图像的线性空间滤波matlab实现

1、线性空间滤波函数Z = imfilter(X,H,option1,option2,...)

X为输入图像矩阵，H为m*n维的掩膜矩阵，H中的数据类型必须是double类型。掩膜矩阵可以是用户定义，也可以是系统定义好的。返回矩阵Z和X有相同的数据结构和数据类型。

整个函数处理的中间过程都会使用double类型，所以不必担心中间结果的精度。

2、获取系统掩膜函数H=fspecial(type,parameters)

type为字符串，制定了掩膜类型。如'average'表示均值掩膜。H为返回的掩膜矩阵，数据类型为double.

• 正方形均值掩膜，h=fspecial('average',n),n为掩膜大小，n*n,默认值是3.
• 高斯低通掩膜，h=fspecial('gaussian',n,sigma),n为掩膜大小n*n,默认为3.sigma为高斯分布方差。
• 二维拉普拉斯掩膜'laplacian',h=fspecial('laplacian',alpha),alpha控制掩膜形状，范围是[0 1],默认值0.2，
• 反锐化掩膜'unsharp',h=fspecial('unsharp',alpha)alpha控制掩膜形状，范围是[0 1],默认值0.2
• 水平锐化掩膜'prewit',h=fspecial('prewit'),如果想用垂直锐化，则用h'
• sobel水平锐化，h=fspecial('sobel'),如果想用垂直锐化，则用h'

 clear all;

 i=imread('./pic/lena256.bmp');

 h=fspecial('sobel');

 h=h';

 z=imfilter(i,h);

 figure;

 subplot(1,2,1)

 imshow(i);

 title('原始图像')

 subplot(1,2,2)

 imshow(z)

 title('垂直锐化滤波')

3、添加噪声，是用函数Z=imnoise(A,type,parameters);其中A是要添加噪声的图像，type为添加噪声类型，.

• 　　高斯噪声Z=imnoise(A,'gausiaan',m,d);其中m是均值，d是方差
• 注意高斯噪声中，m,d指定时要注意转换，例如，对于uint8类型的图像，添加均值为100，方差为200的高斯噪声，
• m=100/255,d=200/(255^2);
• 椒盐噪声Z=imnoise(A,'salt & pepper',d),d范围是[0 ,1],表示噪声密度，即含噪声值的图像区域的百分比。默认值是0.05。噪声是最小值和最大值两种。
• 泊松分布噪声，Z=imnoise(A,'poisson')

 clear all;

 img = imread('./pic/lena256.bmp');

 nimg=imnoise(img,'salt & pepper',0.05);

 figure;

 subplot(1,2,1);

 imshow(img);

 subplot(1,2,2);

 imshow(nimg);

4、多图像平均法，在相同条件下，进行M次重复拍摄的图像相加，取平均作为输出值。z=imlincomb(k1,A1,k2,A2,k3，A,3...);

z=k1*A1+k2*A2+k3*A3...

例子：

 clear all;

 img=imread('./pic/lena256.bmp');

 n1=imnoise(img,'gaussian',,0.02);

 n2=imnoise(img,'gaussian',,0.02);

 n3=imnoise(img,'gaussian',,0.02);

 n4=imnoise(img,'gaussian',,0.02);

 n5=imnoise(img,'gaussian',,0.02);

 final = imlincomb(0.2,n1,0.2,n2,0.2,n3,0.2,n4,0.2,n5);

 figure;

 subplot(,,[ ]);

 imshow(img);

 title('原始图像');

 subplot(,,);

 imshow(n1);

 title('添加高斯噪声后的图像');

 subplot(,,);

 imshow(final);

 title('平均后的图像');