MATLAB图像去噪算法研究[完美运行，GUI界面，详细教程，万字文稿]

课题题目：

MATLAB图像去噪算法研究

1. 课题介绍

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。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。

本文主要研究分析邻域平均法、中值滤波法及小波变换法的图像去噪算法。首先介绍图像处理应用时的常用函数及其用法；其次详细阐述了三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；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。

三、目录提纲

摘 要

Abstract

目 录

第1章 概 述

1.1 课题研究背景

1.2 图像去噪的研究现状

1.3 本文主要工作

第2章 图像去噪算法

2.1 图像噪声概述

2.2 邻域平均法图像去噪

2.3 中值滤波法图像去噪

2.4 基于小波变换法图像去噪

2.5 本章小结

第3章 基于Matlab的图像去噪算法仿真

3.1 邻域平均法的仿真

3.2 中值滤波的仿真

3.3 基于小波变换法的仿真

3.4 几种去噪方法的比较分析

3.5 本章小结

第4章 GUI系统的设计

4.1 GUI界面介绍

4.2 GUI界面设计

4.3 运行效果

参考文献

致 谢

四、图像去噪算法仿真过程

本章仿真时选取一张灰度图片“lena.png”，并在图片中加入两种噪声：高斯噪声和椒盐噪声。所谓高斯噪声是指它的概率密度函数服从高斯分布的一类噪声。椒盐噪声是由图像传感器、传输信道、解码处理等产生的黑白相间的亮暗点噪声，属于非平稳噪声。本章利用Matlab软件对含噪图像的去噪算法进行仿真，将应用邻域平均法、中值滤波法和小波变换法对含有高斯噪声和椒盐噪声图像的去噪效果进行比较，从而得到相应结论。

邻域平均法的仿真

本节选用邻域平均法对含有高斯噪声和椒盐噪声的图片进行去噪，并用Matlab软件仿真。

（1）给图像加入噪声系数为0.01的的椒盐噪声去噪

Matlab部分代码：

仿真结果如图4-1所示。

原图 加椒盐噪图 去噪图

图4-1 邻域平均法对椒盐噪声去噪的仿真结果

（2）给图像加入噪声系数为0.01的高斯噪声去噪

Matlab部分代码：

仿真结果如图4-2所示。

原图 加高斯噪声图 去噪图

图4-2 邻域平均法对椒盐噪声去噪的仿真结果

中值滤波的仿真

本节选用中值滤波法对含有高斯噪声和椒盐噪声的图像进行去噪，并用Matlab软件仿真。

（1）给图像加入系数为0.01的椒盐噪声去噪

Matlab部分代码：

仿真结果如图4-3所示。

原图 加噪图 去噪图

图4-3 中值滤波法对高斯噪声去噪的仿真结果

（2）给图像加入噪声系数为0.01的高斯噪声去噪

Matlab部分代码：

仿真结果如图4-4所示。

原图 加噪图 去噪图

图4-4 中值滤波法对椒盐噪声去噪的仿真结果

基于小波变换法的仿真

选用小波变换法对含有高斯噪声和椒盐噪声的图像进行去噪，并用Matlab软件仿真。

（1）给图像加入系数为0.01的高斯噪声，用小波函数coif2对图象进行2层分解进行去噪

仿真结果如图4-7所示。

原图 加噪图 去噪图

图4-7 小波变换法对高斯噪声去噪的仿真结果

（2）给图像加入噪声系数为0.01的高斯噪声去噪

仿真结果如图4-8所示。

原图 加噪图 去噪图

图4-8 小波变换法对椒盐噪声去噪的仿真结果

几种去噪方法的比较分析

均值滤波是典型的线性滤波算法，其采用的主要方法为邻域平均法。即对待处理的当前像索点

，选择一个模板，该模板由其近邻M个像素组成，求模板中所有像素的均值，再把该均值赋予当前像素的算术平均值

，作为邻域平均处理后的灰度。该方法运算简单，对高斯噪声具有良好的去噪能力。均值滤波可归结为矩形窗加权的有限冲激响应线性滤波器。因此，均值滤波相当于低通滤波器。这种低通性能在平滑噪声的同时，必定也会信号的细节和边缘，即在消除噪声的同时也会对图像的高频细节成分造成破坏和损失，使图像，由以上处理后的图像可以看到：邻域平均法消弱了图像的边缘，使图像变得有些。均值滤波时高斯噪声抑制是比较好的，但对椒盐噪声的抑制作用不好，椒盐噪声仍然存在，只不过被削弱了而已，如仿真结果图4-2所示。为了改善均值滤波细节对比度不好、区域边界的缺陷，常用门限法来抑制椒盐噪声和保护细小纹理，用加权法来改善图像的边界，用选择平均的自适应技术来保持图像的边界。

中值滤波是常用的非线性滤波方法，也是图像处理技术中最常用的预处理技术。它可以克服线性滤波器给图像带来的，在有效清除颗粒噪声的同时，又能保持良好的边缘特性，从而获得较满意的滤波效果，特别适合于去除图像的椒盐噪声，如仿真结果图4-4所示。当窗口在图像中上下左右进行移动后，利用中值滤波算法可以很好地对图像进行平滑处理。由以上图像可以看到：中值滤波法较好地保留了图像的边缘，使其轮廓比较清晰。中值滤波对椒盐噪声特别有效，取得了很好的效果，而对高斯噪声效果不佳。对一些复杂的图像，可以使用复合型中值滤波，如：中值滤波线性组合、高阶中值滤波组合、加权中值滤波以及迭代中值滤波等来改善单纯中值滤波的一些不足，从而达到更好的滤波效果。

小波阈值去噪方法是研究最广泛的方法。这种非线性滤波方法之所以特别有效， 就是由于小波变换具有一种“ 集中”的能力， 它可以使一个信号的能量在小波变换域集中在少数系数上， 因此这些系数的幅值必然大于在小波变换域内能量分散于大量小波系数上的信号或噪声的幅值。这就意味着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， 然后运用小波逆变换， 得到去噪后的重建图像。如图4-7、4-8所示，使用小波变换都得到了较好的消噪效果。

上述滤波方法虽都有一定的降噪效果，但都有其局限性。事实上，不管滤波器具有什么样的频率响应，均不可能做到噪声完全滤掉，使信号波形不失真。但我们可以不断地改进滤波的技术，如实际应用中常用一些改进型的滤波方法如小波导向、多级门限检测来提高去噪的效果从而最大可能地恢复出原始图像。

五、 GUI系统的设计

5.1 GUI界面介绍

图形用户接口GUI是用户和计算机程序之间进行信息交流的方式。通过图形用户界面，用户不需要输入脚本或命令，不需要了解任务的内部运行方式，计算机在屏幕显示图形和文本，若有扬声器还可产生声音。用户通过输入设备，键盘，鼠标，麦克风等与计算机进行通信。图形用户界面GUI中包含多个图形对象，如图标，菜单，文本的用户界面。以某种方式选择或激活这些对象，引起相应的动作或变化，最常用的激活方式是用鼠标控制屏幕上的鼠标指针运动。

图形用户界面GUI具有操作方便，控制灵活的特点，已成为现代应用程序的主要方式。

5.2 GUI界面设计

5.2.1 需求分析

1、预期中，应该设计三个axes，用于显示原图，加噪图以及去噪后的图。

2、设计五个按钮，用于选择图像，关闭界面，均值滤波，中值滤波，小波变换等去噪方法；

3、设计一个下拉框，用于噪声类型的选择；

4、设计一个编辑框，用于噪声系数的输入；

5.3 运行效果

0.01椒盐噪声均值滤波

0.01高斯噪声均值滤波

0.01椒盐噪声中值滤波

0.01高斯噪声中值滤波

0.01椒盐噪声的小波变换去噪

0.01高斯噪声的小波去噪