Matlab激光图像背景噪声影响.docVIP

Matlab激光图像背景噪声影响 学生姓名 专业班级 学 号 院 （系） 信科院 指导教师 王爱学 摘 要 本文主要是图像去噪在数字图像处理中的应用，解决的主要问题是图像去噪和图像分割，包括图像变换、中值去噪、阈值分割、真彩色处理。考虑到Matlab在矩阵计算，实现算法，数据可视化方面的特点，通过分析本文采用MATLAB程序处理数字图像。本文应用中值去噪，编写了相关MATLAB程序。中值滤波在图像处理中,常用于用来保护边缘信息,是经典的平滑噪声的方法在一定的条件下，可以克服线性滤波器所带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声最为有效摘 要 I 1 绪论 1 1.1 噪声图像模型及噪声特性 1 1.1.1含噪模型 1 1.1.2 噪声特性 1 1.2 图像质量的评价 2 1.2.1 主观评价 2 1.2.2客观评价 2 2 数字图像去噪方法 4 2.1 传统去噪方法 4 2.1.1 空域滤波 4 2.1.2 频域低通滤波法 5 2.2 小波去噪 5 2.2.1 小波去噪的发展历程及研究现状 6 2.3 本文去噪方法 7 3 总体设计方案 8 3.1总体方案介绍 8 3.2总体方案流程图 8 4 激光光斑图像去噪 10 4.1 中值去噪 10 4.2 图像分割 12 4.2.1 图像分割概述 12 4.2.2 图像分割方法 12 4.2.3 阈值分割 15 结 论 绪论 1.1 噪声图像模型及噪声特性 现实中的数字图像在数字化和传输过程中，常受到成像设备与外部环境噪声干扰等影响，成为含噪图像。去除或减轻在获取数字图像中的噪声称为图像去噪,在图像去噪之前我们先要建立一个的模型，为了简便，我们研究如下的加性噪声模型，即含噪图像仅由原始图像叠加上一个随机噪声形成: 表示图像，为噪声，含噪图像记为。 在对这个含噪模型进行研究之前，我们有必要了解一下噪声的一些特性，经常影响图像质量的噪声源可分为三类。人们对其生成原因及相应的模型作了大量研究[3]: 1、电子噪声。在阻性器件中由于电子随机热运动而造成的电子噪声是三种模型中最简单的，一般常用零均值高斯白噪声作为其模型，它可用其标准差来完全表征。 2、光电子噪声。由光的统计本质和图像传感器中光电转换过程引起，在弱光照的情况下常用具有泊松分布的随机变量作为光电噪声的模型，在光照较强时，泊松分布趋向于更易描述的高斯分布。 3、感光片颗粒噪声。由于曝光过程中感光颗粒只有部分被曝光，而部分则未曝光，底片的密度变化就由曝光后的颗粒密集程度变化所决定，而算曝光颗粒的分布呈现一种随机性在大多数情况下，颗粒噪声可用高斯白噪声作为有效模型。 通过以上分析可以看出，绝大多数的常见图像噪声都可用均值为零，方差不同的高斯白噪声作为其模型，因而为了简便和一般化，我们采用零均值的高斯白噪声作为噪声源。1.2 图像质量的评价 如何评价一个图像经过去噪处理后所还原图像的质量，对于我们判断去噪方法的优劣有很重要的意义。现有的评价方法一般分为主观和客观两种主观评价通常有两种[]:一种是作为观察者的主观评价，这是由选定的一组人对图像直接用肉眼进行观察，然后分别给出其对所观察的图像的质量作好或坏的评价，再综合全组人的意见给出一个综合结论。它只是一种定性的方法，没有定量的标准，而且受到观察者的主观因素的影响，评价结果有一定的不确定性。另一种是随着模糊数学的发展，可以用模糊综合评判方法来尽量减少主观因素的影响，实现对图像质量近似定量的评价，不过它仍然没有完全消除主观不确定性的影响，其定量计算公式中的参数往往要依赖专家经验确定。 图像质量的客观评价由于着眼点不同而有多种方法，这里介绍的是一种经常使用的所谓的逼真度测量。对于彩色图像逼真度的定量表示是一个十分复杂的问题[]。目前应用得较多的是对黑白图像逼真度的定量表示。合理的测量方法应和主观实验结果一致，而且要求简单易行。 对于连续图像场合，设为一定义在矩形区域，的连续图像，其降质图像为，它们之间的逼真度可用归一化的互相关函数K来表示: (l-2) 对于数字图像场合设为原参考图像，为其降质图像，逼真度可定义为归一化的均方误差值NMSE： （1-3） 其中，运算符表示在计算逼真度前，为使测量值与主观评价的结果一致而进行的某种预处理。如对数处理、幂处理等，常用的为,、、、b均为常数。(l-4) 另外一种常用的峰值均方误差PMSE: