matlab图像去噪算法设计精Word格式.docx

1、 imshow（J）;加入高斯噪声之后的图像%采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波K1=filter2（fspecial（average,3）,J）/255; %模板尺寸为3K2=filter2（fspecial（,5）,J）/255;% 模板尺寸为5K3=filter2（fspecial（,7）,J）/255; %模板尺寸为7K4= filter2（fspecial（,9）,J）/255; %模板尺寸为9subplot（2,3,3）;imshow（K1）;改进后的图像1subplot（2,3,4）; imshow（K2）;改进后的图像2subplot（2,3,

2、5）;imshow（K3）;改进后的图像3subplot（2,3,6）;imshow（K4）;改进后的图像4PS：filter2用法fspecial函数用于创建预定义的滤波算子，其语法格式为：h = fspecial（type）h = fspecial（type,parameters）参数type制定算子类型，parameters指定相应的参数，具体格式为：type=，为均值滤波，参数为n，代表模版尺寸，用向量表示，默认值为3,3。type= ，为高斯低通滤波器，参数有两个，n表示模版尺寸，默认值为3,3，sigma表示滤波器的标准差，单位为像素，默认值为0.5。laplacian，为拉普拉斯

3、算子，参数为alpha，用于控制拉普拉斯算子的形状，取值范围为0,1，默认值为0.2。log，为拉普拉斯高斯算子，参数有两个，n表示模版尺寸，默认值为3,3，sigma为滤波器的标准差，单位为像素，默认值为0.5prewitt，为prewitt算子，用于边缘增强，无参数。sobel，为著名的sobel算子，用于边缘提取，无参数。unsharp，为对比度增强滤波器，参数alpha用于控制滤波器的形状，范围为0,1，默认值为0.2。运行效果见图1：据我目测，使用均值滤波去噪（高斯噪声）效果选用的邻域半径越大效果越好，当然其代价也会更大，另外确切的去噪效果的好坏还需要用SNR等数据来度量。 实验二：

4、二维自适应维纳滤波对高斯噪声的滤除效果 %读取图像 %加入均值为0，方差为0.005的高斯噪声K2=wiener2（J,3 3）; %对加噪图像进行二维自适应维纳滤波K2=wiener2（J,5 5）;K2=wiener2（J,7 7）;K2=wiener2（J,9 9）;imshow（J）;加噪图像恢复图像1imshow（K2）;恢复图像2恢复图像3维纳滤波的两个函数wiener2与deconvwnr都能够完成维纳滤波的功能， deconvwnr强调图象复原方面，wiener2强调图象空间域锐化的作用，其中J=wiener2（I,m,n）返回有噪声图像I经过wierner（维纳）滤波后的图像

5、，m,n指定滤波器窗口大小为m*n,默认值为3*3，J=wiener2（I,m,n,noise）指定噪声的功率，J,noise=wiener2（I,m,n）在图像滤波的同时，返回噪声功率的估计值noise。imnoise的语法格式为J = imnoise（I,type）J = imnoise（I,type,parameters）其中J = imnoise（I,type）返回对原始图像I添加典型噪声的有噪图像J。参数type和parameters用于确定噪声的类型和相应的参数。下面的命令是对图像1.gif分别加入高斯噪声、椒盐噪声和乘性噪声，其结果如图所示：实验三：对加入椒盐噪声的图像分别作均值

6、、中值和维纳滤波I=imread（1.gifJ1=imnoise（I,0,0.02）;J2=imnoise（I,salt & pepper,0.02）;J3=imnoise（I,speckle运行效果见图2%h=ones（3,3）/9;%产生3*3的全1数组%B=conv2（J,h）;%卷积运算 %均值滤波模板尺寸为3K= medfilt2（J）;%采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波K1=wiener2（J,3 3）;均值滤波后的图像imshow（K）;中值滤波后的图像维纳滤波后的图像MATLAB中提供了卷积运算的函数命令conv2，其语法格式为：C = conv2

7、（A,B）C = conv2（A,B）返回矩阵A和B的二维卷积C。若A为mana的矩阵，B为mbnb的矩阵，则C的大小为（ma+mb+1）（na+nb+1）。 MATLAB图像处理工具箱提供了基于卷积的图象滤波函数filter2，filter2的语法格式为：Y = filter2（h,X）其中Y = filter2（h,X）返回图像X经算子h滤波后的结果，默认返回图像Y与输入图像X大小相同。例如：其实filter2和conv2是等价的。MATLAB在计算filter2时先将卷积核旋转180度，再调用conv2函数进行计算。Fspecial函数用于创建预定义的滤波算子，其语法格式为：参数type

8、制定算子类型，parameters指定相应的参数，具体格式为前文已有叙述。ones产生全1数组，zeros产生全零数组。 ones（a,b）产生a行b列全1数组 ones（a）产生a行a列全1叔祖运行效果见图3：通过图3我们也可得出结论，即中值滤波对于去除椒盐噪声效果最好，而维纳滤波去除效果则较差。中值滤波对于去除椒盐噪声效果明显，是因为椒盐噪声只在画面上的部分点随机出现，而中值滤波根据数据排序，将未被污染的点代替噪声点的值的概率较大，所以抑制效果好。对点、线和尖顶较多的图像不宜采用中值滤波，因为一些细节点可能被当成噪声点。实验四: 分别使用二维统计滤波对椒盐噪声和高斯噪声进行滤波,0.004

9、）;imshow（J1）;加椒盐噪声后的图像J= ordfilt2（J1,5,ones（3,4）;% 进行二维统计顺序过滤椒盐噪声滤波后的图像,0,0.004）;imshow（J2）;加高斯噪声后的图像J3= ordfilt2（J2,5,ones（3,4）;imshow（J3）;高斯噪声滤波后的图像 PS:效果见图4：MATLAB小波分析工具箱提供的用于图像去噪的函数有wrcoef2和wpdencmp，其语法格式分别为： X=wrcoef2（type,C,S,wname）*xd,treed,datad,perf0,perfl2+=wpdencmp（x,sorh,N,wname,crit,par

10、,keepapp）其中，X=wrcoef2（type,C,S,wname）返回基于小波分解结构，的小波重构图像。参数“type”等于a表示重构近似系数；等于h表示重构水平细节系数；等于v表示重构垂直细节系数，等于d表示重构对角细节系数。*xd,treed,datad,perf0,perfl2+=wpdencmp（x,sorh,N,wname,crit,par,keepapp）是通过小波包定限（阈值化），返回输入信号或图像的除噪结果xd。输入参数中，treed,datad为xd的最佳小波包分解结构；perfl2和perf0表示L2复原和压缩百分数；perf12=100*（xd的小波包系数向量范数

11、/X的小波包系数向量范数） 2。Keepapp=1表示近似系数不能阈值化，否则可以阈值化；sorh=s为软阈值化，h为硬阈值化。实验五：利用wrcoef2函数进行图像去噪 其程序代码如下：c,l=wavedec2（J,2,sym4J1= wrcoef2（a,c,l,1）;J2= wrcoef2（,2）;subplot（2,2,1）;subplot（2,2,2）;含噪图像subplot（2,2,3）;imshow（J1,）;第一次去噪图像subplot（2,2,4）;imshow（J2,）;第二次去噪图像运行结果如图5：实验六：利用wpdencmp函数进行图像去噪 其程序代码如下：I=im2do

12、uble（I）;,0,0.05）;thr=0.1;sorh=s;crit=shannonkeepapp=0;J1=wpdencmp（J,sorh,3,crit,thr,keepapp）;全局阈值去噪图像J2=medfilt2（J1）;PS:在MATLAB图像处理工具箱中，提供了medfilt2函数用于实现中值滤波。 Medfilt2函数的语法格式为：B = medfilt2（A） 用33的滤波窗口对图像A进行中值滤波。B = medfilt2（A,m n） 用指定大小为mn的窗口对图像A进行中值滤波。 效果如图6：MATLAB小波处理的问题悬赏分：10 - 解决时间：2008-11-12 02

13、:53想请问 我知道MATLAB里有小波的工具箱可以用当我一张图像用小波转换时 我知道可以得到 LL LH HL HH四张合在一起的图像 请问MATLAB要怎么写?还有如果我只要 LL 或 HH 单独一张图像就好请问MATLAB要怎么写?请各位高手帮帮忙!提问者： cool77700 - 一级最佳答案第一步：信号分解调用格式：C，L=wavedec（X,N,wname提取多尺度小波变换的低频系数A=appcoef（C,L,db1）提取多尺度小波变换的高频系数：D=detcoef（C,L，N）;第二步：信号重构X=waverecC，L，wname 1）小波分解结构的低频重构函数：A3=wrcoe

14、f（ type,C,L,wname,N）2）小波分解结构的高频重构D=wrcoef（ddb1,3）。第三步：画出分解后的图形，四合一图像，就是你想要的效果， 所用函数：subplot（4,1,1）;plot（A3）;title（ A3subplot（4,1,2）;plot（D3）;D3subplot（4,1,3）;plot（D2）;D2subplot（4,1,4）;plot（D1）;D1如果只要 LL 或 HH 单独一张图像就好, 下面是举例子的 figure（1）;plot（LL ）figure（2）;plot（HH）基于小波的图像压缩理论2008-01-09 16:201基于小波的图像压缩

15、理论小波是近十几年才发展起来并迅速应用到图像处理和语音分析等众多领域的一种数学工具，是继110多年前的傅立叶（Joseph Fourier）分析之后的一个重大突破，它对无论是古老的自然学科还是新兴的高新技术应用学科均产生了强烈冲击。1909年哈尔发现了小波，并被命名为哈尔小波。20世纪70年代，当时在法国石油公司工作的年轻的地球物理学家Jean Morlet提出了小波变换的概念。法国的科学家Meyer于1986年创造性地构造出具有一定衰减性的光滑函数，他构造了L2（R）空间的规范正交基，使小波得到真正的发展。在信号处理中，自从S.Mallat和Inrid Daubechies 发现滤波器组与小

16、波基函数有密切关系之后，小波在信号（如声音信号，图像信号等）处理中得到极其广泛的应用。利用小波变换对图像数据进行压缩的理论过程主要分为以下几两个步骤:利用二维离散小波变换对图像分解为低频分量即高频细节分量;对所得到的低频分量即高频细节分量,根据人类的视觉生理特性分别作不同策略的量化与编码处理。例如,对于低频分量采用快速余弦变换,熵编码方法进行压缩。对于高频细节分量可以采用量化,去掉人眼不敏感的高频成分并结合熵编码方法的压缩方法。3 图像压缩方法在实际应用中,首先需要从图像文件中读取图像数据。MATLAB使用imread（）函数完这一任务。例如,在电脑D盘中有一彩色图像文件lena.jpg,则可

17、由下述语句读取:X =imread（D: lena.bmpMATLAB图像处理工具箱支持四种基本图像类型:索引图像、灰度图像、二进制图像和RGB图像。MATLAB直接从图像文件中读取的图像为RGB图像。它存储在三维数组中。这个三维数组有三个面,依次对应于红（Red）、绿（Green）、蓝（Blue）三种颜色,而面中的数据则分别是这三种颜色的强度值,面中的元素对应于图像中的像素点。索引图像数据包括图像矩阵X与颜色图数组map,其中颜色图map是按图像中颜色值进行排序后的数组。对于每个像素,图像矩阵X包含一个值,这个值就是颜色图数组map中的索引。颜色图map为m3双精度矩阵,各行分别指定红、绿、

18、蓝（R、G、B）单色值,map=RGB,R、G、B为值域为0,1的实数值,m为索引图像包含的像素个数。然后可根据情况采用不同的小波函数,进行索引图像的分解压缩。我们这里对上面产生的索引图像X用db1小波进行2层分解。c,l=wavedec2（X,2,db1）;在这里,一个索引图像作小波分解后,可得到一系列不同分辨率的子图像,不同分辨率的子图像对应的频率是不相同的。高分辨率（即高频细节）子图像上大部分点的数值接近于0,越是高频这种现象越明显。对一个图像来说,表现一个图像最主要的部分是低频（即近似）部分。多层小波分解的所有成分系数均保存在向量c中,低频近似与高频细节的系数需从向量c中提取。MATL

19、AB分别使用appcoef2（）和detcoef2（）函数来完成这一工作。我们这种方法是对低频和高频部分进行处理,因而提取低频和高频近似系数。cA1=appcoef2（c,l,cH1=detcoef2（h,c,l,1）;cD1=detcoef2（cV1=detcoef2（vMATLAB中重构系数用wrcoef2（）函数来完成这一工作。这样就可以重构低频和高频近似系数。A1=wrcoef2（H1=wrcoef2（D1=wrcoef2（V1=wrcoef2（ c1=A1 H1;V1 D1; 以下是对图像进行压缩：保留第一层低频信息并对其进行量化编码。MATLAB中用wcodemat（）函数来完成这一过程。 ca1=wcodemat（cA1,440,mat,0）;ca1=0.5*ca1;