【数字图像处理笔记】Matlab实现图像平滑算法 均值-中值-高斯滤波 （三）

所属专栏：【数字图像处理笔记】

作  者：我是夜阑的狗

个人简介：一个正在努力学技术的CV工程师，专注基础和实战分享 ，欢迎咨询！

欢迎大家：这里是CSDN，我总结知识的地方，喜欢的话请三连，有问题请私信

您的点赞、关注、收藏、评论，是对我最大的激励和支持！！！

文章目录

• 前言
• 一、原理
• 二、实现过程
• • • 1、中值滤波
    • 2、均值滤波
    • 3、高斯滤波
    • 总结

      ---

      前言

        大家好，又见面了，我是夜阑的狗，本文是专栏【数字图像处理笔记】专栏的第3篇文章;

        这是今天学习到数字图像处理笔记 – Matlab实现图像平滑算法 均值-中值-高斯滤波 ，开启新的征程，记录最美好的时刻，每天进步一点点。

        专栏地址：【数字图像处理笔记】 ， 此专栏是我是夜阑的狗对数字图像处理学习过程的总结，希望能够加深自己的印象，以及帮助到其他的小伙伴。

        如果文章有什么需要改进的地方还请大佬不吝赐教。

      一、原理

        图像平滑的主要目的就是去除或衰减图像上的噪声和假轮廓，即衰减高频分量，增强低频分量，或称低通滤波。由前面的介绍可以得知，图像平滑处理在消除或减弱图像噪声和假轮廓的同时，对图像细节也有一定的衰减作用。

        因此，图像平滑的直观效果是图像噪声和假轮廓得以去除或衰减，但同时图像将变得比处理前模糊了，模糊的程度要看对高频成份的衰减程度而定。就同一种平滑方法而言，去除或衰减噪声和假轮廓的效果越好，图像就越模糊，因而图像细节损失越多。因此，在对图像作平滑处理的过程中，要二者兼顾。

      二、实现过程

      1、中值滤波

        代码：

      g = medfilt2(P1);                       %对高斯躁声中值滤波subplot(3,4,5),imshow(g);title('medfilter gaussian');h = medfilt2(P2);                       %对椒盐躁声中值滤波subplot(3,4,6),imshow(h);title('medfilter salt & pepper noise');

        medfilt2 中值滤波函数源码分析：

      function b = medfilt2(varargin)args = matlab.images.internal.stringToChar(varargin); %解析输入参数 %a为待滤波图像,mn向量为滤波模板,padopt为边缘处理选项[a, mn, padopt] = parse_inputs(args{:}); domain = ones(mn); %大小为m*n的全1矩阵if (rem(prod(mn), 2) == 1) %取模判断mn滤波模板个数是否为奇数个    tf = hUseIPPL(a, mn, padopt); %padopt是否设置为“symmetric”模式    if tf        b = medianfiltermex(a, [mn(1) mn(2)]);    else%取出mn矩阵中位数对应的下标order        order = (prod(mn)+1)/2;%对图像A作顺序统计滤波，A为输入图像矩阵，padopt为边界处理方式%输出第order个数作为中值滤波的结果        b = ordfilt2(a, order, domain, padopt);    endelse %mn滤波模板个数为偶数个    order1 = prod(mn)/2;%最中间靠左序号    order2 = order1+1;%最中间靠右序号%对图像A作顺序统计滤波，A为输入图像矩阵，padopt为边界处理方式%输出第order个数作为中值滤波的结果    b = ordfilt2(a, order1, domain, padopt);    b2 = ordfilt2(a, order2, domain, padopt);  if islogical(b) %判断b类型是否合法    b = b | b2;  else    b = imlincomb(0.5, b, 0.5, b2); %取出平均中间值  endend

      2、均值滤波

        代码：

      a=[1 1 1                               %对高斯躁声算术均值滤波     1 1 1     1 1 1];l=1/9*a;                          k = conv2(double(P1),double(l));                        subplot(3,4,7),imshow(k,[]);title('arithmeticfilter gaussian');                                          d = conv2(double(P2),double(l));           %对椒盐躁声算术均值滤波               subplot(3,4,8),imshow(d,[]);title('arithmeticfilter salt & pepper noise'

      3、高斯滤波

        代码：

      sigma=8;% 标准差大小  window=double(uint8(3*sigma)*2+1);% 窗口大小一半为3*sigma  H=fspecial('gaussian', window, sigma);% fspecial('gaussian', hsize, sigma)产生滤波模板   img_gauss=imfilter(P1,H,'replicate'); %为了不出现黑边，使用参数'replicate'（输入图像的外部边界通过复制内部边界的值来扩展）  subplot(3,4,9),  imshow(img_gauss);title('gaussian filting gauss noise');img_salt=imfilter(P2,H,'replicate'); subplot(3,4,10),  imshow(img_salt);title('gaussian filting salt pepper noise');

        fspecial 高斯滤波函数源码分析：

      function h = fspecial(varargin)[type, p2, p3] = ParseInputs(varargin{:});%解析输入参数switch type：%当参数type为'gaussian'高斯滤波时 case 'gaussian' % Gaussian filter% p2为模板大小,以[m n]形式定义，p3为标准差        siz = (p2-1)/2; %siz为最大行列序号        std = p3;%赋值标准差          %基于siz,std，调用meshgrid函数生成mn模板每个位置的权值        [x,y] = meshgrid(-siz(2):siz(2),-siz(1):siz(1));          % 二维高斯分布中e对应的指数        arg = -(x.*x + y.*y)/(2*std*std);        h = exp(arg);        h(h:});[finalSize, pad] = computeSizes(a, h, sameSize);if (isSeparable(a, h)&& (numel(size(a))'double','single','uint32','int8'}) && ismatrix(h) && numel(size(a))==3    % 3D image , 2D kernel  - stack behavior    b = imagesbuiltinImfilter(a, h, boundary, outputShape, do_fcn);  else    % 根据滤波器核的尺寸输入Pad    a = padImage(a,pad,boundary);    b = filterPartOrWhole(a, finalSize, h, pad, sameSize, convMode);  endend