摘要图像是信息社会人们获取信息的重要来源之一。在通过图像传感器将现实世界中的有用图像信号进行采集、量化、编码、传输、恢复的过程中，存在大量影响图像质量的因素。因此图像在进行使用之前，一般都要经过严格的预处理如去噪、量化、压缩编码等。噪声的污染直接影响着对图像边缘检测、特征提取、图像分割、模式识别等处理，使人们不得不从各种角度进行探索以提高图像的质量。所以采用适当的方法尽量消除噪声是图像处理中一个非常重要的预处理步骤。图像处理技术在世纪首先应用于图像的远距离传送，而改善图像质量的应用开始于年美国喷气动力实验室用计算机对“徘徊者七号”太空船发回的月球照片进行处理，并获得巨大成功。现在图像处理技术已深入到科学研究、军事技术、工农业生产、医学、气象及天文学等领域。科学家利用人造卫星可以获得地球资源照片、气象情况；医生可以通过射线或对人体各部位的断层图像进行分析。但在许多情况下图像信息会受到各种各样噪声的影响，严重时会影响图像中的有用信息，所以对图像的噪声处理就显得十分重要。因此我选择图像去噪方面进行了解及研究，现将自己已了解的知识进行汇总。图像去噪处理的方法16.1变换的基本思想6.2变换的算法七、全变差正则化的收缩去噪收缩去噪原理简介收缩去噪算法八、结果分析及自己的收获128.1结果分析8.2自己的收获参考文献一、图像滤波的应用图像是信息社会人们获取信息的重要来源之一。在现实世界中，存在大量影响图像质量的因素。因此图像在进行使用之前，一般都要经过严格的预处理如去噪、量化、压缩编码等。噪声的污染直接影响着对图像边缘检测、特征提取、图像分割、模式识别等处理，因此我们不得不从各种角度进行探索以提高图像的质量。采用适当的方法尽量消除噪声是图像处理中一个非常重要的预处理步骤。现在图像处理技术已深入到科学研究、军事技术、工农业生产、医学、气象及天文学等领域。科学家利用人造卫星可以获得地球资源照片、气象情况；医生可以通过射线或对人体各部位的断层图像进行分析。但在许多情况下图像信息会受到各种各样噪声的影响，严重时会影响图像中的有用信息，所以对图像的噪声处理就显得十分重要。为了改善图像质量，从图像中提取有效信息，必须对图像进行去噪预处理。根据噪声的频谱分布的规律和统计特征以及图像的特点，出现了多种多样的去噪方法。经典去噪方法有：空间域合成法、频域合成法和最优线性合成法等。与之相适应的出现了许多应用方法：如均值滤波器、中值滤波器、低通滤波器、维纳滤波器、最小失真法等。这些方法广图像去噪处理的方法泛应用，促进了数字信号处理的极大发展。显著提高了图像质量。近年来，小波变换去除噪声的方法得到广泛的应用。与传统的去噪方法相比。它利用的是非线性域值，在时间域和频率域同时具有良好的局部化性质，而且时窗和频窗的宽度可以调节。对高频成分采用逐渐精细的时域或空域取样步长，从而可以聚焦到对象的任意细节。因此可以提高散斑高散射特性的噪声对比度，很好的消除散斑噪声。小波变换去除噪声的方法在不断地发展，去噪方法很多，如非线性小波变换阈值法去噪、小波变换模极大值去噪及基于小波变换域的尺度相关性去噪法二、均值滤波2.1均值滤波的基本思想是将某像素邻域内的各点的灰度平均值来代替该像素原来的灰度级。通常邻域都取成的方形窗口其降噪平滑后的图像为亘区y)=efti)其中是点邻域内的点集是点集中的总点数。将算术均值滤波器作一改进将某像素邻域内的各点的灰度加权平均值来代替该像素原来的灰度值得到加权均值滤波。从权值上看灰度越接近中心像素其权值越大。加权平均的算法可表示为其中，是权值表示其所起作用的大小。均值滤波的算法图像去噪处理的方法用设计均值滤波算法为：()高斯噪声sample=imread('lenna.jpg');sgray=rgb2gray(sample);I=imnoise(sample,'gaussian',0,0.005);Igray=rgb2gray(I);subplot(3,2,1);imshow(sgray);title('原始图像');subplot(3,2,2);imshow(Igray);title('加入高斯噪声后的图像');K1=filter2(fspecial('average',3),Igray)/255;K2=filter2(fspecial('average',5),Igray)/255;K3=fi...
