基于Matlab的图像去噪算法仿真

1. 1. 中值滤波的仿真

本节选用中值滤波法对含有高斯噪声和椒盐噪声的图像进行去噪，并用Matlab软件仿真。

（1）给图像加入均值为0，方差为0.02的高斯噪声，分别选择3×3模板、5×5模板和7×7模板进行去噪

Matlab部分代码：

j=imnoise(I,'gaussian',0,0.02);

x=j(:,:,1);

subplot(221);

imshow(x);

title('高斯噪声图片');

k1=medfilt2(x,[3 3]);

k2=medfilt2(x,[5 5]);

k3=medfilt2(x,[7 7]);

仿真结果如图1-3所示。

图1-3 中值滤波法对高斯噪声去噪的仿真结果

（2）给图像加入噪声密度为0.02的椒盐噪声，分别选择3×3模板、5×5模板和7×7模板进行去噪

Matlab部分代码：

i=imread('2010-03-09-2.bmp');

j=imnoise(I,'salt & pepper',0.02);

x=j(:,:,1);

subplot(221);

imshow(x);

title('椒盐噪声图片');

k1=medfilt2(x,[3 3]);

k2=medfilt2(x,[5 5]);

k3=medfilt2(x,[7 7]);

仿真结果如图1-4所示。

从仿真结果可以看出：对图像加入椒盐噪声后，应用中值滤波，如图1-4所示，噪声的斑点几乎全部被滤去，它对滤除图像的椒盐噪声非常有效。而对于高斯噪声来说，如图1-3所示，虽然也有一些去噪效果，但效果不佳。由此可知，中值滤波法运算简单，易于实现，而且能较好地保护边界，但有时会失掉图像中的细线和小块区域。并且采用窗口的大小对滤波效果影响很大，窗口越大，图像去噪效果越好，但代价是模糊的程度越大。

1. 1. 维纳滤波的仿真

选用维纳滤波法对含有高斯噪声和椒盐噪声的图像进行去噪，并用Matlab软件仿真。

（1）给图像加入均值为0，方差为0.02的高斯噪声，选择3×3模板去噪

Matlab部分代码：

i=imread('2010-03-09-2.bmp');

j=imnoise(I,'gaussian',0,0.02);

x=j(:,:,1);

k=wiener2(x);

仿真结果如图1-5所示。

   图1-5 维纳滤波法对高斯噪声去噪的仿真结果

（2）给图像加入噪声密度为0.02的椒盐噪声，选择3×3模板去噪

Matlab部分代码：

j=imnoise(I,'salt & pepper',0.02);

x=j(:,:,1);

k=wiener2(x);

仿真结果如图1-6所示。

从仿真结果可以看出：维纳滤波对高斯白噪声的图像滤波与邻域平均法比较， 滤波效果好，它比线性滤波器具有更好的选择性，可以更好地保存图像的边缘和高频细节信息。虽然，维纳滤波在大多数情况下都可以获得满意的结果，尤其对含有高斯噪声的图像。另外维纳滤波对于椒盐噪声去除效果却不尽人意，几乎没有效果。它不能用于噪声为非平稳的随机过程的情况，对于向量情况应用不方便。因此，维纳滤波在实际问题中应用不多。