MATLAB應用在基於噪聲檢測的圖像均值去噪法

2021-01-11 電子產品世界

引言

本文引用地址:http://www.eepw.com.cn/article/194932.htm

  圖像是用各種觀測系統以不同形式和手段觀測客觀世界而獲得的,可以直接或間接作用於人眼並進而產生視知覺的實體,是人類感知世界的視覺基礎,是人類獲取信息、表達信息和傳遞信息的重要手段。研究表明,人類獲取的視覺圖像信息在人類接受的信息中的比重達到75%,「百聞不如一見」便是非常形象的例子之一。在高度信息化條件下的今天,數字圖像越來越得到普及和應用。

  然而,人們在獲取和傳輸數字圖像的同時,難免於圖像數據被外界噪聲所汙染,妨礙了人們對圖像信息的理解。由此,圖像去噪技術應運而生。圖像去噪,即在儘可能地不損失原圖像細節的前提下,去除圖像中無關的噪點。現有的圖像去噪方法[11很多,如:

  1 均值濾渡器

  均值濾波器是一種典型的線性去噪方法,因為其運算簡單快速,同時又能夠較為有效地去除高斯噪聲。因而適用面較廣。

  許多濾除噪聲方法都是在此基礎上發展而來的。其缺點是嚴重破壞了圖像的邊緣,模糊了圖像。

  2 低通濾波器

  低通濾波器,信號或圖像的能量大部分集中在幅度譜的低頻和中頻段是很常見的;而在較高頻段,感興趣的信息常被噪聲所淹沒。因此。一個能降低高頻成分幅度的濾波器就能減弱噪聲的看的見的影響。這是一種頻域處理法。在分析圖像信號的頻率特性時,一幅圖像的邊緣、跳躍部分以及顆粒噪聲代表圖像信號的高頻分量,而大面積的背景區則代表低頻分量。用濾渡的方法濾除其高頻部分就能去掉噪聲,使圖像得到平滑。但同時,有用的高頻成分也濾除了。因此這種處理是以犧牲清晰度為代價的。

  3 中值濾波器

  中值濾波器是一種消除噪聲的非線性處理方法,它是由Tueky在1971年提出的。它的基本原理是把數字圖像或數字序列中一點的值用該點的一個鄰近各點值的中值代替。中值定義如下:對一個數字序列的元素進行排序,如果元素個數為奇數,則取排序後序列的中間值。如果序列元素個數為偶數,則取排序後序列的中間兩個值的均值。

  把一個點的特定長度或形狀的領域稱作窗口。在一維情況下,中值濾波器是一個含有奇數個像素的滑動窗口。窗口正中問那個像素的值用窗口內各像素值的中值代替。

  該濾波器是一種典型的非線性處理方法。它的優勢在對圖像中脈衝噪聲消除極為有效,且能夠較好地保護圖像邊緣信息。

  弱點是因為涉及大量排序運算,運算速度較慢,對圖像的實時處理有影響。圖像一般要傳化成數字圖像後才可以使用計算機對其進行各種處理。數字圖像,是以數字的形式而存在的。利用MATLAB(矩陣實驗室)進行處理時,我們簡單地理解它為一定大小的數字矩陣。矩陣中的每個效字代表圖像的一個像索點。由此可以知道,對數字圖像的處理,實際上就是對一個數字矩陣的運算處理。

  為了研究方便,我們的方法是人工的給原圖像添加噪聲·主要是不同強度的正態分布隨機噪聲和脈衝噪聲。在MATLAB中,正態分布噪聲是由randn函數實現的,而脈衝噪聲,即平常所說的椒鹽噪聲,是由imnoise(Io,’saIt 8L pepper,i)實現的。其中Io是原圖像矩陣,i取值。至1之間,表示噪聲的強度。

低通濾波器相關文章:低通濾波器原理


相關焦點

  • 圖像去噪算法的優點和缺點
    BM3D 降噪方法的優點是更好的保留圖像中的一些細節,BM3D採用了不同的去噪策略。通過搜索相似塊並在變換域進行濾波,得到塊評估值,最後對圖像中每個點進行加權得到最終去噪效果。  原理:首先將一幅圖像分割成尺寸較小的小像素片,選定參考片後,尋找與參考片相似的小片組成 3D 塊。此過程過後將得到 3D 塊。然後將所有相似塊進行 3D 變換。
  • 基於MATLAB圖像處理的中值濾波、均值濾波以及高斯濾波的實現與對比
    中值濾波是基於排序統計理論的一種能有效抑制噪聲的非線性信號處理技術,中值濾波的基本原理是把數字圖像或數字序列中一點的值用該點的一個鄰域中各點值的中值代替,讓周圍的像素值接近的真實值,從而消除孤立的噪聲點。方法是用某種結構的二維滑動模板,將板內像素按照像素值的大小進行排序,生成單調上升(或下降)的為二維數據序列。
  • 圖像噪聲處理系統設計開題報告_圖像噪聲處理實驗報告 - CSDN
    以下是幾類常用的圖像處理技術:1、圖像去噪 圖像去噪指的是利用各種濾波模型,通過多點平滑等方法從已知的含有噪聲的圖像中去掉噪聲成分。圖像去噪從整個圖像分析的流程上來講屬於圖像的預處理階段,從數字圖像處理的技術角度來說屬於圖像恢復的技術範疇,它的存在有著非常要的意義。
  • Matlab數字圖像處理初步
    圖像恢復問題 圖像去高斯噪聲問題 與信號去噪問題相似,圖像去噪問題即圖像對應的目標函數受到了一些未知的退化變換,得到了一幅帶有噪點的不準確圖像。去噪問題即利用圖像的內在性質與噪聲分布的特點,完成目標清晰圖像的估計與獲取的過程。
  • 基於中值的圖像椒鹽噪聲的非迭代濾除
    現實中由於照相機的性能和光線強弱的變化,噪聲在圖像中不可避免。去除噪聲的方法大致分為兩類:線性方法和非線性方法。線性濾波和含噪圖像的卷積能有效地去除高斯噪聲以及其他呈均勻分布的噪聲,但由於這種方法把邊界處灰度變化較大位置的點也當作椒鹽噪聲處理,因此他對這樣的噪聲效果甚微,並且還經常對圖像造成模糊。
  • 基於新閾值函數的小波閾值去噪算法
    小波變換以其多解析度分析的特性,在時頻域內良好的表徵信號的能力以及大小固定形狀可變的窗口等特點,廣泛應用於圖像去噪中,並得到了很好的去噪效果。而小波閾值去噪法是小波分析法在圖像去噪眾多應用中最常用的一種方法,利用閾值處理後的小波係數進行小波反變換重構出去噪後的結果圖像。
  • 基於LabVIEW和Matlab混合編程的小波去噪方法
    為了克服上述缺點,採用小波變換來解決信號降噪的方法應用越來越廣泛。但是,由於小波變換數學理論較深,對於初學者而言,使用傳統的C語言等編程方法,編程難度很大。本文採用LabVIEW 和Matlab 混合編程的方法,將LabVIEW 完美的圖形編程技術和Matlab強大的數學解算功能結合起來,實現了小波降噪的數學建模和信號圖像顯示。
  • 2020「水下目標檢測算法賽」賽題解析——聲學圖像
    圖 9 為同一架飛機的聲納圖像,具有形態多樣的特性針對其中一些關於圖像去噪、圖像增強、目標分割、目標分類等問題,課程提供了相應的算法思路,可幫助實現改善目標檢測結果的精度:非局部均值聲納圖像去噪>圖像去噪聲在 OCR、機器人視覺與機器視覺領域應用開發中是重要的圖像預處理手段之一,對圖像二值化與二值分析很有幫助。
  • 使用Matlab圖像處理(三)——圖像濾波原理
    既然是去除噪聲,接下來我們就介紹幾種常見的噪聲。常見噪聲種類?首先我們介紹最著名的噪聲——高斯噪聲:無論是做什麼的小夥伴,或多或少都會聽說過高斯噪聲。小白不想把複雜的數學公式拿上進行講解,大家可以簡單記成這種噪聲符合正態分布就可以啦,我們用「影響圖像處理最深遠的人」的相片來直觀的展現一下高斯噪聲的樣子。
  • 電弧信號小波去噪分析
    國網天水供電公司的研究人員米正英、王瑜、王立東、張婷婷,在2020年第3期《電氣技術》雜誌上撰文,利用銅電極放電產生電弧,採用外加風源模擬氣流橫向吹弧,觀察橫向氣流幹擾作用下的電弧波形,並採用小波去噪法對電弧電壓和電流信號進行分析,探尋氣流對電弧的影響,以期為開關電器滅弧技術及電器設備電弧檢測方法提供參考。
  • Matlab圖像增強與復原技術在SEM圖像中的應用
    在分析圖像信號的頻率特性時,對於一幅圖像,直流分量表示了圖像的平均灰度;大面積的背景區域和緩慢變化部分代表了圖像的低頻分量,而它的邊緣,細節,跳躍部分以及顆粒噪聲都代表圖像的高頻分量。因此,在頻域中對圖像採用濾波器函數衰減高頻信息而使低頻信息暢通無阻的過程稱為低通濾波。通過濾波可以去除高頻分量,消除噪聲,起到平滑圖像去噪聲的增強作用。
  • 基於矢量空間投影的深層語音去噪
    1.簡介一個多世紀以來,信號去噪一直是多媒體中的一個問題,其應用範圍包括聲學語音處理、圖像處理、地震數據分析和其他模態。對於每種應用的方法已經發展了幾十年,包括傳統的統計信號處理,如Wiener和卡爾曼濾波,小波理論以及矩陣分解的特定實例。 雖然對於局部和廣義靜止信號都有效,即使歷史悠久,但由於其算法容量,這些努力在更動態和更野性的噪聲集中取得了較少的成功。
  • 小波閾值去噪的基本原理_小波去噪閾值如何選取
    小波閾值去噪的基本原理 小波閾值去噪的基本思想是先設置一個臨界閾值λ,若小波係數小於λ,認為該係數主要由噪聲引起,去除這部分係數;若小波係數大於λ,則認為此係數主要是由信號引起,保留這部分係數,然後對處理後的小波係數進行小波逆變換得到去噪後的信號。
  • 小波去噪方法及步驟_小波去噪方法的比較
    本文主要介紹小波分解與重構法、非線性小波變換閾值法、平移不變量小波法以及小波變換模極大值法這4種常用的小波去噪方法。將它們分別用於仿真算例的去噪處理,並對這幾種方法的應用場合、去噪性能、計算速度和影響因素等方面進行比較。 選擇了Matlab軟體中的仿真信號Blocks作為原始信號,信號長度(即採樣點數)N=2048,如圖1a所示。
  • 聲發射檢測中的噪聲源及剔噪措施
    北極星環境監測網訊:在聲發射檢測過程中,噪聲的幹擾有時會嚴重影響聲發射檢測的效果因此,有效的剔噪技術也是聲發射檢測的一個關鍵技術聲發射檢測中可能面臨的幹擾噪聲如下:1.電器幹擾噪聲:前置放大器輸入端的白噪聲、聲發射系統內部產生的噪聲、接地迴路噪聲現代聲發射儀器的設計水平基本可以保證這類噪聲的影響在很小的程度
  • 基於opencv 的圖像處理入門教程
    >形心檢測對彩色圖片採用蒙版(mask)提取圖片的文字(OCR)檢測和修正歪曲的文字顏色檢測去噪所以中值模糊主要用於消除椒鹽噪聲和斑點噪聲。實現代碼:7. 邊緣檢測邊緣檢測主要是通過 Canny() 方法,它實現了 Canny 邊緣檢測器,這也是目前最優的邊緣檢測器。
  • 精通信號處理設計小Tips(8):檢測淹沒在噪聲中的信號
    相關函數的應用很廣,比如噪聲中信號的檢測,信號中隱含周期性的檢測,信號時延長度的測量等等。這一節專門討論利用自相關函數檢測淹沒在噪聲下的周期性信號。  基於信號的自相關累積可以檢測是否有周期信號的存在,這是基於幾個前提:  第一,通常把噪聲都看作加性的白噪聲對待,因為這種噪聲從理論上便於分析和處理。
  • 結合實例與代碼談數字圖像處理都研究什麼?
    這裡面其實還包含了插值算法(這是某些幾何變換所必須的),例如最鄰近插值法、雙線性插值法等等)  幾何變換同時和圖像的濾鏡特效是緊密聯繫的,某些特效的實現本質上就是某種類型的幾何變換。例如       3、圖像的特效與濾鏡  這方面的應用很多,你可以想想Photoshop裡面的濾鏡。
  • 小波閾值去噪的改進_改進的小波閾值函數
    1、小波閾值去噪的改進 傳統的小波閾值圖像去噪方法可以去除圖像的部分噪聲,有較好的效果,但是由於閾值函數和閾值選取方式自身存在的問題,設置的閾值並不能完全去除圖像噪聲,還會由於閾值函數的問題而使去噪後的圖像視覺效果不佳,這就需要對目前的閾值函數和閾值選取方式進行改進,得到可以更好地去除圖像噪聲的小波閾值去噪方法。
  • 基於圖像採集的汽車車牌定位識別,軟硬體協同
    目前車牌定位的方法很多,最常見的定位技術主要有基於邊緣檢測的方法、基於彩色分割的方法、基於小波變換的方法、基於遺傳算法的方法、基於數學形態學的車牌定位和基於灰度圖像紋理特徵分析的方法等,車牌定位算法在車牌識別技術中佔有很重要地位,一個車牌識別系統的識別率往往取決於車牌定位的成功率及準確度,考慮到FPGA適合做數據量大且運算簡單重複的特點,我們將採用基於數學形態學的方法來進行定位