实验内容1．给图像加入高斯噪声、椒盐噪声。2.对加入噪声的图像进行平滑处理，并比较各种方法以及模版的异同、优缺。3.利用锐化模板对图像进行锐化处理。
实验结果
1、加入噪声I=imread('lene.jpg');%读取图像K=r壹执慵驾gb2gray(I);J=imnoise(K,赤昆埃虫'gaussian',0,0.01);%给图像加高斯噪声subplot(1,2,1);imshow(J);title('加入高斯噪声的图像');H=IMNOISE(K,'salt&pepper',0.02);%给图像加椒盐噪声subplot(1,2,2);imshow(H);title('加入椒盐噪声的图像');
2、图像的平滑邻域平均模板加权平均模板
3、邻域平均M1=(1/4)*[0,1,0;1,0,1;0,1,0];M2=(1/8)*[1,1,1;1,0,1;1,1,1];L=imfilter(J,M1);G=imfilter(J,M2);subplot(1,2,1);imshow(L);title('4邻域平均')subplot(1,2,2);imshow(G);title('8邻域平均')
4、加权平均M3=(1/5)*[0,1,0;1,1,1;0,1,0];M4=(1/16)*[1,2,1;2,4,2;1,2,1];L=imfilter(J,M3);G=imfilter(J,M4);subplot(1,2,1);imshow(L);title('1/5加权平均')subplot(1,2,2);imshow(G);title('1/16加权平均')
5、图像的锐化拉普拉斯模板Laplacian锐化模板I=imread('fabric.png');婊剧琏兄%读取图像K=rgb2gray(I);M1=[0,1,0;1,-4,1;0,1荑樊综鲶,0];M2=[1,1,1;1,-8,1;1,1,1];K=double(K);J=conv2(K,M1,'same');%卷积G=conv2(K,M2,'same');F=K-J;E=K-G;figure,imshow(K,[]),figure,imshow(J),figure,imshow(G),figure,imshow(F,[])figure,imshow(E,[])原图像4－邻域8－邻域4－邻域锐化图像8－邻域锐化图像
小结
1、平均滤波和加权滤波的效果都不怎么好，不能完全除去高斯噪声，它们对椒盐噪声的处理效果比较理想但仍旧存在提升的空间；另外，在对4邻域8邻域的比较以及1/5加权以及1/16加权平均的比较可以看出，多领域的处理效果比较好，但是它的缺点是会引起图像的模糊。可以肯定的是不同的模版其效果不同，对特定的图像要使用特定的模版。
2、图像变模糊的原因一般为成像系统聚焦不好、信道过窄以及平均过积分运算。图像的锐化使得目标物轮廓变模糊，细节轮廓不清晰，加重目标物轮廓，使模糊图像变清晰。拉普拉斯算子是常用的边缘增强算子，拉普拉斯运算也是偏导数运算的线性组合运算，而且是一种各向同性（旋转不变性）的线性运算。
3、在比较4邻域以及8邻域的锐化图像我们可以发现，4邻域锐化在边缘以及与原图像的相似程度上都有比较满意的效果，8邻域锐化在灰度级对比上比4邻域更加优秀，但它的一个缺点是丢失了一部分图像细节，从而导致图片看起来变得“模糊”。