MATLAB实现图像去噪 滤波 锐化 边缘检测

2744557306

这段代码主要展示了图像处理的一系列步骤，包括图像读取、添加噪声、去噪、图像锐化、直方图均衡化以及边缘检测。

$ o/ h# @8 [. Z7 U! a* T1.读取图像：

1.    I=imread('1.jpg');( n; g  \0 h% P/ K, r
   
2. ' S$ Q- F  \- _; u, Y3 j$ }; L
   
3.    try
   # L. {) H- f3 f) `! ^2 _: x
4. : u\" E8 [2 @* X+ q( @! U* |3 o& N
   
5.        I=rgb2gray(I);# a: g/ o  P1 J1 s  t7 r. l* L
   
6. % C, J3 `1 g' Z, L& \2 P
   
7.    end

复制代码

这里首先读取名为 "1.jpg" 的图像文件。然后，使用 rgb2gray 函数将彩色图像转换为灰度图像，但由于可能出现错误（比如图像本身就是灰度图像），用了 try 和 end 来捕获并处理这个潜在的错误。

0 N; w5 V) }) ^: ]- @/ |/ k# u1 T2.添加椒盐噪声：

1.    I=imnoise(I,'salt & pepper',0.04);

复制代码

使用 imnoise 函数向图像中添加密度为 0.04 的椒盐噪声。

3.显示原始图像：

1.    figure0 C& P0 {# u' I2 V\" h) K6 a
   
2. 
   ' g% m; E* s, Q: L( y1 c
3.    imshow(I)
   6 P2 @- k/ e0 G5 \5 B/ }
4. & j# O7 g# O4 K- m/ f
   
5.    title('原图')

复制代码

通过 imshow 函数显示添加噪声后的原始图像。

+ e* m8 n: |% s4.图像去噪：

1.    I=medfilt2(I,[2 4]);

复制代码

使用 medfilt2 函数对受椒盐噪声干扰的图像进行中值滤波去噪处理。

9 |& C/ X( W% e4 A( b8 B# r5.图像锐化：

1.   [M,N]=size(I);
   8 p. G6 Q& P6 c
2. 
   * V6 l) N# `, H2 U% x
3.    f=double(I);* t  p) d: z9 q, I
   
4. 5 \0 _5 `9 R, {: J9 }' U
   
5.    g=fft2(f);6 K. d& t6 N/ ~1 W# F9 ^: E+ g\" w
   
6. 
     q0 c/ @% `( ]! _
7.    g=fftshift(g);! N\" X! p# B, x! }\" O7 Y( w
   
8. 
   ! q2 C: ^& u( ^) k
9.    n=2;* H# A9 x, v% W, d. r4 h- P8 Q! K8 N
   
10. 2 H2 @$ V, Z+ h0 n' x
    
11.    D0=3;5 Q- w' \, P* j2 q# X7 Z% G. o\" V. C
    
12. 8 D6 C( B. T& k+ p$ ~0 L. G
    
13.    for i=1:M
    \" R, {5 h9 u3 x% _
14. \" W! b6 I4 f% m3 I' |! n\" o
    
15.        for j=1:N
    , f2 [4 u% E# c1 `  |* [  M7 z0 y\" M
16. \" k9 N$ M\" d9 e  H
    
17.            % 省略了对频域信号进行巴特沃斯滤波的操作
    ) x0 Z8 c2 [\" q1 c( j' {
18. 
    # ]7 U0 ~7 S6 L  ^
19.            % 这部分代码主要是在频域进行滤波处理以实现图像的锐化9 y& Y$ @6 z# B$ Q  i- ?+ A( i$ k
    
20. - h- C4 m  F( B: ]! M
    
21.        end
    7 D# `* M$ l2 }- l' U
22. , |/ {7 `- t8 h( X/ X
    
23.    end, N/ R2 B. U4 x
    
24. 
    2 i1 A\" p: I6 R8 Z% ~4 U
25.    result=ifftshift(output);* f$ \% N0 s0 V# W: S/ [9 G- [
    
26. ) E5 @\" w7 R% m8 m. e1 l
    
27.    I=ifft2(result);
    ( V) ~  N) q  U* T: g2 j2 ~
28. 
    $ c) ?8 s- F- i! r8 z
29.    I=uint8(real(I));

复制代码

这一部分通过傅立叶变换、频域处理（采用了巴特沃斯滤波器）以及反变换实现图像的锐化操作。

6.直方图均衡化：

1.    I=histeq(I);

复制代码

使用 histeq 函数对图像进行直方图均衡化处理，以增强图像的对比度和亮度分布。

7.边缘检测：

1.    I1=edge(I,'prewitt');. X) y1 n8 p0 W: K
   
2. 
   ) K4 J1 A, Q6 f& i
3.    I2=edge(I,'roberts');
   % l1 j2 h( r6 n' u% s6 |\" G9 w: c
4. 
   - c+ _% {: f- X  X
5.    I3=edge(I,'sobel');

复制代码

使用不同的边缘检测算子（Prewitt、Roberts、Sobel）对经过处理后的图像进行边缘检测，产生三幅不同的边缘强度图像。
. R( ], g9 |9 ?  e8 m+ t% {4 F这段代码展示了图像处理领域中常见的一些基本操作，包括噪声处理、滤波、频域处理、直方图均衡化以及边缘检测。
% j3 o$ L2 f. W- _
% k/ a2 f; @6 N: x# y3 U
* \4 b1 k( h, Z3 D) @