图像平滑处理的空域算法和频域分析.docVIP

图像平滑处理的空域算法和 频域分析 1 技术要求 对已知图像添加高斯白噪声,并分别用低通滤波器(频域法)和邻域平均法(空域法)对图像进行平滑处理(去噪处理),并分析比较两种方法处理的效果。 2 基本原理 2.1 图像噪声 噪声在理论上可以定义为“不可预测，只能用概率统计方法来认识的随机误差”。实际获得的图像一般都因受到某种干扰而含有噪声。引起噪声的原因有敏感元器件的内部噪声、相片底片上感光材料的颗粒、传输通道的干扰及量化噪声等。噪声产生的原因决定了噪声的分布特性及它和图像信号的关系。 根据噪声和信号的关系可以将其分为两种形式： （1）加性噪声。有的噪声与图像信号g(x,y)无关，在这种情况下，含噪图像f(x,y)可表示为 f(x,y)=g(x,y)+n(x,y) （2）乘性噪声。有的噪声与图像信号有关。这又可以分为两种情况：一种是某像素处的噪声只与该像素的图像信号有关，另一种是某像点处的噪声与该像点及其邻域的图像信号有关，如果噪声与信号成正比，则含噪图像f(x,y)可表示为 f(x,y)=g(x,y)+n(x,y)g(x,y) 另外，还可以根据噪声服从的分布对其进行分类，这时可以分为高斯噪声、泊松噪声和颗粒噪声等。如果一个噪声，它的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。 图1 邻域平均法模型图 频域法用二阶布特沃斯低通滤波器对图像滤除噪声，其程序流程图如图2所示： 图2 低通滤波法模型图 4 源程序代码 （1）邻域平均法源程序 clear; clc; close all; I=imread(tu.jpg); %读取图像 f=rgb2gray(I);%转化成灰度图 subplot(2,3,1);% 分割个窗口。取第个窗口，imshow (f);%显示灰度图 colormap(gray); title(原始图)%给显示的图像命名为“原始图” J=imnoise(f,gaussian,0,0.09);%给原始图加入参数为0.09的高斯白噪声 subplot(2,3,2);% 分割个窗口。取第二个窗口，如果下面有绘图语句，就表示要在第二个窗口中绘图imshow(J);%显示加了高斯白噪声的图像J title(噪声图)%命名为“噪声图” [m n]=size(f); %获取灰度图的大小 f=double(f);%转换f为双精度型 c=1/9*[1 1 1;1 1 1;1 1 1]; %3*3模板 for i=1:m for j=1:n L=f(i:i,j:j).*c; %求点积 G(i,j)=sum(sum(L));%求和 end end subplot(2,3,3);image(G);%取第三个窗口 title(3*3模板)%命名为“3*3模板” c=1/25*[1 1 1 1 1;1 1 1 1 1;1 1 1 1 1]; %5*5模板 for i=1:m for j=1:n L=f(i:i,j:j).*c; %求点积 G(i,j)=sum(sum(L));%求和 end end subplot(2,3,4);image(G);%在第四个窗口中显示图像 title(5*5模板)% 命名为“5*5模板” c=1/49*[1 1 1 1 1 1 1;1 1 1 1 1 1 1;1 1 1 1 1 1 1]; %7*7模板 for i=1:m for j=1:n L=f(i:i,j:j).*c; %求点积 G(i,j)=sum(sum(L));%求和 end end subplot(2,3,5);image(G);%在第五个窗口中显示图像 title(7*7模板)% 命名为“7*7模板” （2）低通滤波法源程序 clear; clc; close all; I=imread(tu.jpg); %读取图像 [m n p]=size(I);%获取图像矩阵大小 I=double(I);将原来的图像矩阵转换为双精度型的 I=I(1:m,1:n,1).*0.3+I(1:m,1:n,2).*0.51+I(1:m,1:n,1).*0.11;%将原图转换为灰度图 subplot(2,3,1);image(I);colormap(gray); %分割个窗口。取第个窗口， title(原始图)%命名为“原始图” Noi