1、將下面代碼直接貼入matlab中，并將讀入圖像修改成自己機子上的，就可以運行了。可以按照“%”順序分步來運行% function 自適應中值濾波器%實現兩個功能：%1.對高密度的椒鹽噪聲有好的濾除效果；%2.濾波時減少對圖像的模糊；%原理：%1.椒鹽噪聲概率越大，濾波器窗口需越大。故若濾波器窗口隨噪聲概率自適應變化，才能有好的濾除效果%2.為減少對圖像的模糊，需在得出原圖像值并非椒鹽噪聲點時，保留原圖像值不變；%3.椒鹽噪聲點的特點：該點的值為該點領域上的最大或最小；%步驟（得到圖像中某點(x,y)（即窗口中心點）的值的步驟）：%1.設定一個起始窗口，以及窗口的最大尺寸；%2.（此步用于確定窗

2、口大小）對窗口內像素排序，判斷中值是否是噪聲點，若不是，繼續第3步，若是，轉到第5步；%3.判斷中心點是否是噪聲點，若不是，則輸出該點的值（即圖像中該點的原值不變）；若是，則輸出中值；%4.窗口尺寸增大，若新窗口尺寸小于設定好的最大值，重復第2步，若大于，則濾波器輸出前一個窗口的中值；%參數說明：%被噪聲污染的圖像（即退化圖像也即待處理圖像）:Inoise%濾波器輸出圖像：Imf%起始窗口尺寸:nmin*nmin(只取奇數)，窗口尺寸最大值：nmax*nmax%圖像大小:Im*In%窗口內圖像的最大值Smax,中值Smed,最小值Smin %clearclf% 讀入圖像II=imread(&#

3、39;e:/photo/cat.jpg');%轉化為灰度圖IgIg=rgb2gray(I);%被密度為0.2的椒鹽噪聲污染的圖像InoiseInoise=imnoise(Ig,'salt & pepper',0.2);%或者是被方差為0.2的高斯噪聲污染的圖像Inoise%Inoise=imnoise(Ig,'gaussian',0.2);%顯示原圖的灰度圖Ig和噪聲圖像Inoisesubplot(2,2,1),imshow(Ig);xlabel('a.原始灰度圖像');subplot(2,2,2),imshow(Inoise);

4、xlabel('b.被噪聲污染的圖像');% 定義參數%獲取圖像尺寸:Im,InIm,In=size(Inoise);%起始窗口尺寸:nmin*nmin(窗口尺寸始終取奇數)nmin=3;%最大窗口尺寸:nmax*nmaxnmax=9;%定義復原后的圖像ImfImf=Inoise;%為了處理到圖像的邊界點，需將圖像擴充%因為窗口尺寸是彈性的，所以將Inoise固定擴充到最大:I_ex(Im+(nmax-1)*(In+(nmax-1)I_ex=zeros(nmax-1)/2,In+(nmax-1);zeros(Im,(nmax-1)/2),Inoise,zeros(Im,(nma

5、x-1)/2);zeros(nmax-1)/2,In+(nmax-1);% 自適應濾波過程%遍歷圖像Inoise中的每一點for x=1:Im for y=1:In for n=nmin:2:nmax %圖像Inoise中的某點(x,y)的領域Sxy，對應在I_ex中為(x+(nmax-1)/2-(n-1)/2:x+(nmax-1)/2-(n-1)/2+(n-1),y+(nmax-1)/2-(n-1)/2:y+(nmax-1)/2-(n-1)/2+(n-1) Sxy=I_ex(x+(nmax-1)/2-(n-1)/2:x+(nmax-1)/2+(n-1)/2,y+(nmax-1)/2-(n-1

6、)/2:y+(nmax-1)/2+(n-1)/2); Smax=max(max(Sxy);%求出窗口內像素的最大值 Smin=min(min(Sxy);%求出窗口內像素的最小值 Smed=median(median(Sxy);%求出窗口內像素的中值 %判斷中值是否是噪聲點 if Smed>Smin && Smed<Smax %若中值既大于最小值又小于最大值，則不是 %是，則退出該if語句，增大窗口尺寸，再次判斷 %不是，則判斷該點的原值是不是噪聲點 if Imf(x,y)<=Smin | Imf(x,y)>=Smax %若該點的原值既大于最小值又小于最大值，則不是 %不是，則輸出原值，即不作處理 %是，則輸出中值 Imf(x,y)=Smed; end break %有輸出則不再進行循環判斷 end end %當n=max時，輸出中值 Imf(x,y)=Smed; endendsubplot(2,2,3),imshow(Imf);xlabel('d.最大尺寸為9的自適應中值濾波器的濾波效果');% 與普通中值濾波器的對比Imf1=medfilt2(Inoise