圖像噪聲

圖像在攝取或傳輸時所受的隨機(jī)信號干擾，表現(xiàn)為圖像信息或者像素亮度的隨機(jī)變化。一張圖像通常會包含很多噪聲，很多時候?qū)D像噪聲看成是多維隨機(jī)過程。

噪聲來源

①圖像在拍攝時不夠明亮、亮度不夠均勻；②電路各元器件自身噪聲和相互影響；③傳感器長期工作溫度過高等。

常見噪聲

高斯噪聲：高斯噪聲又稱為正態(tài)噪聲，在噪聲圖像的統(tǒng)計直方圖上呈正態(tài)分布。高斯噪聲對原圖像的影響是隨機(jī)，特別常見的一種噪聲。

椒鹽噪聲：脈沖噪聲又稱為椒鹽噪聲，因?yàn)橛媒符}來命名特別形象。它是一種隨機(jī)出現(xiàn)的黑點(diǎn)（胡椒）或者白點(diǎn)（鹽），前者是高灰度噪聲，后者是低灰度噪聲，一般兩者同時出現(xiàn)在圖像中。

噪聲的壞處

①噪聲污染的圖像其可讀性變差，清晰度變低；②可導(dǎo)致違規(guī)攝像頭誤判，有用可讀點(diǎn)變少；③即便對圖像進(jìn)行去噪，其清晰度依然沒有比不上原圖。

噪聲處理

空間域?yàn)V波：在原圖像上直接進(jìn)行數(shù)據(jù)運(yùn)算，對像素的灰度值進(jìn)行處理，常見算法有中值和均值濾波。

變換域?yàn)V波：對圖像進(jìn)行某種變換，將圖像從空間域轉(zhuǎn)換到變換域，再對變換域中的變換系數(shù)進(jìn)行處理，再進(jìn)行反變換將圖像從變換域轉(zhuǎn)換到空間域。有傅立葉變換和小波變換等方法。

偏微分方程：過隨時間變化的更新，使得圖像向所要得到的效果逐漸逼近?？梢栽谌コ肼暤耐瑫r，很好的保持邊緣。

變分法：確定圖像的能量函數(shù)，通過對能量函數(shù)的最小化工作，使得圖像達(dá)到平滑狀態(tài)。

常見噪聲處理算法

均值濾波

算術(shù)均值濾波：濾出加性噪聲，但丟失細(xì)節(jié)

算術(shù)均值濾波器就是簡單的計算窗口區(qū)域的像素均值，然后將均值賦值給窗口中心點(diǎn)處的像素

幾何均值濾波：更好保護(hù)細(xì)節(jié)

濾波后圖像的像素由模板窗口內(nèi)像素的乘積的1/mn冪給出。

中值濾波

把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)的一個鄰域中各點(diǎn)值的中值代替，讓周圍像素的值接近真實(shí)值，從而消除孤立的噪聲點(diǎn)。

利用MATLAB實(shí)現(xiàn)圖像去噪

利用MATLAB圖像處理工具箱的imfilter函數(shù)實(shí)現(xiàn)均值濾波和中值濾波。

結(jié)果展示圖

利用for循環(huán)遍歷圖像實(shí)現(xiàn)均值濾波和中值濾波算法。

結(jié)果展示圖

通過圖像不難發(fā)現(xiàn)

被高斯噪聲污染的圖像

用均值濾波處理效果較好；

而被椒鹽噪聲污染的圖像

用中值濾波處理效果較好。