圖像平滑濾波器1.課程設(shè)計目的〔1〕加深對圖像噪聲抑制根本理論知識的理解?！?〕學(xué)習(xí)MATLAB軟件的使用能力和編程能力?！?〕通過對MATLAB仿真的編程學(xué)會對圖像進(jìn)行噪聲抑制。2.課程設(shè)計要求〔1〕掌握課程設(shè)計的相關(guān)知識、概念清晰。〔2〕程序設(shè)計合理、能夠正確運(yùn)行。3.相關(guān)知識3.1濾波的目的和要求濾波的目的有兩個:一是抽出對象的特征作為圖像識別的特征模式；另一個是為適應(yīng)圖像處理的要求，消除圖像數(shù)字化時所混入的噪聲。對濾波處理的要求有兩條:一是不能損壞圖像的輪廓及邊緣等重要信息；二是使圖像清晰視覺效果好。3.2濾波的方法和歸類圖像的噪聲濾波器有很多種，常用的有線性濾波器，非線性濾波器。采用線性濾波如鄰域平滑濾波，對受到噪聲污染而退化的圖像復(fù)原，在很多情況下是有效的。但大多數(shù)線性濾波器具有低通特性，去除噪聲的同時也使圖像的邊緣變模糊了。而另一種非線性濾波器如中值濾波，在一定程度上可以克服線性濾波器所帶來的圖像模糊問題，在濾除噪聲的同時，較好地保存了圖像的邊緣信息。3.3平滑濾波空域濾波技術(shù)根據(jù)其功能主要分成平滑濾波和銳化濾波兩類。平滑濾波能減弱或消除圖像中的高頻率分量，但不影響低頻率分量。因為高頻分量對應(yīng)圖像中的區(qū)域邊緣等灰度值具有較大較快變化的局部，平滑濾波將這些分量濾去可減少局部灰度起伏，使圖像變得比擬平滑。實際中，它還可用于消除噪聲或在撮較大的目標(biāo)前去除太小的細(xì)節(jié)或?qū)⒛繕?biāo)內(nèi)的小間斷連接起來。4.課程設(shè)計分析4.1均值濾波把每個像素都用周圍的8個像素來做均值操作。可以平滑圖像，速度快，算法簡單。但是無法去掉噪聲，這能微弱的減弱它。采用MATLAB中的函數(shù)filter2對受噪聲干擾的圖像進(jìn)行均值濾波，代碼如下：[I,map]=imread('eight.tif');%導(dǎo)入原始圖像figure,imshow(I);title('original')%繪制原始圖像J1=imnoise(I,'gaussian',0,0.02);%受高斯噪聲干擾J2=imnoise(I,'salt&pepper',0.04);%疊加密度為0.04的椒鹽噪聲figure,imshow(J1);%繪制參加高斯噪聲前的圖像figure,imshow(J2);%繪制參加椒鹽噪聲前的圖像M=[111;111;111];M=M/9;%產(chǎn)生3×3濾波模板N=[11111;11111;11111;11111;11111];N=N/25;%產(chǎn)生5×5濾波模板I_filter1=filter2(M,J1);%對高斯噪聲均值濾波figure,imshow(I_filter1,map);%繪制高斯濾波后的圖像I_filter2=filter2(M,J2);%對椒鹽噪聲均值濾波figure,imshow(I_filter2,map);%繪制椒鹽濾波后的圖像I_filter3=filter2(N,J1);figure,imshow(I_filter3,map);I_filter4=filter2(N,J2);figure,imshow(I_filter4,map);4.2中值濾波中值濾波是常用的非線性濾波方法,也是圖像處理技術(shù)中最常用的預(yù)處理技術(shù)。它在平滑脈沖噪聲方面非常有效,同時它可以保護(hù)圖像鋒利的邊緣。加權(quán)中值濾波能夠改良中值濾波的邊緣信號保持效果。但對方向性很強(qiáng)的指紋圖像進(jìn)行濾波處理時,有必要引入方向信息,即利用指紋方向圖來指導(dǎo)中值濾波的進(jìn)行。采用二維中值濾波函數(shù)medfilt2對受椒鹽噪聲干擾的圖像進(jìn)行中值濾波，代碼如下：I=imread('eight.tif');imshow(I);J1=imnoise(I,'gaussian',0,0.02);%受高斯噪聲干擾J2=imnoise(I,'salt&pepper',0.04);%疊加密度為0.04的椒鹽噪聲figure,imshow(J1);figure,imshow(J2);I_Filter1=medfilt2(J1,[33]);%對高斯噪聲中值濾波figure,imshow(I_Filter1);I_Filter2=medfilt2(J1,[55]);figure,imshow(I_Filter2);I_Filter3=medfilt2(J2,[33]);%對椒鹽噪聲中值濾波figure,imshow(I_Filter3);I_Filter4=medfilt2(J2,[55]);figure,imshow(I_Filter4);4.3最小均方差濾波(自適應(yīng)濾波)最小均方差濾波亦稱維納濾波,其設(shè)計思想是使輸入信號乘響應(yīng)后的輸出,與期望輸出的均方誤差為最小。代碼如下：[I,map]=imread('eight.tif');figure,imshow(I);title('original')J1=imnoise(I,'gaussian',0,0.02);%受高斯噪聲干擾J2=imnoise(I,'salt&pepper',0.04);%疊加密度為0.04的椒鹽噪聲figure,imshow(J1);figure,imshow(J2);[Knoise]=wiener2(J1,[55]);%對高斯噪聲最小均方差濾波figure,imshow(K);[Nnoise]=wiener2(J2,[55]);%對椒鹽噪聲最小均方差濾波figure,imshow(N);原始圖像5.仿真原始圖像參加高斯噪聲后的參加高斯噪聲后的圖像參加椒鹽噪聲后的圖像參加椒鹽噪聲后的圖像均值濾波：對高斯噪聲均值濾波后圖像5對高斯噪聲均值濾波后圖像5×5模板對高斯噪聲均值濾波后圖像3×3模板對椒鹽噪聲均值濾波后圖像5對椒鹽噪聲均值濾波后圖像5×5模板對椒鹽噪聲均值濾波后圖像3×3模板中值濾波：對高斯噪聲中值濾波后圖像5對高斯噪聲中值濾波后圖像5×5模板對高斯噪聲中值濾波后圖像3×3模板對椒鹽噪聲中值濾波后圖像5對椒鹽噪聲中值濾波后圖像5×5模板對椒鹽噪聲中值濾波后圖像3×3模板最小均方差濾波：對對高斯噪聲最小均方差濾波后圖像對椒鹽噪聲最小均方差濾波后圖像對椒鹽噪聲最小均方差濾波后圖像6.結(jié)果分析通過上面的仿真結(jié)果可以看出，均值濾波能對高斯噪聲產(chǎn)生較好的濾波效果，但導(dǎo)致了邊緣的模糊；而中值濾波能對椒鹽噪聲產(chǎn)生較好的濾波效果，但同樣產(chǎn)生了邊緣的模糊；最小均值濾波是邊緣保持類濾波，它除了濾除噪聲外，還對邊緣起到一定的保持作用。較大的模板對噪聲的濾除有更好的效果，但相對的，邊緣也更模糊。因此在作平滑處理時要針對不同的圖像噪聲采用不同的模板不同濾波器才能獲得好的效果。7.結(jié)束語為期一周的數(shù)字圖像課程設(shè)計結(jié)束了，經(jīng)過努力，我順利的完成了這次課程設(shè)計。本次課程設(shè)計工作是對我數(shù)字圖像知識的一個總結(jié)，在這期間，無論是資料的查閱、調(diào)研、方案的論證及設(shè)計校核計算都給我的業(yè)務(wù)素質(zhì)、個人能力的培養(yǎng)提供了一個難得的時機(jī)，令我回憶這些天來的設(shè)計過程，我學(xué)到許多實際問題的解決方法，為以后在工作崗位上的繼續(xù)深造打下了根底。在這段時間里，我得到了老師和朋友的幫助。我要對指導(dǎo)老師表示誠摯的謝意。老師高深的學(xué)術(shù)造詣、嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度和勤勉的工作精神使我受益終身。在我做課程期間我的同學(xué)給予了我很大的幫助，在我遇到困難的時候，總是不斷給我提出許多有價值的意見，并且經(jīng)常鼓勵我。感謝大家！8.參考文獻(xiàn)[1]張汗靈編著