【图像处理入门】图像去噪算法（KNN,SNN）

实现KNN（K近邻平滑滤波器）的代码。

要求：

算法实现为函数[im]=KNNFilter (I,K,N)，其中I为读入的图像矩阵；K为最近邻个数，N为模板大小参数（N*N）。

测试代码如下：

im=imread('cameraman.tif');   

im_noise=imnoise(im,'salt & pepper');  %加入椒盐噪声

figure,imshow(im_noise),title('加入噪声之后的图象');  

N = 7; K=25;

[im_filered]=KNNFilter(im_noise,N,K);

figure,imshow(im_filered),title('去噪之后的图象'); 

（代码复制到此处）

 

%测试代码 %%im=imread('C:\Users\surface\Desktop\tiantian.PNG'); %im_noise=imnoise(im,'salt & pepper');  %加入椒盐噪声 %figure,imshow(im_noise),title('加入椒盐噪声图象'); %N = 7; K=25; %%N=3,K=5; %[im_filered]=KNNFilter(im_noise,N,K); function [im_filered]=KNNFilter(im_noise,N,K) [h,l,c]=size(im_noise); Y =zeros(h,l); n=floor(N/2); im=double(im_noise); mid=floor((N*N)/2)+1; for i=n+1:h-n     for j=n+1:l-n         block=im(i-n:i+n,j-n:j+1);         block_delt=abs(block-im(i,j));         block_delt_inline=block_delt(:);         block_delt_inline(mid)=[];         [tmpSort,ind]=sort(block_delt_inline);%%排序         block_inline=block(:);         block_inline(mid)=[];         knn=block_inline(ind(1:K));%取前k个点         Y(i,j)=mean(knn);     end end img=uint8(Y); figure,imshow(img),title('KNN');

 

实现SNN（对称近邻平滑滤波器）的代码。

要求： 

算法实现为函数[im]=SNNFilter (I,N)，其中I为读入的图像矩阵； N为模板大小参数（正方形模板，边长为：2*N+1）。

测试代码如下：

im=imread('C:\Users\surface\Desktop\tiantian.PNG');   

im_noise=imnoise(im,'salt & pepper');  %加入椒盐噪声

figure,imshow(im_noise),title('加入噪声之后的图象');  

[im_filered]=SNNFilter(im_noise,2);

figure,imshow(im_filered),title('SNN滤波图像');

（代码复制到此处）

%测试代码 %im=imread('C:\Users\surface\Desktop\tiantian.PNG');    %im_noise=imnoise(im,'salt & pepper');  %加入椒盐噪声 %figure,imshow(im_noise),title('加入噪声之后的图象');   %[im_filered]=SNNFilter(im_noise,2); %figure,imshow(im_filered),title('SNN滤波图像'); function [im] = SNNFilter(im_noise,n) [h,l,c] = size(im_noise); %获取行列、颜色通道 Y = zeros(h,1);   for i=n+1:h-n     for j=n+1:l-n         tmp=[];         for row=i-n:i+n             for col=j-n:j+n                 a0=double(im_noise(i,j));                 a1=double(im_noise(row,col));                 a2=double(im_noise(2*i-row,2*j-col));                 if(abs(a1-a0)>abs(a2-a0))  %绝对值比较                     selected_a=a2;  %取a2点                 else                      selected_a=a1;                   end                 if~(row==i&&col==j)%如果是中心点的情况                     tmp=[tmp,selected_a];                 end             end         end         Y(i,j) = mean(tmp);%求出tmp矩阵的均值     end end img = uint8(Y); figure,imshow(img),title('SNN滤波图像'); end