图像去噪处理的研究及matlab仿真毕业论文(编辑修改稿)

图像去噪处理的研究及matlab仿真毕业论文(编辑修改稿)内容摘要：

而中值滤波 则是永邻域灰度代替该点灰度，所以 ，中值滤波器 对噪声的抑制作用 要比均值滤波器差。 但对于 来自 脉冲 信号的 干扰 作用 来 说 ，中值滤波 却很管用。 不过， 这两中去噪手段在 平滑图像的同时 也 会使 原来图像的轮廓变得有些模糊 ， 而且 窗口宽度越宽，噪音平滑效果越好， 相应的图像就越模糊 ，也是均值滤波和中值滤波的缺点所在。 4 传统方法 去噪及 MATLAB 仿真 Matlab 仿真软件 MATLAB 这一软件是由美国著名软件公司 MathWorks 开发的 主要用于概念仿真 ,算法开发 ,建模仿真 ,实时实现的理想的集成环境。 因为这一软件拥有非常专业的体系和现今的开发与设计思路 ，使得 MATLAB 这一软件 在现在高科技 12 领域里拥有非常大的作用 ，特别是在 MATLAB 的主要应用方向 ： 科学 计算、建模仿真以及信息工程系统的设计开发上已经成为行业内的首选设计工具 ，该软件 在航空航天，金融财务，机械化工，电信，教育等各个行业 得到广泛的应用。 中值滤波法的 MATLAB 实现 源程序： M=imread(39。 39。 ) %打开图像 “” subplot(3,2,1) imshow(M) %在一行一列显示原始图像 title(39。 原始图像 39。 ) P1=imnoise(M,39。 gaussian39。 ,) %加入高斯躁声 subplot(3,2,2) imshow(P1) %在一行二列显示加入高斯躁声后的图像 title(39。 加入高斯躁声 39。 )。 P2=imnoise（ M， 39。 salt amp。 pepper39。 ,) %加入椒盐躁声 subplot(2,3,3) imshow(P2) %在一行三列显示加入椒盐躁声后的图像 title(39。 加入椒盐躁声 39。 )。 P12=im2bw(P1,) P22=im2bw(P2,) %将添加噪音后的图像转为二进制 P01=im2bw(M,) subplot(2,3,4) imshow(P01) title(原图像转为二进制 39。 )%将原图像转为二进制并于二行一列显示 P3=medfilt2(P12) %对高斯躁声中值滤波 subplot(2,3,5) imshow(P3) %在二行二列显示高斯躁声中值滤波后的图像 title(39。 对高斯躁声中值滤波 39。 ) 13 P4=medfilt2(P22) %对椒盐躁声中值滤波 subplot(2,3,6) imshow(P4) title(39。 对椒盐躁声中值滤波 39。 %在二行三列显示对椒盐躁声中值滤波 ) 运行程序后 得到的结果 ： 邻域平均法 MATLAB 实现 源程序 ： A=imread(39。 39。 )。 B=rgb2gray(A)。 figure。 imshow(B)。 title(39。 原始图象 39。 )。 H=imnoise(B,39。 gaussian39。 )。 figure。 imshow(H)。 title(39。 高斯噪声 39。 )。 Q=imnoise(B,39。 salt amp。 pepper39。 )。 figure。 imshow(Q)。 title(39。 椒盐噪声 39。 )。 14 M=fspecial(39。 average39。 ,3*3)。 E=imfilter(Q,M)。 figure。 imshow(E)。 title(39。 3*3 平均模板 39。 )。 N=fspecial(39。 average39。 ,5*5)。 K=imfilter(Q,N)。 figure。 imshow(K)。 title(39。 5*5 平均模板 39。 )。 Z=fspecial(39。 average39。 ,7*7)。 J=imfilter(Q,Z)。 figure。 imshow(J)。 title(39。 7*7 平均模板 39。 )。 运行后的得到的结果： (去噪前后对比 ) 15 总结与展望 现实中的图像多为含噪图像，当噪声较严重时，会影响图像的分割、识别和理解。 传统的去噪方法在去噪的同时使图像的细节变得模糊。 本文对中值滤波 去噪进行了深入的研究，取得了一定的效果。 与此同时，本论文在的研究工作仍然存在着许多缺陷有待进一步的完善。 1 全文工作总结 中值滤波有好的空 频局域特性和多分辨率特 性，使得它在数字图像处理领域有着广泛的应用前景。 本论文针对中 值 滤波 在图像去噪方面的应用进行了研究。 具体归纳如下 : 本文首先总结了各 种图像去噪 方法，并对其进行了总结与对比，提出了各自的优缺点，引。