图像处理实验：均值滤波对高斯噪声和椒盐噪声的影响

本实验主要研究不同大小的模板对于均值滤波的影响，以及对高斯噪声和椒盐噪声的去噪效果。

1、均值滤波

(1) 使用3*3模板进行均值滤波：

使用matlab的imfilter函数对原图像添加高斯噪声和椒盐噪声后进行均值滤波，具体代码如下：

I = imread('lena.png');
I_gray = rgb2gray(I);

% 添加高斯噪声
I_gray_gauss = imnoise(I_gray, 'gaussian', 0.05);

% 添加椒盐噪声
I_gray_salt = imnoise(I_gray, 'salt & pepper', 0.1);

% 使用3*3模板进行均值滤波
h = fspecial('average', 3);
I_gray_gauss_avg3 = imfilter(I_gray_gauss, h);
I_gray_salt_avg3 = imfilter(I_gray_salt, h);

(2) 显示原图像、含噪图像及滤波结果：

subplot(2,3,1), imshow(I_gray), title('原图像');
subplot(2,3,2), imshow(I_gray_gauss), title('高斯噪声图像');
subplot(2,3,3), imshow(I_gray_salt), title('椒盐噪声图像');

subplot(2,3,5), imshow(I_gray_gauss_avg3), title('高斯噪声图像均值滤波结果(3*3)');
subplot(2,3,6), imshow(I_gray_salt_avg3), title('椒盐噪声图像均值滤波结果(3*3)');

结果如下图所示：

图像及滤波结果

(3) 比较图像质量并分析讨论：

从上图可以看出，对于高斯噪声图像，使用33模板进行均值滤波可以去除部分噪声，但是图像边缘仍然存在模糊现象，且图像整体亮度有所下降；对于椒盐噪声图像，使用33模板进行均值滤波效果较差，图像中的椒盐点仍然存在，且图像整体亮度有所下降。

(4) 使用55模板和99模板重复以上均值滤波实验，结合实验结果对比分析不同大小的模板对滤波后图像质量的影响：

% 使用5*5模板进行均值滤波
h = fspecial('average', 5);
I_gray_gauss_avg5 = imfilter(I_gray_gauss, h);
I_gray_salt_avg5 = imfilter(I_gray_salt, h);

% 使用9*9模板进行均值滤波
h = fspecial('average', 9);
I_gray_gauss_avg9 = imfilter(I_gray_gauss, h);
I_gray_salt_avg9 = imfilter(I_gray_salt, h);

% 显示结果
subplot(2,3,5), imshow(I_gray_gauss_avg5), title('高斯噪声图像均值滤波结果(5*5)');
subplot(2,3,6), imshow(I_gray_salt_avg5), title('椒盐噪声图像均值滤波结果(5*5)');

subplot(2,3,4), imshow(I_gray_gauss_avg9), title('高斯噪声图像均值滤波结果(9*9)');
subplot(2,3,4), imshow(I_gray_salt_avg9), title('椒盐噪声图像均值滤波结果(9*9)');

结果如下图所示：

不同模板的均值滤波结果

从上图可以看出，随着模板大小的增加，图像的平滑程度逐渐增加，但是图像细节部分也逐渐模糊，且图像整体亮度下降的趋势也逐渐加强。同时，对于椒盐噪声图像来说，使用大尺寸的模板进行均值滤波效果并不理想，因为椒盐点的影响范围比较大，不能够被均值滤波完全去除。因此，在实际应用中需要根据具体情况选择合适的模板大小。

实验结论

均值滤波可以有效去除高斯噪声，但会造成图像边缘模糊和亮度下降，模板越大，效果越明显。
均值滤波对椒盐噪声的去除效果较差，模板越大，效果越差。
选择合适的模板大小需要根据具体情况和噪声类型进行权衡。