完整版 可直接运行 MATLAB实现图像去噪 滤波 锐化 边缘检测 源程序代码 含测试图片.rar

clear;clc;close all %读取图像 I=imread('1.jpg'); try I=rgb2gray(I); %如果是RGB图像，转成灰度图 end %添加噪声 I=imnoise(I,'salt & pepper',0.04); % 叠加密度为0.04的椒盐噪声 figure imshow(I) title('原图') %图像去噪 I=medfilt2(I,[2 4]); %采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波 figure imshow(I) title('去噪之后的图像') %图像锐化 [M,N]=size(I); % 计算图像的尺寸 f=double(I); % 数据类型转换，MATLAB不支持图像的无符号整型的计算 g=fft2(f); % 二维傅立叶变换，得到频域信息 g=fftshift(g); % 0频率移到(M/2,N/2)处 n=2; % 二阶巴特沃斯(Butterworth)滤波器 D0=3; % 巴特沃斯滤波器的D0，D0越大，保留的高频信号就越少（对于不同的图片，可以自行调节，以便得到好的效果） for i=1:M for j=1:N D=sqrt((i-M/2)^2+(j-N/2)^2); %计算离0频率(M/2,N/2)的距离 h=1/(1+(D0/D)^(2*n)); %计算传递函数的值 output(i,j)=h*g(i,j); %高通滤波之后(i,j)处的值 end end result=ifftshift(output); %与g=fftshift(g)对应，还原回去 I=ifft2(result); %傅里叶反变换 I=uint8(real(I)); %得到滤波之后的图像（锐化之后的图像） figure imshow(I) %滤波后图像显示 title('锐化之后的图像') %直方图均衡化处理 I=histeq(I); %得到直方图均衡化之后的图像 figure imshow(I) title('直方图均衡之后的图像') %边缘检测 I1=edge(I,'prewitt');