高斯平滑去噪matlab代码示例

高斯平滑是一种常用的图像去噪方法，它通过对图像进行平滑处理来减少噪声的影响。在MATLAB中，可以使用内置函数`imgaussfilt`来实现高斯平滑去噪。下面是一个MATLAB代码示例：

% 读取图像
image = imread('input.jpg');

% 将图像转换为灰度图像（如果是彩色图像）
grayImage = rgb2gray(image);

% 对图像进行高斯平滑处理
smoothedImage = imgaussfilt(grayImage, sigma);

% 显示原始图像和平滑后的图像
subplot(1, 2, 1);
imshow(grayImage);
title('原始图像');

subplot(1, 2, 2);
imshow(smoothedImage);
title('平滑后的图像');

在上述代码中，`input.jpg`是输入图像的文件名，`sigma`是高斯核的标准差，用于控制平滑程度。你可以根据需要调整`sigma`的值来获得不同程度的平滑效果。

相关问题

高斯滤波去噪MATLAB代码

以下是使用高斯滤波器进行图像去噪的MATLAB代码示例：

% 读取原始图像
originalImage = imread('input_image.jpg');

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

% 添加高斯噪声（可选）
noisyImage = imnoise(grayImage, 'gaussian', 0, 0.01);

% 定义高斯滤波器参数
filterSize = [5 5]; % 滤波器尺寸
sigma = 2; % 方差，控制滤波器的平滑程度

% 应用高斯滤波器进行去噪
filteredImage = imgaussfilt(noisyImage, sigma, 'FilterSize', filterSize);

% 显示结果
subplot(1, 2, 1);
imshow(noisyImage);
title('Noisy Image');
subplot(1, 2, 2);
imshow(filteredImage);
title('Denoised Image');

在上述代码中，首先读取原始图像并将其转换为灰度图像。然后，可以选择添加高斯噪声（这里使用`imnoise`函数，可以根据需要调整噪声的强度）。接下来，定义高斯滤波器的尺寸和方差。最后，使用`imgaussfilt`函数将高斯滤波器应用于噪声图像，得到去噪后的图像。

`imgaussfilt`函数是MATLAB的图像处理工具箱中提供的函数，用于实现高斯滤波。它可以接受多个参数，包括待滤波图像、滤波器的标准差（方差）、滤波器尺寸等。通过调整方差和滤波器尺寸，可以控制滤波器的平滑程度。

最后，使用`imshow`函数显示原始图像、噪声图像和去噪后的图像。

希望以上代码能帮助到你。如果还有其他问题，请随时提问。

边界保持类平滑滤波器matlab图像去噪

边界保持类平滑滤波器是一种能够在去除图像噪声的同时保持图像边界信息的滤波器。在MATLAB中，可以使用medfilt2函数实现中值滤波器，该函数可以保持图像边界信息。下面是一个使用medfilt2函数进行图像去噪的示例：

% 读取图像
I = imread('lena.png');

% 添加高斯噪声
J = imnoise(I, 'gaussian', 0.02);

% 使用中值滤波器进行去噪
K = medfilt2(J);

% 显示结果
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('使用中值滤波器去噪后的图像');

上述代码中，首先使用imread函数读取图像，然后使用imnoise函数添加高斯噪声。接着，使用medfilt2函数进行中值滤波器处理，最后使用subplot函数将原始图像、添加噪声后的图像以及使用中值滤波器去噪后的图像显示在同一窗口内。