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
- C=conv2(A,B,shape); %卷积滤波
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
<ignore_js_op>
来源：https://www.cnblogs.com/carl2380/p/6925544.html