图像的加噪和去噪ppt课件.ppt

MATLAB课程实践 图像的加噪和去噪 ;主要原理的阐述运行结果 一．图像的加噪 噪声的模型主要有两种：一种是空间域的噪声，一般用噪声概率密度函数来描述；另一种是频域的噪声，一般用噪声的各种傅里叶特性来描述。 在MATLAB中是使用imnoise语句来污染一幅图像，从而达到退化图像的目的。该函数的基本使用方法是： g = imnoise ( f , type , parameters ) ，其中，f是输入图像，g代表输出图像，type和parameters分别是输入的噪声的类型和参数。 以下主要是椒盐噪声和高斯噪声的应用： （1）g = imnoise ( f，‘gaussian’，m，var) ，将均值m、方差为var的高斯噪声加载到图像f上，默认为均值0、方差0.01的噪声，输出图像g。 （2））g = imnoise ( f，‘saltpepper’，d) ，用噪声密度（包含噪声的图像区域的百分比）为d的椒盐噪声污染图像f，默认的噪声密度为0.05. 注意：函数imnoise在污染图像前，将f转换为范围在[0,1]内的double图像。; （1）加入高斯噪声后的图像效果 ;（2）加入椒盐噪声后的图像效果;二．图像的去噪 图像的去噪和降噪的方法有很多种以下主要实现的有①彩色图像的空间线性滤波；②维纳滤波；③将开运算和闭运算结合起来构成的形态学噪声滤波；④不同类型的中值滤波；⑤边缘增强算子滤波；⑥高斯低通滤波；⑦拉普拉斯算子滤波；⑧均值滤波。 注意：当输入的图像是彩色图像时一定要运用函数rgb2gray将其转换为灰度图像才能进行各种滤波，否则将提示错误，因为各种滤波函数支持的是对灰度图像的滤波。将彩色(RGB)图像转换为灰度图像（rgb2gray） 该函数的功能有两个：第一个功能是将一幅真彩图像换成一幅灰度图像；第二个功能是把一幅索引图像的彩色颜色映射表转换为灰度颜色映射表。其调用格式如下： I=rgb2gray(RGB) Newmap=rgb2gray(map) RGB图像和灰度图像之间的转换:;;;;;;(3) 用wiener2实现的维纳滤波 维纳滤波是一种经典的线性降噪滤波器，它是一种自适应滤波，是指使复原图像与原图像之间的均方误差最小的滤波器。对图像进行维纳滤波主要是为了消除图像中存在的噪声，该滤波器根据局部图像的差异来调整该滤波器的参数。该方法的滤波效果比线性滤波效果好，对保留图像的边缘部分和其它高频部分很有用，不过计算量较大。可利用MATLAB的wiener2函数对一幅图像进行自适应维纳滤波。Wiener2的调用格式为： J=wiener2(I,[m.n],noise),其中，[m,n]指定了滤波器的窗口大小为m*n,默认值为3*3；noise指定了噪声的功率，默认的是加性噪声（高斯白噪声）。Wiener2函数在噪声为固定功率噪声（白噪声，如高斯噪声）时，其滤波效果最好。;;（4）将开运算和必运算结合起来构成的形态学噪声滤波;虽然以上方法达到了去除噪声的目的但是经过对比灰度图像和闭运算后的图像就会看到处理后的图像有像素点损失，再由此方法的特点可知，此方法适用的图像类型是图像中的对象尺寸都比较大，没有细小的细节，因为对这种类型的图像除噪的效果会比较好。;（5）各种类型的中值滤波 中值滤波算法的特点：在去除噪声的同时，可以比较好的保留边的锐度和图像的细节均值。 ⒈Medfilt2中值滤波;⒉、Medfilt2(J ,[3,3])中值滤波;⒊使用稀疏模板的中值滤波; （6）不同模板的均值滤波; 比较以上采用不同尺寸的均值滤波器进行低通滤波处理的结果可知，当所用的平滑模板的尺寸增大时，消除噪声的效果增强，但同时图像的细节锐化程度相应降低，图像变得模糊起来。 （7）高斯低通滤波;（8）边缘增强算子滤波 （9）拉普拉斯算子滤波;心得体会： 通过这次课题实践我学到了很多，包括GUI界面的进一步设计和对图像的不同效果的加噪和去噪，亲身实践过才知道过程中有许许多多困难需要我去克服，这就迫使我去查资料、问老师、问同学，结果虽不是特别完美但基本上完成了设计，一分耕耘、一分收获，我知道这与老师和同学的帮助是分不开的，因此，我对帮助过我的同学和我的老师表示衷心的感谢，谢谢你们！ 参考文献： （1）MATLAB在图像处理中的应用 张汗灵 编著 清华大学出版社 2008.5 （2）Matlab图像处理与应用（第2版） 高成 主编 国防工业出版社 2007.4 （3）MATLAB及在电子信息类课程中的应用 唐向宏 岳恒立 郑雪峰 编