椒盐噪声和中值滤波

1、Salt-and-peppernoise产生椒盐噪声在图像中随机选取6000个点，3000设为白色，3000个设为黑色，产生椒盐噪声%#include#include#includevoidsalt(cv:Mat&image,intn)for(intk=0;kn;k+)inti=rand()%image.cols;intj=rand()%image.rows;if(image.channels()=1)image.at(j,i)=255;elseif(image.channels()=3)image.at(j,i)0=255;image.at(j,i)1=255;image.at(j,i)2=

2、255;/产生3000个白点for(intk=0;kn;k+)inti=rand()%image.cols;intj=rand()%image.rows;if(image.channels()=1)image.at(j,i)=0;elseif(image.channels()=3)image.at(j,i)0=0;image.at(j,i)1=0;image.at(j,i)2=0;/产生3000个黑点intmain()cv:Matimage;image=cv:imread(lena.jpg);salt(image,3000);cv:namedWindow(WK);cv:imshow(WK,im

3、age);cv:waitKey(0);return1;%2.中值滤波利用opencv中的cvSmooth对图像进行中值滤波。%#include#include#includeintmain()IplImage*image=cvLoadImage(wks.jpg);/cvNamedWindow(before);/cvShowImage(before,image);IplImage*im_gray=cvCreateImage(cvSize(image-width,image-height),IPL_DEPTH_8U,1);cvCvtColor(image,im_gray,CV_BGR2GRAY);

4、cvNamedWindow(Gray);cvShowImage(Gray,im_gray);cvSaveImage(im_gray.jpg,im_gray);IplImage*im_median_filter=cvCreateImage(cvSize(image-width,image-height),IPL_DEPTH_8U,1);cvSmooth(im_gray,im_median_filter,CV_MEDIAN);/默认窗大小为*3cvNamedWindow(after);cvShowImage(after,im_median_filter);/cvSaveImage(im_media

5、n.jpg,im_median_filter);cv:waitKey(0);return1;%处理前的灰度图像：处理后的灰度图像：1tip处理前的灰度图像：处理后的灰度图像：1tip原始灰度图像:3.结论:可以看出中值滤波能够较好的恢复有椒盐噪声的图像4.Matlab中值滤波:clear;clc;image=imread(gray.jpg);result=media_filter(image,7);imshow(result);imwrite(result,media_filter.jpg);%functionfunctiond=media_filter(image,m)n=m;height,

6、width=size(image);x1=double(image);x2=x1;fori=1:height-n+1forj=1:width-n+1A=x1(i:(i+n-1),j:(j+n-1);B=sort(A);C=sort(B);x2(i+(n-1)/2,j+(n-1)/2)=C(n+1)/2,(n+1)/2);endendd=uint8(x2);5.MATLAB中值滤波结果及结论：中值滤波是图像处理中的一个常用步骤，它对于斑点噪声和椒盐噪声来说尤其有用。中值滤波方法以牺牲图像清晰度为代价消除图像中的椒盐噪声。同时，中值滤波不能多次使用因为这样会使图像各个像素间趋于相同，整个图像就会变

7、得越来越模糊。7x711x11次11X11GaussNoise1.利用MATLAB向原始灰度图像中添加高斯噪声%clear;clc;image=imread(origin.jpg);noise=imnoise(image,gaussian);%添加均值为0，方差为0.01的高斯白噪声imshow(noise);title(gaussiannoise)%利用均值滤波clear;clc;image=imread(gaussnoise.jpg);result=avg_filter(image,11);imshow(result);imwrite(result,use11x11.jpg)functiond=avg_filter(x,n)%x为待处理的图像，n为模板大小a(1:n,1:n)=1;height,width=size(x);x1=double(x);x2=x1;fori=1:height-n+1forj=1:width-n+1c=x1(i:(i+n-1),j:(j+n-1).*a;取出x1中从(i,j)开始的n行n列元素与模板相乘s=sum(sum(c);x2(i+(n-1)/2,j+(n-1)/2)=s/(n*n);将与模板运算后的各元素的均值赋给模板中心位置的元素endend%未被赋值的元素取原值d=uint8(x2);的團像