空间域滤波：imfilter（），fspecial（）

执行操作滤波需要注意边界问题，因此，给出了边界处理方法：

收缩处理范围使用常数填充图像使用复制像素的方法填充

h = fspecial( type , parameters);%fspecial（）创建预定义的二维滤波器

g=imfilter( Img, w, option1,option2,...);%imfilter （）完成滤波操作

下面结合一些代表性的说明：fspecial（）

（1）h = fspecial ('average', hsize);返回一个大小为hsize的平均模板滤波器h。hsize行和列默认为[3,3]。

（2）h = fspecial ('disk', radius);返回一个半径为radius的圆形平均模板。h为(2*radius+1)*(2*radius+1)的方阵，radius默认为5。

（3）h = fspecial ('gassuan', hsize, sigma);返回一个大小为hsize，标准差为sigma的高斯低通滤波器。hsize默认[3,3]，sigma默认为0.5。

（4）h = fspecial ('sobel');返回一个加强水平边缘的竖直梯度算子：

h = [1 2 1

0 0 0

-1 -2 -1]

如果需要检测竖直边缘，使用H’。

g=imfilter( Img, w, option1,option2,...);%imfilter （）完成滤波操作

%w- 滤波操作使用的模板

%option1...模式选择：相关or卷积

%【相关‘corr’】、【卷积‘conv’】

%举例：

>>Img=imread('C:\Users\1.jpg');>>w = [ 1 1 1;1 1 1;1 1 1 ]w= %滤波模板0.1111 0.1111 0.11110.1111 0.1111 0.11110.1111 0.1111 0.1111>>g = imfilter(Img, w, 'corr', 'replicate'); %相关滤波，重复填充边界 % 'corr' 模式选择：[相关]%'replicate' 填充虚拟边界，重复填充与他最接近的边缘像素>>figure,subplot(1,2,1);imshow(Img);title('原图');subplot(1,2,2);imshow(g);title('空间域滤波');

图像平滑：imfilter（）、fspecial（）

图像平滑是一种可以减少和抑制图像噪声的实用数字图像处理技术。

在空间域中一般可以采用领域平均来达到平滑的目的。

%举例：

%利用imfilter（）和fspecial（），以不用尺寸的平均模板实现图像平滑，用MATLAB实现：

Img=imread('C:\Users\1.jpg');h = fspecial ('average', 32);% 32x32的平均模板Img_32 = imfilter(Img, h ,'corr', 'replicate'); %相关滤波，重复填充边界h = fspecial('average', 64);% 64x64的平均模板Img_64 = imfilter(Img, h, 'corr', 'replicate');figure,subplot(2,2,1),imshow(Img);title('原图');subplot(2,2,2),imshow(Img_32);title('32x32 平均模板');subplot(2,2,3),imshow(Img_64);title('64x64 平均模板');

高斯滤波：'gaussial'

（之后再填这个坑儿……）

中值滤波：medfilt2（Img, [m,n]）

%中值滤波本质上是一种统计排序滤波器。对于原图像之后某点（i，j），

%中值滤波以该点位中心的邻域内所有像素的统计排序中值作为（i，j）点的响应。

%中值滤波具有非常理想的降噪能力，对于线性平滑滤波来看，

%在处理像素邻域之内包含噪声点时，噪声会影响像素值的计算。

对于高斯滤波来说，平滑影响程度和噪声点到中心点的距离成正比，但在中值滤波中，噪声点则常常被忽略。

%下面举例说明，一幅受椒盐噪声污染的图片，进行平均平滑、高斯平滑、中值滤波的处理效果。

Img = imread('xxx_salt.jpg');Img_salt= imnoise(Img, 'salt& pepper');%为图像叠加椒盐噪声w = [1 2 1;2 4 2;1 2 1] / 16;Img_gaussian = imfilter(Img_salt, w, 'corr', 'replicate'); %高斯平滑w = [1 1 1;1 1 1;1 1 1] / 9;Img_average = imfilter(Img_salt, w, 'corr', 'replicate'); %平均平滑Img_median = medfilt2(Img_salt, [3,3]);%中值滤波figure;subplot(2,3,1);imshow(Img);title('原图');subplot(2,3,2);imshow(Img_salt);title('椒盐噪声污染的图像');subplot(2,3,3);imshow(Img_gaussian);title('高斯平滑');subplot(2,3,4);imshow(Img_average);title('平均平滑');subplot(2,3,5);imshow(Img_median);title('中值滤波');

………………………………

运行结果……错误！！？？？

why？

究其原因，不过是待处理图像是彩图，也就是RGB的三维（3D）图像，medfilt2是处理二维图像的

处理办法：

无非是将RGB图像转为Gray；直接修改函数将medfilt2() 转换成 medfilt3();

即刻将上列代码修改这一行：

Img_median = medfilt3 (Img_salt, [ 3 , 3 , 3 ]);%中值滤波

运行成功！！！

噪声模型：imnoise（Img, type, parameters）

图像锐化:

图像锐化在处理中用的较少，下次用到的时候，再做补充吧。

可参考别人的文章：

空间域滤波：图像平滑和锐化

其他相关文章请点击：

图像算法一：【图像点运算】灰度直方图、伽马变换、灰度阈值变换、分段线性变换、直方图均衡化

图像算法二：【图像几何变换】平移、镜像、转置、缩放、旋转、插值

图像算法三：【图像增强--空间域】图像平滑、中值滤波、图像锐化

图像算法四：【图像增强--频率域】傅里叶变换、快速傅里叶变换、频域滤波、频域低通滤波、频域高通滤波

图像算法五：【图像小波变换】多分辨率重构、Gabor滤波器、Haar小波

图像算法六：【彩色图像处理】彩色模型、彩图处理

图像算法七：【形态学图像处理】二值运算、膨胀、腐蚀

图像算法八：【图像分割】边缘检测（Roberts，Sobel，canny）、霍夫变换（hough）、阈值分割、区域分割

图像算法九：【图像特征提取】特征降维、PCA人脸特征抽取、局部二进制

~~~~