用中值滤波滤除图像中的椒盐噪声.docx

数字图像处理作业系别： 班级：姓名： 学号：论文：影响系统图像清晰程度的因素很多，例如室外光照度不够均匀就会造成图像灰度过于集中；由CCD（摄像头）获得的图像经过A/D（数/模转换，该功能在图像系统中由数字采集卡来实现）转换、线路传送都会产生噪声污染等等。因此图像质量不可避免的降低了，轻者表现为图像不干净，难于看清细节；重者表现为图像模糊不清，连概貌也看不出来。因此，在对图像进行分析之前，必须要对图像质量进行改善，一般情况下改善的方法有两类：图像增强和图像复原。图像增强( image enhancement ),定义是将原来不清晰的图像变得清晰或强调某些关注的特征，抑制非关注的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果的图像处理方法。增强图像中的有用信息，它可以是一个失真的过程，其目的是要改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。 图像增强可分成两大类：频率域法和空间域法。前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。具有代表性的空间域算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。 图像增强的方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制(掩盖)图像中某些不需要的特征，使图像与视觉响应特性相匹配。在图像增强过程中，不分析图像降质的原因，处理后的图像不一定逼近原始图像。图像增强技术根据增强处理过程所在的空间不同，可分为基于空域的算法和基于频域的算法两大类。基于空域的算法处理时直接对图像灰度级做运算基于频域的算法是在图像的某种变换域内对图像的变换系数值进行某种修正，是一种间接增强的算法。 基于空域的算法分为点运算算法和邻域去噪算法。点运算算法即灰度级校正、灰度变换和直方图修正等，目的或使图像成像均匀，或扩大图像动态范围，扩展对比度。邻域增强算法分为图像平滑和锐化两种。平滑一般用于消除图像噪声，但是也容易引起边缘的模糊。常用算法有均值滤波、中值滤波。锐化的目的在于突出物体的边缘轮廓，便于目标识别。常用算法有梯度法、算子、高通滤波、掩模匹配法、统计差值法等。图像增强已经运用到不同的高科技领域内帮助人类实现不同的要求。不论是在军事，医学，机械都发挥了很大的作用。（1） 用中值滤波滤除图像中椒盐噪声中值滤波的基本原理：采用一个含有奇数点的滑动窗口，奖窗口内的所有灰度值排序并用其中值代替窗口中心像素点的灰度值。中值滤波在二维数字图像中，对于滤波窗口为A的二维中值滤波可以定义为：fi,j=MedAxij。该式中，MedA代表窗口A中所有像素点灰度值的中值，xij用于定位窗口，代表窗口中心的像素点。通过用中值代替窗口中心灰度值的方式，可以有效的保持阶跃函数及斜坡函数不发生变化，并将周期值小于窗口一半的脉冲抑制。根据中值滤波的这些特点，将其应用于数字图像去噪工作的话，可以较好的保留图像边缘信息，并可以去除一定的均匀分布噪声和椒盐噪声。程序流程图：源程序：M=imread(4.bmp);subplot(2,2,1);imshow(M);title(origial);N=rgb2gray(M);subplot(2,2,2);imshow(N);title(gray);P1=imnoise(B,salt & pepper,0.1);subplot(2,2,3);imshow(P1);title(salt & pepper noise);Q=medfilt2(P1);subplot(2,2,4);imshow(Q);title(medfilter salt & pepper noise);运行结果：（2） 图像的直方图均衡化:直方图均衡化的基本原理：直方图均衡化通过使用累积函数对灰度值进行“调整”以实现对比度的增强。处理的“中心思想”是把原图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布，对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同，把给定图像的直方图分布改变为“均匀”分布的直方图程序流程图：源程序：程序设计心得体会： 在设计程序的过程中遇到了一些困难，以前在学习Matlab的时候老师并没有讲关于数字图像处理的知识，