通信工程数字图像处理概要.docVIP

武夷学院 课程报告 课程主要从图像、等方面来阐述 关键字：图像噪声 均值滤波 中值滤波 选题立意 （20%） 规范 （20%） 过程工作量 （30%） 创新 （10%） 效果 (20%) 成绩 ? 一.图像分割概念 1.1图像噪声 为减少图像噪声影响，图像去噪处理是十分有必要的。 常见的去噪处理有均值滤波，中值滤波，灰度最小方差均值滤波，K.均值滤波与中值滤波 2.1均值滤波 均值滤波的原理是：在图像上，对待处理的像素给定一个模板，该模板包括了其周围的邻近像素。将模板中的全体像素的均值来替代原来的像素值的方法。均值滤波可以用来对椒盐噪声和高斯噪声进行滤波。 权系数矩阵模板 g?=?(f(x-1,y-1)?+?f(x,y-1)+?f(x+1,y-1)?+?f(x-1,y)?+?f(x,y)?+?f(x+1,y)? +?f(x-1,y+1)?+?f(x,y+1)?+?f(x+1,y+1))/9 均值滤波对高斯噪声有非常好的抑制效果，而对椒盐噪声效果往往不够好。 2.2 中值滤波 （虽然均值滤波器对噪声有抑制作用，但同时会使图像变得模糊。为了有效地改善这一状况，必须寻找新的滤波器。中值滤波就是一种有效的方法。 中值滤波是对待处理的当前像素，选择一个模板，该模板为其邻近的若干个像素组成，对模板的像素由小到大进行排序，再用模板的中值来替代原像素的值的方法。 g?=?median[(x-1,y-1)?+?f(x,y-1)+?f(x+1,y-1)? +?f(x-1,y)?+?f(x,y)?+?f(x+1,y)? +?f(x-1,y+1)?+?f(x,y+1)?+?f(x+1,y+1)] 因为中值滤波的原理是取合理的邻近像素值来替代噪声点，所以只适合于椒盐噪声的去除，不适合高斯噪声的去除。 三.均值滤波与中值滤波的比较 3.1对椒盐噪声的两者比较 对于椒盐噪声，中值滤波效果比均值滤波效果好。 3.2 原因 椒盐噪声是幅值近似相等但随机分布在不同位置上，图像中有干净点也有污染点。 中值滤波是选择适当的点来替代污染点的值，所以处理效果好。 因为噪声的均值不为0，所以均值滤波不能很好地去除噪声点。 3.3 对高斯噪声两者比较 对于高斯噪声，均值滤波效果比均值滤波效果好。 3.4原因 高斯噪声是幅值近似正态分布，但分布在每点像素上。因为图像中的每点都是污染点，所中值滤波选不到合适的干净点。因为正态分布的均值为0，所以根据统计数学，均值可以消除噪声。 四．两种滤波程序与实验结果 通过这次数字图像课程设计报告的制作，加强了我对均值滤波和中值滤波原理的理解，对噪声的抑制方法有了一定的认识，并且对matlab的使用和C语言的编写更加熟悉，觉得自身的能力得到了一定的提高。 参考文献 [1] 杜谦，通信系统中MATLAB基础与仿真应用，西安电子科技大学出版社 [2] 朱虹等，数字图像处理基础，科学出版社 [3] 罗雨滋C语言程序设计项目教程，哈尔滨工业大学出版社 I=imread(classic.jpg); subplot(2,2,1); imshow(I); title(原图像); 添加椒盐噪声 J=I; %初始化噪声图像矩阵 R1=rand(size(I))*51200/199; %分别在图像中标定两次随机数 R2=rand(size(I))*51200/199; A=find(R1255); %确定椒盐噪声中盐点位置 J(A)=255;%将此点设为白点 A=find(R2255); %确定椒盐噪声中椒点位置 J(A)=0;%将此点设为黑点 subplot(2,2,2); imshow(J); %显示图像 title(椒盐噪声) 中值滤波 [d1,d2]=size(J); %测量图像尺度参数 B=zeros(1,9); %初始化存储排列像素点的空间 ImageMed33=J; %初始化和原图像一样的空间存储新图像 for i=2:d1-1 %对每一个像素点 for j=2:d2-1 B=reshape(J(i-1:i+1,j-1:j+1),1,9); %将其3*3窗口内的像素均存储到新的临时向量 B=sort(B); %对9个像素点进行排序 ImageMed33(i,j)=B(5);