基于3×3的模板（选择至少3种模板，平均、高斯和自建模板），编写均值滤波的处理程序，处理含有椒盐和高斯噪声的图像，观察处理结果。matlab

在MATLAB中，可以使用`imfilter`函数结合3x3的模板（如平均模板、高斯模板或用户自定义模板）来实现均值滤波，这有助于去除图像中的椒盐噪声和低频高频噪声。以下是基于三种模板的简单步骤：

1. **平均模板**：

   % 加载图像并创建平均模板
   img = imread('your_image.jpg');
   avg_template = ones(3) / 9; % 3x3全1矩阵

   % 使用imfilter函数进行滤波
   filtered_img_avg = imfilter(img, avg_template, 'replicate'); % 'replicate'边界处理选项

2. **高斯模板**：
高斯滤波需要一个二维高斯核，MATLAB内置了一个函数`fspecial('gaussian', [3 3], sigma)`用于生成，`sigma`决定了平滑程度。

   gauss_kernel = fspecial('gaussian', [3 3], sigma);
   filtered_img_gauss = imfilter(img, gauss_kernel, 'replicate');

3. **自定义模板**：
如果需要特定形状的模板，例如定制边缘检测的模板，首先定义3x3的矩阵，然后传递给`imfilter`。

   custom_template = [0 -1 0; -1 5 -1; 0 -1 0]; % 自定义例子，中心像素值为5
   filtered_img_custom = imfilter(img, custom_template, 'replicate');

处理完成后，通常会对比原始图像和处理后的图像，观察噪声是否减少以及细节是否受到影响。可以使用`imshowpair`函数显示比较。

% 显示原图和处理后的图像
subplot(2, 2, 1), imshow(img, 'InitialMagnification', 'fit'), title('Original Image');
subplot(2, 2, 2), imshow(filtered_img_avg, 'InitialMagnification', 'fit'), title('Filtered with Average Template');
subplot(2, 2, 3), imshow(filtered_img_gauss, 'InitialMagnification', 'fit'), title('Filtered with Gaussian Template');
subplot(2, 2, 4), imshow(filtered_img_custom, 'InitialMagnification', 'fit'), title('Filtered with Custom Template');