matlab課程設(shè)計(jì)--利用matlab仿真軟件實(shí)現(xiàn)圖像的去噪處理(編輯修改稿)
2025-02-09 16:17 本頁面
【文章內(nèi)容簡介】 (4)其中I為原圖象的灰度矩陣，J為加噪聲后圖象的灰度矩陣；一般情況下用(3)表示即可，(4)中表示是允許修改參數(shù)，而(式34)中使用缺省參數(shù)。A=imread(39。F:\CF\39。)。B=rgb2gray(A)。subplot(2,2,1)。imshow(B)。title(39。原灰度圖像39。)。Bsalt=imnoise(B,39。salt amp。 pepper39。)。subplot(2,2,2)。imshow(Bgauss)。title(39?；叶葓D像加入椒鹽噪聲后39。)。圖3 灰度圖像與加入椒鹽噪聲后的圖像高斯噪聲是指它的概率密度函數(shù)服從高斯分布（即正態(tài)分布）的一類噪聲。MATLAB中為圖片加高斯噪聲的語句是(1)J = imnoise(I, 39。gaussian39。)； (5)(2)J = imnoise(I, 39。gaussian39。,parameters)； (6)(3)J=imnoise(I, 39。gaussian39。,m,v)； (7)其中I為原圖象的灰度矩陣，J為加噪聲后圖象的灰度矩陣一般情況下用(5)表示即可，(6)中表示是允許修改參數(shù)，而(5)中使用缺省參數(shù)；(7)中對圖像I加高斯噪聲，均值為m，方差為v。本次課程設(shè)計(jì)選擇的加噪方式為第二種。A=imread(39。F:\CF\39。)。B=rgb2gray(A)。subplot(2,2,1)。imshow(B)。title(39。原灰度圖像39。)。Bgauss=imnoise(B,39。gaussian39。,)。subplot(2,2,2)。imshow(Bgauss)。title(39?；叶葓D像加入高斯噪聲后39。)。圖4 灰度圖像與加入高斯噪聲后的圖像4圖像的去噪一種較好的圖像去噪方法應(yīng)該既可以消掉噪聲影響又不使圖像的邊緣輪廓和線條變模糊。圖像去噪處理方法有空域法和頻域法２類。在空間域里一類方法是噪聲去除，即先判定某點(diǎn)是否為噪聲點(diǎn)，若是，重新賦值，若不是按原值輸出；另一類方法是平均，即不依賴于噪聲點(diǎn)的識(shí)別和去除，而對整個(gè)圖像進(jìn)行平均運(yùn)算。在頻率域里是對圖像頻譜進(jìn)行修正，一般采用低通濾波方法，而不像在空間域里直接對圖像像素灰度級(jí)值進(jìn)行運(yùn)算，即首先將圖像從空間域變換到頻率域，然后進(jìn)行各種各樣的處理，再將所得到的結(jié)果進(jìn)行反變換，從而達(dá)到圖像處理的目的。小波變換是全局變換，在時(shí)域或頻域中均可從混有強(qiáng)噪聲的信號(hào)中提取原始信號(hào)。本研究對空間域中的均值濾波、中值濾波和自適應(yīng)濾波３種去噪技術(shù)進(jìn)行分析比較，以下為３種技術(shù)的各自去噪原理。也稱線性濾波，主要思想為鄰域平均法，對圖像的任一像素點(diǎn)以其為中心取MM窗口(M一般取3,5,7,9等奇數(shù)) ,即用幾個(gè)像素灰度的平均值來代替每個(gè)像素的灰度。有效抑制加性噪聲，但容易引起圖像模糊，可以對其進(jìn)行改進(jìn)，主要避開對景物邊緣的平滑處理。該方法運(yùn)算簡單，對高斯噪聲具有良好的去噪能力。均值濾波法可歸結(jié)為矩形窗加權(quán)的有限沖擊響應(yīng)線性濾波器。第一個(gè)“旁瓣”比主峰大約低13分貝。因此，均值濾波器相當(dāng)于低通濾波器。這種低通性能在平滑噪聲的同時(shí)也會(huì)對圖像的高頻細(xì)節(jié)成分造成破壞和損失，使圖像模糊?；谂判蚪y(tǒng)計(jì)理論的一種能有效抑制噪聲的非線性平滑濾波信號(hào)處理技術(shù)。中值濾波的特點(diǎn)即是首先確定一個(gè)以某個(gè)像素為中心點(diǎn)的鄰域，一般為方形鄰域，也可以為圓形、十字形等等，然后將鄰域中各像素的灰度值排序，取其中間值作為中心像素灰度的新值，這里領(lǐng)域被稱為窗口，當(dāng)窗口移動(dòng)時(shí)，利用中值濾波可以對圖像進(jìn)行平滑處理。其算法簡單，時(shí)間復(fù)雜度低，但其對點(diǎn)、線和尖頂多的圖像不宜采用中值濾波。很容易自適應(yīng)化。中值濾波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。利用中值濾波算法可以很好地對圖像進(jìn)行平滑處理。對于椒鹽噪聲密度較小時(shí),尤其是孤立噪聲點(diǎn),用中值濾波的效果非常好,但在椒鹽噪聲密度增加時(shí),其去噪能力將降低,可能殘留下部分噪聲像素。雖然可以采用多輪迭代方式對濾波后的圖像再次使用中值濾波進(jìn)行處理,但將造成更大的細(xì)節(jié)損失。維納濾波(N Wiener最早在1942年提出的方法)是一種對退化圖像進(jìn)行恢復(fù)處理的一種常用算法,也是最早也最為人們熟知的線性圖像復(fù)原方法。其設(shè)計(jì)思想是使輸入信號(hào)乘響應(yīng)后的輸出,與期望輸出的均方誤差為最小，是一種自適應(yīng)濾波器，根據(jù)局部方差來調(diào)整濾波器效果。對于去除高斯噪聲效果明顯。其數(shù)學(xué)形式比較復(fù)雜：F(u,v)=[(1/H(u,v))*(|H(u,v)|2)/(|H(u,v)|2+s*[Sn(u,v)/Sf(u,v)])]*G(u,v) (8)其中Sn(u ,V)表示噪聲的功率譜,Sf(u ,V)表示未退化圖像的功率譜。在進(jìn)行實(shí)際處理時(shí),往往不知道噪聲函數(shù)Sn(u,v)和Sf(u,v)的分布情況,因此在實(shí)際應(yīng)用時(shí)多用：F(u,v)=[(1/H(u,v))(|H(u,v)|2)/(|H(u,v)|2+K)]G(u,v) (9)進(jìn)行近似處理,其中K是一個(gè)預(yù)先設(shè)定的常數(shù)。維納濾波對高斯噪聲、乘性噪聲都有明顯的抑制作用,相對與均值濾波和中值濾波,維納濾波對這兩種噪聲的抑制效果更好,缺點(diǎn)就是容易失去圖像的邊緣信息。維納濾波對椒鹽噪聲幾乎沒有抑制作用。A=imread(39。F:\CF\39。)。%讀入圖像B=rgb2gray(A)。%把彩色圖像變成灰度圖像Bspeckle=imnoise(B,39。speckle39。)。%加入乘性噪聲h=fspecial(39。average39。,3)。%fspecial用于產(chǎn)生預(yù)定義濾波器Bjunzhi=uint8(round(filter2(h,Bspeckle)))。%均值濾波，uin8為變量類型，round為取整，h為濾波參數(shù)即均值，h后的變量為要處理的圖像Bzhongzhi=medfilt2(Bgauss,[7,7])。%中值濾波Bwiener1=wiener2(Bgauss,[7,7])。%第一次維納濾波Bwiene
高考資料相關(guān)推薦
鄂ICP備17016276號(hào)-1