高斯平滑滤波实验报告

《高斯平滑滤波实验报告》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、高斯平滑滤波实验报告一，实验要求实现高斯平滑滤波器。选择几个不同的σ（至少5个）对一幅图像进行滤波，观测不同的σ值对图像的平滑程度（注意σ取值与窗函数大小的关系）。你将如何为一幅图像选择合适的σ值？二，高斯平滑滤波器简介连续高斯函数为。连续的高斯函数图像如图1所示。图1连续高斯函数离散高斯函数为。一个离散高斯模板如图2所示。图2离散高斯模板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。由上面图示可知，高斯函数的特点就是模板中心像素在新像素所占的比重最大，离中心越远的像素在新像素中所占的比重越小。高斯滤波器的系统函

2、数是平滑的，避免了振铃现象。高斯函数具有五个重要性质：1，具有旋转对称性；2，是单值函数；3，其付氏频谱是单瓣的；4，高斯滤波器宽度(决定平滑程度)由参数σ表征；5，可分离性，大高斯滤波器得以有效实现。三，高斯平滑滤波实现本实验中运用MATLAB来实现对图像的高斯平滑滤波。处理前的图像如图三所示，是图像处理学习中常用的lena图像。图3原图因为平滑滤波器的作用是消除图像中的噪声，为了更好地检测高斯平滑滤波器的效果，用MATLAB中的noise函数为原图加上高斯噪声，再对其进行处理，如图4所示。图4加高斯噪声的图像接下来就可以进行高斯平滑滤波了。在MATLAB中，用fspeci

3、al函数来生成高斯模板。其使用格式为：f=fspecial('gaussian',[33],0.5);其中[33]是模板的大小，可以更改，本实验中的模板均为3×3的；后面的0.5就是σ的值了。接着用imfilter函数滤波，其使用格式为：img_smooth1=imfilter(J,f);其中J为待处理的图像，f即为高斯模板。本实验中选择的σ值为0.5，1，2，4，6，8，10；用MATLAB进行试验来观测滤波结果。实验程序如下：im=imread('lena.bmp');imshow(im,[]);title('原图');J=imnoise(im,'gaussian');f

4、igureimshow(J,[]);title('加高斯噪声图');f1=fspecial('gaussian',[33],0.5);img_smooth1=imfilter(J,f1);figuresubplot221imshow(img_smooth1,[]);title('0.5');f2=fspecial('gaussian',[33],1);img_smooth2=imfilter(J,f2);subplot222imshow(img_smooth2,[]);title('1');f3=fspecial('gaussian',[33],2);img_smooth3=

5、imfilter(J,f3);subplot223imshow(img_smooth3,[]);title('2');f4=fspecial('gaussian',[33],4);img_smooth4=imfilter(J,f4);subplot224imshow(img_smooth4,[]);title('4');f5=fspecial('gaussian',[33],8);img_smooth5=imfilter(J,f5);figuresubplot121imshow(img_smooth5,[]);title('8');f6=fspecial('gaussian'

6、,[33],10);img_smooth6=imfilter(J,f6);subplot122imshow(img_smooth6,[]);title('10');滤波结果如下：四，实验结果分析：由实验结果可知，随着σ值的增大，噪声滤除的越干净，但同时，图像也变得越模糊，轮廓不清晰。当σ值大于4时，随着σ值的增加，滤波的效果几乎没有变化。所以σ要选取合适的值才能使滤波后的图像满足要求，不能太小，否则噪声滤除不干净；也不能太大，太大了图像变模糊，就违反了处理图像的初衷；总之，要在中间选一个折中的值。在选择σ值时，可以多尝试几个，选择最满意的一个。