使用MATLAB进行数字图像处理中的去噪技术

---

在数字图像处理中，去噪是一个减少或去除数字图像中不需要的噪声的过程。此过程的主要目标是增强图像的视觉质量。

在讨论数字图像处理中不同的去噪技术之前，让我们首先概述去噪的基础知识。

什么是数字图像处理中的去噪？

在数字图像中，任何不需要的变异都被称为噪声。数字图像中的噪声可能由于不同的原因产生，例如环境条件、硬件故障、传输错误等。从图像中去除这种不需要的噪声的过程称为**去噪**。

• 去噪主要用于提高数字图像的视觉质量。去噪使数字图像能够准备进行分析和显示。

• 有效的去噪技术是在减少不需要的噪声的同时保留图像所有重要特征的技术。

• 在数字图像中，可能存在不同类型的噪声，例如高斯噪声、椒盐噪声、斑点噪声等。为了去除特定类型的噪声，使用特定的去噪技术。

现在让我们讨论使用MATLAB进行数字图像处理的不同类型的去噪技术。

使用MATLAB进行数字图像处理中的去噪技术

MATLAB提供各种类型的去噪技术来去除或减少数字图像中不需要的噪声。下面将通过MATLAB中的示例解释一些常用的数字图像处理去噪技术。

使用中值滤波器去噪

中值滤波器被认为是数字图像处理中最简单的去噪技术。此技术用于减少或去除数字图像中的椒盐噪声。

在MATLAB中，使用“medfilt2()”函数将中值滤波器应用于图像。

语法

denoised_img = medfilt2(noisy_img, filter_size);

下面解释了使用中值滤波器对图像进行去噪的分步过程。

• **步骤(1)** - 使用“imread”函数读取噪声图像。

• **步骤(2)** - 使用“rgb2gray”函数将输入的噪声图像转换为灰度图像。

• **步骤(3)** - 使用“medfilt2()”函数通过中值滤波器进行去噪。

• **步骤(4)** - 使用“imshow”函数显示去噪后的图像。

示例

让我们来看一个示例，以了解这些步骤在MATLAB中的实现 -

% MATLAB code to perform denoising using median filter
% Read the noisy image
noisy_img = imread('noisy_image.jpg');	% Replace the URL with noisy image

% Convert the input image to grayscale if necessary
gray_img = rgb2gray(noisy_img);

% Perform denoising using the median filter
denoised_img = medfilt2(gray_img, [3, 3]);

% Display the noisy and denoised images
figure;
subplot(1, 2, 1);
imshow(gray_img);
title('Noisy Image');

subplot(1, 2, 2);
imshow(denoised_img);
title('Denoised Image');

输出

运行此代码时，它将产生以下**输出** -

使用高斯滤波器去噪

在数字图像处理中，高斯滤波是另一种常用的去噪技术。此去噪技术用于去除数字图像中的高斯噪声。

要将高斯滤波器应用于数字图像，我们在MATLAB中使用“imgaussfilt”函数。

语法

denoised_img = imgaussfilt(noisy_img, standard_deviation);

在MATLAB中使用高斯滤波器对图像进行去噪涉及以下步骤。

• **步骤(1)** - 使用“imread”函数读取噪声图像。

• **步骤(2)** - 根据需要将输入图像转换为灰度图像。

• **步骤(3)** - 使用高斯滤波器进行去噪。

• **步骤(4)** - 使用“imshow”函数显示去噪后的图像。

示例

让我们在MATLAB中举一个例子来理解使用高斯滤波器进行去噪 -

% MATLAB code to perform denoising using Gaussian filter
% Read the noisy image
noisy_img = imread('noisy_image.jpg');	% Replace the URL with noisy image

% Convert the input image to grayscale if necessary
gray_img = rgb2gray(noisy_img);

% Perform denoising using the median filter
sigma = 2;	% Adjust standard deviation as per noise characteristics
denoised_img = imgaussfilt(gray_img, sigma);

% Display the noisy and denoised images
figure;
subplot(1, 2, 1);
imshow(gray_img);
title('Noisy Image');

subplot(1, 2, 2);
imshow(denoised_img);
title('Denoised Image');

输出

运行此代码时，它将产生以下**输出** -

使用维纳滤波器去噪

在数字图像处理中，还有一种名为“维纳滤波器”的去噪技术，用于去除图像中的噪声。这是一种基于反卷积的去噪技术。

在MATLAB中，有一个内置函数“wiener2”，用于通过维纳滤波进行去噪。

语法

denoised_img = wiener2(noisy_img, filterSize);

通过维纳滤波器进行去噪的步骤与上述技术相同。

示例

这是一个使用MATLAB中的维纳滤波器演示去噪的示例 -

% MATLAB code to perform denoising using Wiener filter
% Read the noisy image
noisy_img = imread('noisy_image.jpg');

% Convert the input image to grayscale
gray_img = rgb2gray(noisy_img);

% Perform denoising using the Wiener filter
denoised_img = wiener2(gray_img, [5, 5]);

% Display the noisy and denoised images
figure;
subplot(1, 2, 1);
imshow(gray_img);
title('Noisy Image');

subplot(1, 2, 2);
imshow(denoised_img);
title('Denoised Image');

输出

运行此代码时，它将产生以下**输出** -

非局部均值 (NLM) 去噪技术

在数字图像处理中，有一种名为非局部均值 (NLM) 的去噪技术，用于去除图像中不需要的噪声。这种去噪技术在保留图像细节的同时有效地减少图像中的不需要的噪声。

在MATLAB中，我们可以通过使用“imnlmfilt”函数通过NLM技术进行去噪。

语法

denoised_img = imnlmfilt(noisy_img, 'DegreeOfSmoothing', value, 'SearchWindowSize', WindowSize);

这里，参数“DegreeOfSmoothing”控制降噪过程中的平滑程度，参数“SearchWindowSize”指定滤波器窗口的大小。

示例

这是一个显示通过非局部均值去噪技术进行去噪所涉及步骤的示例。

% MATLAB code to perform denoising using NLM technique
% Read the noisy image
noisy_img = imread('Noisy_Image.jpg');

% Convert input image to grayscale
gray_img = rgb2gray(noisy_img);

% Perform denoising using Non-Local Means (NLM)
denoised_img = imnlmfilt(gray_img, 'DegreeOfSmoothing', 30, 'SearchWindowSize', 11);

% Display the noisy and denoised images
subplot(1, 2, 1);
imshow(gray_img);
title('Noisy Image');

subplot(1, 2, 2);
imshow(denoised_img);
title('Denoised Image');

输出

运行此代码时，它将产生以下**输出** -

结论

总之，去噪意味着去除数字图像中不需要的内容。在MATLAB中，我们有不同类型的去噪技术。在本教程中，我通过示例解释了使用MATLAB进行数字图像处理中所有常用的去噪技术。