高斯平滑滤波试验报告

1、高斯平滑滤波实验报告一，实验要求实现高斯平滑滤波器。选择几个不同的0-（至少5个）对一幅图像进行滤波， 观测不同的b值对图像的平滑程度（注意b取值与窗函数大小的关系）。你将如 何为一幅图像选择合适的b值？二，高斯平滑滤波器简介连续高斯函数为gi,j=e 2。2 。连续的高斯函数图像如图1所示。*10 -10图1连续高斯函数2.2、_（i j ）离散高斯函数为gi, j = ce 22。一个离散高斯模板如图2所示11222111224221274842724S16842224842212242211172211图2离散高斯模板高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身

2、和邻域内的其他像素值经过加权平均后得到。由上面图示可知，高斯函数的特点就是模板中心像素在新像素所占的比重最大， 离中心越远的像素在新像素中 所占的比重越小。高斯滤波器的系统函数是平滑的，避免了振铃现象。高斯函数具有五个重要性质：1,具有旋转对称性；2,是单值函数；3,其 付氏频谱是单瓣的；4,高斯滤波器宽度(决定平滑程度)由参数。表征；5,可分 离性，大高斯滤波器得以有效实现。三，高斯平滑滤波实现本实验中运用MATLAB来实现对图像的高斯平滑滤波。处理前的图像如图 三所示，是图像处理学习中常用的lena图像。图3原图因为平滑滤波器的作用是消除图像中的噪声，为了更好地检测高斯平滑滤波器的效果，用

3、MATLAB中的noise函数为原图加上高斯噪声，再对其进行处理， 如图4所示。图4加高斯噪声的图像接下来就可以进行高斯平滑滤波了。在MATLAB中，用fspecial函数来生成高斯模板。其使用格式为：f= fspecial('gaussian',3 3,0.5);其中3 3是棋板的大小，可以更改，本实验中的棋板均为3>3的；后面的0.5就是(T的值了。接着用imfilter函数滤波，其使用格式为：img_smooth1 =imfilter(J,f);其日J为待处理的图像，f即为高斯棋板。本实验中选择的b值为0.5, 1, 2, 4, 6, 8, 10;用MATLAB进行

4、试验来观 测滤波结果。实验程序如下：im=imread('lena.bmp');imshow(im,);title('原图')；J=imnoise(im,'gaussian');figureimshow(J,);title('加高斯噪声图');f1 = fspecial('gaussian',3 3,0.5);img_smooth1 =imfilter(J,f1);figuresubplot 221imshow(img_smooth1,);title('0.5');f2 = fspecial(

5、9;gaussian',3 3,1);img_smooth2 = imfilter(J,f2);subplot 222imshow(img_smooth2,);title('1');f3 = fspecial('gaussian',3 3,2);img_smooth3 = imfilter(J,f3);subplot 223imshow(img_smooth3,);title('2');f4 = fspecial('gaussian',3 3,4);img_smooth4 = imfilter(J,f4);subplot

6、224imshow(img_smooth4,);title('4');f5= fspecial('gaussian',3 3,8);img_smooth5 = imfilter(J,f5);figuresubplot 121imshow(img_smooth5,);title('8');f6= fspecial('gaussian',3 3,10);img_smooth6 = imfilter(J,f6); subplot 122 imshow(img_smooth6,);title('10');滤波结果如下：0.5124810四，实验结果分析：由实验结果可知，随着b值的增大，噪声滤除的越十净，但同时，图像也变 得越模糊，轮廓不活晰。当b值大于4时，随着b值的增加，滤波的效果几乎没 有变化。所以b要选取合适的