实验四数字图像滤波及边缘检测了解图像复原的基本方法。了解图像边缘检测。利用MATLAB提供的函数实现对图像处理。二、实验原理1、图像中值滤波中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术。中值滤波的优点是运算简单且速度较快，在某些条件下，中值滤波方法可以去除噪声，保护图像边缘，使图像较好地复原。它非常适用于一些线性滤波器无法胜任的数字图像处理的应用场合。中值滤波的基本原理利用Matlab实现数字图像中值滤波函数：imnoise()格式：J=imnoise(I,type,……)type:‘gaussian’Gauss白噪声‘salt&pepper’椒盐噪声‘speckle’乘法噪声‘gaussian’Gauss白噪声参数设置:M、V：在图像中加入均值为M、方差为V的高斯白噪声。(缺省M=0,V=0.01)J=imnoise(I,’gaussian’,M,V)‘salt&pepper’椒盐噪声参数设置:D:在图像I中加入强度为D的“椒盐”黑白像素点.(缺省为0.05)J=imnoise(I,’salt&pepper’,D)‘speckle’乘法噪声参数设置:J=imnoise(I,’speckle’,V),使用公式J=I+n*I,向图像I中加入乘法噪声,其中n是均值为0,方差为V均匀分布的随机噪声.(V的缺省值为0.04)x=imread(‘dog.jpg','jpg');i=rgb2gray(x);subplot(2,2,1);subimage(i);j1=imnoise(i,'gaussian',0,0.04);subplot(2,2,2);subimage(j1);j2=imnoise(i,'salt&pepper',0.04);subplot(2,2,3);subimage(j2);j3=imnoise(i,'speckle',0.08);subplot(2,2,4);subimage(j3);a=imread('dog.jpg','jpg');i=rgb2gray(x);subplot(2,2,1);subimage(i);j=imnoise(i,'salt&pepper',0.04);subplot(2,2,2);subimage(j);c=medfilt2(j,[22]);subplot(2,2,3);subimage(c);d=medfilt2(j,[55]);subplot(2,2,4);subimage(d);2、边缘检测根据分割过程中处理策略的不同分割算法分类表边缘检测边界闭合MATLAB实例BW1=imread('circles.png');subplot(2,2,1);subimage(BW1);BW2=bwmorph(BW1,'remove');subplot(2,2,2);subimage(BW2)检测灰度图像的边缘区域生长法分割图像区域生长由3个主要步骤组成工具函数imreconstrct()对一幅灰度图像用区域生长法进行分割MATLAB参考程序三、实验内容四、实验报告要求