下图含有干扰条纹、并且低灰度区域的细节难以分辨。对图像进行灰度变换，再分别应用空域和频域的处理方法消除条纹干扰，并比较这两类方法去除条纹干扰的效果。
因为低灰度区的细节难以分辨，所以先将图像整体均衡化，见图1-2，使整体的细节变亮，更清楚观察到条纹的细节。
对均衡化后的图像进行傅里叶变换，将低频移至图像的中心点，显示其log变换后的频谱图，见图1-3，发现其频谱图中心取有条纹产生的噪声（频谱图中心区竖直方向），想要去掉条纹，就要设计滤波器过滤掉某一低频部分，通过查资料，这里用到了陷波滤波器。陷波滤波器指的是一种可以在某一个频率点迅速衰减输入信号，以达到阻碍此频率信号通过的滤波效果。陷波滤波器属于带阻滤波器的一种,只是他的阻带非常狭窄。设计预估陷波滤波器的圆心为图像的（w/4,h/2）和（3w/4,h/2）为圆心，以1/5倍的行列的最小值为半径，见图2，通过对频域的相乘，对应于时域的卷积，完成对于某一低频域的陷波，从而完成对一低频部分的滤波，去除条纹。
空域办法处理的这里采用的是中值滤波，中值滤波用一个含有奇数个像素的窗口在图像中滑动，将窗口中心点的灰度值用窗口内各点的灰度值的中值代替。滤波的效果和窗口的大小有关系，正确选择窗口的大小使用好中值滤波的关键。这里取得w=6，对于图像有着横向的干扰条纹，所以只对竖直方向取中值，使条纹消除，见图3。
（1）扩充边界
（2）取中值
（3）显示处理图像
clc;
clear;
close all;
f=imread('hw2_rg.jpg');
f=rgb2gray(f);
figure;
subplot(2,2,1);imshow(f);title('原图');
%% 均衡化
h=zeros(256,1);
for k=0:255
h(k+1)=sum(sum(f==k));
end
p=h/sum(h);
s=zeros(256,1);
s(1)=p(1);
for k=2:255
s(k)=s(k-1)+p(k);
end
f=double(f);
[r,c]=size(f);
t=zeros(256,1);
t=double(t);
for m=1:r
for n=1:c
t(m,n)=s(f(m,n)+1);
end
end
subplot(2,2,2);imshow(t);title('均衡化后的图像');
%% 频谱图
g=uint8(t*255);
s=fft2(g);
s_shift=fftshift(s);
subplot(2,2,3);
imshow(log(1+s_shift),[]);title('均衡化后频谱图');
%% 陷波滤波
H= zeros(size(g));
[w,h]=size(g);
%滤波器圆心
rx1 = w / 4;
ry1 = h / 2;
rx2 = w * 3 / 4;
ry2 = h / 2;
r = min(w,h)/5;%半径
for i = 1:w
for j = 1:h
if(i-rx1)^2+(j-ry1)^2 >= r*r && (i-rx2)^2+(j-ry2)^2 >= r*r
H(i,j) = 1;
end
end
end
G=H.*s_shift;
g=ifft2(ifftshift(G),'symmetric');
g=uint8(real(g));
subplot(2,2,4);imshow(g);title('滤波变换图');
figure;imshow(H);
%% 中值滤波
t=t*255;
w=6;
fn=padarray(t,[w w],'symmetric');
[r,c]=size(fn);
g=zeros(r,c);
nc=ceil((2*w+1)/2);
for m=1+w:r-w
for n=1+w:c-w
roi=fn(m-w:m+w,n);
p=sort(roi(:));
g(m,n)=p(nc);
end
end
g=g(1+w:r-w,1+w:c-w);
figure;
subplot(1,2,1);imshow(t,[]);
subplot(1,2,2);
imshow(g,[]);
title('中值滤波');
图1：
图2：
图3：
对于均值滤波，他是将图像平滑来减弱噪声，无法真正去除，所以图像会变得模糊，但是其算法简单，运算速度较中值滤波快。而对于中值滤波，采用非线性的办法，它在平滑脉冲噪声方面非常有效,同时它可以保护图像尖锐的边缘。对于成三角变化的边缘，中值滤波有轻微的模糊，对于一般的孤立噪声有很好的抑制效果，加权中值滤波可以改进中值滤波的边缘信号保持。