用matlab编程完成读入一幅图像对其分别添加高斯噪声和椒盐噪声然后进行3、高斯滤波1采用33的高斯模板分别设置标准差为06和10对上述添加高斯噪声和椒盐噪声的两幅图像分别进行高斯滤波。2显示原图像、含噪图像及滤波结果。对比并分析高斯滤波器标准差对于平滑去噪效果的影响。

代码如下：

% 读入图像 img = imread('lena.png'); figure; subplot(2,3,1); imshow(img); title('原图像');

% 添加高斯噪声 img_gaussian = imnoise(img, 'gaussian', 0, 0.01); subplot(2,3,2); imshow(img_gaussian); title('添加高斯噪声后的图像');

% 添加椒盐噪声 img_saltpepper = imnoise(img, 'salt & pepper', 0.05); subplot(2,3,3); imshow(img_saltpepper); title('添加椒盐噪声后的图像');

% 3x3高斯滤波，标准差为0.6 h = fspecial('gaussian', [3,3], 0.6); img_gaussian_filtered1 = imfilter(img_gaussian, h); subplot(2,3,4); imshow(img_gaussian_filtered1); title('高斯噪声-标准差0.6的高斯滤波');

img_saltpepper_filtered1 = imfilter(img_saltpepper, h); subplot(2,3,5); imshow(img_saltpepper_filtered1); title('椒盐噪声-标准差0.6的高斯滤波');

% 3x3高斯滤波，标准差为10 h = fspecial('gaussian', [3,3], 10); img_gaussian_filtered2 = imfilter(img_gaussian, h); subplot(2,3,6); imshow(img_gaussian_filtered2); title('高斯噪声-标准差10的高斯滤波');

img_saltpepper_filtered2 = imfilter(img_saltpepper, h); subplot(2,3,6); imshow(img_saltpepper_filtered2); title('椒盐噪声-标准差10的高斯滤波');

% 分析高斯滤波器标准差对于平滑去噪效果的影响 % 随着标准差的增大，滤波器的窗口越来越大，图像的平滑程度也会增加，但同时也会模糊图像的细节信息。在标准差较小时，滤波器只能去除一些较小的噪声，而对于较大的噪声无法有效去除；在标准差较大时，滤波器可以去除更大的噪声，但同时也会模糊图像的细节信息。因此，选择合适的标准差对于平滑去噪效果的提高非常重要