[left]clc;clear;close all;
im=imread('E:\image processing\lenna.png');
im=rgb2gray(im);
subplot(2,2,1),imshow(im),title('Orginal Image');
i=imnoise(im,'gaussian',0,0.01);
subplot(2,2,2),imshow(i),title('Noise Image');
i1=medfilt2(i,[3,3]);
subplot(2,2,3),imshow(i1),title('Filter Image [3 3]');
i2=medfilt2(i,[5,5]);
subplot(2,2,4),imshow(i2),title('Filter Image [5 5]');
%**********************************************
RMSE0=sqrt(mean (im(:)-i(:)).^2);
10.1142311096191
RMSE1=sqrt(mean (i1(:)-im(:)).^2);
4.55125045776367
RMSE2=sqrt(mean (i2(:)-im(:)).^2);
3.55868530273438
%*********************************************
[/left]
توضیحات :
همان طور که از تصاویر خروجی برنامه قابل مشاهده و نتیجه گیری می باشد، مقادیر RMSE نیز این نتیجه گیری را تایید می کند که بعد ازاعمال نویز بر روی تصویر اصلی فیلتربا پنجره [5 5] ، بهتر بهبود یافته و مقدار RMSE کمتری دارد.
در حالتی که RMSE تصویر نویزی را از تصویر اولیه حساب می کنیم بیشترین مقدار را دارد و این با توجه به نویزی بودن تصویر کاملا صحیح می باشد و زمانیکه از فیلتری با پنجره [3 3] استفاده می کنیم نسبت به حالت نویزی خروجی بهتر و RMSE کمتری داریم اما نسبت به پنجره [5 5] مقدار RMSE بیشتر می باشد.
خروجی برنامه :