深圳大学研究生课程数字图像处理课程作业试验报告试验名称.DOCVIP

深圳大学研究生课程：数字图像处理 课程作业实验报告 实验名称：Noise Generators 实验编号：Proj 05-01 姓 名：许彦山 学 号：2080130316 规定提交时间：2008年11月5日 实验提交时间：2008年11月5日 摘要： 本实验实现了为图像添加高斯噪声和椒盐噪声的通用程序。添加高斯噪声的程序，输入参数为噪声的均值和方差。添加椒盐噪声的程序，输入参数为两个噪声分量的概率值。 此外，实验中以课本图5.7（a）为实验图片，展示了程序添加噪声的处理效果。 技术论述： 高斯噪声： 高斯噪声通常也称为正态噪声，高斯随机变量z的PDF由下式给出： 其中，z表示灰度值，表示z的平均值或期望值，表示z的标准差。标准差的平方，称为z的方差。 使用到的matlab函数：randn(M,N)。randn(M,N)是一个M乘以N大小的随机数矩阵，而且这些随机数服从均值为0，方差为1的正态分布。 使用randn()函数产生均值为mean,方差为variance的高斯噪声的方法：对于原图像A中的任意点(x,y),新图像为B，则B(x,y)=im2double(A)+sqrt(variance)*(randn(x,y))+mean. 椒盐噪声： 椒盐噪声，又称脉冲噪声，它的PDF可由下式给出： 其中与的和不能大于1。如果ba，灰度值b在图像中将显示为一个亮点，相反，a值将显示为一个暗点。若或为零，则脉冲噪声称为单极脉冲。当和近似相等时，椒盐噪声类似于随机分布在图像上的胡椒和盐粉微粒。 实验结果讨论： 图 5-01 是课本图5.7(a)添加黑点概率为0.1、白点概率为0.1的椒盐噪声之后的图像。 图 5-02 是课本图5.7(a)添加均值为0,方差为0.01的高斯噪声后的图像。 图5-03 是课本图5.7(a)添加黑点概率为0.2、白点概率为0.2的椒盐噪声之后的图像。 图 5-02 是课本图5.7(a)添加均值为0.2,方差为0.01的高斯噪声后的图像。 附录： 添加椒盐噪声的程序(addJiaoyanNoise.m): 添加高斯噪声的程序（addGaussNoise.m）： 3 图5-02 添加（0，0.01）的高斯噪声 图5-01 添加pa=pb=0.1的椒盐噪声 function B=addGaussNoise(A,mean,variance) %---------------- %function 添加高斯噪声 % p(z)=exp(index)/sqrt(2*pi)*sigma; % index=-power(z-miu,2)/(2*power(sigma,2)) %input: A is the image to add noise %output: B is the soluted image %---------------- [xs,ys]=size(A); B=im2double(A)+sqrt(variance)*(randn(xs,ys))+mean; function B=addJiaoyanNoise(A,pa,pb) %---------------- %function 添加椒盐噪声 %input: A is the image to add noise %input: probability of black point pa and probability of white point pb %input: pa and pb can be 0.01-0.99,but sum of pa and pb can be larger than 1 %output: B is the soluted image %---------------- proa=uint8(pa*100); prob=uint8(pb*100); [xs,ys]=size(A); R=rand(xs,ys)*100; for i=1:xs for j=1:ys k=uint8(R(i,j)); if k=0 k=proa %set the pixel value 0; A(i,j)=0; elseif kproa k=proa+prob %set the pixel value 255; A(i,j)=255; else end end end B=A; 图 5-4 添加(0.2,0.01)的高斯噪声 图 5-3 添加pa=pb=0.2的椒盐噪声 高斯分布的密度函数曲线