图像降噪处理.doc

《图像降噪处理.doc》由会员分享，可在线阅读，更多相关《图像降噪处理.doc（12页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、目 录一 引言.2二 均值滤波去噪.32.1均值滤波器原理.3三. 中值滤波去噪.43.1. 中值滤波器原理.4四 示例.5 4.1均值滤波去噪程序代码.54.2均值滤波实验仿真图.64.3中值滤波去噪程序代码.64.4中值滤波实验仿真图.8五均值滤波器和中值滤波器的比较.85.1椒盐噪声.85.2高斯噪声.9六参考文献.10七实验心得. 10一、引言图像是一种重要的信息源，通过图像处理可以帮助人们了解信息的内涵,然而在图像使用和传输过程中,不可避免会受到噪声的干扰，因此为了恢复原始图像，达到好的视觉效果，需要对图像进行滤波操作。根据噪声种类不同，可以采用不同的滤波方法，均值滤波是典型的线性滤

2、波算法，能够有效滤波图像中的加性噪声，而中值滤波器是能够有效滤除脉冲噪声的非线性滤波器，但传统中值滤波去脉冲噪声的性能受滤波窗口尺寸的影响较大,在抑制图像噪声和保护细节两方面存在矛盾。本文首先对不同均值滤波器在处理不同噪声方面的优缺点进行了分析，然后分别用中值滤波器和自适应中值滤波器对被椒盐噪声污染的图像进行了滤波操作，发现自适应中值滤波方法不仅可以有效滤波椒盐噪声，同时还可以有效地克服中值滤波器造成图像边缘模糊的缺点。二、均值滤波去噪2.1均值滤波器原理 在图像上，对待处理的像素给定一个模板，该模板包括了其周围的邻近像素。将模板中的全体像素的均值来代替原来的像素值的方法。 对一些图像进行线性

3、滤波可以去除图像中某些类型的噪声，如采用邻域平均法的均值滤波器就非常适用于去除通过扫描得到的图像中的颗粒噪声。邻域平均法是空间域平滑技术。这种方法的基本思想是，在图像空间，假定有一副NN个像素的原始图像f(x,y),用领域内几个像素的平均值去代替图像中的每一个像素点值的操作。经过平滑处理后得到一副图像 g(x,y), 其表达式如下： 式中： x,y=0,1,2,，N-1；s为（x，y）点领域中点的坐标的集合，但不包括（x，y）点；M为集合内坐标点的总数。领域平均法有力地抑制了噪声，但随着领域的增大，图像的模糊程度也愈加严重。为了尽可能地减少模糊失真，也可采用阈值法减少由于领域平均而产生的模糊效

4、应。其公式如下： 式中：T为规定的非负阈值。 上述方法也可称为算术均值滤波器，除此之外还可以采用几何均值滤波器、谐波均值滤波器和逆谐波均值滤波器。几何均值滤波器所达到的平滑度可以与算术均值滤波器相比，但在滤波过程中会丢失更少的图像细节。谐波均值滤波器对“盐”噪声效果更好，但是不适用于“胡椒”噪声。它善于处理像高斯噪声那样的其他噪声。逆谐波均值滤波器更适合于处理脉冲噪声，但它有个缺点，就是必须要知道噪声是暗噪声还是亮噪声，以便于选择合适的滤波器阶数符号，如果阶数的符号选择错了可能会引起灾难性的后果。三、中值滤波去噪3.1中值滤波器原理因为噪声（如椒盐噪声）的出现，使该点像素比周围的像素亮（暗）许

5、多。如果在某个模板中，对像素进行由小到大排列的重新排列，那么最亮的或者是最暗的点一定被排在两侧。取模板中排在中间位置上的像素的灰度值替代待处理像素的值，就可以达到滤除噪声的目的。与均值滤波类似，做3*3的模板，对9个数排序，取第5个数替代原来的像素值。中值滤波是一种常用的去除噪声的非线性平滑滤波处理方法，其基本思想用图像像素点的领域灰度值的中值来代替该像素点的灰度值。二维中值滤波可以用下式表示： 式中：A为滤波窗口； 为二维数据序列。其主要功能是让周围象素灰度值的差比较大的像素改取与周围的像素值接近的值，从而可以消除孤立的噪声点，所以中值滤波对于滤除图像的椒盐噪声非常有效。中值滤波器可以做到既

6、去除噪声又能保护图像的边缘，从而获得较满意的复原效果，而且，在实际运算过程中不需要图像的统计特性，这也带来不少方便，但对一些细节多，特别是点、线、尖顶细节较多的图像不宜采用中值滤波的方法。如果希望强调中间点或距中间点最近的几个点的作用，则可采用加权中值滤波。其基本原理是改变窗口中变量的个数，可以使一个以上的变量等于同一点的值，然后对扩张后的数字集求中值。这种方法比简单中值滤波性能更好地从受噪声污染的图像中恢复出阶跃边缘以及其他细节。另有一种可以处理具有更大概率的冲激噪声的是自适应中值滤波器，在进行滤波处理时，能依赖一定条件而改变领域的大小。其优点是在平滑非冲激噪声时可以保存细节，所以既能除去“

7、椒盐”噪声，平滑其他非冲激噪声，还能减少诸如物体边界细化或粗化等失真。四示例4.1均值滤波去噪程序代码I=imread(H:11.jpg ); % 读入图像%I=rgb2gray(I); % 转换成灰度图subplot(2,3,1),imshow(I); % 显示原始图像title(原始图像); % 设置图像标题J=imnoise(I,salt & pepper,0.1); % 添加加噪声密度为 0.1的椒盐噪声subplot(2,3,2),imshow(J); % 显示处理后的图像title(受噪图像); % 设置图像标题text(50,440,椒盐噪声); % 添加说明文字h=1,1,1;

8、1,0,1;1,1,1; % 模板矩阵h=h/8; % 产生滤波归一化的模板K=conv2(J,h); % 用均值模板对图像滤波subplot(2,3,3),imshow(K,); % 显示处理后的图像title(去噪后图像); % 设置图像标题I2=imread(H:11.jpg ); % 读入图像%I2=rgb2gray(I2); % 转换成灰度图subplot(2,3,4),imshow(I2); % 显示原始图像title(原始图像); % 设置图像标题J2=imnoise(I2,gaussian,0.1); % 加均值为0，方差为0.1的高斯噪声subplot(2,3,5),imsh

9、ow(J2); % 显示处理后的图像title(受噪图像); % 设置图像标题text(50,440,高斯白噪声); % 添加说明文字h=1,1,1;1,0,1;1,1,1; % 模板矩阵h=h/8; % 产生滤波归一化的模板K2=conv2(J2,h); % 用均值模板对图像滤波subplot(2,3,6),imshow(K2,); % 显示处理后的图像title(去噪后图像); % 设置图像标题4.2均值滤波实验仿真图图1均值滤波去噪从仿真结果图来看，均值滤波器的缺点是：会使图像变得模糊，原因是它对所有的点都是同等对待，再将噪声点分摊的同时，将景物的边界点也分摊了。 虽然均值滤波器对噪声有

10、抑制的作用，但同时会使图像变的模糊。即使是加权均值滤波，改善的效果也是有限的。为了改善这一状况，必须改善滤波器的设计思路，中值滤波器就是一种有效的方法。4.3中值滤波去噪程序代码I0=imread(H:11.jpg);subplot(2,3,1),imshow(I0); title(原始图像); I1=imnoise(I0,salt & pepper,0.1); % 添加加噪声密度为 0.1的椒盐噪声subplot(2,3,2),imshow(I1);title(受噪图像); % 设置图像标题text(50,440,椒盐噪声); % 添加说明文字J1=medfilt2(I1,3,3); %33

11、中值滤波模板subplot(2,3,3),imshow(J1);title(去噪后图像); I2=imread(H:11.jpg);subplot(2,3,4),imshow(I2);title(原始图像); I3=imnoise(I2,gaussian,0.1); % 加均值为0，方差为0.1的高斯噪声subplot(2,3,5),imshow(I3); % 显示处理后的图像title(受噪图像); % 设置图像标题text(50,440,高斯白噪声); J2=medfilt2(I3,3,3); %33中值滤波模板subplot(2,3,6),imshow(J2);title(去噪后图像);

12、4.4中值滤波实验仿真图图2中值滤波去噪五、均值滤波器和中值滤波器的比较4.1椒盐噪声对于椒盐噪声，中值滤波器比均值滤波效果好。原因：（1）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。（2）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。（3）因为噪声的均值不为0，所以均值滤波不能很好的去除噪声点。 图3 均值和中值效果比较（椒盐噪声）4.2高斯噪声对于高斯噪声，均值滤波效果比中值滤波效果好。原因：（1）高斯噪声是幅值近似正态分布，但分布在每点像素上。 （2）因为像素中的每点都是污染点，所以中值滤波选不到合适的干净点。 （3）因为正态分布的均值为0，所以均值

13、滤波可以消除噪声（实际上，只能减弱不能消除）。 图4 均值和中值效果比较（高斯噪声）噪声的存在对图像后续处理产生不利影响，因而图像去噪是图像处理领域重要的研究内容。中值滤波(Median fliter)是一种基于排序统计理论且能有效抑制噪声的非线性信号处理技术，它把邻域中的像素按灰度等级进行排序，然后选择该组的中间值作为输出像素值。中值滤波能减弱或者消除傅立叶空间的高频分量，但会影响到低频分量，椒盐噪声属于高频分量，因此中值滤波器对椒盐噪声有很好的的滤除效果，其缺点是对所有象素点采用一致的处理方式，在滤除噪声的同时可能改变真实象素点的值，从而破坏图像的细节和边缘，而且该方法对图像中的高斯噪声滤

14、波效果不佳。小波变换能够有效地从信号中提取信息，已经成为瞬变信号分析的有力工具。小波变换是在短时傅立叶变换基础上发展起来的一种新的时频分析方法，它通过伸缩和平移等运算功能对函数或信号进行多尺度的析，其主要特点是具有时域和频域双重局部定位能力和多分辨率分析能力。六、主要参考文献： 1朱红等编著，2005：数字图像处理基础，北京市，科学出版社。 2Kenneth R. Castleman，c2003： Digital image prosessing，北京:清华大学出版社。3何明一，卫保国，2008：数字图像处理，北京市，科学出版社。4贾永红，2003：数字图像处理，武汉大学出版社。 5Liu G

15、uohong,Gao Weiming,2004:Application and analysis about an improved arithmetics for median filtering image denoising,中国科技论文在线 。6王慧琴，2006：数字图像处理，北京邮电大学。 7徐立中，李士进，石爱业，2007数字图像的智能信息处理，北京市，国防工业出版社。 七、实验心得通过本文的分析和实例可见，应用MATLAB语言对图像进行中值滤波等一系列处理时具有编程简单、操作方便、处理速度快等特点。MATLAB语言的图像处理工具箱的功能非常强大，图像处理中经常用到的技术和方法在这个工具箱都可以实现。所以，在对图像进行处理时，可以充分利用MATLAB的图像处理工具箱，使图像处理工作者可以从烦琐的编程工作中解脱出来。 通过研究和分析MATLAB的图像处理工具箱进行图像中值滤波算法，得出一些特殊算法及应用，使MATLAB软件充分发挥其特点，更加轻松进行图像滤波。因而达基本到此次的目的。