基于Matlab的数字图像处理降噪方法

1、基于Matlab数字图像处理降噪方法基于Matlab的数字图像处理降噪方法第1页01研究背景与意义03四种去噪方法02图像噪声04试验结果图对比05结论Contents目录06源代码及函数基于Matlab的数字图像处理降噪方法第2页现实中图像因为种种原因都是带噪声。噪声恶化了图像质量，使图像含糊，甚至淹没和改变特征，给图像分析和识别带来困难。为了去除噪声，会引发图像边缘含糊和一些纹理细节丢失。反之，进行图像边缘增强也会同时增强图像噪声。此次试验用四个方法进行去噪，基于MATLAB实现了均值滤波法、中值滤波法、基于离散余弦变换图像去噪法、基于小波变换图像去噪法去噪试验，并对试验结果进行了分析比较

2、。容请写在这里您内容请写在这里您内容请写在这里您内容您内容请写在这里研究背景基于Matlab的数字图像处理降噪方法第3页图像去噪是图像处理研究领域中一个基础而又主要问题。在农业信息化、智能化、自动化分级与检测和机器视觉等领域，包括到大量图像处理问题，图像去噪作为主要图像预处理步骤之一。图像降噪处理目标是对给定图像进行有效改进，提升图像质量。所以图像降噪处理是非常主要研究方向。研究意义基于Matlab的数字图像处理降噪方法第4页5图像噪声是指存在于图像数据中无须要或多出干扰信息。图像噪声在图像采集和处理全过程中都会产生，主要是因为器件灵敏性、量化过程产生误差、空气波动等原因造成。本文主要讨论用四

3、种方法去除密度为0.2椒盐噪声。图像噪声基于Matlab的数字图像处理降噪方法第5页/10/10均值滤波法 也称线性滤波，即用几个像素灰度平均值来代替每个像素灰度。有效抑制加性噪声，但轻易引发图像含糊，能够对其进行改进，避开对景物边缘平滑处理。主要思想为邻域平均法，这类做法实质是简单平均了模板所包含像素，该像素原来灰度被平均值所代替 首先要选择模板尺寸，也就是领域半径，此次选择领域半径为3和9两个不一样尺寸模板进行试验。可显著看出领域半径越大效果越好，不过成本就越高。基于Matlab的数字图像处理降噪方法第6页7试验结果基于Matlab的数字图像处理降噪方法第7页/10/10中值滤波法 该方法

4、基于排序统计理论一种能有效抑制噪声非线性平滑滤波信号处理技术。中值滤波特点即是首先确定一个以某个像素为中心点邻域，一般为方形邻域，也可认为圆形、十字形等等，然后将邻域中各像素灰度值排序，取其中间值作为中心像素灰度新值，这里领域被称为窗口，当窗口移动时，利用中值滤波可以对图像进行平滑处理。其算法简单，时间复杂度低，但其对点、线和尖顶多图像不宜采取中值滤波。很轻易自适应化。基于Matlab的数字图像处理降噪方法第8页9试验结果基于Matlab的数字图像处理降噪方法第9页/10/10基于离散余弦变换图像去燥 我们普通认为图像噪声在离散余弦变换结果中处于其高频部分，而高频部分幅值普通很小，利用这一性质

5、，就能够实现去噪。变换去除高频噪声反变换。然而，这么同时会失去图像部分细节。只能对图像进行“粗糙”去噪,保留图像平滑部分与主要信息，对于细节要求高不适用。我们来看一下试验结果基于Matlab的数字图像处理降噪方法第10页11试验结果基于Matlab的数字图像处理降噪方法第11页/10/10基于小波变换图像去噪 此次试验使用Matlab提供用于图像去噪函数：wrcoef2其语法格式为： X=wrcoef2(type,C,S,wname)。其中，X=wrcoef2(type,C,S,wname)返回基于小波分解结构，小波重构图像。参数“type”等于a表示重构近似系数；等于h表示重构水平细节系数；

6、等于v表示重构垂直细节系数，等于d表示重构对角细节系数。基于Matlab的数字图像处理降噪方法第12页13试验结果基于Matlab的数字图像处理降噪方法第13页14四种方法试验结果对比图基于Matlab的数字图像处理降噪方法第14页15经过上图对比我们能够直观看出，对于椒盐噪声，中值去噪效果总是最好。详细客观参数评价有平均绝对误差，均方误差，信噪比等，本文不做详细统计对比。结论基于Matlab的数字图像处理降噪方法第15页主要源代码I=imread(C:UsersAdministratorDesktop1.jpg);%读取图像I = rgb2gray(I);subplot(2,3,1); im

7、show(I);title(原始图像);J=imnoise(I,salt & pepper,0.2);%加入椒盐噪声，密度为0.2subplot(2,3,2); imshow(J);title(加入椒盐噪声之后图像);%采取MATLAB中函数filter2对受噪声干扰图像进行均值滤波K1=filter2(fspecial(average,9),J)/255; %模板尺寸为9subplot(2,3,3); imshow(K1);title(均值滤波，尺寸9);K2= medfilt2(J);%采取二维中值滤波函数medfilt2对受椒盐噪声干扰图像滤波%采取MATLAB中函数filter2对受噪声干扰图像进行中值滤波subplot(2,3,4);imshow(K2);title(中值滤波);m,n=size(I); %读取图像尺寸Y=dct2(J); A=zeros(m,n); %DCT变换A(1:m/3,1:n/3)=1; Ydct=Y.*A; %高频屏蔽Y=uint8(idct2(Ydct); %逆DCT变换subplot(2,3