中值滤波

领域法：y=imread("D:ABC.jpg");J1=imnoise(y,"salt & pepper",0.02);J2=imnoise(y,"gaussian");H1=ones(3,3)/9;Y=imfilter(y,H1);Y1=imfilter(J1,H1);Y2=imfilter(J2,H1);subplot(2,2,1),imshow(Y);subplot(2,2,2),imshow(Y1);subplot(2,2,3),imshow(Y2);中值法y=imread("D:ABC.jpg");J1=imnoise(y,"salt & pepper",0.02);J2=imnoise(y,"gaussian",0.02);subplot(2,2,1),imshow(J1);subplot(2,2,2),imshow(J2);y1=medfilt2(J1,[5,5]);y2=medfilt2(J2,[5,5]);subplot(2,2,3),imshow(y1);subplot(2,2,4),imshow(y2);

单极或双极（椒盐噪声），个人理解为分布比较分散的噪声

中值滤波可以有效去除高频信号，对低频信号影响很小，因此对去除椒盐噪声非常有效。细节多的图像本身高频信号很多，因此用中值滤波容易影响图像质量。

中值滤波和双边滤波可以结合。中值滤波可以去除散粒噪声，优点是保边平滑，即在滤除高频噪声时，边缘不容易被柔化。双边滤波器思想的精髓在于，抑制与中心像素值差别较大的像素，而不是抑制固定百分比的像素。把用滤波函数都处理一遍图像就好了。中值滤波主要是处理椒盐噪声，均值滤波可以去高斯噪声，维纳滤波器的优点是适应面较广，无论平稳随机过程是连续的还是离散的，是标量的还是向量的，都可应用。

中值滤波是对一个滑动窗口内的诸像素灰度值排序，用其中值代替窗口中心象素的原来灰度值，它是一种非线性的图像平滑法，它对脉冲干扰级椒盐噪声的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。中值滤波经常用于去除图像或者其它信号中的噪声。这个设计思想就是检查输入信号中的采样并判断它是否代表了信号，使用奇数个采样组成的观察窗实现这项功能。观察窗口中的数值进行排序，位于观察窗中间的中值作为输出。然后，丢弃最早的值，取得新的采样，重复上面的计算过程。扩展资料：中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升（或下降）的为二维数据序列。参考资料来源：百度百科-中值滤波

均值滤波是对窗口所覆盖的像素求取均值，这种滤波方法是将噪声平均到邻域像素里面，所以会模糊图像；中值滤波是对窗口下的像素值进行排序，将中间位置的像素值赋给窗口中心像素，对于滤除诸如椒盐噪声等有很好的效果。对于你说的尖锐噪声，建议使用中值滤波。以上。

可以，其实就是把用滤波函数都处理一遍图像就好了。中值滤波主要是处理椒盐噪声，均值滤波可以去高斯噪声，维纳滤波器的优点是适应面较广，无论平稳随机过程是连续的还是离散的，是标量的还是向量的，都可应用。不过顺序不一样，最后得到的结果也会有区别，建议你都试试，然后比对一下结果就好了。

%%中值I=imread("lena.bmp"); %读原图J1=imnoise(I,"salt & pepper",0.02); %加均值为0，方差为0.02的椒盐噪声J2=imnoise(I,"gaussian",0.02); %加均值为0，方差为0.02的高斯噪声。subplot(2,2,1),imshow(J1); %显示有椒盐噪声图像subplot(2,2,2),imshow(J2); %显示有高斯噪声图像I1= medfilt2(J1,[5,5]); %对有椒盐噪声图像进行5×5方形窗口中值滤波I2= medfilt2(J2,[5,5]); %对有高斯噪声图像进行5×5方形窗口中值滤波subplot(2,2,3),imshow(I1); %显示有椒盐噪声图像的滤波结果subplot(2,2,4),imshow(I2); %显示有高斯噪声图像的滤波结果 %%均衡I=imread("lena.bmp"); %将图读入到Iimshow(I); %显示图像figure,imhist(I); %直方图I2=histeq(I); %均衡化figure;imshow(I2); %处理后图像显示figure;imhist(I2); %均衡化后直方图imwrite(I2,"lena2.bmp"); %保存图像

%%%%中值滤波得加窗I=imread("D:picture.jpg");figure;imshow(I);g=medfilt2(I,[5 5]);%中值滤波figure;imshow(g);希望对你能有所帮助。

均值滤波器是一种最常用的线性低通平滑滤波器，可抑制图像中的加性噪声，但同时也使图像变得模糊；中值滤波器是一种最常用的非线性平滑滤波器，可消除图像中孤立的噪声点，又可产生较少的模糊。一般情况下中值滤波的效果要比邻域平均处理的低通滤波效果好，主要特点是滤波后图像中的轮廓比较清晰。因此，滤除图像中的椒盐噪声采用中值滤波。

均值滤波器是一种最常用的线性低通平滑滤波器，可抑制图像中的加性噪声，但同时也使图像变得模糊；中值滤波器是一种最常用的非线性平滑滤波器，可消除图像中孤立的噪声点，又可产生较少的模糊。一般情况下中值滤波的效果要比邻域平均处理的低通滤波效果好，主要特点是滤波后图像中的轮廓比较清晰。因此，滤除图像中的椒盐噪声采用中值滤波。

Bitmap image = new Bitmap(50,22); Graphics g = Graphics.FromImage(image); try { //生成随机生成器 Random random = new Random(); //清空图片背景色 g.Clear(Color.White); //画图片的背景噪音线 for (int i = 0; i < 25; i++) { int x1 = random.Next(image.Width); int x2 = random.Next(image.Width); int y1 = random.Next(image.Height); int y2 = random.Next(image.Height); g.DrawLine(new Pen(Color.Silver), x1, y1, x2, y2); } Font font = new Font("Arial", 12, (FontStyle.Bold | FontStyle.Italic)); LinearGradientBrush brush = new LinearGradientBrush(new Rectangle(0, 0, image.Width, image.Height), Color.Red, Color.Crimson, 1.2f, true); g.DrawString(checkCode, font, brush, 0, 0); //画图片的前景噪音点 for (int i = 0; i < 100; i++) { int x = random.Next(image.Width); int y = random.Next(image.Height); image.SetPixel(x, y, Color.FromArgb(random.Next())); } //画图片的边框线 g.DrawRectangle(new Pen(Color.Silver), 0, 0, image.Width - 1, image.Height - 1); System.IO.MemoryStream ms = new System.IO.MemoryStream(); image.Save(ms, System.Drawing.Imaging.ImageFormat.Gif); Response.ClearContent(); Response.ContentType = "image/Gif"; Response.BinaryWrite(ms.ToArray()); } finally { g.Dispose(); image.Dispose(); }希望对你有帮助

图像降噪是图像处理中的专业术语。在现实生活中，我们看到的数字图像，在数字化和传输过程中由于常受到成像设备与外部环境噪声干扰等影响，把这些图像称为含噪图像或者叫噪声图像。减少数字图像中噪声的过程称为图像降噪,有时候又称为图像去噪。图像滤波就是在尽量保留图像细节特征的条件下，对目标图像的噪声进行抑制，是图像预处理中不可缺少的操作，其处理效果的好坏将直接影响到后续图像处理和分析的有效性和可靠性。图像滤波是图像降噪的方法，图像降噪有很多方法，主要有：1、均值滤波器 此法适用于去除通过扫描得到的图象中的颗粒噪声。领域平均法能够有力地抑制噪声,同时也由于平均而引起了模糊现象,模糊程度与邻域半径成正比。几何均值滤波器所达到的平滑度可以与算术均值滤波器相比,但在滤波过程中会丢失更少的图象细节。谐波均值滤波器对“盐”噪声效果更好,但是不适用于“胡椒”噪声。它善于处理像高斯噪声那样的其他噪声。逆谐波均值滤波器更适合于处理脉冲噪声,但它有个缺点,就是必须要知道噪声是暗噪声还是亮噪声,以便于选择合适的滤波器阶数符号,如果阶数的符号选择错了可能会引起灾难性的后果。2、自适应维纳滤波器它能根据图象的局部方差来调整滤波器的输出,局部方差越大,滤波器的平滑作用越强。它的最终目标是使恢复图像f^(x,y)与原始图像f(x,y)的均方误差e2=E[(f(x,y)-f^(x,y)2]最小。该方法的滤波效果比均值滤波器效果要好,对保留图像的边缘和其他高频部分很有用,不过计算量较大。维纳滤波器对具有白噪声的图象滤波效果最佳。3、中值滤波器它是一种常用的非线性平滑滤波器,其基本原理是把数字图像或数字序列中一点的值用该点的一个领域中各点值的中值代换。其主要功能是让周围象素灰度值的差比较大的像素改取与周围的像素值接近的值，从而可以消除孤立的噪声点。所以中值滤波对于滤除图像的椒盐噪声非常有效。4、形态学噪声滤除器此方法适用的图像类型是图象中的对象尺寸都比较大,且没有细小的细节。它将开启和闭合结合起来来滤除噪声，先对有噪声图象进行开启操作,可选择结构要素矩阵比噪声的尺寸大,因而开启的结果是将背景上的噪声去除。最后是对前一步得到的图象进行闭合操作,将图象上的噪声去掉。5、小波去噪这种方法保留了大部分包含信号的小波系数,因此可以较好地保持图象细节。小波分析进行图像去噪主要有3个步骤:(1)对图象信号进行小波分解。(2)对经过层次分解后的高频系数进行阈值量化。(3)利用二维小波重构图象信号。

%%中值I=imread("lena.bmp"); %读原图J1=imnoise(I,"salt & pepper",0.02); %加均值为0，方差为0.02的椒盐噪声J2=imnoise(I,"gaussian",0.02); %加均值为0，方差为0.02的高斯噪声。subplot(2,2,1),imshow(J1); %显示有椒盐噪声图像subplot(2,2,2),imshow(J2); %显示有高斯噪声图像I1= medfilt2(J1,[5,5]); %对有椒盐噪声图像进行5×5方形窗口中值滤波I2= medfilt2(J2,[5,5]); %对有高斯噪声图像进行5×5方形窗口中值滤波subplot(2,2,3),imshow(I1); %显示有椒盐噪声图像的滤波结果subplot(2,2,4),imshow(I2); %显示有高斯噪声图像的滤波结果 %%均衡I=imread("lena.bmp"); %将图读入到Iimshow(I); %显示图像figure,imhist(I); %直方图I2=histeq(I); %均衡化figure;imshow(I2); %处理后图像显示figure;imhist(I2); %均衡化后直方图imwrite(I2,"lena2.bmp"); %保存图像

均值滤波器是一种最常用的线性低通平滑滤波器，可抑制图像中的加性噪声，但同时也使图像变得模糊；中值滤波器是一种最常用的非线性平滑滤波器，可消除图像中孤立的噪声点，又可产生较少的模糊。

在去除椒盐噪声方面均值滤波会模糊图像，并且去除效果较差。相比之下，中值滤波能够较好地去除椒盐噪声。中值滤波器在图像上，对待处理的像素给定一个模板，该模板包括了其周围的邻近像素。取模板中排在中间位置上的像素的灰度值替代待处理像素的值，就可以达到滤除噪声的目的。中值滤波器对椒盐噪声的滤波效果较好。扩展资料：注意事项：噪声类型是‘salt & pepper" 一定注意空格的位置 这里比较严格。当噪声类型是"salt & pepper"的时候，第三个参数的意思是噪声密度，比如0.1，那么总像素个数的10%为黑白点，当然是黑点还是白点都是随机的。在图像处理领域，影响图像质量的噪声主要有指数噪声、均匀噪声、椒盐噪声等。其中椒盐噪声的去除是图像处理里面一个研究很久的课题，出现最早的有效方法是中值滤波，是一种非线性滤波方法，对图像的所有像素点均进行处理，改变了图像中真实的像素点，这是传统中值滤波的一个重大缺点。参考资料来源：百度百科-椒盐噪声参考资料来源：百度百科-中值滤波参考资料来源：百度百科-均值滤波

椒盐噪声，因为椒盐噪声为黑白噪声，所以中值滤波效果应该不错。它在平滑脉冲噪声方面非常有效，同时它可以保护图像尖锐的边缘，选择适当的点来替代污染点的值，所以处理效果好，对椒盐噪声表现较好。