灰度化，也就是黑白化，就是将图像进行黑白处理，使其失去色彩。而从像素点出发，就是使各个像素点的三种颜色分量R、G、B的值相同。
常用的黑白化的方法有三种：
R=G=B=Max(R,G,B)，这种方法处理后灰度图象的亮度会偏高，不建议采用。
R=G=B=(R+G+B)/3，这种方法处理后灰度图象的亮度较柔和，本人就是采用的这种方法。
-
第三种是加权平均值法(Weighted Average)：
R=G=B=w
r
*R+w
g
*G+w
b
*B，w
r、
w
g、
w
b
分别为R、G、B的权值。
鉴于本人只使用了第二种，所以就先贴上第二种的代码：
src=imread('background.bmp');
[m,n,channel]=size(src);
desc=zeros(m,n);
desc=double(desc);
for i=1:m
for j=1:n
for k=1:channel
desc(i,j)=desc(i,j)+src(i,j,k);
desc(i,j)=desc(i,j)/3;
imshow(uint8(desc));
锐化就是通过增强高频分量来减少图象中的模糊，因此又称为高通滤波。锐化处理在增强图象边缘的同时增加了图象的噪声。
常用的锐化模板是拉普拉斯(Laplacian)模板，而本人也是采用的拉普拉斯模板进行的锐化处理。
[-1,-1,-1]
[-1,9,-1]
[-1,-1,-1]
平滑与锐化相反，就是滤掉高频分量，从而达到减少图象噪声，使图片变得有些模糊。
常用的平滑处理方法有三种：
Box模板去噪平滑处理，也就是均一化处理。
Box模板是{1,1,1,1,1,1,1,1,1}
高斯模板去噪平滑处理，就是在Box模板的基础上加入了加权系数，考虑了距离某点位置越近影响越大的因素。相比Box模板，较为清晰一些。
高斯模板是{1,2,1,2,4,2,1,2,1}
中值滤波去噪平滑处理，就是将该点左右邻近的两个点的rgb值与该点自身进行比较，选择其中最中间的值赋给该点。
Img1=imread('Fig4.jpg');subplot(3,3,1);imshow(Img1);title('Fig4.jpg');
w1=[1,1,1;1,1,1;1,1,1];w2=[1,2,1;2,4,2;1,2,1];
w3=[-1,-2,-1;0,0,0;1,2,1];w4=[-1,0,1;-2,0,2;-1,0,1];
k1=1/sum(sum(w1));k2=1/sum(sum(w2));
variance=225;
[m,n]=size(Img1);
I1=uint8(double(Img1)+randn(m,n).*sqrt(variance)+5);
subplot(3,3,2);imshow(I1);title('gs.png');
II1=double(I1);
II11=double(I1);
II111=double(I1);
for i=2:m-1
for j=2:n-1
p=[II1(i-1,j-1),II1(i-1,j),II1(i-1,j+1);II1(i,j-1),II1(i,j),II1(i,j+1);II1(i+1,j-1),II1(i+1,j),II1(i+1,j+1)];
II1(i,j)=sum(sum((p.*w1)*k1));
a=(p.*w1);
pp=sort(reshape(a,1,9));
II11(i,j)=pp(5);
II111(i,j)=abs(sum(sum(p.*w3)))+abs(sum(sum(p.*w4)));
subplot(3,3,5);imshow(uint8(II1));title('normal 均值滤波 gs.png');
subplot(3,3,8);imshow(uint8(II11));title('normal 中值滤波 gs.png');
subplot(3,3,7);imshow(uint8(II11));title('normal 锐化 gs.png');
I2=Img1;
a=rand(m,n);
for i=1:m
for j=1:n
if(a(i,j)>0.975)
I2(i,j)=255;
elseif(a(i,j)<0.05)
I2(i,j)=0;
subplot(3,3,3);imshow(I2);title('jyzs.png');
II2=double(I2);
II22=double(I2);
for i=2:m-1
for j=2:n-1
p=[II2(i-1,j-1),II2(i-1,j),II2(i-1,j+1);II2(i,j-1),II2(i,j),II2(i,j+1);II2(i+1,j-1),II2(i+1,j),II2(i+1,j+1)];
II2(i,j)=sum(sum((p.*w2)*k2));
a=(p.*w1);
pp=sort(reshape(a,1,9));
II22(i,j)=pp(5);
subplot(3,3,6);imshow(uint8(II2));title('normal jyzs.png');
subplot(3,3,9);imshow(uint8(II22));title('normal 中值滤波 jyzs.png');
https://blog.csdn.net/hjxu2016/article/details/80587653
图像平滑
图像平滑是一种区域增强算法，平滑算法由领域平均法、中值滤波法等。
领域平均法是一种简单的图像平滑处理方法，在一定程度上能够消除原始图像噪声、降低原始图像对比度；其缺点是在降低噪声的同时，会使图像变得模糊，特别是在边缘和细节处，而且模板
1．平滑（smoothing）
先举个例子说明一下什么是平滑，如下图所示:
图像平滑，锐化（转）" alt="数字图像处理学习笔记1- 图像平滑，锐化（转）" src="http://s10.sinaimg.cn/middle/6c083cdd495b316784ce9&690">
可以看到，图2 比图1 柔和一些（也模糊一些）。是不是觉得很神奇？其实实现起来很简单。我们将原图中
OpenCV与图像处理学习八——图像边缘提取（Canny检测代码）一、图像梯度1.1 梯度1.2 图像梯度二、梯度图与梯度算子2.1模板卷积2.2 梯度图2.3 梯度算子2.3.1 Roberts交叉算子2.3.2 Prewitt算子2.3.3 Sobel算子三、Canny边缘检测算法（代码实现）
这次笔记简单介绍图像梯度、梯度图以及梯度算子的概念，并详细介绍三种基本的梯度算子，然后简单的介绍Canny检测的原理与代码实现。
一、图像梯度
1.1 梯度
先来看梯度的概念：
梯度是一个向量，梯度方向指向函数变
1、掌握频率域滤波的基本概念和常用方法；
2、利用MATLAB进行频率域滤波，观察图像平滑和图像锐化的效果，加深对频率域滤波的理解;
3、掌握图像FFT变换与DCT变换后进行频率域滤波的不同;
4、掌握低通滤波与高通滤波原理，对DCT变换后的图像进行低通滤波和高通滤波。
二、实验原理
图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度。频率直接关系到图像空间灰度的...
数字图像处理第六章数字图像处理---彩色图像处理（五） 彩色图像的空间滤波5.1 彩色图像的平滑处理5.2 彩色图像的锐化处理（六） 直接在 RGB 矢量空间中 处理6.1 使用梯度的彩色边缘检测6.2 在 RGB向量空间中分割图像
数字图像处理—彩色图像处理
（五） 彩色图像的空间滤波
5.1 彩色图像的平滑处理
令 Sxy表示彩色图像中以(x,y)为中心的邻域的一组坐标。在该邻域中，R...
