去噪算法 matlab,经典滤波算法去噪对比实验（Matlab实现）

喜欢ヅ旅行 2023-01-13 10:42 265阅读 0赞

\# 一，经典滤波算法的基本原理

\#\#\#1，中值滤波和均值滤波的基本原理

参考以前转载的博客：http://blog.csdn.net/ebowtang/article/details/38960271

\#\#\#2，高斯平滑滤波基本原理

参考以前转载的博客：http://blog.csdn.net/ebowtang/article/details/38389747

\# 二，噪声测试效果

\#\#\# 1，不同噪声效果

三幅图各噪声浓度分别是0.01 0.03,0.05(比如第一副图均是加入0.01的噪声浓度)

!\[\](https://box.kancloud.cn/2016-03-02\_56d6526a079a1.jpg)

!\[\](https://box.kancloud.cn/2016-03-02\_56d6526a23bdb.jpg)

!\[\](https://box.kancloud.cn/2016-03-02\_56d6526a3da52.jpg)

\#\#\# 2，实验代码

~~~

%读入原始图像并显示

image\_original=imread('dog.bmp');

figure(1)

subplot(2,4,1);

imshow(image\_original);

title('原输入图像');

axis square;

%生成含高斯噪声图像并显示

pp=0.05;

image\_gaosi\_noise=imnoise(image\_original,'gaussian',0,pp);

subplot(2,4,2);

imshow(image\_gaosi\_noise);

title('添加高斯噪声后图像');

axis square;

%生成含椒盐噪声图像并显示

d=0.05;

image\_saltpepper\_noise=imnoise(image\_original,'salt & pepper',d);

subplot(2,4,3);

imshow(image\_saltpepper\_noise);

title('添加椒盐噪声后图像');

axis square;

%生成含乘性噪声图像并显示

var=0.05;

image\_speckle\_noise=imnoise(image\_original,'speckle',var);

subplot(2,4,4);

imshow(image\_speckle\_noise);

title('添加乘性噪声后图像');

axis square;

%原图像直方图

r=0:255;

bb=image\_original(:);

pg=hist(bb,r);

pgr1=pg/length(bb);

subplot(245);bar(pgr1);title('源输入图像的直方图');

r=0:255;

bl=image\_gaosi\_noise(:);

pg=hist(bl,r);

pgr2=pg/length(bl);

subplot(246);bar(pgr2);title('高斯噪声污染后的直方图');

r=0:255;

bh=image\_saltpepper\_noise(:);

pu=hist(bh,r);

pgr3=pu/length(bh);

subplot(247);bar(pgr3);title('椒盐噪声污染后的直方图');

r=0:255;

ba=image\_speckle\_noise(:);

pa=hist(ba,r);

pgr4=pa/length(ba);

subplot(248);bar(pgr4);title('乘性噪声污染后直方图');

~~~

\# 三，椒盐噪声去除能力对比

\#\#\# 1，三大去噪效果

三幅图椒盐噪声浓度分别是0.01 0.03,0.05(比如第一副图均是加入0.01的椒盐噪声去噪对比)

!\[\](https://box.kancloud.cn/2016-03-02\_56d6526a561cb.jpg)

!\[\](https://box.kancloud.cn/2016-03-02\_56d6526a6bde4.jpg)

!\[\](https://box.kancloud.cn/2016-03-02\_56d6526a858cc.jpg)

\#\#\# 2，实现代码

~~~

%读入原始图像并显示

image\_original=imread('dog.bmp');

figure(1)

subplot(2,4,1);

imshow(image\_original);

title('原输入图像');

axis square;

%生成含高斯噪声图像并显示

%pp=0.05;

%image\_gaosi\_noise=imnoise(image\_original,'gaussian',0,pp);

%生成含椒盐噪声图像并显示

dd=0.05;

image\_saltpepper\_noise=imnoise(image\_original,'salt & pepper',dd);

%生成含乘性噪声图像并显示

%var=0.05;

%image\_speckle\_noise=imnoise(image\_original,'speckle',var);

image\_saltpepper\_noise\_after1=medfilt2(image\_saltpepper\_noise,\[3,3\]);

subplot(2,4,2);

imshow(image\_saltpepper\_noise\_after1);title('中值滤波去椒盐噪声效果图');

axis square;

h\_gaosi1=fspecial('gaussian',3,1);

image\_saltpepper\_noise\_after2=imfilter(image\_saltpepper\_noise,h\_gaosi1);

subplot(2,4,3);

imshow(image\_saltpepper\_noise\_after2);title('高斯平滑去椒盐噪声效果');

axis square;

image\_saltpepper\_noise\_after3=wiener2(image\_saltpepper\_noise,\[5 5\]);

subplot(2,4,4);

imshow(image\_saltpepper\_noise\_after3);title('维纳滤波去椒盐噪声效果');

axis square;

%原图像直方图

r=0:255;

bb=image\_original(:);

pg=hist(bb,r);

pgr1=pg/length(bb);

subplot(245);bar(pgr1);title('源输入图像的直方图');

r=0:255;

bl=image\_saltpepper\_noise\_after1(:);

pg=hist(bl,r);

pgr2=pg/length(bl);

subplot(246);bar(pgr2);title('中值滤波去椒盐噪声后的直方图');

r=0:255;

bh=image\_saltpepper\_noise\_after2(:);

pu=hist(bh,r);

pgr3=pu/length(bh);

subplot(247);bar(pgr3);title('高斯平滑去椒盐噪声后的直方图');

r=0:255;

ba=image\_saltpepper\_noise\_after3(:);

pa=hist(ba,r);

pgr4=pa/length(ba);

subplot(248);bar(pgr4);title('维纳滤波去除椒盐噪声后的直方图');

~~~

\# 四，高斯噪声去除能力对比

\#\#\# 1，去噪效果对比

!\[\](https://box.kancloud.cn/2016-03-02\_56d6526aa186a.jpg)

!\[\](https://box.kancloud.cn/2016-03-02\_56d6526ac1bee.jpg)

!\[\](https://box.kancloud.cn/2016-03-02\_56d6526ae8bee.jpg)

\#\#\# 2，实验代码

~~~

%读入原始图像并显示

image\_original=imread('dog.bmp');

figure(1)

subplot(2,4,1);

imshow(image\_original);

title('原输入图像');

axis square;

%生成含高斯噪声图像并显示

pp=0.05;

image\_gaosi\_noise=imnoise(image\_original,'gaussian',0,pp);

%生成含椒盐噪声图像并显示

%dd=0.01;

%image\_saltpepper\_noise=imnoise(image\_original,'salt & pepper',dd);

%生成含乘性噪声图像并显示

%var=0.05;

%image\_speckle\_noise=imnoise(image\_original,'speckle',var);

image\_gaosi\_noise\_after1=medfilt2(image\_gaosi\_noise,\[3,3\]);

subplot(2,4,2);

imshow(image\_gaosi\_noise\_after1);title('中值滤波去高斯噪声效果图');

axis square;

h\_gaosi1=fspecial('gaussian',3,1);

image\_gaosi\_noise\_after2=imfilter(image\_gaosi\_noise,h\_gaosi1);

subplot(2,4,3);

imshow(image\_gaosi\_noise\_after2);title('高斯平滑去高斯噪声效果');

axis square;

image\_gaosi\_noise\_after3=wiener2(image\_gaosi\_noise,\[5 5\]);

subplot(2,4,4);

imshow(image\_gaosi\_noise\_after3);title('维纳滤波去高斯噪声效果');

axis square;

%原图像直方图

r=0:255;

bb=image\_original(:);

pg=hist(bb,r);

pgr1=pg/length(bb);

subplot(245);bar(pgr1);title('源输入图像的直方图');

r=0:255;

bl=image\_gaosi\_noise\_after1(:);

pg=hist(bl,r);

pgr2=pg/length(bl);

subplot(246);bar(pgr2);title('中值滤波去高斯噪声后的直方图');

r=0:255;

bh=image\_gaosi\_noise\_after2(:);

pu=hist(bh,r);

pgr3=pu/length(bh);

subplot(247);bar(pgr3);title('高斯平滑去高斯噪声后的直方图');

r=0:255;

ba=image\_gaosi\_noise\_after3(:);

pa=hist(ba,r);

pgr4=pa/length(ba);

subplot(248);bar(pgr4);title('维纳滤波去除高斯噪声后的直方图');

~~~

\# 五，乘性噪声去除能力对比

\#\#\# 1，去噪效果对比

!\[\](https://box.kancloud.cn/2016-03-02\_56d6526b0fcaf.jpg)

!\[\](https://box.kancloud.cn/2016-03-02\_56d6526b2a4a6.jpg)

!\[\](https://box.kancloud.cn/2016-03-02\_56d6526b3f248.jpg)

\#\#\# 2，实验代码

~~~

%读入原始图像并显示

image\_original=imread('dog.bmp');

figure(1)

subplot(2,4,1);

imshow(image\_original);

title('原输入图像');

axis square;

%生成含高斯噪声图像并显示

%pp=0.01;

%image\_gaosi\_noise=imnoise(image\_original,'gaussian',0,pp);

%生成含椒盐噪声图像并显示

%dd=0.01;

%image\_saltpepper\_noise=imnoise(image\_original,'salt & pepper',dd);

%生成含乘性噪声图像并显示

var=0.01;

image\_speckle\_noise=imnoise(image\_original,'speckle',var);

image\_speckle\_noise\_after1=medfilt2(image\_speckle\_noise,\[3,3\]);

subplot(2,4,2);

imshow(image\_speckle\_noise\_after1);title('中值滤波去乘性噪声效果图');

axis square;

h\_gaosi1=fspecial('gaussian',3,1);

image\_speckle\_noise\_after2=imfilter(image\_speckle\_noise,h\_gaosi1);

subplot(2,4,3);

imshow(image\_speckle\_noise\_after2);title('高斯平滑去乘性噪声效果');

axis square;

image\_speckle\_noise\_after3=wiener2(image\_speckle\_noise,\[5 5\]);

subplot(2,4,4);

imshow(image\_speckle\_noise\_after3);title('维纳滤波去乘性噪声效果');

axis square;

%原图像直方图

r=0:255;

bb=image\_original(:);

pg=hist(bb,r);

pgr1=pg/length(bb);

subplot(245);bar(pgr1);title('源输入图像的直方图');

r=0:255;

bl=image\_speckle\_noise\_after1(:);

pg=hist(bl,r);

pgr2=pg/length(bl);

subplot(246);bar(pgr2);title('中值滤波去乘性噪声后的直方图');

r=0:255;

bh=image\_speckle\_noise\_after2(:);

pu=hist(bh,r);

pgr3=pu/length(bh);

subplot(247);bar(pgr3);title('高斯平滑去乘性噪声后的直方图');

r=0:255;

ba=image\_speckle\_noise\_after3(:);

pa=hist(ba,r);

pgr4=pa/length(ba);

subplot(248);bar(pgr4);title('维纳滤波去除乘性噪声后的直方图');

~~~

\# 六，PNSR客观对比

(PNSR客观对比越高越好)

本对比也囊括了其他常见去噪方式的对比

!\[\](https://box.kancloud.cn/2016-03-02\_56d6526b5f9bd.jpg)

\#参考资源

【1】《百度百科》

【2】《维基百科》

【3】冈萨雷斯《数字图像处理》

【4】http://blog.csdn.net/ebowtang/article/details/38960271

去噪算法 matlab,经典滤波算法去噪对比实验（Matlab实现）

发表评论取消回复

还没有评论，来说两句吧...

相关阅读

相关 Bilateral滤波算法在CT图像去噪中的应用及Matlab实现

相关基于Matlab的维纳滤波图像去噪

相关基于matlab图像去噪,基于MATLAB的图像去噪方法的研究与实现

相关去噪算法 matlab,经典滤波算法去噪对比实验（Matlab实现）

相关基于Matlab的图像去噪算法仿真

相关数字图像去噪MATLAB

相关基于Matlab的图像去噪算法仿真

相关 MATLAB图像去噪算法设计

相关 Matlab中值滤波去噪

相关 Matlab均值滤波去噪