畢業論文濾波器的形狀和尺寸對圖像濾波的影響(編輯修改稿)

　

【文章內容簡介】 模糊越厲害。高斯濾波 高斯濾波屬于線性平滑濾波，對于消除高斯噪聲有非常好的效果，它的原理就是對圖像進行加權平均數，圖像中的每一個像素值都是有加權平均數所得到的。標準差決定的是高斯濾波的平滑程度，并且輸出時像素的加權平均數，所與均值濾波相比，圖像質量更好，平滑效果更加突出。高斯濾波器是線性平滑濾波器，對去除高斯噪聲是非常有效果的。最大均勻性平滑濾波 使用濾波方法去除噪聲在某些情況下會引起圖像邊沿的退化，在這個時候，就需要使用最大均勻性平滑濾波的方法了，這種方法原理是，在圖像中找到每個像素點最均勻的地方，然后用灰度均值作為被處理的像素值。這樣做的優點是在消除噪聲的同時又可以保護圖像的邊緣，使圖像平滑效果更好，提高了圖像的質量。低通濾波 低通濾波實際上是一種過濾的方式，低頻信號才可以通過，而高頻信號會被阻止通過，或者是被減弱。它會根據低通濾波的信號頻率對高頻信號進行不同的阻止和減弱。它實際上就是能夠使低頻信號順利的通過，并且可以阻止高頻信號的通過。低通濾波器在圖像處理方面，可以減少噪音對圖像的影響，但是，低通濾波器也會對高頻的部分進行濾波，這樣的情況，實際上會對一些不是噪音的部分進行了去除，也會影響到圖像的清晰度以及圖像的美感。維納濾波在二十世紀四十年代，諾伯特維納提出的一種維納濾波的濾波器，從此，維納濾波就被廣泛的應用了。圖像會在傳輸等一系列的過程中導致圖像質量退化，圖像的視覺效果變差，因此，就需要對圖像進行圖像復原。在圖像處理中，對圖像的復原一般使用的是維納濾波，它是最常用的一種方法，也是最典型的一種。維納濾波的理論主要是針對線性濾波的問題，它考慮的是最小均方差，這是最佳的過濾準則。所以，在使用維納濾波器濾波是，預計的輸出值與實際的輸出值有一個誤差，對誤差求均方，均方誤差于小，去除噪聲的效果就會越好。 中值濾波器去噪及MATLAB的實現 利用中值濾波器對有高斯噪聲和椒鹽噪聲的圖像去噪，通過對濾波器形狀（正方形、長方形、圓形、十字形）和尺寸的改變，得出濾波器的改變影響著圖像的濾波。 正方形中值濾波器去噪（1）正方形3*3中值濾波器去噪程序I=imread(39。39。)。subplot(2,3,1), imshow(I)。B=rgb2gray(I)。subplot(2,3,2), imshow(B), title(39。Original Image39。)。J = imnoise(B,39。salt amp。 pepper39。,)。 %noise density=K= imnoise(B,39。gaussian39。,)。subplot(2,3,3), imshow(J), title(39。Salt amp。 Pepper Noise39。)。subplot(2,3,4), imshow(K), title(39。Gaussian Noise39。)。image=double(J)。[M,N]=size(B)。for i=2:M1, for j=2:N1, u(1)=image(i,j)。 u(2)=image(i,j+1)。 u(3)=image(i1,j+1)。u(4)=image(i1,j)。 u(5)=image(i1,j1)。 u(6)=image(i,j1)。u(7)=image(i+1,j1)。 u(8)=image(i+1,j)。 u(9)=image(i+1,j+1)。for p=1:9, for q=1:9p, if u(q)u(q+1)k=u(q)。 u(q)=u(q+1)。 u(q+1)=k。end,end,end,image(i,j)=u(5)。end,end,d=uint8(image)。 subplot(2,3,5), imshow(d), title(39。3*3椒鹽噪聲中值濾波圖像39。)。 image=double(K)。[M,N]=size(B)。for i=2:M1, for j=2:N1, u(1)=image(i,j)。 u(2)=image(i,j+1)。 u(3)=image(i1,j+1)。u(4)=image(i1,j)。 u(5)=image(i1,j1)。 u(6)=image(i,j1)。u(7)=image(i+1,j1)。 u(8)=image(i+1,j)。 u(9)=image(i+1,j+1)。for p=1:9, for q=1:9p, if u(q)u(q+1)k=u(q)。 u(q)=u(q+1)。 u(q+1)=k。end,end,end,image(i,j)=u(5)。end,end,d=uint8(image)。 subplot(2,3,6), imshow(d), title(39。3*3高斯噪聲中值濾波圖像39。)。正方形3*3中值濾波器對椒鹽噪聲和高斯噪聲去噪 圖31（2）正方形5*5中值濾波器去噪程序I=imread(39。39。)。subplot(2,3,1), imshow(I)。B=rgb2gray(I)。subplot(2,3,2), imshow(B), title(39。Original Image39。)。J = imnoise(B,39。salt amp。 pepper39。,)。 %noise density=K= imnoise(B,39。gaussian39。,)。subplot(2,3,3), imshow(J), title(39。Salt amp。 Pepper Noise39。)。subplot(2,3,4), imshow(K), title(39。Gaussian Noise39。)。image=double(J)。[M,N]=size(B)。for i=5:M4, for j=5:N4, u(1)=image(i,j)。 u(2)=image(i,j+1)。 u(3)=image(i1,j+1)。u(4)=image(i1,j)。 u(5)=image(i1,j1)。 u(6)=image(i,j1)。u(7)=image(i+1,j1)。 u(8)=image(i+1,j)。 u(9)=image(i+1,j+1)。u(10)=image(i2,j2)。 u(11)=image(i2,j1)。 u(12)=image(i2,j)。u(13)=image(i2,j+1)。 u(14)=image(i2,j+2)。 u(15)=image(i1,j2)。u(16)=image(i1,j+2)。 u(17)=image(i,j2)。 u(18)=image(i,j+2)。u(19)=image(i+1,j2)。 u(20)=image(i+1,j+2)。 u(21)=image(i+2,j2)。u(22)=image(i+2,j1)。 u(23)=image(i+2,j)。 u(24)=image(i+2,j+1)。u(25)=image(i+2,j+2)。for p=1:25, for q=1:25p, if u(q)u(q+1)k=u(q)。 u(q)=u(q+1)。 u(q+1)=k。end,end,end,image(i,j)=u(13)。end,end,d=uint8(image)。 subplot(2,3,5), imshow(d), title(39。5*5椒鹽噪聲中值濾波圖像39。)。 image=double(K)。[M,N]=size(B)。for i=5:M4, for j=5:N4, u(1)=image(i,j)。 u(2)=image(i,j+1)。 u(3)=image(i1,j+1)。u(4)=image(i1,j)。 u(5)=image(i1,j1)。 u(6)=image(i,j1)。u(7)=image(i+1,j1)。 u(8)=image(i+1,j)。 u(9)=image(i+1,j+1)。u(10)=image(i2,j2)。 u(11)=image(i2,j1)。 u(12)=image(i2,j)。u(13)=image(i2,j+1)。 u(14)=image(i2,j+2)。 u(15)=image(i1,j2)。u(16)=image(i1,j+2)。 u(17)=image(i,j2)。 u(18)=image(i,j+2)。u(19)=image(i+1,j2)。 u(20)=image(i+1,j+2)。 u(21)=image(i+2,j2)。u(22)=image(i+2,j1)。 u(23)=image(i+2,j)。 u(24)=image(i+2,j+1)。u(25)=image(i+2,j+2)。for p=1:25, for q=1:25p, if u(q)u(q+1)k=u(q)。 u(q)=u(q+1)。 u(q+1)=k。end,end,end,image(i,j)=u(13)。end,end,d=uint8(image)。 subplot(2,3,6), imshow(d), title(39。5*5高斯噪聲中值濾波圖像39。)。圖32 正方形5*5中值濾波器對椒鹽噪聲和高斯噪聲去噪 （3）正方形7*7中值濾波器去噪程序I=imread(39。39。)。subplot(2,3,1), imshow(I)。B=rgb2gray(I)。subplot(2,3,2), imshow(B), title(39。Original Image39。)。J = imnoise(B,39。salt amp。 pepper39。,)。 %noise density=K= imnoise(B,39。gaussian39。,)。subplot(2,3,3), imshow(J), title(39。Salt amp。 Pepper Noise39。)。subplot(2,3,4), imshow(K),t itle(39。Gaussian Noise39。)。image=double(J)。[M,N]=size(B)。for i=5:M4, for j=5:N4, u(1)=image(i,j)。 u(2)=image(i,j+1)。 u(3)=image(i1,j+1)。u(4)=image(i1,j)。 u(5)=image(i1,j1)。 u(6)=image(i,j1)。u(7)=image(i+1,j1)。 u(8)=image(i+1,j)。 u(9)=image(i+1,j+1)。u(10)=image(i2,j2)。 u(11)=image(i2,j1)。 u(12)=image(i2,j)。u(13)=image(i2,j+1)。 u(14)=image(i2,j+2)。 u(15)=image(i1,j2)。u(16)=image(i1,j+2)。 u(17)=image(i,j2)。 u(18)=image(i,j+2)。u(19)=image(i+1,j2)。 u(20)=image(i+1,j+2)。 u(21)=image(i+2,j2)。u(22)=image(i+2,j1)。 u(23)=image(i+2,j)。 u(24)=image(i+2,j+1)。u(25)=image(i+2,j+2)。 u(26)=image(i2,j+3)。 u(27)=image(i2,j+4)。u(28)=image(i1,j+3)。 u(29)=image(i1,j+4)。 u(30)=image(i,j+3)u(31)=image(i,j+4)。 u(32)=image(i+1,j+3)。 u(33)=image(i+1,j+4)。u(34)=image(i+2,j+3)。 u(35)=image(i+2,j+4)。 u(36)=image(i+3,j2)。u(37)=image(i+3,j1)。 u(38)=image(i+3,j)。 u(39)=image(i+3,j+1)。u(40)=image(i+3,j+2)。 u(41)=image(i+3,j+3)。 u(42)=image(i+3,j+4)。u(43)=image(i+4,j2)。 u(44)=image(i+4,j1)。 u(45)=image(i+4,j)。u(46)=image(i+4,j+1)。 u(47)=image(i+4,j+2)。 u(48)=image(i+4,j+3)。u(49)=image(i+4,j+4)。 for p=1:49, for q=1:49p, if u(q)u(q+1)k=u(q)。 u(q)=u(q+1)。 u(q+1)=k。end,end,end,image(i,j)=u(25)。end,end,d=uint8(image)。 subplot(2,3,5), imshow(d), title(39。7*7椒鹽噪聲中值濾波圖像39。)。 image=double(K)。[M,N]=size(B)。for i=5:M4, for j=5:N4, u(1)=image(i,j)。