【導讀】由于各種各樣的原因，現(xiàn)實中的圖像都是帶噪聲的。噪聲惡化了圖像質量，使圖像。對同時含有高斯噪聲和椒鹽噪聲的圖像先進行混合中值濾波，在濾除椒鹽噪。聲的同時，又很好地保留了圖像中的物體細節(jié)和輪廓。小波域去噪處理具有很好的時頻。特性、多分辨分析特性等優(yōu)點，可以看成特征提取和低通濾波功能的綜合。圖畫質量，改進后可以得到更滿意的圖像。小波相位濾波去噪算法是基于小波變換系數(shù)。相關性去噪算法的，適于強噪聲圖像，去噪后也可以改善圖像質量。反之，進行圖像邊緣增強也會同。因此在去除噪聲的同時，要求最小限度地減小圖像中的信息，保持圖?；跇O值的混合中值濾波兼容了中值濾波和線。基于混合中值濾波和小波去噪相結合的方法，去噪效果好于單純地使用小波變換去。去噪處理是小波分析的一個重要應用，尤其是對。斯噪聲，且信號中含有較多奇異點的情況。由于信號與噪聲的幅值在小波變換下有不同的傳播特性，因此多數(shù)去噪算。性，是一種對幅度不敏感的小波去噪算法。

　　

【正文】 lt amp。 pepper39。,)。 % 進行中值濾波處理 K=medfilt2(J,[3 3])。 % 輸出含噪聲的圖像 figure,imshow(J)。 % 輸出去噪后的圖像 figure,imshow(K)。 小波包去噪程序 基于小波包的去噪程序見附錄 A， MATLAB 仿真輸出 結果 見圖 以及 圖 的a)、 b)、 c)和 d)。 方案二 小波模極大值去噪程序見附錄 B， MATLAB 仿真輸出 結果 見圖 的 e)。 方案 三 小波相位去噪程序見附錄 C， MATLAB 仿真輸出 結果 見圖 的 f)。 圖像去噪技術的研究與實現(xiàn) 29 a) b) c) d) 圖 中值濾波輸出 a) 索引圖像； b) 灰度圖像； c) 添加椒鹽噪聲后； d) 去噪后 圖像去噪技術的研究與實現(xiàn) 30 a) b) c) d) e) f) 圖 小波域去噪輸出 a) 原始圖像； b) 添加高斯噪聲 ； c) 小波包； d) 平滑后 ； e) 模極大值； f) 小波相位 圖像去噪技術的研究與實現(xiàn) 31 結 論 圖像去噪是圖像處理研究 的一個 重要的 主題。圖像在獲取和傳輸 過程中，往往受到噪聲的干擾， 各種圖像去噪方法其實就是在去 除噪聲 和 維持 圖像細節(jié)上保持平衡。 方案一的應用具有普遍 性?；旌现兄禐V波可以很好地濾掉椒鹽噪聲，且具有低通濾波的功能。 小波去噪則能 去除 大部分的高斯噪聲， 也 具有低通濾波的效果。因此， 為了簡化設計，可以直接使用中值濾波 代替混合中值濾波 。 方案二主要適用于信號中混有高斯噪聲，且 含有較多奇異點的情況。該方法能有效地保留信 號的奇異點信息，去噪后的信號沒有多余振蕩，是原始信號的一個非常好的估計。 但是 該方案不適合信噪比比較低的圖像，且 其算法 相對 復雜 ， 實現(xiàn)難度較高。 方案三 是 基于小波變換系數(shù)相關性 ，是一種對幅度不敏感的小波去噪算法 。該去噪算法 適于強噪聲圖像 ，即信噪比 比 較 低 的圖像，去噪后 也可以改善圖像質量。 三種方案都能達到較理想的去噪目的， 且 有各不 相 同的適用范圍。因此，在實際應用中，應在處理噪聲前明確一下兩點： ① 圖像受到何種類型的噪聲干擾； ② 受到干擾的程度 。 然后選擇適當?shù)娜ピ爰夹g，減少圖像去噪過程的盲目性。還應針對具體的應用背 景和給定的圖像類型和應用，并考慮將不同去噪方法結合起來，獲得最好的去噪效果。 本文研究的噪聲主要是椒鹽噪聲和高斯噪聲，在 其他 噪聲 類型 分布下的去噪研究還不夠。圖像去噪 技術 如何 在 這些領域進行拓展 ， 是非常值得研究的。 圖像去噪技術的研究與實現(xiàn) 32 參考文獻 [1] 徐飛，施曉紅． MATLAB 應用圖像處理 [M]．西安：西安電子科技大學出版社， 2020 [2] 寧媛，李皖．圖像去噪的幾種方法分析比較 [J]．貴州工業(yè)大學學報， 2020， 34（ 4）： 62～ 66 [3] 阮秋琦．數(shù)字信號處理學（第二版） [M]．北京：電子 工業(yè)出版社， 2020 [4] 王躍科，林嘉宇．混沌信號處理 [J]．國防科技大學學報， 2020， 22（ 5）： 73～ 77 [5] Vidakovic B， Lozoya CB． On timedependent wavelet denoising[J]． IEEE Trans． Singnal Proessing， 1998， 46(9)： 2549～ 2551 [6] 余英林，謝勝利，蔡漢添．信號處理新方法導論 [M]．北京：清華大學出版社， 2020 [7] 陳漢友． MATLAB 在數(shù)字信號處理中應用 [J]．計算機與現(xiàn) 代化， 2020， 1： 103～105 [8] 薛年喜． MATLAB 在數(shù)字信號處理中的應用 [M]．西安 ：西安 電子科技大學出版社 ， 2020 [9] 劉進，厲樹忠，張媛．基于混合中值濾波的圖像去噪處理 [ J]．甘肅科技報， 2020， 22（ 9）： 41～ 43 [10] 王云松，林德杰．基于小波包分析的圖像去噪處理 [J]．計算機技術與自動化， 2020， 24（ 4）： 99～ 101 [11] 董長虹 ． Matlab 小波分析工具箱原理與應用 [M]． 北京：國防工業(yè) 出版社， 2020 [12] 林椹尠，宋國鄉(xiāng)，薛文．圖像的幾種 小波去噪方法的比較與改進 [J]．西安電子科 技 大學學報， 2020， 31（ 4）： 627～ 628 [13] Mallat S， Hwang W L． Singularity Detection and Processing with Wavelets[J]． IEEE Trans on IT， 1992， 81(2)： 612～ 643 [14] 張弼弛，何小海．一種圖像去噪的小波相位濾波改進算法 [J]．現(xiàn)代電子技術， 2020，13： 140～ 142 [15] 梁冰． MATLAB 二維小波圖像去噪 [J]．山西師范大學學報， 2020， 16（ 1）： 5～ 8 [16] 陳楊，陳榮娟，郭穎輝． 圖形編程與圖像處理 [M]．西安：西安電 子 科技大學出版社， 2020 圖像去噪技術的研究與實現(xiàn) 33 致 謝 畢業(yè)設計終于 完成 ， 我感到激動和興奮。這對于我而言是一座難以到達的頂峰， 是段 從不安的情緒里開始 的征程 。首先，我想感謝我的指導老師朱明旱老師，他淵博的知識、嚴謹?shù)淖黠L都是我能完成論文的保障 。 從動手查閱資料，開始寫調研報告、開題報告，這中間有一次又一次的修改、迷茫和挫折，是老師和同學的幫助讓我能堅持下來。他們讓我明白，做一項新的研究是困難的，卻更是快樂的。當我 越來越了解自己的論文方向和主旨時，我感到自己 求學 的世界在無限擴展。在自己選定好研究方案后，我深入課題研究， 困難 接踵而來 。無論是在設計上的實現(xiàn)和格式上的細化，我都覺得問題 重重 。在自己的努力和大家的幫助下， 問題終于一個個被解決 。當我 可以把 一些理論 知識 運用得 融會貫通時，我覺得平時的付出有了莫大的回報。 回憶我在湖南文理學院 的四年 學習 中， 我 不僅 學到了大量的基礎知識和專業(yè)技能，更在不斷的成長中領悟著做人的道理。在大學生涯的最后這一段，我吸取以前種種經驗教訓，帶著最誠懇的心學習 ， 到現(xiàn)在論文的脫稿付印 。 我 想 借此機會向導師 表示衷心的感謝！也向這四年來 教 過我的 所有 老師 和與我一同成長的同學們， 表示由衷 的 感謝。 雄關大道真如鐵，而今邁步從頭越。在以后的工作和學習中，我會牢記老師 們 的教誨，謹記做人的道理，以自己的雙手來報答所有關心我的你們。 圖像去噪技術的研究與實現(xiàn) 34 附錄 A 小波包去噪程序 load woman % 畫出原始圖像 subplot(2,2,1)。image(X)。colormap(map)。 title(39。X39。)。axis square % 添加高斯噪聲 ，信噪比設定為 22 X= awgn(X,22)。 % 畫出含高斯噪聲圖像 subplot(2,2,2)。image(X)。colormap(map)。 title(39。X39。)。axis square % 下面進行去噪處理 % 設計 wpdencmp 函數(shù)的去噪參數(shù) thr=20。sorh=39。s39。crit=39。shannon39。keepapp=0。 % 用全閾值選項進行圖像的去噪 xd = wpdencmp(X,sorh,3,39。sym439。,crit,thr,keepapp)。 % 畫出去噪后的圖像 subplot(2,2,3)。image(xd)。colormap(map)。 title(39。xd39。)。axis square % 對圖像進行平滑處理 % 對圖像進行中值濾波處理 for i=2:1:119 for j=2:1:175 temp=0。 for m=1:3 for n=1:3 temp=temp+xd(i+m2,j+n2)。 end 圖像去噪技術的研究與實現(xiàn) 35 end temp=temp/9。xd(i,j)=temp。 end end % 畫出平滑后的圖像 subplot(2,2,4)。image(xd)。colormap(map)。 title(39。xd39。)。axis square 圖像去噪技術的研究與實現(xiàn) 36 附錄 B 模極大值去噪程序 load woman % 畫出原始圖像 subplot(2,2,1)。image(X)。colormap(map)。 title(39。X39。)。axis square % 添加高斯噪聲 x= awgn(X,22)。 % 畫出含高斯噪聲圖像 subplot(2,2,2)。image(x)。colormap(map)。 title(39。x39。)。axis square % 用 db5 小波對圖像進行三層二維小波分解 [c,l]=wavedec(x,3,39。db539。)。 % 搜索尺度 j 在尺度 j1 上的傳播點 % w5， bk5 為尺度 5 的極大值矩陣及其矩陣位置 % b_cd4， bk4 為尺度 4 的小波系數(shù)矩陣及其極值點 [w5,bk5,w4,bk4]=spread(w5,bk5,b_cd4,bk4,TH)。 lw5=length(w5)。 % 如果 w4 為 0 矩陣，則說明尺度 5 上的極值點在尺度 4 上沒有傳播點 if w4==0 % 極值點是由噪聲引起的，去除尺度 5 及以下幾個尺 度 b_cd5(:)=0。b_cd4(:)=0。b_cd3(:)=0。 b_cd2(:)=0。 b_cd1(:)=0。 w5=0。w4=0。w3=0。w2=0。w1=0。 bk5=0。bk4=0。bk3=0。bk2=0。bk1=0。 xian=0。 % 如果 w4 不為 0 矩陣，則將傳播點記錄在矩陣 xian中 else 圖像去噪技術的研究與實現(xiàn) 37 for i=1:lw5 h=[bk5(i),bk4(i)]。xian(i,:)=h。 end % 對尺度 5 和尺度 4 不在極值線上的極值點置為 0 b_cd5(:)=0。b_cd5(bk5)=w5。 b_cd4(:)=0。b_cd4(bk4)=w4。 [w4,bk4,w3,bk3]=spread(w4,bk4,b_cd3,bk3,TH)。 end % 繼續(xù)搜索 if w3==0 ...... end %%%%% [cd1m1,cd1_w1,cd2m1,cd2m_w1]=spread(cd1m,cd1m_w,cd2,cd2m_w,TH)。 ...... for xi=2:l1 Ti=max(cd1m_w(xi1),Dw(1,2,xi1))。 Ti=(Ti:cd1m_w(xi+1))。 Mi=cd2(Ti)。x=cd1m(xi)。xw=cd1m_w(xi)。 [D,Dw,h]=chazhao(M,T,x,xw,TH,h,D,Dw)。 end ...... %%%%% % 搜索尺度 j1 上的 T 區(qū)間內滿足傳播點要求的極值點 [D,Dw,h]=search(M,T,x,xw,TH,h,D,Dw)。 % 返回的 x帶入到上尺度中，如果返回的 x為 0，則說明此點是由噪聲產生的 lm=length(M)。p=0。P=0。Pw=0。 % 將符合條件：非零、符號相同的點存入矩陣 P 圖像去噪技術的研究與實現(xiàn) 38 for i=1:lm if(M(i)==0)amp。amp。(sign(M(i))==sign(x)) p=p+1。 P(p)=M(i)。Pw(p)=Ti。 end end IP=length(P)。 if IP==1 if P==0 K=P。