实验四：数字图像处理的工程编程实现实验目的掌握对数字图像处理进行的编程实现能够分析出显示图像的变化原理熟练掌握相关的理论知识实验原理中值滤波中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是去某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升（或下降）的为二维数据序列。二维中值滤波输出为g（x,y）=med{f(x-k,y-l),(k,l∈W)}，其中,f(x,y)，g(x,y)分别为原始图像和处理后图像。W为二维模板，通常为2*2，3*3区域，也可以是不同的的形状，如线状，圆形，十字形，圆环形等。均值滤波均值滤波也称为线性滤波，其采用的主要方法为领域平均法。线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点（x，y），选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点（x，y），作为处理后图像在该点上的灰度个g（x，y），即个g（x，y）=1/m∑f（x，y）m为该模板中包含当前像素在内的像素总个数。低通滤波低通滤波(Low-passfilter)是一种过滤方式，规则为低频信号能正常通过，而超过设定临界值的高频信号则被阻隔、减弱。但是阻隔、减弱的幅度则会依据不同的频率以及不同的滤波程序（目的）而改变。它有的时候也被叫做高频去除过滤（high-cutfilter）或者最高去除过滤（treble-cutfilter)。低通过滤是高通过滤的对立。维纳滤波从噪声中提取信号波形的各种估计方法中，维纳（Wiener）滤波是一种最基本的方法，适用于需要从噪声中分离出的有用信号是整个信号（波形），而不只是它的几个参量。设维纳滤波器的输入为含噪声的随机信号。期望输出与实际输出之间的差值为误差，对该误差求均方，即为均方误差。因此均方误差越小，噪声滤除效果就越好。为使均方误差最小，关键在于求冲激响应。如果能够满足维纳－霍夫方程，就可使维纳滤波器达到最佳。根据维纳－霍夫方程，最佳维纳滤波器的冲激响应，完全由输入自相关函数以及输入与期望输出的互相关函数所决定。实验结果中值滤波如上图所示：左图为原灰度图像加入椒盐噪声后的效果，经过中值滤波以后图像又恢复成了原灰度图像！效果很好。均值滤波左图为加入高斯噪声后的灰度图！经过均值滤波！噪声被去除！但图像视觉效果不够好低通滤波左图为加入高斯噪声后的灰度图！经过低通滤波！噪声未被去除干净！图像中还含有噪声！清晰度不够。4.维纳滤波左图为加入噪声后的灰度图，经过维纳滤波！图像中噪声未被去除干净！不够清晰！运动模糊图像左图为加入噪声后的灰度图，经过处理！图像达到运动模糊效果图！主要是不同的背景和目标叠合在了一起产生的效果。试验心得通过这次对数字图像的处理，了解和认识到了matlab在图像处理方面的巨大功能,也增长了很多知识，而且程序上要比VC++的程序简单的多！用C++build做过一点但程序看不懂就作罢了！也认识到自己知识的欠缺.以后有时间得好好学习学习一下新的软件和知识。