图像去噪

图像去噪是来自指减少数字图像中噪360百科声的过程。现实中的数字图像在数字化和传输过程中常受到成像设备与外部环境噪声验严煤地阶顶干扰等影响，称为含噪图像或噪声图像。

噪声是图象干扰的重要原因。一幅图象在实际应用中可能存在各种各样的噪声,这些噪声可能在传输中产生,也可能在量化等处理中产生。

• 中文名称 图像去噪
• 外文名称 Image Denoising.
• 产生时段 传输 量化等处理中
• 分类 加性噪声乘性噪声 量化噪声

噪声的产生及分类

　　根据噪声和信号的关系可将其分为三种形式:(f(x,y)表示给定原始图象,g(x,y)表示图象信号,n(x,手束验斗y)表示噪声。

　　来自1) 加性噪声,此类噪声与输入图象信号无关,含噪图象可表示为f(x,y)=g(x,360百科y)+n(x,y),信道噪声及光导摄像管的摄像机容案足设校控测证众着春扫描图象时产生的噪声就属这类噪声;

　　2) 乘性噪声,此类噪声与图象信号有关,含噪图象可表示为f(x,y)=g(x,y)+n(x,y)g(x,y),飞点扫描器扫描图远断研良问象时的噪声,电视图象中的相关噪声,胶片中的颗粒噪声就属于此类噪声;

　　3) 量化辣兰霸噪声,此类噪声与输入图象信号无关,是量化过程存在量只项定端化误腿盼差,再反映到接收端而产生。

去除图像噪声的方法简介

均值滤波器

　　采用邻域平均法的均值滤波器非常适用于去除通过扫描得到的图像中的颗粒噪声。邻域平均法有力地抑制了噪声,同时也由于平均而引起了模糊现象,模糊程度与领域半讲照酷径成正比。

　　几何均值滤波器所达到的平滑度可以与算术均值滤波器相比,但在滤波过程中会丢失更少的图象细节。

　　谐波均值滤波器对"盐"噪声效企弦苦蒸括那你粉左果更好,但是不适用于"胡椒"噪声。它善于处理像高斯噪声那样的其他噪声。

　　逆谐波均值滤波器更适合于处理脉冲噪声,但它有个缺点,就是必须要知道噪声是暗噪声还是亮噪声,以便于选择合适的滤波器阶数符号,如果阶数的符号选择错了可能会引起灾难性的后果。

自适应维纳滤波器

　　它能根据图象的局而部方差来调整滤波器的输出,局部方差越大,滤波器的平滑作用越强。它的最终目评标是使恢复图像f^(x,y)与原始图像f(x,y)的均方误差e2=E[(f业菜审培(x,y)-f^(x,y)2]最小。该方法的滤波效果比均值滤波器效果要好,对保留图像的边缘和其他高频部分很有用,不过计算量较大。维纳滤波器对组盼海具有连白噪声的图象滤波效果最佳。

中值滤波器

　　它花是一种常用的非线性平滑滤波器备设础解亲乱回志府抓金,其基本原理是把写数字图像或数字序列中一点的值用该点的状长做笑一个领域中各点值的中值代换其主要功能是让周围象素灰度值的差比较大的像素改取与周围的像素值接近的值,从而可以消除孤立的细势保噪声点,所以墓剃泪中值滤波对于滤除图像的椒盐噪声非常有效。中值滤波器可以做到既去除噪声又能保护甲感频草杨图像的边缘,从而获得较满意的复原效果,而且,在实际运算过程中不需要图象的统计特性,这陵承坑照也带来不少方便,但对一些细节多,特别是点、线、尖顶细节较多的图象不宜采用中值滤波的方法。

形末品负席唱味斗态学噪声滤除器

　　将开启和闭合结合起来可用来滤除噪声,首先对有噪声图象进行开启操作,可选择结构要素矩阵比噪声的尺寸大,因而开启的结果是将背景上的噪声去除。最后是对前一步得到的图象进行闭合操作,将车前液药怀妈剧西伤境图象上的噪声去掉。根据此方法的特点可以知道,此方法适药好用的图像类型是图象中的对阶层孙沙局死卫远额象尺寸都比较大,且没有细小的细节,对这种类型的图像除噪的效果会比较好。

小波去噪

　　这种方法保留了大部分包含信号的小波系数,因此可以较好地保持图象细节。小波分析进行图像去噪主要有3个步骤:(1)对图象信号进行小波分解。(2)对经过层次分解后的高频系数进行阈值量化。(3)利用二维小波重构图象信号。