精品文档---下载后可任意编辑希望得到大家的指点和帮助图像去噪是数字图像处理中的重要环节和步骤。去噪效果的好坏直接影响到后续的图像处理工作如图像分割、边缘检测等。图像信号在产生、传输过程中都可能会受到噪声的污染，一般数字图像系统中的常见噪声主要有：高斯噪声（主要由阻性元器件内部产生）、椒盐噪声（主要是图像切割引起的黑图像上的白点噪声或光电转换过程中产生的泊松噪声）等；目前比较经典的图像去噪算法主要有以下三种：均值滤波算法：也称线性滤波，主要思想为邻域平均法，即用几个像素灰度的平均值来代替每个像素的灰度。有效抑制加性噪声，但容易引起图像模糊，可以对其进行改进，主要避开对景物边缘的平滑处理。中值滤波：基于排序统计理论的一种能有效抑制噪声的非线性平滑滤波信号处理技术。中值滤波的特点即是首先确定一个以某个像素为中心点的邻域，一般为方形邻域，也可以为圆形、十字形等等，然后将邻域中各像素的灰度值排序，取其中间值作为中心像素灰度的新值，这里领域被称为窗口，当窗口移动时，利用中值滤波可以对图像进行平滑处理。其算法简单，时间复杂度低，但其对点、线和尖顶多的图像不宜采纳中值滤波。很容易自适应化。Wiener 维纳滤波：使原始图像和其恢复图像之间的均方误差最小的复原方法，是一种自适应滤 波器，根据局部方差来调整滤波器效果。对于去除高斯噪声效果明显。 实验一：均值滤波对高斯噪声的效果I=imread('C:\Documents and Settings\Administrator\桌面\1.gif');%读取图像subplot(2,3,1);imshow(I);title('原始图像');subplot(2,3,2); imshow(J);title('加入高斯噪声之后的图像');%采纳 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('average',5),J)/255;% 模板尺寸为 5K3=filter2(fspecial('average',7),J)/255; %模板尺寸为 7K4= filter2(fspecial('average',9),J)/255; %模板尺寸为 9subplot(2,3,3);imshow(K1);title('改进后的图像 1');subplot(2,3,4); imshow(K2);title('改进后的图像 2');subplot(2,3,5);imshow(K3);title('改进后的图像 3');subplot(2,3,6);imshow(K4);title('改进后的图像 4');PS：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，paramete...
