图象加权中值滤波的MATLAB实现

medfilt3rar] - 这是一个有关matlab的中值滤波的程序

[enhance1rar] - 加权中值滤波，用于图像增强，只用于超声图像，对超声图像去噪有很好的效果。内还包括信噪比计算方法。

[040920108rar] - 均值滤波,加权滤波,中值滤波的MATLAB实例,用于图象及信号的处理

[200707171150342030rar] - 一种新的加权中值滤波的快速算法pdf 内有vc的实现程序 可快速实现加权中值

[1111rar] - 自适应中值滤波，对图像的椒盐噪声有很好的滤除效果，非常不错的程序

[WeightedMedianFilterAlgorithmforImageProcessingra] - 提出了一种基于相似度函数的自适应加权中值滤波算法。该方法首先通过噪声检测确定图像中的噪声点,然后 根据窗口内噪声点的个数自适应地调整滤波窗口的尺寸,并根据相似度大小,巧妙地将滤波窗口内各个像素点自适应分 组并赋予相应的权重,最后对检测出的噪声点进行加权中值滤波。计算机模拟实验结果表明:该算法既能

[3Matlabrar] - 程序代码说明 P0301：数字图像矩阵数据的显示及其傅立叶变换 P0302：二维离散余弦变换的图像压缩 P0303：采用灰度变换的方法增强图像的对比度 P0304：直方图均匀化 P0305：模拟图像受高斯白噪声和椒盐噪声的影响 P0306：采用二维中值滤波函数me

[medianfilter(matlab)rar] - 本程序是对均值滤波方法和中值滤波方法的去噪效果对比的MATLAB程序

2 噪声及其噪声的 Matlab 实现

imnoise 函数

格式：J=imnoise(I,type)

J=imnoise(I,type,parameter)

说明：J=imnoise(I,type) 返回对图像 I 添加典型噪声后的有噪图像 J ，参数 type 和 parameter 用于确定噪声的类型和相应的参数。

加权领域平均算法来进行滤波处理

由实验我们可以看出，一般的滤波器在对图像进行噪声滤除的同时对图像中的细节部分有不同程度的破坏，都不能达到理想的效果。但是采用加权的邻域平均算法对图像进行噪声滤除， 不仅能够有效地平滑噪声， 还能够锐化模糊图像的边缘。 加权的邻域平均算法的基本思想是: 在一个邻域内， 除了可以利用灰度均值外， 灰度的上偏差和下偏差也能够提供某些局部信息。算法的计算公式描述如下， 用f (x ，y ) 表示原始图像， g (x ， y ) 为平滑后点(x ， y ) 的灰度值，V x ， y 表示以点(x ， y ) 为中心的邻域， 该邻域包含N 个象素，m (x ， y ) 表示邻域V x ， y 内的灰度均值。NI表示邻域内大于平均值的像素个数，Ng表示小于平均值的像素个数，而N0表示等于平均值的像素个数。则修正的邻域平均法由下式给出:

m - A�0�3 m l； N l > max{N g ，N 0}

g(x，y)= m + A�0�3 m g； N g > max{N l ，N 0} (1)

m ；　　else

(1)式(1) 中， A为修正系数， 取值范围为0～ 1， 其大小反映V x ， y 中的边缘状况。 以上是我认为在图像处理中比较有价值的两点，有兴趣的可以上网查阅相关的资料。

3 图像滤波的 Matlab 实现

31 conv2 函数

功能：计算二维卷积

格式：C=conv2(A,B)

C=conv2(Hcol,Hrow,A)

C=conv2(,'shape')

说明：对于 C=conv2(A,B) ，conv2 的算矩阵 A 和 B 的卷积，若 [Ma,Na]＝size(A), [Mb,Nb]=size(B), 则 size(C)=[Ma+Mb-1,Na+Nb-1]; C=conv2(Hcol,Hrow,A) 中，矩阵 A 分别与 Hcol 向量在列方向和 Hrow 向量在行方向上进行卷积；C=conv2(,'shape') 用来指定 conv2 返回二维卷积结果部分，参数 shape 可取值如下：

》full 为缺省值，返回二维卷积的全部结果；

》same 返回二维卷积结果中与 A 大小相同的中间部分；

valid 返回在卷积过程中，未使用边缘补 0 部分进行计算的卷积结果部分，当 size(A)>size(B) 时，size(C)=[Ma-Mb+1,Na-Nb+1]。

32 conv 函数

功能：计算多维卷积

格式：与 conv2 函数相同

33 filter2函数

功能：计算二维线型数字滤波，它与函数 fspecial 连用

格式：Y=filter2(B,X)

Y=filter2(B,X,'shape')

说明：对于 Y=filter2(B,X) ，filter2 使用矩阵 B 中的二维 FIR 滤波器对数据 X 进行滤波，结果 Y 是通过二维互相关计算出来的，其大小与 X 一样；对于 Y=filter2(B,X,'shape') ，filter2 返回的 Y 是通过二维互相关计算出来的，其大小由参数 shape 确定，其取值如下：

》full 返回二维相关的全部结果，size(Y)>size(X)；

》same 返回二维互相关结果的中间部分，Y 与 X 大小相同；

》valid 返回在二维互相关过程中，未使用边缘补 0 部分进行计算的结果部分，有 size(Y)<size(X) 。

34 fspecial 函数

功能：产生预定义滤波器

格式：H=fspecial(type)

H=fspecial('gaussian',n,sigma) 高斯低通滤波器

H=fspecial('sobel') Sobel 水平边缘增强滤波器

H=fspecial('prewitt') Prewitt 水平边缘增强滤波器

H=fspecial('laplacian',alpha) 近似二维拉普拉斯运算滤波器

H=fspecial('log',n,sigma) 高斯拉普拉斯（LoG）运算滤波器

H=fspecial('average',n) 均值滤波器

H=fspecial('unsharp',alpha) 模糊对比增强滤波器

说明：对于形式 H=fspecial(type) ，fspecial 函数产生一个由 type 指定的二维滤波器 H ，返回的 H 常与其它滤波器搭配使用。

1线性平滑滤波器

用MATLAB实现领域平均法抑制噪声程序：

I=imread(' c4jpg ');

subplot(231)

imshow(I)

title('原始图像')

I=rgb2gray(I);

I1=imnoise(I,'salt & pepper',002);

subplot(232)

imshow(I1)

title(' 添加椒盐噪声的图像')

k1=filter2(fspecial('average',3),I1)/255; %进行33模板平滑滤波

k2=filter2(fspecial('average',5),I1)/255; %进行55模板平滑滤波k3=filter2(fspecial('average',7),I1)/255; %进行77模板平滑滤波

k4=filter2(fspecial('average',9),I1)/255; %进行99模板平滑滤波

subplot(233),imshow(k1);title('33 模板平滑滤波');

subplot(234),imshow(k2);title('55 模板平滑滤波');

subplot(235),imshow(k3);title('77 模板平滑滤波');

subplot(236),imshow(k4);title('99 模板平滑滤波');

2中值滤波器

用MATLAB实现中值滤波程序如下：

I=imread(' c4jpg ');

I=rgb2gray(I);

J=imnoise(I,'salt&pepper',002);

subplot(231),imshow(I);title('原图像');

subplot(232),imshow(J);title('添加椒盐噪声图像');

k1=medfilt2(J); %进行33模板中值滤波

k2=medfilt2(J,[5,5]); %进行55模板中值滤波

k3=medfilt2(J,[7,7]); %进行77模板中值滤波

k4=medfilt2(J,[9,9]); %进行99模板中值滤波

subplot(233),imshow(k1);title('33模板中值滤波');

subplot(234),imshow(k2);title('55模板中值滤波 ');

subplot(235),imshow(k3);title('77模板中值滤波');

subplot(236),imshow(k4);title('99 模板中值滤波');

3状态统计滤波器：ordfilt2函数

Y=ordfilt2(X,order,domain)

由domain中非0元素指定邻域的排序集中的第order个元素代替X中的每个元素。Domain是一个仅包括0和1的矩阵，1仅定义滤波运算的邻域。

Y=ordfilt2(X,order,domain,S)

S与domain一样大，用与domain的非0值相应的S的值作为附加补偿。

4二维自适应除噪滤波器：wiener2函数

wiener2函数估计每个像素的局部均值与方差，该函数用法如下：

J=wiener2(I,[M N],noise)

使用M×N大小邻域局部图像均值与偏差，采用像素式自适应滤波器对图像I进行滤波。

[J,noise]=wiener2(I,[M N])

滤波前还有估计附加噪声的能量。

5特定区域滤波

MATLAB图像处理工具箱中提供的roifilt2函数用于对特定区域进行滤波，其语法格式为：

J=roifilt2(h,I,BW)

其功能是：使用滤波器h对图像I中用二值掩模BW选中的区域滤波。

J=roifilt2(I,BW,fun)

J=roifilt2(I,BW,fun,P1,P2,…)

其功能是：对图像I中用二值掩模BW选中的区域作函数运算fun，其中fun是描述函数运算的字符串，参数为P1、P2、…。返回图像J在选中区域的像素为图像I经fun运算的结果，其余部分的像素值为I的原始值。

例：对指定区域进行锐化滤波的程序清单：

I=imread('eighttif');

c=[222 272 300 272 222 194];

r=[21 21 75 121 121 75];

BW=roipoly(I,c,r);

h=fspecial('unsharp');

J=roifilt2(h,I,BW);

subplot(1,2,1);imshow(I);

subplot(1,2,2);imshow(J);

由运行结果可知：右上角的硬币发生了变化，而其他硬币保持不变。

随便写了一个方法，没优化，运行速度有点慢。对于图像范围边界，只跟图像内部点做均值。

clear

all

clc

A=imread('manuo1jpg');

A=im2double(A);

subplot(1,2,1)

imshow(A);

[line,row]=size(A);

lines=0;

rows=0;

linee=0;

rowe=0;

temp=0;

B=[];

for

i=1:1:line

for

j=1:1:row

lines=i-1;

linee=i+1;

rows=j-1;

rowe=j+1;

if

i==1

lines=1;

linee=2;

end

if

i==line

lines=line-1;

linee=line;

end

if

j==1

rows=1;

rowe=2;

end

if

j==row

rows=row-1;

rowe=row;

end

temp=0;

for

m=lines:1:linee

for

n=rows:1:rowe

temp=temp+A(m,n);

end

end

B(i,j)=temp/((linee-lines+1)(rowe-rows+1));

end

end

subplot(1,2,2)

imshow(B);