圖像處理中消除噪聲的方法研究——學士學位畢業(yè)論文-全文預覽
【正文】 小波系數(shù)置為 0,高于該閾值的小波系數(shù)或者完全保留 ,或者做相應的“收縮 (shrinkage)”處理 .最后將處理后獲得的小波系數(shù)用逆小波變換進行重構 ,得到去噪后的圖像 . 小波變換的圖像去噪優(yōu)越性 具體來說，小波去噪方法的成功主要得益于小波具有如下特點： 1）低熵性。 均值濾波的實現(xiàn)算法 均值濾波將 每個像素點的灰度值設置為以該點為中心的鄰域窗口內的所有像素灰度值的平均值，以實現(xiàn)像素的平滑，達到圖像去噪的目的。再用模板中的全體像素的平均值來代替原來像素值。 中值濾波的實現(xiàn)算法 1)通過從圖像中的某個采樣窗口取出奇數(shù)個數(shù)據(jù)進行 排序； 2)用排序后的中值取代要處理的數(shù)據(jù)即可。二維數(shù)據(jù)的中值濾波可以表示為： 為濾波窗口AXM e dYijAji },{, ? (3) 在實際使用窗口時，窗口的尺寸一般先用 3 3 再取 5 5逐漸增大，直到其濾圖像處理中消除噪聲的方法研究 4 波效果滿意為止。 中值濾波的基本原理 中值濾波的基本原理是把數(shù)字圖像或數(shù)字序列中一點的值用該點的一個鄰域中各點值的中值代替。 4 常用去噪方法的比較分析 中值濾波 中值濾波是一種非線性濾 波 ，由于它在實際運算過程中并不需要圖像的統(tǒng)計特性，所以比較方便。 3)小波變換 小波變換是一種窗口大小固定但其形狀可改變的時頻局部化分析方法。中值濾波器在算法設計上使與周圍像素灰度值相差較大的點處理后能與周圍的像素灰度值比較接近，因此可以衰減隨機噪聲，尤其是脈沖噪聲等，并且在處理時不是簡單的取均值，產生的模糊要少的多，即中值濾波既能消除噪聲，還能保持圖像中的細節(jié)部分，防止邊緣模糊。 1）主觀評價 主觀評價通常有兩種 :一種是作為觀察者的主觀評價，這是由選定的一組人對圖像直接用肉眼進行觀察，然后分別給出其對所觀察的圖像的質量作好或壞的評價，再綜合全組人的意見給出一個綜合結論 2）客觀評價 圖像質量的客觀評價由于著眼點不同而有多種方法，這里介紹的是一種經常使用的所謂的逼真度測量。 2 圖像與噪聲 圖像噪聲的分類 按干擾源分類 圖像噪聲按其干擾源可分為外部噪聲和內部噪聲。 國內外研究現(xiàn)狀 國外研究現(xiàn)狀：在數(shù)字圖像處理的領域里，輸入的質量低的圖像，輸出是改善質量后的圖像。最后通過 Matlab 仿真結果， 結合理論分析和實驗結果，將三種去噪方法進行對比與分析。 長 治 學 院 學士學位畢業(yè)論文 圖像處理中消除噪聲的方法研究 專 業(yè)： 計算機科學與技術 系 別： 計算機 完成時間 ： 20xx 年 5 月 長治學院學士學位論文（設計） I 圖像處理中消除噪聲的方法研究 專業(yè)： 計算機 姓名： 程曉滿 學號： 09407205 指導教師： 上官晉太 摘要： 圖像是人類獲取信息的重要手段之一，圖像在信息傳播過程中所起的作用越來越大。本文主要是中值濾波、均值濾波、小波變換方法對圖像噪聲進行濾波處理。有些算法雖然好，但它的實用性不強甚至有限。 國內研究現(xiàn)狀：我國數(shù)字圖像處理技術起步較晚，但在學習國外技術的基礎上發(fā)展迅速?，F(xiàn)有的評價方法一般分為主觀和客觀兩種 。 3 圖像去噪 常用去噪方法有 : 1)中值濾波 中值濾波是常用的非線性濾波方法，也是圖像處理技術中最常用的預處理技術。 均值濾波器是一種典型的線性去噪方法，因為其運算簡單快速，同時又能夠較為有效地去除高斯噪聲。為此 ,將高頻子塊置為零 ,對次低頻和次高頻子塊進行一定的抑制 ,則可以達到一定的噪聲去除效果。但是對一些細節(jié)多，特別 是點、線、尖頂細節(jié)多的圖像不宜采用中值濾波的方法。 對于二 維 序列 ??ijX 進行中值濾波時，濾波窗口也是二維的，但這種二 維 窗口可以有各種不同的形狀，如線 狀、方形 、圓形、十字形、圓環(huán)形等。與平均濾波器相比，中值濾波器從總體上來說，能夠較好地保留原圖像中的躍變部分。 均值濾波 均值濾波是典型的線性濾波算法，它是指在圖像上對目標像素給一個模板，該模板包括了其周圍的臨近像素。線性濾波的基本原理是用均值代替原圖像中的各個像素值，即對待處理的當前像素點（ x， y），選擇一個模板，該模板由其近鄰的若干像素組成，求模板中所有像素的均值，再把該均值賦予當前像素點（ x， y），作為處理后圖像在該點上的灰度值 u（ x， y），即 u（ x， y） =1/m ∑ f（ x， y） ① m 為該模板中包含當前像素在內的像素總個數(shù)。 小波變換 小波變換的基本原理 小波變換具有很強的去數(shù)據(jù)相關性 ,它能夠使信號的能量在小波域集中在一些大的小波系數(shù)中 。 2）去相關特性。所謂高斯噪聲是指它的概率密度函數(shù)服從高斯分布的一圖像處理中消除噪聲的方法研究 6 類噪聲。 1）給圖像加入均值為 0，方差為 的高斯噪聲，分別選擇 3 3 模板、 5 5模板和 7 7 模板進行去噪 Matlab 部分代碼： j=imnoise(I,39。 subplot(221)。)。 仿真結果如圖 1 所示 : 含噪聲圖像100 200 300501001502003 3 模板中值濾波100 200 300501001502005 5 模板中值濾波 7 7 模板中值濾波長治學院學士學位論文（設計） 7 圖 1 中值濾波法對高斯噪聲去噪的仿真結果 2）給圖像加入噪聲密度為 的椒鹽噪聲，分別選擇 3 3模板、 5 5模板和 7 7模板進行去噪。 j=imnoise(I,39。 x=j(:,:,1)。椒鹽噪聲圖片 39。 k3=medfilt2(x,[7 7])。并且采用窗口的大小對濾波效果影響很大，窗口越大，圖像去噪效果越好，但代價是模糊的程度越大。 h=ones(3,3)。salt amp。 h=h/9。如圖 3所
研究報告相關推薦
鄂ICP備17016276號-1