對(duì)同時(shí)含有椒鹽噪聲和高斯噪聲的 消噪處理

1、燕山大學(xué)課 程 設(shè) 計(jì) 說 明 書題目：同時(shí)含有椒鹽噪聲和高斯噪聲的圖像消噪處理學(xué)院（系）： 里仁學(xué)院 年級(jí)專業(yè)：09工業(yè)自動(dòng)化儀表學(xué) 號(hào)： 091203021061 學(xué)生姓名： 姚寧 指導(dǎo)教師： 趙彥濤 程淑紅 教師職稱： 講師 副教授 燕山大學(xué)課程設(shè)計(jì)（論文）任務(wù)書院（系）： 電氣工程學(xué)院 基層教學(xué)單位： 自動(dòng)化儀表系 學(xué) 號(hào)091203021061學(xué)生姓名姚寧專業(yè)（班級(jí)）09儀表1班設(shè)計(jì)題目同時(shí)含有椒鹽噪聲和高斯噪聲的消噪處理設(shè)計(jì)技術(shù)參數(shù) 要求設(shè)計(jì)出一種能同時(shí)消除圖像中含有椒鹽噪聲和高斯噪聲的方法并實(shí)現(xiàn)設(shè)計(jì)要求 對(duì)于同時(shí)含有椒鹽噪聲和高斯噪聲的圖像，如何能更好的消除其噪聲。對(duì)一副圖像用函

2、數(shù)同時(shí)加入椒鹽噪聲和高斯噪聲，并設(shè)計(jì)出一種能同時(shí)消除這兩種噪聲的方法，并實(shí)現(xiàn)。積極思考其他消噪方法，設(shè)計(jì)中應(yīng)具有自己的設(shè)計(jì)思想、設(shè)計(jì)體會(huì)。工作量 一周工作計(jì)劃一周的時(shí)間： 周一：分析題目，確立方向，構(gòu)思結(jié)構(gòu)，查閱資料。周二到周三：編程，運(yùn)行，測(cè)試及調(diào)試。周四：整理資料、程序和圖片，撰寫設(shè)計(jì)說明書。周五：答辯。參考資料1、 賈永紅.數(shù)字圖像處理（第二版）.武漢：武漢大學(xué)出版社·，2010,22、 岡薩雷斯.數(shù)字圖像處理（Matlab）.電子工業(yè)出版社,20063、 樓順天.MATLAB 5.x程序設(shè)計(jì)語言.西安：西安電子科技大學(xué)出版社，2000指導(dǎo)教師簽字基層教學(xué)單位主任簽字說明：此表

3、一式四份，學(xué)生、指導(dǎo)教師、基層教學(xué)單位、系部各一份。2012年6月29日 燕山大學(xué)課程設(shè)計(jì)評(píng)審意見表指導(dǎo)教師評(píng)語：成績： 指導(dǎo)教師： 2012年 6月29 日答辯小組評(píng)語： 成績： 評(píng)閱人： 2012年 6月 29 日課程設(shè)計(jì)總成績：答辯小組成員簽字： 2012年 6月 29 日 燕 山 大 學(xué) 課 程 設(shè) 計(jì) 說 明 書目錄第一章 摘要1 第二章 引言2 第三章 噪聲的特性3 第四章 對(duì)圖像的消噪處理4 4.1 中值濾波4 4.2 維納濾波8 4.3 中值濾波與維納濾波的結(jié)合10 第五章 學(xué)習(xí)心得14 第六章 參考文獻(xiàn)15 共 15 頁 第15頁同時(shí)含有椒鹽噪聲和高斯噪聲的消噪處理一、摘要本

4、文研究的是對(duì)同時(shí)含有椒鹽噪聲和高斯噪聲的消噪處理。首先，本文對(duì)高斯噪聲和椒鹽噪聲作出解釋，從根本是理解高斯噪聲和椒鹽噪聲，并用圖像生動(dòng)形象的解釋這兩種噪聲產(chǎn)生的影響，如正文中圖1 所示。對(duì)圖像的消噪處理時(shí)，有均值濾波，中值濾波，維納濾波，超限像素平滑法等方法，在這里我們選取中值濾波和維納濾波進(jìn)行分析。一、中值濾波：選取一個(gè)窗口，并對(duì)窗口中的像素灰度值進(jìn)行排序，用中間值代替窗口中心的像素值。其消噪效果如文中圖2和圖3所示。由圖中我們可以看到中值濾波對(duì)圖像中的椒鹽噪聲有很好的濾除效果，并能較好的保留圖像的邊緣，但對(duì)圖像中的高斯噪聲的濾波效果不是很理想。二、維納濾波：運(yùn)用維納濾波的方法進(jìn)行濾波時(shí)，我

5、們可以根據(jù)他的原理進(jìn)行編程濾波，也可以直接運(yùn)用維納濾波的函數(shù)wiener2(a)進(jìn)行濾波。其運(yùn)行結(jié)果如文中圖4所示。由圖中我們可以發(fā)現(xiàn)維納濾波能夠很好地濾去高斯噪聲，但對(duì)椒鹽噪聲的濾波效果不是很理想。所以我們采用將這兩種方法結(jié)合起來，來對(duì)同時(shí)還有椒鹽噪聲和高斯噪聲的圖像進(jìn)行濾波。三、中值維納濾波：首先我們將圖像中的像素點(diǎn)按一定的條件分為椒鹽噪聲點(diǎn)和信號(hào)點(diǎn)，然后對(duì)椒鹽噪聲點(diǎn)進(jìn)行中值濾波，信號(hào)點(diǎn)保留，最后再對(duì)整個(gè)圖像進(jìn)行維納濾波，其結(jié)果如圖5所示。從圖中我們可以看出中值維納濾波對(duì)圖像的處理想過還是挺理想的。關(guān)鍵字：椒鹽噪聲 高斯噪聲 中值濾波 維納濾波 中值維納濾波二、引言 數(shù)字圖像的噪聲主要來源

6、于圖像的獲?。〝?shù)字化過程）和傳輸過程。圖像傳感器的工作情況受各種因素的影響，如圖像獲取中的環(huán)境條件和傳感元器件自身的質(zhì)量。例如，使用CCD攝像機(jī)獲取圖像，光照強(qiáng)度和傳感器溫度是生成圖像中產(chǎn)生大量噪聲的主要因素。圖像在傳輸過程中主要由于所用的傳輸信道的干擾受到噪聲污染。比如，通過無線網(wǎng)絡(luò)傳輸?shù)膱D像可能會(huì)因?yàn)楣饣蚱渌髿庖蛩氐牡母蓴_被污染。噪聲不僅僅嚴(yán)重影響人們觀賞圖像時(shí)的視覺效果，還有可能影響邊緣檢測(cè)、圖像分割、特征提取、模式識(shí)別等后續(xù)更高層的處理結(jié)果，因此采用適當(dāng)?shù)姆椒ūM量減少噪聲時(shí)一個(gè)非常重要的預(yù)處理步驟。在實(shí)際生活中，最常見的為高斯噪聲和脈沖噪聲（椒鹽噪聲）兩類，所以去除這兩類噪聲是非常需

7、要的。本文通過對(duì)這兩種噪聲的去噪方法進(jìn)行了根本的分析和研究，并用Matlab進(jìn)行了編程和調(diào)試，最終確定出最優(yōu)的去噪方案，簡單易懂，深入淺出。為今后的研究提供了相關(guān)的參考資料和編程，具有深刻的研究意義！三、噪聲的特性實(shí)際生活中最常見的是高斯噪聲和脈沖噪聲（椒鹽噪聲），下面便分別對(duì)這兩種解釋做出解釋和比較。1、高斯噪聲高斯噪聲是指噪聲的概率密度函數(shù)服從高斯分布（即正態(tài)分布）的一類噪聲，這種噪聲經(jīng)常被用于實(shí)踐中。高斯隨機(jī)變量的PDF（概率密度函數(shù)）由下式給出： （1）式中，表示灰度值，表示的平均值或期望值，表示的標(biāo)準(zhǔn)差，稱為的方差。2、脈沖噪聲 （雙極）脈沖噪聲的PDF可由下式給出： （2）如果，灰

8、度值在圖像中將顯示為一個(gè)亮點(diǎn)，相反，的值將顯示為一個(gè)暗點(diǎn)。如果和為零，則脈沖噪聲稱為單極脈沖。如果和均不可能為零，尤其是它們近似相等時(shí)，脈沖噪聲值將類似于隨機(jī)分布在圖像上的胡椒和鹽粉微粒，因此雙機(jī)脈沖噪聲也稱為椒鹽噪聲。在這，我們研究的是椒鹽脈沖。椒鹽噪聲是由圖像傳感器，傳輸信道，解碼處理等產(chǎn)生的黑白相間的亮暗點(diǎn)噪聲。椒鹽噪聲往往由圖像切割引起的。在實(shí)際生活中，這兩種噪聲一般都是同時(shí)存在的。為了更形象，清楚的了解椒鹽噪聲和高斯噪聲對(duì)圖像的影響，我們運(yùn)用Matlab,對(duì)一個(gè)圖像進(jìn)行加噪處理，分別認(rèn)識(shí)一下椒鹽噪聲和高斯噪聲以及椒鹽、高斯同時(shí)存在時(shí)，反映在圖像上的效果。其程序如下所示：clear;c

9、lc;I=imread('Miss512G.bmp');a,b=size(I);figuresubplot(2,2,1);imshow(I);title('灰白原圖');J=imnoise(I,'salt & pepper',0.02);subplot(2,2,2);imshow(J);title('加椒鹽噪聲后的圖像');G=imnoise(I,'gaussian',0.02);subplot(2,2,3);imshow(G);title('加高斯噪聲后的圖像');K=imnoise(J,

10、'gaussian',0.02);subplot(2,2,4);imshow(K);title('加椒鹽噪聲和高斯噪聲后的圖像');其運(yùn)行結(jié)果如圖1所示：圖1四、對(duì)圖像的消噪處理對(duì)含有椒鹽噪聲和高斯噪聲的圖像進(jìn)行消噪預(yù)處理時(shí)，有許多方法，例如均值濾波，中值濾波，超限像素平滑法及維納濾波等，在這里，我們先選用中值濾波的方法。4.1、中值濾波它是對(duì)一個(gè)滑動(dòng)窗口內(nèi)的諸像素灰度值進(jìn)行排序，用中間值代替窗口中心像素的灰度值的濾波方法。它是一種非線性的平滑法，在抑制噪聲的同時(shí)能有效保護(hù)邊緣少受模糊。實(shí)現(xiàn)中值濾波的步驟如下所示： 選擇一個(gè)規(guī)格的窗口，如3*3的矩形窗口，放入圖

11、像（灰度值矩陣）的左上角。 將窗口中的灰度值進(jìn)行升序（降序）排列，用排在中間的灰度值來代替窗口中心的灰度值。 將窗口向右移一列，在進(jìn)行步驟。到圖像的有邊緣后，向下移一行從左往右依次進(jìn)行步驟和步驟。運(yùn)用Matlab進(jìn)行編程，程序如下所示：clear;clc;I=imread('Miss512G.bmp');a,b=size(I);figuresubplot(2,2,1);imshow(I);title('灰白原圖');J=imnoise(I,'salt & pepper',0.02);K=imnoise(J,'gaussian

12、9;,0.02);a,b=size(K);subplot(2,2,2);imshow(K);title('加椒鹽噪聲和高斯噪聲后的圖像');%3*3中值濾波for i=1:a for j=1:b if(i=1|i=a|j=1|j=b) G(i,j)=K(i,j); else temp(1)=K(i-1,j-1);%取3*3的窗口 temp(2)=K(i-1,j); temp(3)=K(i-1,j+1); temp(4)=K(i,j-1); temp(5)=K(i,j); temp(6)=K(i,j+1); temp(7)=K(i+1,j-1); temp(8)=K(i+1,j)

13、; temp(9)=K(i+1,j+1); temp=sort(temp);%按升序排序 G(i,j)=temp(5);%取中間值 end endendsubplot(2,2,3);imshow(G);title('3*3中值濾波后的圖像');%5*5中值濾波for i=1:a for j=1:b if(i=1|i=2|i=a-1|i=a|j=1|j=2|j=b-1|j=b) G5(i,j)=K(i,j); else temp(1)=K(i-2,j-2); temp(2)=K(i-2,j-1); temp(3)=K(i-2,j); temp(4)=K(i-2,j+1); tem

14、p(5)=K(i-2,j+2); temp(6)=K(i-1,j-2); temp(7)=K(i-1,j-1); temp(8)=K(i-1,j); temp(9)=K(i-1,j+1); temp(10)=K(i-1,j+2); temp(11)=K(i,j-2); temp(12)=K(i,j-1); temp(13)=K(i,j); temp(14)=K(i,j+1); temp(15)=K(i,j+2); temp(16)=K(i+1,j-2); temp(17)=K(i+1,j-1); temp(18)=K(i+1,j); temp(19)=K(i+1,j+1); temp(20)=

15、K(i+1,j+2); temp(21)=K(i+2,j-2); temp(22)=K(i+2,j-1); temp(23)=K(i+2,j); temp(24)=K(i+2,j+1); temp(25)=K(i+2,j+2); temp=sort(temp); G5(i,j)=temp(13); end endendsubplot(2,2,4);imshow(G5);title('5*5中值濾波后的圖像');其運(yùn)行后的結(jié)果如圖2所示。我們還可以直接運(yùn)用中值濾波的函數(shù)進(jìn)行Matlab濾波，由于當(dāng)選取7*7和11*11大的窗口時(shí)，按上述方法編程的程序很長，從而增加了工作量，所以我

16、們可直接用中值濾波的函數(shù)medfilt2(a),進(jìn)行中值濾波。程序如下所示：g=medfilt2(K,7,7);subplot(1,2,1);imshow(g);title('7*7中值濾波后的圖像')g=medfilt2(K,11,11);subplot(1,2,2);imshow(g);title('11*11中值濾波后的圖像')其運(yùn)行結(jié)果如圖3所示：圖2圖3由上圖中的3*3、5*5、7*7和11*11窗口的濾波效果，我們可以從中看到中值濾波能有效地消除椒鹽噪聲，并且隨著窗口大小的增加，濾波效果越好。但是隨著中值濾波，圖像也變得模糊起來。所以當(dāng)窗口增大到一定

17、值之后，雖然也起到了去噪的效果，但是圖像會(huì)變得過于模糊，不利于圖片觀賞。所以對(duì)于窗口大小的確定，我們可以由小到大的逐次選取濾波，選出效果最好時(shí)的窗口，此時(shí)我們選擇7*7的窗口。 由上圖，我們還可以得出：中值濾波對(duì)高斯噪聲也有一定的消除，但是效果不是很理想，所以我們可以選取另一種方法來進(jìn)行濾波，看能否達(dá)到消去高斯噪聲的效果。在這，我們選取維納濾波法。4.2、維納濾波維納濾波是在逆濾波的基礎(chǔ)上進(jìn)行圖像復(fù)原，是最小均方誤差濾波。運(yùn)用維納濾波時(shí)，我們需要選擇一個(gè)合適的退化模型，在這里我們?cè)O(shè)圖像的退化模型為： （3）式中的和分別是退化后圖像矩陣的行數(shù)和列數(shù)。在這里我們?nèi)?。這樣，我們便可以得到恢復(fù)后圖像的

18、傅里葉變換為： （4）式中是噪聲的功率譜，是未退化模型的功率譜。是退化圖像的變換。當(dāng)處理高斯噪聲時(shí)，譜是一個(gè)常數(shù)，并且未退化圖像的功率譜很少是已知的。當(dāng)這些值未知或不能估計(jì)時(shí)，經(jīng)常使用下面表達(dá)式近似表示： （5）式中是一個(gè)特殊常量,我們可以帶入任意值，選出效果最好時(shí)的的值。求出后，再對(duì)它進(jìn)行傅里葉逆變換便可得到恢復(fù)后的圖像。運(yùn)用Matlab進(jìn)行編程，程序如下所示：clear;clc;I=imread('Miss512G.bmp');a,b=size(I);figuresubplot(2,2,1);imshow(I);title('灰白原圖');J=imnoise

19、(I,'salt & pepper',0.02);K=imnoise(J,'gaussian',0.02);a,b=size(K);subplot(2,2,2);imshow(K);title('加椒鹽噪聲和高斯噪聲后的圖像');k=0.0025; for u=1:a for v=1:b q=(u-a/2)2+(v-b/2)2; H(u,v)=exp(-k*q(5/6); H0(u,v)=(abs(H(u,v)2; H1(u,v)=H0(u,v)/(H(u,v)*(H0(u,v)+c); endendF0=fftshift(fft2(K)

20、;F2=H1.*F0;I3=ifft2(fftshift(F2);subplot(2,2,3);imshow(uint8(I3);title('維納濾波復(fù)原圖');考慮到其消噪的效果及伴隨的模糊狀況，最終確定.或直接運(yùn)用Matlab中的維納濾波函數(shù)wiener2來進(jìn)行對(duì)加噪后（與中值濾波加相同的椒鹽噪聲和高斯噪聲）的圖像進(jìn)行消噪處理，程序如下所示：G=wiener2(K,3,3);figuresubplot(2,2,1);imshow(G);title('8*8維納濾波¨');F=wiener2(K,7,7);subplot(2,2,2);imshow

21、(F);title('9*9維納濾波¨');F=wiener2(K,10,10);subplot(2,2,3);imshow(F);title('10*10維納濾波¨');F=wiener2(K,14,14);subplot(2,2,4);imshow(F);title('11*11維納濾波¨');其運(yùn)行結(jié)果如圖4所示:圖4由圖中，我們可以發(fā)現(xiàn)維納濾波方法能夠有效的濾去高斯噪聲，并且隨著窗口的增大，其濾波效果越好。但隨著窗口的增大，也伴隨著圖像的模糊，所以選擇9*9的窗口其濾波效果最好。雖然維納濾波也能消去椒鹽噪聲，

22、但其效果并不是很理想。4.3、中值濾波和維納濾波的結(jié)合由圖2和圖3，我們發(fā)現(xiàn)中值中值濾波能夠?yàn)V除圖像中的椒鹽噪聲，并能很好的保留圖像的邊緣。從圖4中，可以得出維納濾波則能較好的去除高斯噪聲。所以，對(duì)于同時(shí)含有椒鹽噪聲和高斯噪聲的圖像進(jìn)行消噪處理時(shí)，我們可以想辦法使這兩個(gè)程序結(jié)合起來，從而達(dá)到對(duì)這兩種噪聲均能較好的去噪的效果。對(duì)圖像進(jìn)行去噪時(shí)，如果我們能夠區(qū)分出椒鹽噪聲和高斯噪聲污染的點(diǎn)，那就可以分別對(duì)椒鹽噪聲運(yùn)用中值濾波，然后對(duì)高斯噪聲進(jìn)行維納濾波達(dá)到預(yù)期的效果。而區(qū)分噪聲點(diǎn)時(shí)，由于椒鹽噪聲的特性，我們可以知道椒鹽噪聲點(diǎn)的灰度值與其他像素點(diǎn)有明顯的區(qū)別，一般是其鄰域中的灰度極值點(diǎn)（正的或負(fù)的）

23、。所以在一幅圖像中，如果一個(gè)像素點(diǎn)的灰度值遠(yuǎn)大于或遠(yuǎn)小于其鄰域點(diǎn)的灰度值，也就是說該像素點(diǎn)與其鄰域的點(diǎn)的相關(guān)性很小時(shí)，我們便分為這個(gè)點(diǎn)被污染了。否則，則認(rèn)為這個(gè)點(diǎn)是有效信號(hào)點(diǎn)。所以我們可通過下式來區(qū)分椒鹽噪聲點(diǎn)和信號(hào)點(diǎn)： （6）式中為椒鹽噪聲點(diǎn)，為信號(hào)點(diǎn),為所選窗口內(nèi)的最小灰度值，為窗口內(nèi)的最大灰度值。按以上標(biāo)準(zhǔn)對(duì)所有像素進(jìn)行分類，設(shè)表示輸出圖像，那么便可設(shè)： (7)得出中值濾波的圖像后在對(duì)它進(jìn)行維納濾波，運(yùn)用Matlab，其編程如下所示：clear;clc;I=imread('Miss512G.bmp');a,b=size(I);figuresubplot(2,2,1);im

24、show(I);title('灰白原圖');J=imnoise(I,'salt & pepper',0.02);K=imnoise(J,'gaussian',0.02);a,b=size(K);subplot(2,2,2);imshow(K);title('加椒鹽噪聲和高斯噪聲后的圖像');for i=1:a for j=1:b if(i=1|i=2|i=3|i=a-2|i=a-1|i=a|j=1|j=2|j=3|j=b-2|j=b-1|j=b) G(i,j)=K(i,j); else temp(1)=K(i-3,j-3)

25、; temp(2)=K(i-3,j-2); temp(3)=K(i-3,j-1); temp(4)=K(i-3,j); temp(5)=K(i-3,j+1); temp(6)=K(i-3,j+2); temp(7)=K(i-3,j+3); temp(8)=K(i-2,j-3); temp(9)=K(i-2,j-2); temp(10)=K(i-2,j-1); temp(11)=K(i-2,j); temp(12)=K(i-2,j+1); temp(13)=K(i-2,j+2); temp(14)=K(i-2,j+3); temp(15)=K(i-1,j-3); temp(16)=K(i-1,j

26、-2); temp(17)=K(i-1,j-1); temp(18)=K(i-1,j); temp(19)=K(i-1,j+1); temp(20)=K(i-1,j+2); temp(21)=K(i-1,j+3); temp(22)=K(i,j-3); temp(23)=K(i,j-2); temp(24)=K(i,j-1); temp(25)=K(i,j); temp(26)=K(i,j+1); temp(27)=K(i,j+2); temp(28)=K(i,j+3); temp(29)=K(i+1,j-3); temp(30)=K(i+1,j-2); temp(31)=K(i+1,j-1)

27、; temp(32)=K(i+1,j); temp(33)=K(i+1,j+1); temp(34)=K(i+1,j+2); temp(35)=K(i+1,j+3); temp(36)=K(i+2,j-3); temp(37)=K(i+2,j-2); temp(38)=K(i+2,j-1); temp(39)=K(i+2,j); temp(40)=K(i+2,j+1); temp(41)=K(i+2,j+2); temp(42)=K(i+2,j+3); temp(43)=K(i+3,j-3); temp(44)=K(i+3,j-2); temp(45)=K(i+3,j-1); temp(46)=K(i+3,j); temp(47)=K(i+3,j+1); temp(48)=K(i+3,j+2); temp(49)=K(i+3,j+3); temp=sort(temp); N=temp(1); M=