【正文】 方法是研究最廣泛的方法。 小波變換去噪方法是研究最廣泛的方法。 均值濾波是典型的線性濾波算法，其采用的主要方法為鄰域平均法。本算法相對于其它幾種算法其效果都有明顯的改進，既能夠很好地消除噪聲，又能夠較好地保持圖像邊緣細節(jié)，而且算法簡單，易于實現(xiàn)。 else p1(i)=0。 p2(2)=detcoef2(39。v39。,c,s,1))。)。 else p2(i)=0。,c,s,2)。 p3(1)=detcoef2(39。d39。 圖像處理中消除噪聲的方法研究 10 p4=*(sqrt(2*log(a*b)))。 基于小波變換法的仿真 本節(jié)選用模糊小波變換法對含有高斯噪聲和椒鹽噪聲的圖像進行去噪，并用Matlab 軟件仿真。,)。gaussian39。 k1=medfilt2(x,[3 3])。 pepper39。 k2=medfilt2(x,[5 5])。,0,)。 3）選基靈活性。設輸入圖像信號為f(x,y),去噪處理后的輸出圖像為 g(x,y),則有 g(x,y)= | f(x,y) u (x,y)| ② 通過上式可以達到消除信號噪聲的目的，但對于其中的每一個灰度值來說，都長治學院學士學位論文（設計） 5 需要按照式 ① 求取以該點中心的鄰域窗口內所有像素的平均值，對長度為 (2n+1)的信號來說，需要進行 (2n+1)次加法、 一次乘法、一次除法。 中值濾波法對消除椒鹽噪音非常有效，在光學測量條紋圖 像 的相位分析處理方法中有特殊作用，但在條紋中心分析方法中作用不大。 設有一個一維序列 1f ， 2f ， ? ， nf ， 取窗口長度為 m(m 為奇數 )，對此序列進行中值濾波，就是從輸入序列中相繼抽出 m個數， vif? ， ? ， 1?if ， ? ， 1f ， ? ， 1?if ， ? ，vif? ，其中 i 為窗口的中心位置， 21??mv ，再將這 m個點按其數值大小排列，取其序號為正中間的那作為 濾波輸 出。小波變換利用非均勻的分辨率，即在低頻段用高的頻率分辨率和低的時間分辨率（寬的分析窗口）；而在高頻段利用低的頻率分辨率和高的時間分辨率（窄的分析窗口），這長治學院學士學位論文（設計） 3 樣就能有效地從信號（如語言、圖像等）中提取信息，較好地解決了時間和頻率分辨率的矛盾。對 于彩色圖像逼真度的定量表示是一個十分復雜的問題。圖像去噪是圖像分 析和計算機視覺中十分重要的技術。在許多情況下，圖像信息會受到各種各樣噪聲的影響，因為圖像在獲取過程中容易受到器件和周圍環(huán)境的影響， 從而使圖像中含有噪聲。 更好地改善圖像的質量，在眾多圖像去噪的算法中，不去追求哪一種算法是最好，而是要以實際要求而應用不同的方法。內部噪聲主要有四種基本形式： 1)由光和電的基本性質引起； 2)機械運動產生的噪聲； 3)元器件噪聲； 4)系統(tǒng)內部電路噪聲； 按對信號的影響分類 1)加性噪聲； 2)乘性噪聲； 圖像處理中消除噪聲的方法研究 2 圖像的質量評價 如何評價一個圖像經過去噪處理后所還原圖像的質量，對于我們判斷去噪方法的優(yōu)劣有很重要的意義。再用模板中的全體像素的平均值來代替原來像素值。在一定的條件下，可以克服線性濾波器所帶來的圖像細節(jié)模糊，而且對濾除脈沖干擾及圖像掃描噪聲最為有效。使用二維中值濾波最值得注意的是保持圖像中有效的細線狀物體。 均值濾波的 原理 均值濾波也稱為線性濾波，其采用的主要方法為領域平均法。由于采用了多分辨率的方法，所以小波變換可以在不同尺度上描述信號的局部特征，很好地刻畫信號非平穩(wěn)特征，如邊緣、尖峰、斷點等，可在 不同分辨率下根據信號和噪聲分布的特點去噪。 中值濾波的仿真 本節(jié)選用中值濾波法對含有高斯噪聲和椒鹽噪聲的圖像進行去噪，并用 Matlab軟件仿真。高斯噪聲圖片 39。)。 title(39。由此可知，中值濾波法含噪聲圖像100 200 300501001502003 3 模板中值濾波100 200 300501001502005 5 模板中值濾波 7 7 模板中值濾波圖像處理中消除噪聲的方法研究 8 運算簡單，易于實現(xiàn)，而且能較好地保護邊界，但有時會失掉圖像中的細線和小塊區(qū)域。 仿真結果如圖 3 所示： 圖 3 均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，選擇 3 3模板去噪 Matlab 部分代碼： j=imnoise(x,39。由以上處理后的圖像可以看到：均值濾波法消弱了圖像的邊緣，使圖像變得有些模糊。coif239。v39。 p2(1)=detcoef2(39。,c,s,2)。 if p1(i)=p4 p1(i)=sign(p1(i))*(abs(p1(i))p1(i)*p4)。 [a,b]=size(x12)。,c,s,1))。h39。 p1(2)=detcoef2(39。,c,s,2)。 end end 仿真結果如圖 6 所示： 圖 6 小波變換法對椒鹽噪聲去噪的仿真結果 從仿真結果可以看出：為驗證本文算法的濾波效果，對加 入不同噪聲的圖像進行了濾波測試。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。這種低通性能在平滑噪聲的同時，必定也會模糊信號的細節(jié)和邊緣，即在消除噪聲的同時也會對圖像的高頻細節(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。所以，消除在圖像采集和傳輸過程中而產生的噪聲，保證圖像受污染度最小，成了數字圖像處理領域里的重要部分。 Matlab 長治學院學士學位論文（設計） 17 致謝 本文是在上官老師的悉心指導和親切關懷下完成的。 2）均值濾波是典型的線性濾波，對高斯噪聲的抑制是比較好的，但對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。為了改善均值濾波細節(jié)對比度不好、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細小紋理，用加權法來改善圖像的邊界模糊，用選擇平均的自適應技術來保持圖像的邊界。對一些復雜的圖像，可以使用復合型中值濾波，如：中值濾波線性組合、高階中值濾波組合、加權中值濾波以及