【正文】 lot(221)。imshow(x)。title(39。椒鹽噪聲圖片39。)。k1=medfilt2(x,[3 3])。k2=medfilt2(x,[5 5])。k3=medfilt2(x,[7 7])。仿真結(jié)果如圖413所示。圖413 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412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。而對(duì)于高斯噪聲來(lái)說(shuō)，如圖413所示，雖然也有一些去噪效果，但效果不佳。由此可知，中值濾波法運(yùn)算簡(jiǎn)單，易于實(shí)現(xiàn)，而且能較好地保護(hù)邊界，但有時(shí)會(huì)失掉圖像中的細(xì)線和小塊區(qū)域。并且采用窗口的大小對(duì)濾波效果影響很大，窗口越大，圖像去噪效果越好，但代價(jià)是模糊的程度越大。 維納濾波的仿真選用維納濾波法對(duì)含有高斯噪聲和椒鹽噪聲的圖像進(jìn)行去噪，并用Matlab軟件仿真。（1）給圖像加入均值為0，選擇33模板去噪Matlab部分代碼：i=imread(39。39。)。j=imnoise(I,39。gaussian39。,0,)。x=j(:,:,1)。k=wiener2(x)。仿真結(jié)果如圖414所示。圖414 維納濾波法對(duì)高斯噪聲去噪的仿真結(jié)果（2），選擇33模板去噪Matlab部分代碼：j=imnoise(I,39。salt amp。 pepper39。,)。x=j(:,:,1)。k=wiener2(x)。仿真結(jié)果如圖415所示。圖415 維納濾波法對(duì)椒鹽噪聲去噪的仿真結(jié)果從仿真結(jié)果可以看出：維納濾波對(duì)高斯白噪聲的圖像濾波與鄰域平均法比較， 濾波效果好，它比線性濾波器具有更好的選擇性，可以更好地保存圖像的邊緣和高頻細(xì)節(jié)信息。雖然，維納濾波在大多數(shù)情況下都可以獲得滿意的結(jié)果，尤其對(duì)含有高斯噪聲的圖像。另外維納濾波對(duì)于椒鹽噪聲去除效果卻不盡人意，幾乎沒(méi)有效果。它不能用于噪聲為非平穩(wěn)的隨機(jī)過(guò)程的情況，對(duì)于向量情況應(yīng)用不方便。因此，維納濾波在實(shí)際問(wèn)題中應(yīng)用不多。 幾種去噪方法的比較分析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。即對(duì)待處理的當(dāng)前像索點(diǎn)，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，作為鄰域平均處理后的灰度。該方法運(yùn)算簡(jiǎn)單，對(duì)高斯噪聲具有良好的去噪能力。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。因此，均值濾波相當(dāng)于低通濾波器。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。均值濾波時(shí)高斯噪聲抑制是比較好的，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(guò)被削弱了而已，如仿真結(jié)果圖411所示。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(lái)抑制椒鹽噪聲和保護(hù)細(xì)小紋理，用加權(quán)法來(lái)改善圖像的邊界模糊，用選擇平均的自適應(yīng)技術(shù)來(lái)保持圖像的邊界。中值濾波是常用的非線性濾波方法，也是圖像處理技術(shù)中最常用的預(yù)處理技術(shù)。它可以克服線性濾波器給圖像帶來(lái)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44所示。當(dāng)窗口在圖像中上下左右進(jìn)行移動(dòng)后，利用中值濾波算法可以很好地對(duì)圖像進(jìn)行平滑處理。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。中值濾波對(duì)椒鹽噪聲特別有效，取得了很好的效果，而對(duì)高斯噪聲效果不佳。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(lái)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。維納濾波是一種對(duì)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)思想是使輸人信號(hào)乘響應(yīng)后的輸出，與期望輸出的均方誤差為最小。從圖414中可以看到維納濾波對(duì)高斯噪聲有明顯的抑制作用，相對(duì)與均值濾波和中值濾波，維納濾波對(duì)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。又正如圖415所示，維納濾波對(duì)椒鹽噪聲幾乎沒(méi)有抑制作用。小波閾值去噪方法是研究最廣泛的方法。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)能量分散于大量小波系數(shù)上的信號(hào)或噪聲的幅值。這就意味著對(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)， 然后運(yùn)用小波逆變換， 得到去噪后的重建圖像。如圖448所示，使用小波變換都得到了較好的消噪效果。上述濾波方法雖都有一定的降噪效果，但都有其局限性。事實(shí)上，不管濾波器具有什么樣的頻率響應(yīng)，均不可能做到噪聲完全濾掉，使信號(hào)波形不失真。但我們可以不斷地改進(jìn)濾波的技術(shù)，如實(shí)際應(yīng)用中常用一些改進(jìn)型的濾波方法如小波導(dǎo)向、多級(jí)門限檢測(cè)來(lái)提高去噪的效果從而最大可能地恢復(fù)出原始圖像。 Matlab GUI軟件界面處理的結(jié)果圖416 中值濾波GUI界面圖417 均值濾波GUI界面圖418 維納自適應(yīng)濾波GUI界面通過(guò)Matlab GUI界面軟件設(shè)計(jì)，可以方便地進(jìn)行圖像空域增強(qiáng)處理，即使對(duì)Matlab軟件不熟練的人也可以較為方便和快速地進(jìn)行操作。只要點(diǎn)擊操作界面，載入圖像，即可進(jìn)行相應(yīng)的圖像處理。致 謝謹(jǐn)向我的指導(dǎo)老師章瑞平老師表示衷心的感謝。感謝章老師在過(guò)去的四年中，在我完成學(xué)業(yè)和畢業(yè)論文的寫作過(guò)程中，對(duì)我的悉心指導(dǎo)和幫助；在生活上，對(duì)我的關(guān)心和照顧。當(dāng)我遇到困難的時(shí)候，章老師總是熱心幫助，給我支持和鼓勵(lì)。我被肖老師誠(chéng)懇的待人方式，廣博扎實(shí)的專業(yè)知識(shí)，嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度，富有啟發(fā)的思維方式，孜孜不倦的誨人態(tài)度，非凡的人格魅力所折服，使我受益匪淺，令我終生難忘。再次向章老師深表謝意！衷心感謝理學(xué)院全體老師在我學(xué)習(xí)道路上對(duì)我的培養(yǎng)。難忘各位老師的辛勤付出和鼓勵(lì)支持，再次表示感謝。 感謝在我的學(xué)習(xí)和生活中曾幫助和關(guān)心過(guò)我的所有同學(xué)、朋友和家人！ 最誠(chéng)摯地感謝所有辛勤審評(píng)的老師和對(duì)此文提出寶貴建議的老師和同學(xué)們！參考文獻(xiàn)[1] 汪亞明，吳國(guó)忠，[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2009，34(3):9698[2] 趙春燕，鄭永果，[J].計(jì)算機(jī)工程，2008，31(12):185186,222[3] Tobias, segmentation by histogram thresholding using fuzzy sets[J].IEEE Transactions on Image Processing,2010 11(12):14571465[4] 王玉平，［J］.中國(guó)科學(xué)，A輯，1995，25(4):426－437.[5] 李玉，于鳳琴，[J].江南大學(xué)學(xué)報(bào)，2009，5(4):476479[6] , Image Denoiseing based on Statistical Modeling of Wavelet Cofficients[J].IEEE Signal Process,1999,6(12):300303[7] 朱云芳，戴朝華，[J].中國(guó)測(cè)試技術(shù)，2006，32(7):2830[8] 凌毓?jié)?姚遠(yuǎn),[J].華中師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2004,38(1):4751[9] [D].西北工業(yè)大學(xué)碩士學(xué)位論文，2003，4[10] Hayit Grernspan,Charles H, Enhancement by Nonlinear Extrapolation[J].IEEE Transactions on Image Processing,2000,9(6):[11] 李旭超， ，10（8）：964969[12] TaiChiu Hsung,Daniel PakKong Lun,WanChi by Singularity Detection[J].IEEE Transactions on Signal Processing，1999，47(11)[13] Lei Zhang,Paul by Spatial Correlation Thresholding[J]. IEEE Transactions on Circuts and Systems for Video Technology,2003,13(6):535538[14] ShihChung ,Huai Li,Matthew Optimization of Wavelet Deposition for Image Compression and Feature Transactions on Medical Imaging,2003,22(9):11411151[15] Junmei Zhong,Ruola Denoising Based on Wavelets and Multifractals for Singularity Detection[J].IEEE Transactions on Image Processing,2005,14（10）：14351447[16] Z Cai,T H Cheng,C Lu,K R Subramanian. Efficient wavelet based image demising ,2001,37(11):683685[17] Ahmed,J,Jafri, Tracking in an Image Sequence Using Wavelet Features and a Neural Network[J].TENCON 2005,10(11):16[18] Yunyi Yan,Baolong Guo,Wei Denoising:An Approach Based on Wavelet Neural Network and Improved Median Filtering[J].WCICA 2006:1006310067[19] Changjiang Zhang，Jinshan Wang，Xiaodong Wang，Huajun Enhancement for Image with Inplete Beta Transform and Wavelet Neural Network[J].Neural Networks and Brain,2005,10:12361241[20] Cao Wanpeng,Che Rensheng,Ye Dong An illumination independent edge detection and fuzzy enhancement algorithm based on wavelet transform for nonuniform weak illumination images[J]Pattern Recognition Letters 29(2008)192199