1、线性空间滤波函数Z = imfilter(X,H,option1,option2,...)
X为输入图像矩阵，H为m*n维的掩膜矩阵，H中的数据类型必须是double类型。掩膜矩阵可以是用户定义，也可以是系统定义好的。返回矩阵Z和X有相同的数据结构和数据类型。
整个函数处理的中间过程都会使用double类型，所以不必担心中间结果的精度。
2、获取系统掩膜函数H=fspecial(type,parameters)
type为字符串，制定了掩膜类型。如'average'表示均值掩膜。H为返回的掩膜矩阵，数据类型为double.
- 正方形均值掩膜，h=fspecial('average',n),n为掩膜大小，n*n,默认值是3.
- 高斯低通掩膜，h=fspecial('gaussian',n,sigma),n为掩膜大小n*n,默认为3.sigma为高斯分布方差。
- 二维拉普拉斯掩膜'laplacian',h=fspecial('laplacian',alpha),alpha控制掩膜形状，范围是[0 1],默认值0.2，
- 反锐化掩膜'unsharp',h=fspecial('unsharp',alpha)alpha控制掩膜形状，范围是[0 1],默认值0.2
- 水平锐化掩膜'prewit',h=fspecial('prewit'),如果想用垂直锐化，则用h'
- sobel水平锐化，h=fspecial('sobel'),如果想用垂直锐化，则用h'
clear all;
i=imread('./pic/lena256.bmp'); h=fspecial('sobel');
h=h'; z=imfilter(i,h); figure;
subplot(1,2,1)
imshow(i);
title('原始图像')
subplot(1,2,2)
imshow(z)
title('垂直锐化滤波')
3、添加噪声，是用函数Z=imnoise(A,type,parameters);其中A是要添加噪声的图像，type为添加噪声类型，.
- 高斯噪声Z=imnoise(A,'gausiaan',m,d);其中m是均值，d是方差
- 注意高斯噪声中，m,d指定时要注意转换，例如，对于uint8类型的图像，添加均值为100，方差为200的高斯噪声，
- m=100/255,d=200/(255^2);
- 椒盐噪声Z=imnoise(A,'salt & pepper',d),d范围是[0 ,1],表示噪声密度，即含噪声值的图像区域的百分比。默认值是0.05。噪声是最小值和最大值两种。
- 泊松分布噪声，Z=imnoise(A,'poisson')
clear all;
img = imread('./pic/lena256.bmp');
nimg=imnoise(img,'salt & pepper',0.05);
figure;
subplot(1,2,1);
imshow(img);
subplot(1,2,2);
imshow(nimg);
4、多图像平均法，在相同条件下，进行M次重复拍摄的图像相加，取平均作为输出值。z=imlincomb(k1,A1,k2,A2,k3，A,3...);
z=k1*A1+k2*A2+k3*A3...
例子：
clear all;
img=imread('./pic/lena256.bmp');
n1=imnoise(img,'gaussian',,0.02);
n2=imnoise(img,'gaussian',,0.02);
n3=imnoise(img,'gaussian',,0.02);
n4=imnoise(img,'gaussian',,0.02);
n5=imnoise(img,'gaussian',,0.02); final = imlincomb(0.2,n1,0.2,n2,0.2,n3,0.2,n4,0.2,n5);
figure;
subplot(,,[ ]);
imshow(img);
title('原始图像');
subplot(,,);
imshow(n1);
title('添加高斯噪声后的图像');
subplot(,,);
imshow(final);
title('平均后的图像');
