多媒体图像处理实验——均值滤波实验报告

图像增强图像增强 均值滤波：均值滤波： 一实验原理一实验原理 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。邻域平均法的思想是用 像素及其指定邻域内像素的平均值或加权平均值作为该像素的新值，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 g（x，y），即 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。 邻域平均法的数学含义可用下式表示： 处理图像边缘点时模板会超出图像范围，为了输出结果和原图像大小一致，应先 将原图像扩展后再进行处理，即生成一个比原图像大一些的矩阵，将原图像置于矩阵的中 心位置。扩展方法可选择直接加零或对称扩展。具体扩展大小跟模板大小有关。 均值滤波本身存在着固有的缺陷，即它不能很好地保护图像细节，在图像去噪的同时 也破坏了图像的细节部分，从而使图像变得模糊，不能很好地去除噪声点。 二实验内容二实验内容 用大小为 55 的算术均值滤波器对图 1 图像进行处理，在不同窗口中显示原图像 及各处理结果图像。 图 1待处理图像 3实验程序实验程序 %对边缘进行拓展再进行 5*5 滤波 clear I=imread(D:lvbo.jpg);%读入原图像 figure() subplot(121);%显示原图像 imshow(I); title(before); M,N=size(I); new=ones(M+4,N+4);%定义对原图像进行边沿拓展之后的新图像 new(3:(M+2),3:(N+2)=I(1:M,1:N);%3 到 M+2 行，3 到 N+2 列与原图像相等 new(1,3:N+2)=I(2,:);%行对称拓展 new(2,3:N+2)=I(1,:); new(M+3,3:N+2)=I(M,:); new(M+4,3:N+2)=I(M-1,:); new(:,1)=new(:,4);%列对称拓展 new(:,2)=new(:,3); new(:,N+3)=new(:,N+2); new(:,N+4)=new(:,N+1); for i=1:M;%1 到 M 行，1 到 N 列用 5*5 模板循环计算均值并赋值给中间数即进行均值滤波 for j=1:N; A=new(i:i+4,j:j+4); B=A(:); B=mean(B); new(i+2,j+2)=B; end; end; C=new(3:M+2,3:N+2);%显示均值滤波后的图像 subplot(122); imshow(C,); title(after); 4结果分析结果分析 经过均值滤波前后图像如图 2 所示，由图可以看出，均值滤波后，明显的去除了原图 像中频率较高的椒盐噪声，但是处理之后的图像相比较于原图像变模糊，所以均值滤波效 果并不理想。 beforeafter 图 2均值滤波前后图像 五总结五总结 未对原图像进行边沿拓展时直接进行均值滤波，发现处理之后的原图像边沿仍有椒 盐噪声未去除，故为了输出结果和原图像大小一致，应先将原图像扩展后再进行处理，即 生成一个比原图像大一些的矩阵，将原图像置于矩阵的中心位置。 图像拓展时应对称拓展，对拓展之后的图像再进行均值滤波，但显示处理之后的图 像时，还应显示与原图像大小相同的图像，而不是拓展之后的大小。 实验过程中还遇到某些小问题，像如果要对某一矩阵的所有元素取均值，应先将矩 阵转换为一列，再使用 mean 函数，否则则是对矩阵中的每一列取均值。 用 imshow(image)显示处理后的图像时，在 workspace 中检查发现元素值均正 确，但显示的图像为一系列杂乱的点，改用 imshow(image,)显示时，显示正确。 imshow(image,)中，中括号表示扩展显示数据的范