MATLAB处理激光图像背景噪声
MATLAB处理激光图像背景噪声[20200128193127]
日 期： 摘 要
本文主要是数字图像处理的应用，主要的问题是去除噪声，这篇文章讲解的是图像分割和图像噪声的去除，包括色彩处理，图像转换，去除噪声，分割阈值，色彩处理。基于Matlab的矩阵计算，算法和数据可视化功能，在本文中，我们通过使用MATLAB程序分析了数字图像处理。在本文中，去除噪声，写一个MATLAB相关程序。在图像处理中值滤波是一个经典的平滑噪声的方法，可以保护的边缘信息。在一定的条件下，不仅能带来克服更多的线性滤波器的模糊图像，还对滤除脉冲干扰和扫描图像噪声最有效。采用了运算速度相对快的阈值分割方法，编写了相应的MATLAB程序。通过许多幅图像的验证，结果表明：该方法可以消除激光图片背景噪声。
*查看完整论文请+Q: 351916072
关键字:中值去噪、MATLAB、图像分割
目 录
一、绪论 1
（一）噪声特性 1
（二）图像质量的评价 2
1．主观评价 2
2．客观评价 2
二、数字图像去噪方法 3
（一）传统去噪方法 3
（二）小波去噪 3
1．方法 3
2．种类 4
（三）本文去噪方法 4
三、总体设计方案 5
（一）总体方案介绍 5
（二）总体方案流程图 6
四、激光光斑图像去噪 7
（一）中值去噪 7
1. 中值滤波主要特性 7
2. 中值滤波优缺点 8
（二）图像分割 10
1．图像分割概述 10
2．图像分割方法 10
3．阈值分割 11
（三）彩色处理 14
结 论 15
致 谢 16
参 考 文 献 16
附录A 去除激光图像背景噪声影响的研究主程序 17
二、 数字图像去噪方法
（一）传统去噪方法
由于噪声源众多(如光栅扫描、底片颗粒、机械元件、信道传输等)，噪声种类复杂(如量化噪声、乘性噪声、加性噪声、“椒盐”噪声等)，所以去噪的方法也很多。去噪既可以在空域进行也可以在频域（变换域）进行，前者即是在原图像上直接进行数据运算，对像素的灰度值进行处理。变换域法是在图像的变换域上进行处理，对变换后的系数进行相应的处理，然后进行反变换达到图像去噪的目的。传统的图像去噪是在空域实现的。空域图像去噪算法可分为线性方法与非线性方法两大类。线性方法提出较早，具有较完备的理论基础，均值滤波是其典型代表（均值滤波适合于噪声为零均值的高斯噪声）。1974年Tukey首先将非线性的滤波算法（中值滤波）应用于图像处理，由于该方法在保护图像细节的同时能有效地滤除冲激噪声，因此在图像去噪方面得到较为广泛地应用。
（二）小波去噪
近年来，小波理论得发展得很快，因为其具备了良好的时频特性及多分辨率特性，所以它可以成功应用在许多领域。如今小波分析技术已经在自然科学、应用科学、社会科学这些领域得到应用。小波理论图像去噪方法也受到了许多专家学者的关注，并取得很好的效果。
1.方法
小波变换在时频域具有很好的局部性，其变尺度的特性使得小波变换对确定的信号具有一种“集中”的能力。如果一个信号的能量在小波变换域集中于少数系数上，那么，这些系数的取值大于在小波变换域内能量分散在大量系数上的信号或噪声的小波系数值。含有噪声的图像经过小变换后，图像信号和噪声信号表现出不同的特征：信号的能量主要集中在一些亮线上，而大部分系数的值逼近于0；噪声的分布和信号的分布相反，它的系数均匀分布于整个尺度空间，幅度相差不大(在大尺度下会对噪声起到一定的平滑作用)。这一特性为基于小波变换的图像去噪提供了依据。
2.种类
小波去噪方法确实有很多种，如：用小波分解方法来滤波降噪、信号小波用来信噪分离、以及多小波去噪等等。总的主要有三种:模极大值检测方法、阈值去噪法以及屏蔽去噪法。最常用阈值法去噪是最常用的。
（三）本文去噪方法
通过对以上方法的研究，本文采用中值去噪。中值滤波器的优点是:它可以克服线性滤波器(如均值滤波) 给图像带来的模糊,做到在有效地清除脉冲噪声的同时,又保持良好的边缘特性,从而获得较满意的复原效果。中值滤波在图像处理中,常用于用来保护边缘信息,是经典的平滑噪声的方法。在一定的条件下，可以克服线性滤波器所带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声最为有效。
三、总体设计方案
（一）总体方案介绍
本文解决的主要问题是激光光斑图像背景噪音的去除。包括图像格式的转化、中值去噪、图像分割，真色彩处理等几个主要部分。首先将图像读入，将图片转换成灰度图片。运用中值去噪对图像去除噪音，消除小的噪音。求取最佳阈值，然后用最佳阈值进行图像分割，去除图中较大的噪音。利用graythresh函数得到Otsu分割方法的灰度阈值，得到二值图像。最后对得到的二值图像进行彩色处理得到最后的图像。
本文重点在于中值去噪和图像分割。我采用的是3*3模板的中值去噪方法。中值去噪是将输出的像素值设置为相应的输入像素的边沿像素值的合成。中值去噪输出的象素值的大小等于边沿像素的中值。中值滤波容易去除孤立点，线的噪声同时保持图象的边缘；它能有效的去除二值噪声。我们可以利用图像灰度差异的特性进行图像阈值分割，图像可分背景和目标两区域. 先确定阈值，再根据阈值分割图像归类. 其中最优阈值是十分重要的。只要阈值确定好即可对图像进行分割，割掉噪音的部分，即得二值图像。
（二）总体方案流程图
总体流程图是整体的软件设计，是本文设计的总体思想，是本设计的骨架和核心，总体流程图如图3.1所示。
日 期： 摘 要
本文主要是数字图像处理的应用，主要的问题是去除噪声，这篇文章讲解的是图像分割和图像噪声的去除，包括色彩处理，图像转换，去除噪声，分割阈值，色彩处理。基于Matlab的矩阵计算，算法和数据可视化功能，在本文中，我们通过使用MATLAB程序分析了数字图像处理。在本文中，去除噪声，写一个MATLAB相关程序。在图像处理中值滤波是一个经典的平滑噪声的方法，可以保护的边缘信息。在一定的条件下，不仅能带来克服更多的线性滤波器的模糊图像，还对滤除脉冲干扰和扫描图像噪声最有效。采用了运算速度相对快的阈值分割方法，编写了相应的MATLAB程序。通过许多幅图像的验证，结果表明：该方法可以消除激光图片背景噪声。
*查看完整论文请+Q: 351916072
关键字:中值去噪、MATLAB、图像分割
目 录
一、绪论 1
（一）噪声特性 1
（二）图像质量的评价 2
1．主观评价 2
2．客观评价 2
二、数字图像去噪方法 3
（一）传统去噪方法 3
（二）小波去噪 3
1．方法 3
2．种类 4
（三）本文去噪方法 4
三、总体设计方案 5
（一）总体方案介绍 5
（二）总体方案流程图 6
四、激光光斑图像去噪 7
（一）中值去噪 7
1. 中值滤波主要特性 7
2. 中值滤波优缺点 8
（二）图像分割 10
1．图像分割概述 10
2．图像分割方法 10
3．阈值分割 11
（三）彩色处理 14
结 论 15
致 谢 16
参 考 文 献 16
附录A 去除激光图像背景噪声影响的研究主程序 17
二、 数字图像去噪方法
（一）传统去噪方法
由于噪声源众多(如光栅扫描、底片颗粒、机械元件、信道传输等)，噪声种类复杂(如量化噪声、乘性噪声、加性噪声、“椒盐”噪声等)，所以去噪的方法也很多。去噪既可以在空域进行也可以在频域（变换域）进行，前者即是在原图像上直接进行数据运算，对像素的灰度值进行处理。变换域法是在图像的变换域上进行处理，对变换后的系数进行相应的处理，然后进行反变换达到图像去噪的目的。传统的图像去噪是在空域实现的。空域图像去噪算法可分为线性方法与非线性方法两大类。线性方法提出较早，具有较完备的理论基础，均值滤波是其典型代表（均值滤波适合于噪声为零均值的高斯噪声）。1974年Tukey首先将非线性的滤波算法（中值滤波）应用于图像处理，由于该方法在保护图像细节的同时能有效地滤除冲激噪声，因此在图像去噪方面得到较为广泛地应用。
（二）小波去噪
近年来，小波理论得发展得很快，因为其具备了良好的时频特性及多分辨率特性，所以它可以成功应用在许多领域。如今小波分析技术已经在自然科学、应用科学、社会科学这些领域得到应用。小波理论图像去噪方法也受到了许多专家学者的关注，并取得很好的效果。
1.方法
小波变换在时频域具有很好的局部性，其变尺度的特性使得小波变换对确定的信号具有一种“集中”的能力。如果一个信号的能量在小波变换域集中于少数系数上，那么，这些系数的取值大于在小波变换域内能量分散在大量系数上的信号或噪声的小波系数值。含有噪声的图像经过小变换后，图像信号和噪声信号表现出不同的特征：信号的能量主要集中在一些亮线上，而大部分系数的值逼近于0；噪声的分布和信号的分布相反，它的系数均匀分布于整个尺度空间，幅度相差不大(在大尺度下会对噪声起到一定的平滑作用)。这一特性为基于小波变换的图像去噪提供了依据。
2.种类
小波去噪方法确实有很多种，如：用小波分解方法来滤波降噪、信号小波用来信噪分离、以及多小波去噪等等。总的主要有三种:模极大值检测方法、阈值去噪法以及屏蔽去噪法。最常用阈值法去噪是最常用的。
（三）本文去噪方法
通过对以上方法的研究，本文采用中值去噪。中值滤波器的优点是:它可以克服线性滤波器(如均值滤波) 给图像带来的模糊,做到在有效地清除脉冲噪声的同时,又保持良好的边缘特性,从而获得较满意的复原效果。中值滤波在图像处理中,常用于用来保护边缘信息,是经典的平滑噪声的方法。在一定的条件下，可以克服线性滤波器所带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声最为有效。
三、总体设计方案
（一）总体方案介绍
本文解决的主要问题是激光光斑图像背景噪音的去除。包括图像格式的转化、中值去噪、图像分割，真色彩处理等几个主要部分。首先将图像读入，将图片转换成灰度图片。运用中值去噪对图像去除噪音，消除小的噪音。求取最佳阈值，然后用最佳阈值进行图像分割，去除图中较大的噪音。利用graythresh函数得到Otsu分割方法的灰度阈值，得到二值图像。最后对得到的二值图像进行彩色处理得到最后的图像。
本文重点在于中值去噪和图像分割。我采用的是3*3模板的中值去噪方法。中值去噪是将输出的像素值设置为相应的输入像素的边沿像素值的合成。中值去噪输出的象素值的大小等于边沿像素的中值。中值滤波容易去除孤立点，线的噪声同时保持图象的边缘；它能有效的去除二值噪声。我们可以利用图像灰度差异的特性进行图像阈值分割，图像可分背景和目标两区域. 先确定阈值，再根据阈值分割图像归类. 其中最优阈值是十分重要的。只要阈值确定好即可对图像进行分割，割掉噪音的部分，即得二值图像。
（二）总体方案流程图
总体流程图是整体的软件设计，是本文设计的总体思想，是本设计的骨架和核心，总体流程图如图3.1所示。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/zdh/4657.html
