MATLAB中图像高斯噪声添加与平均滤波处理

clear all; close all;
I = imread('rice.png');
I = im2double(I);
J = imnoise(I, 'gaussian', 0, 0.01);
h = ones(3, 3) / 9;
K = conv2(J, h);
figure;
subplot(131);
imshow(I);
title('Original Image');
subplot(132);
imshow(J);
title('Gaussian Noisy Image');
subplot(133);
imshow(K);
title('Filtered Image');

解释：

• clear all; close all;：清空工作空间中的所有变量并关闭所有图形窗口。

• I = imread('rice.png');：读取名为rice.png的图像，并赋值给I。

• I = im2double(I);：将图像I的数据类型转换为双精度浮点数，以便进行后续处理。

• J = imnoise(I, 'gaussian', 0, 0.01);：在图像I上添加高斯噪声，均值为0，方差为0.01。高斯噪声是一种连续的概率分布噪声，通常用于模拟图像中的随机噪声。

• h = ones(3, 3) / 9;：创建一个3x3的平均滤波器核，所有元素初始化为1/9。

• K = conv2(J, h);：使用滤波器核h对噪声图像J进行二维卷积运算，得到结果图像K。

• figure;：创建一个新的图形窗口。

• subplot(131); imshow(I);：在第一个子图（1,3,1）中显示原始图像I。

• subplot(132); imshow(J);：在第二个子图（1,3,2）中显示添加了高斯噪声的图像J。

• subplot(133); imshow(K);：在第三个子图（1,3,3）中显示滤波后的图像K。

拓展：

1. 保存处理后的图像：可以将滤波后的图像K保存为文件。

% 保存滤波后的图像
imwrite(uint8(K), 'rice_filtered.png');

1. 尝试不同的噪声参数：可以尝试使用不同的噪声参数来观察噪声对图像的影响。

2. 使用不同的滤波器：可以尝试使用不同的滤波器核来去除噪声，比如高斯滤波器、中值滤波器等。

3. 分析滤波效果：可以分析滤波前后图像的质量，比如通过计算图像的峰值信噪比（PSNR）来评估滤波效果。

4. 创建交互式滤波器设计：可以创建一个交互式界面，允许用户自定义滤波器核并实时查看滤波效果。