均值滤波、中值滤波的matlab实现

copy：http://blog.sina.com.cn/s/blog_40a27f6a0101nq9x.html

目前比较经典的图像去噪算法主要有以下三种：
 
均值滤波算法：也称线性滤波，主要思想为邻域平均法，即用几个像素灰度
的平均值来代替每个像素的灰度。有效抑制加性噪声，但容易引起图像模糊，
可以对其进行改进，主要避开对景物边缘的平滑处理。
 

[cpp] view plaincopy

1. %x是需要滤波的图像,n是模板大小(即n×n)  
2. function d=avg_filter(x,n)     
3. a(1:n,1:n)=1;   %a即n×n模板,元素全是1  
4. [height, width]=size(x);   %输入图像是hightxwidth的,且hight>n,width>n  
5. x1=double(x);  
6. x2=x1;  
7. for i=1:hight-n+1  
8.     for j=1:width-n+1  
9.         c=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  
10.         s=sum(sum(c));                 %求c矩阵中各元素之和  
11.         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  
12.     end  
13. end  
14. %未被赋值的元素取原值  
15. d=uint8(x2);  

中值滤波：基于排序统计理论的一种能有效抑制噪声的非线性平滑滤波信号
处理技术。中值滤波的特点即是首先确定一个以某个像素为中心点的邻域，
一般为方形邻域，也可以为圆形、十字形等等，然后将邻域中各像素的灰度
值排序，取其中间值作为中心像素灰度的新值，这里领域被称为窗口，当窗
口移动时，利用中值滤波可以对图像进行平滑处理。其算法简单，时间复杂
度低，但其对点、线和尖顶多的图像不宜采用中值滤波。很容易自适应化
 

[cpp] view plaincopy

1. %自编的中值滤波函数。x是需要滤波的图像,n是模板大小(即n×n)  
2. function d=mid_filter(x,n)     
3. [height, width]=size(x);   %输入图像是p×q的,且p>n,q>n  
4. x1=double(x);  
5. x2=x1;  
6. for i=1:height-n+1  
7.     for j=1:height-n+1  
8.         c=x1(i:i+(n-1),j:j+(n-1)); %取出x1中从(i,j)开始的n行n列元素,即模板(n×n的)  
9.         e=c(1,:);      %是c矩阵的第一行  
10.         for u=2:n  
11.             e=[e,c(u,:)];     %将c矩阵变为一个行矩阵      
12.         end  
13.         mm=median(e);      %mm是中值  
14.         x2(i+(n-1)/2,j+(n-1)/2)=mm;   %将模板各元素的中值赋给模板中心位置的元素  
15.     end  
16. end   
17. %未被赋值的元素取原值  
18. d=uint8(x2);  

 

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

另一个版本：

[plain] view plaincopy

1. a=imread('lena_0.005.bmp');  
2. a=double(a);  
3. [dep,wide]=size(a);  
4. new_image=ones(size(a));  
5. for i=3:dep-2  
6.     for j=3:wide-2  
7.         new_image(i,j)=median([a(i-2,j-2) a(i-2,j-1) a(i-2,j) a(i-2,j+1) a(i-2,j+2) a(i-1,j-2) a(i-1,j-1) a(i-1,j) a(i-1,j+1) a(i-1,j+2) a(i,j-2) a(i,j-1) a(i,j) a(i,j+1) a(i,j+2) a(i+1,j-2) a(i+1,j-1) a(i+1,j) a(i+1,j+1) a(i+1,j+2) a(i+2,j-2) a(i+2,j-1) a(i+2,j) a(i+2,j+1) a(i+2,j+2)]);  
8.     end  
9. end  
10.   
11. for i=3:dep-2 %处理每一行的最头上两个和最边上2个  
12.     new_image(i,1)=new_image(i,3);  
13.     new_image(i,2)=new_image(i,3);                                                                                                      new_image(i,wide)=new_image(i,wide-2);  
14.     new_image(i,wide-1)=new_image(i,wide-2);    
15. end  
16.   
17. new_image(1,:)=new_image(3,:); %把第三行的所有元素赋值给第一行  
18. new_image(2,:)=new_image(3,:);  
19. new_image(dep,:)=new_image(dep-2,:);%把倒数第二行的所有元素值赋给最后一行  
20. new_image(dep-1,:)=new_image(dep-2,:);  
21.   
22.     figure  
23.     imshow(uint8(a))  
24.     figure  
25.     imshow(uint8(new_image))  
26.       
27.    % imwrite(uint8(new_image),'lena_0.005_median_5.bmp','bmp')  
28.       
29.       
30.       

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%5
。
Wiener
维纳滤波：使原始图像和其恢复图像之间的均方误差最小的复原方法，
是一种自适应滤波器，根据局部方差来调整滤波器效果。对于去除高斯噪声
效果明显。

 

另： 高斯滤波函数：

 

[cpp] view plaincopy

1. %自编的高斯滤波函数，S是需要滤波的图象，n是均值，k是方差  
2. function d=gaussfilt(k,n,s)   
3. Img = double(s);   
4. n1=floor((n+1)/2);%计算图象中心   
5. for i=1:n   
6.     for j=1:n   
7.       b(i,j) =exp(-((i-n1)^2+(j-n1)^2)/(4*k))/(4*pi*k);   
8.     end   
9. end   
10. %生成高斯序列b。  
11. Img1=conv2(Img,b,'same'); %用生成的高斯序列卷积运算，进行高斯滤波  
12. d=uint8(Img1);  

 

主函数：

 

 

[cpp] view plaincopy

1. %此为程序主文件，包含主要功能单元，以及对子函数进行调用  
2. try  
3. %实验步骤一：彩色、灰度变换  
4. h=imread('photo.jpg'); %读入彩色图片  
5. c=rgb2gray(h); %把彩色图片转化成灰度图片，256级  
6. figure,imshow(c),title('原始图象'); %显示原始图象  
7. g=imnoise(c,'gaussian',0.1,0.002); %加入高斯噪声  
8. figure,imshow(g),title('加入高斯噪声之后的图象'); %显示加入高斯噪声之后的图象  
9.   
10. %实验步骤二：用系统预定义滤波器进行均值滤波  
11. n=input('请输入均值滤波器模板大小\n');  
12. A=fspecial('average',n); %生成系统预定义的3X3滤波器  
13. Y=filter2(A,g)/255;           %用生成的滤波器进行滤波,并归一化  
14. figure,imshow(Y),title('用系统函数进行均值滤波后的结果'); %显示滤波后的图象  
15.   
16. %实验步骤三:用自己的编写的函数进行均值滤波  
17. Y2=avefilt(g,n);     %调用自编函数进行均值滤波，n为模板大小  
18. figure,imshow(Y2),title('用自己的编写的函数进行均值滤波之后的结果'); %显示滤波后的图象  
19.   
20. %实验步骤四:用Matlab系统函数进行中值滤波  
21. n2=input('请输入中值滤波的模板的大小\n');  
22. Y3=medfilt2(g,[n2 n2]);   %调用系统函数进行中值滤波，n2为模板大小   
23. figure,imshow(Y3),title('用Matlab系统函数进行中值滤波之后的结果'); %显示滤波后的图象  
24.   
25. %实验步骤五:用自己的编写的函数进行中值滤波  
26. Y4=midfilt(g,n2);      %调用自己编写的函数进行中值滤波，  
27. figure,imshow(Y4),title('用自己编写的函数进行中值滤波之后的结果');  
28.   
29. %实验步骤六:用matlab系统函数进行高斯滤波  
30. n3=input('请输入高斯滤波器的均值\n');  
31. k=input('请输入高斯滤波器的方差\n');  
32. A2=fspecial('gaussian',k,n3);      %生成高斯序列  
33. Y5=filter2(A2,g)/255;              %用生成的高斯序列进行滤波  
34. figure,imshow(Y5),title('用Matlab函数进行高斯滤波之后的结果');    %显示滤波后的图象  
35.   
36. %实验步骤七:用自己编写的函数进行高斯滤波  
37. Y6=gaussfilt(n3,k,g); %调用自己编写的函数进行高斯滤波，n3为均值，k为方差  
38. figure,imshow(Y6),title('用自编函数进行高斯滤波之后的结果');      %显示滤波后的图象  
39.   
40. catch           %捕获异常  
41.     disp(lasterr);     %如果程序有异常，输出  
42. end