基于matlab的图像去噪算法的研究分析毕业论文.doc
- 文档编号:570604
- 上传时间:2023-04-29
- 格式:DOC
- 页数:47
- 大小:1.10MB
基于matlab的图像去噪算法的研究分析毕业论文.doc
《基于matlab的图像去噪算法的研究分析毕业论文.doc》由会员分享,可在线阅读,更多相关《基于matlab的图像去噪算法的研究分析毕业论文.doc(47页珍藏版)》请在冰点文库上搜索。
摘要
在信息化的社会里,图像在信息传播中所起的作用越来越大。
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,消除在图像采集和传输过程中而产生的噪声,保证图像受污染度最小,成了数字图像处理领域里的重要部分。
本文首先分析了图像增强技术相关知识,重点讨论了空间域滤波方法,然后本文主要研究分析邻域平均法、中值滤波法、维纳滤波法及模糊小波变换法的图像去噪算法,并进行相应的仿真。
首先介绍图像处理应用时的常用函数及其用法;其次详细阐述了四种去噪算法原理及特点;最后运用Matlab软件对一张含噪图片(含高斯噪声或椒盐噪声)进行仿真去噪,通过分析仿真结果得出:
均值滤波是典型的线性滤波,对高斯噪声抑制是比较好的;中值滤波是常用的非线性滤波方法,对椒盐噪声特别有效;维纳滤波对高斯噪声有明显的抑制作用;对小波系数进行阈值处理可以在小波变换域中去除低幅值的噪声和不期望的信号。
关键词:
图像增强技术;空间域滤波;邻域平均法;中值滤波;维纳滤波;小波变换
Abstract
Intheinformationsociety,theimageintheinformationtransmissionisusedmoreandmorewidely.Inmanycasesimage’sinformationcanbeaffectedbyvariousnoises,seriouslyaffecttheusefulinformationofaimage,Therefore,ensuringtheminimumofthenoiseandpollutionintheprocessofimagecollectionandtransmissionbecameanimportantpartofthefield.
Thispaperfirsthadananalysisofsomerelatedknowledgeaboutimageenhancementtechnologywithemphasisondiscussingthespatialdomainmethods.Thenthispapermainlyanalysisanddiscusstheneighborhoodaveragemethod,medianfilteringmethod,wienerfilteringmethodandthefuzzywavelettransformmethodofimagedenoisingalgorithm.,andthecorrespondingsimulation.Firstlyintroducethecommonimageprocessingfunctionsanditsapplications.Secondlyelaboratetheprinciplesandcharacteristicsofthefourdenoisingalgorithm.FinallyusingMatlabsoftwaretoanoiseimages(includinggaussiannoiseorsalt&peppernoise),andgettingsomeconclusionsfromthesimulationdenoisinganalysis:
averagefilteringistypicaloflinearfilter,whichisbetterusedforgaussiannoise.Themedianfilterisacommonnonlinearfilteringmethod,especiallyeffectivetosalt&peppernoise.Throughwienerfiltering,thegaussiannoiseisinhibitedobviously.Waveletcoefficientsthresholdprocessinginwaveletdomaincanremovenoiseandthethesignalwhichisnotexpect.
Keywords:
imageenhancementtechnology;spatialdomain;Averageneighborhood;Medianfilter;Wienerfiltering;Wavelettransform
目录
第1章绪论 1
1.1课题研究背景 1
1.2图像去噪的研究现状 1
1.3本文主要工作 2
第2章Matlab简介 4
2.1Matlab概况 4
2.2Matlab发展过程 4
2.3Matlab的语言特点 5
2.4Matlab在图像处理中的应用
2.5本章小结 8
第3章增强图像
第4章图像去噪算法 9
4.1图像噪声概述 9
4.2邻域平均法图像去噪 10
4.3中值滤波法图像去噪 14
4.4维纳滤波法图像去噪 19
4.5基于模糊小波变换法图像去噪 21
4.6本章小结 26
第5章基于Matlab的图像去噪算法仿真 27
4.1邻域平均法的仿真 27
4.2中值滤波的仿真 28
4.3维纳滤波的仿真 31
4.4基于模糊小波变换法的仿真 32
4.5几种去噪方法的比较分析 35
4.6本章小结 36
结论 37
致谢 39
参考文献 38
附录
第1章绪论
1.1课题研究背景
21世纪,人类已经进入了信息化时代,计算机在处理各种信息中发挥着重要作用。
据统计,人类从自然界获取的信息中,视觉信息占75%~85%。
俗话说“百闻不如一见”,有些场景或事物,不管花费多少笔墨都难以表达清楚,然而,若用一幅图像描述,可以做到一目了然。
可见,在当代高度信息化的社会中,图形和图像在信息传播中所起的作用越来越大,在图像处理领域,数字图像处理得到了飞速发展。
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20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1964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X射线或CT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。
1.2图像去噪的研究现状
图像处理中,输入的是质量低的图像,输出的是改善质量后的图像。
常用的图像处理方法有图像增强、复原、编码、压缩等]。
光学相干层析成像是近些年来发展较快的一种层析成像技术。
因为其对生物组织无辐射损伤、具有微米级的分辨率、高探测灵敏度和越来越快的扫描速率等优点,在医学诊断病变组织方面,尤其是对生物组织活体检测具有诱人的应用前景[2]。
由于噪声干扰的存在,这些生理信号可能失真]。
甚至面目全非,这给图像信息带来了难度。
因此,就必须对含噪图像进行处理,改善图像质量。
最大程度上显现信号本身的特点。
在所处理的图像中,相邻像素的灰度之间大多具有很高的相关性,也就是说,一幅图像中大多数像素的灰度差别不大。
因为这种灰度相关性的存在,一般图像的能量主要集中在低频区域中,只有图像的细节部分的能量才处于高频区域中。
因为在图像的数字化和传输中常有噪声出现,而这部分干扰信息主要集中在高频区域内,所以消除噪声的一般方法是衰减高频分量或称低通滤波,但与之同时带来的负面影响是图像的细节也有一定的衰减,从视觉效果上来看图像比处理前模糊。
一个较好的去噪方法应该是既能消去噪声对图像的影响又不使图像细节变模糊[5]。
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。
这些方法广泛应用,促进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等。
1.3本文主要工作
图像在获取和传输过程中,往往受到噪声的干扰,而降噪的目的是尽可能保持原始信号主要特征的同时,除去信号中的噪声。
目前的图像去噪方法可以将图像的高频成分滤除,虽然能够达到降低噪声的效果,但同时破坏了图像细节。
边缘特性是图像最为有用的细节信息,本文对邻域平均法、中值滤波法、维纳滤波法及模糊小波变换法的图像去噪算法进行了研究分析和讨论。
第2章Matlab简介:
介绍软件Matlab的概况、发展历程、语言特点、图像处理应用时的常用函数及其用法。
第3章图像去噪算法:
简要说明了图像噪声的概念及分类,详细阐述了邻域平均法、中值滤波法、维纳滤波法及模糊小波变换法的去噪原理及特点。
第4章基于Matlab的图像去噪算法仿真:
根据邻域平均法、中值滤波法、维纳滤波法及模糊小波变换法原理分析,运用Matlab仿真软件编写代码,对一张含噪图片(含高斯噪声或椒盐噪声)进行仿真去噪,并对结果分析讨论,比较几种方法的优缺点。
第2章Matlab简介
2.1Matlab概况
Matlab(MatrixLaboratory)为美国Mathworks公司1983年首次推出的一套高性能的数值分析和计算软件,其功能不断扩充,版本不断升级,目前的最新版本为7.1版。
Matlab将矩阵运算、数值分析、图形处理、编程技术结合在一起,为用户提供了一个强有力的科学及工程问题的分析计算和程序设计工具,它还提供了专业水平的符号计算、文字处理、可视化建模仿真和实时控制等功能,是具有全部语言功能和特征的新一代软件开发平台。
Matlab已发展成为适合众多学科,多种工作平台、功能强大的大型软件。
在欧美等国家的高校,Matlab已成为线性代数、自动控制理论、数理统计、数字信号处理、时间序列分析、动态系统仿真等高级课程的基本教学工具。
成为攻读学位的本科、硕士、博士生必须掌握的基本技能。
在设计研究单位和工业开发部门,Matlab被广泛的应用于研究和解决各种具体问题。
在中国,Matlab也已日益受到重视,短时间内就将盛行起来,因为无论哪个学科或工程领域都可以从Matlab中找到合适的功能。
当今的信息化社会,图像是人类赖以获取信息的最重要的来源之一。
随着计算机技术的迅猛发展,图像技术与计算机技术不断融合,产生了一系列图像处理软件,如VC、Matlab,这些软件的广泛应用为图像技术的发展提供了强大的支持。
Matlab已成为国际公认的最优秀的科技应用软件之一,具有编程简单、数据可视化功能强、可操作性强等特点,而且配有功能强大、专业函数丰富的图像处理工具箱,是进行图像处理方面工作必备的软件工具。
2.2Matlab发展过程
Matlab名字由MATrix和LABoratory两词的前三个字母组合而成。
那是20世纪七十年代后期的事:
时任美国新墨西哥大学计算机科学系主任的CleveMoler教授出于减轻学生编程负担的动机,为学生设计了一组调用LINPACK和EISPACK库程序的“通俗易用”的接口,此即用FORTRAN编写的萌芽状态的Matlab。
经几年的校际流传,在Little的推动下,由Little、Moler、SteveBangert合作,于1984年成立了MathWorks公司,并把MATLAB正式推向市场。
从这时起,Matlab的内核采用C语言编写,而且除原有的数值计算能力外,还新增了数据图视功能。
Matlab仅短短几年,就以其良好的开放性和运行的可靠性,使原先控制领域里的封闭式软件包。
在时间进入20世纪九十年代的时候,Matlab已经成为国际控制界公认的标准计算软件。
MathWorks公司于1993年推出Matlab4.0版本,从此告别DOS版。
4.X版在继承和发展其原有的数值计算和图形可视能力的同时,出现了以下几个重要变化:
(1)推出了SIMULINK。
这是一个交互式操作的动态系统建模、仿真、分析集成环境。
它的出现使人们有可能考虑许多以前不得不做简化假设的非线性因素、随机因素,从而大大提高了人们对非线性、随机动态系统的认知能力。
(2)开发了与外部进行直接数据交换的组件,打通了Matlab进行实时数据分析、处理和硬件开发的道路。
(3)推出了符号计算工具包。
1993年MathWorks公司从加拿大滑铁卢大学购得Maple的使用权,以Maple为“引擎”开发了SymbolicMathToolbox1.0。
(4)构作了Notebook。
MathWorks公司瞄准应用范围最广的Word,运用DDE和OLE,实现了MATLAB与Word的无缝连接,从而为专业科技工作者创造了融科学计算、图形可视、文字处理于一体的高水准环境。
1997年仲春,Matlab5.0版问世,现今的Matlab拥有更丰富的数据类型和结构、更友善的面向对象、更加快速精良的图形可视、更广博的数学和数据分析资源、更多的应用开发工具。
诚然,到1999年底,Mathematica也已经升到4.0版,它特别加强了以前欠缺的大规模数据处理能力。
在国际学术界,Matlab已经被确认为准确、可靠的科学计算标准软件。
在许多国际一流学术刊物上,(尤其是信息科学刊物),都可以看到Matlab的应用。
在设计研究单位和工业部门,Matlab被认作进行高效研究、开发的首选软件工具。
2.3Matlab的语言特点
一种语言之所以能如此迅速地普及,显示出如此旺盛的生命力,是由于它有着不同于其他语言的特点,正如同FORTRAN和C等高级语言使人们摆脱了需要直接对计算机硬件资源进行操作一样,被称作为第四代计算机语言的MATLAB,利用其丰富的函数资源,使编程人员从繁琐的程序代码中解放出来。
MATLAB最突出的特点就是简洁。
MATLAB用更直观的,符合人们思维习惯的代码,代替了C和FORTRAN语言的冗长代码。
MATLAB给用户带来的是最直观,最简洁的程序开发环境。
以下简单介绍一下MATLAB的主要特点。
(1)语言简洁紧凑,使用方便灵活,库函数极其丰富。
MATLAB程序书写形式自由,利用起丰富的库函数避开繁杂的子程序编程任务,压缩了一切不必要的编程工作。
由于库函数都由本领域的专家编写,用户不必担心函数的可靠性。
可以说,用MATLAB进行科技开发是站在专家的肩膀上。
(2)运算符丰富。
由于MATLAB是用C语言编写的,MATLAB提供了和C语言几乎一样多的运算符,灵活使用MATLAB的运算符将使程序变得极为简短。
(3)MATLAB既具有结构化的控制语句(如for循环,while循环,break语句和if语句),又有面向对象编程的特性。
(4)程序限制不严格,程序设计自由度大。
例如,在MATLAB里,用户无需对矩阵预定义就可使用。
(5)程序的可移植性很好,基本上不做修改就可以在各种型号的计算机和操作系统上运行。
(6)MATLAB的图形功能强大。
在FORTRAN和C语言里,绘图都很不容易,但在MATLAB里,数据的可视化非常简单。
MATLAB还具有较强的编辑图形界面的能力。
(7)MATLAB的缺点是,它和其他高级程序相比,程序的执行速度较慢。
由于MATLAB的程序不用编译等预处理,也不生成可执行文件,程序为解释执行,所以速度较慢。
(8)功能强大的工具箱是MATLAB的另一特色。
MATLAB包含两个部分:
核心部分和各种可选的工具箱。
核心部分中有数百个核心内部函数。
其工具箱又分为两类:
功能性工具箱和学科性工具箱。
功能性工具箱主要用来扩充其符号计算功能,图示建模仿真功能,文字处理功能以及与硬件实时交互功能。
功能性工具箱用于多种学科。
而学科性工具箱是专业性比较强的,如control,toolbox,signlprocessingtoolbox,
commumnicationtoolbox等。
这些工具箱都是由该领域内学术水平很高的专家编写的,所以用户无需编写自己学科范围内的基础程序,而直接进行高、精、尖的研究。
源程序的开放性。
开放性也许是MATLAB最受人们欢迎的特点。
除内部函数以外,所有MATLAB的核心文件和工具箱文件都是可读可改的源文件,用户可通过对源文件的修改以及加入自己的文件构成新的工具箱。
总之,Matlab语言的设计思想可以说代表了当前计算机高级语言的发展方向。
相信在不断使用中会发现它的巨大潜力。
2.4MATLAB在图像处理中的应用
图像处理工具包是由一系列支持图像处理操作的函数组成的。
所支持的图像处理操作有:
图像的几何操作、邻域和区域操作、图像变换、图像恢复与增强、线性滤波和滤波器设计、变换(DCT变换等)、图像分析和统计、二值图像操作等。
下面就MATLAB在图像处理中各方面的应用分别进行介绍。
(1)图像文件格式的读写和显示。
MATLAB提供了图像文件读入函数imread(),用来读取如:
bmp、tif、tiffpcx、jpg、gpeg、hdf、xwd等格式图像文;图像写出函数imwrite(),还有图像显示函数image()、imshow()等等。
(2)图像处理的基本运算。
MATLAB提供了图像的和、差等线性运算,以及卷积、相关、滤波等非线性算。
例如,conv2(I,J)实现了I,J两幅图像的卷积。
(3)图像变换。
MATLAB提供了一维和二维离散傅立叶变换(DFT)、快速傅立叶变换(FFT)、离散余弦变换(DCT)及其反变换函数,以及连续小波变换(CWT)、离散小波变换(DWT)及其反变换。
(4)图像的分析和增强。
针对图像的统计计算MATLAB提供了校正、直方图均衡、中值滤波、对比度调整、自适应滤波等对图像进行的处理。
(5)图像的数学形态学处理。
针对二值图像,MATLAB提供了数学形态学运算函数;腐蚀(Erode)、膨胀(Dilate)算子,以及在此基础上的开(Open)、闭(Close)算子、厚化(Thicken)、薄化(Thin)算子等丰富的数学形态学运算。
以上所提到的MATLAB在图像中的应用都是由相应的MATLAB函数来实现的,使用时,只需按照函数的调用语法正确输入参数即可。
具体的用法可参考MATLAB丰富的帮助文档。
图像边缘对图像识别和计算机分析十分有用,在MATLAB中,函数edge()用于灰度图像边缘的提取,它支持六种不同的边缘提取方法,即Sobel方法、Prewitt方法、Robert方法,Laplacian2Gaussian方法、过零点方法和Canny方法。
2.5本章小结
本章主要内容是对Matlab软件的概况进行介绍,回顾Matlab发展历程,总结Matlab语言特点,并针对本文编写仿真代码时需要的常见函数的用法做出详细的介绍。
第3章图像增强
图像增强按所采用方法从技术上可以分成频率域法和空间域法。
频域法即为把图像看成一种二维信号,对其进行基于二维傅里叶变换的信号增强。
采用低通滤波(即只让低频信号通过)法,削弱图中的干扰噪声;采用高通滤波法,则可增强边缘等高频信号,使模糊的图片变得清晰。
具有代表性的空间域算法有局部求平均值法和中值滤波(取局部邻域中的中间像素值)法等,它们可用于去除或减弱噪声。
图像增强的方法是通过一定变换方法对原图像附加一些信息或变换数据,有选择地突出图像中感兴趣的特征或者抑制(掩盖)图像中某些不需要的特征,使图像与视觉响应特性相匹配。
在图像增强过程中,一般不分析图像降低质量的原因,处理后的图像不一定逼近原始图像。
图像增强技术根据增强处理过程所存在的空间不同,可分为基于空域的算法和基于频域的算法两大类。
基于空域的算法处理时直接对图像灰度级做运算基于频域的算法是在图像的某种变换域内对图像的变换系数值进行某种修正,是一种间接增强的算法。
基于空域的算法分为点运算算法和邻域去噪算法。
点运算算法即灰度级校正、灰度变换和直方图修正等,目的或使图像成像均匀,或扩大图像动态范围,扩展对比度。
邻域增强算法分为图像平滑和锐化两种。
平滑一般用于消除图像噪声,但是也容易引起边缘的模糊。
常用算法有均值滤波、中值滤波。
锐化的目的在于突出物体的边缘轮廓,便于目标识别。
常用算法有梯度法、算子、高通滤波、掩模匹配法、统计差值法等。
第4章图像去噪算法
4.1图像噪声概述
4.1.1图像噪声的概念
噪声可以理解为“妨碍人们感觉器官对所接收的信源信息理解的因素”。
例如一幅黑白图片,其平面亮度分布假定为,那么对其接收起干扰作用的亮度分布即可称为图像噪声。
但是,噪声在理论上可以定义为“不可预测,只能用概率统计方法来认识的随机误差”。
因此将图像噪声看成是多维随机过程是合适的,因而描述噪声的方法完全可以借用随机过程的描述,即用其概率分布函数和概率密度分布函数[10]。
但在很多情况下,这样的描述方法是很复杂的,甚至是不可能的。
而实际应用往往也不必要。
通常是用其数字特征,即均值方差,相关函数等。
因为这些数字特征都可以从某些方面反映出噪声的特征。
目前大多数数字图像系统中,输入图像都是采用先冻结再扫描方式将多维图像变成一维电信号,再对其进行处理、存储、传输等加工变换。
最后往往还要在组成多维图像信号,而图像噪声也将同样受到这样的分解和合成。
在这些过程中电气系统和外界影响将使得图像噪声的精确分析变得十分复杂。
另一方面图像只是传输视觉信息的媒介,对图像信息的认识理解是由人的视觉系统所决定的。
不同的图像噪声,人的感觉程度是不同的,这就是所谓人的噪声视觉特性课题。
图像噪声在数字图像处理技术中的重要性越来越明显,如高放大倍数航片的判读,X射线图像系统中的噪声去除等已经成为不可缺少的技术步骤。
4.1.2图像噪声的分类
图像噪声按其产生的原因可以分为:
外部噪声,即指系统外部干扰以电磁波或经电源串进系统内部而引起的噪声。
如电气设备,天体放电现象等引起的噪声。
内部噪声:
一般又可分为以下四种:
(1)由光和电的基本性质所引起的噪声。
如电流的产生是由电子或空穴粒子的集合,定向运动所形成。
因这些粒子运动的随机性而形成的散粒噪声;导体中自由电子的无规则热运动所形成的热噪声;根据光的粒子性,图像是由光量子所传输,而光量子密度随时间和空间变化所形成的光量子
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 matlab 图像 算法 研究 分析 毕业论文