数字图像处理论文,图像去噪.docVIP

数字图象处理（论文） 学 院 计算机学院 专 业 计算机科学与技术 班 级 12（7）班 姓 名 李 荣 学 号 3112006052 2014年6月25日 图像去噪算法论文 图像在生成或传输过程中常常因受到各种噪声的干扰和影响而使图像爱那个的质量下降，对后续的图像处理（如分割、理解等）产生不利影响。因此，图像爱那个去噪是图像处理中的一个重要环节。而对图像去噪的方法又可以分为两类，一种是在空间域内对图像进行去噪，一种是将图像变换到频域进行去噪的处理。 一般数字图像系统中的常见噪声主要有高斯噪声和椒盐噪声，还有加性、乘性噪声等，如上，减少噪声的方法，可以在图像空间域或在图像频率域完成。在空间域对图像处理主要有均值滤波算法和中值滤波算法。图像频率域去噪方法是对图像进行某种变换，将图像从空间域转换到频率域，对频率域中的变换系数进行处理，再进行反变换将图像从频率域转换到空间域来达到去除图像噪声的目的。将图像从空间转换到变换域的变换方法很多，常用的有傅立叶变换、小波变换等。 在这节课上我学习的是借助Matlab软件对图像进行处理。在图像去噪方面，在 Matlab 中常用的去噪函数有 imfilter( ), wiener2( ), medfilt2( ), ordfilt2( )以及小波分析工具箱提供的wrcoef2( )和 wpdencmp( )等,好像随着Matlab的发展，有些函数变了，不过早大致上变化不大，也有可能是我下载的Matlab不完整吧，总之在实践过程中有些错误让我很纠结。 因为我是刚接触到这类知识，所以很多都还不懂，虽然从课上有了一些了解，但我觉得还远远不够，然而最近实在时间不多，只能等以后再去详细的学习了。我不敢说我以后会有多熟悉它，只能尽量，因为每一款出名的软件都有各自的市场，而我很难涉及到每个市场，只能当作业余去了解如今有这么一款什么软件可以做什么，如果在以后在这方面有需要时不至于两眼一抹黑。 现在我只能照搬看到的代码，观察比较各个算法对于图像去噪的效果。刚开始时，我原本以为我可以将一些像素较低的图像处理成较清晰的图像，而现在我仍然这样想，只是却不是我现在能做的了的了。我们所拍摄出来的照片因为不同的设备而有不同的结果，不同的图像格式就会有不同的信息，不同的格式所需要的内存也会不一样，还跟图像的像素有关，不同的格式所采集到的信息也会有所不同，那么就可以这样认为，高质量的可以向低质量的转换，但低质量要转换成高质量的却不是那么容易的，不过我认为这仍然可以，而且我也相信现在的科技能够实现了，不过这个我就不知道了，对于现在的我来说有点远。因为这里是借助Matlab来实现的，也就是通过编译代码实现的，而我觉得代码类的学习刚开始都需要大量的进行读、写代码，让它们留在自己的脑海里并能随时调用。而且不单单是代码，还要了解这个行业的发展。如下是我在观察图像去噪算法的效果截取的一些图片，以供比较。 对添加高斯噪声的图像进行算术均值和几何均值滤波： I = imread(imge.jpg);%读取图像 I = im2double(I); J = imnoise(I,gaussian,0.05);%添加高斯噪声 PSF = fspecial(average,3); K = imfilter(J,PSF);%算术均值滤波 L = exp(imfilter(log(J),PSF));%几何均值滤波 %按I、J、K、L顺序显示： K1=imfilter(J,fspecial(average,3)); %模板尺寸为3 K2=imfilter(J,fspecial(average,5));% 模板尺寸为5 K3=imfilter(J,fspecial(average,7)); %模板尺寸为7 K4=imfilter(J,fspecial(average,9)); %模板尺寸为9 通过上面的效果比较可以看出，对于有高斯噪声的图像来说，这两种去噪算法显然是算术均值滤波较好，虽然整体图像变得模糊了，但噪声确实是去掉了，随着模版尺寸越大，图像变得更加模糊，所以我觉得它是因为图像整体平滑模糊才使得噪声隐去而已；而几何均值滤波虽然看来比之算术均值滤波丢失的图像细节要少，但效果也不是很好。 再看看逆谐波均值滤波的效果，同时与之前两种均值滤波比较。 Q1 = 1.6;Q2 = -1.6; k1 = imfilter(I.^(Q1+1),PSF);k2 = imfilter(I.^Q1,PSF); l1