平滑滤波器、锐化滤波器和中值滤波器matlab

### 平滑滤波器

平滑滤波器用于减少图像中的噪声，特别是高斯噪声。通过使用连续窗函数内的像素加权和来实现这种滤波操作[^1]。对于线性空域滤波器，在MATLAB中可以通过`imfilter()`或`fspecial()`函数轻松创建和应用这些滤波器。

#### 示例代码：平均滤波器（均值滤波）

% 创建一个大小为3x3的平均滤波器核
h = fspecial('average', 3);
% 加载示例图像并转换成灰度图
I = rgb2gray(imread('example.jpg'));
% 应用滤波器到输入图像
J = imfilter(I, h);
imshow(J); % 显示结果图像

此段代码展示了如何构建一个简单的平均滤波器，并将其应用于给定的图像文件以达到降噪目的。

---

### 锐化滤波器

为了增强图像边界特征，可以采用锐化技术。常见的几种锐化算子包括Sobel、Prewitt、Roberts以及Laplacian等。其中Laplacian算子能够突出显示图像中的快速变化区域，即所谓的“边缘”。

#### 示例代码：拉普拉斯锐化

% 定义拉普拉斯算子矩阵
laplacianKernel = [-1 -1 -1;
                   -1 8 -1;
                   -1 -1 -1];
% 对原图先做一次高斯模糊预处理
blurredImage = imgaussfilt(I, 2);
% 执行拉普拉斯变换
edgeEnhancedImg = imfilter(blurredImage, laplacianKernel);
finalResult = I + edgeEnhancedImg; % 将原始图片与经过拉普拉斯后的差分叠加起来
figure, imshow(finalResult), title('Sharpened Image');

上述脚本说明了怎样组合运用高斯低通和平滑后的拉普拉斯高通来进行有效的边缘检测及强化工作。

---

### 中值滤波器

不同于传统的线性方式，中值滤波是一种非线性的方法，它依据邻近区域内各点强度排序的结果选取中间值得出新像素值。这种方法尤其适合对付椒盐类脉冲干扰型噪音[^3]。

#### 示例代码：中值滤波

% 假设已有一个含噪版本的目标图像变量名为noisyImage
filteredMedian = medfilt2(noisyImage,[3 3]); % 进行3×3窗口尺寸下的二维中值过滤
subplot(1,2,1), imshow(noisyImage), title('Noisy Image')
subplot(1,2,2), imshow(filteredMedian), title('After Median Filtering')

这段程序片段解释了针对受污染严重的视觉数据执行去噪处理的具体做法——调用内置命令`medfilt2`完成指定范围内的统计排序替换动作。