给你的女神洗洗脸

请大家想一下，当自己存储了好久女神的图片被噪声污染了，那是一种怎样的伤心欲绝的事情啊。但是，有matlab在。你什么都不用担心，matlab会用滤波的办法给图片进行去噪操作。也就是给你的女神“洗脸”，先给大家看一个例子。

处理完了以后：女神又恢复了原来美美哒的样子了，对不对。添加的椒盐噪声几乎全没了。

首先，大家需要了解一下一个简单的非线性空间滤波的工具箱。这个函数就是g=ordfilt2(f,order,domain)。

至于线性滤波，我在前面就已经讲过。如果大家想要对照着学习，可以看一下。

matlab图像（亮度变换与线性滤波）

记住，这个工具箱只能处理二维的图片。当然，可以用其他办法搞定三维的彩色图片。

其中g就是它的输出图像，它的原理非常简单，它可以生成统计排序滤波器，它的响应是基于对图像邻域包含的像素进行排序。然后用排序结果确定的值来代替邻域的中心像素的值。

其中order代表使用排序元素的第order个元素代替f中的每一个元素。而该邻域由domain中的非零元素指定。

比较有名的滤波叫做中值滤波。它对应的是第50个百分位。也就是像素点总和的一半。

语法如下：

g=ordfilt2(f,median(1:m*n),ones(m,n))

还有最小滤波器，对应第0个百分位。

语法如下：

g=ordfilt2(f,1,ones(m,n))

还有对应100个百分位的滤波器。也就是像素点总和。

g=ordfilt2(f,m*n,ones(m,n))。

另外中值滤波还有一个专用的工具箱g=medfilts(f)。

接下来我给出一个中值滤波的例子，这个是将彩色图片处理成黑白图片以后进行的操作。

代码如下

clear
clc
f=imread('12_w.bmp'); %读原图像
f=rgb2gray(f);
f1=imnoise(f,'salt & pepper',0.09); %加椒盐噪声
g=medfilt2(f1); %进行中值滤波
subplot(1,3,1),imshow(f),title('原图像')
subplot(1,3,2),imshow(f1),title('被椒盐噪声污染的图像')
subplot(1,3,3),imshow(g),title('中值滤波图像')

中值滤波以后，被污染的图像几乎恢复得和原来的图像一模一样。

如果添加的是高斯噪声，效果也不错。

代码中只需要把添加噪声的代码修改成下面的就可以了

f1=imnoise(f,'gaussian',0,0.01); %加高斯噪声

那有一些朋友可能会问了，彩色图片应该怎么处理，那是三维的矩阵，工具箱不能解决呀！

不用担心，彩色图片有三个颜色通道，只需要分别处理这三个颜色通道。然后组合在一起，彩色图片就自然解决掉了。

对这三个颜色通道的处理和灰度图一模一样。这就实现了我在开头给大家的图。

代码如下：

clear
clc
f=imread('12_w.bmp');
f1=imnoise(f(:,:,1),'salt & pepper',0.09); %加椒盐噪声
f2=imnoise(f(:,:,2),'salt & pepper',0.09); %加椒盐噪声
f3=imnoise(f(:,:,3),'salt & pepper',0.09); %加椒盐噪声
f_noise(:,:,1)=f1;
f_noise(:,:,2)=f2;
f_noise(:,:,3)=f3;
g1=medfilt2(f1);%中值滤波
g2=medfilt2(f2);%中值滤波
g3=medfilt2(f3);%中值滤波
g_1(:,:,1)=g1;
g_1(:,:,2)=g2;
g_1(:,:,3)=g3;
subplot(1,3,1),imshow(f),title('原图像');
subplot(1,3,2),imshow(f_noise),title('添加椒盐噪声的图像');
subplot(1,3,3),imshow(g_1),title('处理以后的图像');

全部资源：

链接：https://pan.baidu.com/s/13GyWNKiLC93snD0dK72rXA

提取码：f9w5

参考文献：《数学建模算法与应用》（司守奎，孙兆亮）

图片来源：https://pixabay.com