数字图像处理图像去噪方法（一）.pdfVIP

图像去噪方法 一、引言 图像信号在产生、传输和记录的过程中，经常会受到各种噪声的干扰， 噪声可以理解为妨碍人的视觉器官或系统传感器对所接收图像源信 息进行理解或分析的各种元素。噪声对图像的输入、采集、处理的各 个环节以及最终输出结果都会产生一定影响。图像去噪是数字图像处 理中的重要环节和步骤。去噪效果的好坏直接影响到后续的图像处理 工作如图像分割、边缘检测等。一般数字图像系统中的常见噪声主要 有：高斯噪声（主要由阻性元器件内部产生）、椒盐噪声（主要是图 像切割引起的黑图像上的白点噪声或光电转换过程中产生的泊松噪 声）等。我们平常使用的滤波方法一般有均值滤波、中值滤波和小波 滤波，他们分别对某种噪声的滤除有较好的效果。对图像进行去噪已 成为图像处理中极其重要的内容。 二、常见的噪声 1、高斯噪声：主要有阻性元器件内部产生。 2、椒盐噪声：主要是图像切割引起的黑图像上的白点噪声或光电转 换过程中产生泊松噪声。 3、量化噪声：此类噪声与输入图像信号无关,是量化过程存在量化误 差，再反映到接收端而产生，其大小显示出数字图像和原始图像差异。 一般数字图像系统中的常见噪声主要有高斯噪声和椒盐噪声等， 减少噪声的方法可以在图像空间域或在图像频率域完成。在空间域对 图像处理主要有均值滤波算法和中值滤波算法．图像频率域去噪方法 1 是对图像进行某种变换，将图像从空间域转换到频率域，对频率域中 的变换系数进行处理，再进行反变换将图像从频率域转换到空间域来 达到去除图像噪声的目的。将图像从空间转换到变换域的变换方法很 多，常用的有傅立叶变换、小波变换等。 三、去噪常用的方法 1、均值滤波 均值滤波也称为线性滤波,其采用的主要方法为邻域平均法。其基 本原理是用均值替代原图像中的各个像素值,即对待处理的当前像素 点（x,y）,选择一个模板,该模板由其近邻的若干像素组成,求模板中 所有像素的均值,再把该均值赋予当前像素点(x,y),作为处理后图像 1 ( ) ∑ 在该点上的灰度g(x,y),即g x,y = fϵsf(x,y),其中,s 为模板,M M 为该模板中包含当前像素在内的像素总个数。这种算法简单，处理速 度快，但它的主要缺点是在降低噪声的同时使图像产生模糊，特别是 在边缘和细节处。而且邻域越大，在去噪能力增强的同时模糊程度越 严重。 2 （均值滤波对加高斯、椒盐噪声图像处理后的对比图） 2、中值滤波 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。其实现原理如下:将某个像素邻域中的像素按灰度值进 行排序,然后选择该序列的中间值作为输出的像素值,让周围像素灰 3 度值的差比较大的像素改取与周围的像素值接近的值,从而可以消除 孤立的噪声点。利用中值滤波算法可以很好地对图像进行平滑处理。 这种算法简单，时间复杂度低，但其对点、线和尖顶多的图像不宜采 用中值滤波。很容易自适应化。 （中值滤波对加高斯、椒盐噪声图像处理后的对比图） 3、小波变换 4 小波变换是一种窗口大小固定但其形状可改变的时频局部化分析 方法。小波变换利用非均匀的分辨率，即在低频段用高的频率分辨率 和低的时间分辨率（宽的分析窗口）；而在高频段利用低的频率分辨 率和高的时间分辨率（窄的分析窗口），这样就能有效地从信号（如 语言、图像等）中提取信息，较好地解决了时间和频率分辨率的矛盾。 对于一副图像，我们关心的是它的低频分量，因为低频分量是保持信 号特性的重要部分，高频分量则仅仅起到提供信号细节的作用，而且 噪声也大多属于高频信息。这样，利用小波变换,噪声信息大多集中 在次低频、次高频、以及高频子块中,特别是高频子块,几乎以噪声信 息为主,为此,将高频子块置为零,对次低频和次高频子块进行一定的 抑制,则可以达到一定的噪声去除效果。