图像处理-图像平滑

图像平滑

• 前言
• 一、概念介绍
• • 1.1 图像的平滑
  • 1.2 图像中噪声的分类
  • 1.3 MATLAB的添加噪音代码
  • 二、空间域平滑滤波
  • • 2.1 均值滤波
    • 2.2 原理计算
    • 总结

      ---

      前言

      在图像的获取、传输和存储过程常常收到各种噪声的干扰和影响，使得图像的质量下降，为了获得高质量的数字图像。需要对图像进行消除噪声的处理。

      ---

      一、概念介绍

      1.1 图像的平滑

      通常把一直或消除噪声图像中存在的噪声而改善图像质量的过程称为图像的平滑。

      分为两大类：

      一、空域法

      借助模板运算，在像素点的领域内，利用噪声像素点特征进行滤波；

      二、频域法

      对图像进行正交变化，利用噪声对应的高频信息的特点进行滤波。

      1.2 图像中噪声的分类

      常见是高斯噪音、松柏噪音（椒盐噪音）、颗粒噪音

      1.3 MATLAB的添加噪音代码

      % 在图像在添加噪声
      Image = mat2gray( imread('S:\temp_file\matlab\DigitalImageProcessing\blueman.png') ,[0 255]);
      noiseIsp= imnoise(Image,'salt & pepper',0.1); %添加椒盐噪声，密度为0.1
      noiseIg= imnoise(Image, 'gaussian'); %添加高斯噪声，默认均值为0，方差为0.01
      subplot(1,3,1);
      imshow(Image,[0 1]); title('原始图像');
      subplot(1,3,2);
      imshow(noiseIsp,[0 1]); title('椒盐噪声图像');
      subplot(1,3,3);
      imshow(noiseIg,[0 1]); title('高斯噪声图像');
      

      运行结果

      

      

      如何在MATLAB的帮助中开启中文解释。

      

      本来想查看matlab的函数解释的，但是是英文，看不太懂。想去转换成中文版本，但是太折腾了，我没有成功。

      所以还是去去放课本上的信息吧

      

      二、空间域平滑滤波

      2.1 均值滤波

      

      2.2 原理计算

      

      简答说，就是不断地移动3*3的格子，然后计算均值，然后用计算出来的结果代替原本的格子中心的数值。对于边缘像素的数值保持不变。

      ---

      总结

      这篇文章依旧没有总结