MATLAB均值滤波计算信噪比

均值滤波可以去除图像中的噪声，从而提高图像质量。但是，滤波会对图像进行平滑处理，可能会损失图像的一些细节信息。因此，我们需要在滤波前后计算图像的信噪比（SNR），来评估滤波效果是否好。

MATLAB提供了计算图像信噪比的函数psnr，在滤波前后分别计算图像的信噪比，可以得到滤波的效果。下面是一个使用均值滤波计算图像信噪比的示例代码：

% 读取图像
I = imread('lena.png');

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

% 定义均值滤波器
h = fspecial('average', [3 3]);

% 进行均值滤波
K = imfilter(J, h);

% 计算信噪比
snr1 = psnr(I, J);
snr2 = psnr(I, K);

% 显示结果
figure;
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 SNR=', num2str(snr1)]);

subplot(1, 3, 3);
imshow(K);
title(['均值滤波后的图像 SNR=', num2str(snr2)]);

在上述代码中，我们首先读取了一张图像，然后使用imnoise函数添加了高斯噪声。接着，我们使用fspecial函数定义了一个3x3的均值滤波器，然后使用imfilter函数对图像进行了均值滤波。最后，我们使用psnr函数分别计算了原始图像和添加噪声后的图像、均值滤波后的图像的信噪比，并在一个图像窗口中显示了这三张图像。

通过观察信噪比的值，我们可以发现均值滤波可以有效地去除图像中的噪声，从而提高信噪比。但是，均值滤波也会对图像进行平滑处理，可能会损失一些细节信息，因此需要根据具体情况选择合适的滤波方法。