图像处理滤波matlab去噪

以下是基于维纳滤波实现图像去噪的Matlab代码：

I = imread('image.jpg'); % 读取图像
J = imnoise(I,'gaussian',0,0.01); % 添加高斯噪声
K = wiener2(J,[5 5]); % 维纳滤波去噪
imshowpair(J,K,'montage'); % 显示去噪前后的图像

代码解释：
1. 首先使用`imread`函数读取图像。
2. 使用`imnoise`函数添加高斯噪声，其中第三个参数为噪声均值，第四个参数为噪声方差。
3. 使用`wiener2`函数进行维纳滤波去噪，其中第二个参数为滤波器大小。
4. 使用`imshowpair`函数显示去噪前后的图像，其中第三个参数为显示方式。

相关问题

双边滤波图像去噪matlab

双边滤波是一种有效的图像去噪技术，可以保留图像的边缘信息。在Matlab中，可以使用以下代码进行双边滤波图像去噪：

img = imread('image.jpg');  % 读取原始图像
img = im2double(img);       % 转化为双精度浮点型
noise_img = imnoise(img, 'gaussian', 0.01);  % 添加高斯噪声
filtered_img = bilateralFilter(noise_img, [5, 5], 10, 0.1);  % 双边滤波
imshow(filtered_img);       % 显示处理后的图像

上述代码中，使用imread函数读取原始图像，并使用im2double函数将其转化为双精度浮点型。然后使用imnoise函数添加高斯噪声，其中'gaussian'表示添加高斯噪声，0.01表示噪声的方差。最后，使用bilateralFilter函数进行双边滤波处理，其中[5, 5]表示滤波器大小，10表示空间参数，0.1表示灰度值参数。最后使用imshow函数显示处理后的图像。

维纳滤波图像去噪matlab

使用维纳滤波算法进行图像去噪的MATLAB代码可以如下：

% 读入需要处理的图像
img = imread('noisy_image.jpg');

% 加载预定义的噪声方差值
variance = var(im2double(img(:)));

% 指定滤波器大小
filter_size = 3;

% 计算维纳滤波器
h = fspecial('gaussian', filter_size, variance);
estimated_noise = 0.1 * variance;
img_denoised = deconvwnr(img, h, estimated_noise);

% 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_denoised);title('Denoised Image');

在这段代码中，我们首先读入需要处理的图像，然后计算其噪声方差。接着，我们指定滤波器大小，根据噪声方差计算维纳滤波器。最后使用MATLAB中的`deconvwnr`函数对图像进行去噪处理，得到去噪后的图像。最后，我们使用`imshow`函数显示原始图像和去噪后的图像。