精华内容
下载资源
问答
  • MATLAB中值滤波

    2016-06-21 11:33:37
    MATLAB中值滤波
  • matlab 中值滤波

    2020-01-18 11:52:03
    matlab实现中值滤波·
  • matlab中值滤波

    2011-09-15 15:19:24
    matlab中值滤波程序,此程序主要是对二维图像进行滤波
  • Matlab中值滤波

    2013-04-23 19:51:03
    中值滤波是图像滤波处理中常用的一种算法,本程序给出基于Matlab中值滤波算法,可直接在Matlab中运行
  • 总第238期2014年第4期 舰 船 电 子 工 程 Ship Electronic Engineering Vol.34No.437 基于 MATLAB中值滤波算法的优化与实现* 赵建春 刘力源 (陆军军官学院...

    总第238期2014年第4期 舰 船 电 子 工 程 Ship Electronic Engineering Vol.34No.437 基于 MATLAB中值滤波算法的优化与实现* 赵建春 刘力源 (陆军军官学院研究生管理大队 合肥 230031) 摘 要 介绍了中值滤波的滤波特点,针对标准中值滤波在滤除椒盐噪声中的不足,提出了一种中值滤波优化算法,通过 MATLAB软件仿真,结果表明该算法在有效地去除椒盐噪声的同时,很好地保护了边缘细节,较标准中值滤波具有更优良的滤波效果。 关键词 中值滤波;椒盐噪声;MATLAB中图分类号 TP317  DOI:10.3969/ j.issn1672-9730.2014.04.011 Optimization of Median FilteringAl gorithm Based on MATLAB ZHAO Jianchun LIU Li yuan ( Graduate Administrative Department,Army Officer Academy,Hefei 230031) Abstract The filtering characteristics of the median filter,according to the standard median filter.In filtering out thedeficiency of the salt and pepper noise,a median filter optimization algorithm is proposed.Through the MATLAB softwaresimulation,the results show that the algorithm effectively removes the salt and pepper noise while protecting the edge details of the standard median filter has better filtering effect. Key Words median filter,salt and pepper noise,MATLAB Class Number TP317 1 引言 非线性滤波[ 1]较传统的线性滤波在滤除噪声的同时,能最大限度地保持图像信号的边缘细节,使图像清晰、逼真,从而得到广泛研究和应用。常用的中值滤波是非线性滤波的代表。虽然典型的中值滤波能够减少图像中的椒盐噪声,但是当椒盐噪声在空间出现的概率较大时,中值滤波器为了滤除噪声,不得不增大滤波窗口,在滤除噪声的同时损失了信号的高频信息,使图像的边缘等细节模糊,产生较严重的失真[ 2~3]。本文对中值滤波算法进行分析,给出中值滤波优化算法,使图像在有效滤除噪声的同时,能较好地保护图像的边缘细节,以提高图像处理效果。 2 中值滤波 中值滤波[ 4]是基于排序统计理论的一种能有 效抑制脉冲噪声的非线性信号处理技术。一个中值滤波器的输出可写为 g ( x , y )= median ( s , t )∈ N ( x , y ) { f ( s , t )} ( 1) 式中, f ( s , t ), g ( x , y )分别为原始图像和处理后图 像, N ( x , y )是以( x , y )为中心的 n × n 矩形滤波窗 口( n 为奇数),median是将滤波窗口中的 n 2个像 素点按灰度值大小排序后取中值,其流程图如图1所示。 图1 中值滤波

    展开全文
  • matlab中值滤波邻域平滑高斯滤波图像处理结果比较程序代码
  • MATLAB中值滤波图像处理,GUI界面加.m文件
  • Matlab中值滤波去噪(即OpenCv中Blur函数作用替代) 在研究分离聚散焦图片时,用梯度图分离图片后,再加上中值滤波去噪可以达到很好的效果,matlab 均值滤波函数avefilt //均值滤波函数,x是需要滤波的图像,n是模板...

    Matlab中值滤波去噪(即OpenCv中Blur函数作用替代)

    在研究分离聚散焦图片时,用梯度图分离图片后,再加上中值滤波去噪可以达到很好的效果,matlab 均值滤波函数avefilt

    //均值滤波函数,x是需要滤波的图像,n是模板大小 n*n
    function d=avefilt(x,n)
    a=(1:n,1:n)=1;
    p=size(x);
    x1=double(x);
    x2=x1;
    for i=1:p(1)-n+1
    for j=1:p(2)-n+1
    //取出来x1中从(i,j)开始的n行n列元素与模板相乘
    c=x1(i:i+(n-1),j:j+(n-1)),*a;
    s=sun(sum(c));
    x2(i+(n-1)/2,j+(n-1)/2)=s/(n*n);
    end
    end
    d=uint8(x2);
    
    
    展开全文
  • matlab 使用中值滤波和均值滤波对使用高斯噪声和椒盐噪声加噪的图像滤波
  • MATLAB中值滤波在灰度图像处理中的应用研究和仿真(3)时间:2016-11-30 21:28来源:毕业论文3.2 中值滤波的仿真 3.2.1 中值滤波仿真函数介绍 MATLAB能够支持多种图像类型,如灰度图像、二进制图像、RGB图像等。...

    MATLAB中值滤波在灰度图像处理中的应用研究和仿真(3)

    时间:2016-11-30 21:28来源:毕业论文

    3.2 中值滤波的仿真 3.2.1 中值滤波仿真函数介绍 MATLAB能够支持多种图像类型,如灰度图像、二进制图像、RGB图像等。但是在对某些特定图像操作过程中,对图

    3.2 中值滤波的仿真

    3.2.1 中值滤波仿真函数介绍

    MATLAB能够支持多种图像类型,如灰度图像、二进制图像、RGB图像等。但是在对某些特定图像操作过程中,对图像类型有所要求。MATLAB软件应用在传统中值滤波中。首先不同的灰度图像对应的有不同的格式,如“. ”、“. ”等,通过  或 输入要处理的图像,再通过 显示要处理的图像;其次,通过 函数对原图像分别载入 、 、 三种噪声,通过 函数显示含有噪声的图像。最后借助 函数对载入噪声的图像分别进行中值滤波, 显示滤除后的图像。综合原图像,载入噪声的图像,滤除噪声后的图像对比视觉效果,判断中值滤波最适合滤除何种噪声。再进一步借助 这一针对不同窗口的传统中值滤波函数通过 、 、 、 滤波,比较得出最佳传统中值滤波法。

    3.2.2常见几种噪声的特点

    椒盐噪声的特征:出现在图像中的位置是随机的,为黑白相间的杂点。但噪声的幅值是基本相同的。高斯噪声的特征:出现在图像中的位置是一定的(每一点上),但噪声的幅值是随机变化的。poisson噪声的特征:大小围绕拟合线上下波动,可以用频率公式来表示,当取值 不等于0的时候便会出现噪声,噪声的强烈程度取决于 可以取多少个数值,和计算出结果与理想曲线之间差距[3]。

    3.2.3 传统中值滤波的仿真结果

    基于MATLAB汇编语言,对灰度图像分别载入椒盐噪声、高斯噪声、泊松噪声,并采用传统中值滤波法分别滤除噪声。其中图8为未经过处理的图像,其用于后续处理以及与滤出噪声后的图像对照。图9对原图像载入椒盐噪声,图像上呈现黑白相间的杂点。图10对原图像载入高斯噪声,该噪声覆盖于图像整体,图像被污染最严重,最模糊。图11对原图像载入泊松噪声,图像模糊程度最轻。图12为滤除椒盐噪声后图像,滤波后的图像最接近原图像。图13为滤除高斯噪声后图像,图像仍然很模糊。图14为滤除泊松噪声后图像。

    图8 未经过处理的图像                图9 加椒盐噪声后的图像

    图10 加高斯噪声后的图像                 图11 加泊松噪声后的图像

    图12 滤除椒盐噪声后图像                     图13 滤除高斯噪声后图像

    图14 滤除泊松噪声后图像

    如以上各图所示:从整体上看,传统中值滤波法对处理每一种加噪声的图像都起到一定的效果。但是经过中值滤波后的图像,都会存在不同程度的失真。由图8和图9、图10、图11比较得出,每一种噪声都会使原图像变模糊,根据各噪声的特点不同,图像变模糊的程度不同。图8、图9、图12是对原图像载入椒盐噪声,然后在滤波的过程图像,图12的清晰度与图8最接近。图8、图10、图13由原图像载入高斯噪声,然后滤波的过程图。图8、图11、图14是对眼图像载入泊松噪声,然后滤波,泊松噪声虽然对原图像污染程度不大,但滤出效果不佳。图12、图13、图14比较可以看出,图13最模糊,说明中值滤波法不适合处理高斯噪声。图12最清晰,不仅保持了原图像的细节,而且保护了边缘信息。说明中值滤波法最适合处理椒盐噪声,但是相对原图像,图像变模糊。

    3.2.4 3 3、5 5、7 7、9 9中值滤波效果比较

    针对上小节中通过滤波前后图像比较判断出中值滤波最适合处理椒盐噪声,但是滤波后图像仍然出现模糊的特点。所以本小节通过不同窗口中值滤波进一步研究最适合滤除椒盐噪声的传统中值滤波法。其处理前后图像如下图所示。图15为待处理的图像,图16对原图像载入0.25的椒盐噪声,图17为 中值滤波后图像,图18为 中值滤波后图像,图19为 中值滤波后图像,图20为 中值滤波后图像[4]。 MATLAB中值滤波在灰度图像处理中的应用研究和仿真(3):http://www.youerw.com/tongxin/lunwen_569.html

    ------分隔线----------------------------

    展开全文
  • 利用C或者C++写一段中值滤波算法,并且可以在matlab上实现,急急急急急急
  • 自已编的matlab中值滤波程序,和大家一起交流.有详细中文注释.应该是初学者想要的.
  • matlab 中值滤波程序

    2009-09-22 01:02:45
    用于matlab中对信号进行中值滤波,效果很好,验证可用!
  • 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,中值滤波的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邻域中各点值的中值代替,让周围的像素值接近的真实值,从而消除孤立的噪声...

    一、简介

    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,中值滤波的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邻域中各点值的中值代替,让周围的像素值接近的真实值,从而消除孤立的噪声点。方法是用某种结构的二维滑动模板,将板内像素按照像素值的大小进行排序,生成单调上升(或下降)的为二维数据序列。二维中值滤波输出为g(x,y)=med{f(x-k,y-l),(k,l∈W)} ,其中,f(x,y),g(x,y)分别为原始图像和处理后图像。W为二维模板,通常为33,55区域。经中值滤波后图像如图1所示。

    在这里插入图片描述

    二、源代码

    clear all clc
    global Bili;
    A=[];
    B=imread('46.jpg');
    B=rgb2gray(B);
    B=medfilt2(B);        %中值滤波
    fileName = '倾斜跌倒1.avi'; 
    obj = VideoReader(fileName);           %读取录制的视频
    vidFrames=read(obj);                 %读取所有帧图像
    numFrames=get(obj, 'NumberOfFrames');%总帧数    
    for k = 63:250                   %帧数循环,人为选取33帧作为背景帧
    mov(k).cdata=vidFrames(:,:,:,k);
    mov(k).cdata=rgb2gray(mov(k).cdata);
    mov(k).cdata=medfilt2(mov(k).cdata);
    R=imabsdiff(mov(k).cdata,B);
    z=im2bw(R,graythresh(R));
    z=bwmorph(z,'erode',3);                       % 3次腐蚀处理掉噪点
    P = bwmorph(z,'dilate',3);                    %3次膨胀膨胀
    P= bwareaopen(P,50);     
    figure(1),subplot(121);imshow(vidFrames(:,:,:,k));
    figure(1);subplot(122);imshow(P);
    x=sum(P(:));
    s=x/(480*640);
    if s>=0.03
       [m1,n1] = find(P == 1); 
    %第一级检测,角度
       top1= min(m1);%纵向
       bottom1= max(m1);
       left1= min(n1);%横向
       right1= max(n1);
       height1=bottom1-top1+1;%纵向高;
       width1 = right1-left1+1;%横向宽
       rectangle('Position',[left1,top1,width1,height1],'EdgeColor','r');
       line([left1,right1],[top1,bottom1],'color','r','LineWidth',1);%标记对角线
       line([left1,right1],[bottom1,top1],'color','r','LineWidth',1);
       tan=(bottom1-top1)/(right1-left1);
       tan=atan(tan);
       J=tan*180/pi;
    %第二级检测,质心高度比Rz
       [rectx,recty,area,perimeter] = minboundrect(n1,m1,'p');
       line(rectx(:),recty(:),'color','w','LineWidth',1);
       line([rectx(1),rectx(3)],[recty(1),recty(3)],'color','b','LineWidth',1);
       line([rectx(2),rectx(4)],[recty(2),recty(4)],'color','b','LineWidth',1);
       line([0,640],[max(bottom1),max(bottom1)],'color','r','LineWidth',2);%水平线
       line([(rectx(1)+rectx(3))/2,(rectx(1)+rectx(3))/2],[(recty(1)+recty(3))/2,max(bottom1)],'color','b','LineWidth',2);%画高
       h=max(bottom1)-(recty(1)+recty(3))/2;%高度
       Rz=h/360;
       function [rectx,recty,area,perimeter] = minboundrect(x,y,metric)
    % minboundrect: Compute the minimal bounding rectangle of points in the plane
    % usage: [rectx,recty,area,perimeter] = minboundrect(x,y,metric)
    %
    % arguments: (input)
    %  x,y - vectors of points, describing points in the plane as
    %        (x,y) pairs. x and y must be the same lengths.
    %
    %  metric - (OPTIONAL) - single letter character flag which
    %        denotes the use of minimal area or perimeter as the
    %        metric to be minimized. metric may be either 'a' or 'p',
    %        capitalization is ignored. Any other contraction of 'area'
    %        or 'perimeter' is also accepted.
    %
    %        DEFAULT: 'a'    ('area')
    %
    % arguments: (output)
    %  rectx,recty - 5x1 vectors of points that define the minimal
    %        bounding rectangle.
    %
    %  area - (scalar) area of the minimal rect itself.
    %
    %  perimeter - (scalar) perimeter of the minimal rect as found
    %
    %
    % Note: For those individuals who would prefer the rect with minimum
    % perimeter or area, careful testing convinces me that the minimum area
    % rect was generally also the minimum perimeter rect on most problems
    % (with one class of exceptions). This same testing appeared to verify my
    % assumption that the minimum area rect must always contain at least
    % one edge of the convex hull. The exception I refer to above is for
    % problems when the convex hull is composed of only a few points,
    % most likely exactly 3. Here one may see differences between the
    % two metrics. My thanks to Roger Stafford for pointing out this
    % class of counter-examples.
    %
    % Thanks are also due to Roger for pointing out a proof that the
    % bounding rect must always contain an edge of the convex hull, in
    % both the minimal perimeter and area cases.
    %
    %
    % Example usage:
    %  x = rand(50000,1);
    %  y = rand(50000,1);
    %  tic,[rx,ry,area] = minboundrect(x,y);toc
    %
    %  Elapsed time is 0.105754 seconds.
    %
    %  [rx,ry]
    %  ans =
    %      0.99994  -4.2515e-06
    %      0.99998      0.99999
    %   2.6441e-05            1
    %  -5.1673e-06   2.7356e-05
    %      0.99994  -4.2515e-06
    %
    %  area
    %  area =
    %      0.99994
    %
    %
    % See also: minboundcircle, minboundtri, minboundsphere
    %
    %
    % Author: John D'Errico
    % E-mail: woodchips@rochester.rr.com
    % Release: 3.0
    % Release date: 3/7/07
    
    % default for metric
    if (nargin<3) || isempty(metric)
      metric = 'a';
    elseif ~ischar(metric)
      error 'metric must be a character flag if it is supplied.'
    else
      % check for 'a' or 'p'
      metric = lower(metric(:)');
      ind = strmatch(metric,{'area','perimeter'});
      if isempty(ind)
        error 'metric does not match either ''area'' or ''perimeter'''
      end
    

    三、运行结果

    在这里插入图片描述

    四、备注

    版本:2014a

    展开全文
  • 中值滤波器(Median Filter)中值滤波的思想就是比较一定领域内的像素值的大小,取出其中值作为这个领域的中心像素新的值。假设对一定领域内的所有像素从小到大进行排序,如果存在孤立的噪声点,比如椒盐噪声(椒噪声...
  • Matlab中值滤波去噪

    千次阅读 2018-05-10 22:42:44
    以灰度图像eight.tif为例,向原始图像中加入椒盐噪声,再对噪声图像调用中值滤波函数midfilt进行去噪。 I=imread('eight.tif'); J=imnoise(I,'salt &amp; pepper'); after=midfilt(J,3); subplot(1,3,1); ...
  • 基于MATLAB图像处理的中值滤波、均值滤波以及高斯滤波的实现与对比 1.背景知识 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. 中值滤波是基于排序...
  • 中值滤波取卷积核当中所覆盖像素中的中值作为锚点的像素值即可。此时实验中所用到的为3*3的卷积模板。即3行3列共9个元素的中值作为当前元素的像素值。 二、源代码 close all;clear all;clc; I=imread('image3
  • 滤波类型,可输入’cross’ 调用十字中值滤波 或 ‘average’ 调用均值滤波。 scale:整型。 滤波核大小, 必须是单数,如3,代表3×3的卷积核。 举例: close all;clear all;clc load('dip_pic.mat'); cross = img...
  • matlab中值滤波及邻域滤波对椒盐噪声,高斯噪声的不同模板处理

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 887
精华内容 354
关键字:

matlab中值滤波

matlab 订阅