1 .平均滤波
首先创建medfilter.m文件。 代码如下所示。
function [ output ]=means filter (input，radius )
(() ) ) ) ) (() ) ) ) ) ) ) ) ) ) ) ) ) ) ) ) ) ) 652 )
% input:噪声图像
% r:图像块半径
%
% auther :高正街
% email :3170601003 @ cuit.edu.cn
% Date: 2017-12-19
(() ) ) ) ) (() ) ) ) ) ) ) ) ) ) ) ) ) ) ) ) ) ) 652 )
[mn]=size(input )； 获取%图像的矩阵维，并分别分配给m和n
output=Zeros(m，n )； 定义m*n的零矩阵，存储去噪结果图像
input_pad=padarray(input，[radius radius]，' symmetric ' )； 通过%边界延长，位于图像边缘的像素点也可以形成图像块。
% symmetric对称地重复边界区域(也称为镜像)，放大尺寸为(rr )，f为图像块半径
%例如，[2 3]意味着在垂直方向展开2行，在水平方向展开3列
针对%图像中的各像素点，按每行依次进行局部平均去噪处理
for i=1:m %行
for j=1:n %列
确定%延长图像中要修补的点的坐标
x=i radius；
y=j radius；
%确定当前像素点附近或当前点所在的图像块
neighbordhood=input _ pad (x-radius : xradius，y-radius:y radius )；
output(I，j )=median(neighbordhood ) : )； %扁平化整个图像块后取中值
结束
结束
要创建test_medfilter.m文件，请执行以下操作：
clc； 清除%命令窗口的内容
clf； 清除%图表
clear %清除原始变量
颜色映射(gray )； 设置%颜色映射。 颜色贴图是m*3矩阵，每个位置的值为0或1
img=imread(Einstein.jpg )；
input=imnoise(img，' salt pepper '； %添加椒盐噪声，默认噪声密度为0.05 (噪声密度是包含噪声值的图像区域的百分比() ) )。
output=medfilter(input，1 )； 取%半径为1，即3*3的图像块
output=uint8(output；
%figure %创建新的图形窗口
%colormap(gray ) %是m*3的矩阵，每个位置的值为0或1
clf %清除图表
subplot (2，3，1 )、imagesc (img )、xlabel ) ' img )； %原图
subplot (2，3，2 )、imagesc (input )、xlabel )、' input '； %有杂色的图像
subplot (2，3，3 )、imagesc (input-img )、xlabel )、' realnoise ' )； %计算并显示相加的噪声
subplot (2，3，4 )、imagesc (output )、xlabel (xlabel )、' output )； %处理后的图像
subplot (2，3，5 )、imagesc (input-output )、xlabel )、' residualsnoise ' )； %计算并显示多噪图像，定性比较去噪结果
将这两个文件放在同一个文件夹下，在matlab中运行test_medfilter.m即可。
2 .中值滤波
首先创建meansfilter.m文件。 代码如下所示。
function [ output ]=means filter (input，radius )
(() ) ) ) ) (() ) ) ) ) ) ) ) ) ) ) ) ) ) ) ) ) ) 652 )
% input:噪声图像
% r:图像块半径
%
% auther :高正街
% email :3170601003 @ cuit.edu.cn
% Date: 2017-12-19
(() ) ) ) ) (() ) ) ) ) ) ) ) ) ) ) ) ) ) ) ) ) ) 652 )
[mn]=size(input )； 获取%图像的矩阵维，并分别分配给m和n
output=Zeros(m，n )； 定义m*n的零矩阵，存储去噪结果图像
input_pad=padarray(input，[radius radius]，' symmetric ' )； 通过%边界延长，位于图像边缘的像素点也可以形成图像块。
% symmetric对称地重复边界区域(也称为镜像)，放大尺寸为(rr )，f为图像块半径
%例如，[2 3]意味着在垂直方向展开2行，在水平方向展开3列
weight=(2*radius1) ^2； %算术平均滤波中各像素点的权重
针对%图像中的各像素点，按每行依次进行局部平均去噪处理
for i=1:m %行
for j=1:n %列
确定%延长图像中要修补的点的坐标
x=i radius；
y=j radius；
%确定当前像素点附近或当前点所在的图像块
neighbordhood=input _ pad (x-radius : xradius，y-radius:y radius )；
output(I，j )=sum(sum ) neighbordhood ) )/weight；
结束
结束
要创建test_medfilter.m文件，请执行以下操作：
clc； 清除%命令窗口的内容
clf； 清除%图表
clear %清除原始变量
颜色映射(gray )； 设置%颜色映射。 颜色贴图是m*3矩阵，每个位置的值为0或1
img=imread(Einstein.jpg )；
input=imnoise(img，' gaussian '； 添加%高斯噪声，默认平均值为0，方差为0.01
output=度量过滤器(input，1 )； 取%半径为1，即3*3的图像块
output=uint8(output；
%figure %创建新的图形窗口
%colormap(gray ) %是m*3的矩阵，每个位置的值为0或1
clf %清除图表
subplot (2，3，1 )、imagesc (img )、xlabel ) ' img )； %原图
subplot (2，3，2 )、imagesc (input )、xlabel )、' input '； %有杂色的图像
subplot (2，3，3 )、imagesc (input-img )、xlabel )、' realnoise ' )； %计算并显示相加的噪声
subplot (2，3，4 )、imagesc (output )、xlabel (xlabel )、' output )； %处理后的图像
subplot (2，3，5 )、imagesc (input-output )、xlabel )、' residualsnoise ' )； %计算并显示多噪图像，定性比较去噪结果
将这两个文件放在同一个文件夹下，在matlab中运行test_medfilter.m即可。
附件
本文于2017年12月19日在CSDN首次发表，2017年12月23日搬到这里！