噪声及复原.docVIP

实验报告 实验题目：图像噪声污染及图像复原处理 问题描述：复原的目的是在预定义的意义上改善给定的图像，图像复原大部分是客观的处理，复原通过使用退化现象的先验知识试图重建或恢复一副退化的图像。而模拟噪声的行为和影响的能力是图像复原的核心，故在本次试验中我先对图像使用函数imnoise来进行噪声污染，并比较分析了高斯噪声、椒盐噪声、乘性噪声以及泊松噪声的污染效果。随后，我分别运用大小为的中值滤波和的自适应中值滤波对仅有噪声污染的图像进行复原处理，并比较分析了两种方法的效果。 方法简述：本次试验采用imnoise函数来噪声污染一幅图像，其基本语法为： g=imnoise(f,type,parameters) 其中f为输入图像，type指噪声类型，parameters是均值方差等各种参数（依噪声类型的不同其意义有所不同）。函数imnoise在给图像添加噪声之前，将图像转换为范围[0,1]内的double类图像。实验中我分别用函数 g1=imnoise(f,speckle,0.04); g2=imnoise(f,salt pepper,0.05); g3=imnoise(f,poisson); g4=imnoise(f,gaussian,0,0.05); 对图像进行了乘性噪声污染，椒盐噪声污染，泊松噪声污染以及高斯噪声污染，其结果见图（5-1）。并对高斯噪声添加语句取不同的参数，比较分析其均值及方差对噪声污染强度的影响，其结果见图（5-2）。随后，我分别运用 f1=medfilt2(g,[7 7],symmetric); f2=adpmedian(g,7); 对一副被椒盐噪声污染的图像进行了复原处理，其结果见图（5-3） 实验结果及分析： 图（5-1） 各种噪声污染对比程序： f = imread(C:\Documents and Settings\pomo\桌面\a.jpg); g1=imnoise(f,speckle,0.04); g2=imnoise(f,salt pepper,0.05); g3=imnoise(f,poisson); g4=imnoise(f,gaussian,0,0.05); subplot(2,2,1);imshow(g1),title(乘性噪声); subplot(2,2,2);imshow(g2),title(椒盐噪声); subplot(2,2,3);imshow(g3),title(泊松噪声); subplot(2,2,4);imshow(g4),title(高斯噪声); 图（5-2） 其中(a)为均值为0，方差为0.01的高斯噪声 分析：噪声均值一定时，方差越大，噪声污染程度越严重；同样的噪声均值越大，噪声污染程度越轻，而且当均值为0时，不管方差取什么，结果都达不到污染的效果。 高斯噪声0,0.01 高斯噪声0,0.05 高斯噪声0,0.1 高斯噪声0.05,0 高斯噪声0.05,0.05 高斯噪声0.1,0.05 对应程序f = imread(C:\Documents and Settings\pomo\桌面\a.jpg); g1=imnoise(f,gaussian,0,0.01); g2=imnoise(f,gaussian,0,0.05); g3=imnoise(f,gaussian,0,0.1); g4=imnoise(f,gaussian,0.05,0); g5=imnoise(f,gaussian,0.05,0.05); g6=imnoise(f,gaussian,0.05,0.1); subplot(2,3,1);imshow(g1),title(高斯噪声(a)); subplot(2,3,2);imshow(g2),title(高斯噪声(b)); subplot(2,3,3);imshow(g3),title(高斯噪声(c)); subplot(2,3,4);imshow(g4),title(高斯噪声(d)); subplot(2,3,5);imshow(g5),title(高斯噪声(e)); subplot(2,3,6);imshow(g6),title(高斯噪声(f)); 图像还原122页 程序 f = imread(C:\Documents and Settings\pomo\桌面\a.jpg); g=imnoise(f,salt pepper, .25); f1=medfilt2(g,[7 7],symmetric); f2=adpmedian(g,7); subplot(1,3,1);imshow(g),title(椒盐噪声); subplot(1,3,2);imshow(f1),title(二维中值滤波); subplot(1,3,3);imshow(f2),t