MATLAB應(yīng)用在基于噪聲檢測(cè)的圖像均值去噪法

　　通過研究，發(fā)現(xiàn)一種新的改進(jìn)的均值濾波器[2]。在考慮如何對(duì)圖像的噪聲進(jìn)行處理時(shí)，難以避免的，需要面臨噪聲點(diǎn)的檢測(cè)問題。因?yàn)橐粡埡?a class="contentlabel" href="http://www.ex-cimer.com/news/listbylabel/label/圖像">圖像中，只有一部分的像素受到了噪聲的污染，而其余的像素仍保持原值。無條件地對(duì)所有的像素點(diǎn)進(jìn)行濾波，顯然在去除噪點(diǎn)的同時(shí)，使原圖像發(fā)生了失真。所以為了更有針對(duì)性地處理圖像中的躁點(diǎn)，最好的做法就是先對(duì)噪聲進(jìn)行檢測(cè)。然后利用非噪聲點(diǎn)的平均值來代替每個(gè)像素的灰度，而不是上面?zhèn)鹘y(tǒng)方法中的盲目運(yùn)算。其下面通過實(shí)例來驗(yàn)證這種方法的優(yōu)越性：

　　采用尺寸大小為162×120的圖像文件shoes.jpg。使用im-眥d函數(shù)將其載人到MATLAB中，為了簡(jiǎn)便。我們先用瑁b29ray函數(shù)將其轉(zhuǎn)換為單維的灰度圖像，灰度范圍[o，255]

　　（見圖1）。在原圖基礎(chǔ)上加入噪聲密度為o.2的脈沖噪聲，可以用imnoise函數(shù)加入椒鹽噪聲，也可以用randn加入正態(tài)分布的隨機(jī)噪聲，這樣就得到了含噪的圖像。芝麻鹽狀的雪*點(diǎn)隨機(jī)地分布在圖像矩陣巾（見圖2）。