matlab平滑滤波和中值滤波程序
 

 
glRasterPos2i(100,100); //定位当前光标
 
glutBitmapCharacter(GLUT_BITMAP_9_BY_15,'H'); //写字符"H"
 
glutBitmapCharacter(GLUT_BITMAP_9_BY_15,'e'); //写字符"e"
 
glutBitmapCharacter(GLUT_BITMAP_9_BY_15,'l'); //写字符"l"
 
glutBitmapCharacter(GLUT_BITMAP_9_BY_15,'l'); //写字符"l"
 
glutBitmapCharacter(GLUT_BITMAP_9_BY_15,'o'); 写字符"o"
 
你好，能否指导一下中值滤波在程序中如何实现？
 

 
nf=imfinfo('lena.bmp')
 
figure,imshow(I)
 
X=grayslice(I,64);
 
imshow(X,pink(64))
 
load trees
 
figure,image(10,10,X)
 
imwrite(X,map,'trees.bmp');
 
imfinfo('trees.bmp')
 
figure,imshow(X,map)
 
BW=im2bw(X,map,0.6);
 
figure,imshow(BW)
 
I=imread('lena.bmp');
 
inf=imfinfo('lena.bmp')
 
figure,imshow(I)
 
X=grayslice(I,64);
 
figure,imshow(X,pink(64))
 
A=imread('lena.bmp');
 
imshow(A)
 
B=fftshift(fft2(A));
 
figure;
 
imshow(log(abs(B)),[8,10])
 
clc;
 
clear all;
 
I=imread('lena.tif');
 
% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
 
% %用中值滤波，多维滤波，使用中心为-4,-8的拉普
 
% %拉斯滤波器，高斯低通滤波，拉普拉斯滤波器进行滤波处理
 
% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
 
figure;%figure1
 
subplot(2,2,1);
 
imshow(I);
 
title('原始图像');
 
J=imnoise(I,'salt & pepper',0.04);%加椒盐噪声
 
title('加椒盐噪声');
 
subplot(2,2,2);
 
imshow(J);
 
K=medfilt2(J,[4,4])%进行中值滤波;
 
subplot(2,2,3);
 
imshow(K);
 
title('进行中值滤波');
 
h=ones(3,3)/9;%多维滤波
 
w=h;
 
g=imfilter(I,w,'conv','replicate')
 
subplot(2,2,4);
 
imshow(g);
 
title('多维滤波');
 
%使用中心为-4,-8的拉普拉斯滤波器,
 
w4=[1 1 1;
 
1 -4 1;
 
1 1 1];
 
w8=[1 1 1;
 
1 -8 1;
 
1 1 1];
 
f=im2double(I);
 
g4=f-imfilter(f,w4,'replicate');
 
g8=f-imfilter(f,w8,'replicate');
 
imshow(f);
 
figure;%figure2
 
subplot(1,2,1);
 
imshow(g4);
 
title('中心为-4的拉普拉斯滤波');
 
subplot(1,2,2);
 
imshow(g8);
 
title('中心为-8的拉普拉斯滤波');
 
h3=fspecial('gaussian',[3,3],0.5);%高斯低通滤波
 
figure;%figure3
 
B4=filter2(h3,I);
 
subplot(1,2,1);
 
imshow(B4,[ ]);
 
title('高斯低通滤波');
 
h4=fspecial('laplacian',0);%使用拉普拉斯滤波器
 
B5=filter2(h4,I);
 
subplot(1,2,2);
 
imshow(B5,[ ]);
 
title('拉普拉斯滤波器');
 
% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
 
% %从空域的角度进行亮度变换
 
% %把灰度等级是10-100的变化到10-255
 
% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
 
figure;%figure4
 
subplot(2,2,1);
 
imshow(I);
 
title('原始图像');
 
J2=imadjust(I,[],[],0.5);% 增强低灰度级
 
subplot(2,2,2);
 
imshow(J2);
 
title('增强低灰度级');
 
J3=imadjust(I,[ ],[ ],2);%增强高灰度级
 
subplot(2,2,3);
 
imshow(J3);
 
title('增强高灰度级');
 
a1=100/255;%把灰度等级是10-100的变化到10-255
 
a2=255/255;
 
a3=10/255;
 
J2=imadjust(I,[a3,a1],[a3,a2],[]);
 
subplot(2,2,4);
 
imshow(J2);
 
title('把灰度等级是10-100的变化到10-255');
 
% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
 
% %从频域的角度进行亮度变换
 
% %fft2
 
% %由于能量主要集中在低频部分
 
% %所以对低频进行处理可以得到理想的效果
 
% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
 
I=imread('lena.tif');
 
up=0.5;%设置处理频率上限
 
down=0.09%%设置处理频率下限
 
figure;%figure5
 
subplot(421);
 
imshow(I);
 
title('原始图像');
 
f=double(I);
 
subplot(4,2,3);
 
imshow(log(abs(f)),[]);
 
title('unit8转化为double');
 
g=fft2(f);
 
g=fftshift(g);
 
subplot(4,2,5);
 
imshow(log(abs(g)),[]);
 
title('FFT2变化后的图像');
 
[M,N]=size(g);% 转换数据矩阵
 
y1=max(max(abs(g)));%求出最大频率
 
y2=min(min(abs(g)));%%求出最小频率
 
y3=(y1-y2)*up+y2;%设置滤波上限
 
y4=(y1-y2)*down+y2;%%设置滤波下限
 
for i=1:M
 
for j=1:N
 
if (abs(g(i,j))g(i,j)=g(i,j)^1.1;%对低频部分进行灰度增强
 
end
 
end
 
end
 
result=ifftshift(g);
 
J2=ifft2(result);
 
J3=uint8(abs(J2));
 
subplot(427);
 
imshow(J3,[ ]);
 
title('频域处理后的图像');
 
subplot(422)
 
imhist(I,64);
 
subplot(424)
 
imhist(f,64);
 
subplot(426)
 
imhist(g,64);
 
subplot(428)
 
imhist(J3,64);
 
基于小波分析和中值滤波?图像处理?matlab程序
 

 
程序是下面这样，但只能处理长宽一样的方形图像，灰度和彩色图像都可，要用其他图像只需把Lena.bmp改为其他图像，但图像要保存在m文件所在路径下。下面还有一个运行后的图像(之一)，希望能对你有所帮助。
 
clear;clc;
 
%%%%%%%%%%测试图像只能是方形图像，长宽像素一样。
 
f=imread('Lena.bmp');%%读取图像数据，图像只能保存在m文件所在的路径下
 
d=size(f);
 
if length(d)>2
 
f=rgb2gray((f));%%%%%%%%如果是彩色图像则转化为灰度图
 
end
 
T=d(1);
 
SUB_T=T/2;
 
% 2.进行二维小波分解
 
l=wfilters('db10','l'); % db10(消失矩为10)低通分解滤波器冲击响应(长度为20)
 
L=T-length(l);
 
l_zeros=[l,zeros(1,L)]; % 矩阵行数与输入图像一致，为2的整数幂
 
h=wfilters('db10','h'); % db10(消失矩为10)高通分解滤波器冲击响应(长度为20)
 
h_zeros=[h,zeros(1,L)]; % 矩阵行数与输入图像一致，为2的整数幂
 
for i=1:T; % 列变换
 
row(1:SUB_T,i)=dyaddown( ifft( fft(l_zeros).*fft(f(:,i)') ) ).'; % 圆周卷积FFT
 
row(SUB_T+1:T,i)=dyaddown( ifft( fft(h_zeros).*fft(f(:,i)') ) ).'; % 圆周卷积FFT
 
end;
 
for j=1:T; % 行变换
 
line(j,1:SUB_T)=dyaddown( ifft( fft(l_zeros).*fft(row(j,:)) ) ); % 圆周卷积FFT
 
line(j,SUB_T+1:T)=dyaddown( ifft( fft(h_zeros).*fft(row(j,:)) ) ); % 圆周卷积FFT
 
end;
 
decompose_pic=line; % 分解矩阵
 
% 图像分为四块
 
lt_pic=decompose_pic(1:SUB_T,1:SUB_T); % 在矩阵左上方为低频分量--fi(x)*fi(y)
 
rt_pic=decompose_pic(1:SUB_T,SUB_T+1:T); % 矩阵右上为--fi(x)*psi(y)
 
lb_pic=decompose_pic(SUB_T+1:T,1:SUB_T); % 矩阵左下为--psi(x)*fi(y)
 
rb_pic=decompose_pic(SUB_T+1:T,SUB_T+1:T); % 右下方为高频分量--psi(x)*psi(y)
 
% 3.分解结果显示
 
figure(1);
 
subplot(2,1,1);
 
imshow(f,[]); % 原始图像
 
title('original pic');
 
subplot(2,1,2);
 
image(abs(decompose_pic)); % 分解后图像
 
title('decomposed pic');
 
figure(2);
 
% colormap(map);
 
subplot(2,2,1);
 
imshow(abs(lt_pic),[]); % 左上方为低频分量--fi(x)*fi(y)
 
title('\Phi(x)*\Phi(y)');
 
subplot(2,2,2);
 
imshow(abs(rt_pic),[]); % 矩阵右上为--fi(x)*psi(y)
 
title('\Phi(x)*\Psi(y)');
 
subplot(2,2,3);
 
imshow(abs(lb_pic),[]); % 矩阵左下为--psi(x)*fi(y)
 
title('\Psi(x)*\Phi(y)');
 
subplot(2,2,4);
 
imshow(abs(rb_pic),[]); % 右下方为高频分量--psi(x)*psi(y)
 
title('\Psi(x)*\Psi(y)');
 
% 5.重构源图像及结果显示
 
% construct_pic=decompose_matrix'*decompose_pic*decompose_matrix;
 
l_re=l_zeros(end:-1:1); % 重构低通滤波
 
l_r=circshift(l_re',1)'; % 位置调整
 
h_re=h_zeros(end:-1:1); % 重构高通滤波
 
h_r=circshift(h_re',1)'; % 位置调整
 
top_pic=[lt_pic,rt_pic]; % 图像上半部分
 
t=0;
 
for i=1:T; % 行插值低频
 
if (mod(i,2)==0)
 
topll(i,:)=top_pic(t,:); % 偶数行保持
 
else
 
t=t+1;
 
topll(i,:)=zeros(1,T); % 奇数行为零
 
end
 
end;
 
for i=1:T; % 列变换
 
topcl_re(:,i)=ifft( fft(l_r).*fft(topll(:,i)') )'; % 圆周卷积FFT
 
end;
 
bottom_pic=[lb_pic,rb_pic]; % 图像下半部分
 
t=0;
 
for i=1:T; % 行插值高频
 
if (mod(i,2)==0)
 
bottomlh(i,:)=bottom_pic(t,:); % 偶数行保持
 
else
 
bottomlh(i,:)=zeros(1,T); % 奇数行为零
 
t=t+1;
 
end
 
end
 
这个只是一级分解，matlab自带的函数可以实现多级分解，级数由编程者自己确定。
 
是的，是一样的。

 
MATLAB图像滤波去噪分析及其应用
 
MATLAB图像滤波去噪分析及其应用
 
第1章 图像颜色空间相互转换与MATLAB实现
 
1．1 图像颜色空间原理
 
1．1．1 RGB颜色空间
 
1．1．2 YCbCr颜色空间
 
1．1．3 YUV颜色空间
 
1．1．4 YIQ颜色空间
 
1．1．5 HSV颜色空间
 
1．1．6 HSL颜色空间
 
1．1．7 HSI颜色空间
 
1．1．8 CIE颜色空间
 
1．1．9 LUV颜色空间
 
1．1．10 LAB颜色空间
 
1．1．11 LCH 颜色空间
 
1．2 颜色空间转换与MATLAB实现
 
1．2．1 图像YCbCr与RGB空间相互转换及MATLAB实现
 
1．2．2 图像YUV与RGB空间相互转换及MATLAB实现
 
1．2．3 图像YIQ与RGB空间相互转换及MATLAB实现
 
1．2．4 图像HSV与RGB空间相互转换及MATLAB实现
 
1．2．5 图像HSL与RGB空间相互转换及MATLAB实现
 
1．2．6 图像HSI与RGB空间相互转换及MATLAB实现
 
1．2．7 图像LUV与RGB空间相互转换及MATLAB实现
 
1．2．8 图像LAB与RGB空间相互转换及MATLAB实现
 
1．2．9 图像LCH 与RGB空间相互转换及MATLAB实现
 
第2章 图像噪声概率密度分布与MATLAB实现
 
2．1 噪声概率密度分布函数
 
2．1．1 均匀分布
 
2．1．2 正态分布
 
2．1．3 卡方分布
 
2．1．4 F分布
 
2．1．5 t分布
 
2．1．6 Beta分布
 
2．1．7 指数分布
 
2．1．8 Gamma分布
 
2．1．9 对数正态分布
 
2．1．10 瑞利分布
 
2．1．11 威布尔分布
 
2．1．12 二项分布
 
2．1．13 几何分布
 
2．1．14 泊松分布
 
2．1．15 柯西分布
 
2．2 图像噪声的产生与MATLAB实现
 
2．2．1 图像噪声均匀分布与MATLAB实现
 
2．2．2 图像噪声正态分布与MATLAB实现
 
2．2．3 图像噪声卡方分布与MATLAB实现
 
2．2．4 图像噪声F分布与MATLAB实现
 
2．2．5 图像噪声t分布与MATLAB实现
 
2．2．6 图像噪声Beta分布与MATLAB实现
 
2．2．7 图像噪声指数分布与MATLAB实现
 
2．2．8 图像噪声伽马分布与MATLAB实现
 
2．2．9 图像噪声对数正态分布与MATLAB实现
 
2．2．10 图像噪声瑞利分布与MATLAB实现
 
2．2．11 图像噪声威布尔分布与MATLAB实现
 
2．2．12 图像噪声二项分布与MATLAB实现
 
2．2．13 图像噪声几何分布与MATLAB实现
 
2．2．14 图像噪声泊松分布与MATLAB实现
 
2．2．15 图像噪声柯西分布与MATLAB实现
 
第3章 理想滤波器设计与MATLAB实现
 
3．1 理想滤波算法原理
 
3．2 理想带阻滤波
 
3．2．1 算法原理
 
3．2．2 算法仿真与MATLAB实现
 
3．3 理想低通滤波
 
3．3．1 算法原理
 
3．3．2 算法仿真与MATLAB实现
 
3．4 理想高通滤波
 
3．4．1 算法原理
 
3．4．2 算法仿真与MATLAB实现
 
3．5 理想陷波滤波
 
3．5．1 算法原理
 
3．5．2 算法仿真与MATLAB实现
 
第4章 巴特沃斯滤波器设计与MATLAB实现
 
4．1 巴特沃斯滤波算法原理
 
4．2 巴特沃斯带阻滤波
 
4．2．1 算法原理
 
4．2．2 算法仿真与MATLAB实现
 
4．3 巴特沃斯低通滤波
 
4．3．1 算法原理
 
4．3．2 算法仿真与MATLAB实现
 
4．4 巴特沃斯高通滤波
 
4．4．1 算法原理
 
4．4．2 算法仿真与MATLAB实现
 
4．5 巴特沃斯陷波滤波
 
4．5．1 算法原理
 
4．5．2 算法仿真与MATLAB实现
 
第5章 高斯滤波器设计与MATLAB实现
 
5．1 高斯滤波算法原理
 
5．2 高斯带阻滤波
 
5．2．1 算法原理
 
5．2．2 算法仿真与MATLAB实现
 
5．3 高斯低通滤波
 
5．3．1 算法原理

Matlab实现图像滤波
 
一、实验目的
 1．实现图片添加高斯白噪声,椒盐噪声,泊松噪声,乘性噪声等并进行比较；
 2．实现图片进行均值滤波，中值滤波，高斯滤波，拉普拉斯滤波等处理；
 
二、实验步骤
 1.读取图片
 image=imread(‘test2.bmp’); %读取图片
 subplot(5,2,1); %指定显示图片位置为5乘2矩阵第1个位置
 imshow(image),title(‘原图’); %显示所读取的图片并命名为原图
 
2.创建滤波器
 f1=fspecial(‘average’,[5,5]); %均值滤波器，算子大小为[5,5]
 f2=fspecial(‘gaussian’,[5,5],1); %高斯滤波器，算子大小为[5,5]，标准差为1
 f3=fspecial(‘laplacian’,0);
 %拉普拉斯滤波器，0用来决定滤波器形状，取值在[0,1]
 
3.对图片加高斯白噪声
 image1=imnoise(image, ‘gaussian’, 0, 0.02);
 %对图片加高斯白噪声，均值0，方差0.02
 subplot(5,2,2); %指定显示图片位置为5乘2矩阵第2个位置
 imshow(image1),title(‘原图中加入高斯白噪声’);
 
4.对图片加0均值高斯白噪声
 [m,n]=size(image); %查看读取图片的大小
 v=rand(m,n); %随机生成一个矩阵
 image2=imnoise(image,‘localvar’,v); %对图片加0均值高斯白噪声
 subplot(5,2,3); %指定显示图片位置为5乘2矩阵第3个位置

 
MATLAB 图像滤波去噪分析及其应用
 
第1章　图像颜色空间相互转换与MATLAB实现
 
1．1　图像颜色空间原理
 
1．1．1　RGB颜色空间
 
1．1．2　YCbCr颜色空间
 
1．1．3　YUV颜色空间
 
1．1．4　YIQ颜色空间
 
1．1．5　HSV颜色空间
 
1．1．6　HSL颜色空间
 
1．1．7　HSI颜色空间
 
1．1．8　CIE颜色空间
 
1．1．9　LUV颜色空间
 
1．1．10　LAB颜色空间
 
1．1．11　LCH 颜色空间
 
1．2　颜色空间转换与MATLAB实现
 
1．2．1　图像YCbCr与RGB空间相互转换及MATLAB实现
 
1．2．2　图像YUV与RGB空间相互转换及MATLAB实现
 
1．2．3　图像YIQ与RGB空间相互转换及MATLAB实现
 
1．2．4　图像HSV与RGB空间相互转换及MATLAB实现
 
1．2．5　图像HSL与RGB空间相互转换及MATLAB实现
 
1．2．6　图像HSI与RGB空间相互转换及MATLAB实现
 
1．2．7　图像LUV与RGB空间相互转换及MATLAB实现
 
1．2．8　图像LAB与RGB空间相互转换及MATLAB实现
 
1．2．9　图像LCH 与RGB空间相互转换及MATLAB实现
 
第2章　图像噪声概率密度分布与MATLAB实现
 
2．1　噪声概率密度分布函数
 
2．1．1　均匀分布
 
2．1．2　正态分布
 
2．1．3　卡方分布
 
2．1．4　F分布
 
2．1．5　t分布
 
2．1．6　Beta分布
 
2．1．7　指数分布
 
2．1．8　Gamma分布
 
2．1．9　对数正态分布
 
2．1．10　瑞利分布
 
2．1．11　威布尔分布
 
2．1．12　二项分布
 
2．1．13　几何分布
 
2．1．14　泊松分布
 
2．1．15　柯西分布
 
2．2　图像噪声的产生与MATLAB实现
 
2．2．1　图像噪声均匀分布与MATLAB实现
 
2．2．2　图像噪声正态分布与MATLAB实现
 
2．2．3　图像噪声卡方分布与MATLAB实现
 
2．2．4　图像噪声F分布与MATLAB实现
 
2．2．5　图像噪声t分布与MATLAB实现
 
2．2．6　图像噪声Beta分布与MATLAB实现
 
2．2．7　图像噪声指数分布与MATLAB实现
 
2．2．8　图像噪声伽马分布与MATLAB实现
 
2．2．9　图像噪声对数正态分布与MATLAB实现
 
2．2．10　图像噪声瑞利分布与MATLAB实现
 
2．2．11　图像噪声威布尔分布与MATLAB实现
 
2．2．12　图像噪声二项分布与MATLAB实现
 
2．2．13　图像噪声几何分布与MATLAB实现
 
2．2．14　图像噪声泊松分布与MATLAB实现
 
2．2．15　图像噪声柯西分布与MATLAB实现
 
第3章　理想滤波器设计与MATLAB实现
 
3．1　理想滤波算法原理
 
3．2　理想带阻滤波
 
3．2．1　算法原理
 
3．2．2　算法仿真与MATLAB实现
 
3．3　理想低通滤波
 
3．3．1　算法原理
 
3．3．2　算法仿真与MATLAB实现
 
3．4　理想高通滤波
 
3．4．1　算法原理
 
3．4．2　算法仿真与MATLAB实现
 
3．5　理想陷波滤波
 
3．5．1　算法原理
 
3．5．2　算法仿真与MATLAB实现
 
第4章　巴特沃斯滤波器设计与MATLAB实现
 
4．1　巴特沃斯滤波算法原理
 
4．2　巴特沃斯带阻滤波
 
4．2．1　算法原理
 
4．2．2　算法仿真与MATLAB实现
 
4．3　巴特沃斯低通滤波
 
4．3．1　算法原理
 
4．3．2　算法仿真与MATLAB实现
 
4．4　巴特沃斯高通滤波
 
4．4．1　算法原理
 
4．4．2　算法仿真与MATLAB实现
 
4．5　巴特沃斯陷波滤波
 
4．5．1　算法原理
 
4．5．2　算法仿真与MATLAB实现
 
第5章　高斯滤波器设计与MATLAB实现
 
5．1　高斯滤波算法原理
 
5．2　高斯带阻滤波
 
5．2．1　算法原理
 
5．2．2　算法仿真与MATLAB实现
 
5．3　高斯低通滤波
 
5．3．1　算法原理
 
5．3．2　算法仿真与MATLAB实现
 
5．4　高斯高通滤波
 
5．4．1　算法原理
 
5．4．2　算法仿真与MATLAB实现
 
5．5　高斯陷波滤波
 
5．5．1　算法原理
 
5．5．2　算法仿真与MATLAB实现
 
第6章　线性滤波器设计与MATLAB实现
 
6．1　线性平滑滤波
 
6．1．1　算法原理
 
6．1．2　算法仿真与MATLAB实现
 
6．2　双线性插值滤波
 
6．2．1　算法原理
 
6．2．2　算法仿真与MATLAB实现
 
第7章　锐化滤波器设计与MATLAB实现
 
7．1　图像锐化处理
 
7．2　线性锐化滤波
 
7．2．1　算法原理
 
7．2．2　算法仿真与MATLAB实现
 
7．3　Sobel滤波
 
7．3．1　算法原理
 
7．3．2　算法仿真与MATLAB实现
 
7．4　Canny滤波
 
7．4．1　算法原理
 
7．4．2　算法仿真与MATLAB实现
 
7．5　Prewitt滤波
 
7．5．1　算法原理
 
7．5．2　算法仿真与MATLAB实现
 
7．6　Roberts滤波
 
7．6．1　算法原理
 
7．6．2　算法仿真与MATLAB实现
 
7．7　拉普拉斯滤波
 
7．7．1　算法原理
 
7．7．2　算法仿真与MATLAB实现
 
7．8　Kirsch滤波
 
7．8．1　算法原理
 
7．8．2　算法仿真与MATLAB实现
 
第8章　常用平滑滤波器设计与MATLAB实现
 
8．1　平滑滤波算法原理
 
8．2　几何均值滤波
 
8．2．1　算法原理
 
8．2．2　算法仿真与MATLAB实现
 
8．3　排序滤波
 
8．3．1　算法原理
 
8．3．2　算法仿真与MATLAB实现
 
8．4　中值滤波
 
8．4．1　算法原理
 
8．4．2　算法仿真与MATLAB实现
 
8．5　自适应平滑滤波
 
8．5．1　算法原理
 
8．5．2　算法仿真与MATLAB实现
 
8．6　自适应中值滤波
 
8．6．1　算法原理
 
8．6．2　算法仿真与MATLAB实现
 
8．7　超限邻域滤波
 
8．7．1　算法原理
 
8．7．2　算法仿真与MATLAB实现
 
第9章　谐波均值滤波器设计与MATLAB实现
 
9．1　谐波均值滤波
 
9．1．1　算法原理
 
9．1．2　算法仿真与MATLAB实现
 
9．2　逆谐波均值滤波
 
9．2．1　算法原理
 
9．2．2　算法仿真与MATLAB实现
 
第10章　高级滤波器设计与MATLAB实现
 
10．1　逆滤波
 
10．1．1　算法原理
 
10．1．2　算法仿真与MATLAB实现
 
10．2　双边滤波
 
10．2．1　算法原理
 
10．2．2　算法仿真与MATLAB实现
 
10．3　同态滤波
 
10．3．1　算法原理
 
10．3．2　算法仿真与MATLAB实现
 
10．4　小波滤波
 
10．4．1　算法原理
 
10．4．2　算法仿真与MATLAB实现
 
10．5　六抽头插值滤波
 
10．5．1　算法原理
 
10．5．2　算法仿真与MATLAB实现
 
10．6　形态学滤波
 
10．6．1　算法原理
 
10．6．2　算法仿真与MATLAB实现
 
10．7　约束最小平方滤波
 
10．7．1　算法原理
 
10．7．2　算法仿真与MATLAB实现
 
10．8　非线性复扩散滤波
 
10．8．1　算法原理
 
10．8．2　算法仿真与MATLAB实现
 
第11章　特殊滤波器设计与MATLAB实现