基于MATLAB的滤波算法

目前比较经典的图像去噪算法主要有以下三种：

均值滤波：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。

%x是需要滤波的图像,n是模板大小(即n×n)

function d=avg_filter(x,n)

a(1:n,1:n)=1; %a即n×n模板,元素全是1

[height, width]=size(x); %输入图像是hightxwidth的,且hight>n,width>n

x1=double(x);

x2=x1;

for i=1:hight-n+1

for j=1:width-n+1

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

s=sum(sum(c)); %求c矩阵中各元素之和

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

end

end

%未被赋值的元素取原值

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

%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)

function d=mid_filter(x,n)

[height, width]=size(x); %输入图像是p×q的,且p>n,q>n

x1=double(x);

x2=x1;

for i=1:height-n+1

for j=1:height-n+1

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)

e=c(1,:); %是c矩阵的第一行

for u=2:n

e=[e,c(u,:)]; %将c矩阵变为一个行矩阵

end

mm=median(e); %mm是中值

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

end

end

%未被赋值的元素取原值

d=uint8(x2);