高斯滤波函数、双边滤波函数的MATLAB实现

自己编写滤波函数，剖析滤波内部结构

高斯滤波函数

clc; clear; close all;

Image=imread('lena.bmp');
sigma1=0.6; sigma2=10; r=3;  % 高斯模板的参数
NoiseI= imnoise(Image,'gaussian'); % 加噪,添加高斯噪声
gausFilter1=fspecial('gaussian',[2*r+1 2*r+1],sigma1); % 高斯滤波器
gausFilter2=fspecial('gaussian',[2*r+1 2*r+1],sigma2);  
result1=imfilter(NoiseI,gausFilter1,'conv'); % 使用卷积完成滤波
result2=imfilter(NoiseI,gausFilter2,'conv');
imshow(Image);title('原图');
figure;imshow(NoiseI);title('高斯噪声图像');
figure;imshow(result1);title('sigma1 =0.6高斯滤波');
figure;imshow(result2);title('sigma2 =10高斯滤波');
imwrite(uint8(NoiseI),'gr.bmp');
imwrite(uint8(result1),'gr1.bmp');
imwrite(uint8(result2),'gr2.bmp');
% 编写高斯滤波函数实现
[height,width]=size(NoiseI);                                       
for x=-r:r
    for y=-r:r
        H(x+r+1,y+r+1)=1/(2*pi*sigma1^2).*exp((-x.^2-y.^2)/(2*sigma1^2));
    end
end 
H=H/sum(H(:));  %归一化高斯模板H  
result3=zeros(height,width);            %滤波后图像  
midimg=zeros(height+2*r,width+2*r);    %中间图像  
midimg(r+1:height+r,r+1:width+r)=NoiseI;  
for ai=r+1:height+r  
    for aj=r+1:width+r  
        temp_row=ai-r; 
        temp_col=aj-r;  
        temp=0;  
        for bi=1:2*r+1 
            for bj=1:2*r+1 
                temp= temp+(midimg(temp_row+bi-1,temp_col+bj-1)*H(bi,bj));  
            end  
        end  
       result3(temp_row,temp_col)=temp;  
    end  
end  
figure;imshow(uint8(result3));title('自己写的高斯滤波'); 
imwrite(uint8(result3),'gr3.bmp');

高斯噪声图像 ：

Sigmal=0.6高斯滤波：

Sigmal=10高斯滤波：

自己写的高斯滤波：

双边滤波函数

Image=im2double(imread('lena.bmp'));  
NoiseI= Image+0.05*randn(size(Image));  % 添加随机噪声
w=15; % 定义双边滤波窗口宽度  
sigma_s=6; sigma_r=0.1; % 双边滤波的两个标准差参数  
[X,Y] = meshgrid(-w:w,-w:w); 
Gs = exp(-(X.^2+Y.^2)/(2*sigma_s^2)); % 计算邻域内的空间权值
[hm,wn] = size(NoiseI); 
result=zeros(hm,wn); 
for i=1:hm    
    for j=1:wn  
        temp=NoiseI(max(i-w,1):min(i+w,hm),max(j-w,1):min(j+w,wn));
        Gr = exp(-(temp-NoiseI(i,j)).^2/(2*sigma_r^2)); % 计算灰度邻近权值          
        W = Gr.*Gs((max(i-w,1):min(i+w,hm))-i+w+1,(max(j-w,1):min(j+w,wn))-j+w+1); % W为空间权值Gs和灰度权值Gr的成绩           
        result(i,j)=sum(W(:).*temp(:))/sum(W(:));            
    end
end  
subplot(1,3,1),imshow(Image),title('原始图像');  
subplot(1,3,2),imshow(NoiseI),title('随机噪声图像');   
subplot(1,3,3),imshow(result),title('双边滤波图像'); 
imwrite(NoiseI,'ng1.bmp');
imwrite(result,'ng2.bmp');

随机噪声图像：

双边滤波图像：