基于Matlab的图片平滑和锐化处理

本文主要是介绍基于Matlab的图片平滑和锐化处理，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

在本实验中我分别采用了系统自带的fspecial函数和自己编写的均值平滑模板和两个锐化模板进行图片处理。

空间域平滑增强

空间域锐化增强

空间域平滑增强

实验要求：采用均值平滑模板对图片进行处理，得到去除噪声后的图像，并使用平滑模板滤波2-3次，比较实验结果。

使用Matlab自带函数 fspecial() 的average模式：

clc;
clear;
close all;%使用自带函数
Picture=imread('lena_noise.bmp');
subplot(1,4,1);imshow(Picture,[]);title('原图');
Tem_Smooth=fspecial('average',[3,3]);
P_Smooth1=imfilter(Picture,Tem_Smooth);
subplot(1,4,2);imshow(P_Smooth1,[]);title('均值滤波一次后图像');
P_Smooth2=imfilter(P_Smooth1,Tem_Smooth);
subplot(1,4,3);imshow(P_Smooth2,[]);title('均值滤波二次后图像');
P_Smooth3=imfilter(P_Smooth2,Tem_Smooth);
subplot(1,4,4);imshow(P_Smooth3,[]);title('均值滤波三次后图像');

自己编写均值滤波函数：

function F=averfilter(x,n) %x为输入的图像，n为均值模板大小（n×n）
a(1:n,1:n)=1;
[height,width]=size(x);
x1=double(x); %将图像信息流设为double格式
x2=x1;
for i=1:height-n+1   %由于是在n×n大小的像素组中从最左上角的开始计算，因此在范围限制上去除最后两行for j=1:width-n+1  %去除最后两列b=x1(i:i+(n-1),j:j+(n-1)).*a;s=sum(sum(b));x2(i+(n-1)/2,j+(n-1)/2)=s/(n*n); %在n×n大小的空间内的中心像素被赋值end
end
F=uint8(x2);%将信息范围强制转换为0-255内

与系统自带函数进行结果比对：

上面一行为fspecial()的average格式下的处理结果，下面一行为自己编写的均值滤波函数的处理结果。效果还行，只是对比度比fspecial函数处理后的稍低一些。

空间域锐化增强

实验要求：分别采用一阶微分算子Sobel算子和二阶微分算子拉普拉斯算子进行锐化滤波，并比较两种不同的锐化滤波模板处理后的结果。

Sobel算子	拉普拉斯算子

使用系统自带函数 fspecial() 的 sobel 和 laplacian 模式：

figure;
Picture2=imread('moon.bmp');
subplot(1,3,1);imshow(Picture2,[]);title('原图');
Tem_Sharpen1=fspecial('sobel');
P_Sharpen1=imfilter(Picture2,Tem_Sharpen1);
subplot(1,3,2);imshow(P_Sharpen1,[]);title('采用sobel算子锐化后图像');
Tem_Sharpen2=fspecial('laplacian');
P_Sharpen2=imfilter(Picture2,Tem_Sharpen2);
subplot(1,3,3);imshow(P_Sharpen2,[]);title('采用拉普拉斯算子锐化后图像');

自己编写Sobel算子锐化模板函数：

function F=Sobelfilter(x)
a=[-1,-2,-1;0,0,0;1,2,1];  %Sobel算子第一个3×3矩阵
b=[-1,0,1;-2,0,2;-1,0,1];  %Sobel算子第二个3×3矩阵
[height,width]=size(x);
x1=double(x);
x2=x1;
for i=1:height-3+1for j=1:width-3+1c=x1(i:i+(3-1),j:j+(3-1)).*a;d=x1(i:i+(3-1),j:j+(3-1)).*b;x2(i:i+(3-1),j:j+(3-1))=sqrt(c^2+d^2);  %一般赋值两个矩阵相乘结果平方的开方end
end
F=uint8(x2);

自己编写的Laplacian算子锐化模板函数：

function B=LaplacianFilter(x)
x=im2double(x);
[height,width]=size(x);
B=zeros(size(x));
for i=2:height-1    %在编写这个函数时以最中心位置的像素为基准x(i,j),因此范围从第2行第2列变换到倒数第二行和倒数第二列for j=2:width-1B(i,j)=-x(i+1,j)-x(i-1,j)-x(i,j+1)-x(i,j-1)+8*x(i,j)-x(i-1,j-1)-x(i-1,j+1)-x(i+1,j-1)-x(i+1,j+1);      %直接进行矩阵相乘end
end
B=im2uint8(B);

实验结果比对：

上面一行为fspecial()的处理结果，下面一行为自己编写的滤波函数的处理结果。

另外我采用上面的laplacian算子函数的编写方法另外写了Sobel算子的锐化模板函数，处理结果如下，与fspecial函数处理结果有较大差别，因此并未采用。

function C=Sobel(x)
x=double(x);
[height,width]=size(x);
B=zeros(size(x));
C=zeros(size(x));
for i=2:height-1for j=2:width-1B(i,j)=-x(i-1,j-1)-2*x(i-1,j)-x(i-1,j+1)+x(i+1,j-1)+2*x(i+1,j)+x(i+1,j+1);C(i,j)=-B(i-1,j-1)+B(i-1,j+1)-2*B(i,j-1)+2*B(i,j+1)-B(i+1,j-1)+B(i+1,j+1);end
end
C=uint8(C);