标签：学年 高斯 噪声 imshow 滤波 2021 2022 图像 椒盐
2022.01.05，今天是服务外包竞赛：随便拿个奖队的项目进行的第五天，今天根据项目要求继续学习matlab数字图像处理
实验五 图像增强—空域滤波
一、 实验目的
进一步了解MatLab软件/语言，学会使用MatLab对图像作滤波处理，使学生有机会掌握滤波算法，体会滤波效果。
了解几种不同滤波方式的使用和使用的场合，培养处理实际图像的能力，并为课堂教学提供配套的实践机会。
二、实验内容与步骤
a) 调入并显示原始图像Sample2-1.jpg 。
b) 利用imnoise 命令在图像Sample2-1.jpg 上加入高斯(gaussian) 噪声
c)利用预定义函数fspecial 命令产生平均(average)滤波器
d）分别采用3x3和5x5的模板，分别用平均滤波器以及中值滤波器，对加入噪声的图像进行处理并观察不同噪声水平下，上述滤波器处理的结果；
e）选择不同大小的模板，对加入某一固定噪声水平噪声的图像进行处理，观察上述滤波器处理的结果。
f）利用imnoise 命令在图像Sample2-1.jpg 上加入椒盐噪声(salt & pepper)
g）重复c)~ e）的步骤
h）输出全部结果并进行讨论。
三、实验内容
i=imread('C:\Users\Gateway\Desktop\ͼƬ\electric.tif');
I=rgb2gray(i);
J=imnoise(I,'gauss',0.02);
J=imnoise(I,'salt & pepper',0.02);
ave1=fspecial('average',3); %产生3*3均值模板
ave2=fspecial('average',5);
K=filter2(ave1,J)/255; %均值滤波
L=filter2(ave2,J)/255;
M=medfilt2(J,[3 3]); %中值滤波¨
N=medfilt2(J,[5 5]);
imshow(I);
figure;imshow(J);
figure;imshow(K);
figure;imshow(L);
figure;imshow(M);
figure;imshow(N);
原图 gauss噪声
Gauss噪声3*3模板均值滤波 Gauss噪声5*5模板均值滤波
Gauss噪声3*3中值滤波 Gauss噪声5*5中值滤波
椒盐噪声
椒盐噪声3*3均值滤波 椒盐噪声5*5均值滤波
椒盐噪声3*3中值滤波 椒盐噪声5*5中值滤波
四，思考题/问答题
(1) 简述高斯噪声和椒盐噪声的特点。
椒盐噪声是由图像传感器，传输信道，解码处理等产生的黑白相间的亮暗点噪声。检验噪声往往由图像切割引起。椒盐噪声是指两种噪声，一种是盐噪声（salt noise），另一种是胡椒噪声（pepper noise）。盐=白色，椒=黑色。前者是高灰度噪声，后者属于低灰度噪声。一般两种噪声同时出现，呈现在图像上就是黑白杂点。高斯噪声是一种随机噪声。在任选瞬时中任取n个，其值按n个变数的高斯概率定律分布。高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。如果一个噪声，它的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。
(2) 结合实验内容，定性评价平均滤波器/中值滤波器对高斯噪声和椒盐噪声的去噪效果？
两种滤波对高斯噪声效果都不是很好，5*5的中值滤波效果好于3*3。中值滤波对椒盐噪声效果好于均值滤波。
(3) 结合实验内容，定性评价滤波窗口对去噪效果的影响？
窗口越大，去噪效果越好，但是窗口越大所用的时间越多。
TRANSLATE with标签：学年,高斯,噪声,imshow,滤波,2021,2022,图像,椒盐 来源： https://www.cnblogs.com/liuyichendeyuanzi/p/15769320.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。