matlab利用线性预测去除图像椒盐噪声代码

以下是使用线性预测去除图像椒盐噪声的 MATLAB 代码：

% 读取图像
img = imread('example.png');

% 添加椒盐噪声
noisy_img = imnoise(img, 'salt & pepper', 0.02);

% 设置线性预测器的阶数
order = 2;

% 获取图像的大小
[height, width] = size(noisy_img);

% 构造线性预测器
predictor = dsp.LinearPrediction(order);

% 初始化输出图像
output_img = zeros(height, width);

% 遍历每个像素点
for i = 1:height
    for j = 1:width
        
        % 获取当前像素点的前后邻域
        if i <= order || j <= order || i > height - order || j > width - order
            continue;
        end
        patch = double(noisy_img(i-order:i+order, j-order:j+order));
        
        % 对邻域进行线性预测
        [coeffs, err] = step(predictor, patch(:));
        predicted_patch = reshape(predictor.predict(patch(:), coeffs), [2*order+1, 2*order+1]);
        
        % 使用预测值替换当前像素点的值
        output_img(i, j) = predicted_patch(order+1, order+1);
    end
end

% 显示图像
subplot(1, 2, 1);
imshow(noisy_img);
title('Noisy Image');

subplot(1, 2, 2);
imshow(uint8(output_img));
title('Denoised Image');

其中，`imread`函数用于读取图像，`imnoise`函数用于添加椒盐噪声。在上述代码中，我们使用了 MATLAB Signal Processing Toolbox 中的`dsp.LinearPrediction`对象来构造线性预测器，并使用该预测器对每个像素点的邻域进行线性预测。最后，使用`imshow`函数显示原始图像和去噪后的图像。需要注意的是，在实际应用中，线性预测的阶数需要根据具体情况进行调整。