基于matlab的線性平滑濾波圖像增強并給出其PSNR指標

最簡單的平滑濾波是將原圖中一個像素的灰度值和它周圍鄰近8個像素的灰度值相加，然后將求得的平均值（除以9）作為新圖中該像素的灰度值。這種方法稱為鄰域平均法，它采用模板計算的思想，模板操作實現了一種鄰域運算，即某個像素點的結果不僅與本像素灰度有關，而且與其鄰域點的像素值有關。

鄰域平均處理方法是以圖像模糊為代價來減小噪聲的，且模板尺寸越大，噪聲減小的效果越顯著。如果f(x,i) 是噪聲點，其鄰近像素灰度與之相差很大，采用鄰域平均法就是用鄰近像素的平均值來代替它，這樣能明顯消弱噪聲點，使鄰域中灰度接近均勻，起到平滑灰度的作用。因此，鄰域平均法具有良好的噪聲平滑效果，是最簡單的一種平滑方法.

Matlab代碼：

I= imread('1.jpg');%自己任意給出一張圖片

I=im2double(I);

H=rgb2gray(I);

J=imnoise(H, 'salt& pepper', 0.02);

h1=fspecial('average',3);

h2=fspecial('average',5);

h3=fspecial('average',7);

K1=filter2(h1, J);

K2=filter2(h2, J);

K3=filter2(h3, J);

subplot(221);imshow(J);title('0');

subplot(222);imshow(K1);title('1');

subplot(223);imshow(K2);title('2');

subplot(224);imshow(K3);title('3');

[g w]=size(K1);

L=imresize(K1,[floor(g/2)floor(w/2)]);

L=imresize(L,[gw]);

M=im2uint8(K1);

N=im2uint8(L);

B=8;

MAX=2^B-1;

MES=sum(sum((M-N).^2))/(g*w);

PSNR=20*log10(MAX/sqrt(MES))

[g w]=size(K2);

L=imresize(K2,[floor(g/2)floor(w/2)]);

L=imresize(L,[gw]);

M=im2uint8(K2);

N=im2uint8(L);

B=8;

MAX1=2^B-1;

MES1=sum(sum((M-N).^2))/(g*w);

PSNR1=20*log10(MAX1/sqrt(MES1))

[g w]=size(K3);

L=imresize(K3,[floor(g/2)floor(w/2)]);

L=imresize(L,[gw]);

M=im2uint8(K3);

N=im2uint8(L);

B=8;

MAX2=2^B-1;

MES2=sum(sum((M-N).^2))/(g*w);

PSNR2=20*log10(MAX2)/sqrt(MES2)