圖像噪聲抑制

《圖像噪聲抑制》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、多媒體技術(shù)教程實驗報告實驗名稱：圖像噪聲抑制系（科）：信息系電子信息工程班級：0932學(xué)號：姓名：完成時間：2012年5月4日南京師范大學(xué)中北學(xué)院實驗四圖像噪聲抑制一、實驗?zāi)康模?、熟悉圖像噪聲的類型。2、掌握空間域當(dāng)中圖像噪聲抑制的基本方法，如均值濾波、中值濾波、邊界保持類平滑濾波的算法。二、實驗原理：1、圖像的噪聲：所謂的圖像噪聲，是圖像在攝取時或是傳輸時所受到的隨機(jī)干擾信號。這些干擾信號的抑制稱為圖像的噪聲抑制。對噪聲進(jìn)行分類，從統(tǒng)計數(shù)學(xué)的觀點來看可將噪聲分為平穩(wěn)噪聲和非平穩(wěn)噪聲。平穩(wěn)噪聲：統(tǒng)計特性不隨時間變化的噪聲；非平穩(wěn)噪聲：統(tǒng)計特性隨時間變化的噪聲。兩種典型的圖像噪聲：其

2、一為噪聲的幅值基本相同，但出現(xiàn)的位置是隨機(jī)分布的椒鹽噪聲，其二幅值分布是隨機(jī)的，但每一點都存在噪聲如高斯噪聲、瑞利噪聲、白噪聲（頻譜均勻分布）等。對噪聲的描述用統(tǒng)計意義上的均值和方差，噪聲均值（圖像中噪聲的總體強(qiáng)度），噪聲方差（圖像中噪聲分布的強(qiáng)弱）按照噪聲的模型按照對信號的影響：加性噪聲、乘性噪聲。在MATLAB中提供了給圖像加入噪聲的函數(shù)imnoise，imnoise的語法格式為J=imnoise(I,type)J=imnoise(I,type,parameters)其中J=imnoise(I,type)返回對原始圖像I添加典型噪聲的有噪圖像J。參數(shù)type和parameters

3、用于確定噪聲的類型和相應(yīng)的參數(shù)。下面的命令是對圖像eight.tif分別加入高斯噪聲、椒鹽噪聲和乘性噪聲，其結(jié)果如圖所示：例：I=imread('eight.tif');J1=imnoise(I,'gaussian',0,0.02);J2=imnoise(I,'salt&pepper',0.02);J3=imnoise(I,'speckle',0.02);subplot(2,2,1),imshow(I),title('原圖像');subplot(2,2,2),imshow(J1),title('加高斯噪聲');subplot(2,2,3),imshow(J2),title('加椒鹽噪

4、聲');subplot(2,2,4),imshow(J3),title('加乘性噪聲');在上面的例子中使用了一個函數(shù)subplot。其作用就是將多幅圖像顯示再同一幅圖像顯示對話框中。其語法格式為：subplot(m,n,p)其作用就是將一個圖像顯示對話框分成m行n列，并顯示第p幅圖像。在MATLAB程序語言中，分號的用處為不顯示程序運算中的中間結(jié)果，這在一定程度上使系統(tǒng)運算的效率增高，因此在不需知道中間結(jié)果的情況下，可以用分號作為一個句子的結(jié)尾，而不顯示該句運算的中間結(jié)果。1、濾波的算法a)均值濾波：均值濾波的原理是：在圖像上，對待處理的像素給定一個模板，該模板包括了其周圍的鄰近像

5、素。將模板中的全體像素的均值來替代原來的像素值的方法。均值濾波可以用來對椒鹽噪聲和高斯噪聲進(jìn)行濾波。以模塊運算系數(shù)表示即：將以上的均值濾波器加以修正，可以得到加權(quán)平均濾波器。，，，。b)中值濾波：均值濾波往往使得邊界模糊，中值濾波對模板中的像素值由小到大排列，最終待處理像素的灰度取這個模板中排在中間位置上的像素的灰度值。如做3*3的模板，對9個數(shù)排序，取第5個數(shù)替代原來的像素值。實現(xiàn)方法見附錄示例2：c)邊界保持類平滑的算法：經(jīng)過平滑（特別是均值）濾波處理之后，圖像就會變得模糊。分析原因，在圖像上的景物之所以可以辨認(rèn)清楚是因為目標(biāo)物之間存在邊界。而邊界點與噪聲點有一個共同的特點是，都

6、具有灰度的躍變特性。所以平滑處理會同時將邊界也處理了。為了解決圖像模糊問題，一個自然的想法就是，在進(jìn)行平滑處理時，首先判別當(dāng)前像素是否為邊界上的點，如果是，則不進(jìn)行平滑處理；如果不是，則進(jìn)行平滑處理。對應(yīng)算法有灰度最小方差的均值濾波器、K近鄰(KNN)平滑濾波器、對稱近鄰均值濾波器、西戈瑪平滑濾波器等。示例采用灰度最小方差的均值濾波器算法。Matlab中給出了相應(yīng)函數(shù)，如conv2,imfilter等，大家可以參考help文件。三、實驗要求：1、掌握以上噪聲抑制的基本算法。2、讀出圖像rice.tif，分別加椒鹽噪聲和高斯噪聲，得到兩幅帶有噪聲的圖像。1、分別兩幅圖像進(jìn)行均值濾波（使

7、用）和中值濾波，比較實驗結(jié)果。對加高斯噪聲的圖像進(jìn)行均值濾波得到濾波前后的圖像比較：濾波前濾波后對加椒鹽噪聲的圖像進(jìn)行均值濾波得到濾波前后的圖像比較：濾波前濾波后對加高斯噪聲的圖像進(jìn)行中值濾波的代碼如下：對加高斯噪聲的圖像進(jìn)行中值濾波得到濾波前后的圖像比較：對加椒鹽噪聲的圖像進(jìn)行中值濾波的代碼如下：對加椒鹽噪聲的圖像進(jìn)行中值濾波得到濾波前后的圖像比較：1、如果進(jìn)行K近鄰(KNN)平滑濾波，請編碼實現(xiàn)。附錄：示例1b=imread('pout.tif');a