MATLAB 图像平滑实验

这篇具有很好参考价值的文章主要介绍了MATLAB 图像平滑实验。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

什么都无法舍弃的人,什么都无法得到。——《进击的巨人》

1.按照下面步骤完成空域图像平滑,比较分析 1)相同滤波方法,不同模版的处理效果;2)相同模版,不同滤波方法的处理效果。
(1) 对一幅图像“girl.bmp”添加不同种类噪声:对给定的图像添加均值为 0,方差为 0.04 的高斯噪声,以及密度为 0.2 的椒盐噪声,显示添加噪声后的两幅图像。

I=imread('girl.bmp');
J=imnoise(I,'gaussian',0,0.04);%给图像添加高斯噪声
P=imnoise(I,'salt & pepper',0.2);%给图像添加椒盐噪声
subplot(2,2,[1 2]);
imshow(I);
title('原图');
subplot(2,2,3);
imshow(J);
title('高斯噪声');
subplot(2,2,4);
imshow(P);
title('椒盐噪声');

图像的平滑处理matlab,matlab,计算机视觉,图像处理

(2) 对上述两幅加噪图像分别进行 3×3、7×7 的均值滤波,使用“卷积”的滤波方式进行滤波,显示并比较滤波结果。

h1=fspecial('average');   %创建一个3×3均值滤波器
r1=imfilter(J,h1,'conv');%对高斯噪声图像3*3卷积均值滤波
subplot(1,2,1);
imshow(J);
title('高斯噪声图像');
subplot(1,2,2);
imshow(r1);
title('高斯噪声图像3*3卷积均值滤波');

图像的平滑处理matlab,matlab,计算机视觉,图像处理

r2=imfilter(P,h1,'conv');%对椒盐噪声图像3*3卷积均值滤波
subplot(1,2,1);
imshow(P);
title('椒盐噪声图像');
subplot(1,2,2);
imshow(r2);
title('椒盐噪声图像3*3卷积均值滤波');

图像的平滑处理matlab,matlab,计算机视觉,图像处理

h2=fspecial('average',7);%创建一个7×7均值滤波器
r3=imfilter(J,h2,'conv');%对高斯噪声图像7*7卷积均值滤波
subplot(1,2,1);
imshow(J);
title('高斯噪声图像');
subplot(1,2,2);
imshow(r3);
title('高斯噪声图像7*7卷积均值滤波');

图像的平滑处理matlab,matlab,计算机视觉,图像处理

r4=imfilter(P,h2,'conv');%对椒盐噪声图像7*7卷积均值滤波
subplot(1,2,1);
imshow(P);
title('椒盐噪声图像');
subplot(1,2,2);
imshow(r4);
title('椒盐噪声图像7*7卷积均值滤波');

图像的平滑处理matlab,matlab,计算机视觉,图像处理

(3) 对上述两幅加噪图像分别进行 3×3、7×7 的中值滤波,显示并比较滤波结果。

r1=medfilt2(J,[3 3]);%对高斯噪声图像3*3中值滤波
r2=medfilt2(P,[3 3]);%对椒盐噪声图像3*3中值滤波
subplot(1,2,1);
imshow(J);
title('高斯噪声图像');
subplot(1,2,2);
imshow(r1);
title('高斯噪声图像3*3中值滤波');

图像的平滑处理matlab,matlab,计算机视觉,图像处理

subplot(1,2,1);
imshow(P);
title('椒盐噪声图像');
subplot(1,2,2);
imshow(r2);
title('椒盐噪声图像3*3中值滤波');

图像的平滑处理matlab,matlab,计算机视觉,图像处理

r3=medfilt2(J,[7 7]);%对高斯噪声图像7*7中值滤波
r4=medfilt2(P,[7 7]);%对椒盐噪声图像7*7中值滤波
subplot(1,2,1);
imshow(J);
title('高斯噪声图像');
subplot(1,2,2);
imshow(r3);
title('高斯噪声图像7*7中值滤波');

图像的平滑处理matlab,matlab,计算机视觉,图像处理

subplot(1,2,1);
imshow (P);
title('椒盐噪声图像');
subplot(1,2,2);
imshow(r4);
title('椒盐噪声图像7*7中值滤波');

图像的平滑处理matlab,matlab,计算机视觉,图像处理
2.基于 MATLAB 编程,首选实现对图像“Elaine.tiff”加入椒盐噪声(密度为默认值),然后对含噪图像进行截止频率 D0分别为 15、30 的巴特沃斯低通滤波,显示滤波结果,如图 1 所示。

function [  ] = test83(  )
%UNTITLED 此处显示有关此函数的摘要
%   此处显示详细说明
I=im2double(imread('Elaine.tiff'));
subplot(221);imshow(I);title('原始图像')
Image=imnoise(I,'salt & pepper'); 
subplot(222);imshow(Image); title('椒盐噪声图像');
 
FImage=fftshift(fft2(Image));  %傅里叶变换及频谱中心化
[N,M]=size(FImage);
G=zeros(N,M);
a=floor(M/2);  b=floor(N/2); %定位频谱中心原点
 
 
d0=15; %截断频率D0=15
for x=1:M
   for y=1:N
       d=sqrt((x-a)^2+(y-b)^2); %点(x,y)到傅里叶频率原点(a,b)的距离
        H=1./(1+(d./d0).^4);         %设计巴特沃斯低通滤波器
       G(y,x)=H*FImage(y,x); %低通滤波处理
    end
end
g= real(ifft2(ifftshift(G)));
subplot(223);imshow(g);title('巴特沃斯低通滤波D0=15');
 
d0=30; %截断频率D0=30
for x=1:M
   for y=1:N
       d=sqrt((x-a)^2+(y-b)^2); %点(x,y)到傅里叶频率原点(a,b)的距离
        H=1./(1+(d./d0).^4);         %设计巴特沃斯低通滤波器
       G(y,x)=H*FImage(y,x); %低通滤波处理
    end
end
g= real(ifft2(ifftshift(G)));
subplot(224);imshow(g);title('巴特沃斯低通滤波D0=30');
 
end

图像的平滑处理matlab,matlab,计算机视觉,图像处理文章来源地址https://www.toymoban.com/news/detail-758788.html

到了这里,关于MATLAB 图像平滑实验的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 用 MATLAB 实现的计算机CT断层扫描图像重建项目源码

    计算机断层扫描图像重建 介绍 计算机断层扫描是堆叠在一起的 X 射线图像的集合,以获得作为诊断图像第三维的深度信息。这些 “ 堆叠的 ” X 射线图像作为正弦图从 CT 机架接收,代表对象单层的 X 射线吸收剖面。该项目的目标是重建该单层的原始 2D 图像,并使用光衰减信

    2024年02月04日
    浏览(44)
  • 【计算机视觉课程设计】基于暗通道先验单幅图像去雾算法的实现(MATLAB)

           随着信息化时代的到来,计算机视觉得以迅速发展,在社会生活中的各个领域发挥了重要作用。然而,近年来大气污染逐渐加重,雾霾天气出现的频率越来越高,导致户外成像设备不能捕捉到高质量的清晰图像,无法正常运用于计算机视觉系统。因此,对雾天图像进

    2024年02月05日
    浏览(47)
  • 【图像检测】计算机视觉地质断层结构的自动增强和识别【含Matlab源码 4026期】

    ✅博主简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,Matlab项目合作可私信。 🍎个人主页:海神之光 🏆代码获取方式: 海神之光Matlab王者学习之路—代码获取方式 ⛳️座右铭:行百里者,半于九十。 更多Matlab仿真内容点击👇 Matlab图像处理(进阶版) 路径规划

    2024年03月21日
    浏览(75)
  • (数字图像处理MATLAB+Python)第六章图像平滑-第一节:图像平滑概述和空间域平滑滤波

    图像平滑(Image Smoothing) :是一种数字图像处理技术,用于减少图像中的 噪声 和 不规则性 ,使图像更加平滑和连续。在图像中,噪声通常表现为不规则的、突出的像素值,这可能会导致图像细节丢失,使其难以进行分析和处理。图像平滑技术可以通过对像素值进行滤波来

    2023年04月24日
    浏览(58)
  • 算法、数据结构、计算机系统、数据库MYSQL、概率论、数学实验MATLAB、数学建模、马原、英语、杂项、QT项目

    可以三个条件 以此类推 (condition1)?x:(condition2)?y:z string变成int int 变成string 可以用循环 模运算展开式推导 我们要证明等式: (a * b) mod m = ((a mod m) * (b mod m)) mod m 假设 a = q1 * m + r1 ,其中 q1 是 a 除以 m 的商, r1 是 a 除以 m 的余数。类似地,假设 b = q2 * m + r2 ,其中

    2024年02月08日
    浏览(66)
  • 【计算机视觉、关键点检测、特征提取和匹配】基于SIFT、PCA-SIFT和GLOH算法在不同图像之间建立特征对应关系,并实现点匹配算法和图像匹配(Matlab代码实现)

    💥💥💞💞 欢迎来到本博客 ❤️❤️💥💥 🏆博主优势: 🌞🌞🌞 博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。 ⛳️ 座右铭: 行百里者,半于九十。 📋📋📋 本文目录如下: 🎁🎁🎁 目录 💥1 概述 📚2 运行结果 🎉3 参考文献 🌈4 Matlab代码、数据、文章

    2024年03月14日
    浏览(55)
  • 计算机视觉实验五——图像分割

    了解图割操作,实现用户交互式分割,通过在一幅图像上为前景和背景提供一些标记或利用边界框选择一个包含前景的区域,实现分割。 采用聚类法实现图像的分割(K-means方法)。 ①图片准备 博主选择了一张 前景与背景区分明显 的图片,和一张 前景与背景区分不明显 的

    2024年04月15日
    浏览(49)
  • 计算机视觉——实验一:图像直方图均衡

    实验目的: 1.熟悉图像的表示及基本元素、通道操作; 2.掌握基本灰度图像变换方法; 3.掌握OpenCV计算机视觉库; 实验要求: 1. 实验提交文件为实验报告和相关程序代码,以压缩包的形式提交,命名规则为“学号数字+姓名+Task1”,如2023154099张三Task1; 2. 所有素材和参考

    2024年01月21日
    浏览(55)
  • 【Matlab】相机标定(计算机视觉工具箱)

    图像处理和计算机视觉是Matlab的一个主要应用领域,这部分包括4个工具箱——图像处理、计算机视觉、雷达、医学图像。由于视觉的东西容易呈现,所以先从计算机视觉工具箱学起。 官方文档对计算机视觉工具箱的介绍如下:设计和测试计算机视觉、3D 视觉和视频处理系统

    2024年02月05日
    浏览(104)
  • 【计算机视觉】二、图像形成——实验:2D变换编辑(Pygame)

    【计算机视觉】二、图像形成:1、向量和矩阵的基本运算:线性变换与齐次坐标   几何基元是计算机图形学中最基本的图形对象,它们是构建更复杂图形的基础单元。常见的几何基元包括: 点(Point) : 由一对或一组坐标值表示的零维对象。 线段(Line Segment) : 由两个端点确定的

    2024年03月22日
    浏览(45)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包