基于Matlab的數(shù)字圖像處理降噪方法

1、2021/8/141基于基于Matlab的數(shù)字圖像處理降噪的數(shù)字圖像處理降噪方法方法2021/8/142研究背景與意義研究背景與意義四種去噪方法四種去噪方法圖像噪聲圖像噪聲實驗結果圖對比實驗結果圖對比結論結論Contents目錄源代碼及函數(shù)源代碼及函數(shù)2021/8/143現(xiàn)實中的圖像由于種種原因都是帶噪聲的。噪聲惡化了現(xiàn)實中的圖像由于種種原因都是帶噪聲的。噪聲惡化了圖像質量，使圖像模糊，甚至淹沒和改變特征，給圖像分圖像質量，使圖像模糊，甚至淹沒和改變特征，給圖像分析和識別帶來困難。為了去除噪聲，會引起圖像邊緣的模析和識別帶來困難。為了去除噪聲，會引起圖像邊緣的模糊和一些紋理細節(jié)的丟失。反之，進

2、行圖像邊緣增強也會糊和一些紋理細節(jié)的丟失。反之，進行圖像邊緣增強也會同時增強圖像噪聲。同時增強圖像噪聲。本次實驗用四個方法進行去噪，基于本次實驗用四個方法進行去噪，基于MATLAB實現(xiàn)了均實現(xiàn)了均值濾波法、中值濾波法、基于離散余弦變換的圖像去噪法、值濾波法、中值濾波法、基于離散余弦變換的圖像去噪法、基于小波變換的圖像去噪法的去噪實驗，并對實驗結果進基于小波變換的圖像去噪法的去噪實驗，并對實驗結果進行了分析比較行了分析比較。容請寫在這里您的內容請寫在這里您的內容請寫在這里您的內容您的內容請寫在這里研究背景研究背景2021/8/144圖像去噪是圖像處理研究領域中的一個基礎而圖像去噪是圖像處理研究領

3、域中的一個基礎而又重要的問題。在農業(yè)信息化、智能化、自動化又重要的問題。在農業(yè)信息化、智能化、自動化分級與檢測和機器視覺等領域，涉及到大量的圖分級與檢測和機器視覺等領域，涉及到大量的圖像處理問題，圖像去噪作為重要的圖像預處理步像處理問題，圖像去噪作為重要的圖像預處理步驟之一驟之一。圖像降噪處理的目的是對給定的圖像進行有效圖像降噪處理的目的是對給定的圖像進行有效的改善，提高圖像的質量。因此圖像降噪處理是的改善，提高圖像的質量。因此圖像降噪處理是非常重要的研究方向。非常重要的研究方向。研究意義研究意義2021/8/145圖像噪聲是指存在于圖像數(shù)據(jù)中的不必要的圖像噪聲是指存在于圖像數(shù)據(jù)中的不必要的或

4、多余的干擾信息。圖像的噪聲在圖像的采或多余的干擾信息。圖像的噪聲在圖像的采集和處理的全過程中都會產(chǎn)生，主要是由于集和處理的全過程中都會產(chǎn)生，主要是由于器件的靈敏性、量化過程產(chǎn)生的誤差、空氣器件的靈敏性、量化過程產(chǎn)生的誤差、空氣的波動等原因造成的。本文主要討論用四種的波動等原因造成的。本文主要討論用四種方法去除密度為方法去除密度為0.2的的椒鹽噪聲。椒鹽噪聲。圖像噪聲圖像噪聲2021/8/146均值濾波法均值濾波法 也稱線性濾波，即用幾個像素灰度的平均值來代替也稱線性濾波，即用幾個像素灰度的平均值來代替每個像素的灰度。有效抑制加性噪聲，但容易引起圖像每個像素的灰度。有效抑制加性噪聲，但容易引起圖

5、像模糊，可以對其進行改進，避開對景物邊緣的平滑處理。模糊，可以對其進行改進，避開對景物邊緣的平滑處理。主要思想為鄰域平均法，這類做法的實質是簡單平均了主要思想為鄰域平均法，這類做法的實質是簡單平均了模板所包含的像素，該像素原來的灰度被平均值所代替模板所包含的像素，該像素原來的灰度被平均值所代替 首先要選擇模板的尺寸，也就是領域半徑，本次選首先要選擇模板的尺寸，也就是領域半徑，本次選擇領域半徑為擇領域半徑為3和和9的兩個不同尺寸模板進行實驗。可明的兩個不同尺寸模板進行實驗?？擅黠@看出領域半徑越大效果越好，但是成本就越高。顯看出領域半徑越大效果越好，但是成本就越高。2021/8/147實驗結果實驗

6、結果2021/8/148中值濾波法中值濾波法 該方法基于排序統(tǒng)計理論的一種能有效抑制噪聲的非該方法基于排序統(tǒng)計理論的一種能有效抑制噪聲的非線性平滑濾波信號處理技術。中值濾波的特點即是首先確線性平滑濾波信號處理技術。中值濾波的特點即是首先確定一個以某個像素為中心點的鄰域，一般為方形鄰域，也定一個以某個像素為中心點的鄰域，一般為方形鄰域，也可以為圓形、十字形等等，然后將鄰域中各像素的灰度值可以為圓形、十字形等等，然后將鄰域中各像素的灰度值排序，取其中間值作為中心像素灰度的新值，這里領域被排序，取其中間值作為中心像素灰度的新值，這里領域被稱為窗口，當窗口移動時，利用中值濾波可以對圖像進行稱為窗口，當

7、窗口移動時，利用中值濾波可以對圖像進行平滑處理。其算法簡單，時間復雜度低，但其對點、線和平滑處理。其算法簡單，時間復雜度低，但其對點、線和尖頂多的圖像不宜采用中值濾波。很容易自適應化。尖頂多的圖像不宜采用中值濾波。很容易自適應化。2021/8/149實驗結果實驗結果2021/8/1410基于離散余弦變換的圖像去燥基于離散余弦變換的圖像去燥 我們一般認為圖像的噪聲在離散余弦變換結果中處我們一般認為圖像的噪聲在離散余弦變換結果中處在其高頻部分，而高頻部分的幅值一般很小，利用這一在其高頻部分，而高頻部分的幅值一般很小，利用這一性質，就可以實現(xiàn)去噪。變換性質，就可以實現(xiàn)去噪。變換去除高頻噪聲去除高頻噪

8、聲反變換。反變換。然而，這樣同時會失去圖像的部分細節(jié)。只能對圖像進然而，這樣同時會失去圖像的部分細節(jié)。只能對圖像進行行“粗糙粗糙”去噪去噪,保留圖像平滑部分與主要信息，對于保留圖像平滑部分與主要信息，對于細節(jié)要求高的不適用。我們來看一下實驗結果細節(jié)要求高的不適用。我們來看一下實驗結果2021/8/1411實驗結果實驗結果2021/8/1412基于小波變換的圖像去噪基于小波變換的圖像去噪 本次本次實驗使用實驗使用Matlab提供的用于圖像去噪函數(shù)：提供的用于圖像去噪函數(shù)：wrcoef2其語法格式為：其語法格式為： X=wrcoef2(type,C,S,wname)。其中，其中，X=wrcoef2

9、(type,C,S,wname)返回基于小波分解結構返回基于小波分解結構，的小波重構圖像。參數(shù)，的小波重構圖像。參數(shù)“type”等于等于a表示重構表示重構近似系數(shù)；等于近似系數(shù)；等于h表示重構水平細節(jié)系數(shù)；等于表示重構水平細節(jié)系數(shù)；等于v表示重構垂表示重構垂直細節(jié)系數(shù)，等于直細節(jié)系數(shù)，等于d表示重構對角細節(jié)系數(shù)。表示重構對角細節(jié)系數(shù)。2021/8/1413實驗結果實驗結果2021/8/1414四種方法實驗結果對比圖四種方法實驗結果對比圖2021/8/1415通過上圖對比我們可以直觀看出，對于椒鹽通過上圖對比我們可以直觀看出，對于椒鹽噪聲，中值去噪效果總是最好的。具體的客噪聲，中值去噪效果總是最

10、好的。具體的客觀參數(shù)評價有平均絕對誤差，均方誤差，信觀參數(shù)評價有平均絕對誤差，均方誤差，信噪比等，本文不做詳細統(tǒng)計對比。噪比等，本文不做詳細統(tǒng)計對比。結論結論2021/8/1416主要源代碼主要源代碼I=imread(C:UsersAdministratorDesktop1.jpg);%讀取圖像讀取圖像I = rgb2gray(I);subplot(2,3,1); imshow(I);title(原始圖像原始圖像);J=imnoise(I,salt & pepper,0.2);%加入椒鹽噪聲，密度為加入椒鹽噪聲，密度為0.2subplot(2,3,2); imshow(J);title

11、(加入椒鹽噪聲之后的圖像加入椒鹽噪聲之后的圖像);%采用采用MATLAB中的函數(shù)中的函數(shù)filter2對受噪聲干擾的圖像進行均值濾波對受噪聲干擾的圖像進行均值濾波K1=filter2(fspecial(average,9),J)/255; %模板尺寸為模板尺寸為9subplot(2,3,3); imshow(K1);title(均值濾波，尺寸均值濾波，尺寸9);K2= medfilt2(J);%采用二維中值濾波函數(shù)采用二維中值濾波函數(shù)medfilt2對受椒鹽噪聲干擾的圖像濾波對受椒鹽噪聲干擾的圖像濾波%采用采用MATLAB中的函數(shù)中的函數(shù)filter2對受噪聲干擾的圖像進行中值濾波對受噪聲干擾的圖像進行中值濾波subplot(2,3,4);imshow(K2);title(中值濾波中值濾波);m,n=size(I); %讀取圖像尺寸讀取圖像尺寸Y=dct2(J); A=zeros(m,n); %DCT變換變換A(1:m/3,1:n/3)=1; Ydct=Y.*A; %高頻屏蔽高