图像降噪处理

1、图像降噪处理学生姓名：刘丽娇学院：信息与通信工程学院专业：电子信息工程题目：数字图像处理：图像降噪处理2011年12月26日二、均值滤波去噪2.1均值滤波器原理在图像上，对待处理的像素给定一个模板，该模板包括了其周围的邻近像素。将模板中的全体像素的均值来代替原来的像素值的方法。对一些图像进行线性滤波可以去除图像中某些类型的噪声，如采用邻域平均法的均值滤波器就非常适用于去除通过扫描得到的图像中的颗粒噪声。邻域平均法是空间域平滑技术。这种方法的基本思想是，在图像空间，假定有一副NXN个像素的原始图像f(x,y),用领域内几个像素的平均值去代替图像中的每一个像素点值的操作。经过平滑处理后得到一副图像

2、g(x,y),其表达式如下：g(x,y)，1/Mf(m,n)(m,n)gs式中：x,y=0,l,2,，NT；s为(x，y)点领域中点的坐标的集合，但不包括(x，y)点；M为集合内坐标点的总数。领域平均法有力地抑制了噪声，但随着领域的增大，图像的模糊程度也愈加严重。为了尽可能地减少模糊失真，也可采用阈值法减少由于领域平均而产生的模糊效应。其公式如下：g(x,y)，1/Mf(m,n)f(x,y)-1/Mf(m,n)(m,n)Gsf(x,y)其他(m,n)Gs式中：T为规定的非负阈值。上述方法也可称为算术均值滤波器，除此之外还可以采用几何均值滤波器、谐波均值滤波器和逆谐波均值滤波器。几何均值滤波器所

3、达到的平滑度可以与算术均值滤波器相比，但在滤波过程中会丢失更少的图像细节。谐波均值滤波器对“盐”噪声效果更好，但是不适用于“胡椒”噪声。它善于处理像高斯噪声那样的其他噪声。逆谐波均值滤波器更适合于处理脉冲噪声，但它有个缺点，就是必须要知道噪声是暗噪声还是亮噪声，以便于选择合适的滤波器阶数符号，如果阶数的符号选择错了可能会引起灾难性的后果。2.2在MATLAB上实现均值滤波去除噪声:I=imread(321.bmp);%读入图像%I=rgb2gray(I);subplot(2,3,1),imshow(I);title(原始图像)；J=imnoise(I,salt&pepper,0.1);subp

4、lot(2,3,2),imshow(J)；title(受噪图像)；text(100,330,椒盐噪声)；h=1,1,1；1,0,1；1,1,1；h=h/8；K=conv2(J,h)；subplot(2,3,3),imshow(K,)；%转换成灰度图%显示原始图像%设置图像标题%添加加噪声密度为0.1的椒盐噪声%显示处理后的图像%设置图像标题%添加说明文字%模板矩阵%产生滤波归一化的模板%用均值模板对图像滤波%显示处理后的图像title(去噪后图像)；I2=imread(321.bmp);%I2=rgb2gray(I2)；subplot(2,3,4),imshow(I2)；title(原始图像)

5、；J2=imnoise(I2,gaussian,0.1)；subplot(2,3,5),imshow(J2)；title(受噪图像)；text(100,330,高斯白噪声);h=1,1,1；1,0,1；1,1,1；h=h/8；K2=conv2(J2,h)；subplot(2,3,6),imshow(K2,)；title(去噪后图像)；2.3仿真图：%设置图像标题%读入图像%转换成灰度图%显示原始图像%设置图像标题%加均值为0，方差为0.1的高斯噪声%显示处理后的图像%设置图像标题%添加说明文字%模板矩阵%产生滤波归一化的模板%用均值模板对图像滤波%显示处理后的图像%设置图像标题原始图像受噪图像

6、去噪后图像椒盐噪声原始图像受噪图像去噪后图像高斯白噪声图1均值滤波去噪从仿真结果图来看，均值滤波器的缺点是：会使图像变得模糊，原因是它对所有的点都是同等对待，再将噪声点分摊的同时，将景物的边界点也分摊了。虽然均值滤波器对噪声有抑制的作用，但同时会使图像变的模糊。即使是加权均值滤波，改善的效果也是有限的。为了改善这一状况，必须改善滤波器的设计思路，中值滤波器就是一种有效的方法。三、中值滤波去噪3.1中值滤波器原理因为噪声（如椒盐噪声）的出现，使该点像素比周围的像素亮（暗）许多。如果在某个模板中，对像素进行由小到大排列的重新排列，那么最亮的或者是最暗的点一定被排在两侧。取模板中排在中间位置上的像素

7、的灰度值替代待处理像素的值，就可以达到滤除噪声的目的。与均值滤波类似，做3*3的模板，对9个数排序，取第5个数替代原来的像素值。中值滤波是一种常用的去除噪声的非线性平滑滤波处理方法，其基本思想用图像像素点的领域灰度值的中值来代替该像素点的灰度值。二维中值滤波可以用下式表示：y，Medfijij式中：A为滤波窗口；为一维数据序列。其主要功能是让周围象素灰度值的差比较大的像素改取与周围的像素值接近的值，从而可以消除孤立的噪声点，所以中值滤波对于滤除图像的椒盐噪声非常有效。中值滤波器可以做到既去除噪声又能保护图像的边缘，从而获得较满意的复原效果，而且，在实际运算过程中不需要图像的统计特性，这也带来不

8、少方便，但对一些细节多，特别是点、线、尖顶细节较多的图像不宜采用中值滤波的方法。如果希望强调中间点或距中间点最近的几个点的作用，则可采用加权中值滤波。其基本原理是改变窗口中变量的个数，可以使一个以上的变量等于同一点的值，然后对扩张后的数字集求中值。这种方法比简单中值滤波性能更好地从受噪声污染的图像中恢复出阶跃边缘以及其他细节。另有一种可以处理具有更大概率的冲激噪声的是自适应中值滤波器，在进行滤波处理时，能依赖一定条件而改变领域的大小。其优点是在平滑非冲激噪声时可以保存细节，所以既能除去“椒盐”噪声，平滑其他非冲激噪声，还能减少诸如物体边界细化或粗化等失真。3.2在MATLAB上实现中值滤波去除

9、噪声:I0=imread(321.bmp);subplot(2,3,1),imshow(I0);title(原始图像)；I1=imnoise(I0,salt&pepper,0.1);%添加加噪声密度为0.1的椒盐噪声subplot(2,3,2),imshow(I1)；title(受噪图像)；%设置图像标题text(60,300,椒盐噪声)；%添加说明文字J1=medfilt2(Il,3,3);%3X3中值滤波模板subplot(2,3,3),imshow(J1)；title(去噪后图像)；I2=imread(321.bmp)；subplot(2,3,4),imshow(I2)；title(原始

10、图像)；I3=imnoise(I2,gaussian,0.1)；%加均值为0，方差为0.1的高斯噪声subplot(2,3,5),imshow(I3);title(受噪图像)；text(60,300,高斯白噪声);J2=medfilt2(I3,3,3)；subplot(2,3,6),imshow(J2);title(去噪后图像)；%显示处理后的图像%设置图像标题%3X3中值滤波模板原始图像受噪图像去噪后图像椒盐噪声原始图像受噪图像去噪后图像3.3仿真图：高斯白噪声图2中值滤波去噪四、均值滤波器和中值滤波器的比较4.1椒盐噪声对于椒盐噪声，中值滤波器比均值滤波效果好。原因：（1）椒盐噪声是幅值近

11、似相等但随机分布在不同位置上，图像中有干净点也有污染点。（2）中值滤波是选择适当的点来替代污染点的值，所以处理效果好。（3）因为噪声的均值不为0，所以均值滤波不能很好的去除噪声点。均值去噪后图像中值去噪后图像图3均值和中值效果比较（椒盐噪声）4.2高斯噪声对于高斯噪声，均值滤波效果比中值滤波效果好。原因：（1）高斯噪声是幅值近似正态分布，但分布在每点像素上。（2）因为像素中的每点都是污染点，所以中值滤波选不到合适的干净点。（3）因为正态分布的均值为0，所以均值滤波可以消除噪声（实际上，只能减弱不能消除）。均值去噪后图像中值去噪后图像图4均值和中值效果比较（高斯噪声）噪声的存在对图像后续处理产生不利影响，因而图像去噪是图像处理领域重要的研究内容。中值滤波(Medianfliter)是一种基于排序统计理论且能有效抑制噪声的非线性信号处理技术，它把邻域中的像素按灰度等级进行排序，然后选择该组的中间值作为输出像素值。中值滤波能减弱或者消除傅立叶空间的高频分量，但会影响到低频分量，椒盐噪声属于高频分量，因此中值滤波器对椒盐噪声有很好的的滤除效果，其缺点是对所有象素点采用一致的