基于malab的圖像去噪可視化系統(tǒng)

基于malab的圖像去噪可視化系統(tǒng)

0常見去噪算法在生成和傳輸過程中，圖像受到高噪聲、青椒噪聲、光學(xué)噪聲等噪聲的干擾。為了盡可能恢復(fù)受噪聲影響的圖像，必須去除噪聲干擾的圖像。因此，圖像去除噪聲是圖像數(shù)據(jù)處理領(lǐng)域的一個(gè)重要研究主題，引起了人們的關(guān)注。不同類型的噪聲,需要采用不同的去噪算法。例如,針對高斯噪聲,常見的去噪方法為均值濾波算法;而針對椒鹽噪聲,常采用Turkey提出的中值濾波算法.為了更好地抑制噪聲密度較大的椒鹽噪聲,有學(xué)者提出了自適應(yīng)中值濾波.此外,維納濾波和基于小波的閾值濾波也成為了人們關(guān)注的熱點(diǎn)方法.為了直觀、客觀分析各種方法對不同噪聲干擾的圖像進(jìn)行去噪的效果,本文基于Matlab設(shè)計(jì)了可視化的圖像去噪系統(tǒng),以分析圖像被高斯噪聲、椒鹽噪聲和乘性噪聲干擾的情況下利用不同的去噪方法即均值濾波、中值濾波、自適應(yīng)中值濾波、維納濾波和小波閾值濾波對含噪圖像進(jìn)行處理的情況,并給出峰值信噪比PSNR以客觀反映去噪效果.1圖像噪聲去除方法介紹1.1均值濾波算法均值濾波屬于典型的線性濾波算法,對于待處理的像素點(diǎn),選擇一個(gè)由其鄰域的若干像素組成的模板,求模板中所有像素的均值,再把該均值賦予待處理的像素點(diǎn),作為處理后圖像在該點(diǎn)上的灰度.均值濾波有效抑制了噪聲,然而算法中的平均計(jì)算也引起了模糊現(xiàn)象.1.2圖像邊緣去噪中值濾波是一種常用的非線性平滑濾波方法,其基本原理是把圖像中每一點(diǎn)的像素值用該點(diǎn)鄰域中各像素值的中值代替,從而消除孤立的噪聲點(diǎn),因此對于濾除圖像的椒鹽噪聲非常有效,并且中值濾波器在去除噪聲的同時(shí)還保護(hù)了圖像的邊緣.1.3自適應(yīng)中值濾波算法的改進(jìn)方法標(biāo)準(zhǔn)的中值濾波算法在處理空間密度較大的椒鹽噪聲時(shí)存在能力不足的問題.作為中值濾波算法的改進(jìn)方法,自適應(yīng)中值濾波算法通過擴(kuò)大窗口來相對地減少椒鹽噪聲的空間密度,對空間密度較大的椒鹽噪聲產(chǎn)生較好的抑制作用,并且還可以保存更多的圖像細(xì)節(jié).1.4局部方差調(diào)整濾波器自適應(yīng)維納濾波以恢復(fù)圖像與原始圖像的均方誤差最小為主要目標(biāo),根據(jù)圖像的局部方差調(diào)整濾波器的輸出,局部方差越大,濾波器的平滑作用越強(qiáng).該方法的濾波效果比均值濾波器效果要好,能有效保留圖像的邊緣和其他高頻部分.1.5去噪方法設(shè)計(jì)小波閾值去噪主要包括對圖像信號進(jìn)行小波分解、對經(jīng)過層次分解后的高頻系數(shù)進(jìn)行閾值量化、利用二維小波重構(gòu)圖像信號等3個(gè)步驟,是一種簡單而有效的去噪方法,可以較好地保持圖像細(xì)節(jié).2基于matlab的圖像去噪Matlab是由MathWorks公司開發(fā)的一種高級技術(shù)計(jì)算語言和交互式環(huán)境,廣泛應(yīng)用于算法開發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析以及數(shù)值計(jì)算等領(lǐng)域.Matlab中圖形用戶界面GUI具有強(qiáng)大的功能,由窗口、光標(biāo)、按鍵、菜單和文本等對象構(gòu)成,可以通過編程控制各個(gè)控件來協(xié)調(diào)工作.已有研究者基于Matlab建立語音處理系統(tǒng)、圖像處理系統(tǒng)、基于小波變換的圖像去噪系統(tǒng)等.本文將在Matlab開發(fā)環(huán)境下,完成圖像去噪的可視化系統(tǒng),包括界面設(shè)計(jì)和算法程序設(shè)計(jì).通過該可視化系統(tǒng),用戶只需選擇所需處理的圖像,并選擇對該圖像添加各種不同的噪聲類型及噪聲密度,再利用上述介紹的去噪方法,即可實(shí)現(xiàn)對含噪圖像的去噪處理.2.1圖像去噪可視化系統(tǒng)設(shè)計(jì)該系統(tǒng)的框架圖如圖1所示.本文利用Matlab中的圖形用戶界面GUI構(gòu)建圖像去噪可視化系統(tǒng).在打開空白的GUI界面后,通過選擇窗口、光標(biāo)、按鍵、菜單和文本等控件及修改相關(guān)屬性即可完成GUI界面的設(shè)計(jì),如圖2所示.2.2圖像psnr筆者利用該系統(tǒng)分別對被高斯噪聲、椒鹽噪聲、乘性噪聲干擾的lena圖像進(jìn)行去噪處理演示.針對圖像去噪,常用的客觀評價(jià)標(biāo)準(zhǔn)為峰值信噪比PSNR,其定義式為:PSNR=10log10(2552/D),其中D=1ΜΝΜ-1∑m=0Ν-1∑n=0(xmn-?xmn)2?xmnD=1MN∑m=0M?1∑n=0N?1(xmn?x?mn)2?xmn和?xx?mn分別是圖像的第(m,n)個(gè)像素的灰度值和圖像去噪后的第(m,n)個(gè)像素的灰度值,M和N則表示圖像中橫向和縱向的像素點(diǎn)個(gè)數(shù).在本圖像去噪可視化系統(tǒng)中,將采用PSNR作為圖像去噪的評價(jià)標(biāo)準(zhǔn).2.2.1去噪和去噪處理通過點(diǎn)擊“請選擇原始圖像”,選擇lena.jpg圖像并顯示在原始圖像框中;選擇噪聲類型中的“Gaussian”,并選擇其方差為0.02,點(diǎn)擊加噪按鈕后,顯示加噪圖像;然后點(diǎn)擊去噪按鈕,啟動對圖像的去噪處理并顯示各方法處理后的圖像;同時(shí)在PSNR欄顯示出加噪圖像及各去噪圖像的PSNR,以進(jìn)行對比.圖3所示即為高斯噪聲干擾下該可視化系統(tǒng)運(yùn)行的結(jié)果.由運(yùn)行結(jié)果,可以直觀比較各種去噪方法的效果,并通過PSNR的對比,給出對去噪方法的客觀評價(jià).由圖3可以看出,小波濾波和均值濾波是處理被高斯噪聲干擾的圖像較好的方法,維納濾波和中值濾波也對高斯噪聲的抑制起到一定的效果,而自適應(yīng)中值濾波卻無法對高斯噪聲起到較好的抑制作用.2.2.2中值濾波和自適應(yīng)中值濾波將噪聲類型選擇為椒鹽噪聲,并選擇其噪聲密度為0.1,系統(tǒng)的運(yùn)行結(jié)果如圖4所示.可以看出,中值濾波和自適應(yīng)中值濾波能對被椒鹽噪聲干擾的圖像給出較好的處理結(jié)果,而維納濾波、中值濾波及自適應(yīng)中值濾波則無法對高斯噪聲起到較好的抑制作用.各濾波方法的PSNR值也客觀反映了各自的效果.2.2.3不同去噪方法的比較.將噪聲類型選擇為乘性噪聲,噪聲密度選擇為0.05,所得結(jié)果如圖5所示.可見,小波濾波和均值濾波可以有效抑制乘性噪聲的干擾,獲得較清晰的圖像.而自適應(yīng)中值濾波是抑制椒鹽噪聲的有效方法,卻無法較好地抑制乘性噪聲,其PSNR值也較小.從以上的演示和分析可見,針對高斯噪聲、椒鹽噪聲、乘性噪聲等不同類型的噪聲,該可視化系統(tǒng)給出了幾種不同去噪方法的比較,可以直觀、客觀地分析不同方法的去噪效果,從而為針對不同類型的噪聲選擇合適的去噪方法提供參考依據(jù).需要明確的是,在系統(tǒng)運(yùn)行時(shí)界面中出現(xiàn)“請選擇原始圖像”后,筆者選擇了lena.jpg圖像作為范例來探討該圖像在不同噪聲下的各種去噪方法的比較.事實(shí)上,也可以選擇其它不同的原始圖像,如常見的baboon.jpg,barbara.jpg,pepers.jpg等.針對不同的圖像,采用各種不同去噪方法所得的效果與針對lena.jpg圖像所得到的效果相似,由于篇幅限制,這里不再給出其它圖像處理的結(jié)果.3噪聲干擾圖像的圖像去噪本文基于Matlab設(shè)