中值滤波及均值滤波.doc

中值滤波及均值滤波数字图像处理实验报告（三）学 号：_ 姓 名：_ 专 业：_ 机械设计制造及其自动化 课序号：_ 计算机科学与技术学院数字图像处理实验报告（三）实验3 中值滤波一、实验学时：2学时 + 2课外学时（本部分占实验成绩的25%）二、实验目的：1、理解中值滤波（图像平滑处理）的原理及步骤；2、编程实现灰度图像的中值滤波。三、必须学习和掌握的知识点：空域中值滤波是一种有效且便捷的图像平滑方法，常用于处理有独立噪声点的图像，效果也非常好，在对图像的平滑处理中常用到。要求掌握该算法并能够编程实现之。四、实验题目：编程实现灰度图像的中值滤波平滑处理。滤波模板的大小自定（可为33、55、77、1515等）。实验图像可从提供的实验图像集中的噪声图像中选取。五、思考题：（选做，有加分）编程实现灰度图像的均值滤波平滑处理；也可尝试实现灰度图像的锐化处理，包括Sobel、Prewitt、Roberts、Laplace等。六、实验报告：请按照要求完成下面报告内容并提交源程序、可执行程序文件和实验结果图像。1、请详细描述本实验的原理：1. 中值滤波的原理：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）=medf(x-k,y-l),(k,lW) ，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3*3，5*5区域，也可以是不同的的形状，如线状，圆形，十字形，圆环形等。对于一串连续输入的信号（量化后是一组数据）。如下图所示，是输入的原信号。中值滤波的原理为，重新计算每一个x的输出值(y)，新的输出值。相当于 y = new(x)，new的操作是，从在以x为中心，长度为2k的原信号中（区间为x-k+1,x+k），提取出这段区间内中间的那个值，作为 y=new(x)的结果。步骤阅读 2. 2举例来说，输入：Y1-10:1,2,3,4,5,6,7,8,9,10. 取区间2k = 4,所以k=2;执行中值滤波 K=中值滤波(Y)由x-k+1=1，所以当k=2时，x=2滤波时：K1=Y1K2=(Y1、Y2、Y3、Y4)的中间值，即为2或33. 3matlab的中值滤波实现方式：调用函数：A = medfilt1(B,n)B为输入信号，A为滤波后的信号，即结果。n为控制滤波区间的参数。具体定义如下：1、若n为基数，区间为k-(n-1)/2,k+(n-1)/2,2、若n为偶数,区间为k-n/2,k+n/2+1,中值滤波表示用这个区间内的中间值代替这一点的值。4. 4对于输入信号（最开头的图），以下分别为设置区间n=8和n=16得到的滤波图像。中值滤波可以过滤尖峰脉冲。目的在于我们对于滤波后的数据更感兴趣。滤波后的数据保留的原图像的变化趋势，同时去除了尖峰脉冲对分析造成的影响。步骤阅读 步骤阅读 END2、请给出本实验的核心源码（Matlab或C语言）：中值滤波 I=imread(C:UserswhDesktopphotoRockies.bmp); subplot(2,2,1),imshow(I);title(原图); %显示原图像 J= imnoise(I,salt & pepper,0.005); %加上椒盐噪声 subplot(2,2,2),imshow(J);title(椒盐噪声图); %显示加上椒盐的图像H=medfilt2(J); %中值滤波 subplot(2,2,3),imshow(H);title(处理后图); %显示中值滤波后的图像均值滤波I=imread(C:UserswhDesktopphotoRockies.bmp);%读入预处理图像imshow(I)%显示预处理图像 J= imnoise(I,GAUSS,0.005); %加上高斯噪声K1=filter2(fspecial(average,3),I)/255;%进行3*3均值滤波K2=filter2(fspecial(average,5),I)/255;%进行5*5均值滤波K3=filter2(fspecial(average,7),I)/255;%进行7*7均值滤波figure,imshow(K1)figure,imshow(K2)figure,imshow(K3) subplot(3,2,1),imshow(I);title(原图像); subplot(3,2,2),imshow(J);title(高斯噪声图像); subplot(3,2,3),imshow(K1);title(图像1); subplot(3,2,4),imshow(K2);title(图像2); subplot(3,2,5),imshow(K3);title(图像3);3、实验结果分析（要求附上结果图像）：1.中值滤波（加椒盐噪声处理）原图像加椒盐噪声图像中值滤波处理后图像 2.均值滤波（加高斯噪声处理）原图像加高斯噪声3*3均值滤波v5*5均值滤波7*7均值滤波 4、实验体会：matlab的强大图像处理功能，以及适当引用子程序带来的便利功不可没。5、思考题部分：1.均值滤波原理 均值滤波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。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。线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点（x，y），选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点（x，y），作为处理后图像在该点上的灰度个g（x，y），即个g（x，y）=1/m f（x，y） m为该模板中包含当前像素在内的像素总个数。2.均值滤波图像处理效果（加高斯噪声）原图像加高斯噪声3*3均值滤波v5*5均值滤波7*7均值滤波 - 12 -