基于Matlab的图像去噪算法仿真设计
基于MATLAB图像降噪方法的研究
1 绪论1.1 数字图像的定义图像是用各种观测系统以不同形式和手段观测客观世界而获得的，可以直接或间接作用于人眼并进而产生视知觉的实体【1】。
人的视觉系统就是一个观测系统，通过它得到的图像就是客观景物在人心目中形成的影像。
我们生活在一个信息时代，科学研究和统计表明，人类从外界获得的信息约有75%来自视觉系统，也就是从图像中获得的，例如照片、绘画、动画等等。
客观世界在空间上是三维（3-D）的，但一般从客观景物得到的图像是二维（2-D）的。
一幅图像可以用一个2-D数组)f来表示，这里x和y表示表示2-D空间XYx(y,中一个坐标点的位置，而f则代表图像在点)x的某种性质F的数值。
例如常用的(y,图像一般是灰度图，这时表示灰度值，它常对应客观景物被观察到的亮度。
日常所见图像多是连续的，即f(x, y)的值可以任意实数。
为了能用计算机对图像进行加工，需要把连续的图像在坐标空间XY和性质空间F都离散化【2】。
这种离散化了的图像就是数字图像，可以用I(r, c)来表示。
这里I代表离散化后的f，(r,c)代表离散化后的)x，其中r代表图像的行(row)，c代表图像的列(column)。
这里的I, r,,(yc值都是整数。
在该设计中用f(x, y)代表数字图像。
1.2噪声对图像的影响由于图像在形成、传输、接收和处理的过程中 ,会受到外界环境、系统性能和人为因素等诸多方面影响 ,不可避免地存在噪声干扰 ,它使图像变质 ,影响图像的质量【3】。
如果不对噪声进行及时处理 ,就会对后续的处理过程乃至输出结果产生影响 ,甚至可能得到错误的结论。
1.3 图像降噪的研究现状为了解决图像在生成和传输过程中因受到各种噪声的干扰和影响使图像降质，而对后续图像的处理(如分割、压缩和图像理解等)所产生不利影响的问题。
人们逐步开始重视图像噪声的滤除问题。
关于图像噪声去除的研究由来已久,人们根据实际图像的特点、噪声的统计特征和频谱分布的规律，以及不同的噪声源，发展了各式各样的去噪方法。
matlab图像去噪课程设计
matlab图像去噪课程设计一、教学目标本课程的教学目标是使学生掌握Matlab图像去噪的基本原理和方法，培养学生运用Matlab进行图像去噪的实践能力。
具体目标如下：1.知识目标：（1）理解图像去噪的基本概念和原理；（2）熟悉常见的图像去噪算法；（3）掌握Matlab图像去噪的基本操作。
2.技能目标：（1）能够运用Matlab进行图像去噪的实践操作；（2）能够分析图像去噪的效果，并对算法进行优化；（3）能够阅读和理解相关的英文文献。
3.情感态度价值观目标：（1）培养学生对图像处理技术的兴趣和热情；（2）培养学生解决问题的能力和团队协作精神；（3）培养学生关注社会热点，将所学知识应用于实际问题的意识。
二、教学内容本课程的教学内容主要包括以下几个部分：1.图像去噪的基本概念和原理；2.常见的图像去噪算法；3.Matlab图像去噪的基本操作；4.图像去噪效果的分析与优化。
具体安排如下：第1周：图像去噪的基本概念和原理；第2周：常见的图像去噪算法；第3周：Matlab图像去噪的基本操作；第4周：图像去噪效果的分析与优化。
三、教学方法本课程采用讲授法、案例分析法、实验法等多种教学方法相结合，以激发学生的学习兴趣和主动性。
1.讲授法：用于讲解图像去噪的基本概念、原理和算法；2.案例分析法：通过分析实际案例，使学生更好地理解图像去噪的方法和技巧；3.实验法：让学生亲自动手进行实验，培养其实践操作能力。
四、教学资源本课程所需的教学资源包括：1.教材：《Matlab图像处理与应用》；2.参考书：《数字图像处理》；3.多媒体资料：相关教学视频和课件；4.实验设备：计算机、投影仪等。
以上教学资源将有助于实现本课程的教学目标，提高学生的学习效果。
五、教学评估本课程的评估方式包括以下几个方面：1.平时表现：通过课堂参与、提问、讨论等方式评估学生的学习态度和积极性；2.作业：布置相关的图像去噪作业，评估学生对知识的掌握程度和实践能力；3.实验报告：评估学生在实验过程中的操作技能和分析能力；4.考试：期末进行闭卷考试，全面评估学生的知识掌握和应用能力。
完整版)小波变换图像去噪MATLAB实现
完整版)小波变换图像去噪MATLAB实现本论文旨在研究数字图像的滤波去噪问题，以提高图像质量。
数字图像处理(Digital Image Processing。
DIP)是指用计算机辅助技术对图像信号进行处理的过程。
DIP技术在医疗、艺术、军事、航天等图像处理领域都有着十分广泛的应用。
然而，图像的采集、获取、编码和传输的过程中，都存在不同程度被各种噪声所“污染”的现象。
如果图像被污染得比较严重，噪声会变成可见的颗粒形状，导致图像质量的严重下降。
因此，通过一些卓有成效的噪声处理技术后，尽可能地去除图像噪声，有利于进一步的对图像进行如特征提取、信号检测和图像压缩等处理。
小波变换处理应用于图像去噪外，在其他图像处理领域都有着十分广泛的应用。
小波定义为对给定函数局部化的新领域，小波可由一个定义在有限区域的函数Ψ(x)来构造，Ψ(x)称为母小波，或者叫做基本小波。
一组小波基函数，{Ψa,b(x)}，可以通过缩放和平移基本小波来生成。
当a=2j和b=ia的情况下，一维小波基函数序列定义为Ψi,j(x)=2-j2Ψ2-jx-1.函数f(x)以小波Ψ(x)为基的连续小波变换定义为函数f(x)和Ψa,b(x)的内积。
在频域上有Ψa,b(x)=ae-jωΨ(aω)。
因此，本论文以小波变换作为分析工具处理图像噪声，研究数字图像的滤波去噪问题，以提高图像质量。
当绝对值|a|减小时，小波函数在时域的宽度会减小，但在频域的宽度会增大，同时窗口中心会向|ω|增大的方向移动。
这说明连续小波的局部变化是不同的，高频时分辨率高，低频时分辨率低，这是小波变换相对于___变换的优势之一。
总的来说，小波变换具有更好的时频窗口特性。
噪声是指妨碍人或相关传感器理解或分析图像信息的各种因素。
噪声通常是不可预测的随机信号。
由于噪声在图像输入、采集、处理和输出的各个环节中都会影响，特别是在输入和采集中，噪声会影响整个图像处理过程，因此抑制噪声已成为图像处理中非常重要的一步。
(完整版)图像去噪处理的研究及MATLAB仿真毕业设计
目录引言 (1)1图像去噪的研究意义与背景 (2)1.1数字图像去噪研究意义与背景 (2)1.2 数字图像去噪技术的研究现状 (3)2 邻域平均法理论基础 (3)2.1 邻域平均法概念 (3)3 中值滤波法理论基础 (3)3.1中值滤波法概念 (3)3.2中值滤波法的实现 (4)4中值滤波法去噪技术MATLAB仿真实现 (4)4.1Matlab仿真软件 (4)4.2中值滤波法的MATLAB实现 (5)4.3邻域平均法的MATLAB实现 (6)总结 (8)全文工作总结 (8)工作展望……………………………………………………………………… (8)参考文献……………………………………………………………………… (9)英文摘要…………………………………………………………………… (10)致谢语 (11)图像去噪处理的研究及MATLAB仿真电本1102班姓名：杨韬指导老师：刘明军摘要:图像是生活中一种重要的信息来源，通过对图像的处理可以帮助我们了解信息的内在信息。
数字图像去噪声涉及光学系统、微电子技术、计算机科学、数学分析等领域，是一门综合性很强的边缘科学，如今其理论体系非常完善，且其应用很广泛，在医学、军事、艺术、农业等都有广泛且充分的应用。
MATLAB是一种高效的工程计算语言，在数值计算、数据处理、图像处理、神经网络、小波分析等方面都有广泛的应用。
MATLAB是一种向量语言，它非常适合于进行图像处理。
本文概述了邻域平均法与中值滤波法去噪的基本原理。
对这两种常用的去噪方法进行了分析比较和仿真实现。
最后根据理论分析和实验结果，讨论了一个完整去噪算法中影响去噪性能的各种因素。
为实际工作中的图像处理，去噪方法的选择和改进提供了数据参考和依据。
关键字：邻域平均法;中值滤波法;MATLAB引言图像因为一些原因总会被外界干扰，所以图像质量往往不是很好,而质量不好的图片又不容易进行进一步的处理。
在对图像的地处理过程中，图像去噪是很重要的一个环节，所以想对图像进行进一步的处理,对图像的去噪就变得重要起来,所以很多研究人员对这一课题进行了比较全面的研究,图像的处理最传统的方法是在空域中的处理，也就是说在图像的空间范畴内对图像质量进行改善。
matlab课程设计--利用MATLAB仿真软件实现图像的去噪处理
课程设计任务书学生姓名：专业班级：指导教师：刘新华工作单位：信息工程学院题目:利用MATLAB仿真软件实现图像的去噪处理要求完成的主要任务:1. 读取图像并分别加入高斯噪声、椒盐噪声、乘性噪声。
2. 采取合适的滤波器进行去噪处理，能显示原始图像、加噪后图像和去噪后图像。
课程设计的目的：1．理论目的课程设计的目的之一是为了提高自学能力，并能用所学理论知识正确分析图像噪声。
2．实践目的课程设计的目的之二是通过编写图像加噪去噪程序掌握图像噪声处理的方法和步骤。
时间安排：指导教师签名：年月日系主任（或责任教师）签字：年月日目录摘要 (I)Abstract (II)1 引言 (1)1.1MATLAB介绍 (1)1. 2MATLAB图像处理工具箱函数介绍 (2)2 图像的采集 (3)3 图像的加噪 (4)3.1加入乘性噪声 (4)3.1.1噪声分析与函数使用 (4)3.1.2代码及其注释 (4)3.1.3图像仿真 (5)3.2加入椒盐噪声 (5)3.2.1噪声分析与函数使用 (5)3.2.2代码及其注释 (5)3.2.3图像仿真 (6)3.3加入高斯噪声 (6)3.3.1噪声分析与函数使用 (6)3.3.2代码及其注释 (7)3.3.3图像仿真 (7)4 图像的去噪 (7)4.1滤波器的介绍 (7)4.1.1均值滤波 (8)4.1.2中值滤波 (8)4.1.3维纳滤波 (9)4.2去除乘性噪声 (9)4.2.1代码及其注释 (9)4.2.2图像仿真 (10)4.2.3效果分析 (11)4.3去除椒盐噪声 (11)4.3.1代码及其注释 (11)4.3.2图像仿真 (12)4.3.3效果分析 (12)4.4去除高斯噪声 (12)4.4.1代码及其注释 (12)4.4.2图像仿真 (13)4.4.3效果分析 (13)5 心得体会 (14)参考文献 (15)附件：MATLAB程序 (16)摘要本次课程设计报告在简要介绍MATLAB 软件的基础上, 结合其图象处理工具, 重点分析了MATLAB 在图象处理中的应用。
基于Matlab的图像去噪算法仿真综述
基于Matlab的图像去噪算法仿真在信息化的社会里，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、维纳滤波法及模糊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；其次详细阐述了四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：一．均值滤波是典型的线性滤波，对高斯噪声抑制是比较好的；二．中值滤波是常用的非线性滤波方法，对椒盐噪声特别有效；三．维纳滤波对高斯噪声有明显的抑制作用；四．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。
本论文主要是从两方面展开，首先是图像去噪算法：简要说明了图像噪声的概念及分类，详细阐述了邻域平均法、中值滤波法、维纳滤波法及模糊小波变换法的去噪原理及特点。
其次是基于Matlab的图像去噪算法仿真：根据邻域平均法、中值滤波法、维纳滤波法及模糊小波变换法原理分析，运用Matlab仿真软件编写代码，对一张含噪图片（含高斯噪声或椒盐噪声）进行仿真去噪，并对结果分析讨论，比较几种方法的优缺点。
本论文仿真时选取一张彩色图片“2010-03-09-2.bmp”，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、维纳滤波法和模糊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。
1.1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）给图像加入均值为0，方差为0.02的高斯噪声，选择3×3模板去噪Matlab部分代码：j=imnoise(x,'gaussian',0,0.02);h=ones(3,3);h=h/9;k=conv2(j,h);仿真结果如图4-1所示。
基于MATLAB的图像去噪实验报告
实验二图像去噪一、实验目的1. 熟悉图像高斯噪声和椒盐噪声的特点；2. 掌握利用均值滤波和中值滤波去除图像噪声的方法。
二、实验内容1. 打开Matlab 编程环境。
2. 读入图像，在图像上分别添加高斯噪声和椒盐噪声。
3. 显示原图像和噪声图像。
4. 对噪声图像进行均值滤波和中值滤波处理。
5. 显示处理效果图。
三、实验程序及结果1、实验程序m=imread('pout.tif');x=imnoise(m,'salt & pepper',0.02);y=imnoise(m,'gaussian',0,0.01);figure(1)subplot(311)imshow(m);subplot(312)imshow(x)subplot(313)imshow(y);q=filter2(fspecial('average',3),x);w=filter2(fspecial('average',3),y);n=medfilt2(m);figure(2)subplot(311)imshow(uint8(q));subplot(312)imshow(uint8(w));subplot(313)imshow(n);2、实验结果四、实验思考：1. 比较均值滤波和中值滤波的对高斯噪声和椒盐噪声图像的处理效果，分析原理？答：中值滤波对于椒盐噪声效果好，因为椒盐噪声是幅值近似相等但随机分布在不同的位置上，图像中有干净点也有污染点。
中值滤波是选择适当的点来代替污染的点所以处理效果会更好。
由于噪声的均值不为零，所以均值滤波不能很好的去除噪声点。
均值滤波对于高斯噪声效果好，因为高斯噪声的幅值近似于正态分布但是却分布在每个点像素上。
图像中的每个点都是污染点，所以如果采用中值滤波会找不到合适的干净点，由于正态分布的均值为零，所以均值滤波可以削弱噪声。
MATLAB仿真实现图像去噪
MATLAB仿真实现图像去噪本文概述了小波阈值去噪的基本原理。
对常用的几种阈值去噪方法进行了分析比较和仿真实现。
最后结合理论分析和实验结果，讨论了一个完整去噪算法中影响去噪性能的各种因素。
为实际的图像处理中，小波阈值去噪法的选择和改进提供了数据参考和依据。
、图像是一种重要的信息源，通过图像处理可以帮助人们了解信息的内涵。
数字图像噪声去除涉及光学系统、微电子技术、计算机科学、数学分析等领域，是一门综合性很强的边缘科学，如今其理论体系已十分完善，且其实践应用很广泛，在医学、军事、艺术、农业等都有广泛且成熟的应用。
MATLAB是一种高效的工程计算语言，在数值计算、数据处理、图像处理、神经网络、小波分析等方面都有广泛的应用。
MATLAB是一种向量语言，它非常适合于进行图像处理。
关键字：小波变换图像去噪阈值MATLABThe Research of Image De-noising Based on Matlab[Abstract] Image is one kind of important information source, may help People through the imagery processing to understand the information the connotation. The digital image de-noise involves domains and so on optical system, microelectronic technology, computer science，mathematical analysis, it’s a very comprehensive interdisciplinary science, now its practice application is very widespread: In the medicine, the military, art, the agriculture and all have very extensive and ripe using so on. MATLAB is one kind of highly effective engineering calculation language，in aspects and so on value computation, data processing, imagery processing, neural network, wavelet analysis all has the widespread application.This article has stated the theory of wavelet threshold denoising ，then done comparing experiments using several good threshold denoising methods．Finally according to the theory analysis and simulation results，the paper discusses several kinds of factors which affect the denoising capability in a complete denoising algorithm．That provides the date reference of threshold denoising methods in actual image process．Keywords: Wavelet transformation; Image denoising; Wavelet threshold; MATLAB目录前言第一章图像与噪声 (1)1.1 噪声图像模型及噪声特性 (1)1.1.1 含噪模型 (1)1.1.2 噪声特性 (1)1.2 图像质量的评价 (2)1.2.1 主观评价 (2)1.2.2 客观评价 (2)第二章图像去噪方法 (4)2.1 传统去噪方法 (4)2.1.1 空域滤波 (4)2.1.2 频域低通滤波法 (5)2.2 小波去噪 (8)2.2.1 小波去噪的发展历程 (8)2.2.2 小波去噪的研究现状 (9)2.2.3 小波去噪方法 (11)第三章小波变换理论基础 (12)3.1 从傅里叶变换到小波变换 (12)3.2 小波理论的基本概念 (13)3.2.1 连续小波变换 (13)3.2.2 离散小波变换 (15)第四章小波阈值去噪及MATLAB仿真 (18)4.1 小波阈值去噪概述 (18)4.1.1 阈值去噪法简述 (18)4.2 基于MATLAB的小波去噪函数简介 (19)4.3 小波去噪对比试验 (20)4.3.1 实验信号的产生 (20)4.3.2 各参数下的去噪效果对比 (22)4.4 利用小波去噪函数去除给定图像中的噪声 (25)总结与展望（本行顶头，下面的红色字去掉） (28)1 全文工作总结 (28)2 工作展望 (28)致谢语 (30)参考文献 (31)附录 (34)前言图像在生成和传输过程中常常因受到各种噪声的干扰和影响而使图像降质，这对后续图像的处理(如分割、压缩和图像理解等)将产生不利影响。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于Matlab的图像去噪算法仿真在信息化的社会里，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、维纳滤波法及模糊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；其次详细阐述了四种去噪算法原理及特点；最后运用Matlab软件对一含噪图片（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：一．均值滤波是典型的线性滤波，对高斯噪声抑制是比较好的；二．中值滤波是常用的非线性滤波方法，对椒盐噪声特别有效；三．维纳滤波对高斯噪声有明显的抑制作用；四．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。
本论文主要是从两方面展开，首先是图像去噪算法：简要说明了图像噪声的概念及分类，详细阐述了邻域平均法、中值滤波法、维纳滤波法及模糊小波变换法的去噪原理及特点。
其次是基于Matlab的图像去噪算法仿真：根据邻域平均法、中值滤波法、维纳滤波法及模糊小波变换法原理分析，运用Matlab仿真软件编写代码，对一含噪图片（含高斯噪声或椒盐噪声）进行仿真去噪，并对结果分析讨论，比较几种方法的优缺点。
本论文仿真时选取一彩色图片“2010-03-09-2.bmp”，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、维纳滤波法和模糊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。
1.1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）给图像加入均值为0，方差为0.02的高斯噪声，选择3×3模板去噪Matlab部分代码：j=imnoise(x,'gaussian',0,0.02);h=ones(3,3);h=h/9;k=conv2(j,h);仿真结果如图4-1所示。
图1-1 邻域平均法对高斯噪声去噪的仿真结果（2）给图像加入噪声密度为0.02的椒盐噪声，选择3×3模板去噪Matlab部分代码：j=imnoise(x,'salt & pepper',0.02);h=ones(3 3);h=h/9;k=conv2(j,h);仿真结果如图1-2所示。
图1-2 邻域平均法对椒盐噪声去噪的仿真结果从仿真结果可以看出：邻域平均法实现起来很方便，适用于消除图像中的颗粒噪声，但需要指出这种方法既平滑了图像信号，同时使图像的细节部分变得模糊。
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，使图像变得有些模糊。
如图1-1所示，均值滤波对高斯噪声的抑制是比较好的，但对椒盐噪声的抑制作用不好，如图1-2所示，椒盐噪声仍然存在，只不过被削弱了而已。
为了改善均值滤波细节对比度不好、区域边界模糊的缺陷，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模糊，用选择平均的自适应技术来保持图像的边界。
1.2 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）给图像加入均值为0，方差为0.02的高斯噪声，分别选择3×3模板、5×5模板和7×7模板进行去噪 Matlab 部分代码：j=imnoise(I,'gaussian',0,0.02); x=j(:,:,1); subplot(221); imshow(x);title('高斯噪声图片'); k1=medfilt2(x,[3 3]); k2=medfilt2(x,[5 5]); k3=medfilt2(x,[7 7]);仿真结果如图1-3所示。
图1-3 中值滤波法对高斯噪声去噪的仿真结果含噪声图像100200300501001502003×3模板中值滤波100200300501001502005×5模板中值滤波7×7模板中值滤波（2）给图像加入噪声密度为0.02的椒盐噪声，分别选择3×3模板、5×5模板和7×7模板进行去噪Matlab 部分代码：i=imread('2010-03-09-2.bmp'); j=imnoise(I,'salt & pepper',0.02); x=j(:,:,1); subplot(221); imshow(x);title('椒盐噪声图片'); k1=medfilt2(x,[3 3]); k2=medfilt2(x,[5 5]); k3=medfilt2(x,[7 7]);仿真结果如图1-4所示。
图1-4 中值滤波法对椒盐噪声去噪的仿真结果从仿真结果可以看出：对图像加入椒盐噪声后，应用中值滤波，如图1-4所示，噪声的斑点几乎全部被滤去，它对滤除图像的椒盐噪声非常有效。
而对于高斯噪声来说，如图1-3所示，虽然也有一些去噪效果，但效果不佳。
由此可知，中值滤波法运算简单，易于实现，而且能较好地保护边界，但有时会失掉图像中的细线和小块区域。
并且采用窗口的大小对滤波效果影响很大，窗口越大，图像去噪效果越好，但代价是模糊的程度越大。
含噪声图像100200300501001502003×3模板中值滤波100200300501001502005×5模板中值滤波7×7模板中值滤波1.3 维纳滤波的仿真选用维纳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）给图像加入均值为0，方差为0.02的高斯噪声，选择3×3模板去噪 Matlab 部分代码：i=imread('2010-03-09-2.bmp'); j=imnoise(I,'gaussian',0,0.02); x=j(:,:,1); k=wiener2(x);仿真结果如图1-5所示。
图1-5 维纳滤波法对高斯噪声去噪的仿真结果（2）给图像加入噪声密度为0.02的椒盐噪声，选择3×3模板去噪 Matlab 部分代码：j=imnoise(I,'salt & pepper',0.02); x=j(:,:,1); k=wiener2(x);仿真结果如图1-6所示。
图1-6 维纳滤波法对椒盐噪声去噪的仿真结果加噪图像去噪图像加噪图像去噪图像从仿真结果可以看出：维纳滤波对高斯白噪声的图像滤波与邻域平均法比较，滤波效果好，它比线性滤波器具有更好的选择性，可以更好地保存图像的边缘和高频细节信息。
虽然，维纳滤波在大多数情况下都可以获得满意的结果，尤其对含有高斯噪声的图像。
另外维纳滤波对于椒盐噪声去除效果却不尽人意，几乎没有效果。
它不能用于噪声为非平稳的随机过程的情况，对于向量情况应用不方便。
因此，维纳滤波在实际问题中应用不多。
1.4基于模糊小波变换法的仿真选用模糊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）给图像加入均值为0，方差为0.02的高斯噪声，用小波函数coif2对图象进行2层分解，选择3×3模板去噪Matlab部分代码：function y=zishiying(x)x11=medfilt2(x,[3 3]);x12=double(x11);[a,b]=size(x12);[c,s]=wavedec2(x12,3,'coif2');n=[1,2,3];p4=0.02*(sqrt(2*log(a*b)));size(detcoef2('h',c,s,1));size(detcoef2('v',c,s,1));size(detcoef2('d',c,s,1));p1(1)=detcoef2('h',c,s,1);p2(1)=detcoef2('v',c,s,1);p3(1)=detcoef2('d',c,s,1);p1(2)=detcoef2('h',c,s,2);p2(2)=detcoef2('v',c,s,2);p3(2)=detcoef2('d',c,,s,2);for i=1:1:2p1(i)=1/((p1(i)-p4)^2+1);if p1(i)>=p4p1(i)=sign(p1(i))*(abs(p1(i))-p1(i)*p4);elsep1(i)=0;endif p2(i)>=p4p2(i)=sign(p2(i))*(abs(p2(i))-p2(i)*p4); else p2(i)=0; endif p3(i)>=p4p3(i)=sign(p3(i))*(abs(p3(i))-p3(i)*p4); else p3(i)=0; end end仿真结果如图1-7所示。
图1-7 模糊小波变换法对高斯噪声去噪的仿真结果（2）给图像加入噪声密度为0.02的椒盐噪声，选择3×3模板去噪 仿真结果如图4-8所示。
图1-8 模糊小波变换法对椒盐噪声去噪的仿真结果含噪声图像消除噪声后的图像10020030050100150200含噪声图像10020030050100150200消除噪声后的图像10020030050100150200从仿真结果可以看出：为验证本文算法的滤波效果，对加入不同噪声的图像进行了滤波测试。
从视觉来看，自适应模糊小波变换算法在保持细节和去噪两方面效果最好。
在平滑高斯噪声和有脉冲噪声的图像去噪效果都很显著。
本算法相对于其它几种算法其效果都有明显的改进，既能够很好地消除噪声，又能够较好地保持图像边缘细节，而且算法简单，易于实现。
目前使用比较广泛。
1.5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)x，选择一个模板，该模板由其近邻M个像素组成，求模,(y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∑xf(yxyg，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。