多媒體圖像處理實驗——均值濾波實驗報告

圖像增強圖像增強 均值濾波：均值濾波： 一實驗原理一實驗原理 均值濾波也稱為線性濾波，其采用的主要方法為鄰域平均法。鄰域平均法的思想是用 像素及其指定鄰域內像素的平均值或加權平均值作為該像素的新值，即對待處理的當前像 素點（x，y），選擇一個模板，該模板由其近鄰的若干像素組成，求模板中所有像素的均 值，再把該均值賦予當前像素點（x，y），作為處理后圖像在該點上的灰度 g（x，y），即 g（x，y）=1/m f（x，y），m 為該模板中包含當前像素在內的像素總個數。 鄰域平均法的數學含義可用下式表示： 處理圖像邊緣點時模板會超出圖像范圍，為了輸出結果和原圖像大小一致，應先 將原圖像擴展后再進行處理，即生成一個比原圖像大一些的矩陣，將原圖像置于矩陣的中 心位置。擴展方法可選擇直接加零或對稱擴展。具體擴展大小跟模板大小有關。 均值濾波本身存在著固有的缺陷，即它不能很好地保護圖像細節，在圖像去噪的同時 也破壞了圖像的細節部分，從而使圖像變得模糊，不能很好地去除噪聲點。 二實驗內容二實驗內容 用大小為 55 的算術均值濾波器對圖 1 圖像進行處理，在不同窗口中顯示原圖像 及各處理結果圖像。 圖 1待處理圖像 3實驗程序實驗程序 %對邊緣進行拓展再進行 5*5 濾波 clear I=imread(D:lvbo.jpg);%讀入原圖像 figure() subplot(121);%顯示原圖像 imshow(I); title(before); M,N=size(I); new=ones(M+4,N+4);%定義對原圖像進行邊沿拓展之后的新圖像 new(3:(M+2),3:(N+2)=I(1:M,1:N);%3 到 M+2 行，3 到 N+2 列與原圖像相等 new(1,3:N+2)=I(2,:);%行對稱拓展 new(2,3:N+2)=I(1,:); new(M+3,3:N+2)=I(M,:); new(M+4,3:N+2)=I(M-1,:); new(:,1)=new(:,4);%列對稱拓展 new(:,2)=new(:,3); new(:,N+3)=new(:,N+2); new(:,N+4)=new(:,N+1); for i=1:M;%1 到 M 行，1 到 N 列用 5*5 模板循環計算均值并賦值給中間數即進行均值濾波 for j=1:N; A=new(i:i+4,j:j+4); B=A(:); B=mean(B); new(i+2,j+2)=B; end; end; C=new(3:M+2,3:N+2);%顯示均值濾波后的圖像 subplot(122); imshow(C,); title(after); 4結果分析結果分析 經過均值濾波前后圖像如圖 2 所示，由圖可以看出，均值濾波后，明顯的去除了原圖 像中頻率較高的椒鹽噪聲，但是處理之后的圖像相比較于原圖像變模糊，所以均值濾波效 果并不理想。 beforeafter 圖 2均值濾波前后圖像 五總結五總結 未對原圖像進行邊沿拓展時直接進行均值濾波，發現處理之后的原圖像邊沿仍有椒 鹽噪聲未去除，故為了輸出結果和原圖像大小一致，應先將原圖像擴展后再進行處理，即 生成一個比原圖像大一些的矩陣，將原圖像置于矩陣的中心位置。 圖像拓展時應對稱拓展，對拓展之后的圖像再進行均值濾波，但顯示處理之后的圖 像時，還應顯示與原圖像大小相同的圖像，而不是拓展之后的大小。 實驗過程中還遇到某些小問題，像如果要對某一矩陣的所有元素取均值，應先將矩 陣轉換為一列，再使用 mean 函數，否則則是對矩陣中的每一列取均值。 用 imshow(image)顯示處理后的圖像時，在 workspace 中檢查發現元素值均正 確，但顯示的圖像為一系列雜亂的點，改用 imshow(image,)顯示時，顯示正確。 imshow(image,)中，中括號表示擴展顯示數據的范