MATLAB的图像去噪算法研究（实验附件）
MATLAB的图像去噪算法研究（含实验附件）[20200101170643]
图像作为重要的信息源在我们的生活中起到了举足轻重的作用，但是在获取或传输图像的过程中由于各种原因，例如光照、温度、天气、图像设备的电阻、电磁元器件的干扰，都会产生图像的噪声，严重的降低了图像的清晰度等性能指标。对科学研究、医疗、军事、工业生产等社会活动带来了严重的不便，因此图像的降噪处理也成为了数字图像处理的重中之重。本文中我们将对不同噪声和不同去噪算法以MATLAB软件为实验平台进行横向和纵向的比较图像去噪效果。 文章第一部分介绍了数字图像去噪的发展概况和研究现状。第二部分对去噪算法分为空域和频域两大类，并进行详细的介绍。第三部分详细介绍运用MATLAB处理图像的过程和处理方法，我们将采用领域均值、中值滤波、维纳滤波、低通滤波、小波去噪5种算法。第四部分给出部分算法的对比实验结果。 关于第四部分的对比实验，分两大块进行。首先通过同一噪声利用5种不同算法去比较算法的优劣，再通过同一算法处理不同噪声，去比较算法之间的差异。实验容量为两大组，每组10组对比实验，共20组。 由实验可以看出，算法之间的处理效果有很大的差异，空域算法在处理椒盐噪声很有优势，而频域算法在处理高斯噪声时有很好的表现。 *查看完整论文请+Q: 351916072
关键字:图像去噪,图像噪声,MATLAB,领域均值,中值滤波,维纳滤波,低通滤波,小波去噪
目 录
1 绪论·································································1
1.1 选题的背景和选题的意义·············································1
1.2 图像去噪国内外的研究现状···········································2
2 图像去噪的典型算法···················································3
2.1 空域相关算法·······················································3
2.2 频域相关算法·······················································5
2.3 小波去噪···························································7
3 MATLAB的运用与实验思路············································9
3.1 MATLAB简介·······················································9
3.2 噪声与去噪评定方法·················································9
3.3 实验思路与实验过程················································11
4 实验结果与对比分析··················································12
4.1 原图与添加噪声的实验结果···········································13
4.2 同一噪声去噪对比组实验结果·········································14
4.3 同一算法去噪对比组实验结果·········································17
4.4 实验分析与实验问题思考·············································20
结论···································································22
致谢···································································24
参考文献·······························································25
附录···································································26
1 绪论
1.1 选题的背景和选题的意义
图像处理是一门近年来发展迅速的学科，极其广泛的应用于各个领域。图像已成为生理学、计算机科学及图形图像学等多个方面研究视觉感知的十分有效的工具，另外一方面，图像处理在工业生产、科学研究、教育、医疗卫生、安全管理和通信等大型应用中起着非常重要的作用，尤其是伴随着多媒体技术的飞速发展，图像与人类生活联系越来越紧密 。此外，计算机科学的快速发展，以及图像显示及图像数字化设备的广泛普及，也为图像处理的发展提供了非常好的条件，并成为推动其发展的重要动力。
然而，在人们获取或传输图像过程中由于一些不可抗拒因素的影响如光照、温度、天气和图像设备等外界条件的影响以及电阻、电磁和元器件干扰等内部条件的影响，都会产生图像噪声，而使图像质量受到了影响，偏离了原始图片[1]。同时，在各种图像系统中，由于在图像的传送和转换过程中，如成像、扫描、复制、传输及显示等，也会造成图像的受损或者质量降低[2]。这种噪声图像与原始图像相比，图像的特征模糊，给后续的图像分析，信息的无损传播带来了很大的不便。为了改善图像的质量，抑制图像噪声的干扰，图像去噪便有着非常重要的实际作用和意义。
随着图像复原技术的飞速发展图像去噪这个重要问题也随之发展距离现在大概有60年的历史了[3]。伴随着科技发展，人们在上个世纪50年代就开始进行登月等空间探索活动，随着空间探索活动的深入，迫切需要一种就期望有一种能弥补由于图像捕捉系统的不完善而出现图像效果不好的新技术。例如，为了探索火星美国水手4号飞船总耗资接近1000万美元进行试验，却仅仅只是获得了22幅图像，如果因为某些因素让图像效果不好而影响了它的科研价值的话，就会对经济造成非常巨大的损失。为了恢复质量下降的图像中的原始信息迫切需要一种新的方法和技术。在这种需求下，也就产生了图像复原技术[4]。自从20世纪60年代后期开始，人类的许多重要的科技方面的成果例如阿波罗登月，火星及月球表面的考察探测及其它许多天文观测方面得成果都离不开图像复原技术。
医学领域中，为了得到肉眼看不到的情形或封闭区域内的状况，就必须用到X光、CT等成象方式以便于获取图像，但其同时也将会受到各种干扰而形成的噪声的侵袭[3]。为了医生能作出准确的诊断，就一定要有能够反映真实情况的医学图像。所以医学的很多领域充分的利用图像去噪技术来提高所获取的医学图像的分辨率，抑制因为各种图像捕捉系统或医学成像系统而引起的噪声干扰。
在天文领域中，大气及射线会干扰地面上的图像捕捉系统，从地面上得到的图像将会被干扰而模糊不清。而在太空中，虽然其成像系统受到各种因素的干扰较小，但由于宇宙飞船的速度比相机快门的速度要快许多，得到的图像将比原始图片模糊。还有其它许多因素都会破坏到图像的质量。比如，图像的成像过程和传输过程也会产生噪声。所以，我们一方面必须尽量减少噪声的来源，另一方面我们应该应用图像去噪技术去除由于各种因素引起的图像噪声，以便得到我们想要的满意的图片[5]。
当然图像去噪技术的应用远远不止以上提到的几方面。随着新的客户需求的增加图像去噪技术拓展的领域范围越来越大，因此会对整个图像去噪技术提出更多的新要求，从而不断促进和推动它的发展。良好的图像质量可以提供给人们对图像信息的高辨析度。由此看来，图像去噪是确保图像包含正确信息的保证。
1.2 国内外研究现状
图像去噪技术是图像复原技术中的重要环节，而图像去噪技术的理论基础就是数学。随着数学在图像应用上的不断深入，越来越多的新去噪算法入雨后春笋般不断被提出。
图像去噪算法按处理领域的角度出发，可分为在空间域进行的去噪和在频率域的去噪两个方面[6]。
空间域去噪分为非线性的空间域去噪和线性的空间域去噪。它是在图像的二维空间之中对图像进行去噪处理。其中非线性方法的代表算法为中值滤波算法，于1971年，由图基(Turky )最先提出，其利用了噪声点与像素点之间灰度值存在差异的特点，利用局部像素点灰度值的中值来替代中心像素点灰度值[7]，这种算法能有效地降低图像中的噪声，但同时带来的是图像的模糊和细节的丢失。
图像作为重要的信息源在我们的生活中起到了举足轻重的作用，但是在获取或传输图像的过程中由于各种原因，例如光照、温度、天气、图像设备的电阻、电磁元器件的干扰，都会产生图像的噪声，严重的降低了图像的清晰度等性能指标。对科学研究、医疗、军事、工业生产等社会活动带来了严重的不便，因此图像的降噪处理也成为了数字图像处理的重中之重。本文中我们将对不同噪声和不同去噪算法以MATLAB软件为实验平台进行横向和纵向的比较图像去噪效果。 文章第一部分介绍了数字图像去噪的发展概况和研究现状。第二部分对去噪算法分为空域和频域两大类，并进行详细的介绍。第三部分详细介绍运用MATLAB处理图像的过程和处理方法，我们将采用领域均值、中值滤波、维纳滤波、低通滤波、小波去噪5种算法。第四部分给出部分算法的对比实验结果。 关于第四部分的对比实验，分两大块进行。首先通过同一噪声利用5种不同算法去比较算法的优劣，再通过同一算法处理不同噪声，去比较算法之间的差异。实验容量为两大组，每组10组对比实验，共20组。 由实验可以看出，算法之间的处理效果有很大的差异，空域算法在处理椒盐噪声很有优势，而频域算法在处理高斯噪声时有很好的表现。 *查看完整论文请+Q: 351916072
关键字:图像去噪,图像噪声,MATLAB,领域均值,中值滤波,维纳滤波,低通滤波,小波去噪
目 录
1 绪论·································································1
1.1 选题的背景和选题的意义·············································1
1.2 图像去噪国内外的研究现状···········································2
2 图像去噪的典型算法···················································3
2.1 空域相关算法·······················································3
2.2 频域相关算法·······················································5
2.3 小波去噪···························································7
3 MATLAB的运用与实验思路············································9
3.1 MATLAB简介·······················································9
3.2 噪声与去噪评定方法·················································9
3.3 实验思路与实验过程················································11
4 实验结果与对比分析··················································12
4.1 原图与添加噪声的实验结果···········································13
4.2 同一噪声去噪对比组实验结果·········································14
4.3 同一算法去噪对比组实验结果·········································17
4.4 实验分析与实验问题思考·············································20
结论···································································22
致谢···································································24
参考文献·······························································25
附录···································································26
1 绪论
1.1 选题的背景和选题的意义
图像处理是一门近年来发展迅速的学科，极其广泛的应用于各个领域。图像已成为生理学、计算机科学及图形图像学等多个方面研究视觉感知的十分有效的工具，另外一方面，图像处理在工业生产、科学研究、教育、医疗卫生、安全管理和通信等大型应用中起着非常重要的作用，尤其是伴随着多媒体技术的飞速发展，图像与人类生活联系越来越紧密 。此外，计算机科学的快速发展，以及图像显示及图像数字化设备的广泛普及，也为图像处理的发展提供了非常好的条件，并成为推动其发展的重要动力。
然而，在人们获取或传输图像过程中由于一些不可抗拒因素的影响如光照、温度、天气和图像设备等外界条件的影响以及电阻、电磁和元器件干扰等内部条件的影响，都会产生图像噪声，而使图像质量受到了影响，偏离了原始图片[1]。同时，在各种图像系统中，由于在图像的传送和转换过程中，如成像、扫描、复制、传输及显示等，也会造成图像的受损或者质量降低[2]。这种噪声图像与原始图像相比，图像的特征模糊，给后续的图像分析，信息的无损传播带来了很大的不便。为了改善图像的质量，抑制图像噪声的干扰，图像去噪便有着非常重要的实际作用和意义。
随着图像复原技术的飞速发展图像去噪这个重要问题也随之发展距离现在大概有60年的历史了[3]。伴随着科技发展，人们在上个世纪50年代就开始进行登月等空间探索活动，随着空间探索活动的深入，迫切需要一种就期望有一种能弥补由于图像捕捉系统的不完善而出现图像效果不好的新技术。例如，为了探索火星美国水手4号飞船总耗资接近1000万美元进行试验，却仅仅只是获得了22幅图像，如果因为某些因素让图像效果不好而影响了它的科研价值的话，就会对经济造成非常巨大的损失。为了恢复质量下降的图像中的原始信息迫切需要一种新的方法和技术。在这种需求下，也就产生了图像复原技术[4]。自从20世纪60年代后期开始，人类的许多重要的科技方面的成果例如阿波罗登月，火星及月球表面的考察探测及其它许多天文观测方面得成果都离不开图像复原技术。
医学领域中，为了得到肉眼看不到的情形或封闭区域内的状况，就必须用到X光、CT等成象方式以便于获取图像，但其同时也将会受到各种干扰而形成的噪声的侵袭[3]。为了医生能作出准确的诊断，就一定要有能够反映真实情况的医学图像。所以医学的很多领域充分的利用图像去噪技术来提高所获取的医学图像的分辨率，抑制因为各种图像捕捉系统或医学成像系统而引起的噪声干扰。
在天文领域中，大气及射线会干扰地面上的图像捕捉系统，从地面上得到的图像将会被干扰而模糊不清。而在太空中，虽然其成像系统受到各种因素的干扰较小，但由于宇宙飞船的速度比相机快门的速度要快许多，得到的图像将比原始图片模糊。还有其它许多因素都会破坏到图像的质量。比如，图像的成像过程和传输过程也会产生噪声。所以，我们一方面必须尽量减少噪声的来源，另一方面我们应该应用图像去噪技术去除由于各种因素引起的图像噪声，以便得到我们想要的满意的图片[5]。
当然图像去噪技术的应用远远不止以上提到的几方面。随着新的客户需求的增加图像去噪技术拓展的领域范围越来越大，因此会对整个图像去噪技术提出更多的新要求，从而不断促进和推动它的发展。良好的图像质量可以提供给人们对图像信息的高辨析度。由此看来，图像去噪是确保图像包含正确信息的保证。
1.2 国内外研究现状
图像去噪技术是图像复原技术中的重要环节，而图像去噪技术的理论基础就是数学。随着数学在图像应用上的不断深入，越来越多的新去噪算法入雨后春笋般不断被提出。
图像去噪算法按处理领域的角度出发，可分为在空间域进行的去噪和在频率域的去噪两个方面[6]。
空间域去噪分为非线性的空间域去噪和线性的空间域去噪。它是在图像的二维空间之中对图像进行去噪处理。其中非线性方法的代表算法为中值滤波算法，于1971年，由图基(Turky )最先提出，其利用了噪声点与像素点之间灰度值存在差异的特点，利用局部像素点灰度值的中值来替代中心像素点灰度值[7]，这种算法能有效地降低图像中的噪声，但同时带来的是图像的模糊和细节的丢失。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/rwxy/wuli/166.html
