基于Matlab 的数字图像典型去噪算法-

1、2010年 11月 Journal of Science of TeachersCollege and University Nov. 2010文章编号:1007-9831(201006-0010-04基于Matlab 的数字图像典型去噪算法丁永胜1,李朝红2,张水胜1(1. 齐齐哈尔大学 理学院, 黑龙江 齐齐哈尔 161006;2. 齐齐哈尔高等师范专科学校 数学系, 黑龙江 齐齐哈尔 161005 摘要:针对数字图像处理中的典型去噪算法,利用Matlab 进行分析处理,并从主观和客观2个角度对数字图像的去噪效果进行分析.在分析过程中可以看出,针对不同类型的噪声需要相应的滤波去噪算法才能取

2、得较好的效果.关键词:Matlab ;去噪;滤波1 图像中的噪声与图像去噪噪声可以理解为妨碍人们感觉器官对所接收的信源信息理解的因素.例如:一幅黑白图片,其平面亮度分布假定为 ,(y x f ,那么对其接收起干扰作用的亮度分布 ,(y x h 即可称为图像噪声1.在Matlab 中常用的去噪函数有filter2( , wiener2( , medfilt2( , ordfilt2( 以及小波分析工具箱提供的wrcoef2( 和wpdencmp( 等2.本文基于Matlab 提供的去噪函数,针对数字图像处理中的典型去噪算法,利用Matlab 进行分析处理,并从主观和客观2个角度对数字图像的去噪效

3、果进行分析.2 图像质量的评价方法图像质量的评价方法有主观评价和客观评价2种.图像的主观评价就是通过人来观察图像,对图像的优劣作主观评定,然后对评分进行统计平均,就得出评价的结果.这时评价出的图像质量与观察者的特性及观察条件等因素有关.由于主观评价带有较强的个人因素特征,并且在一些研究场合,或者由于实验条件的限制,也希望对图像质量有一个定量的客观评价.最常用的客观评价有均方误差(MSE、峰值信噪比(PSNR和信噪比(SNR等.本文主要以信噪比(SNR进行客观评价. 信噪比主要由公式=M i N j j i g MSE N M SNR 112 ,(1log 10定义,其中:N M 为图像矩阵的大

4、小; ,(j i g 为小波变换后的图像在 ,(j i 位置处的像素值; ,(j i f 为原始图像在 ,(j i 位置处的像素值;收稿日期:2010-04-20(=M i N j j i f j i g M N MSE 112 ,( ,(11. 根据以上所述,在Matlab 仿真过程中,可以利用SNR 函数得到各去噪方法作用过的图像的信噪比,程序如下:m n=size(I1;for i=1:m;for j=1:n;s=s+double(I2(i,j2;n=n+(double(I1(i,j-double(I2 (i,j2;endendSNR=10*log10(s/n3 Matlab 仿真去噪及

5、分析3.1 均值滤波去噪首先加入均值为0、方差为0.005的高斯白噪声,然后采用函数fspecial(type, parameters且type=average,创建均值滤波算子并进行滤波去噪,通过改变模板尺寸,得到不同去噪效果(见图1.部分Matlab代码如下:I=imread(qqhru.bmp;I2=imnoise(I,gaussian,0,0.005;K1=filter2(fspecial(average,3, I2/255;K2=filter2(fspecial(average,5, I2/255;K3=filter2(fspecial(average,7, I2/255;K4= f

6、ilter2(fspecial(average,9,J/255; 图1 均值滤波去噪从图1中可以看出,使用均值滤波去噪(高斯噪声时选用的模板尺寸(邻域半径越大效果越好.3.2 3种去噪算法对比分析对图像qqhru.bmp分别加入高斯噪声、椒盐噪声,然后对加入2类噪声的图像分别作二维统计、中值和维纳滤波,并对去噪后图像(见图2进行对比分析.部分Matlab代码如下:I=imread(qqhru.bmp;J1=imnoise(I,gaussian,0,0.02;J2=imnoise(I,salt & pepper,0.02 ;K1=filter2(fspecial(average,3,J1/255

7、;K2= medfilt2(J1;K3=wiener2(J1,3 3;Ks1=filter2(fspecial(average,3,J2/255;Ks2=medfilt2(J2;Ks3=wiener2(J2,3 3; 图2 3种去噪算法对比通过图2可以看出,在处理服从高斯分布的一类噪声时,维纳滤波与中值滤波去除效果较好一些,而二维统计滤波去除效果较差.二维统计滤波与中值滤波对于去除椒盐噪声效果好,而维纳滤波去除效果差,中值滤波对于去除椒盐噪声效果明显,是因为椒盐噪声只在画面上的部分点随机出现,而中值滤波根据数据排序,将未被污染的点代替噪声点的值的概率较大,所以抑制效果好.对点、线和尖顶较多的图

8、像不宜采用中值滤波,因为一些细节点可能被当成噪声点.通过SNR 函数得到3种去噪方法的信噪比(见表1,也可以说明以上的结论是正确的.3.3 小波分析工具图像去噪Matlab 小波分析工具箱提供于图像去噪的有wrcoef 2和wpdencmp 等函数.X=wrcoef 2(type ,C,S, wname 返回基于小波分解结构C,S的小波重构图像X(见图3.xd,treed,datad,perf0,perfl2=wpdencmp(x,sorh,N, wname ,crit,par,keepapp是通过小波包定限(阈值化,返回输入信号或图像X 的除噪结果xd(见图4.部分Matlab 代码如下:I

9、=imread( qqhru.bmp;J=imnoise(I,gaussian,0,0.005;c,l=wavedec2(J,2,sym4;J1= wrcoef2(a,c,l,sym4,1;J2= wrcoef2(a,c,l,sym4,2;thr,sorh,keepapp = ddencmp(den,wv,J;J3=wdencmp(gbl,J,sym4,2,thr,sorh,keepapp;J4=medfilt2(J3;表1 3种去噪方法的信噪比 噪声类型二维统计滤波 中值滤波 维纳滤波高斯噪声16.504 8 19.184 3 19.574 4椒盐噪声22.238 3 26.492 8 19

10、.158 3 图3 wrcoef2函数去噪小波分解可以把图像分层次按照小波基展开,并且可以根据图像的性质及给定的处理标准确定 展开到哪一级为止,还可以把细节分量和近似分量分开3. 从图3、图4可以看出,wrcoef 2和wpdencmp等函数可以有效地进行去噪处理.基于Matlab 给出qqhru.bmp 图像来考察各种去噪模型的去噪效果,同时从主观和客观2个角度对数字图像的去噪效果进行分析.在分析过程中可以看出,针对不同类型的噪声需要相应的滤波去噪算法才能取得较好的效果,才能使后续的图像处理工作得以更加优质的进行.参考文献:1 Rafael C,Gonzalez,Richard E.数字图像

11、处理M.2版.阮秋琦,译.北京:电子工业出版社,2007:276-303.2 高成.Matlab 图像处理与应用M.北京:国防工业出版社,2007:81-127.3 王登位,李炜.基于小波变换的图像去噪研究J.计算机与数字工程,2007,35(9:131-132.The typical de-noising algorithms for digital image by MatlabDING Yong-sheng 1,LI Zhao-hong 2,ZHANG Shui-sheng 1(1. School of Science,Qiqihar University,Qiqihar 161006,

12、China;2. Department of Mathematics,Qiqihar Normal Technological Academy,Qiqihar 161005,China Abstract:According to the typical de-noising algorithm for the digital image processing researched de-noising results in Matlab,and analyzed digital image de-noising effect from two angles of the subjective and the objective.Through the analysis of the re