高斯去噪声 matlab

在 Matlab 中，可以使用 `imgaussfilt` 函数对图像进行高斯滤波去噪处理。高斯滤波是一种线性平滑滤波器，可以通过对图像进行高斯滤波来平滑图像的噪声。

以下是 `imgaussfilt` 函数的语法格式：

J = imgaussfilt(I, sigma);

其中，`I` 是待平滑处理的原始图像，`sigma` 是高斯核的标准差，`J` 是处理后的图像。

示例代码：

% 读取噪声图像
img = imread('noisy_img.jpg');
% 显示原始图像
subplot(1,2,1);
imshow(img); title('原始图像');

% 进行高斯滤波去噪
sigma = 2; % 设定高斯核的标准差
filtered_img = imgaussfilt(img, sigma); % 进行高斯滤波

% 显示去噪后的图像
subplot(1,2,2);
imshow(filtered_img); title('高斯去噪图像');

在上面的示例中，我们读取了一幅噪声图像 `img`，然后使用 `imgaussfilt` 函数对其进行高斯滤波去噪处理。在这里，我们设定高斯核的标准差为 2，然后将其作为 `imgaussfilt` 函数的第二个参数 `sigma`。最后使用 `subplot` 和 `imshow` 函数将原始图像和去噪后的图像显示在同一窗口中。

相关问题

匹配滤波去除高斯白噪声matlab

以下是一个简单的示例代码，演示如何使用匹配滤波器去除高斯白噪声：

% 生成一个信号加上高斯白噪声
x = linspace(0, 10, 1000);
signal = sin(x);
noise = 0.1 * randn(size(signal));
x_noisy = signal + noise;

% 定义匹配滤波器
h = fliplr(signal);

% 进行卷积
y = conv(x_noisy, h, 'same');

% 绘制结果
subplot(2,1,1);
plot(x, x_noisy);
title('原始信号加高斯白噪声');
subplot(2,1,2);
plot(x, y);
title('使用匹配滤波去除高斯白噪声');

在这个示例中，我们首先生成一个正弦信号，并添加高斯白噪声。然后定义一个匹配滤波器，它是原始信号的反转。最后，我们使用卷积操作将匹配滤波器应用于带有噪声的信号，以去除噪声。绘制结果表明，使用匹配滤波器可以有效地去除高斯白噪声。

高斯滤波去除噪声matlab代码

以下是高斯滤波去除噪声的Matlab代码：

% 读入图像
img = imread('image.jpg');

% 定义高斯滤波器的标准差和大小
sigma = 2;
hsize = ceil(3*sigma)*2+1;

% 创建高斯滤波器
h = fspecial('gaussian', hsize, sigma);

% 对图像进行高斯滤波
img_filtered = imfilter(img, h);

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

在上述代码中，`imread`函数用于读入图像，`fspecial`函数用于创建高斯滤波器，`imfilter`函数用于对图像进行高斯滤波，`subplot`函数用于显示原始图像和去噪后的图像。