平滑滤波——matlab图像处理

平滑滤波的目的是消除或尽量减少噪声，改善图像的质量。假设加性噪声是随机独立分布，这样利用图像像素领域的平均或加权平均即可有效地抑制噪声干扰。从信号分析的观点来看，图像平滑本质上是低能滤波，信号的低频部分可通过，高频的噪声信号被阻截。但由于图像边缘也处于高频部分，这样往往带来另一个问题：在对图像进行平滑处理时，往往对图像的细化造成一定程度的损坏。
领域运算可用领域与模版的卷积得到，这极大地方便了计算。
MATLAB中提供的imfliter函数用于实现图像的平滑处理，其调用格式如下。
B=imfliter（A，H）：使用多维滤波器H对图像A进行滤波（平滑）。参数A可以是任意维的二值或非奇异数值型矩阵。参数H为矩阵，表示滤波器。H常由函数fspecial输出得到。返回值B与A的维数相同。
B=imfliter（A,H，optional1，optional2，…）

参数类型	说明
X	输入图像的外边界通过X来扩展，X默认值为0
symmetric	输入图像的外部边界通过镜像反射其内部边界来扩展
circular	输入图像的别界通过假设输入图像为周期函数来扩展
relicate	输入图像的外部别界通过复制内部别界的值来扩展
same	输入和输出图像大小相等，默认操作
full	输出图像比输入图像大
corr	使用相关进行滤波（平滑）
conv	使用卷积进行滤波（平滑）

matlab中提供的fspecial函数用于创建二维滤波器：
h=fspecial（type）：
type可以是：average，disk，gaussian，laplacian，log，motion，prewitt，sobel，unsharp。

h=fspecial（type，parameters）：创建指定类型和指定参数的二维滤波器h。参数parameters为与滤波器有关的参数。
parameters可以是：n，radius，（hsize，sigma），alpha，（n，sigma），（len，theta）。

clear all;
I = imread('cameraman.tif');
subplot(2,2,1);imshow(I);
xlabel('(a)原始图像');
H = fspecial('motion',20,45);
MotionBlur = imfilter(I,H,'replicate');
subplot(2,2,2);imshow(MotionBlur);
xlabel('(b)运动模糊图像');
H=fspecial('disk',10);
blurred = imfilter(I,H,'replicate');
subplot(2,2,3);imshow(blurred);
xlabel('(c)模糊图像');
H=fspecial('unsharp');
sharpened = imfilter(I,H,'replicate');
subplot(2,2,4);imshow(sharpened);
xlabel('(d)锐化图像');

对含有高斯噪声的图像进行平滑处理。

clear all;
I = imread('coins.png');
Inoised = imnoise(I,'gaussian',0.1,0.005);%对图像进行高斯噪声加噪
%制定卷积核
h=ones(3,3)/5;
h(1,1) = 0;
h(1,3) = 0;
h(3,1) = 0;
h(1,3) = 0;
%平滑运算
I2=imfilter(Inoised,h);
subplot(1,3,1);imshow(I);
xlabel('(a)原始图像');
subplot(1,3,2);imshow(Inoised);
xlabel('(b)带噪声图像');
subplot(1,3,3);imshow(I2);
xlabel('(c)平滑后图像');

有问题还请多多指教。刚刚入门。谢谢各位大牛。