大學(xué)畢業(yè)設(shè)計(jì)-基于matlab的圖像平滑算法實(shí)現(xiàn)及應(yīng)用-資料下載頁(yè)
2025-11-20 10:59本頁(yè)面
【導(dǎo)讀】圖像平滑的主要目的是減少圖像噪聲。實(shí)際獲得的圖像都因受到干擾而有噪聲，噪。聲產(chǎn)生的原因決定了噪聲分布的特性及與圖像信號(hào)的關(guān)系。減少噪聲的方法可以在空間域或在頻率域處理。噪聲，如果平滑不當(dāng)，就會(huì)使圖像本身的細(xì)節(jié)如邊緣輪廓，線條等模糊不清，從而使圖像降質(zhì)。定的細(xì)節(jié)模糊為代價(jià)的，因此如何盡量平滑掉圖像的噪聲，處理對(duì)象是在圖像生成、傳輸、處理、顯示。等過(guò)程中受到多種因素?cái)_動(dòng)形成的加噪圖像。的退化是噪聲”時(shí)的特例。相片顆粒噪聲和信道傳輸誤差引起的噪聲等。一般噪聲是不可預(yù)測(cè)的隨機(jī)信號(hào)，它只能用概率統(tǒng)計(jì)的方。在弱光情況下，影響更為嚴(yán)重，常用具有泊松密度分布的。此外顆粒本身大小的不同以及每一。主要來(lái)源于電子電路噪聲和低照明度或高溫帶來(lái)的傳感器噪聲,也稱為正態(tài)噪聲,其中,z表示圖像像元的灰度值;μ表示z的期望；σ表示z的標(biāo)準(zhǔn)差。如果b>a,灰度值b在圖像中顯示為一亮點(diǎn),a值顯示為一暗點(diǎn)。
【正文】 )。 I2=imnoise(I,39。salt amp。 pepper39。,)。 I3=imnoise(I,39。speckle39。)。 J1=medfilt2(I1,[3,3])。 %3 3中值濾波模板 J2=medfilt2(I2,[3,3])。 J3=medfilt2(I3,[3,3])。 J4=medfilt2(I1,[5,5])。 %5 5中值濾波模板 J5=medfilt2(I2,[5,5])。 J6=medfilt2(I3,[5,5])。 figure,subplot(121),imshow(J1)。 title(39。高斯 3*3中 值 濾 波 39。)。 subplot(122),imshow(J2)。 title(39。椒鹽 3*3中 值 濾 波 39。)。 figure,subplot(121),imshow(J3)。 title(39。乘法 3*3中 值 濾 波 39。)。 subplot(122),imshow(J4)。 title(39。高斯 5*5中 值 濾 波 39。)。 figure,subplot(121),imshow(J5)。 title(39。椒鹽 5*5中 值 濾 波 39。)。 subplot(122),imshow(J6)。 title(39。乘法 5*5中 值 濾 波 39。)。 運(yùn)行結(jié)果如下： 19 20 圖 34 受到高斯、椒鹽及乘法噪 聲污染的圖像經(jīng)不同模版的中值濾波后的圖像 由圖 34可知 ， 此 方 法 能 夠 非 常 好 地 將 椒 鹽 噪 聲 去 除 掉 ，可 見(jiàn) 中 值 濾 波 方 法 對(duì) 于 椒 鹽 噪 聲 或 脈 沖 式 干 擾 具 有 很 強(qiáng) 的濾除作用 ， 但 對(duì) 于 高 斯 和 乘 性 噪 聲 效 果 不 佳 。 與 圖 3圖33相 比 ， 當(dāng) 噪 聲 為 椒 鹽 噪 聲 時(shí) ， 中 值 濾 波 器 的 效 果 比 均 值濾 波 好 。 因 為 這 些 干 擾 值 與 其 鄰 近 像 素 的 灰 度 值 有 很 大 的 差異 ， 經(jīng) 過(guò) 排 序 后 取 中 值 的 結(jié) 果 就 將 此 干 擾 強(qiáng) 制 變 成 與 其 鄰 近的 某 些 像 素 值 一 樣 ， 從 而 達(dá) 到 去 除 干 擾 的 效 果 。 但 是 由 于 中值 濾 波 方 法 在 處 理 過(guò) 程 中 會(huì) 帶 來(lái) 圖 像 模 糊 ， 所 以 對(duì) 于 細(xì) 節(jié) 豐富，特別是點(diǎn)、線和尖頂細(xì)節(jié)較多的圖像不適用 。 頻域低通濾波法 頻域低通濾波處理噪聲圖像的方法如下 : 首先構(gòu)建二維濾波器 d。 21 [f1,f2]=freqspace(25,39。meshgrid39。)。 Hd=zeros(25,25)。 d=sqrt(f1.^2+f2.^2)。 % 截 止 半 徑 大 小 Hd(d)=1。 h=fsamp2(Hd)。 figure,freqz2(h,[64,64])。 圖 35 用頻率 采樣法構(gòu)建的二維濾波器 然后用所構(gòu)建的二維濾波器對(duì)以上圖像進(jìn)行濾波 RGB=imread(39。h:\趙云 真 三 國(guó) 六 .jpg39。)。 I=rgb2gray(RGB)。 I1=imnoise(I,39。gaussian39。)。 I2=imnoise(I,39。salt amp。 pepper39。,)。 I3=imnoise(I,39。speckle39。)。 J=imfilter(I,h,39。replicate39。)。 J1=imfilter(I1,h,39。replicate39。)。 J2=imfilter(I2,h,39。replicate39。)。 J3=imfilter(I3,h,39。replicate39。)。 subplot(221),imshow(J)。 title(39。原 圖 像 濾 波 后 39。)。 22 subplot(222),imshow(J1)。 title(39。高 斯 污 染 圖 像 濾 波 后 39。)。 subplot(223),imshow(J2)。 title(39。椒 鹽 污 染 圖 像 污 染 后 39。)。 subplot(224),imshow(J3)。 title(39。乘 法 污 染 圖 像 濾 波 后 39。)。 其運(yùn)行結(jié)果如下圖 : 圖 36 圖 31中圖像經(jīng)過(guò)二維濾波器 h濾波后圖像 頻域低通濾波 具有更好的選擇性，對(duì)噪聲在一定范圍內(nèi)也可以起到抑制作用，同時(shí)也對(duì)圖像的邊緣細(xì)節(jié)和高頻信息分量有更好的保持作用。使得圖像在輪廓上顯得更清晰。 23 第四章、總結(jié)與體會(huì) 圖像平滑是為了人類視覺(jué)系統(tǒng)的生理接受特點(diǎn)而設(shè)計(jì)的改善圖像質(zhì)量的方法 ,有很強(qiáng)的主觀性。不同的平滑算法適應(yīng)于特定類型的噪聲模型 ,實(shí)際應(yīng)用中應(yīng)該根據(jù)實(shí)際圖像中包含的噪聲情況靈活地選取適當(dāng)?shù)钠交惴?。文中?duì)噪聲模型及分類，圖像平滑處理的兩大方面即空間域和頻率域 ,以及兩種處理方向里的幾種處理方法進(jìn)行了介紹，并對(duì)一種常用 的簡(jiǎn)單平滑算法進(jìn)行了分析。本文結(jié)合不同的噪聲類型，分析討論了均值濾波、中值濾波和頻域低通濾波 3種平滑濾波技術(shù)在去幾種典型噪聲方面性能的優(yōu)劣和視覺(jué)效果的對(duì)比，對(duì)在圖像平滑處理方面提供了一定的參考。 通過(guò)本次設(shè)計(jì)使我加深了對(duì)圖像處理尤其是圖像平滑的認(rèn)識(shí)及其應(yīng)用，同時(shí)感謝在此設(shè)計(jì)中幫助我的老師和同學(xué) 參考文獻(xiàn) [1] 楊帆，等．?dāng)?shù)字圖像處理與分析．北京：北京航空航天大學(xué)出版社， [2] 閆娟 .數(shù)字圖像的平滑處理方法研究 .軟件導(dǎo)刊， [3] 平麗 .圖像平滑處理方法的 比較研究 .信息技術(shù)， 24 [4] 梁一江 .圖像平滑處理方法初探及簡(jiǎn)單的算法介紹 .才智， [5]李 騫 ,陳占偉 .圖像邊緣檢測(cè)新技術(shù)及其應(yīng)用 .許昌學(xué)院學(xué) 報(bào) , [6]求是科技編著 . .人民郵電出版社 ,2020 [7]程正興 .《小波分析算法與應(yīng)用》 ,西安交通常大學(xué)出版社 ,1997 [8]章毓晉 .《圖像處理和分析》，清華大學(xué)出版社， 1999 [9]王宇生等 .《一種基于積分變換的邊緣檢測(cè)方法》 ,中國(guó)圖形圖像學(xué)報(bào) ,2020 [10]王曉明 ,顧曉東 ,劉健 .《基于張量的圖像邊緣檢測(cè)及濾波》 ,中國(guó)圖形圖像學(xué)報(bào) ,2020 [11]張英琦 ,何洪濤，《一種基于數(shù)學(xué)形態(tài)學(xué)的灰度圖象邊緣檢測(cè)方法》，西南交通大學(xué)學(xué)報(bào)， 2020
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1