《有关滤波中值滤波的论文.doc》由会员分享，可在线阅读，更多相关《有关滤波中值滤波的论文.doc（12页珍藏版）》请在三一办公上搜索。
1、创见性声明本人声明：所呈交的毕业论文是本人在指导教师的指导下进行的工作和取得的成果，论文中所引用的他人已经发表或撰写过的研究成果，均加以特别标注并在此表示致谢。与我一同工作的同志对本论文所做的任何贡献也已在论文中作了明确的说明并表示谢意。毕业论文作者签名： 签字日期： 年 月 日本科毕业设计（论文）版权使用授权书本毕业设计（论文）作者完全了解中国民航大学有关保留、使用毕业设计（论文）的规定。特授权大学可以将毕业设计（论文）的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交毕业设计（论文）的复印件和磁盘。（保密的毕业
2、论文在解密后适用本授权说明）毕业论文作者签名： 指导教师签名：签字日期： 年 月 日 签字日期： 年 月 日摘 要3.3.1线性滤波（邻域平均） 线性低通滤波器最常用的是线性平滑滤波器，这种滤波器的所有系数都是正的，也称邻域平均。淋浴平均减弱或消除了傅里叶变换的高频分量，对噪声的消除有所增强，但是由于平均而使图像变得更为模糊，细节的锐化程度逐渐减弱。 下面使用不同的平滑模板对图像进行滤波：（二维线性滤波fliter2）程序代码：I=imread(cameraman.tif);Imshow(I)Title(原始图像)J=imnoise(I,salt&pepper); %添加椒盐噪声，噪声密度为默
3、认值0.05Figure,imshow(J)Title(添加盐椒噪声后的图像)K1=filter2(fspecial(average,3),J)/255; %应用3*3邻域窗口法figure,imshow(K1)Title(3*3窗口的邻域平均滤波图像)K2=filter2(fspecial(average,7),J)/255; %应用7*7邻域窗口法figure,imshow(K2)Title(7*7窗口的邻域平均滤波图像)K3=filter2(fspecial(average,8),J)/255; %应用9*9邻域窗口法figure,imshow(K3)Title(9*9窗口的邻域平均滤波
4、图像)K4=filter2(fspecial(average,11),J)/255; %应用11*11邻域窗口法figure,imshow(K4)Title(11*11窗口的邻域平均滤波图像)3.3.2中值滤波中值滤波可以保留目标边缘，这是中值滤波器相对于均值滤波器的最大优势。中值滤波具有去噪的性能，可以消除孤立的噪声点，可以用来减弱随机干扰，但是边缘不模糊。程序代码：I=imread(cameraman.tif);Imshow(I)Title(原始图像)J=imnoise(I,salt&pepper,0.02); %添加盐椒噪声，噪声密度为0.02figure,imshow(J)title(
5、添加盐椒噪声后的图像)K1=medfilt2(J); %在默认的3*3的邻域窗中进行中值滤波Figure,imshow(K1)Title(默认的3*3的邻域窗的中值滤波图像)K2=medfilt2(J,5 5); %在5*5的邻域窗中进行中值滤波figure,imshow(K2)title(5*5的邻域窗的中值滤波图像) 从上可见，中值滤波的效果要比邻域平均的低通滤波效果好，中值滤波以后的图像的轮廓比较清晰，而且使用较小的模板得到的视觉效果反而好一些。3.3.3 锐化滤波 图像锐化处理的目的是是模糊图像变得清晰，锐化滤波器减弱或消除了傅里叶空间的低频分量，保留高频分量，从而加强了图像的轮廓，使
6、图像看起来比较清晰。下面应用Laplacian算子对图像进行锐化处理：Laplacian算子是线性二次微分算子，其格式为：h=fspecial(laplacian,alpha),返回一个3*3的滤波器来近似二维Laplacian算子的形状，参数alpha决定了Laplacian算子的形状，alpha的取值范围为0.01.0，默认的值为0.2。程序代码：%应用Laplacian算子对图形进行锐化I=imread(cameraman.tif);imshow(I)title(原始图像)H=fspecial(laplacian);%应用Laplacian算子滤波锐化图像laplacianH=filte
7、r2(H,I);figure,imshow(laplacianH)title(laplacian算子锐化后的图像)分析：由图可以看出，应用了Laplacian算子对图像锐化以后，将图像区域的边缘轮廓勾划了出来，因此Laplacian算子对于边缘检测也具有很好的功效。4.边缘检测下面利用soble算子对图像进行边缘检测： 使用edge函数实现图像的边缘检测，其调用格式为： BW=edge(I,soble,thresh,direction)根据指定的敏感阈值thresh用soble算子对图像进行边缘检测，edge函数忽略了所有小于阈值的边缘，如果没有指定阈值thresh或为空，函数自动选择参数值，
8、direction指定soble算子边缘检测的方向，其参数值为horizontal，vertical，both（默认）。程序代码：I=imread(cameraman.tif);Imshow(I)Title(原始图像)BW=edge(I, soble);%以自动阈值选择方法对图像进行soble算子边缘检测figure,imshow(BW);Title(自动阈值的soble算子边缘检测)BW,thresh=edge(I,soble);%返回当前soble算子边缘检测的阈值Disp(soble算子自动选择的阈值为：)disp(thresh)BW1=edge(I,soble,0.02,horizon
9、tal);%以阈值为0.02水figure,imshow(BW);Title(自动阈值的soble算子边缘检测)BW,thresh=edge(I,soble);%返回当前soble算子边缘检测的阈值Disp(soble算子自动选择的阈值为：)disp(thresh)BW1=edge(I,soble,0.02,horizontal);%以阈值为0.02平方向对图像进行soble算子边缘检测figure,imshow(BW1)title(阈值为0.02的水平方向的soble算子检测)BW2=edge(I,soble,0.02,vertical);%以阈值为0.02垂直方向对图像进行soble算子边
10、缘检测figure,imshow(BW2)title(阈值为0.02的垂直方向的soble算子检测)BW3=edge(I,soble,0.05,horizontal);%以阈值为0.05平方向对图像进行soble算子边缘检测figure,imshow(BW3)title(阈值为0.05的水平方向的soble算子检测)BW4=edge(I,soble,0.05,vertical);%以阈值为0.05垂直方向对图像进行soble算子边缘检测figure,imshow(BW4)title(阈值为0.05的垂直方向的soble算子检测)测试结果图： soble算子自动阈值选择为0.1433由图可以看出
11、，在采用水平和垂直方向的soble算子对图像进行边缘检测时，分别对应的水平和垂直方向上的边缘有较强的响应，阈值越小，检测的图像的边缘细节数越多，而增大阈值时，有些轮廓则未能检测出。其用法和soble算子类似。其调用格式为：BW=edge(I,prewitt,thresh,direction)根据指定的敏感阈值thresh用prewitt算子对图像进行边缘检测。程序代码：I=imread(cameraman.tif);Imshow(I)Title(原始图像)BW=edge(I,prewitt);%以自动阈值选择法对图像进行prewitt算子边缘检测Figure,imshow(BW);Title(
12、自动阈值的prewitt算子边缘检测)BW,thresh=edge(I,prewitt);%返回当前prewitt算子边缘检测的阈值disp（prewitt算子自动选择的阈值为：）disp（thresh）BW1=edge(I,prewitt,0.02,horizontal);%以阈值为0.02水平方向对图像进行prewitt算子边缘检测figure,imshow(BW1)title(阈值为0.02的水平方向的prewitt算子检测)BW2=edge(I,prewitt,0.02,vertical);%以阈值为0.02垂直方向对图像进行prewitt算子边缘检测figure,imshow(BW2)title(阈值为0.02的垂直方向的prewitt算子检测)BW3=edge(I,prewitt,0.05,horizontal);%以阈值为0.05水平方向对图像进行prewitt算子边缘检测figure,imshow(BW3)title(阈值为0.05的水平方向的prewitt算子检测)BW4=edge(I,prewitt,0.05,vertical);%以阈值为0.05垂直方向对图像进行prewitt算子边缘检测figure,imshow(BW4)title(阈值为0.05的垂直方向的prewitt算子检测)测试结果：prewitt算子自动选择的阈值为：0.1399
