“数字图像处理与识别”实验报告实验2平滑滤波处理.docx

“数字图像处理与识别”实验报告 实验二 图像空域平滑滤波一、 实验目的理解图象平滑的概念，掌握邻域平均技术及中值滤波技术。进一步加深理解和掌握平滑滤波的原理和具体算法，理解图象平滑滤波的处理过程和特点。二、 实验内容1、邻域平均设计程序，实现33邻域平均和77邻域平均的平滑处理。观察处理前后图象效果，分析实验结果和算法特点。2、 中值滤波设计程序，实现33邻域中值滤波。观察处理前后图像效果，分析实验结果和算法特点。三、 实验原理邻域平均 g(x,y)= 1M(m,n)Sf(m,n)，（取一点和邻域内像素点的平均值） 邻域中值 g(x,y)= m*n邻域内像素点按灰度大小排序后取中间值四、 算法设计（含程序设计流程图）1、邻域平均： 开始载入原图补齐边缘，计算邻域内均值并替换原值滑动窗口，并检查是否为最后一个像素否是结束保存图片开始2、邻域中值：载入原图补齐边缘，对邻域内像素排序并取中间值替换原值滑动窗口，并检查是否为最后一个像素否是结束保存图片五、实验结果及分析（需要给出原始图像和处理后的图像）平滑滤波实验原图 3*3邻域平均的平滑滤波7*7邻域平均的平滑滤波 3*3邻域中值的平滑滤波分析：1、邻域均值滤波:当邻域为3x3时，滤波后的图片有轻微模糊，部分细节也被过滤掉了；当邻域为7x7时，图像边缘和细节模糊减轻，但是整幅图的模糊度变大了。由此可见，邻域均值滤波的效果和窗口的大小有关。2、邻域中值滤波:可以很明显的看出中值滤波的效果比均值滤波的效果好，均值滤波的噪声减少，但是所付出的代价是部分细节丢失和图像变得模糊。中值滤波比均值滤波更适合去除椒盐噪声，模糊程度有所下降。附：程序源代码clear;data = imread(平滑滤波实验原图.jpg);col = size(data,2);row = size(data,1);num = 3; %改变n值则改变邻域大小 half = (num-1)/2;tempdata = zeros(row+num-1,col+num-1);tempdata(half+1:half+row,half+1:col+half) = data; for i = 1:half for j = 1:half tempdata(i,j) = data(half+2-j,half+2-i); tempdata(i,col+half+j) = data(j+1,col-half+i-1); tempdata(row+half+i,j) = data(row-half-1+j,i+1); tempdata(row+half+i,col+half+j) = data(row-j,col-i); endend for i = 1:half for j = half+1:half+col tempdata(i,j) = data(half+2-i,j-half); tempdata(row+half+i,j) = data(row-i,j-half); endend for j = 1:half for i = half+1:half+row tempdata(i,j) = data(i-half,half+2-j); tempdata(i,j+col+half) = data(i-half,col-j); endend out = zeros(size(data);temp = zeros(1,num*num); for i = 1:row for j = 1:col % 下一行代码用于邻域均值滤波 out(i,j) = sum(sum(tempdata(i:i+num-1,j:j+num-1)/(num*num); %以下三行代码用于邻域中值滤波 %temp = reshape(tempdata(i:i+num-1,j:j+num-1),1,num*num); %A,B= sort(temp); %out(i,j)