数字图像处理

1、 (华东)数字图像处理 姓名： 蒋韬 班级： 电子1302 学号： 1305020213 专业： 电子信息工程 学院： 信息与控制工程学院 2016年6月1日一、使用均值滤波、中值滤波进行测试，得出去噪效果并分析(1)中值滤波：原理：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，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升（或下降）的为二维数据序列。二维中值滤波输出为g（x,y）=medf(x-k,y-

2、l),(k,lW) ，其中,f(x,y)，g(x,y)分别为原始图像和处理后图像。（2）均值滤波：去噪结果：（以lena为例，依次为中值滤波、均值滤波）：当输入n=5时 中值滤波： 乘性信噪比：23.6569高斯信噪比：23.3894椒盐信噪比：30.2558均值滤波：乘性信噪比：25.7429高斯信噪比：24.5713椒盐信噪比：25.0528结果分析：中值滤波较好的保留了图像的轮廓且具有较高的清晰度，尤其对于椒盐噪声，滤波效果非常明显，且信噪比最高。但对于高斯噪声和乘性噪声，滤波效果一般。均值滤波对乘性噪声抑制效果较好，但对椒盐噪声和高斯噪声滤波效果较差，对椒盐噪声图像有模糊化的趋向，清晰

3、度不高。在更一般的噪声模型下，当噪声污染的概率较小时，中值滤波抑制噪声的能力优于均值滤波；而当噪声污染的概率较大时，均值滤波抑制噪声的能力优于中值滤波。二、使用DCT变换进行测试，得出去噪效果并分析：原理：DCT变换利用傅立叶变换的性质。采用图像边界褶翻将像变换为偶函数形式，然后对图像进行二维傅立叶变换，变换后仅包含余弦项，所以称之为离散余弦变换。去噪结果（以lena为例）：乘性信噪比：15.8496高斯信噪比：13.6309椒盐信噪比：15.3811对乘性噪声和椒盐噪声滤波效果较好，对高斯噪声滤波效果较差。三、使用小波变换进行测试，得出去噪效果并分析原理: 小波分析的基本思想是用一族被称为子

4、波的特定函数去表示或者逼近一个信号。其中的子波函数族是由一个基本的子波函数经过平移和不同尺度的伸缩构成。小波去噪方法也就是寻找从实际信号空间到小波函数空间的最佳映射以便得到原信号的最佳恢复。去噪结果：乘性信噪比：25.1957;高斯信噪比：23.2627；椒盐信噪比：23.8524结果分析：经过9次小波消噪，对乘性噪声滤波效果较好，对椒盐噪声和高斯噪声滤波效果依然很差。四、使用PCA进行测试，得出去噪效果并分析原理：它是一种对数据进行分析的技术，最重要的应用是对原有数据进行简化。正如它的名字：主元分析，这种方法可以有效的找出数据中最“主要”的元素和结构，去除噪音和冗余，将原有的复杂数据降维，揭示隐藏在复杂数据背后的简单结构。去噪效果：椒盐噪声信噪比22.1278乘性噪声信噪比22.4812高斯噪声信噪比21.4001结果分析pca处理乘性噪声效果最好，处理椒盐噪声效果一般，高斯噪声效果最差。五、维纳滤波原理：维纳滤波（wiener filtering) 一种基于最小均方误差准则、对平稳过程的最优估计器。这种滤波器的输出与期望输出之间的均方误差为最小，因此，它是一个最佳滤波系统。它可用于提取被平稳噪声所污染的信号。去噪效果：当输入n=5时，乘性噪声信噪比为23.8794，高斯噪声信噪比为23.8017，椒