數(shù)字圖像處理-圖像去噪方法

1、精選優(yōu)質(zhì)文檔-傾情為你奉上圖像去噪方法 一、引言 圖像信號在產(chǎn)生、傳輸和記錄的過程中，經(jīng)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(tǒng)傳感器對所接收圖像源信息進(jìn)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(huán)節(jié)以及最終輸出結(jié)果都會產(chǎn)生一定影響。圖像去噪是數(shù)字圖像處理中的重要環(huán)節(jié)和步驟。去噪效果的好壞直接影響到后續(xù)的圖像處理工作如圖像分割、邊緣檢測等。一般數(shù)字圖像系統(tǒng)中的常見噪聲主要有：高斯噪聲（主要由阻性元器件內(nèi)部產(chǎn)生）、椒鹽噪聲（主要是圖像切割引起的黑圖像上的白點(diǎn)噪聲或光電轉(zhuǎn)換過程中產(chǎn)生的泊松噪聲）等。我們平常使用的濾波方法一般有均值濾波、中值濾波和小波濾波，他們分

2、別對某種噪聲的濾除有較好的效果。對圖像進(jìn)行去噪已成為圖像處理中極其重要的內(nèi)容。二、常見的噪聲1、高斯噪聲：主要有阻性元器件內(nèi)部產(chǎn)生。2、椒鹽噪聲：主要是圖像切割引起的黑圖像上的白點(diǎn)噪聲或光電轉(zhuǎn)換過程中產(chǎn)生泊松噪聲。3、量化噪聲：此類噪聲與輸入圖像信號無關(guān),是量化過程存在量化誤差，再反映到接收端而產(chǎn)生，其大小顯示出數(shù)字圖像和原始圖像差異。一般數(shù)字圖像系統(tǒng)中的常見噪聲主要有高斯噪聲和椒鹽噪聲等，減少噪聲的方法可以在圖像空間域或在圖像頻率域完成。在空間域?qū)D像處理主要有均值濾波算法和中值濾波算法圖像頻率域去噪方法是對圖像進(jìn)行某種變換，將圖像從空間域轉(zhuǎn)換到頻率域，對頻率域中的變換系數(shù)進(jìn)行處理，再進(jìn)行反

3、變換將圖像從頻率域轉(zhuǎn)換到空間域來達(dá)到去除圖像噪聲的目的。將圖像從空間轉(zhuǎn)換到變換域的變換方法很多，常用的有傅立葉變換、小波變換等。三、去噪常用的方法1、均值濾波 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。其基本原理是用均值替代原圖像中的各個像素值,即對待處理的當(dāng)前像素點(diǎn)（x,y）,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(dāng)前像素點(diǎn)(x,y),作為處理后圖像在該點(diǎn)上的灰度g(x,y),即gx,y=1Mfsf(x,y),其中,s為模板,M為該模板中包含當(dāng)前像素在內(nèi)的像素總個數(shù)。這種算法簡單，處理速度快，但它的主要缺點(diǎn)是在降低噪聲的同時使圖像產(chǎn)生模

4、糊，特別是在邊緣和細(xì)節(jié)處。而且鄰域越大，在去噪能力增強(qiáng)的同時模糊程度越嚴(yán)重。（均值濾波對加高斯、椒鹽噪聲圖像處理后的對比圖）2、中值濾波 中值濾波是基于排序統(tǒng)計理論的一種能有效抑制噪聲的非線性信號處理技術(shù)。其實現(xiàn)原理如下:將某個像素鄰域中的像素按灰度值進(jìn)行排序,然后選擇該序列的中間值作為輸出的像素值,讓周圍像素灰度值的差比較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(diǎn)。利用中值濾波算法可以很好地對圖像進(jìn)行平滑處理。這種算法簡單，時間復(fù)雜度低，但其對點(diǎn)、線和尖頂多的圖像不宜采用中值濾波。很容易自適應(yīng)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 小波變換是一種窗

5、口大小固定但其形狀可改變的時頻局部化分析方法。小波變換利用非均勻的分辨率，即在低頻段用高的頻率分辨率和低的時間分辨率（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）中提取信息，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(guān)心的是它的低頻分量，因為低頻分量是保持信號特性的重要部分，高頻分量則僅僅起到提供信號細(xì)節(jié)的作用，而且噪聲也大多屬于高頻信息。這樣，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,特別是高頻子塊,幾乎以噪聲信息為主,為此,將高頻子塊置為零,對次低頻和次高頻子塊進(jìn)行一定的抑制,則可以達(dá)

6、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(jié)果分析1、對于均值濾波：均值濾波對高斯噪聲的抑制是比較好的,處理后的圖像邊緣模糊較少。但對椒鹽噪聲的影響不大,因為在削弱噪聲的同時整幅圖像內(nèi)容總體也變得模糊，其噪聲仍然存在。2、對于中值濾波：由圖像處理的結(jié)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隨機(jī)大小的幅值污染所有的點(diǎn),因此無論怎樣進(jìn)行數(shù)據(jù)選擇,得到的始終還是被污染的值。而由圖還可以看出,中值濾波對去除“椒鹽”噪聲可以起到很好的效果,因為椒鹽噪聲只在畫面中的部分點(diǎn)上隨機(jī)出現(xiàn),所以根據(jù)中值濾波原理可知,通過數(shù)據(jù)

7、排序的方法,將圖像中未被噪聲污染的點(diǎn)代替噪聲點(diǎn)的值的概率比較大,因此噪聲的抑制效果很好,同時畫面的輪廓依然比較清晰。由此看來，對于椒鹽噪聲密度較小時,尤其是孤立噪聲點(diǎn),用中值濾波的效果非常好的。3、對于小波變換：由圖可以看出,小波變換對高斯噪聲有比較好的抑制作用,而且,在去除噪聲的同時可以較好地保持圖像的細(xì)節(jié)。由圖可以看出,圖像上的“椒鹽”噪聲很明顯,說明小波變換對“椒鹽”噪聲的去除效果不大。小波變換是一種時頻局部化分析方法。即隨著分辨率的降低,噪聲的小波變換值逐漸減小,信號占主導(dǎo)地位;而隨著分辨率的提高,噪聲的小波變換值增大,信號被噪聲淹沒。所以,對小波變換,提高分辨率和有效去除噪聲,兩者不

8、可兼得。五、總結(jié)體會該報告是基于第一次報告中提出的在圖像處理中噪聲污染的問題，分析三種去噪方法對兩種圖像噪聲的濾波處理。分析結(jié)果可以得到：均值濾波是典型的線性濾波，對高斯噪聲抑制是比較好的；中值濾波是常用的非線性濾波方法，對椒鹽噪聲特別有效；小波變換對分辨率低的高斯噪聲去除有不錯的效果。六、參考文獻(xiàn)岡薩雷斯.數(shù)字圖象處理（第二版）M.北京:電子工業(yè)出版社,2007.基于Matlab的數(shù)字圖像典型去噪算法. 齊齊哈爾大學(xué). 齊齊哈爾大學(xué). TP391.72附件程序均值濾波程序：clc;close all;clear all;image=imread(cameraman.tif);m,n=size

9、(image);J=imnoise(image,gaussian,0,0.005); %加高斯噪聲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:m-1 for j=2:n-1 temp=J(i-1:i+1,j-1:j+1); image1(i,j)=sum(sum(H.*temp); endendfigure(2),imagesc(image1),colormap(gray)title(3x3高斯噪聲均值濾波)K=im

10、noise(image,salt & pepper,0.02); %加椒鹽噪聲K=double(K);figure(3),imagesc(K),colormap(gray)title(加椒鹽噪聲圖像)image2=K;for i=2:m-1 for j=2:n-1 temp=K(i-1:i+1,j-1:j+1); image2(i,j)=sum(sum(H.*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(cam

11、eraman.tif);m,n=size(image);J=imnoise(image,gaussian,0,0.005); %加高斯噪聲figure(1),imagesc(J),colormap(gray)title(加高斯噪聲圖像)image1=J;for i=2:m-1 for j=2:n-1 temp=J(i-1:i+1,j-1:j+1); temp=sort(temp(:); image1(i,j)=temp(5); endendfigure(2),imagesc(image1),colormap(gray)title(3x3高斯噪聲中值濾波)K=imnoise(image,salt

12、 & 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:m-1 for j=2:n-1 temp=K(i-1:i+1,j-1:j+1); temp=sort(temp(:); image2(i,j)=temp(5); endendfigure(4),imagesc( image2),colormap(gray)title(3x3椒鹽噪聲均值濾波)小波變換程序：load sinsinb=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