基于matlab的图像去噪算法设计与实现计算机专业.docx

题目: 基于matlab的图像去噪算法设计与实现 摘 要 随着我们生活水平的提高，科技产品飞速更新换代，在信息传输中，图像传输所占的比重越来越大。但自然噪声会在图像传输时干扰其传输过程，甚至会使图片不能表达其原来的意义。去噪处理就是为了去除图像中的噪声，从而提升图像质量。因此，研究针对噪声的去噪方法是十分必要的。 文中首先分析了几种图像的去噪算法相关知识。有许多类型的图像去噪法，可以分为以下两种方法：空间滤波和频率场滤波。 本文主要介绍了中值滤波、均值滤波、频域低通滤波去噪算法。 首先，嵌入它们的共同功能及其在图像处理应用中的用途。 其次，阐述了一些去噪算法的原理和特点。 最后，matlab用于对图片模拟和去噪。 Matlab仿真结果表明，不同的去噪算法各有优势。在这些去噪算法中，均值滤波是一种较为普遍的线性滤波，一般适用于高斯噪声的类型。中值滤波是一种比较常见的非线性过滤，特别是对于椒盐噪声，使用中值滤波法效果更佳。因此，在对一幅图片进行去噪操作之前，首先要分析噪声的类型以及其产生的原因，然后再选择合适的去噪算法，这样才能达到比较好的去噪效果。 关键词：图像噪声；图像去噪算法；中值滤波；均值滤波；matlab。 Abstract With the improvement of our living standards and the rapid upgrading of technology products, image transmission accounts for a larger proportion in information transmission. However, natural noise will interfere with the transmission process during image transmission, and even the picture cannot express its original meaning. Denoising is done to remove noise from the image and improve image quality. Therefore, it is necessary to study the denoising method for noise. In this paper, the knowledge of several images of denoising algorithms is first analyzed. There are many types of image denoising methods that can be divided into the following two methods: spatial filtering and frequency field filtering. This paper mainly introduces median filtering, mean filtering, and frequency domain low-pass filtering denoising algorithms. First, embed their common features and their use in image processing applications. Secondly, the principles and characteristics of some denoising algorithms are expounded. Finally, matlab is used to simulate and denoise pictures. Matlab simulation results show that different denoising algorithms have their own advantages. Among these denoising algorithms, mean filter is a more general linear filter, which is generally applicable to the type of Gaussian noise. Median filtering is a common non-linear filtering, especially for salt and pepper noise, the use of median filtering method is better.Therefore, before denoising a picture, first analyze the type of noise and the cause of the noise, and then select the appropriate denoising algorithm, in order to achieve a better denoising effect. Key words: Pattern Noise ; Image Denoising Algorithm ; Median Filtering ; Mean filtering ; Matlab. 目 录 摘 要 III Abstract III 第1章 绪论 4 1.1 课题研究背景 4 1.2 国内外研究现状 4 1.3 课题研究重点和思路 5 第2章 Matlab图像处理基础 6 2.1 Matlab概述 6 2.2 Matlab的主要功能 6 2.2.1 数值计算和符号计算功能 6 2.2.2 绘图功能 6 2.2.3 语言体系 7 2.2.4 Matlab工具箱 7 第3章 图像与噪声 9 3.1 什么是图像噪声 9 3.2 图像噪声的分类 9 3.2.1 按噪声产生的原因分类 9 3.2.2 按噪声和信号的关系分类 9 3.2.3 按噪声幅度分布的统计特征分类 10 3.3 图像噪声的特点 11 第4章 空域去噪算法及仿真 12 4.1 均值滤波法 12 4.1.1 均值滤波的基本原理 12 4.1.2 均值滤波的缺点 12 4.2 中值滤波 14 第5章 频域低通滤波 16 5.1 几种常用的低通滤波器 16 5.1.1 理想低通滤波器（ILPF） 16 5.1.2 Butterworth低通滤波器（BLPF） 17 5.1.3 指数低通滤波器（ELPF） 18 5.1.4 梯形低通滤波器（TLPF） 18 5.2 频域低通滤波在Matlab中进行仿真 20 第6章 图像去噪质量评价 24 6.1 主观判断 24 6.2 客观判断 24 6.2.1 均方信噪比（SNR） 24 6.2.1 Matlab中计算 25 第7章 总 结 28 7.1 总 结 28 7.2 展 望 28 参考文献 29 致 谢 31 VI 第1章 绪 论 1.1 课题研究背景 在如今的这个信息时代，图像传输的作用越来越明显。相比于文字载体而言，图像更为直接、明了，且所赋予的内容也更加丰富。可见图像在人类传递信息的整个过程中也发挥了重要的作用。然而在图像的获取和传输过程中，很容易出现图像噪声的情况，图像噪声的存在对人们的视觉感官有着很大的影响，甚至会影响到对图像的获得和理解。因此，对图像进行去噪处理使图像在传输过程中非常重要的一个步骤，图像只有清晰，人眼和计算机才能够采取到其所包含的重要信息。 对图像进行去噪可以分为两类：空间去噪和变换去噪。 就如大家所知道的，在信息传输中，图像载体比较受到欢迎。而图像由各种像素组成，在进行去噪的时候，采用空间去噪法，可以直接处理图像像素。 除了这些之外，常用的方法还包括中值滤波、均值滤波等。变换域去噪法不是直接在图像本身进行去噪，而是图像被变换，然后处理系数以进行处理。 在处理然后对由表格处理的图像进行逆变换之后，公共域变换域去噪基于基于小波变换的傅里叶变换。图像去噪和图像去噪是两个主要类别。 在科研、军事技术、工农业生产、医疗、气象条件这几种领域里都广泛运用到图像处理技术。然而，在很多情况下，图像噪声会影响图像的传输，图像的有效信息也得不到良好的体现。因此，对图像去噪算法进行深入研究，有重要的现实意义。 1.2 国内外研究现状 图像去噪方法可以从不同处理领域的角度划分空间和频率处理方法。然而，空间滤波理论更加成熟，数字分析简单，无信号的噪音不一致无疑是有效的。但是，在图像边缘保护方面，空间域是相对较差的。非线性滤波在运用过程中，主要充分考虑到人们的视觉标准不一，加上最佳滤波的原理的限制，所以非线性滤波可以提高图像分辨率和边缘的保护。 对于传统的空间滤波方法而言，存在着一定的局限性，比如传统的空间滤波方法不能有效地区分信号的高频部分和高频噪声部分。因此，图像信息很容易丢失在过滤高频噪声的过程中，并且，还会导致整个图像失真，影响图像所要表达的重要信息。频域滤波与传统的空间滤波方法相比，就比较具有优势。所谓频域滤波，就是通过频域滤波分析和处理频域中的图像系数。在进行频域滤波去噪之前，要求我们首先将图像转换为频域的图像。在处理频域系数之后，执行逆变换以形成精细图像。傅里叶经典变换将图像转换为空间和频率域，并且，使用此种方法，还可以综合考虑其他问题。因此，频域滤波在传统的数字图像处理中，扮演着重要角色。例如，采样点，数字化系统，卷积滤波器等。并具有优异的特性，如线性度，时移，对称性，频移等。然而，傅立叶变换也是具有局限性的，其不适用于非平稳信号分析，并且只能随时间提供频率特性。为了改善这种差距，才提出了小波理论。 Weaver首先使用小波阈值去噪方法。 在进行去噪的过程中，并不是直接进行的，Weaver会转换图像，将其转换为波场，然后再对转换过的小波系数进行处理，该波长系数是与阈值相比的波长系数。保持或修改比率很大，否则设置为零。然后，Donoho对去噪小波算法进行了深入细致的分析，并对其特征进行了解释，为接下来研究小波去噪和小波去噪的发展奠定了一定的基础。 Nason与Weaver不一样，他提出了另一种阈值方法，其阈值选择基于交叉验证标准。通常，难以准确地计算噪声方差。由于噪声的产生，具有一定的偶然性，因此，Nason的方法不需要计算噪声方差。使用该方法进行去噪，因此增益阈值更准确，但使用该方法所需的计算量很大，并且还同时属于波变换和逆变换。 Kivanc，John和Xu等人提出的去噪小波方法，是现如今最为常用的方法，其分别是利用投影方法和类似方法来实现。顾名思义，基于贝叶斯评估理论的去噪方法，在进行去噪的过程中，提供了小波系数的最佳估计，最小化了贝叶斯估计的风险。使用此方法进行去噪，所取得的效果会优于其他方法。 小波理论具有精确的时域定位能力和频域定位能力，能够解决许多傅里叶变换无法解决的难题。近年来，许多学者对小波领域进行了大量的研究，取得了一系列的成果，使小波理论发展成为一个完整的理论体系，并在图像去噪中得到了广泛的应用。 1.3 课题研究重点和思路 本文主要对空间域和领率域的滤波算法进行了研究，主要写作构思如下： 第1章为绪论部分，这一部分主要介绍了本次课题的研究背景、研究对象、研究意义，以及国内外研究现状。 第2章简要概述了matlab这一软件的来源与使用，本次研究中主要是运用matlab进行仿真与实现。 第3章概述了图像噪声的性质，包括了噪声的含义、分类以及产生的原因，介绍了生活中比较常见的噪声。 第4章介绍了空域去噪算法并进行仿真，主要是对均值滤波和中值滤波这两大方法进行研究与仿真。 第5章则讲述了频域低通滤波，