数字图像去噪典型算法仿真与分析

1、数字图像去噪典型算法的仿真与分析个人信息* * * * * * * * * *摘要：图像去噪是数字图像处理的重要步骤。首先，本文介绍了常见的图像噪声。然后，在介绍图像去噪基本方法和原理的基础上，讨论了均值滤波、中值滤波和维纳滤波三种典型的图像去噪方法。最后，对含有高斯噪声和椒盐噪声的图像进行去噪，并对其去噪效果进行仿真、分析和比较，得出三种方法的适用性特征。关键词：图像去噪；均值滤波；中值滤波；维纳滤波图像去噪方法的仿真与分析在数字图像中名称：*(个人信息* * * *)图像去噪是图像处理中最重要的部分和步骤之一。首先，介绍了常见的图像噪声。然后，根据消除图像噪声的原理和方法，讨论了典型的图像

2、去噪方法均值滤波、中值滤波和维纳滤波。最后，利用这些方法消除包含高斯噪声和椒盐噪声的图像噪声。通过对比分析这些方法的效果，总结出每种方法在不同应用中的适用性。关键词：图像去噪；均值滤波；中值滤波；维纳滤波介绍数字图像是现代人的主要信息来源。由于成像系统、传输介质和记录设备的不完善，数字图像在形成、传输和记录过程中经常受到各种噪声的污染。一般来说，真实图像是有噪声的图像。噪声模糊了图像，甚至淹没了图像特征，给后续图像区域的分割、分析和判断带来困难。因此，在边缘检测、图像分割、特征提取和模式识别等高级处理之前，选择合适的方法尽可能消除噪声干扰是一个非常重要的环节和步骤，一直是图像处理研究领域的主要

3、课题之一。在图像去噪的研究中，国内外一些学者提出了大量的算法，如一些典型的图像去噪算法、均值滤波、中值滤波、维纳滤波、小波变换等1-5。近年来，许多学者也提出了一些改进的新算法。本文6针对均值滤波在噪声抑制过程中会丢失图像边缘等细节的问题，提出了一种改进的均值滤波算法。当计算局部窗口中中心像素的平均值时，考虑窗口中每个像素与中心像素之间的灰度差，还考虑窗口中每个像素与中心像素之间的距离。然而，由于过度平滑，很容易导致图像细节模糊。对于复杂的噪声图像，论文7提出了一种基于同性粒子数的噪声点检测算法，这是一种改进的中值滤波算法。对于脉冲噪声，该算法不仅具有很好的滤波效果，而且在保持图像细节方面也取

4、得了一定的成绩。然而，当过滤具有未知噪声类型的图像时，效果并不明显。针对经典维纳滤波器的缺点，在8中提出了一种新的自适应维纳滤波器。该滤波器可以根据不同的图像特征自适应地在给定的模板中选择模板，使得滤波效果更加理想。然而，对于不太复杂的图像，与普通的维纳滤波相比，新的自适应维纳滤波具有较小的改进空间和不太明显的效果。综上所述，现有的图像去噪方法大致可以分为两类：一类是空域方法，另一类是频域方法。本文主要研究空间域去噪方法，分析了几种典型的空间域去噪方法，研究和总结了各种算法的优缺点、适用性和处理效率，并通过MATLAB进行了仿真和分析比较。1噪声噪声可以被理解为阻止人类视觉器官或系统传感器理解

5、或分析接收到的图像源信息的各种因素。理论上，噪声可以定义为“不可预测的随机误差，只能用概率统计方法识别”9。1.1图像系统中的常见噪声根据噪声产生的原因，通常影响图像质量的噪声源分为三类：电阻元件内部产生的高斯噪声；光电转换过程中的泊松噪声(椒盐噪声)；感光过程中产生的粒子噪声。根据噪声与信号的关系，它也可以分为两种形式：一种是加性噪声，另一种是乘性噪声。1.2图像去噪的重要性噪声是图像处理中一个非常重要的问题。它将影响图像的输入、采集、处理和最终输出。特别是在图像输入和采集过程中，噪声是一个非常关键的问题。如果输入伴随着较大的噪声，将不可避免地影响后续处理和最终处理效果。因此，任何一个好的图

6、像处理系统，无论是模拟处理还是计算机处理，都以降低第一阶段的噪声为主要目标。去噪已经成为图像处理中一个极其重要的环节和步骤。2典型图像去噪算法现有的图像去噪方法大致可以分为两类：一类是空间域方法，主要是利用各种图像平滑模板对图像进行卷积来抑制或消除噪声；另一种是频域方法。图像变换后，选择合适的带通滤波器进行滤波，然后通过逆变换得到去噪图像。本文的工作主要集中在空间域方法上。讨论、仿真和分析了三种典型的空域去噪方法：均值滤波、中值滤波和维纳滤波。2.1均值滤波均值滤波也称为线性滤波，其主要方法是邻域平均1-4。均值滤波的基本思想是用场中几个像素值的平均值来代替原始图像中的每个像素值。场的选择通常

7、是4场和8场像素。假设存在由L*H个像素组成的图像f(x，y)，让Sxy表示中心在(x，y)且大小为m * n的滑动模板窗口。平均滤波过程是计算模板中所有像素的平均值g(x，y)，其由等式1给出。然后用g(x，y)代替点(x，y)的原始像素值f (x，y)，得到去噪图像f(x，y)，如公式2所示。(1)(2)这个操作可以用系数为1/m * n的卷积模板来实现。从上面的公式可以看出，在平均值处理之后，噪声的平均值没有变化，并且方差较小，这表明噪声的强度被减弱，即噪声被抑制。当然，在平滑噪声的同时，这种方法也会模糊信号的细节和边缘，也就是说，在去除噪声的同时，它会破坏和丢失图像的高频细节，从而模糊

8、图像。2.2中值滤波中值滤波是一种非线性信号处理方法。其基本原理是用数字图像或数字序列中一个点的邻域内每个点的中值来代替该点的值。一般来说，中值滤波是利用一个移动窗口沿图像移动，窗口中心的像素灰度被窗口中所有像素灰度的中值所代替。算法步骤如下：首先，确定以某个像素(x，y)为中心点的邻域，常用的邻域有正方形、十字、圆形等；然后，对邻域中每个像素的灰度值进行排序，取中值作为中心像素灰度值的新值。这里的邻居通常被称为窗口，可以是3*3，5*5，等等。当窗口在图像中上下、左右移动时，中值滤波算法可用于平滑图像井1-4。这是一种邻域操作，类似于卷积，但计算不是加权和，而是邻域中的像素按灰度排序，然后选

9、择组的中间值作为输出像素值。也就是说，像素的相邻像素的中值灰度级被用来替换像素的值，这由等式3给出。(3)域的大小决定了中值的多少，窗口的形状决定了中值的几何空间。窗口的大小和形状有时对过滤效果有很大影响。2.3维纳滤波维纳滤波器是一种自适应滤波器。它根据图像的局部方差来调整滤波器的输出。其最终目标是最小化恢复图像g(x，y)和原始图像f(x，y)之间的均方误差。所谓自适应滤波是指利用下意识获得的滤波参数结果，自动调整当前时刻的滤波参数，以适应未知噪声或时变信号的统计特性。维纳算法1 5首先估计像素的局部矩阵均值和方差：(4)然后，使用维纳滤波器来估计每个像素的像素值：(5)这里，v2是图像中

10、噪声的方差。维纳滤波去噪方法根据图像的局部方差调整滤波器的输出。当局部方差较大时，滤波器的平滑效果较弱。当局部方差较小时，滤波器的平滑效果更强。它比线性滤波器具有更好的选择性，能更好地保留图像的边缘和高频细节。3模拟结果和分析利用MATLAB图像处理工具箱的功能，可以非常方便地实现上述三种滤波方法。然而，为了加深对这三种滤波方法的理解和应用，本文利用自编的MATLAB程序进行了仿真，其中维纳滤波器利用了MATLAB自身的功能。为了比较上述不同图像去噪方法的优缺点，本文利用MATLAB工具箱对同一幅图像人工添加不同的图像噪声。然后分别采用均值滤波、中值滤波和维纳滤波等平滑方法对图像进行去噪和恢复

11、，获得了丰富的实验结果。由于空间的限制，本文仅给出了三种滤波算法对具有零均值高斯噪声和椒盐噪声的Leda图像的结果，如图1、图2和图3所示。图1莱达原始图像和加噪图像图2向达乐添加高斯噪声的仿真结果图3乐达添加盐和胡椒噪声的模拟结果通过对实验结果的分析和比较，可以主观地得出以下结论：1)对于均值滤波，如图2所示，图像中的噪声含量非常小，说明均值滤波对零均值高斯噪声有较好的抑制效果。从图3可以看出，均值滤波对椒盐噪声的去除效果不明显。虽然噪声得到了一定程度的抑制，但图像的边缘变得模糊，并且随着滤波器尺寸的增大，图像细节的锐化程度也相应降低。由于平均滤波只均匀分布某一点的噪声强度和周围的数据，结果

12、是噪声幅度减小，但噪声点的粒子面积同时增加，而椒盐噪声的平均值不为零。2)对于中值滤波，从图2可以看出中值滤波对高斯噪声没有明显的影响，因为高斯噪声污染了所有幅度随机的点，所以无论如何选择数据，污染值总是得到的。从图3可以看出，中值滤波对于去除盐和胡椒噪声具有明显的效果，因为盐和胡椒噪声仅在图像中的某些点随机出现。根据中值滤波原理可知，用数据排序法将图像中未受噪声污染的点替换噪声点的概率比较大，因此噪声抑制效果非常好。与均值滤波相比，中值滤波对保持图像清晰度有明显效果。其缺点是涉及大量的排序操作，运算速度慢，影响了图像的实时处理。对于有许多细节的图像，尤其是有许多点、线和尖顶的图像，使用中值滤

13、波是不合适的，因为细节可能被认为是噪声点。3)对于维纳滤波器，比较图(1-3)可知，维纳滤波器去除高斯白噪声的效果较好，去除椒盐噪声的效果较差，从图中可以清楚地看到一些明显的噪声点。维纳滤波可以很好地保留图像的边缘和高频细节，但去噪后的图像仍然有轻微的模糊。为了更客观地解释各算法的滤波性能，采用峰值信噪比(PSNR)作为客观评价的尺度。PSNR值越大，恢复的图像越接近原始图像。PSNR的定义是：（其中，M，N表示图像的大小，f(x，y)表示原始图像的灰度值，g(x，y)表示滤波后图像的灰度值。PSNR噪声图像经各种算法处理后如表1所示：表1莱达峰值信噪比测试结果单位：分贝PSNR噪声类型均值滤

14、波中值滤波维纳滤波高斯噪声25.297323.880224.1660盐和胡椒噪音29.933133.138625.5388从表中的PSNR数据可以看出，均值滤波器对高斯噪声有很好的抑制效果，中值滤波器对椒盐噪声有明显的抑制效果，维纳滤波器对高斯噪声有很好的抑制效果，对椒盐噪声的抑制效果相对较差。结论本文只研究了几种典型的空域去噪方法。摘要：在MATLAB环境下，对均值滤波、中值滤波和维纳滤波三种典型图像去噪方法的原理和适用范围进行了分析和讨论，比较了它们在去除几种典型噪声方面的性能和视觉效果，并得出结论。在图像中抑制噪声和保持细节常常是一对矛盾，这也是图像处理中没有很好解决的问题。在实际应用中

15、，在处理噪声图像之前，应明确以下两点：1)图像受到何种噪声干扰；2)噪声干扰程度。然后选择合适的去噪技术，减少图像去噪过程的盲目性。如何对各种算法进行改进，获得一种具有细节保护和噪声抑制优良特性的新算法，使其去噪效果更加理想，应用更加广泛，是图像处理的目标，也是未来的研究方向。参考：1塞迪瓦尔迪穆罕默德。基于Matlab的几种图像去噪方法的研究J。河南科学，2013，31(9):1387-1390王文清，严婷。2基于空间域的图像去噪方法比较研究J.Xi邮电大学学报，2012，17(2):75-79雷虎、张伟、秦庆炎。2几种去噪算法的应用分析J.信息技术，2007(7):81-83。盛中标。基于Matlab的图像去噪算法研究J。河南科学，2011(10):1218-1220。小峰