matlab高斯滤波方差和均值如何设置

x=-4:0.3:4;y=-4:0.3:4;[X,Y]=meshgrid(x,y);m1=3.2;m2=2.6;n1=0.5;n2=0.6;%%m1和m2为均值,n1和n2为方差r=0.5;%%r是参

%%中值I=imread('lena.bmp');%读原图J1=imnoise(I,'salt&pepper',0.02);%加均值为0,方差为0.02的椒盐噪声J2=imnoise(I,'gauss

用mean(X)命令,当X为向量,返回向量的均值；当X为矩阵,返回矩阵每列元素均值构成的行向量.同理,求方差可用var(X),用法和mean类似.

参见我的例子：1、均值Matlab函数：mean>>X=[1,2,3]>>mean(X)=2如果X是一个矩阵,则其均值是一个向量组.mean(X,1)为列向量的均值,mean(X,2)为行向量的均值.

高斯滤波由于高斯函数的傅立叶变换仍是高斯函数,因此高斯函数能构成一个在频域具有平滑性能的低通滤波器.可以通过在频域做乘积来实现高斯滤波.均值滤波是对是对信号进行局部平均,以平均值来代表该像素点的灰度值

例如：>>X=1:10X=12345678910>>mean(X)ans=5.5000>>var(X)ans=9.1667

m=rands(5,4)m=0.51550.41210.6469-0.12250.4863-0.93630.3897-0.2369-0.2155-0.4462-0.36580.53100.3110-0

%m为均值,s为方差a=2;b=10;n=1000;p=rand(1,n)*(b-a)+a;m=mean(p);%均值s=std(p);%方差xi=linspace(a-.1*a-1,b+.1*b+1

ezplot(@(x)normpdf(x,a,b),[mn])其中a为均值,b为方差,[m,n]为从m到n的正态分布随机数.再问：如果没有告诉区间，只告诉4组样本的容量，分别是10,20,30,50,

你是问为什么不是小数吗?由于模板大小限制,这些处理都是离散的,模板越大这些就越接近正确结果.其实你想想,如果一个小小的3*3模板你用小数做根本没意义的,计算精度没提高徒增计算时间.高斯滤波模板3*35

filter2改成imfilter再问：还是不行啊h1=fspecial('gaussian',0,0.3)g2=imfilter(h1,g1,'same')figure(2);imshow(g2);

给你个提示,最好自己去动手1先建立高斯算子fspecial2滤波imfilte

y=randn(1,2500);y=y/std(y);y=y-mean(y);a=0;b=sqrt(5);y=a+b*y;就得到了N(0,5)的高斯分布序列.MATLAB中产生高斯白噪声的两个函数MA

E(X把)=E(1/n∑Xi)=1/nE(∑Xi)=1/n∑E(Xi)=(1/n)nμ=μD(X把)=D(1/n∑Xi)=1/n²D(∑Xi)=1/n²∑D(Xi)=(1/n

椒盐噪声是幅值近似相等但随机分布在不同位置上,图像中有干净点也有污染点.中值滤波是选择适当的点来替代污染点的值,所以处理效果好.因为噪声的均值不为0,所以均值滤波不能很好地去除噪声点.

mean（）std()用这两个函数

如果是打乱排序的话,可以把得出来的结果进行打乱,用shuffle函数就可以了.如果要按自定的规则来排序,那就需要增加字段,如排序字段.

帮你写好了.这是画图的效果clearall,closeall,clc;%修改a和b确定随机变量的范围a=-1;b=1;X=(rand(100000,1)*(b-a))+a;%均值和方差m=mean(X

y=randn(1,2500);y=y/std(y);y=y-mean(y);a=0;b=sqrt(5);y=a+b*y;就得到了均值为0,方差为5的,N(0,5)的高斯过程分布序列.

Matlab函数：mean>>X=[1,2,3]>>mean(X)=2如果X是一个矩阵,则其均值是一个向量组.mean(X,1)为列向量的均值,mean(X,2)为行向量的均值.>>X=[123456