求津问道的博客

去噪，在图像分析中，很常见。值得注意的是，去噪不一定是使用平滑，但平滑在去噪的路上频频被采用。前段时间随意浏览，看了些新算法，从原理上作点总结，解构别人的设计思路，也是一件乐事。远亲不如近邻，在图像滤波器中，体现得淋漓尽致。邻域操作在图像处理中比比皆是。从微积分的角度上看，对任意给定区域，定制一个划分规则，在足够小的子域内，完全可以认定为相同或相似。图像处理中的很多模板操作其实都是基于此点展开

随机值脉冲噪声 范围在0-255椒盐噪声灰度值范围  0或255本文提出了一种新的脉冲噪声消除方法，并对其进行了检测和替换。但是，对噪声像素的检测更为重要，并可分为两步。首先，检测一个可疑的像素，其灰度与相邻像素的差异要高得多。被怀疑的像素可能是一个噪声的像素或边缘像素。在下一步，区别在噪声像素和边缘像素之间进行了处理。然后在最后一步中，只有噪声像素被相邻像素未被破坏的像素中值所取

利用拉普拉斯算子对模糊图像进行增强clear all; %利用拉普拉斯算子对模糊图像进行增强I=imread('rice.png');subplot(1,2,1);imshow(I);title('原始图像');I=double(I); %转换数据类型为double双精度型H=[0 1 0,1 -4 1,0 1 0]; %拉普拉斯算子J=conv2(I,H,'same'

目前比较经典的图像去噪算法主要有以下三种： 均值滤波算法：也称线性滤波，主要思想为邻域平均法，即用几个像素灰度的平均值来代替每个像素的灰度。有效抑制加性噪声，但容易引起图像模糊，可以对其进行改进，主要避开对景物边缘的平滑处理。%x是需要滤波的图像,n是模板大小(即n×n)  function d=avg_filter(x,n)     a(1:n,1:n)=