优秀毕业论文]基于matlab图像去噪方法的实现与研究

优秀毕业论文]基于matlab图像去噪方法的实现与研究内容摘要：

影响。 噪声种类很多，如：电噪声、机械噪声、信道噪声和其他噪声。 在图像处理中，图像去噪是一个永恒的主题，为了抑制噪声，改善图像质量，便于更高层次的处理，必须对图像进行去噪预处理。 本文概述了基于MATLAB这一软件下图像的传统去噪方法 小波变换去噪的方法。 主要应用领域计算机图像处理和计算机、多媒体、智能机器人、专家系统等技术的发展紧密相关。 近年来计算机识别、理解图像的技术发展很快，也就是图像处理的目的除了直接供人观看（如医学图像是为医生观看作诊断）外，还进一步发展了与计算机视觉有关的应用，如邮件自动分检，车辆自动驾驶等。 下面仅罗列了一些典型应用实例，而实际应用更广。 （1）在生物医学中的应用主要包括显微图像处理；DNA显示分析；红、白血球分析计数；虫卵及组织切片的分析；癌细胞的识别；染色体分析等等。 （2）遥感航天中的应用军事侦察、定位、导航、指挥等应用；多光谱卫星图像分析；地形、地图、国土普查；地质、矿藏勘探；天文、太空星体的探测及分析等。 （3）工业应用CAD 和CAM技术用于模具、零件制造、服装、印染业；零件、产品无损检测，焊缝及内部缺陷检查；交通管制、机场监控；火车车皮识别等。 （4）军事公安领域中的应用巡航导弹地形识别；指纹自动识别；警戒系统及自动火炮控制；反伪装侦察；手迹、人像、印章的鉴定识别；过期档案文字的复原；集装箱的不开箱检查等。 （5）其他应用图像的远距离通信；多媒体计算机系统及应用；电视电话；服装试穿显示；理发发型预测显示；电视会议；办公自动化、现场视频管理等。 论文工作安排本文以图像去噪方法为研究对象，以小波去噪为研究方向，对比了传统去噪方法较深入地研究了基于小波阈值的图像去噪，对其在图像去噪中的应用做了进一步的探讨。 全文安排具体如下:第一章主要介绍图像去噪的目的,方法及经研究背景与发展趋势。 第二章主要对MATLAB进行了。 包括：发展历程，语言特点，工作环境及在实际中的应用。 第三章主要介绍传统去噪的方法：空域及频域的去找方法。 第四章详细介绍小波去噪在本文中实际应用，以及相应的MATLAB程序，并给出了相应的仿真实验结果。 第五章是对全文的总结与展望，概括了全文的研究内容和创新之处；针对论文的不尽完善之处，提出了一些意见和建议，以供后续工作参考借鉴。 第二章 MATLAB概述 MATLAB的发展　MATLAB软件是由美国Mathworks公司推出的用于数值计算和图形处理的科学计算系统环境。 MATLAB是英文MATrix LABoratory(短阵实验室)的缩写。 它的第1版()发行于1984年，经过10余年的不断改进，现今已推出它的WindoM 98/NT版本()。 新的版本集中了日常数学处理中的各种功能，包括高效的数值计算、矩阵运算、信号处理和图形生成等功能。 在MATLAB环境下，用户可以集成地进行程序设计、数值计算、图形绘制、输入输出、文件管理等各项操作。 MATLAB提供了一个人机交互的数学系统环境，该系统的基本数据结构是矩阵，在生成矩陈对象时，不要求作明确的维数说明。 与利用c语言或FoRTRAN语言作数值计算的程序设计相比，利用MATLAB可以节省大量的编程时间。 在美国的一些大学里，MATLAB正在成为对数值线性代数以及其他一些高等应用数学课程进行辅助教学的有益工具。 在工程技术界，MATLAB也被用来解决一些实际课题和数学模型问题。 典型的应用包括数值计算、算法预设计与验证，以及一些特殊的短阵计算应用，如自动控制理论、统计、数字信号处理(时间序列分拆)等。 70年代中期，Cleve Moler和他的同事开发了LINPACK和EISPACK的Fortran子程序库。 70年代末期，Cleve Moler在新墨西哥大学给学生开线性代数，为学生编写了接口 程序，这程序取名为MATLAB，即MATrix LABoratory。 1983年春天，工程师John Little与Moler、Steve Bangert一起开发了第二代专业版MATLAB。 1984年，MathWorks公司成立，MATLAB正是推向市场。 1992年，学生版MATLAB推出；1993年，Microsoft Windows版MATLAB面世；1995年，推出Linux版。 MATLAB语言的特点　　MATLAB语言是一种交互性的数学脚本语言，其语法与C/C++类似。 它支持包括逻辑（boolen）、数值（numeric）、文本（text）、函数柄（function handle）和异质数据容器（heterogeneous container）在内的15种数据类型，每一种类型都定义为矩阵或阵列的形式（0维至任意高维）。 执行MATLAB代码的最简单方式是在MATLAB程序的命令窗口（Command Window）的提示符处（ ）输入代码，MATLAB会即时返回操作结果（如果有的话）。 此时, MATLAB可以看作是一个交互式的数学终端，简单来说，一个功能强大的“计算器”。 ，然后在命令窗口或其它函数中直接调用。 MATLAB语言具有下述显着特点：　　具有强大的矩阵运算能力：Matrix Laboratory（矩阵实验室），使得矩阵运算非常简单。 是一种演算式语言　　MATLAB的基本数据单元是既不需要指定维数，也不需要说明数据类型的矩阵（向量和标量为矩阵的特例），而且数学表达式和运算规则与通常的习惯相同。 MATLAB语言编程简单，使用方便。 MATLA的工作环境及其命令操作桌面:　　操作桌面包括5个窗口(浏览器)：　　命令窗口(Command Window)；　　工作空间窗口(Workspace)　　当前目录浏览器(Current Directory)；　　命令历史窗口(Command history)；　　启动平台(Launch Pad)。 工具箱:　　MATLAB包括拥有数百个内部函数的主包和三十几种工具包。 工具包又可以分为功能性工具包和学科工具包。 功能工具包用来扩充MATLAB的符号计算，可视化建模仿真，文字处理及实时控制等功能。 学科工具包是专业性比较强的工具包，控制工具包，信号处理工具包，通信工具包等都属于此类。 开放性使MATLAB广受用户欢迎。 除内部函数外，所有MATLAB主包文件和各种工具包都是可读可修改的文件，用户通过对源程序的修改或加入自己编写程序构造新的专用工具包。 Matlab Main Toolbox——matlab主工具箱　　Control System Toolbox——控制系统工具箱　　Communication Toolbox——通讯工具箱　　Financial Toolbox——财政金融工具箱　　System Identification Toolbox——系统辨识工具箱　　Fuzzy Logic Toolbox——模糊逻辑工具箱　　HigherOrder Spectral Analysis Toolbox——高阶谱分析工具箱　　Image Processing Toolbox——图象处理工具箱　　LMI Control Toolbox——线性矩阵不等式工具箱　　Model predictive Control Toolbox——模型预测控制工具箱　　μAnalysis and Synthesis Toolbox——μ分析工具箱　　Neural Network Toolbox——神经网络工具箱　　Optimization Toolbox——优化工具箱　　Partial Differential Toolbox——偏微分方程工具箱　　Robust Control Toolbox——鲁棒控制工具箱　　Signal Processing Toolbox——信号处理工具箱　　Spline Toolbox——样条工具箱　　Statistics Toolbox——统计工具箱　　Symbolic Math Toolbox——符号数学工具箱　　Simulink Toolbox——动态仿真工具箱　　Wavele Toolbox——小波工具箱 MATLAB图像处理中的应用图像处理工具包是由一系列支持图像处理操作的函数组成的。 所支持的图像处理操作有:图像的几何操作、邻域和区域操作、图像变换、图像恢复与增强、线性滤波和滤波器设计、变换(DCT变换等) 、图像分析和统计、二值图像操作等。 下面就MATLAB 在图像处理中各方面的应用分别进行介绍。 （1） 图像文件格式的读写和显示。 MATLAB 提供了图像文件读入函数 imread()，用来读取如:bmp、tif、tiffpcx 、jpg 、gpeg 、hdf、xwd等格式图像文；图像写出函数 imwrite() ，还有图像显示函数 image()、imshow()等等。 （2） 图像处理的基本运算。 MATLAB 提供了图像的和、差等线性运算 ，以及卷积、相关、滤波等非线性算。 例如，conv2(I，J)实现了I，J两幅图像的卷积。 （3） 图像变换。 MATLAB 提供了一维和二维离散傅立叶变换(DFT) 、快速傅立叶变换(FFT) 、离散余弦变换 (DCT) 及其反变换函数，以及连续小波变换(CWT)、离散小波变换(DWT)及其反变换。 （4） 图像的分析和增强。 针对图像的统计计算MATLAB 提供了校正、直方图均衡、中值滤波、对比度调整、自适应滤波等对图像进行的处理。 （5） 图像的数学形态学处理。 针对二值图像，MATLAB 提供了数学形态学运算函数；腐蚀(Erode)、膨胀(Dilate)算子，以及在此基础上的开 (Open)、闭(Close)算子、厚化 (Thicken) 、薄化 (Thin) 算子等丰富的数学形态学运算。 以上所提到的 MATLAB在图像中的应用都是由相应的MATLAB函数来实现的，使用时，只需按照函数的调用语法正确输入参数即可。 第三章 图像去噪的传统方法与实现 传统去噪方法概述对随时间变化的信号，通常采用两种最基本的描述形式，即时域和频域。 时域描述信号强度随时间的变化，频域描述在一定时间范围内信号的频率分布。 对应的图像的去噪处理[4]方法基本上可分为空间域法和变换域法两大类。 前者即是在原图像上直接进行数据运算，对像素的灰度值进行处理。 变换域法是在图像的变换域上进行处理，对变换后的系数进行相应的处理，然后进行反变换达到图像去噪的目的。 空域滤波原理及分类 空域滤波是在空间中借助模板对图象邻域操作的, 输出图像每一个象素的取值都是根据模板对输入象素相应领域内象素值进行计算得到的. 空域滤波器有很多种,他们的基本特点是让图象在傅立叶空间的某个范围内的分量受到抑制,同时保持其他分量不变,从而改变输出图像的频率分布,达到去噪的目的. 假设图象的矩阵()为 A=[17 24 1 8 1523 5 7 14 16 4 6 13 20 22 10 12 19 21 3 11 18 25 2 9] 17241881156235731451674613420922210121921311182529 图 卷积核为(图一阴影部分的象素上标)为 H= [ 8 1 6 3 5 7 4 9 2] 那么, 可以按照以下步骤计算输出象素(2,4)的取值: 1) 按照卷积核的中心元素将其旋转180度 2) 将卷积核的中心位置移动到矩阵A的元素(2,4)处 3) 将旋转后的卷积核的每一个权都乘以下面的矩阵A地象素值. 4) 计算步骤3)所得到单个乘积之和. 通过以上计算得到输出象素(2,4)的取值为:12＋89＋154+77+145+163+136+201+228=575 另外,有一种相关性计算方法,计算结果如下:18+81+156+73+145+167+134+209+222=585 ，根据模板的特点可以将空域滤波分为:线性和非线性[9]。 线性平滑滤波器（均值滤波器）线性平滑滤波器也称为均值滤波器，是一种最常用的线性低通滤波器。 均值滤波的基本思想是用几个像素灰度的平均值来代替每个像素的灰度。 假定有一幅 NN 个像素的图像 f ( x , y) ,平滑处理后得到一幅图像 g( x , y) , g( x , y)由下式决定：g( x , y) =∑f( x , y)M( m , n) ∈S式中 x , y = 0 ,1 ,2 , …, N 1 , S ( x , y) 点邻域中点的坐标的集合,但其中不包括( x , y) 点, M 是集合内坐标点的总数。 平滑后的图像 g( x , y)中的每个像素的灰度值均由包含在（x,y）的预定邻域中的几个像素的灰度值的平均值来决定。 均值滤波器所有的系数都是正值，为了保持输出图象仍在原来的灰度范围内，模板与像素领域的乘积和要除以9。 以3*3领域为例，假设当前的待处理像素为f(m,n),最简单的一种均值滤波器模板如下： H =1/9 [ 1 1 11 1 11 1 1] 将以上的均值滤波器加以修正，可以得到加权平均滤波器[10]。 例如：H1 =1/10 [ 1 1 1 H2=1/16 [1 2 1 H3=1/8 [ 1 1 1 H4=1/2 [ 0 1/4 01 2 1 2 4 2 1 0 1 1/4 1 1/41 1 1] 1 2 1] 1 1 1] 0 1/4 0] 分别用窗口为357. (a) 加入椒盐噪声后的图片 (b) 33的滤波器处理后的图像 (c) 55的滤波器处理后的图像 (d ) 77的滤波器处理后的图像由以上比较，我们可以看出，并不是窗口越大越好，而是适当的时候才最科学。 上图中由比较可以看出，33滤波器本幅图像滤波效果最好。 而窗口大的则在滤除噪声的同时模糊了图像，使得图像变的更加不清晰。 所以由以上对比可知，除了33滤波器之外，都不是科学的，都是不可取的。 高斯滤波器高斯滤波器是一种线性平滑滤波器，在图像增强方面可以有效的去处图像中含有的高斯噪声。 高斯函数多用于图像处理的五个主要原因是:（1）在二维空间中，高斯函数是旋转对称的。 这样，对于一个图像的各个方向上的平滑效果是均衡的。 它不会对任一个边缘的方向进行弱化。 （2）高斯函数只有一个波峰，这样对于图像边缘这样的属性反而会有加强而不会有弱化。 （3）高斯函数的付立叶变换也是高斯函数，这样我们可以在空域和频域上做同样的变换，达到同样的效果。 （4）平滑的程序是由高斯函数的方差决定的，这样方差。