matlab圖像去噪算法的研究畢業(yè)論文

1、<p><b>　　摘 要</b></p><p>　　在信息化的社會里，圖像在信息傳播中所起的作用越來越大。所以，消除在圖像采集和傳輸過程中而產生的噪聲，保證圖像受污染度最小，成了數字圖像處理領域里的重要部分。</p><p>　　本文主要研究分析鄰域平均法、中值濾波法、維納濾波法及模糊小波變換法的圖像去噪算法。首先介紹圖像處理應用時的常用函數及其用法；其

2、次詳細闡述了四種去噪算法原理及特點；最后運用Matlab軟件對一張含噪圖片（含高斯噪聲或椒鹽噪聲）進行仿真去噪，通過分析仿真結果得出：均值濾波是典型的線性濾波，對高斯噪聲抑制是比較好的；中值濾波是常用的非線性濾波方法，對椒鹽噪聲特別有效；維納濾波對高斯噪聲有明顯的抑制作用；對小波系數進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。</p><p>　　關鍵詞：鄰域平均法；中值濾波；維納濾波；小波變換

3、</p><p><b>　　Abstract</b></p><p>　　In the information society, the image in the information transmission is used more and more widely. Therefore, ensuring the minimum of the noise an

4、d pollution in the process of image collection and transmission became an important part of the field.</p><p>　　This paper mainly analysis and discuss the neighborhood average method, median filtering method

5、, wiener filtering method and the fuzzy wavelet transform method of image denoising algorithm. Firstly introduce the common image processing functions and its applications. Secondly elaborate the principles and character

6、istics of the four denoising algorithm. Finally using Matlab software to a noise images (including gaussian noise or salt & pepper noise), and getting some conclusions from the simulati</p><p>　　Key word

7、s：Average neighborhood；Median filter；Wiener filtering；Wavelet transform</p><p><b>　　目 錄</b></p><p><b>　　第1章 概 述1</b></p><p>　　1.1 課題研究背景1</p><p&

8、gt;　　1.2 圖像去噪的研究現狀1</p><p>　　1.3 本文主要工作2</p><p>　　第2章 Matlab簡介4</p><p>　　2.1 Matlab概況4</p><p>　　2.2 Matlab發(fā)展過程4</p><p>　　2.3 Matlab的語言特點5</p>

9、<p>　　2.4 Matlab圖像處理常用函數7</p><p>　　2.5 本章小結8</p><p>　　第3章 圖像去噪算法9</p><p>　　3.1 圖像噪聲概述9</p><p>　　3.2 鄰域平均法圖像去噪10</p><p>　　3.3 中值濾波法圖像去噪14</p&g

10、t;<p>　　3.4 維納濾波法圖像去噪19</p><p>　　3.5 基于模糊小波變換法圖像去噪21</p><p>　　3.6 本章小結26</p><p>　　第4章 基于Matlab的圖像去噪算法仿真27</p><p>　　4.1 鄰域平均法的仿真27</p><p>　　4.2

11、中值濾波的仿真28</p><p>　　4.3 維納濾波的仿真31</p><p>　　4.4 基于模糊小波變換法的仿真32</p><p>　　4.5 幾種去噪方法的比較分析35</p><p>　　4.6 本章小結36</p><p><b>　　結 論37</b></p&g

12、t;<p><b>　　參考文獻38</b></p><p><b>　　致 謝39</b></p><p><b>　　概 述</b></p><p><b>　　課題研究背景</b></p><p>　　21世紀，人類已經進入了信息化

13、時代，計算機在處理各種信息中發(fā)揮著重要作用。據統(tǒng)計，人類從自然界獲取的信息中，視覺信息占75%~85%。俗話說“百聞不如一見”，有些場景或事物，不管花費多少筆墨都難以表達清楚，然而，若用一幅圖像描述，可以做到一目了然?？梢?，在當代高度信息化的社會中，圖形和圖像在信息傳播中所起的作用越來越大，在圖像處理領域，數字圖像處理得到了飛速發(fā)展。</p><p>　　圖像是信息社會人們獲取信息的重要來源之一。在通過圖像傳感器

14、將現實世界中的有用圖像信號進行采集、量化、編碼、傳輸、恢復的過程中，存在大量影響圖像質量的因素。因此圖像在進行使用之前，一般都要經過嚴格的預處理如去噪、量化、壓縮編碼等。噪聲的污染直接影響著對圖像邊緣檢測、特征提取、圖像分割、模式識別等處理，使人們不得不從各種角度進行探索以提高圖像的質量。所以采用適當的方法盡量消除噪聲是圖像處理中一個非常重要的預處理步驟。圖像處理技術在20世紀首先應用于圖像的遠距離傳送，而改善圖像質量的應用開始于196

15、4年美國噴氣動力實驗室用計算機對“徘徊者七號”太空船發(fā)回的月球照片進行處理，并獲得巨大成功?，F在圖像處理技術已深入到科學研究、軍事技術、工農業(yè)生產、醫(yī)學、氣象及天文學等領域?？茖W家利用人造衛(wèi)星可以獲得地球資源照片、氣象情況；醫(yī)生可以通過X射線或CT對人體各部位的斷層圖像進行分析。但在許多情況下圖像信息會受到各種各樣噪聲的影響，嚴重時會影響圖像中的有用信息，所以對圖像的噪聲處理就顯得十分重要。</p><p>&l

16、t;b>　　圖像去噪的研究現狀</b></p><p>　　圖像處理中，輸入的是質量低的圖像，輸出的是改善質量后的圖像。常用的圖像處理方法有圖像增強、復原、編碼、壓縮等[1]。光學相干層析成像是近些年來發(fā)展較快的一種層析成像技術。因為其對生物組織無輻射損傷、具有微米級的分辨率、高探測靈敏度和越來越快的掃描速率等優(yōu)點，在醫(yī)學診斷病變組織方面，尤其是對生物組織活體檢測具有誘人的應用前景[2]。由于噪

17、聲干擾的存在，這些生理信號可能失真[3]。甚至面目全非，這給圖像信息帶來了難度。因此，就必須對含噪圖像進行處理，改善圖像質量。最大程度上顯現信號本身的特點。</p><p>　　在所處理的圖像中，相鄰像素的灰度之間大多具有很高的相關性，也就是說，一幅圖像中大多數像素的灰度差別不大[4]。因為這種灰度相關性的存在，一般圖像的能量主要集中在低頻區(qū)域中，只有圖像的細節(jié)部分的能量才處于高頻區(qū)域中。因為在圖像的數字化和傳輸

18、中常有噪聲出現，而這部分干擾信息主要集中在高頻區(qū)域內，所以消除噪聲的一般方法是衰減高頻分量或稱低通濾波，但與之同時帶來的負面影響是圖像的細節(jié)也有一定的衰減，從視覺效果上來看圖像比處理前模糊。一個較好的去噪方法應該是既能消去噪聲對圖像的影響又不使圖像細節(jié)變模糊[5]。</p><p>　　為了改善圖像質量，從圖像中提取有效信息，必須對圖像進行去噪預處理。根據噪聲的頻譜分布的規(guī)律和統(tǒng)計特征以及圖像的特點，出現了多種多

19、樣的去噪方法。經典去噪方法有：空間域合成法、頻域合成法和最優(yōu)線性合成法等[6]。與之相適應的出現了許多應用方法：如均值濾波器、中值濾波器、低通濾波器、維納濾波器、最小失真法等[7]。這些方法廣泛應用，促進數字信號處理的極大發(fā)展。顯著提高了圖像質量。近年來，小波變換去除噪聲的方法得到廣泛的應用[8]。與傳統(tǒng)的去噪方法相比。它利用的是非線性域值，在時間域和頻率域同時具有良好的局部化性質，而且時窗和頻窗的寬度可以調節(jié)。對高頻成分采用逐漸精細的

20、時域或空域取樣步長，從而可以聚焦到對象的任意細節(jié)。因此可以提高散斑高散射特性的噪聲對比度，很好的消除散斑噪聲[9]。小波變換去除噪聲的方法在不斷地發(fā)展，去噪方法很多，如非線性小波變換閾值法去噪、小波變換模極大值去噪及基于小波變換域的尺度相關性去噪法等。</p><p><b>　　本文主要工作</b></p><p>　　圖像在獲取和傳輸過程中，往往受到噪聲的干擾，而

21、降噪的目的是盡可能保持原始信號主要特征的同時，除去信號中的噪聲。目前的圖像去噪方法可以將圖像的高頻成分濾除，雖然能夠達到降低噪聲的效果，但同時破壞了圖像細節(jié)。邊緣特性是圖像最為有用的細節(jié)信息，本文對鄰域平均法、中值濾波法、維納濾波法及模糊小波變換法的圖像去噪算法進行了研究分析和討論。</p><p>　　第2章 Matlab簡介：介紹軟件Matlab的概況、發(fā)展歷程、語言特點、圖像處理應用時的常用函數及其用法。&

22、lt;/p><p>　　第3章 圖像去噪算法：簡要說明了圖像噪聲的概念及分類，詳細闡述了鄰域平均法、中值濾波法、維納濾波法及模糊小波變換法的去噪原理及特點。</p><p>　　第4章 基于Matlab的圖像去噪算法仿真：根據鄰域平均法、中值濾波法、維納濾波法及模糊小波變換法原理分析，運用Matlab仿真軟件編寫代碼，對一張含噪圖片（含高斯噪聲或椒鹽噪聲）進行仿真去噪，并對結果分析討論，比較幾

23、種方法的優(yōu)缺點。</p><p><b>　　Matlab簡介</b></p><p><b>　　Matlab概況</b></p><p>　　Matlab(Matrix Laboratory)為美國Mathworks公司1983年首次推出的一套高性能的數值分析和計算軟件，其功能不斷擴充，版本不斷升級，目前的最新版本為7

24、.1版。Matlab將矩陣運算、數值分析、圖形處理、編程技術結合在一起，為用戶提供了一個強有力的科學及工程問題的分析計算和程序設計工具，它還提供了專業(yè)水平的符號計算、文字處理、可視化建模仿真和實時控制等功能，是具有全部語言功能和特征的新一代軟件開發(fā)平臺。</p><p>　　Matlab已發(fā)展成為適合眾多學科，多種工作平臺、功能強大的大型軟件。在歐美等國家的高校，Matlab已成為線性代數、自動控制理論、數理統(tǒng)計

25、、數字信號處理、時間序列分析、動態(tài)系統(tǒng)仿真等高級課程的基本教學工具。成為攻讀學位的本科、碩士、博士生必須掌握的基本技能。在設計研究單位和工業(yè)開發(fā)部門，Matlab被廣泛的應用于研究和解決各種具體問題。在中國，Matlab也已日益受到重視，短時間內就將盛行起來，因為無論哪個學科或工程領域都可以從Matlab中找到合適的功能。</p><p>　　當今的信息化社會，圖像是人類賴以獲取信息的最重要的來源之一。隨著計算機

26、技術的迅猛發(fā)展，圖像技術與計算機技術不斷融合，產生了一系列圖像處理軟件，如VC、Matlab，這些軟件的廣泛應用為圖像技術的發(fā)展提供了強大的支持。Matlab已成為國際公認的最優(yōu)秀的科技應用軟件之一，具有編程簡單、數據可視化功能強、可操作性強等特點，而且配有功能強大、專業(yè)函數豐富的圖像處理工具箱，是進行圖像處理方面工作必備的軟件工具。</p><p>　　Matlab發(fā)展過程 </p><p

27、>　　Matlab名字由MATrix和LABoratory 兩詞的前三個字母組合而成。那是20世紀七十年代后期的事：時任美國新墨西哥大學計算機科學系主任的Cleve Moler教授出于減輕學生編程負擔的動機，為學生設計了一組調用LINPACK和EISPACK庫程序的“通俗易用”的接口，此即用FORTRAN編寫的萌芽狀態(tài)的Matlab。</p><p>　　經幾年的校際流傳，在Little的推動下，由Litt

28、le、Moler、Steve Bangert合作，于1984年成立了MathWorks公司，并把MATLAB正式推向市場。從這時起，Matlab的內核采用C語言編寫，而且除原有的數值計算能力外，還新增了數據圖視功能。</p><p>　　Matlab僅短短幾年，就以其良好的開放性和運行的可靠性，使原先控制領域里的封閉式軟件包。在時間進入20世紀九十年代的時候，Matlab已經成為國際控制界公認的標準計算軟件。&l

29、t;/p><p>　　MathWorks公司于1993年推出Matlab4.0版本，從此告別DOS版。4.X版在繼承和發(fā)展其原有的數值計算和圖形可視能力的同時，出現了以下幾個重要變化：</p><p>　?。?）推出了SIMULINK。這是一個交互式操作的動態(tài)系統(tǒng)建模、仿真、分析集成環(huán)境。它的出現使人們有可能考慮許多以前不得不做簡化假設的非線性因素、隨機因素，從而大大提高了人們對非線性、隨機動

30、態(tài)系統(tǒng)的認知能力。</p><p>　?。?）開發(fā)了與外部進行直接數據交換的組件，打通了Matlab進行實時數據分析、處理和硬件開發(fā)的道路。</p><p>　?。?）推出了符號計算工具包。1993年MathWorks公司從加拿大滑鐵盧大學購得Maple的使用權，以Maple為“引擎”開發(fā)了Symbolic Math Toolbox 1.0。</p><p>　?。?/p>

31、4）構作了Notebook 。MathWorks公司瞄準應用范圍最廣的Word，運用DDE和OLE，實現了MATLAB與Word的無縫連接，從而為專業(yè)科技工作者創(chuàng)造了融科學計算、圖形可視、文字處理于一體的高水準環(huán)境。</p><p>　　1997年仲春，Matlab5.0版問世，現今的Matlab擁有更豐富的數據類型和結構、更友善的面向對象、更加快速精良的圖形可視、更廣博的數學和數據分析資源、更多的應用開發(fā)工具。

32、誠然，到1999年底，Mathematica也已經升到4.0版，它特別加強了以前欠缺的大規(guī)模數據處理能力。</p><p>　　在國際學術界，Matlab已經被確認為準確、可靠的科學計算標準軟件。在許多國際一流學術刊物上，（尤其是信息科學刊物），都可以看到Matlab的應用。在設計研究單位和工業(yè)部門，Matlab被認作進行高效研究、開發(fā)的首選軟件工具。</p><p>　　Matlab的語

33、言特點 </p><p>　　Matlab語言有如下特點：</p><p><b>　?。?）編程效率高</b></p><p>　　它是一種面向科學與工程計算的高級語言，允許用數學形式的語言編寫程序，且比Basic、Fortran和C等語言更加接近我們書寫計算公式的思維方式，用Matlab編寫程序猶如在演算紙上排列出公式與求解問題。因此，M

34、atlab語言也可通俗地稱為演算紙式科學算法語言由于它編寫簡單，所以編程效率高，易學易懂。</p><p><b>　?。?）用戶使用方便</b></p><p>　　Matlab語言是一種解釋執(zhí)行的語言（在沒被專門的工具編譯之前），它靈活、方便，其調試程序手段豐富，調試速度快，需要學習時間少。Matlab語言與其它語言相比，較好地解決了上述問題，把編輯、編譯、連接和

35、執(zhí)行融為一體。它能在同一畫面上進行靈活操作快速排除輸入程序中的書寫錯誤、語法錯誤以至語意錯誤，從而加快了用戶編寫、修改和調試程序的速度，可以說在編程和調試過程中它是一種比VB還要簡單的語言。</p><p><b>　?。?）擴充能力強 </b></p><p>　　高版本的Matlab語言有豐富的庫函數，在進行復雜的數學運算時可以直接調用，而且Matlab的庫函數同

36、用戶文件在形成上一樣，所以用戶文件也可作為Matlab的庫函數來調用。因而，用戶可以根據自己的需要方便地建立和擴充新的庫函數，以便提高Matlab使用效率和擴充它的功能。</p><p>　?。?）語句簡單，內涵豐富</p><p>　　Mat1ab語言中最基本最重要的成分是函數，不同數目的輸入變量（包括無輸入變量）及不同數目的輸出變量，代表著不同的含義（有點像面向對象中的多態(tài)性）。這不僅

37、使Matlab的庫函數功能更豐富，而大大減少了需要的磁盤空間，使得Matlab編寫的M文件簡單、短小而高效。</p><p>　?。?）高效方便的矩陣和數組運算</p><p>　　Matlab語言規(guī)定了矩陣的算術運算符、關系運算符、邏輯運算符、條件運算符及賦值運算符，而且這些運算符大部分可以毫無改變地照搬到數組間的運算，有些如算術運算符只要增加“·”就可用于數組間的運算。它不需

38、定義數組的維數，并給出矩陣函數、特殊矩陣專門的庫函數，使之在求解諸如信號處理、建模、系統(tǒng)識別、控制、優(yōu)化等領域的問題時，顯得大為簡捷、高效、方便。</p><p>　?。?）方便的繪圖功能</p><p>　　Matlab的繪圖是十分方便的，它有一系列繪圖函數，例如線性坐標、對數坐標，半對數坐標及極坐標，均只需調用不同的繪圖函數，在圖上標出圖題、XY軸標注，格（柵）繪制也只需調用相應的命令

39、，簡單易行。另外，在調用繪圖函數時調整自變量可繪出不變顏色的點、線、復線或多重線。這種為科學研究著想的設計是通用的編程語言所不及的。</p><p>　　總之，Matlab語言的設計思想可以說代表了當前計算機高級語言的發(fā)展方向。相信在不斷使用中會發(fā)現它的巨大潛力。 </p><p>　　Matlab圖像處理常用函數</p><p>　　Matlab7.0為用戶在進

40、行圖像處理中提供了一些常用的函數：</p><p>　?。?）文件的讀入與顯示</p><p>　　函數imread作用是讀入文件，其調用格式如下：</p><p>　　[X,map]=imread(filename,fmt)，其中，filename為需要讀入圖像的文件名。fmt為圖像格式。</p><p>　　函數imshow作用是顯示文件

41、，其語法格式如下：</p><p>　　imshow(BW)</p><p>　　imshow(X,map)</p><p><b>　　（2）計算二維卷積</b></p><p>　　函數conv2格式：</p><p>　　C=conv2(A,B) 作用是算矩陣A和B的卷積。</p>

42、;<p>　?。?）噪聲及其噪聲的 Matlab實現</p><p>　　函數imnoise 格式：</p><p>　　J=imnoise(I,type)</p><p>　　J=imnoise(I,type,parameter) 返回對圖像I添加典型噪聲后的有噪圖像J，參數 type和parameter用于確定噪聲的類型和相應的參數。</p&

43、gt;<p>　?。?）二維離散小波變換</p><p><b>　　函數dwt2格式：</b></p><p>　　[cA,cH,cV,cD]=dwt2(X,'wname') 是使用指定的小波基函數 “wname”對二維信號X進行二維離散小波變換，cA，cH，cV，cD分別為近似分量、水平細節(jié)分量、垂直細節(jié)分量和對角細節(jié)分量。</

44、p><p>　　[cA,cH,cV,cD]=dwt2(X,Lo_D,Hi_D) 是使用指定的分解低通和高通濾波器 Lo_D和Hi_D分解信號X。</p><p>　?。?）二維信號的多層小波分解</p><p>　　函數wavedec2 格式：</p><p>　　[C,S]=wavedec2(X,N,'wname') 使用小波

45、基函數 “wname”對二維信號X進行N層分解。</p><p>　　[C,S]=wavedec2(X,N,Lo_D,Hi_D) 使用指定的分解低通和高通濾波器 Lo_D 和 Hi_D 分解信號X。</p><p>　?。?）二維離散小波反變換</p><p>　　函數idwt2格式：</p><p>　　X=idwt2(cA,cH,cV,c

46、D,'wname') 由信號小波分解的近似信號 cA 和細節(jié)信號 cH、cH、cV、cD 經小波反變換重構原信號X。</p><p>　　X=idwt2(cA,cH,cV,cD,Lo_R,Hi_R) 使用指定的重構低通和高通濾波器 Lo_R 和 Hi_R重構原信號X。</p><p>　　X=idwt2(cA,cH,cV,cD,'wname',S) 返回中心

47、附近的 S 個數據點。</p><p>　?。?）二維信號的多層小波重構</p><p>　　函數waverec2格式：</p><p>　　X=waverec2(C,S,'wname') 由多層二維小波分解的結果C、S重構原始信號X。</p><p>　　X=waverec2(C,S,Lo_R,Hi_R) 使用重構低通和高通

48、濾波器Lo_R和Hi_R重構原信號。</p><p><b>　　本章小結</b></p><p>　　本章主要內容是對Matlab軟件的概況進行介紹，回顧Matlab發(fā)展歷程，總結Matlab語言特點，并針對本文編寫仿真代碼時需要的常見函數的用法做出詳細的介紹。</p><p><b>　　圖像去噪算法</b></

49、p><p><b>　　圖像噪聲概述</b></p><p><b>　　圖像噪聲的概念</b></p><p>　　噪聲可以理解為“妨礙人們感覺器官對所接收的信源信息理解的因素”。例如一幅黑白圖片，其平面亮度分布假定為，那么對其接收起干擾作用的亮度分布即可稱為圖像噪聲。但是，噪聲在理論上可以定義為“不可預測，只能用概率統(tǒng)計方

50、法來認識的隨機誤差”。因此將圖像噪聲看成是多維隨機過程是合適的，因而描述噪聲的方法完全可以借用隨機過程的描述，即用其概率分布函數和概率密度分布函數[10]。但在很多情況下，這樣的描述方法是很復雜的，甚至是不可能的。而實際應用往往也不必要。通常是用其數字特征，即均值方差，相關函數等。因為這些數字特征都可以從某些方面反映出噪聲的特征。 </p><p>　　目前大多數數字圖像系統(tǒng)中，輸入圖像都是采用先凍結再掃描方式將

51、多維圖像變成一維電信號，再對其進行處理、存儲、傳輸等加工變換。最后往往還要在組成多維圖像信號，而圖像噪聲也將同樣受到這樣的分解和合成。在這些過程中電氣系統(tǒng)和外界影響將使得圖像噪聲的精確分析變得十分復雜。另一方面圖像只是傳輸視覺信息的媒介，對圖像信息的認識理解是由人的視覺系統(tǒng)所決定的。不同的圖像噪聲，人的感覺程度是不同的，這就是所謂人的噪聲視覺特性課題。</p><p>　　圖像噪聲在數字圖像處理技術中的重要性越來

52、越明顯，如高放大倍數航片的判讀，X射線圖像系統(tǒng)中的噪聲去除等已經成為不可缺少的技術步驟。</p><p><b>　　圖像噪聲的分類</b></p><p>　　圖像噪聲按其產生的原因可以分為：</p><p>　　外部噪聲，即指系統(tǒng)外部干擾以電磁波或經電源串進系統(tǒng)內部而引起的噪聲。如電氣設備，天體放電現象等引起的噪聲。 </p>

53、<p>　　內部噪聲：一般又可分為以下四種： </p><p>　?。?）由光和電的基本性質所引起的噪聲。如電流的產生是由電子或空穴粒子的集合，定向運動所形成。因這些粒子運動的隨機性而形成的散粒噪聲；導體中自由電子的無規(guī)則熱運動所形成的熱噪聲；根據光的粒子性，圖像是由光量子所傳輸，而光量子密度隨時間和空間變化所形成的光量子噪聲等。</p><p>　?。?）電器的機械運動產生的

54、噪聲。如各種接頭因抖動引起電流變化所產生的噪聲；磁頭、磁帶等抖動或一起的抖動等。</p><p>　?。?）器材材料本身引起的噪聲。如正片和負片的表面顆粒性和磁帶磁盤表面缺陷所產生的噪聲。隨著材料科學的發(fā)展，這些噪聲有望不斷減少，但在目前來講，還是不可避免的。</p><p>　?。?）系統(tǒng)內部設備電路所引起的噪聲。如電源引入的交流噪聲；偏轉系統(tǒng)和箝位電路所引起的噪聲等。</p>

55、;<p>　　圖像噪聲從統(tǒng)計理論觀點可以分為平穩(wěn)和非平穩(wěn)噪聲兩種。在實際應用中，不去追究嚴格的數學定義，這兩種噪聲可以理解為：其統(tǒng)計特性不隨時間變化的噪聲稱其為平穩(wěn)噪聲。其統(tǒng)計特性隨時間變化而變化的稱其為非平穩(wěn)噪聲。</p><p><b>　　鄰域平均法圖像去噪</b></p><p><b>　　模板操作和卷積運算</b><

56、;/p><p>　　模板操作是數字圖像處理中常用的一種運算方式，圖像的平滑、銳化、細化、邊緣檢測等都要用到模板操作。例如，有一種常見的平滑算法是將原圖中的一個像素的灰度值和它周圍鄰近8個像素的灰度值相加，然后將求得的平均值作為新圖像中該像素的灰度值?？捎萌缦路椒▉肀硎驹摬僮鳎?lt;/p><p><b>　?。?-1）</b></p><p>　　上式

57、有點類似矩陣，通常稱之為模板（Template），帶星號的數據表示該元素為中心元素，即這個元素是將要處理的元素。如果模板為：</p><p><b>　?。?-2）</b></p><p>　　該操作的含義是：將原圖中的一個像素的灰度值和它右下相鄰的8個像素值相加，然后將求得的平均值作為新圖像中該像素的灰度值。</p><p>　　圖3-1 卷

58、積處理過程</p><p>　　模板操作實現了一種鄰域運算，即某個像素點的結果不僅和本像素灰度有關，而且和其鄰域點的值有關。模板運算的數學含義是卷積（或互相關）運算。</p><p>　　卷積是一種用途很廣的算法，可用卷積來完成各種變換，圖3-1說明了卷積的處理過程。</p><p>　　卷積運算中的卷積核就是模板運算中的模板，卷積就是做加權求和的過程。鄰域中的每個

59、像素（假定鄰域為3×3大小，卷積核大小與鄰域相同），分別和卷積核中的每一個元素相乘，乘積求和所得的結果即為中心像素的新值。卷積核中的元素稱作加權系數（亦稱為卷積系數），卷積核中的系數大小及排列順序，決定了對圖像進行區(qū)處理的類型。改變卷積核中的加權系數，會影響到總和的數值與符號，從而影響到所求像素的新值。</p><p>　　在模板或卷積的加權運算中，還存在一些具體問題需要解決：首先是圖像邊界問題，當在圖

60、像上移動模板（卷積核）至圖像邊界時，在原圖像中找不到與卷積核中的加權系數相對應的9個像素，即卷積核懸掛在圖像緩沖區(qū)的邊界上，這種現象在圖像的上下左右四個邊界上均會出現。例如，當模板為</p><p><b>　?。?-3）</b></p><p><b>　　設原圖像為</b></p><p><b>　?。?-

61、4）</b></p><p>　　經過模板操作后的圖像為</p><p><b>　?。?-5）</b></p><p>　　“—”表示無法進行模板操作的像素點。</p><p>　　解決這個問題可以采用兩種簡單的方法：一種方法是忽略圖像邊界的數據，另一種方法是在圖像四周復制原圖像邊界像素值，從而使卷積核懸掛

62、在圖像四周時可以進行正常的計算。實際應用中，多采用第一種方法。</p><p><b>　　鄰域平均法原理</b></p><p>　　鄰域平均法是一種利用Box模板對圖像進行模板操作（卷積操作）的圖像平滑方法，所謂Box模板是指模板中所有系數都取相同值的模板，常用的3×3和5×5模板如下：</p><p><b>

63、;　?。?-6）</b></p><p>　　中間的黑點表示以該像素為中心元素，即該像素是要進行處理的像素。Box模板對當前像素及其相鄰的像素點都一視同仁，統(tǒng)一進行平均處理，這樣就可以濾去圖像中的噪聲。例如，用3×3Box模板對一幅數字圖像處理結果，如圖3-2所示（圖中計算結果按四舍五入進行了調整，對邊界像素不進行處理）。</p><p>　　圖3-2 3×

64、3Box模板平滑處理示意圖</p><p>　　最簡單的平滑濾波是將原圖中一個像素的灰度值和它周圍鄰近像素的灰度值相加，然后將求得的平均值作為新圖中該像素的灰度值。它采用模板計算的思想，模板操作實現了一種鄰域運算，即某個像素點的結果不僅與本像素灰度有關，而且與其鄰域點的像素值有關。</p><p>　　設為給定的含有噪聲的圖像，經過鄰域平均處理后的圖像為 ，則鄰域平均法也可以用數學公式表達

65、：</p><p><b>　?。?-7）</b></p><p>　　式中：x， y=0，1，2，…，N-1；S是以為中心的鄰域的集合，M是S內的點數。</p><p>　　鄰域平均法的思想是通過一點和鄰域內的像素點求平均來去除突變的像素點，從而濾掉一定的噪聲，其主要在實際應用中，也可以根據不同的需要選擇使用不同的模板尺寸，如3×

66、3、5×5、7×7、9×9等。鄰域平均處理方法是以圖像模糊為代價來減小噪聲的，且模板尺寸越大，噪聲減小的效果越顯著。如果是噪聲點，其鄰近像素灰度與之相差很大，采用鄰域平均法就是用鄰近像素的平均值來代替它，這樣能明顯消弱噪聲點，使鄰域中灰度接近均勻，起到平滑灰度的作用。因此，鄰域平均法具有良好的噪聲平滑效果，是最簡單的一種平滑方法。</p><p><b>　　中值濾波法圖像

67、去噪</b></p><p>　　中值濾波是一種非線性信號處理方法，與其對應的中值濾波器也就是一種非線性濾波器。中值濾波器于1971提出并應用在一維信號時間序列分析中，后來被二維圖像信號處理技術所引用。它在一定條件下可以克服線性濾波器（如鄰域平滑濾波等）所帶來的圖像細節(jié)模糊，而且對濾除脈沖干擾及圖像掃描噪聲最為有效。在實際運算過程中并不需要圖像的統(tǒng)計特性，這也帶來不少方便。但是對一些細節(jié)多，特別是點、

68、線、尖頂細節(jié)多的圖像不宜采用中值濾波。</p><p>　　由于中值濾波是一種非線性運算，對隨機輸入信號的嚴格數學分析比較復雜，下面采用直觀的方法簡要介紹中值濾波的原理。</p><p><b>　　中值濾波原理</b></p><p>　　中值濾波就是用一個奇數點的移動窗口，將窗口中心點的值用窗口內個點的中值代替。假設窗口內有五點，其值為80

69、、90、200、110、120，那么此窗口內各點的中值即為110。</p><p>　　設有一個一維序列，取窗口長度（點數）為m（m為奇數），對其進行中值濾波，就是從輸入序列中相繼抽出m個數（其中為窗口的中心點值，），再將這m個點按其數值大小排序，取其序號為中心點的那個數作為濾波輸出。用數學公式表示為：</p><p><b>　?。?-8）</b></p>

70、;<p>　　例如，有一序列{0，0，3，4，7}，則Med{0，0，3，4，7}=3。此列若用平滑濾波，窗口也是取5，那么平滑濾波輸出為(0+3+4+0+7)/5=2.8。</p><p>　　圖3-3使用內含5個像素的窗口對離散階躍函數、斜坡函數、脈沖函數以及三角函數進行中值濾波和平均值濾波的示例。左邊一列為原波形，中間為平均值濾波結果，右邊為中值濾波結果?？梢钥闯?，中值濾波器不影響階躍函數和斜

71、坡函數。周期小于m/2（窗口之半）的脈沖受到抑制，另外三角函數的頂部變平。</p><p>　　圖3-3 中值濾波和平均值濾波比較</p><p>　　a)階躍；b)斜坡；c)單脈沖；d)雙脈沖； e)三脈沖；f)三角波</p><p>　　二維中值濾波可由下式表示：</p><p><b>　?。?-9）</b><

72、;/p><p>　　式中：A為窗口；為二維數據序列。</p><p>　　二維中值濾波的窗口形狀和尺寸對濾波效果影響較大，不同的圖像內容和不同的應用要求，往往采用不同的窗口形狀和尺寸。常用的二維中值濾波窗口有線狀、方形、圓形、十字形以及圓環(huán)形等。窗口尺寸一般先用3×3，再取5×5逐漸增大，直到濾波效果滿意為止。就一般經驗來講，對于有緩變的較長輪廓線物體的圖像，采用方形或圓形

73、窗口為宜。對于包含有尖頂物體的圖像，用十字形窗口，而窗口大小則以不超過圖像，用十字形窗口，而窗口大小則以不超過圖像中的最小有效物體的尺寸為宜。如果圖像中點、線、尖角細節(jié)較多，則不宜采用中值濾波。</p><p><b>　　中值濾波主要特性</b></p><p>　?。?）對某些輸入信號中值濾波的不變性</p><p>　　對某些特定的輸入信

74、號，如在窗口內單調增加或減少的序列，中值濾波輸出信號仍保持輸入信號不變，即：或，則。</p><p>　　a) b)</p><p>　　圖3-4 中值濾波不變性示例 </p><p>　　a)原始圖像；b)中值濾波輸出</p><p>　　一維中值濾波這種

75、不變性可以從圖3-3中a)和b)上看出來。二維中值濾波的不變性如圖3-4所示。它不但與輸入信號有關，而且還與窗口形狀有關。一般與窗口對頂角連線垂直的邊緣線保持不變性。利用這個特點，可以使中值濾波既能去除圖像中的噪聲，又能保持圖像中一些物體的邊緣。</p><p>　　對于一些周期性的數據序列，中值濾波對此序列保持不變性。例如，下列一維周期性的數序列</p><p>　　若設窗口長度為9，則

76、中值濾波對此序列保持不變性。對于二維周期序列不變性，如周期網狀結構圖案，分析起來就更復雜了，可以通過試驗改變窗口形狀和尺寸來獲取。</p><p>　?。?）中值濾波去噪聲性能</p><p>　　對于零均值正態(tài)分布的噪聲輸入，中值濾波輸出的噪聲方差近似為</p><p><b>　　（3-10）</b></p><p>

77、;　　式中：為輸入噪聲功率（方差），為中值濾波窗口長度（點數），為輸入噪聲均值，為輸入噪聲密度函數。</p><p>　　而均值濾波的輸出噪聲方差為</p><p><b>　?。?-11）</b></p><p>　　比較兩公式，可以看出，中值濾波的輸出與輸入噪聲的密度分布有關。對隨機噪聲的抑制能力，中值濾波比均值濾波要差一些。但對脈沖干擾，

78、特別是脈沖寬度小于m/2、相距較遠的窄脈沖干擾，中值濾波的效果較好。</p><p>　?。?）中值濾波的頻譜特性</p><p>　　設G為輸入信號頻譜，F為輸出信號頻譜，定義中值濾波的頻率響應特性為</p><p><b>　?。?-12） </b></p><p>　　試驗表明，中值濾波頻譜特性起伏不大，其均值比較

79、平坦?？梢哉J為信號經中值濾波后，頻譜基本不變。這一特點對設計和使用中值濾波器很有意義。</p><p><b>　　復合型中值濾波</b></p><p>　　對一些內容復雜的圖像，可以使用復合型中值濾波。如中值濾波線性組合、高階中值濾波組合、加權中值濾波以及迭代中值濾波等。</p><p>　?。?）中值濾波的線性組合是將幾種窗口尺寸大小和形

80、狀不同的中值濾波器復合使用，只要個窗口都與中心對稱，濾波輸出可保持幾個方向上的邊緣跳變，而且跳變幅度可調節(jié)。其線性組合方程如下：</p><p><b>　?。?-13）</b></p><p><b>　　式中：為窗口。</b></p><p>　?。?）高階中值濾波組合如下式所示：</p><p&g

81、t;<b>　?。?-14）</b></p><p>　　式中：為不同中值濾波的系數，為窗口。</p><p>　　這種中值濾波可以使輸入圖像中任意方向的線條保持不變。例如，可選擇圖3-5中的4種線性窗口，用上式組合的中值濾波，可以使輸入圖像中各種方向線條保持不變，而且又有一定的噪聲平滑性能。</p><p>　　圖3-5 幾種線性窗口<

82、/p><p>　?。?）其他類型的中值濾波：為了在一定的條件下盡可能去除噪聲，又有效保持圖像細節(jié)，可以對中值濾波器參數進行修正，如加權中值濾波，也就是對輸入窗口進行加權。也可以是對中值濾波器的使用方法進行變化，保證濾波的效果，還可以和其他濾波器聯合使用。</p><p><b>　　維納濾波法圖像去噪</b></p><p><b>　　

83、維納濾波原理</b></p><p>　　從連續(xù)的（或離散的）輸入數據中濾除噪聲和干擾以提取有用信息的過程稱為濾波，這是信號處理中經常采用的主要方法之一，具有十分重要的應用價值，而相應的裝置稱為濾波器。根據濾波器的輸出是否為輸入的線性函數，可將它分為線性濾波器和非線性濾波器兩種。 </p><p>　　常用的濾波器是采用電感、電容等分立元件構成，如RC低通濾波器、LC諧振回路等

84、。但對于混在隨機信號中的噪聲濾波，這些簡單的電路就不是最佳濾波器，這是因為信號與噪聲均可能具有連續(xù)的功率譜。不管濾波器具有什么樣的頻率響應，均不可能做到噪聲完全濾掉，信號波形的不失真。因此，濾波器研究的一個基本課題就是：如何設計和制造最佳的或最優(yōu)的濾波器。所謂最佳濾波器是指能夠根據某一最佳準則進行濾波的濾波器。</p><p>　　20世紀40年代，維納奠定了關于最佳濾波器研究的基礎。即假定線性濾波器的輸入為有用

85、信號和噪聲之和，兩者均為廣義平穩(wěn)過程且知它們的二階統(tǒng)計特性，維納根據最小均方誤差準則（濾波器的輸出信號與需要信號之差的均方值最?。?，求得了最佳線性濾波器的參數，這種濾波器被稱為維納濾波器。在維納研究的基礎上，人們還根據最大輸出信噪比準則、統(tǒng)計檢測準則以及其他最佳準則求得的最佳線性濾波器。實際上，在一定條件下，這些最佳濾波器與維納濾波器是等價的。因而，討論線性濾波器時，一般均以維納濾波器作為參考。維納濾波是40年代在線性濾波理論方面所取得

86、的最重要的成果。 </p><p>　　利用平穩(wěn)隨機過程的相關特性和頻譜特性對混有噪聲的信號進行濾波的方法，1942年美國科學家維納為解決對空射擊的控制問題所建立從噪聲中提取引號波形的各種估計方法中，維納濾波是一種最基本的方法，適用于需要從噪聲中分離出的有用信號是整個信號（波形），而不只是它的幾個參量，如圖3-6所示。 </p><p>　　設維納濾波器的輸入為含噪聲的隨機信號。期望輸出與

87、實際輸出之間的差值為誤差，對該誤差求均方，即為均方誤差。因此均方誤差越小，噪聲濾除效果就越好。為使均方誤差最小，關鍵在于求沖激響應。如果能夠滿足維納－霍夫方程，就可使維納濾波器達到最佳。根據維納－霍夫方程，最佳維納濾波器的沖激響應，完全由輸入自相關函數以及輸入與期望輸出的互相關函數所決定。</p><p>　　圖3-6 維納濾波去除背景噪聲</p><p><b>　　維納濾波器

88、特性</b></p><p>　　設計維納濾波器的問題，可歸結為從維納-霍夫積分方程中解出未知函數。的拉普拉斯變換就是所要決定的維納濾波器的傳遞函數。對于一般問題，維納-霍夫方程往往不易求解。但當給定問題的隨機過程的功率譜密度是有理分式函數時，的顯式解就可比較容易地定出。根據求得的即可構造所需的維納濾波器，而信號的最優(yōu)估值則可由相應關系式定出。</p><p>　　維納濾波器的

89、優(yōu)點是適應面較廣，無論平穩(wěn)隨機過程是連續(xù)的還是離散的，是標量的還是向量的，都可應用。對某些問題，還可求出濾波器傳遞函數的顯式解，并進而采用由簡單的物理元件組成的網絡構成維納濾波器。維納濾波器的缺點是，要求得到半無限時間區(qū)間內的全部觀察數據的條件很難滿足，同時它也不能用于噪聲為非平穩(wěn)的隨機過程的情況，對于向量情況應用也不方便。因此，維納濾波在實際問題中應用不多。 </p><p>　　實現維納濾波的要求是： <

90、;/p><p>　?。?）輸入過程是廣義平穩(wěn)的；</p><p>　?。?）輸入過程的統(tǒng)計特性是已知的。根據其他最佳準則的濾波器亦有同樣要求 ，然而，由于輸入過程取決于外界的信號、干擾環(huán)境，這種環(huán)境的統(tǒng)計特性常常是未知的、變化的，因而難以滿足上述兩個要求。這就促使人們研究自適應濾波器。</p><p>　　基于模糊小波變換法圖像去噪</p><p&g

91、t;<b>　　小波變換基本理論</b></p><p>　　小波變換是一種信號的時間一尺度（時間–頻率）分析方法，它具有多分辨率分析的特點，而且在時頻兩域都具有表征信號局部特征的能力，是一種窗口大小固定不變但其形狀可改變，時間窗和頻率窗都可以改變的時頻局部化分析方法。即在低頻部分具有較高的頻率分辨率和較低的時間分辨率，在高頻部分具有較高的時間分辨率和較低的頻率分辨率，很適合于探測正常信號中

92、夾帶的瞬時反常現象并展示其成分，所以被譽為分析信號的顯微鏡，實現了信號分析中“既見森林，又見樹木”的理想境界[11]。</p><p>　?。?）一維信號小波變換分解與重構</p><p>　　如圖3-7第一層小波變換分解將信號分解為低頻部分和高頻部分，且信號長度是原信號長度的一半。往下層次的分解都是針對低頻部分，而高頻細節(jié)部分則不再繼續(xù)分解。且每次分解得到的低頻和高頻信號的長度減半，相當

93、于在濾波后進行了“二抽一采樣”。</p><p>　　圖3-7 一層小波分解</p><p>　　如此分解N次，最終得到第N層上的小波分解結果，它包含了原始信號從低到高的頻率信息，且每個序列同時含有一定頻率上原始信號的全部時間信息，因而小波譜上的每一點既含有時間信息，又含有頻率信息，具有時頻局部化特征。將信號分解到小波域以后，就可對不同頻段內的小波系數進行分析處理，如可對我們感興趣的某一頻

94、段進行重構，對小波系數進行濾波，去噪，數據壓縮，奇異性檢測以及故障信號的特征提取等。</p><p>　　（2）二維圖像小波變換分解與重構</p><p>　　經過二維小波變換，可以將原圖像逐級分離，分離成具有不同尺度的子圖像（見圖3-8）。原圖經小波變換后生成四個分量部分:低頻分量LL，保留了原圖的大部分信息：高頻分量LH（水平方向）、HL（垂直方向）、HH（對角線方向），均包含了邊緣、

95、區(qū)域輪廓等細節(jié)信息。多分辨小波變換還可以把圖像分解到更低分辨率水平上，只對LL進行下一級的小波分解，得到由低頻的輪廓信息和原信號在水平、垂直和對解線方向高頻部分的細節(jié)信息組成，每一次分解均使得圖像的分辨率變?yōu)樵盘柕囊话搿?lt;/p><p><b>　　a)分解</b></p><p><b>　　b)重構</b></p><p

96、>　　圖3-8 二維小波分解與重構</p><p>　　小波變換的圖像去噪優(yōu)越性</p><p>　　具體來說，小波去噪方法的成功主要得益于小波具有如下特點：</p><p>　?。?）低熵性。由于小波系數的稀疏分布，使得圖像經小波變換后的熵明顯降低，多分辨率特性。由于采用了多分辨率的方法，所以小波變換可以在不同尺度上描述信號的局部特征，很好地刻畫信號非平穩(wěn)特

97、征，如邊緣、尖峰、斷點等，可在不同分辨率下根據信號和噪聲分布的特點去噪。</p><p>　　（2）去相關特性。小波變換可以對信號去相關，是信號的能量集中于少數幾個小波系數上，而噪聲能量分布于大部分小波系數上，即噪聲在變換后有白化趨勢，所以小波域比時域更利于去噪。</p><p>　?。?）選基靈活性。由于小波變換可以靈活選擇小波基，從而可針對不同的應用對象選用不同的小波函數，以獲得最佳的

98、效果。</p><p>　　基于小波變換的自適應模糊閾值法原理</p><p>　?。?）Donoho閾值消噪算法及其不足</p><p>　　小波閾值圖像去噪的基本思想是：</p><p>　　①先對含噪信號做小波變換，選擇合適的小波和小波分解層數，得到相應的小波系數；</p><p>　?、趯Ψ纸獾玫降男〔ㄏ禂颠M行

99、閾值處理，得出估計小波系數，盡可能小，為原始信號的小波變換系數；</p><p>　　③利用進行小波重構，得到估計信號， 即為去噪后的圖像信號。</p><p>　　對觀測圖像信號，其中為原始信號，為方差為的噪聲。對進行小波分解之后，所對應的各尺度上的小波系數在某些特定的位置有較大的值，這些點對應于原始信號的奇變位置和重要信息，而其它大部分位置的值較小，對于噪聲，它所對應的小波系數在

100、每一尺度上是均勻分布的，而且值較小，并隨著尺度的增加，其幅值有所減小。取，（N為信號長度），采用硬閾值和軟閾值對小波系數進行閾值處理：</p><p>　　硬閾值法 : （3-15）</p><p>　　軟閾值法: （3-16）<

101、;/p><p>　　這兩種方法易于實現，可快速地得到估計小波系數，在實際中得到了廣泛的應用，但該算法存在不足。從圖3-9看可知，在硬閾值方法中，小波系數在閾值處是不連續(xù)的，這樣，利用重構所得的信號會產生振蕩；而由軟閾值方法得到的雖然整體連續(xù)性好，但當時，與總存在恒定的偏差，小波域的分布是一致的，隨著分解尺度的增加，小尺度上的邊緣細節(jié)小波系數一般很小，在濾除噪聲時往往同時濾除了部分邊緣細節(jié)，造成了邊緣模糊；</p

102、><p>　　(a)硬閾值方法 (b)軟閾值方法</p><p>　　圖3-9 硬閾值和軟硬閾值方法</p><p>　　對于脈沖噪聲，噪聲點的相應小波系數一般很大，特別它對于低頻成分的影響很大，因此在小波域內不易濾除。此外，根據小波變換與Lipschitz指數的關系可知，信號和噪聲在不同尺度下的小波變換系數呈現的特性

103、截然相反，即隨著尺度的增大，信號的小波系數增大，而噪聲的小波系數減小。在硬、軟閾值兩種方法，都沒有考慮這一特性，在不同的小波分解尺度上采用相同的閾值，這樣勢必會濾除一些屬于邊緣信號的系數，造成圖像模糊。針對以上不足，本文提出一種簡單并且效果較好的折衷算法——自適應模糊閾值去噪算法。</p><p>　　（2）自適應模糊閾值去噪算法的提出</p><p>　　由于中值濾波(Median F

104、ilter，MF)算法能夠很好地消除脈沖噪聲，保護細節(jié)及邊緣的特性。因此，在本文的改進算法當中，先對含噪圖像進行中值濾波處理得到平滑效果不佳的圖像。具體操作分為二步：噪聲檢測、中值濾波。</p><p>　　為所有像素個數， 為的個數，即噪聲點個數，為受噪聲污染程度。根據噪聲率按式（3-3）采用不同的濾波窗口進行標準中值濾波[11]。</p><p><b>　　（3-17）&l

105、t;/b></p><p>　　①小波系數隨著尺度增加也增大的，表明是邊緣細節(jié)，對此小波系數，保持不變；</p><p>　?、趯τ谄渌男〔ㄏ禂挡捎檬剑?）得到小波系數估計值。</p><p><b>　?。?-18）</b></p><p>　　其中，隨著的增大而減小，為隸屬函數，</p><

106、;p>　　，這樣保證了接近時，趨近于，的整體連續(xù)性得到了保證，從而避免了信號產生振蕩；而且當時，與的偏差越來越小，使重構信號與真實信號的逼近程度提高。在軟閾值算法中，減小了，因此要設法減小此偏差，當的取值介于與之間，使估計出來的小波系數更接近于?；诖怂枷耄陂撝倒烙嫯斨屑尤胍粋€模糊隸屬函數，的取值就介于與之間了，從而獲得更好的去噪效果。Donoho在軟閾值算法中給出的閾值，它在不同尺度上是固定的，在本文改進算法中的閾值取為，其中

107、為噪聲的方差，為離散采樣信號的長度，為分解尺度[12]。</p><p><b>　　含噪圖像</b></p><p><b>　　去噪圖像</b></p><p>　　圖3-10 自適應模糊軟閾值濾波流程圖</p><p>　　綜合上述，自適應模糊軟閾值算法具體步驟如下，算法流程圖如圖3-10所示

108、：</p><p>　?。?）對含噪圖像經過中值濾波得到預處理后的圖像；</p><p>　?。?）對預處理后的圖像進行小波變換，對小波系數采取自適應的處理方式，邊緣細節(jié)的小波系數保持不變，其他小波系數采用模糊軟閾值處理；</p><p>　?。?）對經過（2）處理后的小波系數進行增強處理；</p><p>　　（4）對小波系數進行小波逆變換

109、，得到去噪增強后的圖像[13]。</p><p><b>　　本章小結</b></p><p>　　本章的主要內容是詳細介紹了四種去噪方法：鄰域平均法、中值濾波法、維納濾波法及自適應模糊小波變換法的原理和算法。</p><p>　　基于Matlab的圖像去噪算法仿真</p><p>　　本章仿真時選取一張彩色圖片“201

110、0-03-09-2.bmp”，并在圖片中加入兩種噪聲：高斯噪聲和椒鹽噪聲。所謂高斯噪聲是指它的概率密度函數服從高斯分布的一類噪聲。椒鹽噪聲是由圖像傳感器、傳輸信道、解碼處理等產生的黑白相間的亮暗點噪聲，屬于非平穩(wěn)噪聲。本章利用Matlab軟件對含噪圖像的去噪算法進行仿真，將應用鄰域平均法、中值濾波法、維納濾波法和模糊小波變換法對含有高斯噪聲和椒鹽噪聲圖像的去噪效果進行比較，從而得到相應結論。</p><p>&l

111、t;b>　　鄰域平均法的仿真</b></p><p>　　本節(jié)選用鄰域平均法對含有高斯噪聲和椒鹽噪聲的圖片進行去噪，并用Matlab軟件仿真。</p><p>　?。?）給圖像加入均值為0，方差為0.02的高斯噪聲，選擇3×3模板去噪</p><p>　　Matlab部分代碼：</p><p>　　j=imnois

112、e(x,'gaussian',0,0.02);</p><p>　　h=ones(3,3); </p><p><b>　　h=h/9;</b></p><p>　　k=conv2(j,h); </p><p>　　仿真結果如圖4-1所示。</p><p>　　圖4-1 鄰域平均法