图像增强—空域滤波实验报告
图像增强实验报告
课程: 数字图像处理实验日期: 2012年 4 月日成绩：实验一图像增强与平滑一．实验目的及要求1．了解MATLAB的操作环境和基本功能。
2．掌握MATLAB中图像增强与平滑的函数的使用方法。
3．加深理解图像增强与平滑的算法原理。
二．实验原理图像增强的目的是改善图像的视觉效果，或者使图像更适合于人或机器进行分析处理。
通过图像增强，可以减少图像中的噪声，提高目标与背景的对比度，也可以强调或抑制图像中的某些细节。
从处理的作用域出发，图像增强可以分为空间域法和频率域法。
前者在空间域直接对像素进行处理，后者在图像的变换域内处理，然后经逆变换获得增强图像。
图像增强技术主要有：空域变换增强、空域滤波增强、频域增强。
点运算可以在空域内进行图像灰度修正、图像灰度变换以及图像直方图修正。
空域滤波增强主要应用平滑滤波器、中值滤波器以及锐化滤波器。
频域增强主要应用高通滤波和同态滤波。
图像增强还包括图像的伪彩色处理。
彩色图像中包含有丰富的细节信息,为了获得清晰的彩色图像,保护原有的彩色信息,消除亮度不够对彩色图像像质的影响, 应用图像增强技术对彩色图像进行处理,既可以得到清晰的彩色图像,又可以保护原有的彩色信息。
总之图像增强技术就是对图像中感兴趣的特征有选择地突出,而衰减其不需要的特征。
三、实验内容（一）研究以下程序，分析程序功能；输入执行各命令行，认真观察命令执行的结果。
熟悉程序中所使用函数的调用方法，改变有关参数，观察试验结果。
（可将每段程序保存为一个.m文件）1．直方图均衡化clear all; close all % Clear the MATLAB workspace of any variables% and close open figure windows.I = imread('pout.tif'); % Rea ds the sample images ‘ pout.tif’, and stores it inimshow(I) % an array named I.display the imagefigure, imhist(I) % Create a histogram of the image and display it in% a new figure window.[I2,T] = histeq(I); % Histogram equalization.figure, imshow(I2) % Display the new equalized image, I2, in a new figure window.figure, imhist(I2) % Create a histogram of the equalized image I2.figure,plot((0:255)/255,T); % plot the transformation curve.课程: 数字图像处理实验日期: 2012年 4 月日成绩：imwrite (I2, 'pout2.png'); % Write the newly adjusted image I2 to a disk file named% ‘pout2.png’.imfinfo('pout2.png') % Check the contents of the newly written file功能：直方图均衡化的基本思想是将原始图像的直方图变换为均匀分布的形式，从而增加图像灰度的动态范围，达到增强图像对比度的效果。
实验四 图像增强
信息工程学院实验报告课程名称：数字图像处理Array实验项目名称：实验四图像增强实验时间：班级：姓名：学号：一、实验目的1.了解图像增强的目的及意义，加深对图像增强的感性认识，巩固所学理论知识。
2. 掌握图像空域增强算法的基本原理。
3. 掌握图像空域增强的实际应用及MATLAB实现。
4. 掌握频域滤波的概念及方法。
5. 熟练掌握频域空间的各类滤波器。
6.掌握怎样利用傅立叶变换进行频域滤波。
7. 掌握图像频域增强增强的实际应用及MATLAB实现。
二、实验步骤及结果分析1. 基于幂次变换的图像增强程序代码：clear all;close all;I{1}=double(imread('fig534b.tif'));I{1}=I{1}/255;figure,subplot(2,4,1);imshow(I{1},[]);hold onI{2}=double(imread('room.tif'));I{2}=I{2}/255;subplot(2,4,5);imshow(I{2},[]);hold onfor m=1:2Index=0;for lemta=[0.5 5]Index=Index+1;F{m}{Index}=I{m}.^lemta;subplot(2,4,(m-1)*4+Index+1),imshow(F{m}{Index},[])endend执行结果：图1 幂次变换增强结果实验结果分析：由实验结果可知，当r<1时，黑色区域被扩展，变的清晰；当r>1时，黑色区域被压缩，变的几乎不可见。
2.直方图规定化处理程序代码：clear allclcclose all%0.读图像I=double(imread('lena.tiff'));subplot(2,4,1);imshow(I,[]);title('原图')N=32;Hist_image=hist(I(:),N);Hist_image=Hist_image/sum(Hist_image);Hist_image_cumulation=cumsum(Hist_image);%累计直方图subplot(245);stem(0:N-1,Hist_image);title('原直方图');%1.设计目标直方图Index=0:N-1;%正态分布直方图Hist{1}=exp(-(Index-N/2).^2/N);Hist{1}=Hist{1}/sum(Hist{1});Hist_cumulation{1}=cumsum(Hist{1});subplot(242);stem([0:N-1],Hist{1});title('规定化直方图1');%倒三角形状直方图Hist{2}=abs(2*N-1-2*Index);Hist{2}=Hist{2}/sum(Hist{2});Hist_cumulation{2}=cumsum(Hist{2});subplot(246);stem(0:N-1,Hist{2});title('规定化直方图2');%2. 规定化处理Project{1}=zeros(N);Project{2}=zeros(N);Hist_result{1}=zeros(N);Hist_result{2}=zeros(N);for m=1:2Image=I;%SML处理(SML,Single Mapping Law单映射规则for k=1:NTemp=abs(Hist_image_cumulation(k)-Hist_cumulation{m});[Temp1,Project{m}(k)]=min(Temp);end%2.2 变换后直方图for k=1:NTemp=find(Project{m}==k);if isempty(Temp)Hist_result{m}(k)=0;elseHist_result{m}(k)=sum(Hist_image(T emp));endendsubplot(2,4,(m-1)*4+3);stem(0:N-1,Hist_result{m}); title(['变换后的直方图',num2str(m)]);%2.3结果图Step=256/N;for K=1:NIndex=find(I>=Step*(k-1)&I<Step*k) ;Image(Index)=Project{m}(k);endsubplot(2,4,(m-1)*4+4),imshow(Imag e,[]);title(['变换后的结果图',num2str(m)]);end执行结果：原图规定化直方图2变换后的直方图1变换后的结果图1变换后的直方图2变换后的结果图2图2 直方图规定化实验结果分析：由实验结果可知，采用直方图规定化技术后，原图的直方图逼近规定化的直方图，从而有相应的变换后的结果图1和变换后的结果图2。
《数学实验》实验报告——空域变换在图像增强中的应用
试验过程（含详细试验步骤、程序清单及异常情况记录等）
I=imread('D:\11.jpg'); subplot(2,2,1); imshow(I); 导入图像 title('原始图片'); K=imadd(I,-50); %对图像的每个像素减去一个参数 subplot(2,2,2); 进行代数运算，调整亮度 imshow(K); title('调整亮度的图片'); I=double(I); %对数运算不支持 unit8 类型，将图像转换为 double 类型 J=log(I+1); %进行灰度的对数变换 subplot(2,2,3); 进行对数变换， 调整对比 imshow(mat2gray(J)); title('调整对比度的图片'); x=[35 558 346 103]; y=[253 250 17 148]; %指定 xi 和 yi 的参数，避免交互式的处理模式 subplot(2,2,4); improfile(I,x,y),grid on内容
****
学号
****
姓名 试验 类别
****
成绩 试验 时间 2011.5.20 -2011.5.27
空域变换在图像增强中的应用
自选试验
试验问题：
1）Matlab 在图像处理中有什么显著功能？ 2）图像预处理阶段中的数学原理？ 3）空域变换在图像处理中反应图像的什么信息？
试验目的：
1）利用 MATLAB 程序进行图像增强； 2）掌握空域变换的概念及其原理； 3）熟练对数变换和图像加法的计算过程； 4）理解强度描述图的含义。
问题分析（可含问题的背景、相关知识、数学建模与求解的方法等） ：
图像处理系统可以分为三个阶段，在获取原始图像后，首先是图像的预处理阶段，第 二是特征抽取阶段，第三是识别分析阶段。图像预处理尤为重要，而图像增强是图像预处 理中的重要方法。 图像增强是指按特定的需要突出一幅图像中的某些信息，同时，消弱或去除某些不需 要的信息的处理方法。其主要目的是处理后的图像对某些特定的应用比原来的图像更加有 效。图像增强技术主要有空域增强方法与频域增强方法。本实验以几类空域增强方法为主， 探讨对图像处理的应用。 空域增强方法指的是直接在图像所在的空间进行处理，也就是在像素组成的空间里直 接对像素进行操作。而空域增强方法又分有两类：1.基于像素点；2.基于模板。 强度描述图是将红绿蓝三色分离，各自均表达独立的线条，Matlab 图像处理工具箱提 供了 improfile 函数用于得到图像中的一条线段或多条线段强度值，并绘制图形。 对图像增加对比度有很多方法，如直方图、对数变换、gramma 等。这里只讨论对数变 换可以扩展低值灰度，压缩高值灰度，这样可以使低值灰度的图像细节更容易看清楚。对 数变换的灰度映像采用的表达式是 g x, y log( f ( x, y) 1) 。 代数运算也可以实现图像的增强，代数运算是指对两幅图像进行像素点对像素点的加 减乘除或计算而得到输出图像的运算。对于相加和相乘的情况，可以不仅有两幅图像参加 运算。 Matlab 提供了一些函数来进行图像的代数运算， 这里只探讨最基础的运算——加减。
数字图像处理实验报告——图像增强实验
实验报告课程名称数字图像处理导论专业班级_______________姓名_______________学号_______________电气与信息学院和谐勤奋求是创新2.编写函数w = genlap lacia n(n)，自动产生任一奇数尺寸n的拉普拉斯算子，如5×5的拉普拉斯算子w = [ 1 1 1 1 11 1 1 1 11 1 -24 1 11 1 1 1 14.采用不同的梯度算子对b lurry_moon.tif进行锐化滤波，并比较其效果。
[I,m ap]=im read('trees.tif');I=double(I);subplo t(2,3,1)imshow(I,m ap);title(' Original Im age');[Gx,Gy]=gradie nt(I); % gradie n t calcul ationG=sqrt(Gx.*Gx+Gy.*Gy); % matrixJ1=G; % gradie nt1subplo t(2,3,2)imshow(J1,m ap);title(' Operator1 Im age');J2=I; % gradie nt2 K=find(G>=7);J2(K)=G(K);subplo t(2,3,3)im show(J2,m ap);title(' Operator2 Im age');J3=I; % gradie n t3 K=find(G>=7);J3(K)=255;subplo t(2,3,4)im show(J3,m ap);title(' Operator3 Im age');J4=I; % gradie n t4 K=find(G<=7);J4(K)=255;subplo t(2,3,5)im show(J4,m ap);title(' Operator4 Im age');J5=I; % gradie nt5 K=find(G<=7);J5(K)=0;Q=find(G>=7);J5(Q)=255;subplo t(2,3,6)im show(J5,m ap);title(' Operator5 Im age');5.自己设计锐化空间滤波器，并将其对噪声图像进行处理，显示处理后的图像；附录：可能用到的函数和参考结果**************报告里不能用参考结果中的图像1)采用3×3的拉普拉斯算子w = [ 1, 1, 1; 1 – 8 1; 1, 1, 1]滤波I=im read('moon.tif');T=double(I);subplo t(1,2,1),im show(T,[]);title('Origin al Im age');w =[1,1,1;1,-8,1;1,1,1];K=conv2(T,w,'sam e');subplo t(1,2,2)im show(K);title('Laplacian Transf orm ation');图2.9 初始图像与拉普拉斯算子锐化图像2)编写函数w = genlap lacia n(n)，自动产生任一奇数尺寸n的拉普拉斯算子，如5×5的拉普拉斯算子：w = [ 1 1 1 1 11 1 1 1 11 1 -24 1 11 1 1 1 11 1 1 1 1]functi on w = genlap lacia n(5)%Com put es the Laplac ian operat orw = ones(n);x = ceil(n/2);w(x, x) = -1 * (n * n - 1);3)分别采用5×5，9×9，15×15和25×25大小的拉普拉斯算子对blurry_mo on.tif进行锐化滤波，并利用式完成图像的锐化增强，观察其有何不同，要求在同一窗口中显示。
实验一空域图像增强技术
实验一空域图像增强技术实验一、空域图像增强技术班级: 学号： 姓名：实验时间： 实验学时：2学时一、实验目的1、结合实例学习如何在视频显示程序中增加图像处理算法；2、理解和掌握图像的线性变换和直方图均衡化的原理和应用；3、了解平滑处理的算法和用途，学习使用均值滤波、中值滤波和拉普拉斯锐化进行图像增强处理的程序设计方法；4、了解噪声模型及对图像添加噪声的基本方法。
二、实验原理1、灰度线性变换就是将图像中所有点的灰度按照线性灰度变换函数进行变换。
)],([),(y x f T y x g =⎪⎩⎪⎨⎧<≤+-<≤+-≤≤=255),(]),([),( ]),([),(0 ),(),(y x f b g b y x f by x f a g a y x f a y x f y x f y x g b a γβαn y m x ΛΛ,2,1 ,,,2,1== 2、直方图均衡化通过点运算将输入图像转换为在每一级上都有相等像素点数的输出图像。
按照图像概率密度函数PDF 的定义：1,...,2,1,0 )(-==L k n n r p k k r通过转换公式获得：1,...,2,1,0 )()(00-====∑∑==L k n n r p r T s k j k j j j r k k3、均值（中值）滤波是指在图像上，对待处理的像素给定一个模板，该模板包括了其周围的临近像素。
将模板中的全体像素的均值（中值）来代替原来像素值的方法。
4、拉普拉斯算子如下：⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--------111181111拉普拉斯算子首先将自身与周围的8个像素相减，表示自身与周围像素的差异，再将这个差异加上自身作为新像素的灰度。
三、 实验步骤1、启动MATLAB 程序，对图像文件分别进行灰度线性变换（参考教材50页，例4.1）、直方图均衡化（参考教材56页，例4.6）、均值滤波（参考教材60页，例4.9）、中值滤波（参考教材64页，例4.11）和梯度锐化操作（参考教材66页，例4.12）。
图像空域增强
本科生实验报告（二）姓名:学院:专业:信息安全班级:信息安全实验课程名称:数字图像处理与分析实验日期:2013 年 4 月 25 日指导教师及职称:王云峰实验成绩:开课时间：2012-2013 学年第 2 学期甘肃政法学院实验管理中心印制灰度变换（对数变换）2. 空域滤波空域滤波:基于邻域处理，应用某一模板对每个像素及其周围邻域的所有像含噪声的图像三阶Butterworth原图加噪图常用的两种非线性扩展方法:(1)对数扩展:基本形式: g(x,y)=lg[f(x,y)]实际应用中一般取自然对数变换，具体形式如下：g(x,y)=C•ln[f(x,y)+1][f(x,y)+1]是为了避免对零求对数，C为尺度比例系数，用于调节动态范围。
变换函数曲线:(2)指数扩展:基本形式: g(x,y)=bf(x,y)实际应用中，为了增加变换的动态范围，一般需要加入一些调制参数。
具体形式如下：g(x,y)=bc[f(x,y)-a]-1 ，参数a可以改变曲线的起始位置，参数c可以改变曲线的变化速率.指数扩展可以对图像的高亮度区进行大幅扩展.灰度直方图灰度直方图是灰度值的函数，它描述了图像中各灰度值的像素个数。
通常用横坐标表示像素的灰度级别，纵坐标表示对应的灰度级出现的频率（像素的个数）。
频率的计算公式为：p(r)=nr ，nr是图像中灰度为r的像素数。
常用的直方图是规格化和离散化的，即纵坐标用相对值表示。
设图像总像素为N，某一级灰度像素数为nr，则直方图表示为：p(r)= nr /N 灰度直方图反映了一幅图像的灰度分布情况。
直方图均衡化通过把原图像的直方图通过变换函数修正为分布比较均匀的直方图，从而改的反变换用下式表示.。
数字图像处理 实验报告(完整版)
数字图像处理实验一 MATLAB数字图像处理初步一、显示图像1．利用imread( )函数读取一幅图像，假设其名为lily.tif，存入一个数组中；2．利用whos 命令提取该读入图像flower.tif的基本信息；3．利用imshow()函数来显示这幅图像；实验结果如下图：源代码：>>I=imread('lily.tif')>> whos I>> imshow(I)二、压缩图像4．利用imfinfo函数来获取图像文件的压缩，颜色等等其他的详细信息；5．利用imwrite()函数来压缩这幅图象，将其保存为一幅压缩了像素的jpg文件,设为lily.jpg；语法：imwrite(原图像，新图像，‘quality’,q), q取0-100。
6．同样利用imwrite()函数将最初读入的tif图象另存为一幅bmp图像，设为flily.bmp。
7．用imread()读入图像Sunset.jpg和Winter.jpg；8．用imfinfo()获取图像Sunset.jpg和Winter.jpg的大小；9．用figure,imshow()分别将Sunset.jpg和Winter.jpg显示出来，观察两幅图像的质量。
其中9的实验结果如下图：源代码：4~6(接上面两个) >>I=imread('lily.tif')>> imfinfo 'lily.tif'；>> imwrite(I,'lily.jpg','quality',20);>> imwrite(I,'lily.bmp');7~9 >>I=imread('Sunset.jpg');>>J=imread('Winter.jpg')>>imfinfo 'Sunset.jpg'>> imfinfo 'Winter.jpg'>>figure(1),imshow('Sunset.jpg')>>figure(2),imshow('Winter.jpg')三、二值化图像10．用im2bw将一幅灰度图像转化为二值图像，并且用imshow显示出来观察图像的特征。
《数字图像处理》上机实验报告2
数字图像处理上机实验报告实验名称：图像增强学期：2014/2015上学期班级：电子信息工程1102姓名：**学号：**********实验时间：2014.11.03实验二：图像增强1 目的1.了解图像空域增强或频域增强的基本原理及二者的区别.2.掌握基于模板的空域增强技术、直方图变换空域增强技术:用模板实现图像的平滑和锐化.3.掌握频域滤波的基本原理,包括:低通、高通、带通、带阻和同态滤波,要求实现其中一种的滤波4.了解伪彩色图像增强的原理和方法2 器材1.BMP格式灰度图像2.MAtlab软件3.台式PC机3 原理图像增强分为空域增强和频域增强，空域增强有灰度变换增强，直方图变换增强，平滑增强，中值滤波，模板滤波和高能滤波等。
r(x,y)是输入图像，s(x,y)是输出图像T(.)是对图像的运算如果求某个s(x0, y0) ，只需位置(x0, y0)的像素值，则称此处理为点操作，也称灰度变换如果需要位置(x0, y0)及其邻域的像素值，则称为模板操作图像增强：改善图像质量，使图像更适合观察的图像处理技术突出更多细节；对比度更合适；边缘增强；去除噪声增强的标准带有主观性；没有完全通用的标准和技术；取决于图像希望达到的特定效果一、灰度变换强度当我们为了突出不同灰度的区间，或者要减弱某部分灰度，就可以使用灰度变换，下面我使用分段线性变换对灰度进行处理。
灰度线性变换设f(x,y)是原图像的灰度值，(x,y)是变换后的灰度值，下图就是对不同区间的线性变换，灰度变换与变量x,y没有关系，这里只关系f,g函数值也就是灰度值的变换，下面就是线性变换的公式其实，可以得出曲线只要是在y=x下的就是减弱的，因为灰度比原来的减小了。
二、直方图变换增强直方图均衡化是使原直方图变换为具有均匀密度分布的直方图，然后按该直方图调整原图像的一种图像处理技术。
直方图均衡化通常用来增加许多图像的全局对比度，均衡化的标准就是以空域面积（像素总数）这种方法对于背景和前景都太亮或者太暗的图像非常有用，这种方法尤其是可以带来X光图像中更好的骨骼结构显示以及曝光过度或者曝光不足照片中更好的细节。
数字图像处理-图像增强-空域滤波
s at b
w( s, t ) f ( x s, y t )
s at b
a
b
w( s, t )
a
b
特点：既平滑了噪声，又保证边缘不至于模糊。
（四）模板平滑法：以上方法可归结为消噪掩模法
基于模板的处理，相当于模板与原图像的卷积。即
滤波器实现 ——> 邻域运算：
R k0 s0 k1s1 k8 s8
Y s4 s3 s0 s7 s2 s1 s8 X k4 k5 k6 k3 k0 k7 k2 k1 k8 X 0 x y R Y
y
s5 s6
0
x
空域滤波
线性滤波,滤波器模板m×n ，令m=2a+1，n=2b+1，则
下图给出了两种从图像阵列中选取邻域的方法：
图(a)的方法是一个点的邻域，定义为以该点为中 心的一个圆的内部或边界上的点的集合。图中像 素间的距离为△x，选取△x 为半径作圆，那么， 点 R 的灰度值就是圆周上四个像素灰度值的平均 值。 图 (b) 是 选 2x 为 半 径 的 情 况 下 构 成 的 点 R 的邻域，选择在圆的边界上的点和在圆内的点为 S 的集合。
线性平滑滤波器
（二）阈值法
处理结果表明，上述选择邻域的方法对抑制噪 声是有效的，但是随着邻域的加大，图像的模
糊程度也愈加严重。为克服这一缺点，可以采
用阈值法减少由于邻域平均所产生的模糊效应
。
线性平滑滤波器
其基本方法由下式决定：
1 f (m, n) g ( x, y ) M ( m,n )s f ( x, y ) 1 若 f ( x, y ) M 其他
图像增强实验报告
图像增强实验报告篇一：图像处理实验报告——图像增强实验报告学生姓名：刘德涛学号:2010051060021指导老师：彭真明日期：2013年3月31日一、实验室名称：光电楼329、老计算机楼309机房二、实验项目名称：图像增强三、实验原理：图像增强是为了使受到噪声等污染图像在视觉感知或某种准则下尽量的恢复到原始图像的水平之外，还需要有目的性地加强图像中的某些信息而抑制另一些信息，以便更好地利用图像。
图像增强分频域处理和空间域处理，这里主要用空间域的方法进行增强。
空间域的增强主要有：灰度变换和图像的空间滤波。
1.灰度变换灰度变换主要有线性拉伸、非线性拉伸等。
灰度图像的线性拉伸是将输入图像的灰度值的动态范围按线性关系公式拉伸到指定范围或整个动态范围。
令原图像f(x,y)的灰度变化范围为[a,b]，线性变换后图像g(x,y)的范围为[a',b']，线性拉伸的公式为：b'?a'g(x,y)?a?[f(x,y)?a] b?a灰度图像的非线性拉伸采用的数学函数是非线性的。
非线性拉伸不是对图像的灰度值进行扩展，而是有选择地对某一灰度范围进行扩展，其他范围的灰度值则可能被压缩。
常用的非线性变换：对数变换和指数变换。
对数变换的一般形式：g(x,y)?a?ln[f(x,y)?1] blnc指数变换的一般形式：g(x,y)?bc[f(x,y)?a]?1（a,b,c用于调整曲线的位置和形状的参数。
）2.图像的空间滤波图像的空间滤波主要有图像的空域平滑和锐化。
图像的平滑是一种消除噪声的重要手段。
图像平滑的低频分量进行增强，同时抑制高频噪声，空域中主要的方法有领域平均、中值滤波、多帧相加平均等方法。
图像锐化能使图像的边缘、轮廓处的灰度具有突变特性。
图像的锐化主要有微分运算的锐化，包括梯度法和拉普拉斯法算子。
四、实验目的：1．熟悉和掌握利用Matlab工具进行数字图像的读、写、显示等数字图像处理基本步骤。
图像增强—空域滤波实验报告
图像增强—空域滤波实验报告篇一：5.图像增强—空域滤波 - 数字图像处理实验报告计算机与信息工程学院验证性实验报告一、实验目的进一步了解MatLab软件/语言，学会使用MatLab对图像作滤波处理，使学生有机会掌握滤波算法，体会滤波效果。
了解几种不同滤波方式的使用和使用的场合，培养处理实际图像的能力，并为课堂教学提供配套的实践机会。
二、实验要求(1)学生应当完成对于给定图像+噪声，使用平均滤波器、中值滤波器对不同强度的高斯噪声和椒盐噪声，进行滤波处理；能够正确地评价处理的结果；能够从理论上作出合理的解释。
(2)利用MATLAB软件实现空域滤波的程序：I=imread('electric.tif');J = imnoise(I,'gauss',0.02); %添加高斯噪声 J = imnoise(I,'salt & pepper',0.02); %添加椒盐噪声ave1=fspecial('average',3); %产生3×3的均值模版ave2=fspecial('average',5); %产生5×5的均值模版 K = filter2(ave1,J)/255; %均值滤波3×3 L = filter2(ave2,J)/255; %均值滤波5×5 M = medfilt2(J,[3 3]);%中值滤波3×3模板 N = medfilt2(J,[4 4]); %中值滤波4×4模板 imshow(I);figure,imshow(J); figure,imshow(K); figure,imshow(L); figure,imshow(M); figure,imshow(N);三、实验设备与软件(1) IBM-PC计算机系统(2) MatLab软件/语言包括图像处理工具箱(Image Processing Toolbox) (3) 实验所需要的图片四、实验内容与步骤a) 调入并显示原始图像Sample2-1.jpg 。
2空域图像滤波实验（邻域平均法、中值滤波法）
《图像处理技术》课程 第2次实验报告试验名称：空域图像滤波实验（邻域平均法、中值滤波法）一、试验目的1.培养学生理解中值滤波的方法2.掌握图像处理的基本方法二、试验设备1、PC 机一台，windows 操作系统；2、CCS 编程环境；三、试验原理中值滤波是由图基（Turky ）在1971年提出的，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近真实值，从而消除孤立的噪声点。
对于奇数个元素，中值是指按大小排序后中间的数值；对于偶数个元素，中值是指排序后中间两个元素灰度值的平均值。
对序列而言，中值的定义是这样的：若1,...,n x x 为一组序列，先把其按大小排列为：123i i i in x x x x ≤≤≤≤ 则该序列的中值y 为：{}12121221n 2n i n n n i i x n y Med x x x x x +⎛⎫⎪⎝⎭+⎛⎫ ⎪⎝⎭⎧⎪⎪==⎨⎡⎤⎪+⎢⎥⎪⎢⎥⎣⎦⎩ 为奇数为偶数(11.5)公式11.2.5中，若把一个点的特定长度或形状的邻域作为窗口，在一维情况下，中值滤波器是一个含有奇数个像素的滑动窗口。
窗口中中间那个像素的值用窗口各像素值的中值来代替，设输入序列为{},∈i x i I ，I 为自然数集合或子集，窗口长度为n ，且令12-=n u ，则滤波器的输出为:{}{}-+==i i i u i i u y Med x Med x x x(11.6)公式11.2.6表明i 点的中值仅与窗口前后个点的中值有关，i y 为序列i x 的中值。
若把公式11-2中，中值滤波的概念推广到二维并利用某种形式的二维窗口。
则可对二维中值滤波做如下定义：设(){}2,,∈ij x i j I 表示数字图像各点的灰度值，滤波窗口为A ，ij x 点的中值，则:{}()()(){}2+*+==,,,i,j,I ij ij j r j s Ay Med x Med x r s A ∈∈(11.7)公式11.7为窗口是A的x点的中值表达式，二维中值滤波的窗口通常选为3*3，5*5ij区域，可以取方形，也可以取近似圆形或十字形。
图像增强实验报告
实验报告六学院：物理与机电工程学院系：电子科学系专业：无线电年级：09级姓名：***学号：**************组别：4实验时间：2012年04月11日晚上指导老师签字：实验六图像增强一．实验目的:１．巩固灰度变换、直方图处理、空间域滤波和频率域滤波的基本原理；２．掌握应用MATLAB语言对二维图像进行图像增强；二．实验内容1.像素值及其统计特性:写一个m文件，读入一副RGB真彩色图像，应用pixval、impixel、improfile和imcontour命令，显示该真彩色图像三基色的颜色数据值、像素灰度分布曲线以及等高线。
2.直接灰度变换:读入一副图像，根据图6.7(a)变换该图像的灰度值，其中Dc=120，Da’=10，Dc’=150，Db’=200。
3.直方图灰度变换:读入一副图像，将灰度范围从[10 105]映射到[80 180]，并用不同的γ(0.6,1,1.5)对图像进行修正，并显示结果及相应的直方图；读入一副图像，做直方图均衡化处理。
4.空间域滤波增强:1). 读入一副图像，加入相应的噪声，用线性滤波模板进行空间平滑滤波，用中值滤波函数进行滤波；2).将平滑滤波后的图像用拉氏算子模板进行锐化；根据理论构造梯度算子模板，并用构造后的模板对平滑滤波后的图像进行锐化；3).用fspecial生成滤波器，并用imfilter和filter2两个滤波命令，对加入噪声后的图像进行滤波处理。
5.频率增强:根据理论，对加入噪声的图像进行频率域低通滤波处理，及对滤波处理后的图像进行频率域高通滤波处理。
三.实验结果＆结果分析：1.解答：Pixval函数过时，无法在MATLAB2008上运行；下图分别为图3和图5：2.解答：3.解答：4.解答：(1)(2)(3)5.解答：。
数字图像处理技术-图像增强--空域、频域滤波
实验五图像增强--空域、频域滤波课程名称：数字图像处理技术实验日期：2015-11-03 成绩：班级：姓名：学号：一、实验目的1．了解图像空域滤波、频域滤波的基本操作；2．掌握噪声模拟和图像滤波函数的使用方法3. 实现彩色图像的增强。
二、实验内容1. （基础题）制作自己的GUI用户界面，实现图像在空域中的均值滤波、中值滤波、锐化滤波；（提高题）定义自己的过滤器实现锐化滤波。
2. （基础题）在GUI中，实现图像的频域滤波：低通滤波、高通滤波。
3. （基础题）在GUI中，实现彩色图像增强：伪彩色增强、假彩色增强、真彩色增强。
三、实验代码function pushbutton1_Callback(hObject, eventdata, handles)% hObject handle to pushbutton1 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)clear;figureA=imread('1.jpg');B=rgb2gray(A);h1=ones(7,7)/49;B2=imfilter(B,h1);h2=ones(9,9)/81;B3=imfilter(B,h2);subplot(2,2,1);imshow(B);title('灰度图像');subplot(2,2,3);imshow(B2);title('7*7均值滤波');subplot(2,2,4);imshow(B3);title('9*9均值滤波');% --- Executes on button press in pushbutton2.function pushbutton2_Callback(hObject, eventdata, handles)% hObject handle to pushbutton2 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)clear;figureA=imread('1.jpg');B=rgb2gray(A);B2=medfilt2(B,[5 5]);B3=medfilt2(B,[9 9]);subplot(2,2,1);imshow(B);title('灰度图像');subplot(2,2,3);imshow(B2);title('5*5中值滤波');subplot(2,2,4);imshow(B3);title('9*9中值滤波');% --- Executes on button press in pushbutton3.function pushbutton3_Callback(hObject, eventdata, handles)% hObject handle to pushbutton3 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) clear;figureA=imread('1.jpg');B=rgb2gray(A);h1=[1 2 1;0 0 0;-1 -2 -1];B2=imfilter(B,h1);h2=[1 0 -1;2 0 -2;1 0 -1];B3=imfilter(B,h2);subplot(2,2,1);imshow(B);title('灰度图像');subplot(2,2,3);imshow(B2);title('水平锐化');subplot(2,2,4);imshow(B3);title('竖直锐化');% --- Executes on button press in pushbutton4.function pushbutton4_Callback(hObject, eventdata, handles)% hObject handle to pushbutton4 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) clear;figureA=imread('1.jpg');f=rgb2gray(A);subplot(2,2,1);imshow(f);f=im2double(f);F=fftshift(fft2(f));[M,N]=size(F);n = 30;D0 = 40;u0=floor(M/2);v0=floor(N/2);for u=1:Mfor v=1:ND=sqrt((u-u0)^2+(v-v0)^2);H=1/(1+(D/D0)^(2*n));G(u,v)=H*F(u,v);endendg=ifft2(ifftshift(G));g=im2uint8(real(g));subplot(2,2,4);imshow(g);% --- Executes on button press in pushbutton5.function pushbutton5_Callback(hObject, eventdata, handles)% hObject handle to pushbutton5 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) clear;figureA=imread('1.jpg');f=rgb2gray(A);subplot(2,2,1);imshow(f);f=im2double(f);F=fftshift(fft2(f));[M,N]=size(F);n = 30;D0 = 40;u0=floor(M/2);v0=floor(N/2);for u=1:Mfor v=1:ND=sqrt((u-u0)^2+(v-v0)^2);H=1/(1+(D0/D)^(2*n));G(u,v)=H*F(u,v);endendg=ifft2(ifftshift(G));g=im2uint8(real(g));subplot(2,2,4);imshow(g);% --- Executes on button press in pushbutton6.function pushbutton6_Callback(hObject, eventdata, handles)% hObject handle to pushbutton6 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) clear;figureA=imread('1.jpg');B=rgb2gray(A);subplot(1,2,1);imshow(B);title('灰度图像');Y=floor(B/64);[M,N]=size(Y);for i=1:Mfor j=1:Nswitch Y(i,j)case 0Y1(i,j,1:3)=[0 0 255];case 1Y1(i,j,1:3)=[200 0 200];case 2Y1(i,j,1:3)=[255 150 0];case 3Y1(i,j,1:3)=[255 255 0];otherwiseY1(i,j,1:3)=[255 255 255];endendendsubplot(1,2,2);imshow(Y1);% --- Executes on button press in pushbutton7.function pushbutton7_Callback(hObject, eventdata, handles)% hObject handle to pushbutton7 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) clear;figureA=imread('1.jpg');f=rgb2gray(A);subplot(1,2,1);imshow(f);title('灰度图像');[M,N]=size(f);L=255;f=double(f);f1=floor(f/64);R=f1;G=f1;B=f1;for i=1:Mfor j=1:Nswitch f1(i,j)case 0R(i,j)=0;G(i,j)=4*f(i,j);B(i,j)=L;case 1R(i,j)=0;G(i,j)=L;B(i,j)=-4*f(i,j)+2*L;case 2R(i,j)=4*f(i,j)-2*L;G(i,j)=L;B(i,j)=0;case 3R(i,j)=L;G(i,j)=-4*f(i,j)+4*L;B(i,j)=0;endendendg(:,:,1)=R;g(:,:,2)=G;g(:,:,3)=B;g=uint8(g);subplot(1,2,2);imshow(g);% --- Executes on button press in pushbutton8.function pushbutton8_Callback(hObject, eventdata, handles)% hObject handle to pushbutton8 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) clear;figureRGB=imread('1.jpg');RGB = im2double(RGB);R = RGB(:, :, 1);G = RGB(:, :, 2);B = RGB(:, :, 3);subplot(1,2,1),imshow(RGB)title('原始图像');c=R.*1.26d=G.*1.03e=B.*1.15enhance=cat(3, c, d, e);subplot(1,2,2),imshow(enhance)title('RGB手动增强的图像')四、实验结果截图五、实验体会经过很长时间学会应用这些东西。
数字图像处理实验报告(空间域图像增强)
实验报告实验名称空间域图像增强课程名称数字图像处理姓名成绩班级学号日期地点1.实验目的（1）了解空间域图像增强的各种方法（点处理、掩模处理）；（2）通过编写程序掌握采用直方图均衡化进行图像增强的方法；（3）使用邻域平均法编写程序实现图像增强，进一步掌握掩模法及其改进（加门限法）消除噪声的原理；（4）总结实验过程（实验报告，左侧装订）：方案、编程、调试、结果、分析、结论。
2.实验环境（软件、硬件及条件）Windws7MATLAB 6.x or above3.实验方法对如图4.1所示的两幅128×128、256级灰度的数字图像fing_128.img和cell_128.img进行如下处理：（1）对原图像进行直方图均衡化处理，同屏显示处理前后图像及其直方图，比较异同，并回答为什么数字图像均衡化后其直方图并非完全均匀分布。
（2）对原图像加入点噪声，用4-邻域平均法平滑加噪声图像（图像四周边界不处理，下同），同屏显示原图像、加噪声图像和处理后的图像。
①不加门限；②加门限T=(1/2)*avg(f(m,n)), 其中avg（f(m,n)=(1/N^2)*f(i,j)）本次实验中的第一题，是对图像进行直方图统计和均衡化，在Matlab中有imhist()函数和histeq()函数直接调即可获得相应结果，代码如下：close all;clear all;fid=fopen('cell_128.img','r');image1=fread(fid,[128,128],'uint8');image1=uint8(image1);fclose(fid);subplot(2,2,1);%显示原图像imshow(image1,[]);title('原图像');subplot(2,2,2);%统计图像直方图imhist(image1);title('原图像直方图');%直方图均衡化ima=histeq(image1);subplot(2,2,3);%显示均衡化后的图像imshow(ima);title('直方图均衡化后图像');subplot(2,2,4);%显示直方图均衡化后的图像直方图imhist(ima);title('直方图均衡化后的直方图');本次实验的第二题，是对图像进行加噪后平滑，噪声为点噪声，分别采用不加门限的四邻域平均法和加门限的四邻域平均法进行平滑。
空间域滤波器(实验报告)
数字图像处理作业——空间域滤波器摘要在图像处理的过程中,消除图像的噪声干扰是一个非常重要的问题。
本文利用matlab软件,采用空域滤波的方式,对图像进行平滑和锐化处理。
平滑空间滤波器用于模糊处理和减小噪声，经常在图像的预处理中使用；锐化空间滤波器主要用于突出图像中的细节或者增强被模糊了的细节。
本文使用的平滑滤波器有中值滤波器和高斯低通滤波器，其中，中值滤波器对去除椒盐噪声特别有效，高斯低通滤波器对去除高斯噪声效果比较好。
使用的锐化滤波器有反锐化掩膜滤波、Sobel边缘检测、Laplacian边缘检测以及Canny算子边缘检测滤波器。
不同的滤波方式，在特定的图像处理应用中有着不同的效果和各自的优势。
b5E2RGbCAP1、分别用高斯滤波器和中值滤波器去平滑测试图像test1和2，模板大小分别是3x3 ， 5x5 ，7x7；利用固定方差 sigma=1.5产生高斯滤波器. 附件有产生高斯滤波器的方法。
p1EanqFDPw实验原理分析：空域滤波是直接对图像的数据做空间变换达到滤波的目的。
它是一种邻域运算，其机理就是在待处理的图像中逐点地移动模板，滤波器在该点地响应通过事先定义的滤波器系数与滤波模板扫过区域的相应像素值的关系来计算。
如果输出像素是输入像素邻域像素的线性组合则称为线性滤波<例如最常见的均值滤波和高斯滤波），否则为非线性滤波<中值滤波、边缘保持滤波等）。
DXDiTa9E3d空域滤波器从处理效果上可以平滑空间滤波器和锐化空间滤波器：平滑空间滤波器用于模糊处理和减小噪声，经常在图像的预处理中使用；锐化空间滤波器主要用于突出图像中的细节或者增强被模糊了的细节。
RTCrpUDGiT 模板在源图像中移动的过程中，当模板的一条边与图像轮廓重合后，模板中心继续向图像边缘靠近，那么模板的某一行或列就会处于图像平面之外，此时最简单的方法就是将模板中心点的移动范围限制在距离图像边缘不小于<n－1）/2个像素处，单处理后的图像比原始图像稍小。
2遥感图像增强——空间滤波(教案).docx
实验二遥感图像增强——空间滤波注：实验采用软件为加拿大产遥感专业图彖处理软件PCI,为便于对比及评分，实验图像一般采用安装盘自带文件夹DEMO下irvine.piXo一、滤波的原理及方法在遥感图像处理中，经常采用空间域中的邻域处理方法來改变遥感图像中像元与其周围相邻像元的关系，即“空间滤波”，來突出遥感图像上某些特征，如突出边缘或纹理等。
传统的空间滤波方法有图像卷积运算、平滑、锐化。
图像卷积运算是在空间域上对图像进行邻域检测的运算，具体做法是选定一个卷积函数t(m, n),又称为“模板”，即一个MxN的图像，运算时，从图像左上角开始一个为模板同样大小的活动窗口U(m, n),使活动窗口与模板像元的灰度值对应相乘再相加，计算结果r(i, j)作为活动窗口屮心像元的新的灰度值。
在平滑处理中，均值平滑是将每个像元在以其为中心的区域内取平均值來代替该像元值以达到去掉尖锐“噪声”和平滑图像的目的。
常用的邻域冇4-邻域和8-邻域。
在屮值滤波屮则是以某像元为中心的邻域内取中间亮度值来代替该像元值，以达到去掉尖锐“噪声”和平滑图像的目的。
空间滤波是指在图像空间(x, y)或空间频率(J H)对输入图像应川若干滤波函数而获得改进的输出图像的技术，即对图像屮某些空间、频率特征的信息增强或抑制，如增强高频信息，即突出边缘、纹理、线条等。
增强低频信息抑制高频信息、既去掉细节。
其效果冇噪声的消除，边缘及线的增强，图像的清晰化等。
注意突出的图像上的某些特征，突出边缘或图像处理方法，也叫做“空间滤波”，它属于一种儿何增强处理。
空间滤波技术的基本思路有3条：Fil血滤波，操作如下：①提取原图像的边缘信息，进行加权处理，然示与原图像亞加；②提取原图像屮的模糊成分进行加权处理，然示与原图叠加；③使用某一指定的两数对原图像进行加权，是图像产生尖锐或平滑的效果。
在进行运算吋，多采用空间卷积技术，即在原图像上移动“活动窗口”，逐块进行局部运算。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
图像增强—空域滤波实验报告篇一：5.图像增强—空域滤波 - 数字图像处理实验报告计算机与信息工程学院验证性实验报告一、实验目的进一步了解MatLab软件/语言，学会使用MatLab对图像作滤波处理，使学生有机会掌握滤波算法，体会滤波效果。
了解几种不同滤波方式的使用和使用的场合，培养处理实际图像的能力，并为课堂教学提供配套的实践机会。
二、实验要求(1)学生应当完成对于给定图像+噪声，使用平均滤波器、中值滤波器对不同强度的高斯噪声和椒盐噪声，进行滤波处理；能够正确地评价处理的结果；能够从理论上作出合理的解释。
(2)利用MATLAB软件实现空域滤波的程序：I=imread('electric.tif');J = imnoise(I,'gauss',0.02); %添加高斯噪声 J = imnoise(I,'salt & pepper',0.02); %添加椒盐噪声ave1=fspecial('average',3); %产生3×3的均值模版ave2=fspecial('average',5); %产生5×5的均值模版 K = filter2(ave1,J)/255; %均值滤波3×3 L = filter2(ave2,J)/255; %均值滤波5×5 M = medfilt2(J,[3 3]);%中值滤波3×3模板 N = medfilt2(J,[4 4]); %中值滤波4×4模板 imshow(I);figure,imshow(J); figure,imshow(K); figure,imshow(L); figure,imshow(M); figure,imshow(N);三、实验设备与软件(1) IBM-PC计算机系统(2) MatLab软件/语言包括图像处理工具箱(Image Processing Toolbox) (3) 实验所需要的图片四、实验内容与步骤a) 调入并显示原始图像Sample2-1.jpg 。
b) 利用imnoise 命令在图像Sample2-1.jpg 上加入高斯(gaussian) 噪声 c)利用预定义函数fspecial 命令产生平均(average)滤波器??1?1?1???19?1?????1?1?1?? ?d）分别采用3x3和5x5的模板，分别用平均滤波器以及中值滤波器，对加入噪声的图像进行处理并观察不同噪声水平下，上述滤波器处理的结果；e）选择不同大小的模板，对加入某一固定噪声水平噪声的图像进行处理，观察上述滤波器处理的结果。
f）利用imnoise 命令在图像Sample2-1.jpg 上加入椒盐噪声(salt & pepper)g）重复c)~ e）的步骤 h）输出全部结果并进行讨论。
五、思考题/问答题(1) 简述高斯噪声和椒盐噪声的特点。
(2) 结合实验内容，定性评价平均滤波器/中值滤波器对高斯噪声和椒盐噪声的去噪效果？(3) 结合实验内容，定性评价滤波窗口对去噪效果的影响？六、实验报告要求描述实验的基本步骤，用数据和图片给出各个步骤中取得的实验结果，并进行必要的讨论，必须包括原始图像及其计算/处理后的图像。
七、实验图像Fig0205(a)(cktboard_200dpi).tif（原始图像）八、实验程序及结果clc;clear allI=imread('Fig0205(a)(cktboard_200dpi).tif');J1 = imnoise(I,'gauss',0.02); %添加高斯噪声 J2 = imnoise(I,'salt & pepper',0.02); %添加椒盐噪声ave1=fspecial('average',3); %产生3×3的均值模版ave2=fspecial('average',5); %产生5×5的均值模版 K1 = filter2(ave1,J1)/255; %均值滤波3×3 L1 = filter2(ave2,J1)/255; %均值滤波5×5 M1 = medfilt2(J1,[3 3]);%N1= medfilt2(J1,[5 5]); %subplot121;imshow(I); title('原始图像')subplot 122,imshow(J1); title('加入高斯噪声图像') figure(2)subplot 121,imshow(K1);title('均值滤波3×3后的图像') subplot 122;,imshow(L1);title('均值滤波5×5后的图像') figuresubplot 121;imshow(M1);title('中值滤波3×3后的图像') subplot 122;,imshow(N1);title('中值滤波3×3后的图像')原始图像中值滤波3×3模板中值滤波5×5模板加入高斯噪声图像均值滤波3×3后的图像均值滤波5×5后的图像中值滤波3×3后的图像中值滤波3×3后的图像clc;clear allI=imread('Fig0205(a)(cktboard_200dpi).tif');J2 = imnoise(I,'salt & pepper',0.02); %添加椒盐噪声 ave1=fspecial('average',3); %产生3×3的均值模版 ave2=fspecial('average',5); %产生5×5的均值模版K1 = filter2(ave1,J2)/255; %均值滤波3×3 L1 = filter2(ave2,J2)/255; %均值滤波5×5 M1 = medfilt2(J2,[3 3]);%中值滤波3×3模板N1= medfilt2(J2,[5 5]); %中值滤波5×5模板subplot 121;imshow(I); title('原始图像')subplot 122,imshow(J2);title('添加椒盐噪声后的图像') figure(2)subplot 121,imshow(K1);title('均值滤波3×3后的图像') subplot 122;,imshow(L1);title('均值滤波5×5后的图像') figuresubplot 121;imshow(M1);title('中值滤波3×3后的图像') subplot 122;,imshow(N1);title('中值滤波3×3后的图像')原始图像添加椒盐噪声后的图像篇二：数字图像处理空域滤波实验报告数字图像处理实验三空域滤波实验报告一、实验目的? 了解空域滤波的方法；? 掌握几种模板的基本原理。
二、实验内容??? 使用函数fspecial( ) 生成几种特定的模板；使用函数imfilter( ) 配合模板对图象数据进行二维卷积；比较各种滤波器的效果。
三、实验步骤及结果（1）线性平滑（低通）滤波器1.用h=fspecial(‘average’) 得到的h 为3×3的邻域平均模板，然后用h进行平滑处理。
x=imread(‘cameraman.tif’);h=fspecial(‘average’) ;%h=fspecial(‘average’,[7,7]);y=imfilter(x,h);figure(1);imshow(x)figure(2);imshow(y)原图：滤波效果：2. 改变模板大小重试x=imread('cameraman.tif');%h=fspecial(‘average’);h=fspecial('average',[7,7]);y=imfilter(x,h);figure(1);imshow(x)figure(2);imshow(y)原图：处理效果：Gaussian平滑改变 fspecial( )的参数为高斯函数，再进行同样的平滑处理，观察其结果。
x=imread(‘cameraman.tif’);h=fspecial(‘gaussian’)//3×3的邻域平均模板(7×7的邻域平均模板h=fspecial(‘gaussian’,[7,7]))y=imfilter(x,h);实际程序：x=imread('cameraman.tif');h=fspecial('gaussian')%%3×3的邻域平均模板(7×7的邻域平均模板h=fspecial(‘gaussian’,[7,7]))y=imfilter(x,h);subplot(121);imshow(x);subplot(122);imshow(y);模板大小为[3,3]，左为原图，右为处理后效果模板大小为[7,7]，左为原图，右为处理后效果模板大小为[11,11]，左为原图，右为处理后效果改变模板大小为 [7,7]、[9,9]、[11,11]，观察实验得到的结构有何变化？结果：高斯模板对结果影响较小，为什么？答：简单地说，这是由于高斯滤波中越靠近中心点的点的权重越大，在很大程度上减弱了较远点的干扰，所以即使模版大小较大，其效果仍远远好过“不知亲疏远近变化”的邻域平均模板。
具体地说，高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。
通俗的讲，高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。
高斯滤波的具体操作是：用一个模板(或称卷积、掩模)扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。
一般的模板为3×3或5×5大小，其权值分布如下图：若使用3×3模板，则计算公式如下:g(x,y)={f(x-1,y-1)+f(x-1,y+1)+f(x+1,y-1)+f(x+1,y+1) +[f(x-1,y)+f(x,y-1)+f(x+1,y)+f(x,y+1)]*2+f(x,y)*4}/ 16;其中，f(x,y)为图像中(x,y)点的灰度值，g(x,y)为该点经过高斯滤波后的值。