图像去噪算法实现.docVIP

图像去噪算法实现 1、对于Circuit.jpg图像，这里采用中值滤波算法对其进行去噪。 中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点中值滤波器可以做到既去除噪声又能保护图像的边缘,从而获得较满意的复原效果,而且,在实际运算过程中不需要图象的统计特性,这也带来不少方便,但对一些细节多,特别是点、线、尖顶细节较多的图象不宜采用中值滤波的方法。实现方法1：通过从图像中的某个采样窗口取出奇数个数据进行排序2：用排序后的中值取代要处理的数据即可B=medfilt2(A,[M,N])实现对二维矩阵A的中值滤波，每一个输出像素包含输入图像中相应像素周围的M*N个相邻像素点的平均值，medfilt2 将图像的边缘用值为0的像素填补，同时用到了ordfilt2函数，该函数可进行二维统计顺序过滤 程序源代码： clear I=imread(E:\新建文件夹 \图像处理作业\Circuit.jpg); subplot(2,3,1),title(原图像),xlabel(a),imshow(I) subplot(2,3,1),imshow(I); title(原图像),xlabel(a) J=medfilt2(I,symmetric); subplot(2,3,2),imshow(J); title(3X3 中值滤波),xlabel(b) K=medfilt2(I,[5,5],symmetric); subplot(2,3,3),imshow(K); title(重复使用中值滤波),xlabel(c) O=medfilt2(J,[5,5],symmetric); subplot(2,3,4),imshow(O); title(5X5 中值滤波),xlabel(d) O=medfilt2(J,[7,7],symmetric); subplot(2,3,5),imshow(O); title(7X7 中值滤波),xlabel(e) 其处理后的图像为： 2、对于图像boy_noisy.gif，这里采用巴特沃斯低通滤波器算法去噪即可得到很好的效果。 巴特沃斯低通滤波器是在单位圆上，以实轴为对称轴在复平面的左平面对称的配置极点，因此它具有较理想的极点位置，且具有低通滤波的特性。巴特沃斯低通滤波器的优点是：模糊大大减少。因为包含了许多高频分量没有振铃现象。因为滤波器是平滑连续的Butterworth低通滤波器的公式为： ， 其中D0为滤波的截止频率，小于的频率就保留，大于的就全部过滤掉clear I=imread(E:\新建文件夹\图像处理作业\boy_noisy.gif);%读入图像 subplot(2,3,1),imshow(I),title(原图),xlabel(a);%显示图像 i_f=fft2(I); i_f=fftshift(i_f); i_f=log(1+i_f); subplot(2,3,2),imshow(i_f,[]),title(源图像频谱),xlabel(b); F=fft2(I);%傅立叶变换 S=abs(F);%求绝对值 subplot(2,3,3),imshow(S,[]),title(频域变换后的幅度图),xlabel(c);%图像显示 FC=fftshift(F);%原点移动到图像中心 subplot(2,3,4),imshow(abs(FC),[]),title(原点移动到图像中心位置),xlabel(d); S2=log(1+abs(FC));%对数之后，可放大图像 subplot(2,3,5),imshow(S2,[]),title(放大后的图像),xlabel(e); FC(241,:)=0; FC(273,:)=0;%把噪声区域设置成零，可以去掉噪声。 fc=ifftshift(FC);%原点移动 fc=ifft2(fc);%反变换 subplot(2,3,6),imshow(fc,[]),title(把d图中的俩条水平线处理掉),xlabel(f); 其处理后的图像为： 3、对于图像california_22_13.bmp，采用了多种去噪方法，如中值滤波、均值滤波、二维自适应维纳滤波及小波滤波，均未得到特别理想的结果，经比较，采用均值滤波的方法稍微好于其他方法，先介绍如下： 均值滤波算法：也称线性滤波，主要思想为邻域平均法，即用几个像素灰度的平均值来代替每个像素的灰度。有效抑制加性噪声，但容易引起图像模糊，可以对其进行改进，主要避开对景物边缘的平滑处理。 在matlab自带的filter2.m文件中，在命令K1=filter2(fspecial(average,