高斯平滑濾波實驗報告.doc

高斯平滑濾波實驗報告 一，實驗要求實現(xiàn)高斯平滑濾波器。選擇幾個不同的（至少5個）對一幅圖像進行濾波，觀測不同的值對圖像的平滑程度（注意取值與窗函數(shù)大小的關(guān)系）。你將如何為一幅圖像選擇合適的值？ 二，高斯平滑濾波器簡介連續(xù)高斯函數(shù)為。連續(xù)的高斯函數(shù)圖像如圖1所示。圖1 連續(xù)高斯函數(shù)離散高斯函數(shù)為。一個離散高斯模板如圖2所示。圖2 離散高斯模板高斯濾波就是對整幅圖像進行加權(quán)平均的過程，每一個像素點的值，都由其本身和鄰域內(nèi)的其他像素值經(jīng)過加權(quán)平均后得到。由上面圖示可知，高斯函數(shù)的特點就是模板中心像素在新像素所占的比重最大，離中心越遠的像素在新像素中所占的比重越小。高斯濾波器的系統(tǒng)函數(shù)是平滑的，避免了振鈴現(xiàn)象。高斯函數(shù)具有五個重要性質(zhì)：1，具有旋轉(zhuǎn)對稱性；2，是單值函數(shù)；3，其付氏頻譜是單瓣的；4，高斯濾波器寬度(決定平滑程度)由參數(shù)表征；5，可分離性，大高斯濾波器得以有效實現(xiàn)。三，高斯平滑濾波實現(xiàn)本實驗中運用MATLAB來實現(xiàn)對圖像的高斯平滑濾波。處理前的圖像如圖三所示，是圖像處理學習中常用的lena圖像。圖3 原圖因為平滑濾波器的作用是消除圖像中的噪聲，為了更好地檢測高斯平滑濾波器的效果，用MATLAB中的noise函數(shù)為原圖加上高斯噪聲，再對其進行處理，如圖4所示。圖4 加高斯噪聲的圖像接下來就可以進行高斯平滑濾波了。在MATLAB中，用fspecial函數(shù)來生成高斯模板。其使用格式為：f= fspecial(gaussian,3 3,0.5);其中3 3是模板的大小，可以更改，本實驗中的模板均為33的；后面的0.5就是的值了。接著用imfilter函數(shù)濾波，其使用格式為：img_smooth1 =imfilter(J,f);其中J為待處理的圖像，f即為高斯模板。本實驗中選擇的值為0.5，1，2，4，6，8，10；用MATLAB進行試驗來觀測濾波結(jié)果。實驗程序如下：im=imread(lena.bmp);imshow(im,);title(原圖);J=imnoise(im,gaussian);figureimshow(J,);title(加高斯噪聲圖);f1 = fspecial(gaussian,3 3,0.5); img_smooth1 =imfilter(J,f1); figuresubplot 221imshow(img_smooth1,);title(0.5);f2 = fspecial(gaussian,3 3,1);img_smooth2 = imfilter(J,f2); subplot 222imshow(img_smooth2,);title(1);f3 = fspecial(gaussian,3 3,2); img_smooth3 = imfilter(J,f3); subplot 223imshow(img_smooth3,);title(2);f4 = fspecial(gaussian,3 3,4); img_smooth4 = imfilter(J,f4); subplot 224imshow(img_smooth4,);title(4);f5= fspecial(gaussian,3 3,8);img_smooth5 = imfilter(J,f5); figuresubplot 121imshow(img_smooth5,);title(8);f6= fspecial(gaussian,3 3,10);img_smooth6 = imfilter(J,f6); subplot 122imshow(img_smooth6,);title(10);濾波結(jié)果如下： 四，實驗結(jié)果分析： 由實驗結(jié)果可知，隨著值的增大，噪聲濾除的越干凈，但同時，圖像也變得越模糊，輪廓不清晰。當值大于4時，隨著值的增加，濾波的效果幾乎沒有變化。所以要選取合適的值才能使濾波后的圖像