【正文】 目錄摘 要 IABSTRACTII引言 II1　 緒論 2　 數(shù)字圖像基礎(chǔ) 2　 數(shù)字圖像 2　 數(shù)字圖像灰度化 3　 噪聲的分類與特點(diǎn) 3　 椒鹽噪聲 4　 高斯噪聲 4　 其他各類噪聲 5　 圖像系統(tǒng)噪聲的特點(diǎn) 6　 灰度圖像噪聲的清除 7　 鄰域平均去噪法 7　 頻域去噪方法 8　 幾種新型的濾波方法 8　 圖像去噪效果的評(píng)價(jià)方法 9　 本章小結(jié) 102　 中值濾波 11　 標(biāo)準(zhǔn)中值濾波 11　 中值濾波的原理 11　 中值濾波的主要特性 13　 中值濾波的改進(jìn)算法 14　 快速排序算法 14　 極值中值濾波器 15　 加權(quán)中值濾波器 16　 多級(jí)中值濾波器 16　 本章小結(jié) 173　 算法及 DSP 仿真 18　 算法 18　 算法思想 18 C 代碼實(shí)現(xiàn) 19　 仿真過(guò)程 21　 使用 21　 去噪仿真結(jié)果 24　 結(jié)論 30　 本章小結(jié) 30致謝 31參考文獻(xiàn) 32摘要近年來(lái)，圖像處理相關(guān)技術(shù)取得了飛速的發(fā)展，并在人們生活的各個(gè)領(lǐng)域得到廣泛應(yīng)用，如攝影及印刷、衛(wèi)星圖像處理、醫(yī)學(xué)圖像處理、人臉識(shí)別、生物特征識(shí)別、顯微圖像處理等。數(shù)字圖像處理的主要目的是通過(guò)對(duì)圖像的加工，提高圖像的視覺感受質(zhì)量，從中獲取有用的信息。然而數(shù)字圖像在產(chǎn)生、傳輸、處理、儲(chǔ)存的過(guò)程中，不可避免地受到各類噪聲的干擾導(dǎo)致信息難以獲取，這就直接影響后期處理的效果。因此在對(duì)圖像進(jìn)行后續(xù)操作前必須進(jìn)行提前加工處理，而圖像去噪就是一種重要的方法之一。 圖像噪聲有很多種類，本文主要研究椒鹽噪聲和高斯噪聲。中值濾波是一種非線性數(shù)字濾波器技術(shù)，中值濾波的基本原理是把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)的一個(gè)鄰域中各點(diǎn)值的中值代替，從而消除孤立的噪聲點(diǎn)。本文以灰度圖像去噪為研究課題，通過(guò)使用 DSP 平臺(tái)對(duì)圖像分別加入椒鹽噪聲和高斯噪聲，再進(jìn)行中值濾波處理對(duì)比仿真結(jié)果，得出中值濾波能有效去除椒鹽噪聲的結(jié)論。也提出了一些中值濾波的優(yōu)化改進(jìn)算法思想。關(guān)鍵詞: 圖像去噪；　DSP ；　椒鹽噪聲；　高斯噪聲； 　中值濾波 IABSTRACTIn recent years, image processing related technology has made rapid development, and it has been widely used in various fields in people39。s lives such as photography and printing, satellite image processing, medical image processing, face recognition, biometric identification, microscopic image processing, etc. The main purpose of digital image processing is improve the perception of the quality of the image by the image processing, to obtain useful information.However, the process of digital image generation, transmission, processing, storage, inevitably affected by various types of noise interference lead to information difficult to obtain, which directly affects the postprocessing effects. Therefore, in subsequent operations we must carried out in advance before the image processing, and image denoising is an important methods.There are many types of image noise, this paper studies salt and pepper noise and Gaussian noise. Median filter is a nonlinear digital filter technique, median filtering of the basic principle is the sequence of digital images or digital value is a point in a neighborhood of the point values of each point value to replace, thus eliminating isolated noise points.In this paper, gray image denoising as the research, through the useness of DSP platforms, salt and pepper noise and Gaussian noise were added to the image, and then paring median filtering process simulation results we can obtained the conclusion that median filter can effectively remove salt and pepper noise. We also made some improvements median filtering optimization algorithm ideas.Keywords: denoising。 DSP。 salt and pepper noise。 median filtering。 Gaussian noise基于 DSP 的圖像去噪實(shí)現(xiàn)0引言隨著多媒體技術(shù)和網(wǎng)絡(luò)技術(shù)的快速發(fā)展，數(shù)字圖像處理已經(jīng)廣泛應(yīng)用到了人類社會(huì)生活的各個(gè)方面，如：遙感，工業(yè)檢測(cè)，醫(yī)學(xué)，氣象，通信，偵查，智能機(jī)器人等，對(duì)國(guó)民經(jīng)濟(jì)的作用也越來(lái)越大。其處理的精度高，實(shí)現(xiàn)多種功能的、高度復(fù)雜的運(yùn)算求解非常靈活方便。在其短短的歷史中，它成功的應(yīng)用于幾乎所有與成像有關(guān)的領(lǐng)域，并正發(fā)揮相當(dāng)重要的作用?，F(xiàn)實(shí)中的數(shù)字圖像在獲取、傳輸、接收和處理過(guò)程中，因受到一定的外部及內(nèi)部干擾，從而被噪聲影響，導(dǎo)致圖像質(zhì)量的退化，這樣的圖像稱為噪聲圖像。但對(duì)圖像進(jìn)行邊緣檢測(cè)、圖像分割、特征識(shí)別等處理工作時(shí)，都要求圖像有較高的質(zhì)量，因此需要先濾除圖像中的噪聲以提高圖像質(zhì)量。減少數(shù)字圖像中噪聲的過(guò)程稱為圖像去噪。近幾年來(lái)，圖像去噪技術(shù)有了迅速的發(fā)展，諸多新的去噪處理方案不斷涌現(xiàn)。目前，常用的圖像噪聲有椒鹽噪聲、高斯噪聲、白噪聲等，去噪方法有中值濾波、小波變換、均值濾波、同態(tài)濾波、頻域?yàn)V波等等，本文也會(huì)對(duì)各類去噪方法簡(jiǎn)單介紹并提出幾種中值濾波的優(yōu)化算法。重點(diǎn)為中值濾波算法、代碼實(shí)現(xiàn)以及其對(duì)椒鹽高斯噪聲的處理效果的仿真實(shí)驗(yàn)。基于 DSP 的圖像去噪實(shí)現(xiàn)11　緒論　數(shù)字圖像基礎(chǔ) 　數(shù)字圖像 在人們的視界里，圖像分為彩色和黑白。對(duì)于彩色圖像，按照色度學(xué)理論：任何顏色都可由紅、綠、藍(lán)三種基本顏色按不同的比例混合得到。這樣，自然界的圖像可以用基于位置坐標(biāo)的三維函數(shù)來(lái)表示，即：利用 f 表示空間坐標(biāo) 點(diǎn)的顏色函數(shù)，fred、fgreen、fblue 分別表示該點(diǎn)顏色的紅、綠、藍(lán)三種原色的分量值。由于平面上每一點(diǎn)僅包括兩個(gè)坐標(biāo)(x, y),所以我們可以將空間三維函數(shù)轉(zhuǎn)化為二維函數(shù)。對(duì)于黑白圖像，就比彩色圖像簡(jiǎn)單多了，只需要用 表示該點(diǎn)圖像的灰度（強(qiáng)度）即可。我們所說(shuō)的數(shù)字圖像是相對(duì)于模擬圖像而言的。是將圖像按空間坐標(biāo)和明暗程度的連續(xù)性分類得到的：(1)模擬圖像指空間坐標(biāo)和明暗程度都是連續(xù)變化的圖像，計(jì)算機(jī)無(wú)法對(duì)其直接處理。即 是空間的連續(xù)函數(shù)， 為連續(xù)的空間，即在連續(xù)空間內(nèi)，每一個(gè)點(diǎn)都有一個(gè)精確的值與之相對(duì)應(yīng)。(2)數(shù)字圖像是一種空間坐標(biāo)和灰度均不連續(xù)的、用離散的數(shù)字表示的圖像，這樣的圖像才能被計(jì)算機(jī)處理。由于計(jì)算機(jī)僅能處理二進(jìn)制數(shù)據(jù)，如果要用計(jì)算機(jī)來(lái)處理圖像的話，必須把連續(xù)的圖像函數(shù)轉(zhuǎn)化為離散的數(shù)據(jù)集。經(jīng)過(guò)離散化處理，原來(lái)連續(xù)的模擬圖像就變成了由許多像素依據(jù)一定規(guī)則形成的數(shù)字圖像來(lái)近似表示，一般用一個(gè)矩陣表示那些離散的數(shù)據(jù)，每一個(gè)離散的矩陣元素表示一個(gè)像素的顏色值。把像素依據(jù)不同的方式組織和存儲(chǔ)，就形成了不同的圖像格式，把圖像數(shù)據(jù)存成文件就會(huì)得到相應(yīng)的圖像文件。由于是數(shù)字圖像，那么對(duì)于一幅黑白圖像來(lái)說(shuō)，只要把各個(gè)像素賦值為 0 或 1即可，我們用 1 表示白色，用 0 表示黑色，于是我們把一幅黑白圖像稱為二值圖像，彩色圖像或其它圖像轉(zhuǎn)化為黑白圖像的過(guò)程叫做二值化。對(duì)于一幅彩色圖像，每個(gè)像素我們都需要用 3 個(gè)取值范圍為 之間的整數(shù)值來(lái)分別表示紅、綠、藍(lán)三原色分量，且這些分量都是用整型數(shù)據(jù)表示，稱之為像素顏色的 R, G, B 值。表示基于 DSP 的圖像去噪實(shí)現(xiàn)2一個(gè)取值范圍為 的整型數(shù)據(jù)，需要占用 8bit 空間，三個(gè) R, G, B 這樣的整型數(shù)據(jù)就需要用 24bit 來(lái)存儲(chǔ)，所以，我們常把一幅真彩色位圖稱為 24 位位圖。在對(duì)數(shù)字圖像進(jìn)行處理的過(guò)程中，一般先把 24 位的位圖轉(zhuǎn)化為灰度圖像，然后再進(jìn)行相