图像去噪算法研究-毕业设计Word文档下载推荐.doc
《图像去噪算法研究-毕业设计Word文档下载推荐.doc》由会员分享，可在线阅读，更多相关《图像去噪算法研究-毕业设计Word文档下载推荐.doc（28页珍藏版）》请在冰豆网上搜索。
阈值；
MATLAB
Abstract
Imageisonekindofimportantinformationsource,mayhelpPeoplethroughtheimageryprocessingtounderstandtheinformationtheconnotation.Thedigitalimagede-noiseinvolvesdomainsandsoonopticalsystem,microelectronictechnology,computerscience，mathematicalanalysis,it’saverycomprehensiveinterdisciplinaryscience,nowitspracticeapplicationisverywidespread.Inthemedicine,themilitary,art,theagricultureandallhaveveryextensiveandripeusingsoon.MATLABisonekindofhighlyeffectiveengineeringcalculationlanguage,inaspectsandsoonvaluecomputation,dataprocessing,imageryprocessing,neuralnetwork,waveletanalysisallhasthewidespreadapplication.
Thisarticlehasstatedthetheoryofwaveletthresholddenoising,thendonecomparingexperimentsusingseveralgoodthresholddenoisingmethods.Finallyaccordingtothetheoryanalysisandsimulationresults,thepaperdiscussesseveralkindsoffactorswhichaffectthedenoisingcapabilityinacompletedenoisingalgorithm.Thatprovidesthedatereferenceofthresholddenoisingmethodsinactualimageprocess.
Keywords:
Wavelettransformation;
Imagedenoising;
Waveletthreshold;
MATLAB
目录
第一章 绪论 1
1.1引言 1
1.2数字图像的基本概念 1
1.3数字图像处理的基本理论 1
1.4问题的产生 2
1.5文各章节的安排 3
第二章图像去噪基本方法研究 4
2.1图像噪声的基本概念 4
2.2图像去噪方法基本方法 4
2.2.1均值滤波 4
2.2.2中值滤波 6
2.3实验结果 10
2.3.1均值滤波 10
2.3.2中值滤波 12
第三章小波变换的图像去噪 15
3.1小波变换 15
3.2小波去噪问题的描述 15
3.3小波变换的图像去噪原理 17
3.4阈值的选取 21
3.5小波去噪基于matlab的实现 21
3.6实验结果 23
3.7几种算法的比较 23
第四章总结与展望 25
参考文献 26
致谢 27
毕业设计（论文）
IV
第一章 绪论
1.1引言
近些年来,随着数码产品及各类数字产品的普及，数字图像处理已成为数学技术和计算机技术交叉领域的一个研究热点。
图像去噪是数字图像处理中一项基本而又十分关键的技术。
图像在获取，传输及贮存时总是不可避免地受到各种噪声源的干扰，为了更准确的获取原始信息，图像去噪预处理算法的好坏成为后续处理的关键。
随着网络及计算机在人们生活中的日益普及，图像、音频等多种形式的多媒体文件的出现，同时人们对于图像的画质要求也在不断提高，于是图像处理显得越发的重要。
1.2数字图像的基本概念
随着数字技术的不断发展与应用，现实世界中的许多信息都可以用数字形式的数据进行处理和存储，数字图像就是这种以数字形式进行存储和处理的图像。
这种用一个数字阵列来表示的图像，数字阵列中的每个数字，表示数字图像的一个最小单位，即像素。
通过对每个像素点的颜色，或者是高度等进得数字化描述，就可以得到在计算机上进得处理的数字图像。
1.3数字图像处理的基本理论
将客观世界实体或图片等通过不同的量化（数字化）手段送入计算机，由计算机按使用要求进行图像的平滑、增强、复原、分割、重建、编码、存储、传输等种种不同的处理。
需要时把加工处理后的图像重新输出，这个过程称为图像处理。
图像处理的基本内容可以归结为：
1.对图像进行增强或修改，以增强有用信息，同时抑制无用信息（即干扰信息或噪声），改善图像的视觉质量，提高图像的可观察性；
2.描述图像的特征并进行特征抽取（例如图像的纹理特征、频谱特征、边界特征和颜色特征等）和分析（对像素用某个标准衡量并进行分类比较），将抽取的特征归结为一定的模式；
3.对图像的某些部分合并或进行重新组织，这称为图像的重建，例如计算机视觉就是这样的一种技术；
4.图像编码是简化图像的表示方式，压缩表示图像的数据，以便于存储和传输。
图像编码主要是对图像数据进行压缩，因为图像信息具有较强的相关特性，因此通过改变图像数据的表示方法，可对图像的数据冗余进行压缩。
由此来达到减小描述图像的数据量的目的。
计算机所能处理的信息必须是数字信号，而我们得到的照片、图纸或景物等信息都是连续信号，为此必须将此连续信号进行抽样和量化，即进行数字化处理。
一幅连续黑白灰度的图像经过等间隔抽样以后，可以用一个离散量组成的矩阵来表示：
其中，矩阵中的每一个元素称作像元、像素或图像元素。
而代表该点图像的光强度，也称为点的灰度值，即亮度值。
它是能量的一种形式，故必须大于零且为有限值，因此，。
如果是一幅彩色图像，各点的数值还应当反映出色彩的变化，即可用表示，其中为波长。
如果是一幅活动的彩色图像，还应是时间t的函数，即可表示为。
图形数字化后的矩阵为的方阵。
一般来说，无论是阵列大小和像素的最大灰度级数都取为2的整次幂，即，，，为某一个正整数。
而对的像素。
有G级灰度级时，则存贮此数字化图像所需的位数为。
的单位为比特。
。
例如，灰度级的的图像需要98304个存贮位。
图像的清晰度（即可辨别的细节的程度）主要取决于和，这些参量越大，数字阵列对于原来的图像的近似就越好，但是存贮量以及由此而引起的计算量也作为和的函数而很快地增加。
对与的选择，应根据图像的性质与处理的目的来决定。
由于微型机的普及与发展，多采用8bit。
即256个灰度级。
1.4问题的产生
在图像的获取、传输和存贮的过程中总是不可避免地受到各种噪声源的干扰。
为了从图像中获取更准确的信息，图像去噪预处理算法的好坏成为后续处理的关键。
图像去噪包含两个方面内容：
（1）消除噪声；
（2）增强图像特征。
但这两个目标在一定程度上是一对矛盾。
因为去除噪声意味着除去图像的高频部分，而图像的边界也是图像的高频部分，所以在去除噪声的同时，往往使得图像的边界变得模糊。
如何解决好这一对矛盾是评判图像去噪算法好坏的一个重要标准。
1.5文各章节的安排
第一章主要介绍数字图像和数字图像处理的一些基本概念。
第二章对图像的几种去噪方法进得简单的综述与研究。
第三章对小波变换的图像去噪方法进行阐述及探讨。
第四章对图像去噪进行简短地总结与展望。
第二章图像去噪基本方法研究
2.1图像噪声的基本概念
一般，噪声是不可预测的随机信号，通常采用概率统计方法对其进行分析。
噪声对图像处理十分重要，它影响图像处理的输入，采集、处理的各个环节以及输出结果的全过程。
特别是图像的输入、采集噪声的抑制是十分关键的问题，若输入有较大的噪声，必然影响处理全过程及输出的结果。
因此一个良好的图像处理系统，不论是模拟处理还是用计算机进行数字处理，无不把减少第一级的噪声作为主攻目标。
根据噪声产生的来源，大致可以分为外部噪声和内部噪声两大类。
外部噪声是指从处理系统外来的影响，如天线干扰或电磁波从电源线窜入系统的噪声，内部噪声则有以下四种常见形式：
1.由光和电的基本性质引起的噪声。
2.由机械运动产生的随机散粒噪声。
3.元器件噪声。
4.系统内部电路的噪声。
这些类型的噪声反映在图像画面上，大致可以分为两种类型的噪声。
一类噪声幅值基本相同，但是噪声出现的位置为随机，这种噪声被称为椒盐噪声。
一类每一点都存在噪声，但噪声的幅值是随机分布的。
从幅值大小的分布统计，这类噪声被称为高斯噪声和瑞利噪声。
2.2图像去噪方法基本方法
常见的去噪方法有：
均值滤波、中值滤波、边界保持类平滑滤波等等。
2.2.1均值滤波
所谓均值滤波实际上就是用均值替代原图像中的各个像素值。
均值滤波的方法是，对待处理的当前像素，选择一个模板，该模板为其近邻的若干像素组成，用模板中像素的均值来替代原像素的方法。
如图2.1所示：
1
2
3
8
4
7
6
5
图2.1模版示意图
序号为0的是当前像素，序号为1~8的像素是其模板中的近邻像素。
求模板中的所有像素的均值，再把该均值赋予当前像素点（x,y）,作为处理后图像在该点上的灰度g（x,y）,即：
g（x,y）=（2-1）
其中S为模板，M为该模板中包含当前像素在内的像素总个数。
考虑到数据分布的平衡性，模板一般选择为33,55,待处理像素放在模板的中心。
以一个例子来说明下均值滤波算法。
设检测图像数据（包含噪声干扰）为：
（2-2）
用33的模板对其对行均值滤波（因为图像画面边框上的像素无法
升级会员 