圖像處理中消除噪聲的方法研究——學(xué)士學(xué)位畢業(yè)論文(文件)
【正文】 if p3(i)=p4 p3(i)=sign(p3(i))*(abs(p3(i))p3(i)*p4)。 [a,b]=size(x12)。 n=[1,2,3]。,c,s,1))。 size(detcoef2(39。h39。,c,s,1)。 p1(2)=detcoef2(39。v39。,c,s,2)。 end if p2(i)=p4 p2(i)=sign(p2(i))*(abs(p2(i))p2(i)*p4)。 end end 仿真結(jié)果如圖 6 所示： 圖 6 小波變換法對(duì)椒鹽噪聲去噪的仿真結(jié)果 從仿真結(jié)果可以看出：為驗(yàn)證本文算法的濾波效果，對(duì)加 入不同噪聲的圖像進(jìn)行了濾波測(cè)試。目前使用比較廣泛。由以上圖像可以看到：中值濾波法較好地保留了圖像的邊緣，使其輪廓比較清晰。即對(duì)待處理的當(dāng)前像索 點(diǎn) ),( yx ，選擇一個(gè)模板，該模板由其近鄰 M 個(gè)像素組成，求模板中所有像素的均值，再把該均值賦予當(dāng)前像素的算術(shù)平均值 ?? ),(),( yxfyxg ，作為鄰域平均處理后的灰度。這種低通性能在平滑噪聲的同時(shí)，必定也會(huì)模糊信號(hào)的細(xì)節(jié)和邊緣，即在消除噪聲的同時(shí)也會(huì)對(duì)圖像的高頻細(xì)節(jié)成分造成破壞和損失，使圖像模糊，由以上處理后的圖像可以看到： 鄰域平均法消弱了圖像的邊緣，使圖像變得有些模糊。這種非線性濾波方法之所以特別有效， 就是由于小波變換具有一種“ 集中”的能力， 它可以使一個(gè)信號(hào)的能量在小波變換域集中在少數(shù)系數(shù)上， 因此這些系 數(shù)的幅值必然大于在小波變換域內(nèi)能圖像處理中消除噪聲的方法研究 14 量分散于大量小波系數(shù)上的信號(hào)或噪聲的幅值。所以，消除在圖像采集和傳輸過程中而產(chǎn)生的噪聲，保證圖像受污染度最小，成了數(shù)字圖像處理領(lǐng)域里的重要部分。對(duì)小波系數(shù)進(jìn)行閾值處理可以在小波變換域中去除低幅值的噪聲和不期望的信號(hào)，效果最好。 Matlab 長(zhǎng)治學(xué)院學(xué)士學(xué)位論文（設(shè)計(jì)） 17 致謝 本文是在上官老師的悉心指導(dǎo)和親切關(guān)懷下完成的。 mean filter。 2）均值濾波是典型的線性濾波，對(duì)高斯噪聲的抑制是比較好的，但對(duì)椒鹽噪聲的抑制作用不好，椒鹽噪聲仍然存在，只不過被削弱了而已。如圖 6所示，使用小波變換都得到了較好的消噪效果。為了改善均值濾波細(xì)節(jié)對(duì)比度不好、區(qū)域邊界模糊的缺陷，常用門限法來抑制椒鹽噪聲和保護(hù)細(xì)小紋理，用加權(quán)法來改善圖像的邊界模糊，用選擇平均的自適應(yīng)技術(shù)來保持圖像的邊界。均值濾波可歸結(jié)為矩形窗加權(quán)的有限沖激響應(yīng)線性濾波器。對(duì)一些復(fù)雜的圖像，可以使用復(fù)合型中值濾波，如：中值濾波線性組合、高階中值濾波組合、加權(quán)中值濾波以及迭代中值濾波等來改善單純中值濾波的一些不足，從而達(dá)到更好的濾波效果。它可以克服線性濾波器給圖像帶來的模糊，在有效清除顆粒噪聲的同時(shí)，又能保持良好的邊緣特性，從而獲得較滿意的濾波效果，特別適 合于去除圖像的椒鹽噪聲，如仿真結(jié)果圖 2 所示。在平滑高斯噪聲和有脈沖噪聲的圖像去噪效果都很顯著。 end if p3(i)=p4 p3(i)=sign(p3(i))*(abs(p3(i))p3(i)*p4)。 原始圖像含噪聲圖像 消除噪聲后的圖像100 200 30050100150200圖像處理中消除噪聲的方法研究 12 if p1(i)=p4 p1(i)=sign(p1(i))*(abs(p1(i))p1(i)*p4)。 p3(2)=detcoef2(39。,c,s,2)。d39。 p2(1)=detcoef2(39。,c,s,1))。v39。 size(detcoef2(39。coif239。 end end 仿真結(jié)果如圖 5 所示： 長(zhǎng)治學(xué)院學(xué)士學(xué)位論文（設(shè)計(jì)） 11 圖 5 小波變換法對(duì)高斯噪聲去噪的仿真結(jié)果 2）給圖像加入噪聲密度為 的椒鹽噪聲，選擇 3 3模板去噪 Matlab 部分代碼： function y=zishiying(x) x11=medfilt2(x,[3 3])。 end if p2(i)=p4 p2(i)=sign(p2(i))*(abs(p2(i))p2(i)*p4)。,c,s,2)。v39。 p1(2)=detcoef2(39。,c,s,1)。h39。 size(detcoef2(39。,c,s,1))。 n=[1,2,3]。 [a,b]=size(x12)。為了改善均值濾波細(xì)節(jié)對(duì)比度不好、區(qū)域邊界模糊的缺陷，常用門限法來抑制椒鹽噪聲和保護(hù)細(xì)小紋理，用加權(quán)法來改善圖像的邊界模糊，用選擇平均的自適應(yīng)技術(shù)來保持圖像的邊界。 k=conv2(j,h)。 pepper39。 h=h/9。 均值濾波的仿真 本節(jié)選用均值濾波法對(duì)含有高斯噪聲和椒鹽噪聲的圖片進(jìn)行去噪，并用 Matlab軟件仿真 1）給圖像加入均值為 0，方差為 的高斯噪聲，選擇 3 3 模板去噪 Matlab 部分代碼： j=imnoise(x,39。 仿真結(jié)果如圖 2 所示 : 圖 2 中值濾波法對(duì)椒鹽噪聲去噪的仿真結(jié)果 從仿真結(jié)果可以看出：對(duì)圖像加入椒鹽噪聲后，應(yīng)用中值濾波，如圖 2所示，噪聲的斑點(diǎn) 幾乎全部被濾去，它對(duì)濾除圖像的椒鹽噪聲非常有效。)。 subplot(221)。salt amp。 Matlab 部分代碼： i=imread(39。 k1=medfilt2(x,[3 3])。 imshow(x)。gaussian39。椒鹽噪聲是 由圖像傳感器、傳輸信道、解碼處理等產(chǎn)生的黑白相間的亮暗點(diǎn)噪聲，屬于非平穩(wěn)噪聲。小波變換可以對(duì)信號(hào)去相關(guān)，是信號(hào)的能量集中于少數(shù)幾個(gè)小波系數(shù)上，而噪聲能量分布于大部分小波系數(shù)上，即噪聲在變換后有白化趨勢(shì)，所以小波域比時(shí)域更利于去噪。而噪聲的能量卻分布于整個(gè)小波域內(nèi) .因此 ,經(jīng)小波分解后 ,信號(hào)的小波系數(shù)幅值要大于噪聲的系數(shù)幅值 .可以認(rèn)為 ,幅值比較大的小波系數(shù)一般以信號(hào)為主，而幅值比較小的系數(shù)在很大程度上是噪聲 .于是 ,采用閾值的辦法可以把信號(hào)系數(shù)保留 ,而使大部分噪聲系數(shù)減小至零 .小波閾值收縮法去噪的具體處理過程為 :將含噪信號(hào)在各尺度上進(jìn)行 小波分解 ,設(shè)定一個(gè)閾值，幅值低于該閾值的
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1