1. 对给定的同一幅图像，加上不同强度的高斯噪声，分别使用均值滤波器、中值滤波器、高斯平滑滤波器对加噪后的图像进行滤波处理。
2. 对给定的同一幅图像，加上不同强度的椒盐噪声，分别使用均值滤波器、中值滤波器、高斯平滑滤波器对加噪后的图像进行滤波处理。
example 1：对灰度图片加入高斯噪声
I=imread('peppers.png');
subplot(2,3,1)
imshow(I)
title('\itOriginal image')%显示原始图像
[width,height,z]=size(I);%判断一幅图像是否为灰度图像
if(z>1)
I=rgb2gray(I);
end
subplot(2,3,2);
imshow(I);
title('\itGray image');%转为灰度图像
av=0;
std=0.09;
u1=rand(width,height);
u2=rand(width,height);
x=std*sqrt(-2*log(u1)).*cos(2*pi*u2)+av;%加入高斯噪声，均值为0，标准差为0.1
I=double(I)/255+x;
I=uint8(255*I);
subplot(2,3,3);
imshow(I);
title('\itGaussian noise');
%中值滤波
subplot(2,3,4)
medres=medfilt2(I);
imshow(medres)
title('\itMedian filter')
%均值滤波
subplot(2,3,5)
A=fspecial('average');
avres=filter2(A,I)/255;
imshow(avres)
title('\itAverage Filter')
%高斯滤波
subplot(2,3,6)
gaussres=imgaussfilt(I);
imshow(gaussres)
title('\itGaussian Filter')
效果展示：
example 2：对灰度图片加椒盐噪声
I=imread('peppers.png');
subplot(2,3,1)
imshow(I)
title('\itOriginal image')%显示原始图像
[width1,height1,z1]=size(I);
if(z1>1)
I=rgb2gray(I);
end
subplot(2,3,2);
imshow(I);
title('\itGray image');%产生灰度图像
k1=0.1;
k2=0.3;
a1=rand(width1,height1)
a2=rand(width1,height1)
I(a1&a2)=0;
I(a1& ~a2)=255;
subplot(2,3,3);
imshow(I);
title('salt pepper noise');
%中值滤波
subplot(2,3,4)
medres=medfilt2(I);
imshow(medres)
title('\itMedian Filter')
%均值滤波
subplot(2,3,5)
A=fspecial('average');
avres=filter2(A,I)/255;
imshow(avres)
title('\itAverage Filter')
%高斯滤波
subplot(2,3,6)
gaussres=imgaussfilt(I);
imshow(gaussres)
title('\itGaussian Filter')
效果展示：
以上结果表明，均值滤波对于高斯噪声具有较好处理效果，中值滤波对于椒盐噪声具有较好处理效果，高斯滤波在后续图像处理方面具有较好应用，如LOG或者DOG算子。
【尊重作者劳动成果，转载请声明】