摘 要

图像增强的目的：何为图像增强？图像增强就是强化所需要的图像信息，尽量减弱或消除不必要的信息残余，使得人们所需要的信息更集中，更丰富。图像的增强不单单是我们日常生活的美感需求，在各专业领域都是一个十分热门的话题，它反映着这个领域的发展水准，小到手机，摄像机的拍照像素（所得像素越高，说明该生产研发机构的关于摄像领域的软硬件实力越高），大到医学显微镜，以及天文望远镜的电子图，如果电子图的质量越好，所触及的微观等级越高，那么更能观察到深层次的世界，得出更新的理论和研究成果。

研究传统图像去噪算法:主要是均值滤波和维纳滤波，首先是了解它们的工作原理和算法实现；然后研究小波滤波，针对离散小波变换设计滤波算法。最后是进行这3种滤波算法的仿真实现，比较它们之间的差异，得出一些有意义的结论。

关键词：图像增强；去噪算法；小波变换

Abstract

Image enhancement purposes: What is image enhancement? Image enhancement is needed to strengthen the image information, try to reduce or eliminate residual unnecessary information, so that the information that people need more focused, more abundant. Image enhancement is not just aesthetic demands of our daily lives, in various professional fields is a very popular topic, which reflects the level of development in this area, a small mobile phone, camera pixel camera (income more pixels, indicating that production hardware and software R amp; D institutions in the field of higher strength on camera), large medical microscope, telescope and electronic drawing, if the quality of the electronic chart, the better, the higher the touched microscopic level, the better to observe deep-seated the world come to update the theoretical and research.

Traditional image denoising algorithm: mainly mean filter and Wiener filter, first of all it is to understand how they work and algorithm; and Wavelet filtering, wavelet transform filtering algorithm for discrete design. Finally, the simulation to achieve these three filtering algorithm, compare the differences between them, draw some meaningful conclusions.

Key words:Image Enhancement;Denoising Algorithm;Wavelet transform

目录

第一章 绪论 1

1.1论文研究的背景和意义 1

1.2 国内外研究现状 1

1.3本论文的内容和结构安排 2

第二章 数字图像去噪方法的理论综述 3

2.1 均值滤波去噪方法介绍 3

2.1.1均值滤波去噪工作原理 3

2.1.2算法实现及性能预测 4

2.2 维纳滤波去噪方法介绍 5

2.2.1维纳滤波去噪工作原理 5

2.2.2 算法实现及性能预测 6

2.3 小波滤波去噪方法介绍 7

2.3.1 小波变换工作原理 7

2.3.2 离散小波变换 8

2.33 小波分析图像消噪 9

2.34 算法实现及性能预测 12

2.4 本章小结 13

第三章 数字图像去噪的仿真实现 14

3.1 基于均值滤波的仿真及结果分析 15

3.1.1 仿真实现 15

3.1.2 结果分析 19

3.2 基于维纳滤波的仿真及结果分析 20

3.2.1仿真实现 21

3.2.2 结果分析 23

3.3 基于小波滤波的仿真及结果分析 23

3.3.1 仿真实现 24

3.3.2 结果分析 26

3.4本章小结 27

第四章 总结和展望 28

参考文献 30

致 谢 32

第一章 绪论

1.1论文研究的背景和意义

图像增强的目的：何为图像增强？图像增强就是强化所需要的图像信息，尽量减弱或消除不必要的信息残余，使得人们所需要的信息更集中，更丰富^[1]。图像的增强不单单是我们日常生活的美感需求，在各专业领域都是一个十分热门的话题，它反映着这个领域的发展水准，小到手机，摄像机的拍照像素（所得像素越高，说明该生产研发机构的关于摄像领域的软硬件实力越高），大到医学显微镜，以及天文望远镜的电子图，如果电子图的质量越好，所触及的微观等级越高，那么更能观察到深层次的世界，得出更新的理论和研究成果^[2]。那么怎么进行图像的增强呢，那么我们必须了解一下消噪技术了。

消噪技术的发展就是为了进行图像增强，减少图像中的噪声，使噪声影响降到最低，还原本真图像。那么为了更好的研究消噪技术，我们有必要了解一下消噪的对象——噪声^[3]。噪声的种类繁多，我们这次论文主要针对的是其中有规律的3种噪声：高斯噪声，椒盐噪声和均匀噪声，其中高斯噪声的噪声是遵循正态分布，而椒盐噪声是呈双边极性脉冲，最后均匀噪声就是随机分布，最为常见。消噪技术的发展十分重要，特别是现代这个充满数字，追求效率和精准度的时代，更是体现了一个国家在数字图像领域成就的高低^[4]。

1.2 国内外研究现状

既然消噪技术至关重要，那么消噪在国内外的发展是怎么样的呢？其实从20世纪70年代开始人们就开始研究怎样消除噪声了，并陆陆续续地提出一些消噪法，但大体上分为两类空间域上的滤波以及频域上的滤波^[5]。传统的滤波方法只要是针对空间域进行滤波，也就是说传统的滤波方法是直接在图像的灰度值上进行算术处理，比如最简单的中值滤波就是通过取自身范围内的一个区域各值的中间值，以此来消除零散的噪声，是自身灰度值更接近真实值，打到滤波的效果；还有线性滤波均值滤波，它的工作原理和中值滤波类似，只不过是将中间值改为空间模板的算数平均值，当然人们在均值滤波的基础上做出了不少改进，如几何均值滤波，以及算数均值滤波和可调节参数的谐波均值滤波，并推算出针对于椒盐噪声的逆谐波滤波，针对椒盐噪声中的“胡椒”类和“盐粒”类选择不同的Q值进行去噪^[6]。接着人们针对噪声本身设计算法，当知道噪声的模糊函数，可以用维纳滤波算法进行去噪，这样得到的还原图像比较好^[7]。它的本质是一种估计算法。

现代的滤波主要是针对频域来进行，其中具有代表性的是小波变换滤波^[8]。它将图像研究从时域转换成频域，完美的将信号的频域和时域的可分离性展现出来(这是传统的傅里叶性质算法所不具备的），利用其尺度特性对提出的小波系数进行处理，并能保证其不会失真^[9]。针对小波去噪中高频系数的阈值化处理，衍生出多种算法，自适应小波去噪，软和硬阈值化小波去噪，以及局部阈值化去噪^[10]。根据小波种类的不同，还催生了小波包去噪，树形小波去噪等等去噪算法的实现。