clc;clear;close all;

im=imread(‘p1.jpg‘);

im = rgb2gray(im);

im=double(im);

im=im/max(im(??);

figure(‘Name‘,‘原图‘,‘NumberTitle‘,‘off‘);imshow(im,[0,1]);

P1 = imnoise(im,‘gaussian‘,0,0.005); % adding gaussian noise 这里im是原始图像，添加了均值是0，方差是0.005的高斯噪声。

figure(‘Name‘,‘高斯噪声‘,‘NumberTitle‘,‘off‘);imshow(P1,[0,1]);

P2 = imnoise(im,‘salt & pepper‘,0.02); % adding impulse noise 添加盐和胡椒噪声，默认噪声密度为0.05。这会影响大约5％的像素。

figure(‘Name‘,‘椒盐噪声‘,‘NumberTitle‘,‘off‘);imshow(P2,[0,1]);

a=[1 1 1;1 1 1;1 1 1]; %定义一个3X3的全为1的模板

template1=(1/9)*a;

%对高斯噪声进行滤波操作

imAve=conv2(double(P1),double(template1));% 返回矩阵 a 和 template1 的二维卷积。

figure(‘Name‘,‘高斯噪声：均值滤波‘,‘NumberTitle‘,‘off‘);imshow(imAve,[0,1]);

imMed=medfilt2(P1,[3,3],‘symmetric‘); %执行中值滤波，其中每个输出像素包含输入图像中相应像素周围的m按n邻域的中值。

figure(‘Name‘,‘高斯噪声：中值滤波‘,‘NumberTitle‘,‘off‘);imshow(imMed,[0,1]);

psf=fspecial(‘gaussian‘,3,1); %返回大小为 hsize 的旋转对称高斯低通滤波器，标准差为 sigma。

imGau=imfilter(P1,psf,‘conv‘,‘symmetric‘); %根据一个或多个返回大小为 hsize 的旋转对称高斯低通滤波器，标准差为 sigma。

figure(‘Name‘,‘高斯噪声：高斯滤波‘,‘NumberTitle‘,‘off‘);imshow(imGau,[0,1]);

%对椒盐噪声进行滤波操作

imAve=conv2(double(P2),double(template1));% 返回矩阵 a 和 template1 的二维卷积。

figure(‘Name‘,‘椒盐噪声：均值滤波‘,‘NumberTitle‘,‘off‘);imshow(imAve,[0,1]); title(‘average filter‘);

imMed=medfilt2(P2,[3,3],‘symmetric‘); %执行中值滤波，其中每个输出像素包含输入图像中相应像素周围的m按n邻域的中值。

figure(‘Name‘,‘椒盐噪声：中值滤波‘,‘NumberTitle‘,‘off‘);imshow(imMed,[0,1]);

psf=fspecial(‘gaussian‘,3,1); %返回大小为 hsize 的旋转对称高斯低通滤波器，标准差为 sigma。

imGau=imfilter(P2,psf,‘conv‘,‘symmetric‘); %根据一个或多个返回大小为 hsize 的旋转对称高斯低通滤波器，标准差为 sigma。

figure(‘Name‘,‘椒盐噪声：高斯滤波‘,‘NumberTitle‘,‘off‘);imshow(imGau,[0,1]);

原文：https://www.cnblogs.com/lightice/p/14088144.html