图像平滑matlab实现论文.doc

图像平滑的Matlab实现 20101602310035 黄汉杰 摘要 随着图像处理领域的迅速发展，图像平滑作为图像处理中的重要环节，也逐渐受到人们的关注。图像平滑的目的主要是消除噪声。图像平滑方法按空间域和频率域的分类及各种方法的特点，图像平滑是对图像作低通滤波,可在空间域或频率域实现。空间域图像平滑方法主要用均值滤波、中值滤波等；频率域图像平滑常用的低通滤波器有理想低通滤波器、布特沃斯低通滤波器、低通指数滤波器、低通梯形滤波器等。 (Gaussian noise) 这种噪声主要来源于电子电路噪声和低照明度或高温带来的传感器噪声,也称为正态噪声,是在实践中经常用到的噪声模型。高斯随机变量z 的概率密度函数(PDF)由下式给出: 其中, z 表示图像像元的灰度值;μ表示z 的期望;σ表示z 的标准差。 2.1.2、椒盐噪声（saltpepper noise） 式中： x,y=0,1,2,…，N-1；s为（x，y）点领域中点的坐标的集合，但不包括（x，y）点；M为集合内坐标点的总数。 中值滤波器 中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。 其中g(s,t)为原图像，为处理后的图像，为二维模板，通常为2*2，3*3区域，也可以是不同的的形状，如线状，圆形，十字形，圆环形等。　 H(u,v)可以看出，在它的尾部保留有较多的高频，所以对噪声的平滑效果还不如ILPF。 高斯低通滤波器(GLPF) 其传递函数表示为： 对于相同的截止频率，GLPF与二阶BLPF相比，GLPF的平滑效果稍微差一点，但GLPF中没有振铃，这是实际中一个重要的特性，尤其是在任何类型的人工缺陷不可接受的情况下（例如医学成像）。所以在要求严格控制低频和高频之间截止频率的过渡的情况下，BLPF是更合适的选择。 图像平滑处理具体过程 3.1系统构架 程序运行的环境是windows平台，并选用MATLAB作为编程开发工具，MATLAB是一种向量语言，它非常适合于进行图像处理。 3.2 模拟噪声图像 图像增强操作主要是针对图像的各种噪声而言的，为了说明图像处理中的滤波方法和用途，需要模拟数字图像的各种噪声来分析滤波效果。MATLAB图像处理工具箱提供的噪声添加函数imnoise,它可以对图像添加一些典型的噪声。其语法： J=imnoise(I,type) J=imnoise(I,type,parameters) 其功能是：返回对原图像I添加典型噪声的图像J,参数type和parameters用于确定噪声的类型和相应的参数。 三种典型的噪声： type=’gaussian’时,为 高 斯 噪 声； type=’saltpepper’时为椒盐噪声； type=’speckle’时为乘法噪声； 图像数据读取函数imread从图像文件中读取图像数据。其基本调用格式如下： I=imread（文件名，’图像文件格式’） 其功能是：将文件名指定的图像文件读入I中。 I=imshow（A) 其功能是显示图像A。 如下程序就实现了3种噪声污染了的图像： I=imread(lena_AdaptiveMedianFilter.bmp); %读取图像 I1=imnoise(I,gaussian); %加高斯噪声 I2=imnoise(I,salt pepper,0.02); %加椒盐噪声 I3=imnoise(I,speckle); %加乘性噪声 subplot(2,2,1),imshow(I); %显示图像I title(源图像); subplot(2,2,2),imshow(I1); title(受高斯噪声污染的图像); subplot(2,2,3),imshow(I2); title(受盐椒噪声污染的图像); subplot(2,2,4),imshow(I3); title(受乘法噪声污染的图像); 运行结果如下： 图3-1噪声污染的图像 结果分析： 图3-1中受噪声污染的各图处理结果与源图像相比，图像有不同程度的模糊，其中受不同类型的噪声污染图像模糊程度不同。 3.3均值滤波法 在MATLAB图像处理工具箱中，提供了imfilter函数用于实现均值滤波，imfilter的语法格式为： B=imfilter(A,H) 其功能是，用H模板对图像A进行均值滤波， 取平均值滤波模版为 H1=1/9[1 1 1;1 1 1;1 1 1]； H2=1/25[1 1 1 1 1；1 1 1 1 1；1 1 1 1 1；1 1 1 1 1；1 1 1 1 1]； 分别以这两个平均值滤波算子对图3-1中的四幅图像进行滤波操作。 取H