摄影网站备案,wordpress阿里云数据库,低代码开发平台免费,深圳网站建设维护中值滤波的仿真
本节选用中值滤波法对含有高斯噪声和椒盐噪声的图像进行去噪#xff0c;并用Matlab软件仿真。
#xff08;1#xff09;给图像加入均值为0#xff0c;方差为0.02的高斯噪声#xff0c;分别选择33模板、55模板和77模板进行去噪
Matlab部分代码#xff1… 中值滤波的仿真
本节选用中值滤波法对含有高斯噪声和椒盐噪声的图像进行去噪并用Matlab软件仿真。
1给图像加入均值为0方差为0.02的高斯噪声分别选择3×3模板、5×5模板和7×7模板进行去噪
Matlab部分代码
jimnoise(I,gaussian,0,0.02);
xj(:,:,1);
subplot(221);
imshow(x);
title(高斯噪声图片);
k1medfilt2(x,[3 3]);
k2medfilt2(x,[5 5]);
k3medfilt2(x,[7 7]); 仿真结果如图1-3所示。 图1-3 中值滤波法对高斯噪声去噪的仿真结果
2给图像加入噪声密度为0.02的椒盐噪声分别选择3×3模板、5×5模板和7×7模板进行去噪
Matlab部分代码
iimread(2010-03-09-2.bmp);
jimnoise(I,salt pepper,0.02);
xj(:,:,1);
subplot(221);
imshow(x);
title(椒盐噪声图片);
k1medfilt2(x,[3 3]);
k2medfilt2(x,[5 5]);
k3medfilt2(x,[7 7]); 仿真结果如图1-4所示。 从仿真结果可以看出对图像加入椒盐噪声后应用中值滤波如图1-4所示噪声的斑点几乎全部被滤去它对滤除图像的椒盐噪声非常有效。而对于高斯噪声来说如图1-3所示虽然也有一些去噪效果但效果不佳。由此可知中值滤波法运算简单易于实现而且能较好地保护边界但有时会失掉图像中的细线和小块区域。并且采用窗口的大小对滤波效果影响很大窗口越大图像去噪效果越好但代价是模糊的程度越大。 维纳滤波的仿真
选用维纳滤波法对含有高斯噪声和椒盐噪声的图像进行去噪并用Matlab软件仿真。
1给图像加入均值为0方差为0.02的高斯噪声选择3×3模板去噪
Matlab部分代码
iimread(2010-03-09-2.bmp);
jimnoise(I,gaussian,0,0.02);
xj(:,:,1);
kwiener2(x); 仿真结果如图1-5所示。 图1-5 维纳滤波法对高斯噪声去噪的仿真结果 2给图像加入噪声密度为0.02的椒盐噪声选择3×3模板去噪
Matlab部分代码
jimnoise(I,salt pepper,0.02);
xj(:,:,1);
kwiener2(x);
仿真结果如图1-6所示。 从仿真结果可以看出维纳滤波对高斯白噪声的图像滤波与邻域平均法比较 滤波效果好它比线性滤波器具有更好的选择性可以更好地保存图像的边缘和高频细节信息。虽然维纳滤波在大多数情况下都可以获得满意的结果尤其对含有高斯噪声的图像。另外维纳滤波对于椒盐噪声去除效果却不尽人意几乎没有效果。它不能用于噪声为非平稳的随机过程的情况对于向量情况应用不方便。因此维纳滤波在实际问题中应用不多。
