1、數字圖像處理-圖像去噪方法數字圖像處理-圖像去噪方法數字圖像處理-圖像去噪方法編輯整理：尊敬的讀者朋友們：（數字圖像處理-圖像去噪方法本文可編輯可修改，如果覺得對您有幫助請收藏以便隨時查閱，最后祝您生活愉快 業績進步，以下為數字圖像處理-圖像去噪方法的全部內容。圖像去噪方法一、引言圖像信號在產生、傳輸和記錄的過程中，經常會受到各種噪聲的干擾,噪聲可以理解為妨礙人的視覺器官或系統傳感器對所接收圖像源信息進行 理解或分析的各種元素。噪聲對圖像的輸入、采集、處理的各個環節以及 最終輸出結果都會產生一定影響。圖像去噪是數字圖像處理中的重要環節 和步驟。去噪效果的好壞直接影響到后續的圖像處理工作如圖像分

2、割、邊 緣檢測等.一般數字圖像系統中的常見噪聲主要有:高斯噪聲（元器件內部產生二、常見的噪聲1、高斯噪聲：主要有阻性元器件內部產生。2、椒鹽噪聲程中產生泊松噪聲.3、量化噪聲再反映到接收端而產生，其大小顯示出數字圖像和原始圖像差異.一般數字圖像系統中的常見噪聲主要有高斯噪聲和椒鹽噪聲等,減少某種變換,將圖像從空間域轉換到頻率域,對頻率域中的變換系數進行處小波變換等。1、均值濾波g（x,y),即,其中，sM均值濾波也稱為線性濾波,其采用的主要方法為鄰域平均法。其基本原選擇一個模板,該模板由其近鄰的若干像素組成，求模板中所有像素的均值，再把該均值賦予當前像素點(xg（x,y),即,其中，sM素在內

3、的像素總個數。這種算法簡單，處理速度快，但它的主要缺點是在在去噪能力增強的同時模糊程度越嚴重.2、中值濾波（均值濾波對加高斯、椒鹽噪聲圖像處理后的對比圖）中值濾波是基于排序統計理論的一種能有效抑制噪聲的非線性信號處理技術。其實現原理如下：將某個像素鄰域中的像素按灰度值進行排序, 大的像素改取與周圍的像素值接近的值,從而可以消除孤立的噪聲點.利化。（中值濾波對加高斯、椒鹽噪聲圖像處理后的對比圖3、小波變換分辨率（寬的分析窗口)；而在高頻段利用低的頻率分辨率和高的時間分辨率(窄的分析窗口，這樣就能有效地從信號（如語言、圖像等）信息，較好地解決了時間和頻率分辨率的矛盾。對于一副圖像，我們關心 的是它

4、的低頻分量，因為低頻分量是保持信號特性的重要部分，高頻分量 利用小波變換,噪聲信息大多集中在次低頻、次高頻、以及高頻子塊中， 頻和次高頻子塊進行一定的抑制，則可以達到一定的噪聲去除效果.(小波變換對加高斯、椒鹽噪聲圖像處理后的對比圖 四、結果分析12、對于中值濾波:由圖像處理的結果可以看出,它只影響了圖像的基本信息，說明中值濾波對高斯噪聲的抑制效果不明顯。這是因為高斯噪聲使用還是被污染的值.而由圖還可以看出，中值濾波對去除“椒鹽”噪聲可以用中值濾波的效果非常好的。3由圖可以看出，小波變換對高斯噪聲有比較好的抑制出，圖像上的“椒鹽”噪聲很明顯,說明小波變換對“椒鹽”噪聲的去除五、總結體會該報告是

5、基于第一次報告中提出的在圖像處理中噪聲污染的問題 ,分除有不錯的效果。六、參考文獻（M,2007Matlab學。 TP391.72附件程序均值濾波程序：clc；close all；clear all; image=imread(cameraman。tif);m,n=size（image）； J=imnoise(image，gaussian,0，0.005）;J=double(J);figure（1),imagesc（J),colormap（gray) title(加高斯噪聲圖像)image1=J； H=1/2*0 1/4 0；1/4 1 1/4;0 1/4 0;for i=2：m1for j=

6、2:n1temp=J(i1:i+1，j1：j+1）; image1(i,j）=sum（sum（H。*temp）);endend figure(2）,imagesc（image1）,colormap(gray) title（3x3高斯噪聲均值濾波)K=imnoise(image，salt pepper,0。02); K=double（K）; figure(3）,imagesc(K），colormap（gray） title（加椒鹽噪聲圖像)image2=K； for i=2：m-1for j=2：n-1temp=K（i-1:i+1，j1:j+1); image2（i，j）=sum(sum(H.*

7、temp);endendfigure(4），imagesc（ image2),colormap(gray） title(3x3椒鹽噪聲均值濾波）中值濾波程序：clc；close all；clear all； image=imread（cameraman.tif)；m,n=size(image）； J=imnoise（image,gaussian，0，0.005）;figure(1），imagesc（J),colormap（gray) title（加高斯噪聲圖像）image1=J; for for j=2：n-1temp=J（i-1:i+1，j-1:j+1); temp=sort（temp(：）

8、; image1(i，j)=temp（5);endend figure（2)，imagesc(image1）,colormap(gray） title（3x3高斯噪聲中值濾波)K=imnoise(image，salt & pepper，0。02); 加椒鹽噪聲figure(3)，imagesc(K)，colormap（gray) title（加椒鹽噪聲圖像）image2=K； for i=2:m1for j=2:n-1temp=K（i1：i+1，j-1：j+1）; temp=sort（temp(:)； image2(i,j）=temp（5)；endendfigure(4）,imagesc( i

9、mage2),colormap（gray） title（3x3椒鹽噪聲均值濾波)小波變換程序：load sinsin b=imread(cameraman 。 tif）; J=imnoise（b,salt & pepper，0.02)；thr,sorh,keepapp=ddencmp（den,wv，J）; xd=wdencmp（gbl，J，sym4,2,thr，sorh，keepapp）; subplot（221），imshow（J)title( 加 椒 鹽 噪 聲 圖 像 ） subplot(222)，imshow（xd,0,255) title（椒鹽噪聲小波去噪）K=imnoise(b,gaussian,0，0.005）; thr，sorh,keepapp=ddencmp（