资源描述：
《基于matlab的图像去除噪声的研究new》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、第18卷第3期河南城建学院学报Vol.18No.32009年5月HenanUniversityofUrbanConstructionMay.2009文章编号:1671-9662(2009)03-0050-03基于Matlab的图像去除噪声的研究柏春岚(河南城建学院测绘与城市空间信息系,河南平顶山467044)摘要:本文主要以图像除噪为研究对象,介绍了图像的降噪方法—平均值法、形态学滤波器、中值滤波器以及小波。在此基础上,利用Matlab编程与仿真,对其结果进行分析与比较,找出较佳处理随机噪声的方法。关键词:Matlab;图像处理;消除噪声中图分类号:TN911.73文献标识码:A0引言
2、实际图像在形成、传输的过程中,由于各种干扰因素的存在会受到噪声的污染。噪声被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因素。一般噪声是不可预测的随机信号,它需采用适当的方法去认识。对噪声的认识非常重要,它影响图像的输入、采集、处理的各个环节以及结果输出全过程,特别是图像的输入、[1]采集过程中,若输入中含有大量噪声,必然影响处理全过程及输出结果。因此,一个良好的图像处理系统,无论是模拟处理还是计算机处理都把减少噪声作为主攻目标。本文采用小波分析、求平均值法、形态学滤波器以及中值滤波器等方法,对图像降低噪声进行了分析。1图像除噪方法图像降噪的方法有小波滤波、
3、平均值滤波、形态学滤波及中值滤波等。小波滤波是一种实现简单而效果较好的方法,它是对小波分解后的各层系数模大于和小于某阈值的系数分别进行处理,然后利用处理后的小波系数重构出消噪后[1～3]的图像;平均值滤波是因为在求平均值的过程中图像的静止部分不会改变,而对每一幅图像,各不同的噪声图案则[4]累积得很慢,通过求平均值可以有效地降低随机噪声的影响;形态学滤波是从数学形态学中发展出来的一种新型的非线性滤波技术,是基于信号(图像)的几何结构特性,利用预先定义的结构元素对信号进行匹配或局部修正,以达到提取[4]信号、抑制噪声的目的;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
4、术,这种滤波器的优点是运算简单且速度快,在滤除叠加白噪声和长尾叠加噪声方面表现了极好的性能,并且中值滤波器能很好地保护图[1、5]像边缘,使图像较好地复原。2分析图像除噪2.1Matlab软件在图像除噪中的应用MATLAB软件主要包括Simulink以及功能各异的工具箱,以矩阵运算为基础,把计算、可视化、程序设计融合到一个简单易用的交互式工作环境中。其可以实现工程计算、算法研究、符号运算、建模和仿真、原型开发、数据分析和可视化、科学和工程绘图、应用程序设计等功能。同时,还推出一系列帮助科学分析的工具箱,如图像处理、信号处理、小波、神经网络以及通信等多个不同领域的专用工具箱,极大地方便了
5、不同学科的研究工作。MATLAB在图像处理中的应用是由一系列支持图像处理的操作函数组成,如几何操作、区域操作和块操作、滤波、变换、图像分割、图像边缘提取、图像增强等。为便于应用,在该软件中形成图像处理工具包。图像处理工具包的函数种类很多,包括:图像显示、图像文件输入与输出、几何操作、像素值统计、图像分析与增强、图像滤波、滤波器、图像变换、图像[2、3]类型转换等。该工具包与其它操作一样,使用者可以根据需要自行编写函数。下面以“rice.tif”图像为原始数据,分析研究图像的降噪处理。2.2平均值降噪2.2.1编程收稿日期:2009-03-22作者简介:柏春岚(1978-),女,山东莒县
6、人,硕士,河南城建学院助教,研究方向为遥感图像处理及其应用。©1994-2010ChinaAcademicJournalElectronicPublishingHouse.Allrightsreserved.http://www.cnki.net第18卷第3期柏春岚:基于Matlab的图像去除噪声的研究51图像采用求平均值降噪,编程如下:I=imread(’rice.tif’);%读取图像X=imnoise(I,’gaussian’);Y=double(X);subplot(2,2,1);%一幅图划分为四幅图,第一幅图subplot(2,2,3);imshow(I);%采用绘图函数绘图
7、imshow(X);title(’原始图像’);%标注title(’加噪图像二’);axissquare;%图像变方形axissquare;[m,n]=size(I);%读取图像矩阵大小J=J+Y/10;J(m,n)=0;%初始值赋值fori=1:8%10幅图求平均J=double(J);%转换双精度X=imnoise(I,’gaussian’);X=imnoise(I,’gaussian’);%加噪声Y=double(X);Y=double(
