http://blog.sciencenet.cn/blog-95484-803140.html

% %图像灰度变换

% f = imread(\'E:\2013第一学期课程\媒体计算\实验一\Img\Fig0303(a)(breast).tif\');
% g1 = imadjust(f, [0 1], [1 0]);
% g2 = imadjust(f, [0.5 0.75], [0 1]); 
% g3 = imadjust(f,[],[],2);
% subplot(2,2,1), imshow(f), title(\'原始图像\');
% subplot(2,2,2), imshow(g1), title(\'负片图像\');
% subplot(2,2,3), imshow(g2), title(\'亮度扩展图像\');
% subplot(2,2,4), imshow(g3), title(\'gama=2 图像\');
% 
% f1 = imread(\'E:\2013第一学期课程\媒体计算\实验一\Img\Fig0308(a)(pollen).tif\');
% figure,imshow(f1);
% figure,imhist(f1)
% ylim(\'auto\')
% f1g1 = histeq (f1, 256);
% figure,imshow(f1g1)
% figure,imhist(f1g1)
% ylim(\'auto\')


%图像空域滤波
close all;
f = imread(\'E:\2013第一学期课程\媒体计算\实验一\Img\Fig0318(a)(ckt-board-orig).tif\');
subplot(2,2,1), imshow(f), title(\'原始图像\');
g = imnoise(f,\'salt & pepper\',0.2);
subplot(2,2,2), imshow(g), title(\'噪声图像\');
w = [1/9 1/9 1/9; 1/9 1/9 1/9; 1/9 1/9 1/9]
% w = [0.25 0.25; 0.25 0.25]
% g1 = imfilter(f,w, \'replicate\')
% subplot(2,2,3), imshow(g1), title(\'原始图像均值滤波\');
g2 = imfilter(g,w, \'replicate\')
subplot(2,2,3), imshow(g2), title(\'均值滤波\');


%medfilt2
g3 = medfilt2(g);
subplot(2,2,4), imshow(g3), title(\'中值滤波\');




 


%fspecial
% f = imread(\'E:\2013第一学期课程\媒体计算\实验一\Img\Fig0316(a)(moon).tif\');
% w1 = fspecial(\'prewitt\')
% g1 = f- imfilter(f,w1, \'replicate\')
% 
% w2 = fspecial(\'sobel\')
% g2 = f-imfilter(f,w2, \'replicate\')
% 
% w3 = fspecial(\'laplacian\',0)
% g3 = f-imfilter(f,w3, \'replicate\')
% 
% subplot(2,2,1), imshow(f), title(\'原始图像\');
% subplot(2,2,2), imshow(g1), title(\'prewitt\');
% subplot(2,2,3), imshow(g2), title(\'sobel\');
% subplot(2,2,4), imshow(g3), title(\'laplacian\');

%傅里叶变换 
% f = imread(\'E:\2013第一学期课程\媒体计算\实验一\Img\Fig0315(a)(original_test_pattern).tif\');
% F=fft2(f);  %对图像f进行傅里叶变换，得到的图像大小为P*Q
% s = abs(F);
% Fc=fftshift(F);    %将变换原点移到频率矩形的中心
% S=log(1+abs(Fc));   %对频谱图进行对数变换，以便更好显示频谱
% g=real(ifft2(F));  %对傅里叶频谱进行逆变换，显示效果
% 
% subplot(2,2,1), imshow(s,[]), title(\'傅里叶变换后图像\');
% subplot(2,2,2), imshow(abs(Fc),[]), title(\'将变换原点移到频率矩形的中心\');
% subplot(2,2,3), imshow(S,[]), title(\'频谱图进行对数变换\');
% subplot(2,2,4), imshow(g), title(\'傅里叶频谱进行逆变换图像\');
% figure,imshow(f);


%图像频域滤波
%  f = imread(\'E:\2013第一学期课程\媒体计算\实验一\Img\Fig0515(a)(base-with-control-points).tif\');
%  [m,n] = size(f);
%  F = fft2(f);
%  sig = 10;
%  H = lpfilter(\'gaussian\',m, n, sig);
%  G = H.*F;
%  g1 = real(ifft2(G));
%  %空域高斯滤波
%  w = fspecial(\'gaussian\',500,10)
%  g2 =imfilter(f,w, \'replicate\')
%  
%  subplot(1,3,1), imshow(f,[]), title(\'原始图像\');
%  subplot(1,3,2), imshow(g1,[]), title(\'频域高斯滤波\');
%  subplot(1,3,3), imshow(g2,[]), title(\'空域高斯滤波\');

conv2、filter2、imfilter的区别

http://www.ilovematlab.cn/thread-293710-1-1.html

今天见到了坛主math以及论坛其他牛人的真容，听完报告感慨良多，一句话加油吧。

-------------------------------------conv2函数----------------------------------------
1、用法

A:输入图像，B:卷积核
       假设输入图像A大小为ma x na，卷积核B大小为mb x nb，则
       当shape=full    时，返回全部二维卷积结果，即返回C的大小为（ma+mb-1）x（na+nb-1）
          shape=same 时，返回与A同样大小的卷积中心部分
          shape=valid  时，不考虑边界补零，即只要有边界补出的零参与运算的都舍去，返回C的大小为（ma-mb+1）x（na-nb+1）


2、实现步骤
    假设输入图像A大小为ma x na，卷积核大小为mb x nb，则MATLAB的 conv2 函数实现流程如下：
        a、对输入图像补零，第一行之前和最后一行之后都补mb-1行，第一列之前和最后一列之后都补nb-1列（注意：conv2不支持其他的边界补充选项，函数内部对输入总是补零）。
        b、关于卷积核的中心，旋转卷积核180度。
        c、滑动卷积核，将卷积核的中心位于图像矩阵的每一个元素。
        d、将旋转后的卷积核乘以对应的矩阵元素再求和。

3、实现过程展示
     假设有图像A=[4 3 1 2;0 1 1 3;5 2 0 0], 卷积核B=[1 2 3;0 -1 2;1 1 0]
         a、首先是按照上面的步骤进行补零，如下图外圈红色的为补出的零