基于Matlab的图像去噪算法的研究...

1、2011 级毕业设计（论文）基于 MATLAB 的图像滤波中值算法研究年 级: 2011 级 学 号: 姓 名: 专 业:电子信息工程指导老师: 二零一五年六月 大学本科毕业设计第 II 页 共 28 页摘 要数字图像在其形成、传输记录过程中经常会受到各种各样噪声的污染，影响了图像的视觉效果，妨碍了人们的正常识别，严重时会影响图像中的有用信息。所以，消除图像采集和传输过程中产生的噪声，降低噪声对原图像的干扰，提高图像质量，增强图像视觉效果，成为了数字图像处理领域里的重要部分。本文首先对噪声的几种类型进行了介绍，重点讨论了几种经典的图像去除噪声的滤波算法，然后本文主要研究分析均值滤波法、中值滤波

2、法、维纳滤波法，并进行相应的仿真。对图像处理应用时的常用函数及其主要用法进行分析，详细阐述了这三种去噪算法原理及特点，最后运用 Matlab 软件对多张图片进行仿真去噪，并对去噪效果进行评价与分析。并在此基础上，提出了一种改进的中值滤波去噪方法。关键词：图像去噪；均值滤波； 中值滤波； 维纳滤波程序代码抠叩 82 192 8248 大学本科毕业设计第 III 页 共 28 页AbstractThe digital image in the formation transmission and recording process is often polluted by various nois

3、es, affect the visual effects of the image, and impede the normal peoples recognition, seriously affecting the useful information of a image. Therefore, eliminate the noise of image acquisition and transmission processing, reduce the noise disrupt original image, improve image quality, enhance the v

4、isual effect of the image, has become an important part of the field of digital image processing.In this paper, firstly, several types of noise were introduced, emphasis on discussing several classical filter algorithm for image denoising, and then this paper focuses on the analysis of the average f

5、iltering, median filtering, Wiener filtering denoising, and the corresponding simulation. The common function of image processing applications and usage analysis, elaborated the principle and characteristics of this three image denoising method, finally using Matlab software to simulate some map of

6、noise to image denoising, evaluate and analysis the effect of denoising. On this basis,an improved median filtering denoising method are proposed.Keywords: Image denoising; Average filtering; Median filtering; Wiener filtering 大学本科毕业设计第 IV 页 共 28 页目 录摘 要.IIAbstract.III第 1 章 绪 论.11.1 本设计的背景和意义.11.2 本

7、设计的主要方法和研究进展.11.3 本文主要工作.2第 2 章 Matlab 简介 .32.1 Matlab 概况 .32.2 Matlab 发展过程 .32.3 Matlab 的语言特点 .32.4 MATLAB 常用方法及其函数.42.5 本章小结.4第 3 章 图像去噪理论与技术.53.1 图像噪声概述.53.1.1 图像噪声的来源.53.1.2 噪声的类型.53.2 均值滤波算法.73.3 中值滤波算法.83.4 维纳滤波算法.93.5 本章小结.10第 4 章 基于 Matlab 的图像去噪算法仿真 .114.1 均值滤波的仿真.124.2 中值滤波的仿真.124.3 维纳滤波的仿真

8、.134.4 几种去噪方法的比较分析.144.5 本章小结.14第 5 章 改进的中值滤波算法.155.1 改进算法的提出.155.2 算法实现与原理分析.155.2.1 噪声检测.155.2.2 噪声去除.165.3 仿真实验与结果分析.175.4 本章小结.19结论与展望.20致 谢.21参考文献.22附 录.23程序代码抠叩 82 192 8248大学本科毕业设计第 1 页 共 28 页第 1 章 绪 论1.1 本设计的背景和意义在步入了信息化时代的今天，人们每天都要处理各类信息，在对各种各样信息的处理中计算机担当着重要的角色。百闻不如一见，对于绝大多数的事物和场景，往往一幅图像就可表述

9、清楚，图像在信息传播中的作用越来越大。然而人们在数字化设备中接收的图像，多多少少会受到噪声的影响，噪声有时对图像携带的信息是致命的，这就需要对图像进行滤波等操作使电子设备中接收的图像能够被人识别。图像分割、边缘检测、模式识别、特征提取这些图像处理操作由于噪声的存在，迫使人们从各种角度提高图像的质量1。因此对数字图像进行必要的滤波处理变得势在必行。图像去噪做得好可以帮助我们有效地还原图像，使我们更方便地发现我们所需要的图像信息。现阶段图像去噪已经在生活的方方面面带来影响，帮助我们解决无数难以解决的难题。通过对普通的去噪算法进行优化改进，以增强人们的视觉读取，恢复图像的原有信息，降低图像噪声对原图

10、像的影响，具有重要的研究意义。1.2 本设计的主要方法和研究进展本文在大量阅读文献的基础上通过使用 MATLAB 软件进行仿真实验，并总结每种去噪方法的优缺点。并针对噪声检测提出新的改进的滤波算法，通过努力，达到最终目的，能更好地还原含有高密度噪声图像，最大限度地去除噪声。因为图像去噪是很多技术实现的前提，现今图像去噪技术走在了科学研究的前沿，发展速度非常快。图像去噪既有多种经典算法，也存在像模拟退火法等改进的算法2。这种方法取得了不错的去噪效果，但存在的一些问题也暴露的非常明显，它对运算有着极高的要求，费时费力。之后也有许多研究者提出了新的改进算法，到现在的有些非线性滤波方法如各向异性扩散法

11、、正则化方法、最小能量泛函方法已卓见成效3。中值滤波算法对去除椒盐噪声最为有效，是一种非线性平滑技术，它以排序理论为基础，通过对像素中值的提取和替换来进行图像去噪4。但是它也存在一些明显的缺点，在对一些类似于棱角细线的细节处理中，效果不好，容易造成细节的损坏。大量的研究者针对传统的中值滤波算法的缺点，对中值滤波进行了大量的改进和优化，也取得了明显的效果。这些算法通过不同角度达到了有效去除噪声的效果，同时也对图像细节以及边缘信息的保护做的很好5。但是在对细节较为丰富的图像处理中，容易将非噪声点误认为噪声点进行去噪处理，对图像的去噪效果带来很大的影响。另外在去除含有高密度噪声的图像中，大部分算法处

12、理效果一般，在图像处理中依然是个难点。大学本科毕业设计 第 2 页 共 28 页1.3 本文主要工作本文通过对国内外去噪算法的相关资料进行研读分析，学习了解图像处理的基本知识，寻找解决问题的最佳方法。对均值、中值及维纳滤波这三种算法进行原理剖析，对其去噪过程进行研究分析和讨论。之后对滤波算法使用 MATLAB 软件进行仿真，通过观察仿真效果图，对比并总结每种方法的优缺点。对中值滤波算法进行研究时，首先明确传统函数去噪的基本原理，分析各自的优缺点，然后在传统去噪算法的基础上进行改进，提出新的噪声点检测方法，避免噪声的漏检，增强图像的质量。本论文主要内容安排如下：第 1 章 绪论部分，对当前图像去

13、噪的发展背景以及研究意义进行叙述第 2 章 Matlab 简介：介绍软件 Matlab 的基本概况及常用函数的用法。第 3 章 图像去噪理论与技术：对图像噪声进行概述并从各方面对噪声分类，了解噪声产生的原因和特性。对均值、中值及维纳滤波法的去噪原理及特点进行了详细阐述。第 4 章 进行去噪算法仿真：对几种去噪算法分别用 Matlab 软件编写仿真代码，对一张彩色图片进行灰度变化后加噪处理，包含添加高斯和椒盐噪声，然后进行去噪处理，并对去噪效果进行分析比较。第 5 章 改进的滤波算法：对传统的中值滤波进行优化，提出新的噪声检测方法，并进行仿真对比，对结果进行分析。第 6 章 工作总结及展望。大学

14、本科毕业设计 第 3 页 共 28 页第 2 章 Matlab 简介2.1 Matlab 概况MATLAB 是矩阵实验室（Matrix Laboratory）的简称，主要包括 MATLAB 和Simulink 两大部分20。在 1983 年由 mathworks 公司正式推出的高科技计算环境，其版本目前已更新到 7.1 版，随着其版本的更新，软件功能不断增加。在当今数学类科技应用软件中处于先进水平。 随着 MATLAB 的快速发展，许多工作平台逐渐的被来发出来，使其成为具有多种学科的强大软件。在国内外许多的高校中，Matlab 已成为各种高级课程的教学工具，并为广大学者提供高品质的开发设计环境

15、22。Matlab 因其在各地域和领域都能使用，广泛的应用于研究解决各种问题，可以从中找到最佳解决问题的办法。Matlab 在中国几年内也盛行了，已得到重视，因为在 Matlab 中无论哪个工程学科领域都可以找到合适的功能，已成为工作必备的软件工具。2.2 Matlab 发展过程 在上世纪七十年代末，美国一大学教授为学生设计了一组通俗易懂的接口，本着为减轻学生编程负担的目的，收到了很好的反馈评价。这种萌芽状态的 Matlab 是用 FORTRAN 语言编写的。MATLAB 之后在校内外铺天盖地流传开来，在一位学者推动作用下，把MATLAB 正式推向市场，于 1984 年成立了 MathWork

16、s 公司，从此以后，此软件慢慢被人熟知。此时，Matlab 的内核采用 C 语言编写，已经具有出众的计算能力，另外增加了数据视图功能6。在 MATLAB 出现后的仅几年里，以其开放性和可靠性的优点，迅速占领市场，其优势是其他软件无法比拟的，在软件市场中逐渐淘汰了传统的软件包，并在后十几年间就成为国际公认的标准计算软件7。在 1993 年 MathWorks 公司推出Matlab4.0 版本，推出了 SIMULINK，开发了内外交互的组件等。对以前欠缺的能力有了极大的增强，此时 MATLAB 软件的功能已经非常强悍8。现如今，Matlab 已被认为科学计算标准软件，Matlab 的应用随处可见。

17、2.3 Matlab 的语言特点一种语言之所以能够迅速的发展普及，是由于它有着不同于其他语言的特点，最突出的特点就是简洁灵活，其代码符合人的惯性思维。MATLAB 语言简洁紧凑，语法限制不严，在程序开发时可以自由灵活发挥。他拥有完整的运算符，库函数在同类软件中也最为丰富，为日常的数据处理带来极大的便利9。其开发界面简洁明朗易于接受，编程效率高，没有冗杂的程序，被称为草大学本科毕业设计 第 4 页 共 28 页稿式语言。由于 MATLAB 的程序为解释执行，与其他高级程序相比，程序的执行速度较慢，这也是 MATLAB 的主要缺点。综上所述，Matlab 具有强大的优势，是其他语言难以比拟的，在同

18、类市场中占有的比重是也其他软件无法撼动，相信在以后的不断使用中会发现它的巨大潜力。 2.4 MATLAB 常用方法及其函数MATLAB 常用的基本函数为： （1）读写图像：A = imread(filename,fmt) 将文件名.格式的图像赋给 A。用来读取 bmp、tif、jpg、等格式图像。图像写出函数 Inwrite（） ；图像显示函数Imshow（） ；warp ()显示图像为纹理表面函数。图像旋转：X= imrotate(Y,angle,method) 将图像 Y 以某种方式旋转多少度。图像截取命令： Image Cropping。（2）直方图显示与调整：Imhist（I）显示 I

19、 的直方图，Imadjust（I）调整 I 的直方图。（3）图像分割：其命令是：edge 。主要格式有：BW = edge(I,methodl) 。method 为检测方法: sobel、 prewi t、 roberts、 log、zerocross、 canny 等10。2.5 本章小结本章主要对 Matlab 软件进行了简单介绍，对它的发展历史和功能特点进行概括。并对其常见函数的用法进行了解，为后面使用 MATLAB 语言实现模拟仿真打下基础。大学本科毕业设计 第 5 页 共 28 页第 3 章 图像去噪理论与技术3.1 图像噪声概述图像噪声是最常遇到的，是图像在摄取或传输过程中随机信号

20、所造成的干扰，是指妨碍人的直接视觉感知，阻碍系统对图像的分析的各种因素。噪声在理论上是不可预测的，人们无法通过视觉对其进行准确定位，因此它属于随机误差，可以换个角度从概率统计方法来认识。为了对噪声的特征进行描述，一些噪声的描述方法不断被提出，但事实上这些方法是很复杂的，而实际应用往往也不必要，所以通常可以从某些参数方面反映出噪声的特征11。 3.1.1 图像噪声的来源图像噪声的产生是随机的，其产生的原因可总结为内部和外部两部分：外部噪声，指外界环境对图像产生的一些影响因素，像电气设备的运行，天空打雷放电等产生的噪声。这些是由于系统外部的电流变化而引起内部系统相应因素的瞬变。 内部噪声，又可分为

21、四种，如粒子运动产生的散粒噪声此类由光电的引起的噪声，器材材料本身引起的噪声，电器的机械运动产生的噪声，以及设备电路和系统所引起的噪声12。3.1.2 噪声的类型图像噪声各种各样，为方便理解噪声产生的原因，对图像噪声进行分类，此举有助于对噪声的位置给予定位，可以对降噪算法原理的理解起到帮助。图像噪声可以从各个角度进行类型区分，根据统计理论观点进行区分，统计特性不随时间变化而变化的噪声称其为平稳噪声，反之称其为非平稳噪声。也可以按噪声的频谱归类为白噪声，与频率平方成正比关系的称为三角噪声等13。另外通过对比噪声对信号的影响程度，以及按照噪声与图像的数学关系，将噪声分为乘性噪声和加性噪声，加性噪声

22、又可以分为多种，包括一些典型噪声如椒盐噪声、高斯噪声等。（1）加性噪声是指像一般的功率放大设备或摄像扫描过程产生的噪声，是图像在传输过程中引进的一些噪声。设为信号，干扰信号后的输出为，则加性噪声表示为：yxf,yxg, （3-1）yxnyxfyxg,大学本科毕业设计 第 6 页 共 28 页加性噪声一般是在图像生成的过程中产生的，即由信号发生源产生。在图像的处理过程中它与图像发生重叠，形成的含噪声图像会在输出端表现出来，形成的波形是噪声和信号的叠加14。（2）高斯噪声。顾名思义，符合高斯分布的概率密度函数的噪声，此类噪声即为高斯噪声，高斯噪声是一种随机噪声。其概率密度函数为 ： 222)(ex

23、p21)(zzp （3-2） 其密度函数曲线如图 3-1： 图 3-1 高斯噪声的密度函数曲线从曲线图中可以看出，噪声为平稳的状态下，平均值与时间无关，时变平均值和两瞬时的协方差两部分共同确定了高斯噪声。大量独立的脉冲可以产生高斯噪声，在任何有限时间间隔内，每一个脉冲值与脉冲值总和相比都可忽略不计。（3）椒盐噪声。通常是由传感器、图像传输信道和解码处理等产生的，产生的噪声能够明显的辨别出来，是一种随机的白点或者黑点15。其概率密度函数如下式 （3-3)其他bzazPPzpba0)(式中图像像素灰度值用 z 来表示，灰度值的相对大小决定其显示效果。若 a 显示为一个亮点则 a 值大于 b,此时较

24、小值 b 显示为一个暗点。在和任意一个为零aPbP的情况下，产生单一极性的脉冲，就是只有正脉冲或只有负脉冲16。此时脉冲噪声称为单极脉冲。（4）乘性噪声虽能对信号构成干扰,但也能对图像起到调制作用，其输出是两部分的叠加，表达式为： （3-4） yxnyxfyxfyxg,大学本科毕业设计 第 7 页 共 28 页从上式可以看出，第二个噪声项受影响，第二项随的增大而增大，yxf,yxf,说明了噪声受信号的限制。在第二项很小的情况下，即图像灰度变化和噪声很小，可忽略不计，此时可近似地将乘性噪声看作是加性噪声。综上所述，对于均值为零且方差不同的高斯白噪声,可将其作为大多数图像噪声的模型，图像灰度变化幅

25、度较小且噪声也很小的情况下，乘性噪声可近似看成为加性噪声。3.2 均值滤波算法均值滤波是一种典型的线性滤波算法，这种滤波方法是对信号进行局部领域平均,是用图像像素的均值替代原图像中所有的像素值17。为了实现这种算法，可以选择一个模板，把邻域的像素置于此模板中。去掉目标像素本身，以目标象素为中心的周围 8 个像素建立为一个滤波模板，再把原来像素值用所求的平均值来代替。幅值近似相等且随机分布在不同位置上，这样可以平滑图像，速度较快，算法简单。如表 3-1 所示：表 3-1 模版示意图123804765在上示意图中，模板中有 9 个像素，0 是当前目标像素，剩下的 1-8 是其临近像素。进行均值滤波

26、先求模板中的所有像素的均值，再用求得的均值代替当前像素点的值，滤波后，该点上的灰度为,即： ( , )x y( , )g x y= (3-5)( , )g x ySfyxfN),(1式中所用的模板为 S，像素总个数为 N，即 N=9。通常模板选择为 3 3，5 5，这是考虑到数据的分布具有平衡特性，然后将待处理的像素置于中心。为了更好地理解此算法，以一个实例来演示滤波过程。包含噪声干扰的图像数据为： （3-6） 98765807558862543210134121f 由于图像数据被大括号包围，滤波时无法覆盖边框上的像素，使部分像素不能被识别，因此对边框上的像素不做处理，只能使用 3 3 的模板

27、对其进行均值滤波。选取非边框区域的像素进行处理，取其 3 3 的邻域，计算其中 9 个像素的灰度值平均值，然后进行均值操作。大学本科毕业设计 第 8 页 共 28 页在原图中，值为 10，在所有像素中该点的灰度值最大，可以初步判断其)2 , 2(f为噪声点，的模板为：)2 , 2(f= （3-7）)2 , 2(mf6252101121则其滤波后的均值为：g(2,2)=int=3 (3-8)6252101121 (91其中，int()表示整数函数。通过滤波后对像素值大于周围的噪声进行抑制。同理对于像素，其值为 0，最小。其模板中的像素为：)4 , 4(f (3-2-987807886)4 , 4

28、(mf5)滤波后的均值为：g(4,4)=int (3-9)7)987807886(91通过这种方法将像素值小于周围的噪声进行了削弱。对原图像处理的最后结果为： (3-10)9876587555855554443134121g由此可见均值滤波算法简单方便，通俗易懂，对噪声点的削弱比较明显，但显而易见的是，图像的边缘处理方面却不令人满意，几乎没有对边缘进行改善，不能很好地保护图像细节。3.3 中值滤波算法随着中值滤波的不断发展，功能不断完善，在一定的条件下，能有效的滤除脉冲干扰以及图像扫描产生的噪声，可以解决一些滤波器在图像处理中导致的图像细节损坏等问题。但是中值滤波也是有局限性的，太对一些含棱角

29、细线的细节图像处理效果一般，不能很好地保护图像细节，对这些图像的去噪处理不提倡使用中值滤波的方法。中值滤波的基本原理是用噪声点周围各像素点的灰度值的中值来取代该点，通大学本科毕业设计 第 9 页 共 28 页过计算并替换灰度值达到滤除噪声的目的。设有一个一维序列，现1f2fnf在利用中值算法对这个序列进行滤波，首先从序列中陆续取出 m 个数，vif，通常 m 的值为奇数，若为偶数则不便取中间值。1if1f1ifvif其中 为中心位置，v=m-1/2，把这些数取出后进行排列，把 m 个数按大小排列完整，i输出队列中正中间的那个值就是中值18。用公式表示为： (3-11)viiviifffMedY

30、,21,mvZi例如我们对这样一个序列0，3，5，1，7进行滤波，首先是把队列里的数字按从小到大的方式进行排序，排序后序列变为0，1，3，5，7，序列的中间的值也就是其中值为 3。平均滤波的一般输出则为： (3-12)mffffZviivivii1Zi使用中值滤波对一般的一维和二维序列进行滤波时，其滤波窗口是限定的。对于二维序列进行中值滤波时，滤波窗口也是二维的，对于不同的噪声分布，可 ijX以使用不同形状和大小的滤波窗口。针对不同的滤波环境，一些方形、圆形、十字形、线状等各种不同的形状二维窗口也在不断被使用。二维数据的中值滤波可以表示为： (3-13)为滤波窗口AXMedYijAji,在实际

31、使用时，对滤波窗口的选择要实际情况来决定，不同形状和大小的滤波窗口会有不同的滤波效果。为使滤波效果更好，可以对滤波窗口的尺寸不断调整，一般先用再取逐渐增大。在使用二维中值滤波时，由于算法对图像的一些3355细节处理不完善，要对图像中有效的细线状物体的保护特别留意。从总体上来说，与均值滤波相比，中值滤波对一些含有突变的图像信息能够很好地处理，能够将原图像较突出的信息妥善地保留。3.4 维纳滤波算法维纳滤波是指在含噪声图像中提取出一些正常的图像信号的方法，通过对特征信号的提取来恢复图像的原始特点。对于这种滤波算法，其滤波效果由均方误差体现，均方误差为理论期待输出效果与事实上输出之间的差值的均方。在

32、研发工作中为取得较好的图像噪声滤除效果，从各方面加强图像处理和运算使均方误差最小，这其中最重要的部分就是对冲激响应的的求解。国外研究者也提出了一些标准作为解决问题程度的参考，就如维纳霍夫方程，只有满足此方程才能使维纳滤波器达到最佳。根据此方程，滤波效果是由输入和输出的相关函数共同决定19。对于一个线性系统，设它的单位样本响应为 ，当输入一个随机信号，)(nh)(nx且大学本科毕业设计 第 10 页 共 28 页 （3-14）)()()(nvnsnx其中表示信号，表示噪声，则输出为：)(nx)(nv)(ny （3-15）mmnxmhny)()()(我们希望通过线性系统后，得到尽可能接近，因此称为

33、)(nx)(nh)(ny)(ns)(ny的估计值，用表示，即)(ns)(ns （3-16） )()(nsny则此滤波器的输入与输出关系可用下图 3-2 表示。 h(n) )( )(nsny )()()(nnsnx 图 3-2实际上，式（3-4-2）所示的卷积形式可视为从当前和过去的观察值，)(nx，来估计信号的当前值。因此可以看出，过) 1( nx)2( nx)(mnx)(ns)(nh滤问题的过程其实也是对问题的统计和估算过程。从当前的和过去的观察值，对当前的信号值)(nx) 1( nx)2( nx进行统计和估算的过程称之为过滤或滤波21。维纳滤波器可以从过去的)()(nsny观察值估计当前或

34、将来以及过去的信号值。我们用一个表达式来说明信号真实值与估计值的误差，即 （3-17）)()()(nsnsne表示信号的真实值，表示信号的估计值，用表示他们之间的误差。)(ns)(ns)(ne的值是不固定的，所以表达误差用它的均方误差是合理可行的，要求均方误差)(ne最小也就是它的平方的统计期望最小： （3-18）min)()(2nEne对于平稳随机过程无论是连续或离散的，是标量的还是向量的，维纳滤波都可以应用，其优点就是适应面较广。 维纳滤波要求输入是平稳的且已知无干扰的信号。这些要求也是为了实现最佳滤波效果，然而，这些要求由于外界未知环境对信号极易产生干扰，而难以满足。3.5 本章小结本章

35、首先对图像噪声进行概述，对噪声产生的原因进行分析，并通过不同角度对图像噪声进行分类。重点介绍了高斯噪声和椒盐噪声，有助于后面对噪声的检测，大学本科毕业设计 第 11 页 共 28 页可以对降噪算法起到原理上的帮助。 然后对三种常用的去噪方法进行详细的剖析。第 4 章 基于 Matlab 的图像去噪算法仿真本文选用一张彩色图片，将其转换为灰度图片后进行加噪处理，分别添加高斯噪声和椒盐噪声，并对加噪后的图像进行 Matlab 软件仿真去噪。matlab 读入的原始图像如图 4-1 所示：图 4-1 原始图像”tupian” 给图像加入高斯噪声，噪声均值为0，方差为0.02。加入椒盐噪声，噪声密度定

36、为0.02。灰度转换和加噪处理主要程序：b = imread(D:tupian.png);l=b(:,:,1)*0.299 + b(:,:,2)*0.587 + b(:,:,3)*0.114;imshow(b)J = imnoise(l,salt & pepper,0.02); % 加入椒盐噪声干扰k = imnoise(l,gaussian,0,0.005); % 加入高斯噪声干扰噪声效果图如图 4-2 所示图 4-2 分别加入椒盐和高斯噪声的效果图4.1 均值滤波的仿真主要matla程序：K1= filter2(fspecial(average,3),J)/255;subplot(234)

37、,imshow(K1)title(3*3的椒盐噪声均值滤波)K2= filter2(fspecial(average,7),k)/255;subplot(235),imshow(K2)title(3*3高斯噪声均值滤波)大学本科毕业设计 第 12 页 共 28 页仿真结果如图 4-3 所示。图 4-3 均值滤波法对椒盐噪声和高斯噪声去噪的仿真结果从仿真结果可以看出：此种算法法实现起来很简单，对消除图像中的噪声有很高的实用性。但这种方法使整体的图像进行了平滑，对图像细节起到破坏的反作用，且使图像质量有所下降。从处理后的图像中我们无法从视觉上直接读取图像信息，图像边缘部分破坏严重，图像也严重失真。

38、如上右图所示，均值滤波对高斯噪声的处理是比较好的，使图像一目了然，有效的去除了噪声。但如上左图所示，椒盐噪声只是稍微减少，噪声仍然很明显的存在。4.2 中值滤波的仿真由于matlab软件内具有丰富的库函数，使用方便，也可以根据算法原理编写程序，可见附录。根据系统函数其主要matla程序：K1 = medfilt2(J);K2 = medfilt2(k);subplot(121),imshow(K1),title(椒盐噪声中值滤波处理)subplot(122),imshow(K2),title(高斯噪声中值滤波处理)仿真结果如图 4-4 所示。图 4-4 中值滤波法对椒盐噪声和高斯噪声去噪的仿真

39、结果从仿真结果可以看出：图像经过处理后，肉眼基本看不出图像含有噪声，因此它对椒盐噪声的去除非常有效，能明显提高图像质量，增强视觉效果。但对于高斯噪声来说，如上右图所示，虽然也有一些去噪效果，但效果不佳，图像中仍有噪声的存在，图像显示的质量较差。但对仿真结果仔细观察会发现，图像中的细线和小方块有时会模糊或消失，一定程度上损坏了图像细节，不过整体上去噪效果良好。4.3 维纳滤波的仿真主要matla程序：K1 = wiener2(J);大学本科毕业设计 第 13 页 共 28 页K2 = wiener2(k);subplot(121),imshow(K1)title(椒盐噪声维纳滤波处理)subpl

40、ot(122),imshow(K2)title(高斯噪声维纳滤波处理)仿真结果如图 4-5 所示。图 4-5 维纳滤波法对椒盐噪声和高斯噪声去噪的仿真结果从仿真结果可以看出：维纳滤波对高斯噪声的图像滤波效果比均值滤波算法要好，它的像素选择性更好，能明显去除噪声点。对图像的边缘和细节信息的保护做的也非常到位，处理效果一般能达到图像复原的要求。但是对于椒盐噪声的去除，其效果却不尽人意，噪声仍然大幅存在，去噪处理几乎没有效果。4.4 几种去噪方法的比较分析均值滤波对高斯噪声展现出良好的去噪能力，能大幅度的提高图像视觉效果。在均值操作过程中虽然图像信号整体大小不变，但这里的平均会引起图像失真现象。带来

41、图像细节对比度不好且区域边缘模糊的缺点。中值滤波是常用的滤波方法，是对图像进行使用分析前进行处理优化的重要一步，这种技术已经被越来越多的使用在图像前期处理中。它可以在有效清除噪声的同时，克服其他滤波器给图像带来的模糊，从而获得较满意的滤波效果，适合对椒盐噪声及干扰脉冲的去噪处理。滤波时要选用合适的窗口形状和大小，以便于更好的对噪声点进行检测和抑制。中值滤波对高斯噪声的处理表现不佳，处理后的图像模糊，直接影响视觉识别。对一些复杂的图像，如噪声密度较高的图像和图像细节较丰富的图像，可以使用一些改进的滤波算法，通过改善中值滤波的一些不足，从而达到更好的滤波效果。维纳滤波是最早也是最先为人熟知的图像复

42、原方法，具有较广的适用面，有十分重要的应用价值。通过对滤波算法的仿真，从去噪效果图中可以看出对噪声的去除有些效果，相对于另外两种去噪算法，维纳滤波的优点显而易见，但存在的缺点也很严重，它容易使图像的边沿部分信息损坏和丢失。上述算法虽都有一定的降低噪声的作用，都能达到对图像进行加工的基本要求。但同样存在些缺点，没有完美的滤波算法，只能通过人们的不断探索与改进提供更优的算法。因此，设计更好的滤波算法，解决实际中其他传统算法不能解决的问题，大学本科毕业设计 第 14 页 共 28 页成为日后学术研究的重点4.5 本章小结本章主要内容是应用三种算法对含噪声的图片去除噪声，应用的仿真软件是Matlab7

43、.0 软件，通过实验对算法的去噪效果更加的理解。并对三种算法的处理结果进行综合分析。程序代码抠叩 82 192 8248大学本科毕业设计 第 15 页 共 28 页第 5 章 改进的中值滤波算法5.1 改进算法的提出对噪声信号的去除是图像处理的基本任务之一，中值滤波算法因其良好的去噪效果，已被广泛的应用和研究。但是由于中值滤波算法对像素点是否被噪声污染没有考虑，对所有的数值进行相同的处理，导致去噪过程中损坏了原图像原有的信息。近年来算法研究者也提出一些改进的算法，但算法对检测出来的噪声信号进行传统的处理，不能进行针对性的操作，把像素点作为噪声而处理，对于高密度噪声处理性能大大降低。本文在中值滤

44、波算法的基础，通过阅读相关文献，提出以下两方面的改进：（1）对噪声的检测方法调节改进，解决把正常图像信号判定为噪声的问题，并对检测出的假噪声做进一步的检测，防止噪声点的遗漏。（2）对于检测出来的的噪声点，用临近区域内信号点的中值，取代传统算法用包括噪声点在内的所有点的中值代替噪声点，这样取得的中值更接近信号点，就能有更好的去噪效果。改进的算法在实现普通算法功能的基础上，能在噪声密度较大的图像去噪试验中，取得优于传统算法的实验效果。5.2 算法实现与原理分析中值滤波在图像处理中广泛使用，是通过对数据的排序统计完成的。其算法的运行速度取决于像素点的个数，越简单的图像处理速度越快，其处理效果与滤波窗

45、口的大小有紧密的联系。当图像比较简单，噪声的含量较少时，中值滤波是很好的完成滤波。当其密度较高时，传统的滤波算法不能大量的去除噪声，满足不了实际的去噪要求。传统中值滤波算法在去除噪声的同时，对所有的像素点进行统一的处理，使原图像的信号点发生了改变，给图像造成了一定的影响。如果我们把噪声点和信号点弄清楚，对信号点不作处理或微处理，只对噪声点进行处理，那就可以大幅提高图像复原的程度。在对其他算法的研究中发现，图像像素与周围的信号点有着很大的相关性，其灰度值相近。而噪声点的灰度值与临近像素的值相差较大，远大于或远小于邻域值，通过这一发现我们可以提出新的噪声检测方法。5.2.1 噪声检测综合上述的考虑

46、和分析，对图像噪声有了更明确的认识，我们暂时可以给噪声大学本科毕业设计 第 16 页 共 28 页这样的判别标准：如果某点的灰度值为滤波窗口内的极值，即它的值为最大或者最小，那么该点为噪声点，反之灰度值处于极大和极小中间的点则是信号点。对于信号 S 和噪声 N，给出一个图像Xij去做噪声点检测，其中 ij 表示像素点的位置。取窗口中心位置 Xij，并选取 m n 的滤波窗口进行逐像素的扫描操作 WXij。把它们的灰度值按大小排序，并找出中值 med（WXij） ，输出后的图像为Yij，即 （5-1）maxmin,maxXmin,ijijijijXSYXNX进一步的分析可知，在含噪声图像中，噪声

47、点极有可能分布在图像灰度值的两端，即极大值端或极小值端。但是在内容较丰富的图像中，噪声的密度较大，处在像素值大小中间的像素不一定就是信号点，很有可能是噪声点。为了尽可能的去除噪声点，减少对图像噪声的漏检，提出了改进的判定条件： （5-2）其他,maxmin,X11ijNTXITXSijij算法的实现可按以下步骤：对图像中的像素灰度值进行大小排序可得：min = min(WXij)max=max(WXij) （5-3） （5-4） 其他, 0)(, 1gNXijij其中 gij表示噪声候选点。噪声点一般都满足上述条件，但有些正常的信号点也满足上式。在像素进行排序后，在序列的两端可能存在图像边缘的

48、细节点，对图像可能有重要的作用，不能盲目的对其进行滤除处理。于是给出噪声检测的另外一个条件 ： （5-5）其他, 0) 1(, 12ijijijgITMXffij为噪声判断点，fij为 1 时表示 Xij是噪声点，为 0 则表示 Xij是信号点，其中 M 为滤波窗口内像素点的均值。对表达式（5-2）中阈值 T1由实验确定，可以经过多次试验，确定其较为准确的值。对于处理椒盐噪声，T1测得的值在十到二十之间。通过运算和实验可知，T2值较大时，噪声密度较小，反之，图像内容较丰富时T2取相对较小的值。通过这种方式，对未受污染的像素点可以直接输出，无需进行去噪操作。5.2.2 噪声去除大学本科毕业设计

49、第 17 页 共 28 页基于以上的分析，提出了更好的噪声点检测方法，为更好地将噪声去除，可以将检测出的噪声点和信号点区别分开，将窗口内的信号点全部取出放到新的集合中，这样可以获得更为准确的中值。因为不是使用包含噪声点在内的所有点去获取的中值，而只使用窗口内的信号点，这样就有效的避免了噪声的传播。 5.3 仿真实验与结果分析改进的算法理论上已经基本完成，为验证它的有效性和实用性，进行 MATLAB仿真实验，为更好地体现算法的效果，采用受不同程度噪声污染的图像进行实验。并和改进前的算法进行了对比和分析。下图 5-1 是不同方法对添加密度为 0.05 椒盐噪声的图像处理结果。 a）原图像 b）加

50、0.05 椒盐噪声图 c）中值滤波算法效果图 d）改进算法效果图 图 5-1 含噪密度 0.05 时，不同算法的滤波结果从图 5-1 中可以看出，当图像噪声密度较低时，未改进的传统算法和本文改进的算法都能对噪声进行去除，明显提高了图像的可视性，同时较好的保持了图像边大学本科毕业设计 第 18 页 共 28 页缘。但仔细观察会发现未改进的算法使图像产生一定程度的模糊。上述仿真效果不能看出改进算法的优势，现在提高椒盐噪声的密度为 0.2。然后仿真，图像处理结果图 5-2。 a）原图像 b）加 0.2 椒盐噪声图 c）中值滤波算法效果图 d）改进算法效果图 图 5-2 噪声密度 0.2 时，不同算法

51、的滤波结果从图 5-2 中可以明显看出，当图像噪声密度较大的情况下，两种去噪算法效果差异明显。相对来说，普通中值滤波算法处理效果一般，也能去除噪声，但会影响图像的清晰程度，甚至有斑状点产生影响图像质量。以上是我们从主观上对图像去噪效果的分析，但需要更合理更专业的标准去衡量改进算法的有效性，所以需要从客观上对其进行评判，对去噪效果进行专业的参数对比，这样更能证明改进算法的优越性。常用的一个方法是求输入与输出图像的均方误差 MSE，设一个大小 M*N 的原图像 f，去噪后图像为 fd 则大学本科毕业设计 第 19 页 共 28 页 （5-6）210101),(),(MXNYdMNyxfyxfMSE

52、可以看出 MSE 值越小，去噪效果越好。另外可以用信噪比 SNR 峰值信噪比 PSNR： （5-7）1010210102),(),(),(MXNYdMXNYdyxfyxfyxfSNR （5-8）10102N12),(),(255log10MXNYdMyxfyxfPSNR可以看出 PSNR 是将 SNR 归一化为分贝后在进行转换的结果，它的应用最为普遍，是评价鉴定图像的最常用的的测量法。使用 matlab 软件编写上述函数，计算出来的值统计如下表：表 5-1 加噪 0.05 时几种中值滤波的 MSE、SNR、PSNR 值加噪 0.05标准中值本文方法MSE6.260614.604410.0502

53、SNR163.8971156.5779159.8241PSNR40.164636.486038.1091表 5-2 加噪 0.2 时几种中值滤波的 MSE、SNR、PSNR 值加噪 0.2标准中值本文方法MSE25.462634.306626.3854SNR151.7114147.2907151.5709PSNR34.071832.777033.9172从上表中的三项数据可以看出，本文改进的算法能大幅度去除噪声，大大还原了原始图像，图像质量与加噪前不相上下，在细节保持方面的效果也比较优秀。改进的算法无论对于低密度还是高密度噪声都有很好的去噪效果，特别对于高密度噪声图像，其去噪效果比标准的中值算

54、法好的多，改进的算法优势比较明显，极大程度上提高了图像质量。5.4 本章小结为了有效的去除含有高密度椒盐噪声的数字图像，提高图像质量。本章对去椒盐噪声效果较好的中值滤波进行研究分析，并提出一种新的去噪方法。设计提出了一种新的噪声检测方法，通过仿真分析，该去噪算法对于高密度噪声的图像，其去大学本科毕业设计 第 20 页 共 28 页噪效果相比其他方法更加优秀。 结论与展望21 世纪是一个信息化高度发达的时代，图像在消息传递中扮演着不容小觑的角色。图像信息的生成与传递的过程中，极易受到外界因素的影响，比如噪声，因此，为了在信息传递的时候保证信号的原始特征，同时消去信号中的噪声干扰，我们就需要对其降

55、噪。在本课题中分析、研究、学习了均值、中值以及维纳等三种方法滤波法，运用 Matlab 编写改进程序，完成对图片的去噪处理，通过不断的仿真，观察实验现象得出这三种方法的优点与缺点。通过仿真实验可以总结出均值、中值和维纳滤波这几种滤波方法只有部分降噪效果，原因在于它们的作用域不大，对滤波有作用域上的局限性。通常情况下，这三种滤波法作用在一些高密度的数字图像中时，效果不能到达预期效果。在查阅了国内外大量的文献后，结合现有的数字图像处理的知识，本课题完成了对中值滤波的改进工作，改进型的中值滤波算法利用对噪声进行相关的检测，减少把非噪声点视为噪声点的概率。最终对改进算法进行了实验仿真，验证了此改进算法

56、确实比传统算法优秀。在去噪这方面有着较好的效果。改进的滤波算法并不完美，这一算法也存在着局限性，表现为可以很好地完成对椒盐噪声的中值滤波，而对椒盐噪声以外的其他噪声的滤波效果表现平平。总的来说本课题对传统中值滤波算法的改进还是成功的。通过本次设计，对图像处理的相关知识更加了解，学习了 Matlab 软件，锻炼了编程及调试能力，通过这次毕业设计，将我们课堂上所学到的理论知识与实践相结合，增强了我们发现问题以及通过分析问题所在而去更好地解决问题的能力。由于时间的局限以及自身图像处理知识的缺乏，许多相关问题还没有得到广泛和进一步的研究。另外还有许多有待改进的地方，如对改进算法的仿真还没有到位，对阈值

57、函数的算法还是有待改进，没有对各种方法进行 SNR 等参数专业性介绍。在本研究中所概述的数字图像处理只是图像处理领域中的一角，还有更多的相关技术需要我们去发掘。大学本科毕业设计 第 21 页 共 28 页致 谢一转眼，大学四年即将落下帷幕，在此毕业设计将完成之际，我要向这四年来一直关心我、支持我的人说一声感谢。首先，我要感谢指导老师刘文博老师，本次的毕业设计能够顺利地完成，主要是有刘老师的悉心指导和在技术方面的支持。从课题的选择到设计的完成，刘老师总时时刻关注着我的进度情况，并总能在我困惑的时候给予我宝贵的建议，尤其是在设计方案的确定上给了我很大的帮助。在此，对刘文博老师表示由衷的感谢。同时，

58、我也要感谢与我一同度过四年美好的大学生活的每一个同学，四年来，我们生活在电信一班这个大家庭里，亲如兄弟，无论是在学习上、生活上，只要我遇到困难，他们总是能伸出援助之手，助我度过难关。最后，我要感谢电气工程学院的所有老师，是他们不辞辛苦地授予我知识，为我以后的学习与工作打下了坚定的基础，同时也教会了我能走向社会的技能。知识的海洋是无尽的，而今电子技术正在飞速发展，由于我的水平有限，所以本设计存在许多不足的地方，还希望各位老师批评指正。 大学本科毕业设计 第 22 页 共 28 页参考文献1阮秋琦. 数字图像处理学M. 电子工业出版社, 2007.2路系群,陈纯.图像处理原理、技术与算法M.浙江大

59、学出版社,2001,8.3章霄.数字图像处理技术M. 冶金工业出版社, 2005.4 郭卫民. 基于 Matlab 的图像去噪算法的研究D. 沈阳工业大学, 2006.5刘明奇,党长民.实用数字图像处理M.北京理工大学出版社,2002.6杨群生，陈敏等基于模糊技术的随机噪声消除算法J华南理工大学学报，2000，28(8)：82-87.7李俊生.图像非线性滤波技术的研究J.常州工学院学报,2005, 18(2): 33-38.8徐建华. 图像处理与分析M. 科学出版社, 1992.9谢杰成,张大力,许文立.小波图像去噪综述J.中国图像图形学报, 2002 ,3(7): 209-217.10王民,文义玲,常用图像去噪算法的比较与研究J西安建筑科技大学学报,2010,11(3): 23-28