畢業(yè)論文--圖像處理中消除噪聲的方法研究

1、<p><b>　　長 治 學(xué) 院</b></p><p>　　2013屆學(xué)士學(xué)位畢業(yè)論文</p><p>　　圖像處理中消除噪聲的方法研究</p><p>　　學(xué) 號： 09407205 </p><p>　　姓 名： 程曉滿 </p><

2、;p>　　指導(dǎo)教師： 上官晉太 </p><p>　　專 業(yè)： 計算機(jī)科學(xué)與技術(shù) </p><p>　　系 別： 計算機(jī) </p><p>　　完成時間：2013年5月</p><p>　　圖像處理中消除噪聲的方法研究</p><p>　　專業(yè)：計算機(jī)

3、姓名：程曉滿 學(xué)號：09407205</p><p><b>　　指導(dǎo)教師：上官晉太</b></p><p>　　摘要：圖像是人類獲取信息的重要手段之一，圖像在信息傳播過程中所起的作用越來越大。在許多情況下，圖像信息會受到各種各樣噪聲的影響，因為圖像在獲取過程中容易受到器件和周圍環(huán)境的影響，從而使圖像中含有噪聲。噪聲嚴(yán)重時會影響圖像中的有用信息，所以對圖像的噪聲處理

4、的方法就顯得十分重要。本文主要是中值濾波、均值濾波、小波變換方法對圖像噪聲進(jìn)行濾波處理。最后通過Matlab仿真結(jié)果，結(jié)合理論分析和實驗結(jié)果，將三種去噪方法進(jìn)行對比與分析。</p><p>　　關(guān)鍵詞：中值濾波；均值濾波；小波變換；Matlab</p><p><b>　　目 錄</b></p><p><b>　　1 前言1&l

5、t;/b></p><p>　　1.1 選題目標(biāo)1</p><p>　　1.2 國內(nèi)外研究現(xiàn)狀1</p><p><b>　　2 圖像與噪聲1</b></p><p>　　2.1 圖像噪聲的分類1</p><p>　　2.1.1 按干擾源分類1</p><p&g

6、t;　　2.1.2 按對信號的影響分類1</p><p>　　2.2 圖像的質(zhì)量評價2</p><p><b>　　3 圖像去噪2</b></p><p>　　4 常用去噪方法的比較分析3</p><p>　　4.1 中值濾波3</p><p>　　4.1.1 中值濾波的基本原理3&l

7、t;/p><p>　　4.1.2 中值濾波的實現(xiàn)算法4</p><p>　　4.2 均值濾波4</p><p>　　4.2.1 均值濾波的原理4</p><p>　　4.2.2 均值濾波的實現(xiàn)算法5</p><p>　　4.3 小波變換5</p><p>　　4.3.1 小波變換的基本原理

8、5</p><p>　　4.3.2 小波變換的圖像去噪優(yōu)越性5</p><p><b>　　5 實驗仿真6</b></p><p>　　5.1 中值濾波的仿真6</p><p>　　5.2 均值濾波的仿真8</p><p>　　5.3 基于小波變換法的仿真9</p>&l

9、t;p>　　5.4 幾種去噪方法的比較分析13</p><p><b>　　6 結(jié)論14</b></p><p><b>　　參考文獻(xiàn)15</b></p><p><b>　　致謝18</b></p><p><b>　　1 前言</b>&l

10、t;/p><p><b>　　1.1 選題目標(biāo)</b></p><p>　　圖像去噪目的是改善給定的圖像，解決實際圖像由于噪聲干擾而導(dǎo)致圖像質(zhì)量下降的問題。更好地改善圖像的質(zhì)量，在眾多圖像去噪的算法中，不去追求哪一種算法是最好，而是要以實際要求而應(yīng)用不同的方法。有些算法雖然好，但它的實用性不強(qiáng)甚至有限。</p><p>　　1.2 國內(nèi)外研究現(xiàn)狀&

11、lt;/p><p>　　國外研究現(xiàn)狀：在數(shù)字圖像處理的領(lǐng)域里，輸入的質(zhì)量低的圖像，輸出是改善質(zhì)量后的圖像。圖像去噪是圖像分析和計算機(jī)視覺中十分重要的技術(shù)。因此尋找能夠兼顧去噪，保留圖像邊緣及其他特征的圖像的濾波算法是該領(lǐng)域的重點課題。</p><p>　　國內(nèi)研究現(xiàn)狀：我國數(shù)字圖像處理技術(shù)起步較晚，但在學(xué)習(xí)國外技術(shù)的基礎(chǔ)上發(fā)展迅速。</p><p><b>　

12、　2 圖像與噪聲</b></p><p>　　2.1 圖像噪聲的分類</p><p>　　2.1.1 按干擾源分類</p><p>　　圖像噪聲按其干擾源可分為外部噪聲和內(nèi)部噪聲。外部噪聲是指從處理系統(tǒng)外來的影響，如天線干擾或電磁波從電源線串入系統(tǒng)的噪聲。內(nèi)部噪聲主要有四種基本形式：</p><p>　　1)由光和電的基本性質(zhì)引起

13、；</p><p>　　2)機(jī)械運(yùn)動產(chǎn)生的噪聲；</p><p><b>　　3)元器件噪聲；</b></p><p>　　4)系統(tǒng)內(nèi)部電路噪聲；</p><p>　　2.1.2 按對信號的影響分類</p><p><b>　　1)加性噪聲；</b></p>&

14、lt;p><b>　　2)乘性噪聲；</b></p><p>　　2.2 圖像的質(zhì)量評價</p><p>　　如何評價一個圖像經(jīng)過去噪處理后所還原圖像的質(zhì)量，對于我們判斷去噪方法的優(yōu)劣有很重要的意義?，F(xiàn)有的評價方法一般分為主觀和客觀兩種。</p><p><b>　　1）主觀評價</b></p><

15、;p>　　主觀評價通常有兩種:一種是作為觀察者的主觀評價，這是由選定的一組人對圖像直接用肉眼進(jìn)行觀察，然后分別給出其對所觀察的圖像的質(zhì)量作好或壞的評價，再綜合全組人的意見給出一個綜合結(jié)論</p><p><b>　　2）客觀評價</b></p><p>　　圖像質(zhì)量的客觀評價由于著眼點不同而有多種方法，這里介紹的是一種經(jīng)常使用的所謂的逼真度測量。對于彩色圖像逼真

16、度的定量表示是一個十分復(fù)雜的問題。目前應(yīng)用得較多的是對黑白圖像逼真度的定量表示。</p><p><b>　　3 圖像去噪</b></p><p><b>　　常用去噪方法有:</b></p><p><b>　　1)中值濾波</b></p><p>　　中值濾波是常用的非線性

17、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)。中值濾波器在算法設(shè)計上使與周圍像素灰度值相差較大的點處理后能與周圍的像素灰度值比較接近，因此可以衰減隨機(jī)噪聲，尤其是脈沖噪聲等，并且在處理時不是簡單的取均值，產(chǎn)生的模糊要少的多，即中值濾波既能消除噪聲，還能保持圖像中的細(xì)節(jié)部分，防止邊緣模糊。</p><p><b>　　2)均值濾波</b></p><p>　　均值濾波

18、是典型的線性濾波算法，它是指在圖像上對目標(biāo)像素給一個模板，該模板包括了其周圍的臨近像素。再用模板中的全體像素的平均值來代替原來像素值。均值濾波器是一種典型的線性去噪方法，因為其運(yùn)算簡單快速，同時又能夠較為有效地去除高斯噪聲。</p><p><b>　　3)小波變換</b></p><p>　　小波變換是一種窗口大小固定但其形狀可改變的時頻局部化分析方法。小波變換利用

19、非均勻的分辨率，即在低頻段用高的頻率分辨率和低的時間分辨率（寬的分析窗口）；而在高頻段利用低的頻率分辨率和高的時間分辨率（窄的分析窗口），這樣就能有效地從信號（如語言、圖像等）中提取信息，較好地解決了時間和頻率分辨率的矛盾。利用小波變換,噪聲信息大多集中在次低頻、次高頻、以及高頻子塊中,特別是高頻子塊,幾乎以噪聲信息為主。為此,將高頻子塊置為零,對次低頻和次高頻子塊進(jìn)行一定的抑制,則可以達(dá)到一定的噪聲去除效果。</p>&

20、lt;p>　　4 常用去噪方法的比較分析</p><p><b>　　4.1 中值濾波</b></p><p>　　中值濾波是一種非線性濾波，由于它在實際運(yùn)算過程中并不需要圖像的統(tǒng)計特性，所以比較方便。中值濾波首先是被應(yīng)用在一維信號處理技術(shù)中，后來被二維圖像信號處理技術(shù)所應(yīng)用。在一定的條件下，可以克服線性濾波器所帶來的圖像細(xì)節(jié)模糊，而且對濾除脈沖干擾及圖像掃描噪

21、聲最為有效。但是對一些細(xì)節(jié)多，特別是點、線、尖頂細(xì)節(jié)多的圖像不宜采用中值濾波的方法。</p><p>　　4.1.1 中值濾波的基本原理</p><p>　　中值濾波的基本原理是把數(shù)字圖像或數(shù)字序列中一點的值用該點的一個鄰域中各點值的中值代替。</p><p>　　設(shè)有一個一維序列，，…，，取窗口長度為m(m為奇數(shù))，對此序列進(jìn)行中值濾波，就是從輸入序列中相繼抽出m

22、個數(shù)，，…，，…，，…，，…，，其中為窗口的中心位置，，再將這m個點按其數(shù)值大小排列，取其序號為正中間的那作為濾波輸出。用數(shù)學(xué)公式表示為: </p><p><b>　　(1)</b></p><p>　　例如：有一個序列為{0，3，4，0，7}，則中值濾波為重新排序后的序列{0，0，3，4，7}中間的值為3。</p><p>　　對于二維序列

23、進(jìn)行中值濾波時，濾波窗口也是二維的，但這種二維窗口可以有各種不同的形狀，如線狀、方形、圓形、十字形、圓環(huán)形等。二維數(shù)據(jù)的中值濾波可以表示為： </p><p><b>　　(3)</b></p>

24、;<p>　　在實際使用窗口時，窗口的尺寸一般先用3×3再取5×5逐漸增大，直到其濾波效果滿意為止。對于有緩變的較長輪廓線物體的圖像，采用方形或圓形窗口為宜，對于包含尖頂角物體的圖像，適宜用十字形窗口。使用二維中值濾波最值得注意的是保持圖像中有效的細(xì)線狀物體。與平均濾波器相比，中值濾波器從總體上來說，能夠較好地保留原圖像中的躍變部分。</p><p>　　4.1.2 中值濾波的實

25、現(xiàn)算法</p><p>　　1)通過從圖像中的某個采樣窗口取出奇數(shù)個數(shù)據(jù)進(jìn)行排序；</p><p>　　2)用排序后的中值取代要處理的數(shù)據(jù)即可。</p><p>　　中值濾波法對消除椒鹽噪音非常有效，在光學(xué)測量條紋圖像的相位分析處理方法中有特殊作用，但在條紋中心分析方法中作用不大。中值濾波在圖像處理中,常用于用來保護(hù)邊緣信息,是經(jīng)典的平滑噪聲的方法。</p&g

26、t;<p><b>　　4.2 均值濾波</b></p><p>　　均值濾波是典型的線性濾波算法，它是指在圖像上對目標(biāo)像素給一個模板，該模板包括了其周圍的臨近像素。再用模板中的全體像素的平均值來代替原來像素值。均值濾波器是一種典型的線性去噪方法，因為其運(yùn)算簡單快速，同時又能夠較為有效地去除高斯噪聲。</p><p>　　4.2.1 均值濾波的原理<

27、;/p><p>　　均值濾波也稱為線性濾波，其采用的主要方法為領(lǐng)域平均法。線性濾波的基本原理是用均值代替原圖像中的各個像素值，即對待處理的當(dāng)前像素點（x，y），選擇一個模板，該模板由其近鄰的若干像素組成，求模板中所有像素的均值，再把該均值賦予當(dāng)前像素點（x，y），作為處理后圖像在該點上的灰度值u（x，y），即</p><p>　　u（x，y）=1/m ∑f（x，y）

28、 ①</p><p>　　m為該模板中包含當(dāng)前像素在內(nèi)的像素總個數(shù)。</p><p>　　4.2.2 均值濾波的實現(xiàn)算法</p><p>　　均值濾波將每個像素點的灰度值設(shè)置為以該點為中心的鄰域窗口內(nèi)的所有像素灰度值的平均值，以實現(xiàn)像素的平滑，達(dá)到圖像去噪的目的。設(shè)輸入圖像信號為f(x,y),去噪處理后的輸出圖像為g(x,y),則有</p>&l

29、t;p>　　g(x,y)= | f(x,y)- u (x,y)| ② </p><p>　　通過上式可以達(dá)到消除信號噪聲的目的，但對于其中的每一個灰度值來說，都需要按照式①求取以該點中心的鄰域窗口內(nèi)所有像素的平均值，對長度為(2n+1)的信號來說，需要進(jìn)行(2n+1)次加法、一次乘法、一次除法。所以說，均值計算占用了均值濾波處理的大量時間費用。</p><p>

30、;<b>　　4.3 小波變換</b></p><p>　　4.3.1 小波變換的基本原理</p><p>　　小波變換具有很強(qiáng)的去數(shù)據(jù)相關(guān)性,它能夠使信號的能量在小波域集中在一些大的小波系數(shù)中;而噪聲的能量卻分布于整個小波域內(nèi).因此,經(jīng)小波分解后,信號的小波系數(shù)幅值要大于噪聲的系數(shù)幅值.可以認(rèn)為,幅值比較大的小波系數(shù)一般以信號為主，而幅值比較小的系數(shù)在很大程度上是噪

31、聲.于是,采用閾值的辦法可以把信號系數(shù)保留,而使大部分噪聲系數(shù)減小至零.小波閾值收縮法去噪的具體處理過程為:將含噪信號在各尺度上進(jìn)行小波分解,設(shè)定一個閾值，幅值低于該閾值的小波系數(shù)置為0,高于該閾值的小波系數(shù)或者完全保留,或者做相應(yīng)的“收縮(shrinkage)”處理.最后將處理后獲得的小波系數(shù)用逆小波變換進(jìn)行重構(gòu),得到去噪后的圖像.</p><p>　　4.3.2 小波變換的圖像去噪優(yōu)越性</p>

32、<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>　　1）低熵性。由于小波系數(shù)的稀疏分布，使得圖像經(jīng)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)特征，如邊緣、尖峰、斷點等，可在不同分辨率下根據(jù)信號和噪聲分布的特點去噪。</p><p>　　2）去相關(guān)特性。

33、小波變換可以對信號去相關(guān)，是信號的能量集中于少數(shù)幾個小波系數(shù)上，而噪聲能量分布于大部分小波系數(shù)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>　　3）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(yīng)用對象選用不同的小波函數(shù)，以獲得最佳的效果</p><p><b>　　5 實驗仿真</b></p><p&g

34、t;　　本章仿真時選取一張黑白圖片“2010-03-09-2.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(shù)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(chǎn)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(jìn)行仿真，將應(yīng)用中值濾波法、均值濾波法和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(jìn)行比較，從而得到相應(yīng)結(jié)論。</p>

35、<p>　　5.1 中值濾波的仿真 </p><p>　　本節(jié)選用中值濾波法對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。</p><p>　　1）給圖像加入均值為0，方差為0.02的高斯噪聲，分別選擇3×3模板、5×5模板和7×7模板進(jìn)行去噪</p><p>　　Matlab部分代碼：</p&g

36、t;<p>　　j=imnoise(I,'gaussian',0,0.02);</p><p>　　x=j(:,:,1);</p><p>　　subplot(221);</p><p>　　imshow(x);</p><p>　　title('高斯噪聲圖片');</p><

37、p>　　k1=medfilt2(x,[3 3]);</p><p>　　k2=medfilt2(x,[5 5]);</p><p>　　k3=medfilt2(x,[7 7]);</p><p>　　仿真結(jié)果如圖1所示:</p><p>　　圖1 中值濾波法對高斯噪聲去噪的仿真結(jié)果</p><p>　　2）給圖像

38、加入噪聲密度為0.02的椒鹽噪聲，分別選擇3×3模板、5×5模板和7×7模板進(jìn)行去噪。</p><p>　　Matlab部分代碼：</p><p>　　i=imread('2010-03-09-2.bmp');</p><p>　　j=imnoise(I,'salt & pepper',0.02)

39、;</p><p>　　x=j(:,:,1);</p><p>　　subplot(221);</p><p>　　imshow(x);</p><p>　　title('椒鹽噪聲圖片');</p><p>　　k1=medfilt2(x,[3 3]);</p><p>　　k2

40、=medfilt2(x,[5 5]);</p><p>　　k3=medfilt2(x,[7 7]);</p><p>　　仿真結(jié)果如圖2所示:</p><p>　　圖2 中值濾波法對椒鹽噪聲去噪的仿真結(jié)果</p><p>　　從仿真結(jié)果可以看出：對圖像加入椒鹽噪聲后，應(yīng)用中值濾波，如圖2所示，噪聲的斑點幾乎全部被濾去，它對濾除圖像的椒鹽噪聲

41、非常有效。而對于高斯噪聲來說，如圖1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)算簡單，易于實現(xiàn)，而且能較好地保護(hù)邊界，但有時會失掉圖像中的細(xì)線和小塊區(qū)域。并且采用窗口的大小對濾波效果影響很大，窗口越大，圖像去噪效果越好，但代價是模糊的程度越大。</p><p>　　5.2 均值濾波的仿真</p><p>　　本節(jié)選用均值濾波法對含有高斯噪聲和椒鹽噪聲的圖片進(jìn)行去噪，并用

42、Matlab軟件仿真</p><p>　　1）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=imnoise(x,'gaussian',0,0.02);</p><p>　　h=ones(3,3); </p><

43、p><b>　　h=h/9;</b></p><p>　　k=conv2(j,h); </p><p>　　仿真結(jié)果如圖3所示：</p><p>　　圖3 均值濾波法對高斯噪聲去噪的仿真結(jié)果</p><p>　　2）給圖像加入噪聲密度為0.02的椒鹽噪聲，選擇3×3模板去噪</p><

44、p>　　Matlab部分代碼：</p><p>　　j=imnoise(x,'salt & pepper',0.02);</p><p>　　h=ones(3 3);</p><p><b>　　h=h/9;</b></p><p>　　k=conv2(j,h);</p>&l

45、t;p>　　仿真結(jié)果如圖4所示：</p><p>　　圖4 均值濾波對椒鹽噪聲去噪的仿真結(jié)果</p><p>　　從仿真結(jié)果可以看出：均值濾波實現(xiàn)起來很方便，適用于消除圖像中的顆粒噪聲，但需要指出這種方法既平滑了圖像信號，同時使圖像的細(xì)節(jié)部分變得模糊。由以上處理后的圖像可以看到：均值濾波法消弱了圖像的邊緣，使圖像變得有些模糊。如圖3所示，均值濾波對高斯噪聲的抑制是比較好的，但對椒鹽噪

46、聲的抑制作用不好，如圖4所示，椒鹽噪聲仍然存在，只不過被削弱了而已。為了改善均值濾波細(xì)節(jié)對比度不好、區(qū)域邊界模糊的缺陷，常用門限法來抑制椒鹽噪聲和保護(hù)細(xì)小紋理，用加權(quán)法來改善圖像的邊界模糊，用選擇平均的自適應(yīng)技術(shù)來保持圖像的邊界。</p><p>　　5.3 基于小波變換法的仿真</p><p>　　本節(jié)選用模糊小波變換法對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。&

47、lt;/p><p>　　1）給圖像加入均值為0，方差為0.02的高斯噪聲，用小波函數(shù)coif2對圖象進(jìn)行2層分解，選擇3×3模板去噪</p><p>　　Matlab部分代碼：</p><p>　　function y=zishiying(x)</p><p>　　x11=medfilt2(x,[3 3]); </p>

48、;<p>　　x12=double(x11);</p><p>　　[a,b]=size(x12);</p><p>　　[c,s]=wavedec2(x12,3,'coif2'); </p><p>　　n=[1,2,3]; </p><p>　　p4=0.02*(sqrt(2*l

49、og(a*b))); </p><p>　　size(detcoef2('h',c,s,1)); </p><p>　　size(detcoef2('v',c,s,1));</p><p>　　size(detcoef2('d',c,s,1));</p><p>　　p1(1)=detcoef

50、2('h',c,s,1);</p><p>　　p2(1)=detcoef2('v',c,s,1);</p><p>　　p3(1)=detcoef2('d',c,s,1);</p><p>　　p1(2)=detcoef2('h',c,s,2); </p><p>　

51、　p2(2)=detcoef2('v',c,s,2);</p><p>　　p3(2)=detcoef2('d',c,,s,2);</p><p>　　for i=1:1:2 </p><p>　　p1(i)=1/((p1(i)-p4)^2+1); </p><p>　　if p1(

52、i)>=p4 </p><p>　　p1(i)=sign(p1(i))*(abs(p1(i))-p1(i)*p4);</p><p><b>　　else</b></p><p><b>　　p1(i)=0;</b></p><p><b>　　e

53、nd</b></p><p>　　if p2(i)>=p4</p><p>　　p2(i)=sign(p2(i))*(abs(p2(i))-p2(i)*p4);</p><p><b>　　else</b></p><p><b>　　p2(i)=0;</b></p>

54、<p><b>　　end</b></p><p>　　if p3(i)>=p4</p><p>　　p3(i)=sign(p3(i))*(abs(p3(i))-p3(i)*p4);</p><p><b>　　else</b></p><p><b>　　p3(i)=0

55、;</b></p><p><b>　　end</b></p><p><b>　　end </b></p><p>　　仿真結(jié)果如圖5所示：</p><p>　　圖5 小波變換法對高斯噪聲去噪的仿真結(jié)果</p><p>　　2）給圖像加入噪聲密度為0.02的

56、椒鹽噪聲，選擇3×3模板去噪</p><p>　　Matlab部分代碼：</p><p>　　function y=zishiying(x)</p><p>　　x11=medfilt2(x,[3 3]); </p><p>　　x12=double(x11);</p><p>　　[a,b]=siz

57、e(x12);</p><p>　　[c,s]=wavedec2(x12,3,'coif2'); </p><p>　　n=[1,2,3]; </p><p>　　p4=0.02*(sqrt(2*log(a*b))); </p><p>　　size(detcoef2('h',c,

58、s,1)); </p><p>　　size(detcoef2('v',c,s,1));</p><p>　　size(detcoef2('d',c,s,1));</p><p>　　p1(1)=detcoef2('h',c,s,1);</p><p>　　p2(1)=detcoef2(

59、9;v',c,s,1);</p><p>　　p3(1)=detcoef2('d',c,s,1);</p><p>　　p1(2)=detcoef2('h',c,s,2); </p><p>　　p2(2)=detcoef2('v',c,s,2);</p><p>　　p3(2

60、)=detcoef2('d',c,,s,2);</p><p>　　for i=1:1:2 </p><p>　　p1(i)=1/((p1(i)-p4)^2+1); </p><p>　　if p1(i)>=p4 </p><p>　　p1(i)=sign(

61、p1(i))*(abs(p1(i))-p1(i)*p4);</p><p><b>　　else</b></p><p><b>　　p1(i)=0;</b></p><p><b>　　end</b></p><p>　　if p2(i)>=p4</p>

62、<p>　　p2(i)=sign(p2(i))*(abs(p2(i))-p2(i)*p4);</p><p><b>　　else</b></p><p><b>　　p2(i)=0;</b></p><p><b>　　end</b></p><p>　　if p3

63、(i)>=p4</p><p>　　p3(i)=sign(p3(i))*(abs(p3(i))-p3(i)*p4);</p><p><b>　　else</b></p><p><b>　　p3(i)=0;</b></p><p><b>　　end</b></p

64、><p><b>　　end </b></p><p>　　仿真結(jié)果如圖6所示：</p><p>　　圖6 小波變換法對椒鹽噪聲去噪的仿真結(jié)果</p><p>　　從仿真結(jié)果可以看出：為驗證本文算法的濾波效果，對加入不同噪聲的圖像進(jìn)行了濾波測試。從視覺來看，自適應(yīng)模糊小波變換算法在保持細(xì)節(jié)和去噪兩方面效果最好。在平滑高斯

65、噪聲和有脈沖噪聲的圖像去噪效果都很顯著。本算法相對于其它幾種算法其效果都有明顯的改進(jìn)，既能夠很好地消除噪聲，又能夠較好地保持圖像邊緣細(xì)節(jié)，而且算法簡單，易于實現(xiàn)。目前使用比較廣泛。</p><p>　　5.4 幾種去噪方法的比較分析</p><p>　　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的模糊，在有效清除顆粒噪聲的同時，又能

66、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2所示。當(dāng)窗口在圖像中上下左右進(jìn)行移動后，利用中值濾波算法可以很好地對圖像進(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。中值濾波對椒鹽噪聲特別有效，取得了很好的效果，而對高斯噪聲效果不佳。對一些復(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改善單純中

67、值濾波的一些不足，從而達(dá)到更好的濾波效果。</p><p>　　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。即對待處理的當(dāng)前像索點，選擇一個模板，該模板由其近鄰M個像素組成，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)算簡單，對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

68、能在平滑噪聲的同時，必定也會模糊信號的細(xì)節(jié)和邊緣，即在消除噪聲的同時也會對圖像的高頻細(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。均值濾波時高斯噪聲抑制是比較好的，但對椒鹽噪聲的抑制作用不好，椒鹽噪聲仍然存在，只不過被削弱了而已，如仿真結(jié)果圖4所示。為了改善均值濾波細(xì)節(jié)對比度不好、區(qū)域邊界模糊的缺陷，常用門限法來抑制椒鹽噪聲和保護(hù)細(xì)小紋理，用加權(quán)法來改善圖像的邊界模糊，用

69、選擇平均的自適應(yīng)技術(shù)來保持圖像的邊界。</p><p>　　小波變換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， 它可以使一個信號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)上的信號或噪聲的幅值。這就意味著對小波系數(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， 然后運(yùn)用小波逆變換

70、， 得到去噪后的重建圖像。如圖5、6所示，使用小波變換都得到了較好的消噪效果。</p><p><b>　　6 結(jié)論</b></p><p>　　在當(dāng)代高度信息化的社會里，圖形和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(chǎn)生的噪聲，保證圖像受污染度最小，成了數(shù)字圖像處理領(lǐng)域里的重要部分。本文的主要工作就是研究四種常用去噪方法：中值濾波法、均

71、值濾波法和小波變換法的原理，利用Matlab仿真軟件對三種方法編寫代碼，對一張圖片做去噪處理，得出以下結(jié)論：</p><p>　　1）中值濾波是常用的非線性濾波方法，對椒鹽噪聲特別有效，取得了很好的效果，而對高斯噪聲效果不佳。</p><p>　　2）均值濾波是典型的線性濾波，對高斯噪聲的抑制是比較好的，但對椒鹽噪聲的抑制作用不好，椒鹽噪聲仍然存在，只不過被削弱了而已。</p>

72、<p>　　3）小波變換去噪方法是研究最廣泛的方法。對小波系數(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，效果最好。</p><p><b>　　參考文獻(xiàn)</b></p><p>　　陳武凡.小波分析及其在圖像處理中的應(yīng)用[J].北京:科學(xué)出版社,2002:123-126.</p><p>　　孫延奎.小波分析及

73、其應(yīng)用[M].北京:機(jī)械工業(yè)出版社,2005.</p><p>　　梁學(xué)章等.小波分析[J].國防工業(yè)出版社,2005:45.</p><p>　　楊晉生,蔡靖等.一種具有魯棒性的基于小波變換的濾波方法[J].電子與信息學(xué)報,2002：413-417．</p><p>　　章毓晉.圖像處理和分析[M].北京:清華大學(xué)出版社,1999.</p><

74、p>　　宋玲珍.基于小波變換的自適應(yīng)圖像去噪算法[J].河南:河南大學(xué)研究生碩士學(xué)位論文，2006:21-22.</p><p>　　繆紹綱.數(shù)字圖像處理活用Matlab[M].成都:西南交通大學(xué)出版社,2001.</p><p>　　(美)岡薩雷斯(Rafael Gonzalez),伍茲(Richard E.Woods),艾丁斯(Steven L.Eddins).數(shù)字圖像處理MAT

75、LAB版[M].北京:電子工業(yè)出版社,2005.</p><p>　　胡文.小波分析理論與MATLAB7實現(xiàn)[M].北京:電子工業(yè)出版社,2005.</p><p>　　阮秋琦.數(shù)字圖像處理學(xué)[M].北京:電子工業(yè)出版社,2007.</p><p>　　余成波.數(shù)字圖像處理及Matlab實現(xiàn)[M].重慶:重慶大學(xué)出版社,2003.</p><p&

76、gt;　　勒中鑫.數(shù)字圖像信息處理[M].北京:國防工業(yè)出版社,2003.</p><p>　　朱秀昌,劉峰.數(shù)字圖像處理與圖像通信[M].北京:北京郵電大學(xué)出版社,2002.</p><p>　　Study on the methods of</p><p>　　eliminating noise in image processing</p>&l

77、t;p>　　Discipline: Major Name: Cheng xiao man </p><p>　　Student ID: 09407205 Supervisor: Shang guan jin tai</p><p>　　Abstract:Image is one of the important means of human access to inform

78、ation, and image in the dissemination of information in the process of the. In many cases, the image information will be affected by all kinds of noise, because of the influence of images easily in the acquisition proces

79、s by the device and the surrounding environment, so that the noise in images. Will affect the useful information of image noise is serious, so the method of noise in the image processing is very important. This</p>

80、<p>　　Keyword:median filter; mean filter; wavelet transform ; Matlab </p><p><b>　　致謝</b></p><p>　　本文是在上官老師的悉心指導(dǎo)和親切關(guān)懷下完成的。本學(xué)期開始畢業(yè)設(shè)計以來，上官老師在學(xué)習(xí)、生活和工作上所給予我的關(guān)懷和幫助，特別是他嚴(yán)謹(jǐn)?shù)闹螌W(xué)風(fēng)范和獻(xiàn)身教育與