matlab图像滤除高斯噪声

以下是使用Matlab实现均值滤波去除高斯噪声的示例代码：

% 读取图像
image = imread('image.jpg');

% 添加高斯噪声
noisy_image = imnoise(image, 'gaussian', 0, 0.01);

% 定义滤波器大小
filter_size = 3;

% 使用均值滤波器去除噪声
filtered_image = imfilter(noisy_image, fspecial('average', filter_size));

% 显示原始图像和去噪后的图像
subplot(1, 2, 1), imshow(noisy_image), title('Noisy Image');
subplot(1, 2, 2), imshow(filtered_image), title('Filtered Image');

这段代码首先读取图像，然后使用`imnoise`函数向图像添加高斯噪声。接下来，定义了滤波器的大小，这里使用了3x3的均值滤波器。最后，使用`imfilter`函数对添加了噪声的图像进行滤波处理，得到去噪后的图像。最后，使用`subplot`和`imshow`函数将原始图像和去噪后的图像显示在一个图像窗口中。

相关问题

matlab均值滤波去除高斯噪声

在Matlab中，可以使用以下代码进行均值滤波去除高斯噪声：

% 生成高斯噪声图像
I = im2double(imread('lena.png')); % 读取图像
J = imnoise(I,'gaussian',0,0.01); % 添加高斯噪声，标准差为0.01

% 均值滤波
K = imfilter(J,fspecial('average',[3 3])); % 3x3均值滤波

% 显示图像
figure;
subplot(1,3,1); imshow(I); title('原始图像');
subplot(1,3,2); imshow(J); title('添加高斯噪声后的图像');
subplot(1,3,3); imshow(K); title('去噪后的图像');

在上述代码中，使用了 `imnoise` 函数生成高斯噪声图像，标准差为0.01。然后使用 `imfilter` 函数进行3x3的均值滤波。最后，使用 `subplot` 和 `imshow` 函数将原始图像、添加噪声后的图像、去噪后的图像显示在同一个窗口中。

matlab估计图像高斯噪声的噪声水平并滤除高斯噪声

可以使用MATLAB中的"imnoise"函数添加高斯噪声，并使用"fspecial"函数创建高斯滤波器。然后使用"imfilter"函数进行滤波处理。

以下是代码示例：

% 读入图像
img = imread('image.jpg');

% 添加高斯噪声
noisy_img = imnoise(img, 'gaussian', 0, 0.01); % 0.01为方差

% 估计噪声水平
noise_level = std2(noisy_img);

% 创建高斯滤波器
h = fspecial('gaussian', [3 3], noise_level);

% 进行滤波处理
filtered_img = imfilter(noisy_img, h);

% 显示处理结果
subplot(1, 3, 1), imshow(img), title('原图');
subplot(1, 3, 2), imshow(noisy_img), title('带噪声图像');
subplot(1, 3, 3), imshow(filtered_img), title('滤波后图像');

这段代码中，首先使用"imnoise"函数添加高斯噪声，然后使用"std2"函数计算噪声水平，接着使用"fspecial"函数创建高斯滤波器，最后使用"imfilter"函数对图像进行滤波处理。最终结果可以使用"imshow"函数进行显示。