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)

    

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 
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，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'}); 

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