空间域滤波增强代码实现

以下是一个使用 Python 实现空间域滤波增强的代码示例，其中使用了均值滤波和高斯滤波两种方法：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('test.jpg')

# 均值滤波
blur = cv2.blur(img, (5, 5))

# 高斯滤波
gaussian = cv2.GaussianBlur(img, (5, 5), 0)

# 显示原图、均值滤波和高斯滤波后的图像
cv2.imshow('Original Image', img)
cv2.imshow('Mean Filter Image', blur)
cv2.imshow('Gaussian Filter Image', gaussian)

cv2.waitKey(0)
cv2.destroyAllWindows()

在上面的代码中，我们首先使用 `cv2.imread` 函数读取一张名为 `test.jpg` 的图像，然后分别使用 `cv2.blur` 和 `cv2.GaussianBlur` 函数对图像进行均值滤波和高斯滤波处理，并将结果显示出来。其中，第二个参数 `(5, 5)` 表示滤波器的大小，可以根据实际需求进行调整。

相关问题

Matlab空间域滤波增强代码实现

以下是一个使用 Matlab 实现空间域滤波增强的代码示例，其中使用了中值滤波和高斯滤波两种方法：

% 读取图像
img = imread('test.jpg');

% 中值滤波
median = medfilt2(img, [5, 5]);

% 高斯滤波
sigma = 2;
gaussian = imgaussfilt(img, sigma);

% 显示原图、中值滤波和高斯滤波后的图像
imshow(img);
title('Original Image');
figure;
imshow(median);
title('Median Filter Image');
figure;
imshow(gaussian);
title('Gaussian Filter Image');

在上面的代码中，我们首先使用 `imread` 函数读取一张名为 `test.jpg` 的图像，然后分别使用 `medfilt2` 和 `imgaussfilt` 函数对图像进行中值滤波和高斯滤波处理，并将结果显示出来。其中，第二个参数 `[5, 5]` 表示滤波器的大小，`sigma` 表示高斯函数的标准差，可以根据实际需求进行调整。

matlab空间域滤波增强的实现

MATLAB中可以使用一些函数来实现空间域滤波增强，以下是其中一些常见的函数：

1. imread：读取图像文件；
2. imnoise：添加噪声；
3. imfilter：进行滤波；
4. imshow：显示图像。

下面是一个简单的空间域滤波增强的实现代码：

% 读取图像
img = imread('lena.png');

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

% 中值滤波去噪
denoised_img = medfilt2(noisy_img);

% Sobel算子锐化
sobel_filter = [-1, -2, -1; 0, 0, 0; 1, 2, 1];
sharpened_img = imfilter(denoised_img, sobel_filter);

% 显示结果
subplot(1, 3, 1), imshow(img), title('原始图像');
subplot(1, 3, 2), imshow(noisy_img), title('添加高斯噪声');
subplot(1, 3, 3), imshow(sharpened_img), title('中值滤波去噪并Sobel算子锐化');

其中，使用 imnoise 函数添加高斯噪声，使用 medfilt2 函数进行中值滤波去噪，使用 imfilter 函数进行 Sobel 算子锐化。最后使用 subplot 和 imshow 函数将结果显示出来。