MATLAB課程設(shè)計(自適應中值濾波).doc

信息工程系課程設(shè)計報告課 程 MATLAB課程設(shè)計 專 業(yè) 通信工程 班 級 2級本科二班 學生姓名1 景 學號114學生姓名2 學號1414學生姓名3 王 學號6學生姓名4 學號31學生姓名4 學號02二一四年十二月目錄目錄2摘要：3關(guān)鍵詞：31.算法描述41.1 噪聲點41.2 窗口尺寸選擇41.3求濾波窗口內(nèi)中值，并替換像素點。42程序?qū)崿F(xiàn)52.1準備和描述52.2擴大窗口、確定窗口62.3 確定最大、最小值和中值72.4中值替換像素點 、輸出圖像8實驗結(jié)果10參考文獻10摘 要： 通過本次課程設(shè)計，主要訓練和培養(yǎng)學生綜合應用所學MATLAB課程的自適應中值的相關(guān)知識，獨立學習自適應中值濾波的原理及處理方式。學會擴大窗口并找到其區(qū)域內(nèi)的中值、最小值、以及最大值，然后用中值代替像素點。通過自主學習和查閱資料來了解程序的編寫及改進，并用MATLAB進行仿真。關(guān)鍵詞：自適應 中值濾波 灰度值 椒鹽噪聲 像素點.1.算法描述1.1 噪聲點脈沖噪聲是圖像處理中常見的一類，中值濾波器對消除脈沖噪聲非常有效。噪聲脈沖可以是正的（鹽點），也可以是負的（胡椒點），所以也稱這種噪聲為 “椒鹽噪聲”。椒鹽噪聲一般總表現(xiàn)為圖像局部區(qū)域的最大值或最小值，并且受污染像素的位置是隨機分布的，正負噪聲點出現(xiàn)的概率通常相等。圖像噪聲點往往對應于局部區(qū)域的極值。1.2 窗口尺寸選擇 濾波窗口尺寸的選擇影響濾波效果，大尺寸窗口濾波能力強， 但細節(jié)保持能力較弱；小尺寸窗口能保持圖像大量細節(jié)但其濾波性能較低。根據(jù)噪聲密度的大小自適應地選擇濾波窗口可以緩和濾波性能與細節(jié)保持之間的矛盾，同時也增加了算法的時間復雜度。從形狀看來窗口方向要沿著邊緣和細節(jié)的方向，不能穿過它們也不能把它們和周圍相差很大的像素包含在同一窗口中否則邊緣和細節(jié)會被周圍像素模糊。1.3求濾波窗口內(nèi)中值，并替換像素點。設(shè)f ij為點(i,j)的灰度,A i,j為當前工作窗口,f min、f max和f med分別為A i,j中的灰度最小值、灰度最大值和灰度中值, A max為預設(shè)的允許最大窗口。 自適應中值濾波算法的基本步驟如下: 1)f minf medf max,則轉(zhuǎn)至第2步;否則增大窗口A i,j 尺寸。若A i,j的尺寸小于A max的尺寸, 則重復第1步; 否則輸出f ij。2)f minf ijf max,則輸出f ij;否則輸出f med。 可以看出, 算法中噪聲點的檢測和認定是以f min和f max為基準的,如果f minf medf max,表明f med不是噪聲,接著根據(jù) f minf ijf max判斷f ij是否是噪聲, 當f ij與f med都不是脈沖噪聲時,優(yōu)先輸出f ij。2程序?qū)崿F(xiàn)2.1準備和描述 clear; % 清除工作空間的變量I=imread(I3_256.bmp); % 輸入圖像I=imnoise(I,salt & pepper, 0.7); % 加入椒鹽噪聲點 密度為0.7imshow(I) % 顯示圖像figure; % 控制窗口數(shù)量 先顯示一個M=I; % 賦給MI=double(I); % 確定精度 提高精度M=double(M); flag11=1; % 11是（1,1）是開始的點H=512; % H為高，L為長L=512; % 像素為512*512for i=1:H % for 從1到512 for j=1:L flag(i,j)=1; % 所有點都假定為噪點 end end 2.2擴大窗口、確定窗口 for i=1:H %大循環(huán) % i為橫坐標 j為縱坐標 for j=1:L %大循環(huán) omiga=2; % omiga=2 是最大濾波半徑 %確定窗口 while flag(i,j)=1 % 循環(huán) 恒為一 一直執(zhí)行 zuo=i-omiga; % 左減xia=j-omiga; % 下減 擴大窗口 you=i+omiga; % 右加 shang=j+omiga; % 上加 if zuo1 zuo=1; end % 擴大窗口 但不出邊界if xiaL %右、下、上運算與左同理 you=L; end if shangH shang=H;end%窗口確定結(jié)束2.3 確定最大、最小值和中值 %確定最大最小值 smin=I(i,j); % 給smin、smax初始化 smax=I(i,j); total=(you-zuo+1)*(shang-xia+1); %total是放大后的像素點的個數(shù) total=5*5=25 vect1=zeros(1,total-1); % total-1為去掉中心點 kn=1; for in=zuo:you %zuo:you xia:shang 為橫縱向掃描 for jn=xia:shang if (in=i&jn=j)=0) %“與” 00、01、10 滿足if vect1(1,kn)=I(in,jn); %把灰度值賦給vect1 kn=kn+1; end endendsmin=nanmin(vect1); %nanmin 包含缺失值的樣本的最小值smax=nanmax(vect1); %nanmax 包含缺失值的樣本的最大值smed=nanmedian(vect1); %nanmedian 包含缺失值的樣本的中值2.4中值替換像素點 、輸出圖像if (S med-S min)0&(S max-S med)0 if S minM(i,j)&M(i,j)=5 %當濾波半徑大于5時不用判斷 flag11=0; % 直接輸出 endif omiga=17 % 當濾波半徑很大時 不再判斷 flag11=0; M(i,j)=S med; % 直接等于中值 輸出 flag(i,j)=0; end end end %while %第六頁while循環(huán) end %大循環(huán) %第六頁for循環(huán) end %大循環(huán) % 第六頁for循環(huán)I=uint8(M); % 變?yōu)?位的無符號整形數(shù)據(jù)imshow(I); % 顯示圖像實驗結(jié)果 加入0.7噪點圖片 經(jīng)處理后圖片： 參考文獻荊仁杰，葉秀清.計算機圖像處理M.北京:浙江大學出版社,1988:122. 韓麗娜，耿國華基于小波變換的真彩圖像降噪與增強J計算機工程， 2010，36（12）：224225陳初俠，丁勇，劉櫟莉去除椒鹽噪聲的自適應開關(guān)加權(quán)均值