图像滤波matlab

在Matlab中，可以使用双边滤波算法对图像进行去噪处理。双边滤波是一种非线性滤波方法，它能够在保持边缘信息的同时有效地降低图像噪声。

下面是一个使用Matlab进行图像双边滤波去噪的示例代码：

% 读取图像
img = imread('input_image.jpg');

% 将图像转换为灰度图
gray_img = rgb2gray(img);

% 添加高斯噪声
noisy_img = imnoise(gray_img, 'gaussian', 0, 0.01);

% 双边滤波去噪
filtered_img = bilateralFilter(noisy_img, 3, 10, 10);

% 显示原始图像和去噪后的图像
figure;
subplot(1,2,1);
imshow(noisy_img);
title('Noisy Image');subplot(1,2,2);
imshow(filtered_img);
title('Filtered Image');

% 双边滤波函数
function output = bilateralFilter(input, sigma_spatial, sigma_range, window_size)
    [h, w] = size(input);
    output = zeros(size(input));
    pad_size = floor(window_size/2);
    padded_input = padarray(input, [pad_size, pad_size], 'replicate');
    
    for i = 1:h
        for j = 1:w
            center_pixel = padded_input(i+pad_size, j+pad_size);
            weighted_sum = 0;
            weight_sum = 0;            
            for m = -pad_size:pad_size
                for n = -pad_size:pad_size
                    spatial_distance = sqrt(m^2 + n^2);
                    range_distance = abs(center_pixel - padded_input(i+m+pad_size, j+n+pad_size));
                    weight = exp(-(spatial_distance^2)/(2*sigma_spatial^2)) * exp(-(range_distance^2)/(2*sigma_range^2));
                    weighted_sum = weighted_sum + padded_input(i+m+pad_size, j+n+pad_size) * weight;
                    weight_sum = weight_sum + weight;
                end
            end
            
            output(i, j) = weighted_sum / weight_sum;
        end
    end
end

在这个示例中，首先读取输入图像，然后将其转换为灰度图像。接下来，使用`imnoise`函数向灰度图像添加高斯噪声。然后，定义了一个双边滤波函数`bilateralFilter`，其中包含双边滤波的核心算法。最后，通过调用`bilateralFilter`函数对噪声图像进行去噪处理，并显示原始图像和去噪后的图像。

请注意，上述代码中的双边滤波函数是自己实现的简单版本，你可以根据需要进行优化和修改。另外，调整参数`sigma_spatial`、`sigma_range`和`window_size`可以获得不同的去噪效果。