在MATLAB中，如何应用邻域平均法和中值滤波技术来实现图像平滑处理？请提供具体的代码示例。

图像平滑是图像处理中的一个基本步骤，它有助于改善图像质量，特别是在去除噪声方面。邻域平均法和中值滤波是两种常用的图像平滑技术。为了帮助你更好地理解和应用这些技术，我建议参考《MATLAB实现图像平滑算法详解：噪声抑制与边缘保持》。以下是如何在MATLAB中应用这两种技术的详细说明：

参考资源链接：[MATLAB实现图像平滑算法详解：噪声抑制与边缘保持](https://wenku.csdn.net/doc/3mawcsp0i8?spm=1055.2569.3001.10343)

1. 邻域平均法：
邻域平均法通过计算每个像素点的邻域像素的平均灰度值来实现平滑。这种方法简单有效，但可能会使图像的边缘变得模糊。以下是使用邻域平均法进行图像平滑的MATLAB代码示例：

function smoothImage = neighborhoodAverage(image, kernelSize)
    [rows, cols] = size(image);
    smoothImage = zeros(rows, cols);
    kernel = ones(kernelSize) / kernelSize^2; % 创建归一化的卷积核

    for i = 1:rows
        for j = 1:cols
            window = image(i-floor((kernelSize-1)/2):i+floor((kernelSize-1)/2), ...
                j-floor((kernelSize-1)/2):j+floor((kernelSize-1)/2));
            smoothImage(i, j) = sum(sum(kernel .* window));
        end
    end
end

在上述代码中，`image`是输入的图像矩阵，`kernelSize`是用于计算邻域平均的核的大小。

2. 中值滤波法：
中值滤波是一种非线性滤波器，通过将每个像素的邻域像素值进行排序，并取其中值来替代原像素值。这种方法对去除椒盐噪声特别有效，同时能较好地保持图像边缘。以下是使用中值滤波进行图像平滑的MATLAB代码示例：

function smoothImage = medianFilter(image, kernelSize)
    smoothImage = medfilt2(image, [kernelSize kernelSize]);
end

在上述代码中，`image`是输入的图像矩阵，`kernelSize`是滤波器的核大小。`medfilt2`是MATLAB内置函数，可以直接应用。

通过上述两种方法，你可以有效地在MATLAB中进行图像平滑处理。根据图像的具体噪声情况和对边缘保持的需求，你可以选择适合的算法。同时，为了更好地掌握图像平滑和图像增强的全面知识，建议深入阅读《MATLAB实现图像平滑算法详解：噪声抑制与边缘保持》一书。

参考资源链接：[MATLAB实现图像平滑算法详解：噪声抑制与边缘保持](https://wenku.csdn.net/doc/3mawcsp0i8?spm=1055.2569.3001.10343)