1、數(shù)字圖像處理 實驗三 空域濾波 實驗報告一、實驗?zāi)康?了解空域濾波的方法； 掌握幾種模板的基本原理。二、實驗內(nèi)容 使用函數(shù)fspecial( ) 生成幾種特定的模板； 使用函數(shù)imfilter( ) 配合模板對圖象數(shù)據(jù)進行二維卷積； 比較各種濾波器的效果。三、實驗步驟及結(jié)果（1）線性平滑（低通）濾波器1.用h=fspecial(average) 得到的h 為3×3的鄰域平均模板，然后用h進行平滑處理。x=imread(cameraman.tif);h=fspecial(average) ;%h=fspecial(average,7,7);y=imfilter(x,h);figure(

2、1);imshow(x)figure(2);imshow(y)原圖：濾波效果：2. 改變模板大小重試x=imread('cameraman.tif');%h=fspecial(average); h=fspecial('average',7,7);y=imfilter(x,h);figure(1);imshow(x)figure(2);imshow(y)原圖：處理效果：Gaussian平滑改變 fspecial( )的參數(shù)為高斯函數(shù)，再進行同樣的平滑處理，觀察其結(jié)果。x=imread(cameraman.tif);h=fspecial(gaussian) /3&

3、#215;3的鄰域平均模板(7×7的鄰域平均模板h=fspecial(gaussian,7,7)y=imfilter(x,h);實際程序：x=imread('cameraman.tif');h=fspecial('gaussian') %3×3的鄰域平均模板(7×7的鄰域平均模板h=fspecial(gaussian,7,7)y=imfilter(x,h);subplot(121);imshow(x);subplot(122);imshow(y);模板大小為3,3，左為原圖，右為處理后效果模板大小為7,7，左為原圖，右為處理后效果模

4、板大小為11,11，左為原圖，右為處理后效果改變模板大小為 7,7、9,9、11,11，觀察實驗得到的結(jié)構(gòu)有何變化？結(jié)果：高斯模板對結(jié)果影響較小，為什么？答：簡單地說，這是由于高斯濾波中越靠近中心點的點的權(quán)重越大，在很大程度上減弱了較遠點的干擾，所以即使模版大小較大，其效果仍遠遠好過“不知親疏遠近變化”的鄰域平均模板。具體地說，高斯濾波是一種線性平滑濾波，適用于消除高斯噪聲，廣泛應(yīng)用于圖像處理的減噪過程。通俗的講，高斯濾波就是對整幅圖像進行加權(quán)平均的過程，每一個像素點的值，都由其本身和鄰域內(nèi)的其他像素值經(jīng)過加權(quán)平均后得到。高斯濾波的具體操作是：用一個模板(或稱卷積、掩模)掃描圖像中的每一個像素

5、，用模板確定的鄰域內(nèi)像素的加權(quán)平均灰度值去替代模板中心像素點的值。一般的模板為3×3或5×5大小，其權(quán)值分布如下圖：若使用3×3模板，則計算公式如下:g(x,y)=f(x-1,y-1)+f(x-1,y+1)+f(x+1,y-1)+f(x+1,y+1)+f(x-1,y)+f(x,y-1)+f(x+1,y)+f(x,y+1)*2+f(x,y)*4/16;其中，f(x,y)為圖像中(x,y)點的灰度值，g(x,y)為該點經(jīng)過高斯濾波后的值。用mesh 函數(shù)直觀觀察模板h1=fspecial('gaussian',100,3); x y=meshgrid(

6、1:100); mesh(x,y,h1); h2=fspecial('gaussian',100,10); figuremesh(x,y,h2)（2）非線性平滑濾波器中值（median）濾波器是非線性濾波器的一種，它工作原理如下：1. 將模板在圖中漫游，并將模板中心與圖中某個象素位置重合；2. 讀取模板下各對應(yīng)象素的灰度值；3. 將這些灰度值從小到大排成一列；4. 找出這些值中排在中間的1個；5. 將這個中間值賦給對應(yīng)模板中心位置的象素。非線性中值濾波步驟對圖象添加胡椒鹽噪聲（salt&pepper）,然后分別用前面的均值濾波器和中值濾波器medfilt2( ) 進行去

7、噪聲處理，并給出比較結(jié)果。中值濾波和均值濾波代碼：x=imread('eight.tif');h=imnoise(x,'salt & pepper',0.02);%改變噪聲的大小試一試？y=medfilt2(h);subplot(2,2,1)imshow(x)subplot(2,2,2)imshow(y)y1=fspecial(average) ;subplot(2,2,3)imshow(x)subplot(2,2,4)imshow(y1)椒鹽噪聲大小是0.02，左側(cè)兩圖是原圖，右上是中值濾波，右下是均值濾波椒鹽噪聲大小是0.10，左側(cè)兩圖是原圖，右上是

8、中值濾波，右下是均值濾波發(fā)現(xiàn)中值濾波對圖像邊緣的噪聲無能為力，而均值濾波則可以較好地去除邊緣噪聲。對圖像的清晰度，只能說差別不大，半斤八兩，都勉強及格吧。（3）線性銳化濾波器線性銳化濾波器的模板為h= -1 -1 -1; -1 8 -1;-1 -1 -1; 用該模板對圖象進行銳化處理；代碼：x=imread('cameraman.tif');h= -1 -1 -1; -1 8 -1; -1 -1 -1y=imfilter(x,h);subplot(1,2,1)imshow(x)subplot(1,2,2)imshow(y)也可以fspecial('laplacian&#

9、39;) 函數(shù)得到銳化模板；代碼：x=imread('cameraman.tif');h= fspecial('laplacian')y=imfilter(x,h);subplot(1,2,1)imshow(x)subplot(1,2,2)imshow(y)sobel算子索貝爾（sobel）算子 h1= -1 0 1;-2 0 2;-1 0 1; h2= 1 2 1; 0 0 0;-1 -2 -1;分別使用以上算子對圖象進行處理可以得到圖象的邊緣。x=imread('cameraman.tif');h1= -1 0 1; -2 0 2;-1 0

10、1;y=imfilter(x,h);subplot(1,2,1)imshow(x)subplot(1,2,2)imshow(y)x=imread('cameraman.tif');h2= 1 2 1; 0 0 0;-1 -2 -1;y=imfilter(x,h2);subplot(1,2,1)imshow(x)subplot(1,2,2)imshow(y)Canny算子Help edgecanny、sobel、Prewitt、LOG等Canny邊緣檢測算子是John F. Canny于 1986 年開發(fā)出來的一個多級邊緣檢測算法。Sobel算子主要用作邊緣檢測。在技術(shù)上，它是一離散性差分算子，用來運算圖像亮度函數(shù)的梯度之近似值。在圖像的任何一點使用此算子，將會產(chǎn)生對應(yīng)的梯度矢量或是其法矢量Prewitt算子是一種一階微分算子的邊緣檢測，利用像素點上下、左右鄰點的灰度差，在邊緣處