1、哈尔滨商业大学毕业设计（论文） I 摘 要 分析了 噪声 形成的原理，研究了国内外主要的去 噪 算法，并将各种去 噪 算法归纳为空间域的去 噪 法、频率域的去 噪 法、基于小波变换的去 噪 法和其他去 噪 法几大类，并对其各自优缺点进行了分析，总结了各类方法里比较典型的算法，分析了其各自的去 噪 能力。通过参考大量文献，分析各类算法 ，并且针对中值滤波和均值滤波进行了实验仿真，得出相应的 均方误差 和 峰值信噪比 ，并对其总结。 关键字 ：扫描图像； 中值滤波 ； 均值滤波 ；去 噪 哈尔滨商业大学毕业设计（论文） II Abstract Analyzes the formation of n
2、oise theory, studied the domestic and international main denoising algorithm, and the various denoising algorithm is summarized as spacedomain denoising method, frequency domain denoising method, based on wavelet transform denoising method and other denoising method several categories, and their res
3、pective advantages and disadvantages are analyzed, summarized the typical algorithm in all kinds of methods, analyzed their respective denoising ability. By reference to a large number of literature, analysis of various algorithms, and the median filter and mean filter for the experiment simulation,
4、 it is concluded that the corresponding mean square error (mse) and peak signal-to-noise ratio, and the summary, find what circumstance with what noise is appropriate. Key words: scanned halftone images;median filter; average filtering; denoising 哈尔滨商业大学毕业设计（论文） III 目录 摘 要 . I ABSTRACT . II 1 绪论 . 1
5、 1.1 研究的目的 . 1 1.2 研究的意义 . 1 1.3 国内外研究现状 . 2 1.3.1 国内研究现状 . 2 1.3.2 国外研究现状 . 3 2 图像去噪理论基础 . 4 2.1 噪声的基础理论 . 4 2.1.1 图像噪声的一般分类 . 4 2.1.2 噪声成因 . 4 2.2 图像去噪原理 . 4 2.3 图像去噪方法 . 6 2.3.1 空域图像去噪算法 . 6 2.3.2 频域图像去噪算法 . 7 2.3.3 其它去噪方法 . 8 2.4 仿真实验评价 . 10 2.4.1 主观评价 . 10 2.4.2 客观评价 . 10 2.5 小结 .11 3 去噪算法 MATL
6、AB 实验仿真 . 12 3.1 算法介绍 . 12 3.2 算法仿真实验 . 12 3.3 实验结果分析 . 18 3.4 小结 . 18 结 论 . 19 参考文献 . 20 致 谢 . 23 附 录 . 24 哈尔滨商业大学毕业设计（论文） 1 1 绪论 随着数字时代，信息时代的到来，数字多媒体技术得到很大 的 发展，扫描作为获取数字化信息的一个重要途径，也得到了越来越广泛的应用。最近，随着数码照相机等各类数码产品的普及，数字图像 的 处理已经成为数学和计算机科学交叉领域的一个研究点。数字图像 的 处理就是 人们 通过对图像进行加工以满足人的视觉 和 心理或各种各样的 应用需求。随着科学
7、的 发展 ，人类对大自然的探索不断深入 前进 ，高科技 的 手段日益发达，图像处理 更 在其中发挥 极其 重要的作用。然而在其处理 的 过程中第一步是对图像进行 地 预处理，其中最关键 的 步骤就是 扫描 图像的有效去噪。 1.1 研究的目的 扫描 图像在生成和传输过程中，常常因受到各种噪声干扰和影响而使图片降低质量，这对后续图像的处理（如分割，压缩和图像理解等）将产生不利影响。噪声种类很多，如：电噪声、机械噪声、信道噪声和其他噪声。在图像处理中，图像去噪是一个永远不会过时的主题，为了抑制噪声，改善图像质量，更高层次的处理，必须对图像进行去噪的预处理。 图像中的噪声影响到人们对图像的理解，而图
8、像去噪的目的就是去除图像中的噪声，使人们对图像的认识更加清楚，以便对图像做进一步地处理。 1.2 研究的意义 在日新月异的生活中，伴随着计算机网络技术的高速发展、计算 机多媒体技术的广泛应用，信息在人们的生活、学习和工作中扮演着越来越重要的角色。图像是人类传递信息的主要媒介，据统计，视觉信息在人类接收的信息中占 60%，其中最主要、最直接的信息就是图像信息，一幅图像的信息量是文字、声音所的和生动性无法比较。然而，图像在获取和传输 的 过程中，无法避免地受到内部因素和外部因素的干扰，常常被加入很多噪声。噪声的存在破坏图像的质量，降低了其视觉效果，甚至破坏了图像的特征，这样就影响了图像后续的处理，
9、比如：图像 理解 ，图像 压缩 ，图像 分割 等。，为了 保证图像在使用时达到人们理想的效果，必须对数字图像进行预处理，对图像去噪 。 图像预处理 一般 包括：图像特征增强、图像去噪、图像 恢复 等，图像预处理中 最重要的技术 是图像去噪 。图像去噪技术 的使用 可有效 的 提高 了 图像 的 质量，更好地体现 了 图像所携带的信息 资源 ，作为 最重要的 预处理手段为后续的数字图像处理奠定了基础。 因此在图像的预处理阶段去除噪声，恢复原始图像具有重要的意义 。 图像去噪研究方法具有重要的意义，主要表现在 : 哈尔滨商业大学毕业设计（论文） 2 (1)对于噪声图像去噪，可有效保证正确识别图像信
10、息。由于成像机理不同的初始图像获得往往包含许多不同类型的噪声，他们的存在影响了人们观察图像的视觉感受，干扰的图像信息的人的理解。当图像包含噪声严重，画面变得非常模糊，图像丢失存储信息的本质意义。因此，图像去噪是非常重要的。 (2)除了能提高人 识别视觉信息 ，对图像去噪处理的意义还在于它 是 图像作 为 进一步处理的可靠保证。如果一幅 图像 含有噪声 并且对其 进行特征提取、配准或者图像融合等处理，其结果肯定不能令人满意，所以图像去噪 是不可缺少的。 (3)虽然已经提出了许多常 见的图像去噪方法，但这些方法都不是完美的，主要 性能：降低图像噪音，它不能很好的保护图像细节。因此，进一步提高了 现
11、有的图像去噪或研究新的图像去噪的意义仍然显著 . (4)研究的图像处理方法，不仅有效地降低噪音和其他数字图像性能处理链也有很好的促进作用。 (5)降噪，不仅提高了图像质量，而且还具有非常广泛的应用。在军事侦察警方研究，指纹识别，遥感图像识别，视频监控，医疗成像等领域，图像降噪法这项研究具有非常广阔的应用前景。 1.3 国内外研究现状 1.3.1 国内研究现状 我国 根据实际图像的特性，噪声和频谱分布的统计特性，开发了多种去噪方法。一个最直观的方法通常集中在高频率的能量根据噪声，在一个图像的频谱分布一个有限的范围内的特性，低通滤波方法进行去噪方法，如移动平均滤波窗口，有线性的维纳滤波，去噪等，其
12、他的方法如基于一阶滤波方法（订购量），是基于偏微分方程的马尔可夫模型（偏微分方程）的方法和 LP 形式方法等等。 优点和潜在的信号对噪声表现出的小波分析，这一直是研究的重点，并也取得了一定的成果。 中科院王卓亚 1针对目前比较通用的先用较大解析度扫描图像，再用柔化滤波器模糊图像，最后再把图像缩小到适当尺寸的去 噪 方法需要结合硬件，处理麻烦的事实。提出一种先去除图像孤立点的方法去除网点脉冲噪音，完好保留细节，再用线性高斯低通滤波器的去 噪 方法。并且用实验法对比了不同高斯滤波器效果 ， 挑出了最合适的线性低通滤波器，实验结果表明此法所用滤波器比较单一，易用硬件实现，可消除椒盐噪音和复原图像且效
13、果比较好。 陕西科技大学的张琳 2在印刷杂志上提出针对灰度图的去 噪 算法。用 2D-FFT（二维快速傅里叶变换）测量体系的空间频率，从而确定原稿的加网线数。测出加网线数哈尔滨商业大学毕业设计（论文） 3 后，为了能够找出最合适的高斯系数，他事先对大量不同加网线数的印刷品原稿进行试验，找出不同高斯系数与其去 噪 效果之间的规律性，从而在扫描时根据加网线数反推出高斯系数。使用高斯低通滤波器的缺点之一，是其它高频区域也被影响，从而导致边缘的模糊以及在高调纹理区域细节的丢失，但这种影响是非常小的。 1.3.2 国外研究现状 相对我国，国外 目前 大多数的图像去噪方法，是多种方法 相 结合， 在能够
14、保持边缘信息 的基础上 ， 还 可以去除了图像中的噪声。例如，中值滤波和小波滤波结合滤波器。一些组合的线性滤波一种新的非线性滤波滤波中值滤波的思想，充分利用这两种优势的过滤器，更好的为了提高滤波性能。提出了以满足实时图像处理和滤波，高斯和脉冲混合噪声的基础上的所有要求快速自适应滤波操作，该滤波器可以使计算量大为减少，可用于实时图像处理在系统中，并与其他类似的过滤器的过滤效果。学术讨论过或优化方法，但在选择的时候，首先根据滤波器数据的实际经验和存在的问题，进行分析和选择算法。转换过程中的数据处理预处理和后处理是小波的研究方向。 Jiebo Luo3等人提出了一种新的基于小波变换的方法，先将半色调
15、图像进行小波分解以便于在空间域和频率域的处理，有效地消除半色调噪音，然后用一种非线性滤波器来处理就得到了具有连续色调的图像。此法最适合用在特定的半色调图像上。但是由于其独立的参数估计，也可用于所有类型的半色调图像。 Hasib Siddiqui4等人提出一种结合 RSD(基于合成的分辨率去噪法 )和改进的SUSAN(最小核值相似区 )滤波器两种非线性图像处理技术的基于机器学习的去 噪 算法。此法可根据特定的硬件参数自动优化去 噪 方法，有效地抑制摩尔网纹，也 可以用内部锐化的训练法来强化扫描文档质量和保持边缘信息。一旦对图像进行了优化，就可以将这种算法用在处理随机误差分散的扫描半色调图像的噪音
16、问题上。 CJ Stanger5等人提出了一种自定义的带阻滤波器“ Swiss Cheese”来隔离和去除与半色调有关的频率，且能在不对图像进行分割和边缘检测的情况下较好地保持图像的边缘。为了加速硬件的处理过程，将图像分割成一系列重叠的窗口，分别在频率域里进行处理，再用一种不会出现快效应的方法将窗口组合还原形成完整的图像。实验证明这种滤波器方法在处理半色调彩色图像里发挥了 很好的作用，不仅完整的保存了原图像的细节，更是没有出现模糊现象。 哈尔滨商业大学毕业设计（论文） 4 2 图像去 噪 理论基础 2.1 噪声的基础理论 2.1.1 图像噪声的一般分类 噪声分类的方法 有 很多很多 ， 比较
17、常见有以下 四 种 6。 (1)从噪声的来源来看可分为乘性噪声 、量化噪声 、椒盐噪、加性噪声声等； (2)从统计 的 观点看 ，凡是统计 的 特征不随时间变化 而变化 的称为平稳噪声，统计特征随时间变化 而变化 的称作非平稳噪声； (3)从噪声的性质来看可分为脉冲噪声和高斯噪声（白噪声）两类。 而在数字图像的获取和传输过程中，传感器和传输信道经常会产生一些脉冲噪声，其极大地 影响 了图像质量。 光电子噪声、电子噪声、 感光片颗粒噪声是影响图像质量的三类主要噪声源，它们都可以来用直方图为高斯分布的白噪声作为有效模型。 (4)从噪声幅度分布的统计来看，其密度函数有瑞利型、高斯型，分别称为瑞利噪声
18、和高斯噪声； 2.1.2 噪声成因 现在成像系统，在扫描的二维图像信号转换为光电转换被转换成电信号，然后是一维处理。的最后一维二维图像信号转换成电信号后，进行处理。噪音也类似地转换。 使用 光导 照相机，该信号幅度和噪声振幅可以被认为是独立的。信号和噪声使用相机的超实证分析，噪音和明亮的大，小片的暗部的噪音有关，量化噪声是几乎持平，但显示的伪轮廓量化噪声时，此刻的视频信号会颤，因为随机噪声，这种类型的图像内容，阶段数字图像处理技术，图像噪声，绝对是目前这方面的贡献 ;顶部波形，乘性噪声作为老放大器的噪声，噪声称被称为噪声叠加的波形称这种类型的混合。量化噪声变得不那么明显，但是每个像素中，不管是
19、什么输入信号和噪声的大小总是被添加到该信号。光胶片颗粒噪声量子噪声。第二噪声调制到一个载波更改与由自身产生的每 个像素的信息。在某些情况下，如输入信号中的小变化，噪声也不是很大。为了便于分析和处理，常常乘性噪声的方法被认为是加性噪声和信号和噪声总是假设为统计独立彼此。 哈尔滨商业大学毕业设计（论文） 5 2.2 图像去 噪原理 其中之一是由大量的象素和在图像中的每个像素可以看出每一个像素的灰度值范围从 0-255（此处我们只讨论了单色图像），用于单色图象以对应于灰度值。我们将讨论如何进行有效的图像去噪噪声。 通常其他周围像素根据噪声污染，因而大偏差像素灰度值，正常灰度值被用于它自己的域信息来完
20、成噪声点的恢复。使用在其字段值指定的信息更改为灰色像素的位置，但这 个程序通常是通过操作模板进行：即图像去噪的本质。 一副 nn 模板是指一副 n 行 n 列的小图像， n 取奇数，且 n 远小于噪声图像的长和宽，通常 来说 n 取3， 5， 7，例如 33 模板如图 2-1 所示，此 时 33 模板中心位置代表 着 需要去噪的像素点，通常标记为 a0，其余位置依次表示为 a1， a2， a3， a4， a5， a6， a7， a8，而且a0， ， a8 这九个位置可分别设定 为 不同的权值，依照此 类 定义方法，还可以定义 55 模板以及 77 模板等 7。 图 2.1 3 3 模板 利用
21、nn 模板进行图像 的 去噪步骤如下： (1) 将定义的 nn 模板在指定噪声图像中，并将模板中心 a0 与图中某个像素 m(x， y)重合 (此像素 称 为待去噪的像素点 )。 (2) 然后将模板上的各位置的值 (权值 )与模板下对应图像像素的灰度值相乘，再相加。例如：对于 33 的 模板来说， 9 个位置的权值分别为 a0， ， a8，模板下 相对应像素的灰度值分别为 S0， ， S8，则 M = a0S0+ a1S1+ + a 8S8。 (3) 将值 M 赋 与的值 给像素 m(x， y)，像素 m(x， y)处 就会出现 新的灰度值。 通过上 面 的 三步就 可以 完成了对像素 m(x
22、， y)处 的 去噪。 实验证明模板 的 尺寸越大，虽然 可以 更好的消除噪声，但是 肯定 会加大运算量， 并且 增加 了 程序运行的时间 与 复杂度，因此 在 一般情况下 就可以 选用 33 大小模板 为 最佳。 哈尔滨商业大学毕业设计（论文） 6 2.3 图像去噪方法 2.3.1 空域图像去噪算法 空域滤波方法通常可以用于含有加性噪声的图像去噪处理中 去 。而常见的空域滤波器主要有顺序统计滤波器、均值滤波器、自适应滤波器等。设滤波器的输入为受噪声 n(x， y)影响的图像 g（ x， y），输出为去噪后的图像 f （ x， y），即原始图像 （ fx，y）的近似估计。改进后的方法通常是先获
23、得一幅经过局部平滑预处理过的图像，然后将该图像与原始半色调图像进行比较分析，然后根据比较的结论分析来确定最后的图像输出。 (1)均值滤波器 8包括几何均值滤波器、算术均值滤波器、逆谐波均值滤波器和谐波均值滤波器。若 Sxy表示一个矩形图像窗口，其中心为点 (x， y)，尺寸为 mn 。 算术均值滤波器的原理是在简单地平滑了一幅图像的局部变化和模糊了结果的同时减少了噪声。几何均值滤波器与算法均值滤波器一样都可以达到一定的平滑度，同时在滤波过程中会有更少的图像细节丢 失。逆谐波均值滤波器比较适合脉冲噪声的减少或消除，当 Q 值为正数时，对 “胡椒 ”噪声的消除有一定效果 ;当 Q值为负数时，适用于
24、消除 “盐 ”噪声。当 Q=- 1 时，逆谐波均值滤波器就等同于谐波均值滤波器；当 Q=0时，为算术均值滤波器。谐波均值滤波器比较适合去除高斯噪声，对正脉冲（即盐点）噪声的处理效果也比较好，但是不适合于负脉冲（即胡椒点）噪声的消除。 (2)顺序统计滤波器 9 顺序统计滤波器的原理为：滤波器在任意点的输出由滤波器包围的图像区域中像素点的排序结果决定。 中值滤波器是顺序统计滤波器中较著名的一种一开始只是应用于分析时间序列，后来被引入到图像处理中，结果证明在滤除图像的噪声应用中有很好的效果。由于它对很多随机噪声都有很好的去除能力，且在相同尺寸下引起的模糊比线性平滑滤波器更小，所以中值滤波器在图像去噪
25、过程中得到了广泛的应用。对单极或双极脉冲噪声去除时中值滤波器的效果比较好；由于最大值滤波器比较擅长发现图像中的最亮点，所有特别适用于胡椒噪声的滤除 ; 而最小滤波器善于发现图像中的最暗点，故特别适用于滤除盐噪声；中点滤波器将顺序统计和求均值相结合，更适合于滤除高斯和 均匀随机分布噪声。 (3)自适应滤波器 9没有考虑图像的各像素特征的差异，故均顺序统计和值滤波器滤波器的滤除噪声能力比较有限。所以提出了优于上述两种滤波器的自适应滤波器，它是基于 mn 矩形图像窗口 Sxy定义的区域内图像的统计特性提出来的。自适应的哈尔滨商业大学毕业设计（论文） 7 主要滤波器有自适应中值滤波器、自适应梯度倒数加
26、权滤波器、自适应局部噪声消除滤波器。 自适应局部噪声消除滤波器是非线性的，它可以避免缺乏图像噪声方差的知识而产生相对无意义的结果（即负灰度值）。 自适应中值滤波器的优点是：对更大概率的脉冲噪声有较好的滤除效果；同时 在处理非冲激噪声的过程中也可以保存细节，优于传统中值滤波器。 自适应梯度倒数加权滤波器以倒数梯度可作权重因子，可以使图像区域内部的相邻点权重大于外部像素点的权重，因此可以相对很好的保持图像的细节信息。 2.3.2 频域图像去噪算法 基于频域的数字滤波方法最早可以追溯到傅立叶变换的使用，后来在此基础上提出了加窗傅立叶变换，同时启发了小波多尺度分析思想的引入。后来在信号分析领域小波分析
27、得以广泛地应用并蓬勃发展。接下来主要介绍的频域去噪法有基于小波和contourlet 变换的图像去噪算法。 (1)小波去噪算法 小波去噪的特点 10有：多分辨率的特性，时频局部化的特性，选基的灵活性，解相关特性。这些特性使小波变换在去噪领域运用 得 相当成功。时频局部化的特性和多分辨率的特性使用小波变换 的 方法去除图像噪声的同时能够很好的信号的突变和保留图像的边缘。 现 目前比较成熟的小波去噪 的 方法主要有：空域相关 的 去噪法，是基于信号的小波系数在各尺度间具有相关性来进行去噪；基于奇异性检测的去噪法，利用信号和噪声具有不同的奇异性去噪；小波域阈值去噪法，假设重要信号产生的系数幅值较大来
28、去噪的。目前，基于小波变换的图像去噪方法中，图像的小波阈值 去噪是研究较多的一种方法。小波域阈值去噪算法用于滤除信号中高斯白噪声。通过设定某一适当阈值，认为小于该阈值的系数由噪声产生，将其置 0；而保留大于阈值的系数，从而抑制信号中的噪声。该方法对阈值选取敏感。小波阈值去噪方法主要是阈值函数和阈值的选取，目前常用的阈值处理方法 11有： Sure Shrink 方法、 GCV Shrink 方法、 Visul Shrik 方法、 Oracle Shrink 方法、 HeurSur 方法、OracleThresh 方法和 Bayes Shrink 方法等。上述几种方法除 GCV Shrink 方法、Oracle Shrink 方法、 Oracle Thresh 方法外都需要估计噪声的方差。常用的阈值函数主要有硬阈值函数、软阈值函数和半软阈值函数。杨森主要对 donoho 的阈值去噪方法进行改进 12，提出基于图像奇异性的收缩阈值的选取，对图像进行分析和去噪处理。实验表明这种阈值去噪方法比 donoho 的方法取得了更好的去噪效果。姚晋丽，王霞两人提出的一种基于小波变换的显微图像去噪算法 13不需要所处理图像的任何先验知识，不依赖图像的大小来判断门限，不需方差信息，具有盲去噪的功能 ，并且采用
