图像课程设计----图像增强课程设计
《图像处理》课程设计
《图像处理》课程设计一、课程目标知识目标：1. 理解图像处理的基本概念，掌握图像处理的基本原理；2. 学习并掌握常见的图像处理技术，如图像滤波、边缘检测、图像增强、色彩调整等；3. 了解图像处理在日常生活和各领域中的应用。
技能目标：1. 能够运用所学软件（如Photoshop等）进行图像的编辑和处理；2. 培养学生独立分析图像问题，运用合适的图像处理技术解决问题的能力；3. 提高学生的实际操作能力，使学生能够独立完成图像处理任务。
情感态度价值观目标：1. 激发学生对图像处理的兴趣，培养学生主动学习的态度；2. 培养学生的审美观念，提高对图像美的鉴赏能力；3. 增强学生的团队协作意识，培养学生在团队中分享、交流、互助的品质。
分析课程性质、学生特点和教学要求：1. 课程性质：本课程为信息技术课程，具有较强的实践性和应用性；2. 学生特点：学生为初中生，具备一定的计算机操作基础，对图像处理有较高的兴趣；3. 教学要求：结合实际案例，注重理论与实践相结合，关注学生的个体差异，提高学生的实际操作能力。
二、教学内容1. 图像处理基本概念：介绍图像处理的基本概念，如图像的构成、像素、分辨率等；教材章节：第一章 图像处理基础2. 图像处理软件操作：学习Photoshop等图像处理软件的基本操作，如图像打开、保存、缩放、裁剪等；教材章节：第二章 图像处理软件操作3. 图像处理技术：a. 图像滤波：介绍高斯滤波、中值滤波等；b. 边缘检测：讲解Sobel、Canny等边缘检测算法；c. 图像增强：介绍直方图均衡化、对比度增强等方法；d. 色彩调整：学习色彩平衡、色相/饱和度调整等；教材章节：第三章 图像处理技术4. 图像处理应用案例：分析图像处理在摄影、广告设计、医学等领域中的应用；教材章节：第四章 图像处理应用案例5. 实践操作：结合所学内容，进行实际操作，完成图像处理任务；教材章节：第五章 实践操作教学进度安排：1. 第一周：图像处理基本概念；2. 第二周：图像处理软件操作；3. 第三周：图像处理技术（1）；4. 第四周：图像处理技术（2）；5. 第五周：图像处理应用案例及实践操作。
《图像处理》课程设计
《图像处理》课程设计一、教学目标本课程的教学目标是让学生掌握图像处理的基本原理和常用方法，能够运用图像处理技术解决实际问题。
具体分为以下三个部分：1.知识目标：学生需要了解图像处理的基本概念、原理和常用算法，包括图像增强、滤波、边缘检测、形态学处理等。
2.技能目标：学生能够熟练使用图像处理软件（如MATLAB、OpenCV等），进行图像的基本操作和处理，并能独立完成一些图像处理项目。
3.情感态度价值观目标：学生通过本课程的学习，能够培养对图像处理技术的兴趣和热情，认识到图像处理在现实生活中的应用和价值，提高解决实际问题的能力。
二、教学内容根据课程目标，本课程的教学内容主要包括以下几个部分：1.图像处理的基本概念和原理：包括图像的表示、图像的采样和量化、图像的格式等。
2.图像增强：包括灰度增强、色彩增强、图像锐化、图像平滑等。
3.图像滤波：包括线性滤波、非线性滤波、频率域滤波等。
4.边缘检测：包括梯度算法、Canny算法、Sobel算法等。
5.形态学处理：包括形态学的基本运算、形态学的滤波、形态学的重建等。
6.图像处理软件的使用：学习并掌握MATLAB、OpenCV等图像处理软件的基本使用方法。
三、教学方法为了达到课程目标，本课程将采用以下几种教学方法：1.讲授法：通过教师的讲解，使学生掌握图像处理的基本概念和原理。
2.案例分析法：通过分析具体的图像处理案例，使学生了解图像处理技术的应用和效果。
3.实验法：通过上机实验，使学生熟练掌握图像处理软件的使用，并能够独立完成图像处理项目。
4.讨论法：通过分组讨论，引导学生思考和探索图像处理技术的新发展和新应用。
四、教学资源为了支持教学内容和教学方法的实施，本课程将采用以下教学资源：1.教材：《数字图像处理》，作者：冈萨雷斯。
2.参考书：《数字图像处理与应用》，作者：潘晓阳。
3.多媒体资料：包括教学PPT、图像处理软件的教程等。
4.实验设备：计算机、MATLAB软件、OpenCV库等。
图像处理基础课程设计
图像处理基础课程设计一、教学目标本课程的教学目标是让学生掌握图像处理的基本概念、原理和方法，培养学生运用图像处理技术解决实际问题的能力。
具体目标如下：1.知识目标：（1）了解图像处理的基本概念、发展历程和应用领域；（2）掌握图像处理的基本原理，如图像采样、量化、图像增强、滤波等；（3）熟悉图像处理的主要算法，如图像分割、特征提取、图像重建等。
2.技能目标：（1）能够运用图像处理软件进行基本的图像处理操作；（2）能够根据实际问题选择合适的图像处理算法和参数；（3）能够编写简单的图像处理程序，实现图像处理的基本功能。
3.情感态度价值观目标：（1）培养学生对图像处理技术的兴趣和好奇心；（2）培养学生勇于探索、创新的精神，提高学生解决实际问题的能力；（3）培养学生团队协作、沟通交流的能力，提高学生的综合素质。
二、教学内容本课程的教学内容主要包括以下几个部分：1.图像处理的基本概念和原理：图像处理的基本概念、发展历程、应用领域、图像采样、量化、图像增强、滤波等；2.图像处理的主要算法：图像分割、特征提取、图像重建等；3.图像处理软件的使用：熟悉常用图像处理软件的基本操作和功能；4.图像处理程序设计：学习图像处理的基本编程方法，编写简单的图像处理程序。
三、教学方法为了实现本课程的教学目标，我们将采用以下教学方法：1.讲授法：通过讲解图像处理的基本概念、原理和算法，使学生掌握相关知识；2.讨论法：引导学生分组讨论实际问题，培养学生解决问题的能力；3.案例分析法：分析典型的图像处理案例，使学生更好地理解图像处理技术的应用；4.实验法：让学生动手实践，熟悉图像处理软件和编程方法，提高学生的实际操作能力。
四、教学资源为了支持本课程的教学内容和教学方法，我们将准备以下教学资源：1.教材：选用权威、实用的图像处理教材，为学生提供系统、全面的知识体系；2.参考书：提供相关的参考书籍，丰富学生的知识储备；3.多媒体资料：制作课件、演示视频等，增强课堂教学的趣味性和生动性；4.实验设备：准备计算机、图像处理软件、编程环境等，为学生提供实践操作的机会。
遥感图像处理综合课程设计
遥感图像处理综合课程设计一、课程目标知识目标：1. 让学生理解遥感图像的基本概念、成像原理及在地理信息系统中的应用。
2. 使学生掌握遥感图像预处理、增强、分类及解译的基本方法和技巧。
3. 帮助学生了解遥感图像处理软件的操作流程，并熟悉相关功能。
技能目标：1. 培养学生运用遥感图像处理软件进行图像预处理、增强、分类及解译的能力。
2. 培养学生运用遥感技术解决实际地理问题的能力，如资源调查、环境监测等。
3. 提高学生团队协作、沟通表达及分析解决问题的能力。
情感态度价值观目标：1. 培养学生对遥感科学的兴趣和热情，激发学生探索未知世界的欲望。
2. 培养学生严谨、务实的学习态度，提高学生的自主学习能力和创新能力。
3. 增强学生的环保意识，使学生认识到遥感技术在资源环境保护中的重要作用。
本课程针对高年级学生，结合遥感图像处理相关教材，注重理论与实践相结合。
在教学过程中，充分考虑学生的认知水平、学习兴趣和实际需求，设计具有针对性和实用性的教学活动。
通过本课程的学习，期望学生能够掌握遥感图像处理的基本知识和技能，培养解决实际问题的能力，同时提高学生的情感态度价值观。
为确保教学效果，课程目标将分解为具体的学习成果，以便于教学设计和评估。
二、教学内容1. 遥感图像基本概念与成像原理：包括遥感图像的定义、类型、成像过程及其在地理信息科学中的应用。
- 教材章节：第一章 遥感图像概述- 内容列举：遥感图像的定义、分类、成像平台、传感器等。
2. 遥感图像预处理：涉及图像校正、配准、裁剪等操作，为后续图像分析奠定基础。
- 教材章节：第二章 遥感图像预处理- 内容列举：辐射校正、几何校正、图像配准、图像裁剪等。
3. 遥感图像增强：介绍图像增强技术，提高图像质量，突出感兴趣信息。
- 教材章节：第三章 遥感图像增强- 内容列举：直方图增强、空间域增强、频率域增强等。
4. 遥感图像分类与解译：讲解图像分类方法，培养学生解译遥感图像的能力。
数字图像表示课程设计
数字图像表示课程设计一、教学目标本课程旨在通过数字图像表示的教学，使学生掌握数字图像的基本概念、表示方法和处理技术。
具体目标如下：1.理解数字图像的基本概念，包括数字图像的定义、特点和分类。
2.掌握数字图像的表示方法，包括像素表示、矢量表示和图像文件格式。
3.了解数字图像的处理技术，包括图像增强、图像滤波和图像压缩。
4.能够使用常用的数字图像处理软件进行图像编辑和处理。
5.能够运用数字图像处理技术解决实际问题，如图像去噪、图像分割和特征提取。
情感态度价值观目标：1.培养学生的创新意识和实践能力，鼓励学生进行图像创作和应用开发。
2.培养学生的团队合作意识，通过小组讨论和合作完成图像处理项目。
二、教学内容本课程的教学内容主要包括数字图像的基本概念、表示方法和处理技术。
具体安排如下：第1章：数字图像概述1.1 数字图像的定义和特点1.2 数字图像的分类和应用第2章：数字图像表示2.1 像素表示法2.2 矢量表示法2.3 图像文件格式第3章：数字图像处理技术3.1 图像增强3.2 图像滤波3.3 图像压缩第4章：图像处理软件应用4.1 Photoshop图像处理软件4.2 MATLAB图像处理工具箱第5章：图像处理项目实践5.1 图像去噪5.2 图像分割5.3 特征提取三、教学方法为了提高学生的学习兴趣和主动性，本课程将采用多种教学方法，包括讲授法、讨论法、案例分析法和实验法等。
1.讲授法：通过教师的讲解，向学生传授数字图像的基本概念和理论知识。
2.讨论法：学生进行小组讨论，促进学生之间的交流和合作，培养学生的创新思维和问题解决能力。
3.案例分析法：通过分析典型的数字图像处理案例，使学生了解数字图像处理技术在实际中的应用。
4.实验法：安排实验课程，让学生亲自动手进行图像处理实践，提高学生的实际操作能力和实践能力。
四、教学资源为了支持教学内容和教学方法的实施，丰富学生的学习体验，我们将选择和准备以下教学资源：1.教材：《数字图像处理》2.参考书：《数字图像处理教程》3.多媒体资料：教学PPT、图像处理软件教程视频4.实验设备：计算机、图像处理软件、实验素材以上是本课程的教学目标、教学内容、教学方法和教学资源的设计。
基于matlab的图像处理课程设计
基于matlab的图像处理课程设计一、课程目标知识目标：1. 学生能理解图像处理的基本概念，掌握图像的数字化表示方法。
2. 学生能掌握Matlab软件的基本操作，运用其图像处理工具箱进行图像的读取、显示和保存。
3. 学生能掌握图像处理的基本算法，如灰度变换、图像滤波、边缘检测等，并理解其原理。
技能目标：1. 学生能运用Matlab进行图像处理操作，解决实际问题。
2. 学生能通过编程实现图像处理算法，具备一定的程序调试和优化能力。
3. 学生能运用所学知识，结合实际问题，设计简单的图像处理程序。
情感态度价值观目标：1. 学生通过学习图像处理，培养对计算机视觉和人工智能领域的兴趣，激发创新意识。
2. 学生在课程实践中，培养团队协作精神，提高沟通与表达能力。
3. 学生能认识到图像处理技术在生活中的广泛应用，增强学以致用的意识。
分析课程性质、学生特点和教学要求，本课程目标旨在使学生在掌握基本图像处理知识的基础上，通过Matlab软件的实践操作，培养其编程能力和解决实际问题的能力。
同时，注重培养学生的团队协作和情感态度，使其在学习过程中获得成就感，激发学习兴趣。
课程目标将具体分解为学习成果，以便后续教学设计和评估。
二、教学内容1. 图像处理基础理论：- 数字图像概念及表示方法- 图像处理的基本操作：读取、显示、保存- 像素运算与邻域处理2. Matlab基础操作：- Matlab软件安装与界面介绍- 数据类型与基本运算- 矩阵运算与函数编写3. 图像处理算法：- 灰度变换与直方图处理- 图像滤波：低通滤波、高通滤波- 边缘检测：Sobel算子、Canny算子4. 实践项目：- 图像增强与去噪- 图像分割与特征提取- 目标检测与跟踪5. 教学大纲：- 第一周：图像处理基础理论，Matlab基础操作- 第二周：灰度变换与直方图处理，图像滤波- 第三周：边缘检测，实践项目一- 第四周：图像分割与特征提取，实践项目二- 第五周：目标检测与跟踪，课程总结与展示教学内容根据课程目标，结合教材章节进行选择和组织，确保科学性和系统性。
数字图像处理的课程设计
数字图像处理的课程设计一、课程目标知识目标：1. 理解数字图像处理的基本概念，掌握图像的数字化表示方法；2. 掌握图像处理的基本操作，如图像变换、滤波、增强和复原；3. 了解常见的图像分割和特征提取方法，并应用于实际问题；4. 掌握图像压缩的基本原理及常用算法。
技能目标：1. 能够运用图像处理软件进行基本的图像编辑和操作；2. 能够编写简单的数字图像处理程序，实现对图像的基本处理功能；3. 能够运用所学的图像处理方法解决实际问题，如图像去噪、图像增强等；4. 能够对图像进行有效的压缩，以适应不同的应用场景。
情感态度价值观目标：1. 培养学生对数字图像处理技术的兴趣和热情，激发其探索精神；2. 培养学生的团队合作意识，学会与他人共同解决问题；3. 增强学生的实际操作能力，使其认识到理论与实践相结合的重要性；4. 引导学生关注图像处理技术在日常生活和各领域的应用，提高其科技素养。
课程性质：本课程为高年级选修课程，旨在使学生掌握数字图像处理的基本原理和方法，培养其实际应用能力。
学生特点：学生具备一定的数学基础和编程能力，对图像处理有一定了解，但尚未深入学习。
教学要求：结合学生特点和课程性质，注重理论与实践相结合，以实际应用为导向，提高学生的动手能力和创新能力。
通过本课程的学习，使学生能够达到上述课程目标，为未来进一步学习和研究打下坚实基础。
二、教学内容1. 数字图像基础：包括图像的数字化表示、图像质量评价、颜色模型等基本概念；- 教材章节：第1章 数字图像处理基础2. 图像增强：介绍直方图均衡化、图像平滑、锐化等增强方法；- 教材章节：第3章 图像增强3. 图像复原：涉及图像退化模型、逆滤波、维纳滤波等复原方法；- 教材章节：第4章 图像复原4. 图像分割与特征提取：包括阈值分割、边缘检测、区域生长等分割方法，以及特征点的提取和描述；- 教材章节：第5章 图像分割与特征提取5. 图像压缩：介绍图像压缩的基本原理，如JPEG、JPEG2000等压缩算法；- 教材章节：第6章 图像压缩6. 数字图像处理应用：分析图像处理在医学、遥感、计算机视觉等领域的应用案例；- 教材章节：第7章 数字图像处理应用教学进度安排：1. 数字图像基础（2学时）2. 图像增强（4学时）3. 图像复原（4学时）4. 图像分割与特征提取（6学时）5. 图像压缩（4学时）6. 数字图像处理应用（2学时）三、教学方法为提高教学效果，本课程将采用以下多样化的教学方法：1. 讲授法：教师通过系统的讲解，使学生掌握数字图像处理的基本概念、原理和方法。
图像处理与模式识别课程设计
01
02
03
人脸检测
通过图像处理技术，在输 入的图像中检测出人脸的 位置和大小。
特征提取
提取人脸的特征，如眼睛、 鼻子、嘴巴等部位的形状、 大小、位置等信息。
身份识别
将提取出的特征与已知人 脸特征进行比对，实现身 份的识别或验证。
文字识别系统
图像预处理
01
对输入的文字图像进行去噪、二值化、倾斜校正等操作，以提
03 颜色模型
常见的颜色模型有RGB、CMYK和灰度等，每种 模型都有自己的特点和适用场景。
图像的灰度化处理
01
灰度图像
灰度图像只有黑白两种颜色，通过调整像素的亮 度来模拟色彩。
02
灰度化处理方法
包括最大值法、平均值法和加权平均值法等，可 以改善图像的视觉效果。
图像的滤波与平滑
滤波器
滤波器用于减少图像中的噪声和细节，常见的滤 波器有高斯滤波器、中值滤波器和双边滤波器等。
本课程设计的收获与不足
培养了解决实际问题的能力和创新思维。 提高了团队协作和沟通能力。
本课程设计的收获与不足
不足
实践环节时间较短，未能充分掌握所有技 术。
部分理论知识较为抽象，难以理解。
缺乏实际应用案例，导致对知识理解不够 深入。
未来研究的方向与展望
研究方向 深度学习在图像处理与模式识别中的应用。 图像识别技术在医疗、安全等领域的应用研究。
人工智能将在未来成为图像处理与模式识别的重要研究方向。
THANKS
感谢观看
采用滤波器去除图像中的噪声和干扰。
实现方法与步骤
• 边缘检测：提取图像中的边缘信息，用于特征提取。
实现方法与步骤
特征提取
2. 使用特征选择算法，筛 选出对分类或检测任务最 有用的特征。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
班级：12级计算机10班学号：12041303姓名：刘博图像增强课程设计一、图像增强的空域法直方图均值化处理%图像增强的空域法直方图处理clcclear allI=imread('mm1.JPG');j=rgb2gray(I); %读入图片后转为灰度图figure(1) %在方图一中显示subplot(211)imhist(j); %显示原图像直方图title('源图像直方图')J=histeq(j); %直方图处理subplot(212)imhist(J)title('均衡化的直方图')figure(2)subplot(121);imshow(I)title('源图像')subplot(122);imshow(J)title('处理后的图像')imwrite(J, 'k2.jpg'); % 将直方图处理后的图像保存到图像文件二、图像增强的空域----算术/逻辑运算%程序举例：Aver.m&Aver_new.mclear allclcI=imread('mm4.JPG');j=rgb2gray(I); %读入图片后转为灰度图fimage=double(j);nimage=(rand(size(fimage)))*60;subplot(231);imagesc(fimage);imwrite(j, 'k3-fimage.jpg')title('original')colormap(gray);subplot(232);imagesc(nimage);title('noise')colormap(gray);X = uint8(nimage); % 将double 转化成uint8imwrite(X, 'k3-nosie.bmp')subplot(233);X = uint8(fimage+nimage);imwrite(X, 'k3-1noise.bmp')imagesc(fimage+nimage);title('1-noise')colormap(gray);% noisegimage=zeros(size(fimage));fori=1:30gimage=gimage+fimage+(rand(size(fimage)))*60;ifi==5subplot(234);n5=gimage/5;imagesc(gimage);title('5-noise')colormap(gray);endifi==15n15=gimage/15;subplot(235);imagesc(gimage);title('15-noise')colormap(gray);endendgimage=gimage/30;X = uint8(gimage);imwrite(X,'k3-30nosie.bmp')subplot(236);imagesc(gimage);title('30-noise')colormap(gray);X = uint8(n5);imwrite(X,'k3-5nosie.bmp')X = uint8(n15);imwrite(X,'k3-15nosie.bmp')三、空间临域不同模板卷积%邻域模板i=imread('k3-1noise.bmp'); %读入图像i=double(i)/255;%变换数据类型subplot(221);imshow(i);%显示图像title('原图像')h=1/5*[0 1 0;1 0 1;0 1 0];%定义4邻域平均模板a=filter2(h,i); %进行滤波subplot(222);imshow(a);%显示图像title('4邻域平均模板')subplot(223);h=1/8*[0 1 1 0;1 1 1 1;1 1 1 1;0 1 1 0]; %定义8邻域平均模板a=filter2(h,i);imshow(a);title('8邻域平均模板')subplot(224);h=1/12*[0 1 1 1 0;1 1 1 1 1;1 1 1 1 1;0 1 1 1 0]; %定义12邻域平均模板a=filter2(h,i);imshow(a);title('12邻域平均模板')四、选用3*3的高斯模版clcclear all%高斯模板i=imread('k3-1noise.bmp');%读入图像i=double(i)/255; %数值转换subplot(231);imshow(i); %显示图像title('原图像')h=fspecial('gaussian'); %选用3*3的高斯模板a=filter2(h,i);subplot(232);imshow(a);title('3*3的高斯模板')五、3*3模版的中值滤波clcclear all%中值滤波方法%当矩阵为[3 3]时i=imread('k31noise.bmp');%读入图像j=imread('k35nosie.bmp');k=imread('k3-5nosie.bmp');l=medfilt2(i,[3 3]);%进行中值滤波，模板为3*3 m=medfilt2(j,[3 3]);n=medfilt2(k,[3 3]);figure(1)subplot(231),imshow(i);title('原图像')subplot(232),imshow(j)title('原图像')subplot(233),imshow(k)title('原图像')subplot(234),imshow(l)title('中值滤波，模板为3*3')subplot(235),imshow(m)title('中值滤波，模板为3*3')subplot(236),imshow(n)title('中值滤波，模板为3*3')六、3*3模版的均值滤波%3*3均值滤波clcclear all%BOX模板i=imread('1noise.bmp');subplot(121);imshow(i);title('原始图像')a=filter2(fspecial('average',3),i)/255; %进行3*3模板的均值滤波¨subplot(122);imshow(a);title('3*3模板的均值滤波')七、3*3 模版模版系数不同的处理clcclear allI=imread('mm5.jpg'); %读入图片i=rgb2gray(I); %读入图片后转为灰度图i=double(i)/255; %数据类型转换subplot(3,4,1);imshow(I); %显示图像title('原图像')subplot(3,4,2);imshow(i); %显示图像title('原图像灰度图')h1=1/9*[-1 -1 -1;-1 8 -1;-1 -1 -1]; %选用3*3的加权平均模板a=filter2(h1,i);subplot(3,4,3);imshow(a);title('A=1 W=8')h11=1/9*[-1 -1 -1;-1 8.9 -1;-1 -1 -1]; %选用3*3的加权平均模板a=filter2(h11,i);subplot(3,4,4);imshow(a);title('A=1.1 W=8.9')h12=1/9*[-1 -1 -1;-1 9.8 -1;-1 -1 -1]; a=filter2(h12,i);subplot(3,4,5);imshow(a);title('A=1.2 W=9.8')h14=1/9*[-1 -1 -1;-1 11.6 -1;-1 -1 -1]; a=filter2(h14,i);subplot(3,4,6);imshow(a);title('A=1.4 W=11.6')h16=1/9*[-1 -1 -1;-1 13.4 -1;-1 -1 -1]; a=filter2(h16,i);subplot(3,4,7);imshow(a);title('A=1.6 W=13.4')h18=1/9*[-1 -1 -1;-1 15.2 -1;-1 -1 -1]; a=filter2(h18,i);subplot(3,4,8);imshow(a);title('A=1.8 W=15.2')h20=1/9*[-1 -1 -1;-1 17 -1;-1 -1 -1]; a=filter2(h20,i);subplot(3,4,9);imshow(a);title('A=2 W=17')h30=1/9*[-1 -1 -1;-1 26 -1;-1 -1 -1]; a=filter2(h30,i);subplot(3,4,10);imshow(a);title('A=3 W=26')h40=1/9*[-1 -1 -1;-1 35 -1;-1 -1 -1]; a=filter2(h40,i);subplot(3,4,11);imshow(a);title('A=4 W=35')h50=1/9*[-1 -1 -1;-1 44 -1;-1 -1 -1];a=filter2(h50,i);subplot(3,4,12);imshow(a);title('A=2 W=44')系数理解：随着系数的增加，图像逐渐的从黑色变化到接近原来的状态，之后就是越来越变白。
当A=1.8和2的时候接近原来的灰度图。
随着系数的增加，去除噪声的同时模糊了图像边缘。
不利于图像的识别，结论就是对一张图片来说，要找到最适合的模版系数，才能很好地处理图像。