資源描述:
《基于Matlab的圖像去噪算法研究.pdf》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第29卷第10期河南科學Vol.29No.102011年10月HENANSCIENCEOct.2011文章編號:1004-3918(2011)10-1218-03基于Matlab的圖像去噪算法研究盛仲飆(渭南師范學院數(shù)學與信息科學學院,計算機網(wǎng)絡(luò)工程技術(shù)中心,陜西渭南714000)摘要:為了研究各種去噪算法的優(yōu)劣,在介紹圖像去噪的基本原理、方法的基礎(chǔ)上,采用傳統(tǒng)的線性、非線性以及頻域的方法對數(shù)字圖像進行去噪效果的分析比較和仿真實現(xiàn).最后,運用Matlab中小波工具箱驗證了小波變換的濾波效果.結(jié)果表明,小波的時頻特性,可更好的去除噪聲.關(guān)鍵詞:圖像去噪;仿真
2、;Matlab;小波變換中圖分類號:TP391文獻標識碼:A噪聲可以理解為“妨礙人們感覺器官對所接受的信源信息理解的因素”.噪聲在理論上可以定義為“不[1]可預(yù)測,只能用概率統(tǒng)計方法來認識的隨機誤差”.噪聲使圖像變得模糊,甚至淹沒圖像特征,給后面圖像區(qū)域分割、分析判斷等工作帶來了困難.如何使在終端畫面上保持顯示圖像的各類信息,使得以加強,并且合理消除大量噪聲,是數(shù)字圖像處理中的重要環(huán)節(jié)和步驟,一直是圖像處理研究領(lǐng)域進行的主要課題之一.[2]一般數(shù)字圖像系統(tǒng)中常見的噪聲有高斯噪聲和椒鹽噪聲等.消除圖像噪聲的工作稱之為圖像濾波或平滑.通常分為線性濾波和非線性濾
3、波兩類.1圖像去噪常用方法1.1鄰域平均法1)鄰域平均法原理[3]鄰域平均法是典型的線性濾波算法.它是利用Box模板對圖像進行模板操作的圖像平滑方法.Box模板對當前像素及其相鄰的像素點都一視同仁,統(tǒng)一進行平均處理.進而濾去圖像中的噪聲.Matlab中提供conv2函數(shù)可實現(xiàn)鄰域平滑.2)Matlab仿真結(jié)果及結(jié)論原始圖像高斯噪聲椒鹽噪聲鄰域平均去高斯噪聲鄰域平均去椒鹽噪聲圖1鄰域平均法去除噪聲結(jié)果Fig.1Thede-noisingresultsofneighborhoodaveraging可見,鄰域平均法對高斯噪聲有較好的平滑作用,但是對脈沖信號和其它
4、形式的高頻分量抑制效果較差,且模糊信號邊緣.1.2中值濾波1)中值濾波原理中值濾波是一種非線性信號處理方法,它的目的是保護圖像邊緣的同時去除噪聲.它是一種鄰域運算,收稿日期:2011-07-25基金項目:渭南師范學院研究生項目(08YKZ023)作者簡介:盛仲飆(1974-),女,陜西渭南人,講師,碩士,研究方向為基于網(wǎng)絡(luò)的計算機應(yīng)用技術(shù).2011年10月盛仲飆:基于Matlab的圖像去噪算法研究-1219-類似于卷積,但不是加權(quán)求和計算,它首先確定一個以某像素為中心點的鄰域,然后將該鄰域中的各個像素的灰度值進行排序,取其中間值作為中心點像素灰度的新值.鄰
5、域稱為窗口,當窗口在圖像中上下左右移[4]動后,就可對圖像進行平滑處理.Matlab提供了medfilt2函數(shù)用于中值濾波.2)仿真結(jié)果及結(jié)論高斯噪聲中值濾波椒鹽噪聲中值濾波圖2中值濾波去除噪聲結(jié)果Fig.2Thede-noisingresultsofmedianfiltering可見,中值濾波可以克服線性濾波器給圖像帶來的模糊,在有效清除噪聲的同時,又能保持良好的邊緣特性.特別適合去除圖像的椒鹽噪聲.1.3低通濾波法1)原理低通濾波法是一種頻域處理的方法.在分析圖像信號的頻率特性時,一幅圖像的邊緣、跳躍部分以及顆粒噪聲代表圖像信號的高頻分量,而大面積的背
6、景區(qū)代表圖像信號的低頻分量.用濾波的方法濾除其高[5]頻部分就能去掉噪聲,使圖像得到平滑.2)仿真結(jié)果及結(jié)論高斯噪聲濾波效果椒鹽噪聲濾波效果圖3低通濾波去除噪聲結(jié)果Fig.3Thede-noisingresultsoflow-passfiltering可見,頻域低通濾波具有更好的選擇性,對噪聲在一定范圍內(nèi)可以起到抑制作用.2小波去噪技術(shù)2.1小波去噪原理近年來小波技術(shù)在圖像處理應(yīng)用上取得一些新進展.小波分析是泛函分析、傅里葉分析、樣條理論、調(diào)[6]和分析以及數(shù)值分析等多個學科的相互交叉、相互融合的結(jié)晶.小波分析去噪的基本思想就是小波變換將大部分有用信號的信
7、息壓縮而將噪聲的信息分散.對信號進行小波分解,就是求信號與小波基函數(shù)之間的相關(guān)系數(shù).由于局部信號的小波分解系數(shù)僅僅在一些尺度上有較大的值,而噪聲的分解系數(shù)則廣泛分布于各尺度上,所以噪聲與局部信號在小波分解后呈現(xiàn)出完全不同的特性.基于這個特點,對含噪信號進行[7-9][10]小波分解與重構(gòu)就達到去除噪聲的目的.降噪過程如下:1)選擇合適的小波函數(shù)和適當?shù)姆纸鈱哟螌⒒煊性肼暤膱D像進行小波分解.2)對分解后的高頻部分系數(shù)進行閾值量化.3)根據(jù)量化后的各層系數(shù),計算二維信號的小波重構(gòu).-1220-河南科學第29卷第10期小波分析工具箱提供用于圖像去噪的有wrcoe
8、f2和wpdencmp函數(shù).2.2仿真過程及結(jié)果高斯噪聲去噪效果椒