基于Matlab的數(shù)字圖像處理降噪方法

1、基于Matlab數(shù)字圖像處理降噪方法基于Matlab的數(shù)字圖像處理降噪方法第1頁01研究背景與意義03四種去噪方法02圖像噪聲04試驗(yàn)結(jié)果圖對比05結(jié)論Contents目錄06源代碼及函數(shù)基于Matlab的數(shù)字圖像處理降噪方法第2頁現(xiàn)實(shí)中圖像因?yàn)榉N種原因都是帶噪聲。噪聲惡化了圖像質(zhì)量，使圖像含糊，甚至淹沒和改變特征，給圖像分析和識別帶來困難。為了去除噪聲，會引發(fā)圖像邊緣含糊和一些紋理細(xì)節(jié)丟失。反之，進(jìn)行圖像邊緣增強(qiáng)也會同時(shí)增強(qiáng)圖像噪聲。此次試驗(yàn)用四個(gè)方法進(jìn)行去噪，基于MATLAB實(shí)現(xiàn)了均值濾波法、中值濾波法、基于離散余弦變換圖像去噪法、基于小波變換圖像去噪法去噪試驗(yàn)，并對試驗(yàn)結(jié)果進(jìn)行了分析比較

2、。容請寫在這里您內(nèi)容請寫在這里您內(nèi)容請寫在這里您內(nèi)容您內(nèi)容請寫在這里研究背景基于Matlab的數(shù)字圖像處理降噪方法第3頁圖像去噪是圖像處理研究領(lǐng)域中一個(gè)基礎(chǔ)而又主要問題。在農(nóng)業(yè)信息化、智能化、自動(dòng)化分級與檢測和機(jī)器視覺等領(lǐng)域，包括到大量圖像處理問題，圖像去噪作為主要圖像預(yù)處理步驟之一。圖像降噪處理目標(biāo)是對給定圖像進(jìn)行有效改進(jìn)，提升圖像質(zhì)量。所以圖像降噪處理是非常主要研究方向。研究意義基于Matlab的數(shù)字圖像處理降噪方法第4頁5圖像噪聲是指存在于圖像數(shù)據(jù)中無須要或多出干擾信息。圖像噪聲在圖像采集和處理全過程中都會產(chǎn)生，主要是因?yàn)槠骷`敏性、量化過程產(chǎn)生誤差、空氣波動(dòng)等原因造成。本文主要討論用四

3、種方法去除密度為0.2椒鹽噪聲。圖像噪聲基于Matlab的數(shù)字圖像處理降噪方法第5頁/10/10均值濾波法 也稱線性濾波，即用幾個(gè)像素灰度平均值來代替每個(gè)像素灰度。有效抑制加性噪聲，但輕易引發(fā)圖像含糊，能夠?qū)ζ溥M(jìn)行改進(jìn)，避開對景物邊緣平滑處理。主要思想為鄰域平均法，這類做法實(shí)質(zhì)是簡單平均了模板所包含像素，該像素原來灰度被平均值所代替 首先要選擇模板尺寸，也就是領(lǐng)域半徑，此次選擇領(lǐng)域半徑為3和9兩個(gè)不一樣尺寸模板進(jìn)行試驗(yàn)。可顯著看出領(lǐng)域半徑越大效果越好，不過成本就越高。基于Matlab的數(shù)字圖像處理降噪方法第6頁7試驗(yàn)結(jié)果基于Matlab的數(shù)字圖像處理降噪方法第7頁/10/10中值濾波法 該方法

4、基于排序統(tǒng)計(jì)理論一種能有效抑制噪聲非線性平滑濾波信號處理技術(shù)。中值濾波特點(diǎn)即是首先確定一個(gè)以某個(gè)像素為中心點(diǎn)鄰域，一般為方形鄰域，也可認(rèn)為圓形、十字形等等，然后將鄰域中各像素灰度值排序，取其中間值作為中心像素灰度新值，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)、線和尖頂多圖像不宜采取中值濾波。很輕易自適應(yīng)化。基于Matlab的數(shù)字圖像處理降噪方法第8頁9試驗(yàn)結(jié)果基于Matlab的數(shù)字圖像處理降噪方法第9頁/10/10基于離散余弦變換圖像去燥 我們普通認(rèn)為圖像噪聲在離散余弦變換結(jié)果中處于其高頻部分，而高頻部分幅值普通很小，利用這一性質(zhì)

5、，就能夠?qū)崿F(xiàn)去噪。變換去除高頻噪聲反變換。然而，這么同時(shí)會失去圖像部分細(xì)節(jié)。只能對圖像進(jìn)行“粗糙”去噪,保留圖像平滑部分與主要信息，對于細(xì)節(jié)要求高不適用。我們來看一下試驗(yàn)結(jié)果基于Matlab的數(shù)字圖像處理降噪方法第10頁11試驗(yàn)結(jié)果基于Matlab的數(shù)字圖像處理降噪方法第11頁/10/10基于小波變換圖像去噪 此次試驗(yàn)使用Matlab提供用于圖像去噪函數(shù)：wrcoef2其語法格式為： X=wrcoef2(type,C,S,wname)。其中，X=wrcoef2(type,C,S,wname)返回基于小波分解結(jié)構(gòu)，小波重構(gòu)圖像。參數(shù)“type”等于a表示重構(gòu)近似系數(shù)；等于h表示重構(gòu)水平細(xì)節(jié)系數(shù)；

6、等于v表示重構(gòu)垂直細(xì)節(jié)系數(shù)，等于d表示重構(gòu)對角細(xì)節(jié)系數(shù)?；贛atlab的數(shù)字圖像處理降噪方法第12頁13試驗(yàn)結(jié)果基于Matlab的數(shù)字圖像處理降噪方法第13頁14四種方法試驗(yàn)結(jié)果對比圖基于Matlab的數(shù)字圖像處理降噪方法第14頁15經(jīng)過上圖對比我們能夠直觀看出，對于椒鹽噪聲，中值去噪效果總是最好。詳細(xì)客觀參數(shù)評價(jià)有平均絕對誤差，均方誤差，信噪比等，本文不做詳細(xì)統(tǒng)計(jì)對比。結(jié)論基于Matlab的數(shù)字圖像處理降噪方法第15頁主要源代碼I=imread(C:UsersAdministratorDesktop1.jpg);%讀取圖像I = rgb2gray(I);subplot(2,3,1); im

7、show(I);title(原始圖像);J=imnoise(I,salt & pepper,0.2);%加入椒鹽噪聲，密度為0.2subplot(2,3,2); imshow(J);title(加入椒鹽噪聲之后圖像);%采取MATLAB中函數(shù)filter2對受噪聲干擾圖像進(jìn)行均值濾波K1=filter2(fspecial(average,9),J)/255; %模板尺寸為9subplot(2,3,3); imshow(K1);title(均值濾波，尺寸9);K2= medfilt2(J);%采取二維中值濾波函數(shù)medfilt2對受椒鹽噪聲干擾圖像濾波%采取MATLAB中函數(shù)filter2對受噪聲干擾圖像進(jìn)行中值濾波subplot(2,3,4);imshow(K2);title(中值濾波);m,n=size(I); %讀取圖像尺寸Y=dct2(J); A=zeros(m,n); %DCT變換A(1:m/3,1:n/3)=1; Ydct=Y.*A; %高頻屏蔽Y=uint8(idct2(Ydct); %逆DCT變換subplot(2,3