matlab数字图像处理源代码.pdf

数字图像去噪典型算法及matlab实现

希望得到大家的指点和帮助

图像去噪是数字图像处理中的重要环节和步骤。去噪效果的好坏直接影响

到后续的图像处理工作如图像分割、边缘检测等。图像信号在产生、传输过

程中都可能会受到噪声的污染，一般数字图像系统中的常见噪声主要有：高

斯噪声（主要由阻性元器件内部产生）、椒盐噪声（主要是图像切割引起的黑

图像上的白点噪声或光电转换过程中产生的泊松噪声）等；

目前比较经典的图像去噪算法主要有以下三种：

均值滤波算法：也称线性滤波，主要思想为邻域平均法，即用几个像素灰度

的平均值来代替每个像素的灰度。有效抑制加性噪声，但容易引起图像模糊，

可以对其进行改进，主要避开对景物边缘的平滑处理。

中值滤波：基于排序统计理论的一种能有效抑制噪声的非线性平滑滤波信号

处理技术。中值滤波的特点即是首先确定一个以某个像素为中心点的邻域，

一般为方形邻域，也可以为圆形、十字形等等，然后将邻域中各像素的灰度

值排序，取其中间值作为中心像素灰度的新值，这里领域被称为窗口，当窗

口移动时，利用中值滤波可以对图像进行平滑处理。其算法简单，时间复杂

度低，但其对点、线和尖顶多的图像不宜采用中值滤波。很容易自适应化。

Wiener维纳滤波：使原始图像和其恢复图像之间的均方误差最小的复原方法，

是一种自适应滤波器，根据局部方差来调整滤波器效果。对于去除高斯噪声

效果明显。

实验一：均值滤波对高斯噪声的效果

I=imread('C:\DocumentsandSettings\Administrator\桌面\1.gif');%读取
图像

J=imnoise(I,'gaussian',0,0.005);%加入均值为0，方差为0.005的高斯噪声

subplot(2,3,1);imshow(I);

title('原始图像');

subplot(2,3,2);imshow(J);

title('加入高斯噪声之后的图像');

%采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波

K1=filter2(fspecial('average',3),J)/255;%模板尺寸为3

K2=filter2(fspecial('average',5),J)/255;%模板尺寸为5

K3=filter2(fspecial('average',7),J)/255;%模板尺寸为7

K4=filter2(fspecial('average',9),J)/255;%模板尺寸为9

subplot(2,3,3);imshow(K1);

title('改进后的图像1');

subplot(2,3,4);imshow(K2);

title('改进后的图像2');

subplot(2,3,5);imshow(K3);

title('改进后的图像3');

subplot(2,3,6);imshow(K4);

title('改进后的图像4');

PS

：filter2用法：filter2用法fspecial函数用于创建预定义的滤波算子，其语法格式为：
h=fspecial(type)
h=fspecial(type,parameters)

参数type制定算子类型，parameters指定相应的参数，具体格式为：
type='average'，为均值滤波，参数为n，代表模版尺寸，用向量表示，默认值

为[3,3]。

type='gaussian'，为高斯低通滤波器，参数有两个，n表示模版尺寸，默认值

为[3,3]，sigma表示滤波器的标准差，单位为像素，默认值为

0.5。

type='laplacian'，为拉普拉斯算子，参数为alpha，用于控制拉普拉斯算子的

形状，取值范围为[0,1]，默认值为0.2。

type='log'，为拉普拉斯高斯算子，参数有两个，n表示模版尺寸，默认值为

[3,3]，sigma为滤波器的标准差，单位为像素，默认值为0.5

type='prewitt'，为prewitt算子，用于边缘增强，无参数。

type='sobel'，为著名的sobel算子，用于边缘提取，无参数。

type='unsharp'，为对比度增强滤波器，参数alpha用于控制滤波器的形状，

范围为[0,1]，默认值为0.2。

据我目测，使用均值滤波去噪（高斯噪声）效果选用的邻域半径越大效果越

好，当然其代价也会更大，另外确切的去噪效果的好坏还需要用SNR等数据

来度量。

实验二：二维自适应维纳滤波对高斯噪声的滤除效果

I=imread('C:\DocumentsandSettings\Administrator\桌面\1.gif');%读取