疊加法去除高斯噪聲

1、課程報告課程名稱：數(shù)字圖像處理專業(yè)班級：電子901姓名：施婷學(xué)號：090640104日期：2012.11.91.數(shù)字圖像處理的基本變換1.1 彩色圖像變成灰度圖像灰度圖像是灰度值從 0 0 到 255255,經(jīng)由黑灰白灰度值變化的圖像。原理：利用 MatlabMatlab 軟件自帶的函數(shù)：rgb2gray,rgb2gray,將彩色圖像轉(zhuǎn)成灰度圖像。實現(xiàn)程序：I=imread(1234.jpg);K=rgb2gray(I);figure,subplot(1,2,1),imshow(I),title(原圖);subplot(1,2,2),imshow(K),title(灰度圖像);1.2 灰度圖像

2、變成 2 值圖像二值圖像是灰度圖像的一種特例， 它是將整幅圖像的灰度等級劃分為兩種， 一種為度值為分界點)實現(xiàn)程序：I=imread(1234.jpg);K=rgb2gray(I);L=graythresh(K);BW=im2bw(I,L);subplot(2,2,1),imshow(K),title(subplot(2,2,2),imshow(BW),title(subplot(2,2,3),imhist(K),title(0,0,一種為 255255。(取一個灰原灰度圖像);2值圖像)；灰度圖像直方圖);圖( (1-2)灰度圖像變成 2 值圖像右圖是左圖轉(zhuǎn)化后的 2 2 值圖像，很明顯的看

3、到只有兩種灰度級，這樣將原灰度圖像中的一些細(xì)節(jié)就丟失了，比subplot(2,2,4),imhist(BW),title(轉(zhuǎn)為2值圖像的直方圖);如以前圖像中的背景根頭發(fā)有很明顯的分界線，而轉(zhuǎn)化成2 2 值圖像后，頭發(fā)和背景由于在灰度分界值得同一側(cè)，故被處理成為一種灰度級。而面部也有一些細(xì)節(jié)損失掉了，從直方圖也能看出，處理后的圖像只有兩種灰度級，這樣處理有種木刻畫的效果1.3 灰度圖像的裁剪圖像的裁剪是依據(jù)改變圖像的像素數(shù)目來對圖像進行裁剪的。像的像素數(shù)目比裁剪之前減少。實現(xiàn)程序：I=imread(1234.jpg);K=rgb2gray(I);J=K(65:280,65:240);subpl

4、ot(1,2,1),imshow(K),title(原始灰度圖像)；subplot(1,2,2),imshow(J),title(裁剪以后的圖像);裁剪的目的是是突出顯示重要部位，裁剪后的圖圖（1-4a）與繪圖圖像的旋轉(zhuǎn)從以上圖像的尋轉(zhuǎn)過程可以看到，在中間兩幅圖中會出現(xiàn)黑色邊角，但實際照片中的像素值沒有改變。旋轉(zhuǎn)只是對同享空間上做了變換，并不影響原照片的灰度級。如上圖所示，裁剪之后圖像會減小，若是將裁剪以后的圖像放大到跟原始圖像一樣大小，那么裁剪圖像會出現(xiàn)1.4 灰度圖像的旋轉(zhuǎn)圖像旋轉(zhuǎn)是對圖像的空間角度做調(diào)整。實現(xiàn)程序：I=imread(1234.jpg);K=rgb2gray(I);M1=i

5、mrotate(K,45);M2=imrotate(K,70);M3=imrotate(K,90);figure,subplot(1,4,1),imshow(K),title(subplot(1,4,2),imshow(M1),title(subplot(1,4,3),imshow(M2),title(subplot(1,4,4),imshow(M3),title(figure,subplot(1,4,1),imhist(K),title(subplot(1,4,2),imhist(M1),title(subplot(1,4,3),imhist(M2),title(subplot(1,4,4)

6、,imhist(M3),title(圖像旋轉(zhuǎn)可以通過直接調(diào)用旋轉(zhuǎn)角度的函數(shù)來完成 O O,原始灰度圖像）；旋轉(zhuǎn)45度圖像）;旋轉(zhuǎn)70度圖像）;旋轉(zhuǎn)90度圖像）;,原始灰度直方圖）;旋轉(zhuǎn)45度直方圖）；旋轉(zhuǎn)70度直方圖）；旋轉(zhuǎn)90度直方圖）；旋轉(zhuǎn)的度圖像旋轉(zhuǎn)70度圖像旋轉(zhuǎn)9口度圖像圖（1-3）灰度圖像的裁剪摩始灰度直方圖鬧小度直方圖旋轉(zhuǎn)7口度直方圖旋轉(zhuǎn)9口度直方圖圖（1-4b）旋轉(zhuǎn)直方圖從直方圖可以看出，旋轉(zhuǎn)之前和旋轉(zhuǎn)九十度的圖像的直方圖并沒有改變，只說明圖像和直方圖并不是一一對應(yīng)的關(guān)系，一個直方圖可能有好多個圖像與之對應(yīng)。而中間兩幅圖像也是由于旋轉(zhuǎn)以后增加的黑色邊角似的直方圖發(fā)生了變化。1.5

7、 灰度圖像的平移圖像的平移是改變圖像在顯示窗口內(nèi)像素的位置，屬于空域的線性變換。實現(xiàn)程序：I=imread(1234.jpg);K=rgb2gray(I);M=double(K);m,n=size(K);L=ones(m,n);fori=1:200forj=1:200L(i+m-200,n-200+j)=M(i,j);endendN=uint8(L);subplot(1,2,1),imshow(K);title(原圖)；subplot(1,2,2),imshow(N);title(平移后的圖像);平移后的圖像圖（1-51-5）圖像的平移從圖像中可以看到照片從像素框中移到了右下方，像素框內(nèi)器宇不

8、凡為黑色1.6 灰度圖像的反向操作反向操作是用一個與原始灰度圖像同樣大小的全白圖像（像素灰度值全為255255）各點的像素值減去當(dāng)前灰度圖像相應(yīng)像素點的像素值。反相有時候可以節(jié)約打印的成本，如在一幅圖像中如果黑色部分過多，可以將其反向操作在打印出來，這樣不僅能夠?qū)D像中的信息反映出來還能節(jié)省打印用的墨。實現(xiàn)程序：I=imread(1234.jpgK=rgb2gray(I);）；L=double(K);m,n=size(K);Lf=ones(m,n);fori=1:mforj=1:nLf(i,j)=255-L(i,j);endendD=uint8(Lf);subplot(2,2,1),imsho

9、w(K),title(subplot(2,2,2),imshow(D),title(subplot(2,2,3),imhist(K),title(subplot(2,2,4),imhist(D),title(原灰度圖像）；反向操作）;原灰度圖像直方圖）;反相以后的直方圖）;原圖圖（1-61-6）圖像的反變換從效果來看，原來圖像中灰度值大的像素點灰度值變小，灰度值小的像素點灰度值變大。反相前后的直方圖也成對稱關(guān)系。1.7 灰度圖像縮放圖像的縮放包括縮小和放大。以縮小為例：實現(xiàn)程序：I=imread(1234.jpg);K=rgb2gray(I);N=imresize(K,0.3);M=imres

10、ize(K,2);subplot(1,2,1),imshow(K),title(subplot(1,2,2),imshow(N),title(原灰度圖像原灰度圖像反向操作反向操作原灰度圖像）；縮放0.3倍的圖像）;圖（1-7a）圖像的縮放從兩幅圖像上看，縮小 0.30.3 以后的圖像出現(xiàn)了明顯的馬賽克，這是應(yīng)為圖像縮小后，其用來表示整個圖像的像從直方圖來看，縮小以后雖然直方圖大體跟原灰度直方圖相類似，但在一些像素較少的地方出現(xiàn)了毛刺，這也是因為像素數(shù)減少，致使一些細(xì)節(jié)沒有被表現(xiàn)出來，而與其他的灰度級的像素數(shù)合并。2.灰度圖像的增強灰度圖像的平滑圖像的平滑主要由兩個作用，一是消除或減少噪聲，改善

11、圖像質(zhì)量；另一個是模糊圖像，使圖像看起來柔和自然。圖像平滑可以在空間域進行，也可以在頻率域進行，空間域常用的方法有：多圖像平均法、鄰域平均法、中值濾波法等。多圖像平均法疊加法去除高斯噪聲就使用的多圖像平均法?；驹砭透鶕?jù)高斯噪聲的隨機性，將同一圖像的不同密度的噪聲圖像相疊加，達到去除噪聲的目的。實現(xiàn)程序：I=imread(1234.jpg);K=rgb2gray(I);%利口不同密度的高斯噪聲J1=imnoise(K,gaussian,0,0.01);figure,subplot(2,3,1),imshow(J1),title(高斯0.01);J2=imnoise(K,gaussian,0,

12、0.02);subplot(2,3,2),imshow(J2),title(高斯0.02);J3=imnoise(K,gaussian,0,0.03);subplot(2,3,3),imshow(J3),title(高斯0.03);J4=imnoise(K,gaussian,0,0.05);subplot(2,3,4),imshow(J4),title(高斯0.05);J5=imnoise(K,gaussian,0,0.10);subplot(2,3,5),imshow(J5),title(%加法去除高斯噪聲J1=double(J1);J2=double(J2);J3=double(J3);J

13、4=double(J4);J5=double(J5);X=(J1+J2+J3+J4+J5)/5;Z=uint8(X);高斯0.10);subplot(2,3,6),imshow(Z),title(J1=uint8(J1);J2=uint8(J2);J3=uint8(J3);J4=uint8(J4);J5=uint8(J5);疊加法去除高斯噪聲figure,subplot(2,3,1),imhist(J1),title(直方圖0.01subplot(2,3,2),imhist(J2),title(直方圖0.02);subplot(2,3,3),imhist(J3),title(直方圖0.03);

14、subplot(2,3,4),imhist(J4),title(直方圖0.05);subplot(2,3,5),imhist(J5),title(直方圖0.1）;subplot(2,3,6),imhist(Z),title(疊加之后圖像直方圖原圖像直方圖0100200圖（2-1-1a）原始灰度圖及直方圖從直方圖來看，家噪聲的密度越大，直方圖表現(xiàn)出越平緩，最后疊加結(jié)果的直方圖與加密度為很相像，這也證明經(jīng)過疊加以后噪聲明顯減少。圖（2-1-1b）疊加法去除高斯噪聲從最后的效果來疊加以后噪聲比其他加噪聲圖像有明顯的減輕，但跟原始圖像比噪聲仍然存在。0.010.01 的直方圖圖（2-1-1c）疊加法去

15、除高斯噪聲直方圖鄰域平均法鄰域平均法就是對原始圖像的每個像素點（x,yx,y）取一個鄰域 R,R,計算 R R 中所有像素和該點的灰度平均值，把他賦給輸出圖像中的對應(yīng)點。實現(xiàn)程序：I=imread（1234.jpg）;M=rgb2gray（I）;figure,J1=imnoise（M,gaussianM4=010;101;0,1,0/4;X1=imfilter(J1,M4);M8=111;101;111/8;X2=imfilter(J1,M8);M25=11111;11111;11111;11111;11111/25;X3=imfilter(J1,M25);M49=1111111;111111

16、1;1111111;1111111;1111111;1111111;1111111/49;X4=imfilter(J1,M49);figure,subplot(2,3,1),imshow(M);title(subplot(2,3,2),imshow(J1);title(subplot(2,3,3),imshow(X1);title(subplot(2,3,4),imshow(X2);title(subplot(2,3,5),imshow(X3);title(subplot(2,3,6),imshow(X3);title(figure;subplot(2,3,1),imhist(M);title

17、(subplot(2,3,2),imhist(J1);title(subplot(2,3,3),imhist(X1);title(subplot(2,3,4),imhist(X2);title(subplot(2,3,5),imhist(X3);title(subplot(2,3,6),imhist(X4);title(,0,0.01);原始灰度圖像）；添加0.05高斯噪聲圖像）;M4模版去噪）；M8模板去噪）；M25模板去噪）；M49模板去噪）；原始灰度圖像直方圖）；加噪聲直方圖）；四鄰域去噪直方圖）；八鄰域去噪直方圖）；25鄰域去噪直方圖）；49鄰域去噪直方圖）；圖（2-1-2a）疊加法去

18、除出高斯噪聲從去噪后圖像的效果來看四種鄰域都有去噪效果，而且直觀地看，4,8,25,494,8,25,49 鄰域的去噪效果依次增強，但隨著去噪效果的增強，圖像也變得模糊。原始灰度圖像直方圖添加噪聲直方圖四鄰城去躁直方圖圖（2-1-2b）疊加法去噪直方圖從直方圖來看，隨著鄰域模版的增大，直方圖越來越趨近于原始灰度圖像的直方圖，這也表明：隨著鄰域模版的增大去噪效果越來越明顯。2.1.3 中值濾波法中值濾波實際上就是用一個含有奇數(shù)個像素的窗口在圖像中滑動，將窗口中心點的灰度值用窗口內(nèi)各點灰度的中值代替。實現(xiàn)程序：I=imread(1234.jpg);K=rgb2gray(I);G=imnoise(K

19、,gaussian,0,0.02);J=imnoise(K,salt&pepper,0.05);Lg=medfilt2(G,33);Lj=medfilt2(J,33);subplot(2,3,1),imshow(K),title(subplot(2,3,2),imshow(G),title(高斯噪聲中值濾波圖像椒鹽噪聲中值濾波圖像從圖像中可以看出中值濾波法對椒鹽噪聲的濾除效果好于對高斯噪聲的濾除2.2 灰度圖像銳化2.2.1 拉普拉斯算子進行銳化實現(xiàn)程序：I=imread(1234.jpg);K=rgb2gray(I);A=010;1-41;原灰度圖像)；加高斯噪聲圖像);subplo

20、t(2,3,3),imshow(J),title(subplot(2,3,4),imshow(Lg),title(加椒鹽噪聲圖像);高斯噪聲中值濾波圖像);subplot(2,3,5),imshow(Lj),title(椒鹽噪聲中值濾波圖像);原灰度圖像加高斯噪聲圖像加椒鹽噪聲圖像圖( (2-1-3)中值濾波010;B=111;111;111/9;Id=imfilter(K,A);subplot(1,3,1),imshow(Id),title(Jd=imfilter(K,B);subplot(1,3,2),imshow(Jd),title(Id=double(Id);Jd=double(Jd)

21、;Gu=uint8(Jd-Id);subplot(1,3,3),imshow(Gu),title(拉氏算子處理)；模糊化處理)；拉普拉斯算子圖像銳化);原灰度圖像拉氏算子處理模糊化處理拉普拉斯算子圖傀銳化圖( (2-2-1)拉氏算子圖像銳化從銳化結(jié)果看，比模糊化的圖像清晰很多，但頭發(fā)和衣領(lǐng)部分也有明顯的黑點。2.2.2Roberts 算子進行邊沿檢測及銳化羅伯特算子是分別將像素點矩陣主對角線，從對角線的灰度值作差得到兩個不同方向(緣檢測圖像，再將兩個方向的圖像疊加起來。實現(xiàn)程序：I=imread(1234.jpg);K=rgb2gray(I);%必伯特算子銳化；Rh=10;0-1;Rv=01;

22、-10;B=111;111;111/9;Ih=imfilter(K,Rh);figure,subplot(1,5,1),imshow(Ih),title(45度檢測)；Iv=imfilter(K,Rv);4444 度和 135135 度)的邊subplot(1,5,2),imshow(Iv),title(Ih=double(Ih);Iv=double(Iv);R=uint8(Ih+Iv);subplot(1,5,3),imshow(R),title(Jd=imfilter(K,B);subplot(1,5,4),imshow(Jd),title(R=double(R);Jd=double(Jd

23、);Gu=uint8(Jd-R);subplot(1,5,5),imshow(Gu),title(135度檢測）；羅伯特算子邊緣檢測）；模糊化處理）；羅伯特算子圖像銳化）;原灰度圖像模撇化處理羅伯特算子圖像銳化2.2.3Prewitt 算子進行邊沿檢測及銳化PrewittPrewitt 算子與羅伯特算子類似，只不過是 3*33*3 的像素點矩陣，的道德為水平檢測和豎直檢測，再將得到的兩個方向上的圖像疊加起來，得到邊緣檢測圖像。實現(xiàn)程序：羅伯特篁于邊緣檢測135度檢測45度檢測圖（2-2-2a）羅伯特算子邊沿檢測I=imread(1234.jpg);K=rgb2gray(I);%Prewitt?

24、x6士?心？i2a;Ph=-101;-101;-101/2;Pv=-1-1-1;000;111/2;B=111;111;111/9;Kh=imfilter(K,Ph);figure,subplot(1,5,1),imshow(Kh),title(Kv=imfilter(K,Pv);subplot(1,5,2),imshow(Kv),title(Kh=double(Kh);Kv=double(Kv);P=uint8(Kh+Kv);subplot(1,5,3),imshow(P),title(Jd=imfilter(K,B);subplot(1,5,4),imshow(Jd),title(P=do

25、uble(P);,Prewitt算子邊緣檢測）;模糊化處理,）；Jd=double(Jd);Gu=uint8(Jd-P);subplot(1,5,5),imshow(Gu),title(,Prewitt算子圖像銳化,）;水平檢測會直檢測Prewitt算子邊緣檢測圖（2-2-3a）Prewitt 算子邊沿檢測水平木測）;豎直檢測）；2.2.4Sobel 算子進行邊沿檢測及銳化SobleSoble 算子左邊緣檢測，跟其他兩個也類似，得到視屏檢測和豎直檢測的兩個圖像，再疊加起來就成為 SobleSoble邊緣檢測的圖像。實現(xiàn)程序：I=imread(1234.jpg);K=rgb2gray(I);%S

26、obel?xo?心？i2a;Sh=-101;-202;-101/2;Sv=-1-2-1;000;121/2;B=111;111;111/9;Eh=imfilter(K,Sh);figure,subplot(1,5,1),imshow(Eh),title(Ev=imfilter(K,Sv);subplot(1,5,2),imshow(Ev),title(Eh=double(Eh);Ev=double(Ev);S=uint8(Eh+Ev);subplot(1,5,3),imshow(S),title(Jd=imfilter(K,B);subplot(1,5,4),imshow(Jd),title(

27、S=double(S);Jd=double(Jd);Gu=uint8(Jd-S);原灰度圖像模糊化處理P的itt算子圖像銳化圖(2-2-3b)Prewitt 算子圖像銳化水平木測);豎直檢測)；Sobel算子邊緣檢測);模糊化處理)；subplot(1,5,5),imshow(Gu),title(Sobel算子圖像銳化);原灰度圖像模糊化處理S。*算子圖像銳化圖( (2-2-4b)Soble 算子圖像銳化從以上邊緣檢測的圖像分析可得：RobertsRoberts 算子可以進行邊緣檢測，但是去噪作用??；PrewittPrewitt 算子不僅能檢測邊緣，而且能抑制噪聲的影響；SobleSoble

28、算子噪聲抑制效果強于 PrewittPrewitt 算子，但是得到的邊緣較寬。2.3 直方圖均衡化直方圖均衡化的基本思想是對原始灰度圖像中的像素灰度做某種映射變換，是變換后的圖像灰度的概率密度是均勻分布的，即變換后圖像的灰度級是均勻分布的，這意味著圖像的動態(tài)范圍得到了增加，從而提高圖像的對比度。實現(xiàn)程序：I=imread(1234.jpg);K=rgb2gray(I);figure,subplot(2,2,1),imshow(K);title(原始灰度圖像);subplot(2,2,2),histeq(K);title(均衡化后圖像);圖( (2-2-4a)Soble 算子邊沿檢測subplot(2,2,3),imhist(K);title(原始灰度圖像直方圖);subplot(2,2,4),imhist(k);title(均衡化后直方圖)；圖（2-3）直方圖均衡化從這幅圖來看，均衡化以后圖像灰度級的動態(tài)范圍得到了增加，但是也損失掉了圖像的一些細(xì)節(jié)，從直方圖來看灰度級分布及均勻了，那是因為小概率灰度級被合并到了別的灰度級中。這樣處理隨讓增加了圖像會妒忌的動態(tài)范圍，是灰度級分布均勻，但具體效果是好還是不好，要根據(jù)實際需求來作出判斷。3.灰度圖像的