疊加法去除高斯噪聲

1、課程報(bào)告課程名稱：數(shù)字圖像處理專業(yè)班級(jí)：電子901姓 名：施 婷學(xué) 號(hào)：090640104日 期：1數(shù)字圖像處理的基本變換1.1彩色圖像變成灰度圖像灰度圖像是灰度值從0到255，經(jīng)由黑灰白灰度值變化的圖像。原理：利用Matlab軟件自帶的函數(shù):rgb2gray,將彩色圖像轉(zhuǎn)成灰度圖像。實(shí)現(xiàn)程序：I=imread('1234.jpg');K=rgb2gray(I);figure,subplot(1,2,1),imshow(I),title('原圖');subplot(1,2,2),imshow(K),title('灰度圖像');圖（1-1）彩色圖像

2、變成灰度圖像1.2灰度圖像變成2值圖像二值圖像是灰度圖像的一種特例，它是將整幅圖像的灰度等級(jí)劃分為兩種，一種為0，一種為255。（取一個(gè)灰度值為分界點(diǎn)）實(shí)現(xiàn)程序：I=imread('1234.jpg');K=rgb2gray(I);L=graythresh(K); BW=im2bw(I,L); subplot(2,2,1),imshow(K),title('原灰度圖像'); subplot(2,2,2),imshow(BW),title('2值圖像'); subplot(2,2,3),imhist(K),title('灰度圖像直方圖

3、9;); subplot(2,2,4),imhist(BW),title('轉(zhuǎn)為2值圖像的直方圖');圖（1-2）灰度圖像變成2值圖像右圖是左圖轉(zhuǎn)化后的2值圖像，很明顯的看到只有兩種灰度級(jí)，這樣將原灰度圖像中的一些細(xì)節(jié)就丟失了，比如以前圖像中的背景根頭發(fā)有很明顯的分界線，而轉(zhuǎn)化成2值圖像后，頭發(fā)和背景由于在灰度分界值得同一側(cè)，故被處理成為一種灰度級(jí)。而面部也有一些細(xì)節(jié)損失掉了，從直方圖也能看出，處理后的圖像只有兩種灰度級(jí)，這樣處理有種木刻畫(huà)的效果。1.3灰度圖像的裁剪圖像的裁剪是依據(jù)改變圖像的像素?cái)?shù)目來(lái)對(duì)圖像進(jìn)行裁剪的。裁剪的目的是是突出顯示重要部位，裁剪后的圖像的像素?cái)?shù)目比裁

4、剪之前減少。實(shí)現(xiàn)程序：I=imread('1234.jpg');K=rgb2gray(I);J=K(65:280,65:240);subplot(1,2,1),imshow(K),title('原始灰度圖像');subplot(1,2,2),imshow(J),title('裁剪以后的圖像');圖（1-3）灰度圖像的裁剪如上圖所示，裁剪之后圖像會(huì)減小，若是將裁剪以后的圖像放大到跟原始圖像一樣大小，那么裁剪圖像會(huì)出現(xiàn)馬賽克。1.4灰度圖像的旋轉(zhuǎn)圖像旋轉(zhuǎn)是對(duì)圖像的空間角度做調(diào)整。圖像旋轉(zhuǎn)可以通過(guò)直接調(diào)用旋轉(zhuǎn)角度的函數(shù)來(lái)完成。實(shí)現(xiàn)程序：I=imread

5、('1234.jpg');K=rgb2gray(I);M1=imrotate(K,45);M2=imrotate(K,70);M3=imrotate(K,90);figure,subplot(1,4,1),imshow(K),title('原始灰度圖像');subplot(1,4,2),imshow(M1),title('旋轉(zhuǎn)45度圖像');subplot(1,4,3),imshow(M2),title('旋轉(zhuǎn)70度圖像');subplot(1,4,4),imshow(M3),title('旋轉(zhuǎn)90度圖像');fi

6、gure,subplot(1,4,1),imhist(K),title('原始灰度直方圖');subplot(1,4,2),imhist(M1),title('旋轉(zhuǎn)45度直方圖');subplot(1,4,3),imhist(M2),title('旋轉(zhuǎn)70度直方圖');subplot(1,4,4),imhist(M3),title('旋轉(zhuǎn)90度直方圖');圖（1-4a）與繪圖圖像的旋轉(zhuǎn)從以上圖像的尋轉(zhuǎn)過(guò)程可以看到，在中間兩幅圖中會(huì)出現(xiàn)黑色邊角，但實(shí)際照片中的像素值沒(méi)有改變。旋轉(zhuǎn)只是對(duì)同享空間上做了變換，并不影響原照片的灰度級(jí)。圖（

7、1-4b）旋轉(zhuǎn)直方圖從直方圖可以看出，旋轉(zhuǎn)之前和旋轉(zhuǎn)九十度的圖像的直方圖并沒(méi)有改變，只說(shuō)明圖像和直方圖并不是一一對(duì)應(yīng)的關(guān)系，一個(gè)直方圖可能有好多個(gè)圖像與之對(duì)應(yīng)。而中間兩幅圖像也是由于旋轉(zhuǎn)以后增加的黑色邊角似的直方圖發(fā)生了變化。1.5灰度圖像的平移圖像的平移是改變圖像在顯示窗口內(nèi)像素的位置，屬于空域的線性變換。實(shí)現(xiàn)程序：I=imread('1234.jpg');K=rgb2gray(I);M=double(K);m,n=size(K);L=ones(m,n);for i=1:200for j=1:200 L(i+m-200,n-200+j)=M(i,j);endendN=uint

8、8(L);subplot(1,2,1),imshow(K);title('原圖');subplot(1,2,2),imshow(N);title('平移后的圖像');圖（1-5）圖像的平移從圖像中可以看到照片從像素框中移到了右下方，像素框內(nèi)器宇不凡為黑色1.6灰度圖像的反向操作反向操作是用一個(gè)與原始灰度圖像同樣大小的全白圖像（像素灰度值全為255）各點(diǎn)的像素值減去當(dāng)前灰度圖像相應(yīng)像素點(diǎn)的像素值。反相有時(shí)候可以節(jié)約打印的成本，如在一幅圖像中如果黑色部分過(guò)多，可以將其反向操作在打印出來(lái)，這樣不僅能夠?qū)D像中的信息反映出來(lái)還能節(jié)省打印用的墨。實(shí)現(xiàn)程序：I=imread

9、('1234.jpg');K=rgb2gray(I);L=double(K);m,n=size(K);Lf=ones(m,n);for i=1:mfor j=1:n Lf(i,j)=255-L(i,j);endendD=uint8(Lf);subplot(2,2,1),imshow(K),title('原灰度圖像');subplot(2,2,2),imshow(D),title('反向操作');subplot(2,2,3),imhist(K),title('原灰度圖像直方圖');subplot(2,2,4),imhist(D),t

10、itle('反相以后的直方圖');圖（1-6）圖像的反變換從效果來(lái)看，原來(lái)圖像中灰度值大的像素點(diǎn)灰度值變小，灰度值小的像素點(diǎn)灰度值變大。反相前后的直方圖也成對(duì)稱關(guān)系。1.7灰度圖像縮放圖像的縮放包括縮小和放大。以縮小為例：實(shí)現(xiàn)程序：I=imread('1234.jpg');K=rgb2gray(I);N=imresize(K,0.3);M=imresize(K,2);subplot(1,2,1),imshow(K),title('原灰度圖像');subplot(1,2,2),imshow(N),title('縮放0.3倍的圖像')

11、;圖（1-7a）圖像的縮放從兩幅圖像上看，縮小0.3以后的圖像出現(xiàn)了明顯的馬賽克，這是應(yīng)為圖像縮小后，其用來(lái)表示整個(gè)圖像的像素點(diǎn)減少，將其拉到跟原始圖像一樣大時(shí)，表示同一處細(xì)節(jié)就會(huì)出現(xiàn)不連續(xù)性。圖（1-7b）縮放直方圖從直方圖來(lái)看，縮小以后雖然直方圖大體跟原灰度直方圖相類似，但在一些像素較少的地方出現(xiàn)了毛刺，這也是因?yàn)橄袼財(cái)?shù)減少，致使一些細(xì)節(jié)沒(méi)有被表現(xiàn)出來(lái)，而與其他的灰度級(jí)的像素?cái)?shù)合并。2.灰度圖像的增強(qiáng)2.1灰度圖像的平滑圖像的平滑主要由兩個(gè)作用，一是消除或減少噪聲，改善圖像質(zhì)量；另一個(gè)是模糊圖像，使圖像看起來(lái)柔和自然。圖像平滑可以在空間域進(jìn)行，也可以在頻率域進(jìn)行，空間域常用的方法有：多圖像

12、平均法、鄰域平均法、中值濾波法等。多圖像平均法 疊加法去除高斯噪聲就使用的多圖像平均法?；驹砭透鶕?jù)高斯噪聲的隨機(jī)性，將同一圖像的不同密度的噪聲圖像相疊加，達(dá)到去除噪聲的目的。實(shí)現(xiàn)程序：I=imread('1234.jpg');K=rgb2gray(I);%加不同密度的高斯噪聲J1=imnoise(K,'gaussian',0,0.01);figure,subplot(2,3,1),imshow(J1),title('高斯0.01');J2=imnoise(K,'gaussian',0,0.02);subplot(2,3,2),

13、imshow(J2),title('高斯0.02);J3=imnoise(K,'gaussian',0,0.03);subplot(2,3,3),imshow(J3),title('高斯0.03');J4=imnoise(K,'gaussian',0,0.05);subplot(2,3,4),imshow(J4),title('高斯0.05');J5=imnoise(K,'gaussian',0,0.10);subplot(2,3,5),imshow(J5),title('高斯0.10');

14、%疊加法去除高斯噪聲J1=double(J1);J2=double(J2);J3=double(J3);J4=double(J4);J5=double(J5);X=(J1+J2+J3+J4+J5)/5;Z=uint8(X);subplot(2,3,6),imshow(Z),title('疊加法去除高斯噪聲');J1=uint8(J1);J2=uint8(J2);J3=uint8(J3);J4=uint8(J4);J5=uint8(J5);figure,subplot(2,3,1),imhist(J1),title('直方圖0.01');subplot(2,3,2

15、),imhist(J2),title('直方圖0.02');subplot(2,3,3),imhist(J3),title('直方圖0.03');subplot(2,3,4),imhist(J4),title('直方圖0.05');subplot(2,3,5),imhist(J5),title('直方圖0.1');subplot(2,3,6),imhist(Z),title('疊加之后圖像直方圖');圖（2-1-1a）原始灰度圖及直方圖圖（2-1-1b）疊加法去除高斯噪聲從最后的效果來(lái)疊加以后噪聲比其他加噪聲圖像有

16、明顯的減輕，但跟原始圖像比噪聲仍然存在。圖（2-1-1c）疊加法去除高斯噪聲直方圖從直方圖來(lái)看，家噪聲的密度越大，直方圖表現(xiàn)出越平緩，最后疊加結(jié)果的直方圖與加密度為0.01的直方圖很相像，這也證明經(jīng)過(guò)疊加以后噪聲明顯減少。鄰域平均法鄰域平均法就是對(duì)原始圖像的每個(gè)像素點(diǎn)（x,y）取一個(gè)鄰域R，計(jì)算R中所有像素和該點(diǎn)的灰度平均值，把他賦給輸出圖像中的對(duì)應(yīng)點(diǎn)。實(shí)現(xiàn)程序：I=imread('1234.jpg');M=rgb2gray(I);figure,J1 = imnoise(M,'gaussian',0,0.01);M4=0 1 0; 1 0 1; 0,1,0/4;

17、X1=imfilter(J1,M4);M8= 1 1 1; 1 0 1; 1 1 1/8; X2=imfilter(J1,M8); M25=1 1 1 1 1; 1 1 1 1 1; 1 1 1 1 1; 1 1 1 1 1; 1 1 1 1 1/25; X3=imfilter(J1,M25); M49=1 1 1 1 1 1 1; 1 1 1 1 1 1 1; 1 1 1 1 1 1 1; 1 1 1 1 1 1 1; 1 1 1 1 1 1 1; 1 1 1 1 1 1 1; 1 1 1 1 1 1 1/49; X4=imfilter(J1,M49);figure,subplot(2,3,

18、1),imshow(M);title('原始灰度圖像');subplot(2,3,2),imshow(J1);title('添加0.05高斯噪聲圖像');subplot(2,3,3),imshow(X1);title('M4模版去噪');subplot(2,3,4),imshow(X2);title('M8模板去噪');subplot(2,3,5),imshow(X3);title('M25模板去噪');subplot(2,3,6),imshow(X3);title('M49模板去噪 ');figu

19、re;subplot(2,3,1),imhist(M);title('原始灰度圖像直方圖');subplot(2,3,2),imhist(J1);title('加噪聲直方圖');subplot(2,3,3),imhist(X1);title('四鄰域去噪直方圖');subplot(2,3,4),imhist(X2);title('八鄰域去噪直方圖');subplot(2,3,5),imhist(X3);title('25鄰域去噪直方圖');subplot(2,3,6),imhist(X4);title('4

20、9鄰域去噪直方圖 ');圖（2-1-2a）疊加法去除出高斯噪聲從去噪后圖像的效果來(lái)看四種鄰域都有去噪效果，而且直觀地看，4,8,25,49鄰域的去噪效果依次增強(qiáng)，但隨著去噪效果的增強(qiáng)，圖像也變得模糊。圖（2-1-2b）疊加法去噪直方圖從直方圖來(lái)看，隨著鄰域模版的增大，直方圖越來(lái)越趨近于原始灰度圖像的直方圖，這也表明：隨著鄰域模版的增大去噪效果越來(lái)越明顯。2.1.3中值濾波法中值濾波實(shí)際上就是用一個(gè)含有奇數(shù)個(gè)像素的窗口在圖像中滑動(dòng)，將窗口中心點(diǎn)的灰度值用窗口內(nèi)各點(diǎn)灰度的中值代替。實(shí)現(xiàn)程序：I=imread('1234.jpg');K=rgb2gray(I);G=imnoi

21、se(K,'gaussian',0,0.02);J=imnoise(K,'salt & pepper',0.05);Lg=medfilt2(G,3 3);Lj=medfilt2(J,3 3);subplot(2,3,1),imshow(K),title('原灰度圖像');subplot(2,3,2),imshow(G),title('加高斯噪聲圖像');subplot(2,3,3),imshow(J),title('加椒鹽噪聲圖像');subplot(2,3,4),imshow(Lg),title('

22、;高斯噪聲中值濾波圖像');subplot(2,3,5),imshow(Lj),title('椒鹽噪聲中值濾波圖像');圖（2-1-3）中值濾波從圖像中可以看出中值濾波法對(duì)椒鹽噪聲的濾除效果好于對(duì)高斯噪聲的濾除2.2灰度圖像銳化拉普拉斯算子進(jìn)行銳化 實(shí)現(xiàn)程序：I=imread('1234.jpg');K=rgb2gray(I);A=0 1 0; 1 -4 1; 0 1 0;B=1 1 1; 1 1 1; 1 1 1/9;Id=imfilter(K,A);subplot(1,3,1),imshow(Id),title('拉氏算子處理');J

23、d=imfilter(K,B);subplot(1,3,2),imshow(Jd),title('模糊化處理');Id=double(Id);Jd=double(Jd);Gu=uint8(Jd-Id);subplot(1,3,3),imshow(Gu),title('拉普拉斯算子圖像銳化');圖（2-2-1）拉氏算子圖像銳化 從銳化結(jié)果看，比模糊化的圖像清晰很多，但頭發(fā)和衣領(lǐng)部分也有明顯的黑點(diǎn)。Roberts算子進(jìn)行邊沿檢測(cè)及銳化羅伯特算子是分別將像素點(diǎn)矩陣主對(duì)角線，從對(duì)角線的灰度值作差得到兩個(gè)不同方向（44度和135度）的邊緣檢測(cè)圖像，再將兩個(gè)方向的圖像疊加起

24、來(lái)。實(shí)現(xiàn)程序：I=imread('1234.jpg');K=rgb2gray(I);%羅伯特算子銳化；Rh=1 0; 0 -1 ;Rv=0 1; -1 0; B=1 1 1; 1 1 1; 1 1 1/9;Ih=imfilter(K,Rh);figure,subplot(1,5,1),imshow(Ih),title('45度檢測(cè)');Iv=imfilter(K,Rv);subplot(1,5,2),imshow(Iv),title('135度檢測(cè)');Ih=double(Ih);Iv=double(Iv);R=uint8(Ih+Iv);subp

25、lot(1,5,3),imshow(R),title('羅伯特算子邊緣檢測(cè)');Jd=imfilter(K,B);subplot(1,5,4),imshow(Jd),title('模糊化處理');R=double(R);Jd=double(Jd);Gu=uint8(Jd-R);subplot(1,5,5),imshow(Gu),title('羅伯特算子圖像銳化');圖（2-2-2a）羅伯特算子邊沿檢測(cè)圖（2-2-2b）羅伯特算子銳化rewitt算子進(jìn)行邊沿檢測(cè)及銳化Prewitt算子與羅伯特算子類似，只不過(guò)是3*3的像素點(diǎn)矩陣，的道德為水平檢測(cè)和

26、豎直檢測(cè)，再將得到的兩個(gè)方向上的圖像疊加起來(lái)，得到邊緣檢測(cè)圖像。實(shí)現(xiàn)程序：I=imread('1234.jpg');K=rgb2gray(I);%PrewittËã×Ó±ßÔµ¼ì²âPh=-1 0 1; -1 0 1; -1 0 1 /2;Pv=-1 -1 -1; 0 0 0; 1 1 1/2; B=1 1 1; 1 1 1; 1 1 1/9;Kh=imfilter(K,Ph);figure,subplot(1,5,1),imshow(Kh),title(&

27、#39;水平檢測(cè)');Kv=imfilter(K,Pv);subplot(1,5,2),imshow(Kv),title('豎直檢測(cè)');Kh=double(Kh);Kv=double(Kv);P=uint8(Kh+Kv);subplot(1,5,3),imshow(P),title('Prewitt算子邊緣檢測(cè)');Jd=imfilter(K,B);subplot(1,5,4),imshow(Jd),title('模糊化處理');P=double(P);Jd=double(Jd);Gu=uint8(Jd-P);subplot(1,5,5

28、),imshow(Gu),title('Prewitt算子圖像銳化');圖（2-2-3a）Prewitt算子邊沿檢測(cè)圖（2-2-3b）Prewitt算子圖像銳化 Sobel算子進(jìn)行邊沿檢測(cè)及銳化Soble算子左邊緣檢測(cè)，跟其他兩個(gè)也類似，得到視屏檢測(cè)和豎直檢測(cè)的兩個(gè)圖像，再疊加起來(lái)就成為Soble邊緣檢測(cè)的圖像。實(shí)現(xiàn)程序：I=imread('1234.jpg');K=rgb2gray(I);%SobelËã×Ó±ßÔµ¼ì²âSh=-1 0 1

29、; -2 0 2; -1 0 1/2;Sv=-1 -2 -1; 0 0 0; 1 2 1/2; B=1 1 1;1 1 1;1 1 1/9;Eh=imfilter(K,Sh);figure,subplot(1,5,1),imshow(Eh),title('水平檢測(cè)');Ev=imfilter(K,Sv);subplot(1,5,2),imshow(Ev),title('豎直檢測(cè)');Eh=double(Eh);Ev=double(Ev);S=uint8(Eh+Ev);subplot(1,5,3),imshow(S),title('Sobel算子邊緣檢測(cè)&

30、#39;);Jd=imfilter(K,B);subplot(1,5,4),imshow(Jd),title('模糊化處理');S=double(S);Jd=double(Jd);Gu=uint8(Jd-S);subplot(1,5,5),imshow(Gu),title('Sobel算子圖像銳化');圖（2-2-4a）Soble算子邊沿檢測(cè)圖（2-2-4b）Soble算子圖像銳化從以上邊緣檢測(cè)的圖像分析可得：Roberts算子可以進(jìn)行邊緣檢測(cè)，但是去噪作用小；Prewitt算子不僅能檢測(cè)邊緣，而且能抑制噪聲的影響；Soble算子噪聲抑制效果強(qiáng)于Prewitt算

31、子，但是得到的邊緣較寬。2.3直方圖均衡化直方圖均衡化的基本思想是對(duì)原始灰度圖像中的像素灰度做某種映射變換，是變換后的圖像灰度的概率密度是均勻分布的，即變換后圖像的灰度級(jí)是均勻分布的，這意味著圖像的動(dòng)態(tài)范圍得到了增加，從而提高圖像的對(duì)比度。實(shí)現(xiàn)程序：I=imread('1234.jpg');K=rgb2gray(I);figure,subplot(2,2,1),imshow(K);title('原始灰度圖像');subplot(2,2,2),histeq(K);title('均衡化后圖像');subplot(2,2,3),imhist(K);title('原始灰度圖像直方圖');subplot(2,2,4),imhist(k);title('均衡化后直方圖');圖（2-3）直方圖均衡化從這幅圖來(lái)看，均衡化以后圖像灰度級(jí)的動(dòng)態(tài)范圍得到了增加，但是也損失掉了圖像的一些細(xì)節(jié)，從直方圖來(lái)看灰度級(jí)分布及均勻了，那是因?yàn)樾「怕驶叶燃?jí)被合并到了別的灰度級(jí)中。這樣處理隨讓增加了圖像會(huì)妒忌的動(dòng)態(tài)范圍，是灰度級(jí)分布均勻，但具體效果是好還是不好，要根據(jù)實(shí)際需求來(lái)作出判斷。3.灰度圖像的形態(tài)學(xué)處理3.1二值圖像膨脹實(shí)現(xiàn)程序：I=imread('1234.jpg');K=rgb2gra