函数实现
2021-02-02 19:39:30文章目录1 理论简介1.1 线性空间滤波1.1.1 加权均值滤波器1.1.2 几何均值滤波1.1.3 谐波均值滤波1.1.4 逆谐波均值滤波2 非线性空间滤波2.1 中值滤波2.2 最大值滤波器2.3最小值滤波2 上代码2.1添加噪声 1 理论简介 ... -
Matlab中函数colfilt的使用及数字图像非线性空间滤波的概念
2020-04-02 10:31:23非线性空间滤波 非线性空间滤波对图像的处理是针对邻域进行的。用一个m×n的滤波器的中心点滑过一幅图像,在这个过程中,对...线性空间滤波可以参考这篇文章Matlab中函数imfilter的使用和线性空间滤波中相关与卷... -
matlab 滤波
2013-05-10 14:52:16matlab 滤波 线性平滑滤波器 中值滤波器 状态统计滤波器:ordfilt2函数 -
卡尔曼滤波原理及应用仿真(3):非线性滤波之扩展Kalman滤波
2020-09-28 17:02:27标量非线性系统EKF 标量系统状态方程: ...%函数功能:标量非线性系统扩展kalman滤波问题 %状态函数:X(k+1)=0.5X(k)+2.5X(k)/(1+X(k)^2)+8cos(1.2k)+w(k) %观测方程:Z(k)=X(k)^2/20+v(k) %%%%%%%%%%%%%%%.. -
中值滤波_MATLAB中的非线性空间滤波基础
2021-01-13 13:49:10一、核心函数工具箱提供了两个函数来执行常见的非线性滤波:nlfilter和colfilt,前者直接执行二维操作,而colfilt按列的形式组织数据。尽管colfilt需要占用更多的内存,但执行起来要比nlfilter快得多。在大多数图像... -
空间滤波_MATLAB中的非线性空间滤波基础
2021-01-15 14:35:07一,核心函数工具箱提供了两个函数来执行常见的非线性滤波:nlfilter和colfilt,前者直接执行二维操作,而colfilt按列的形式组织数据。尽管colfilt需要占用更多的内存,但执行起来要比nlfilter快得多。在大多数图像... -
线性滤波中的卷积和相关的理解
2017-05-09 09:26:00线性空间滤波原理示意图 线性空间滤波中有两个意义相近的概念:卷积和相关 一维:一个函数f和一个掩模w 相关(corr):就是在图像f中逐点移动滤波掩模w然后相应的值乘积然后累加得到的响应值 卷积(conv):将... -
Matlab中函数imfilter的使用和线性空间滤波中相关与卷积的区分
2020-03-31 11:31:02若对该点处执行的计算为线性的,则称该操作为线性空间滤波,计算为非线性则称为非线性空间滤波。 点(x,y)处的邻域是预先定义的,如可定义为以点(x,y)为中心的3×3大小,或者就为单个像素,此时邻域就是点(... -
图像的线性空间滤波matlab实现
2019-09-27 01:47:301、线性空间滤波函数Z = imfilter(X,H,option1,option2,...) X为输入图像矩阵,H为m*n维的掩膜矩阵,H中的数据类型必须是double类型。掩膜矩阵可以是用户定义,也可以是系统定义好的。返回矩阵Z和X有相同的数据结构... -
3x3中值滤波怎么计算过程_MATLAB中的非线性空间滤波基础
2020-11-28 12:56:51一、核心函数工具箱提供了两个函数来执行常见的非线性滤波:nlfilter和colfilt,前者直接执行二维操作,而colfilt按列的形式组织数据。尽管colfilt需要占用更多的内存,但执行起来要比nlfilter快得多。在大多数图像... -
Matlab之空间滤波fspecial ordfilt2(十四)
2020-04-14 21:58:47上一篇说了进行线性和非线性滤波的一种方式,这一篇来继续学习IPT支持的线性和非线性滤波 目录线性滤波fspecial非线性滤波ordfilt2medfilt2 线性滤波 用于二维的即函数fspecial fspecial fspecial ('type',... -
matlab 低通滤波_线性 Kalman 走出 MATLAB 第一步:双低通代替方差
2020-12-04 15:27:09背景介绍:上一篇《姿态解算进阶之数据融合滤波》中 Sugar 说要让线性 Kalman 从 MATLAB 走到 MCU 上。线性 Kalman 动态滤波的效果依赖于观测值的方差。在 MATLAB 里求方差用 var() 函数,而在 MCU 上用 C/C++ 编程...