高斯滤波器的matlab代码

高斯滤波器是一种常用的线性平滑滤波器，可以有效地去除图像中的高斯噪声。其matlab代码如下：

function [output_image] = gaussian_filter(input_image, sigma)
% input_image: 输入图像
% sigma: 高斯核的标准差

% 构造高斯核
size = 2 * ceil(3 * sigma) + 1; % 核的大小
[x, y] = meshgrid(-(size-1)/2:(size-1)/2, -(size-1)/2:(size-1)/2);
gaussian_kernel = exp(-(x.^2+y.^2)/(2*sigma^2)) / (2*pi*sigma^2);

% 归一化
gaussian_kernel = gaussian_kernel / sum(gaussian_kernel(:));

% 进行卷积
output_image = conv2(input_image, gaussian_kernel, 'same');
end

其中，`input_image`为输入图像，`sigma`为高斯核的标准差，`output_image`为输出图像。

相关问题

高斯滤波器matlab代码

这是一个3x3的高斯滤波器的Matlab代码实现：

% 读取图像
img = imread('image.jpg');

% 定义高斯滤波器
G = [1 2 1;
     2 4 2;
     1 2 1];

% 归一化高斯滤波器
G = G / sum(G(:));

% 进行卷积
img_filtered = conv2(double(img), G, 'same');

% 显示原始图像和滤波后的图像
subplot(1, 2, 1), imshow(img), title('Original Image');
subplot(1, 2, 2), imshow(uint8(img_filtered)), title('Filtered Image');

该代码中，首先读取了一张图像，然后定义了一个3x3的高斯滤波器，接着将该滤波器归一化，再使用`conv2`函数进行卷积操作，最后将滤波后的图像显示出来。

高斯滤波器matlab

高斯滤波器是一种常用的图像滤波器，用于平滑图像并减少噪声。在MATLAB中，可以使用函数`imgaussfilt`来实现高斯滤波。

下面是一个示例代码，演示如何在MATLAB中应用高斯滤波器：

% 读取图像
image = imread('image.jpg');

% 将图像转换为灰度图像
grayImage = rgb2gray(image);

% 定义高斯滤波器的标准差
sigma = 2;

% 应用高斯滤波器
filteredImage = imgaussfilt(grayImage, sigma);

% 显示原始图像和滤波后的图像
subplot(1, 2, 1);
imshow(grayImage);
title('原始图像');

subplot(1, 2, 2);
imshow(filteredImage);
title('滤波后的图像');

在这个示例中，我们首先读取了一个彩色图像，并将其转换为灰度图像。然后，定义了高斯滤波器的标准差 `sigma`。最后，使用`imgaussfilt`函数将高斯滤波器应用到灰度图像上，并显示原始图像和滤波后的图像。

请注意，你需要将`image.jpg`替换为你自己的图像文件路径。此外，你可以根据需要调整`sigma`的值来改变滤波效果。