数字图像处理,经典滤波算法去噪对比实验(Matlab实现)
2014-11-13 16:26
776 查看
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/389602712,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)2,实验代码
<span style="font-size:12px;">%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');</span>
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)2,实现代码
<span style="font-size:12px;"></span><pre name="code" class="cpp">%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
2,实验代码
<span style="font-size:12px;"></span><pre name="code" class="cpp">%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
2,实验代码
<span style="font-size:12px;">%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');</span>
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
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
相关文章推荐
- 经典数字图像处理(matlab 实现)
- 数字图像处理基本算法实现(3)--section3.5-6空间滤波处理
- 数字图像去噪典型算法及matlab实现
- 数字图像去噪典型算法及matlab实现
- MATLAB图像处理与计算机视觉(3):实现Carsten Steger 的曲线检测算法(1)
- 数字图像处理领域的二十四个典型算法及vc实现、第二章
- Matlab中图像处理实例:灰度变换,空域滤波,频域滤波,傅里叶变换的实现
- 数字图像处理算法实现------------编程心得(1)
- 数字图像处理领域的二十四个典型算法及vc实现、上
- 数字图像处理领域的二十四个典型算法及vc实现、第一章
- 数字图像处理领域的二十四个典型算法及vc实现、第二章
- 数字图像去噪典型算法及matlab实现
- 数字图像去噪典型算法及matlab实现
- 运动模糊图像处理(一)----- 模糊角度估计的算法研究及matlab实现
- 数字图像处理领域的二十四个典型算法及vc实现、上
- 数字图像处理基本算法实现(2)--section3.3直方图处理
- 数字图像处理领域的二十四个典型算法及vc实现、第二章
- 数字图像处理领域的二十四个典型算法及vc实现、第二章
- 数字图像去噪典型算法及matlab实现
- 数字图像处理领域的二十四个典型算法及vc实现、第二章