基于Matlab的圖像直方圖選擇去噪方法

許晨晨 戴舒 張?？?余江華

人類(lèi)獲取的70 %以上信息是通過(guò)視覺(jué)，而視覺(jué)獲取的信息主要是以圖像作為載體。圖像處理在無(wú)人駕駛、航空事業(yè)、食品安全檢測(cè)和日常生活中都有重要應(yīng)用。但在實(shí)際圖像處理應(yīng)用過(guò)程中，原始圖像獲取過(guò)程會(huì)遇到大雪、雨霧和沙塵暴等各種因素，對(duì)原始圖像添加了一些噪聲，不能直接獲得清晰圖像，因此圖像去噪在圖像預(yù)處理領(lǐng)域一直是一個(gè)基礎(chǔ)且不可缺少的研究課題，具有非常重要的實(shí)際意義。

1引言

直方圖分布可以反映出圖像的噪聲類(lèi)型，而根據(jù)噪聲類(lèi)型可以針對(duì)性地進(jìn)行去噪處理。本文主要闡述一張圖片加入椒鹽噪聲或者高斯噪聲，讀出原始圖像與加入噪聲以后圖像的直方圖，根據(jù)直方圖選擇中值濾波或者自適應(yīng)維納濾波處理，得到清晰的圖像。

2圖像處理流程

首先給系統(tǒng)輸入一張圖像，對(duì)圖像添加椒鹽噪聲和高斯噪聲，分別模擬為沙塵暴和雨霧天氣對(duì)圖像的影響，作為接下來(lái)需要進(jìn)行去噪的對(duì)象。噪聲加入以后，讀取含有噪聲直方圖，根據(jù)直方圖分布情況，判斷其含有噪聲類(lèi)型，并相應(yīng)采取均值濾波或中值濾波。

2.1直方圖研究

圖像的灰度直方圖是用來(lái)描述圖像像素分布情況，表示一張灰度圖像所具有每種灰度像素的個(gè)數(shù)，通過(guò)統(tǒng)計(jì)運(yùn)算得到圖像中每種灰度級(jí)出現(xiàn)的頻率，這也是一種基本圖像統(tǒng)計(jì)特征。本文基于Matlab軟件，通過(guò)對(duì)原始圖像加入不同噪聲，然后讀出其原始圖像直方圖與加入噪聲后直方圖，該直方圖定義為：

式中，（）為灰度級(jí)出現(xiàn)的相對(duì)頻數(shù)（歸一化），為第個(gè)灰度級(jí)，為第級(jí)灰度的像素?cái)?shù)，為該圖像的總像素?cái)?shù)，為灰度級(jí)數(shù)。

2.2圖像噪聲研究

圖像中的噪聲，常常會(huì)使原本有規(guī)律的原圖像的灰度值發(fā)生改變，形成一些錯(cuò)誤的邊緣或輪廓，從而誤導(dǎo)人們對(duì)圖像的應(yīng)用。而想要去減弱、抑制或消除這類(lèi)噪聲，從而復(fù)原圖像質(zhì)量方法稱(chēng)為圖像去噪，即去除圖像中噪聲。本文以我們常見(jiàn)的椒鹽噪聲和高斯噪聲為重點(diǎn)研究分析對(duì)象，其中椒鹽噪聲是一種在圖像中產(chǎn)生非均勻分布的黑色、白色點(diǎn)的脈沖噪聲，該噪聲在圖像中顯現(xiàn)較為明顯，對(duì)目標(biāo)分割、目標(biāo)檢測(cè)和目標(biāo)特征提取等后續(xù)處理具有很?chē)?yán)重的破壞作用，因此對(duì)圖像進(jìn)行去噪具有重要意義。

高斯噪聲是一種隨機(jī)噪聲，它的概率密度函數(shù)服從高斯分布（正態(tài)分布）。高斯噪聲也包括熱噪聲、散彈噪聲及量子噪聲等很多種噪聲，例如：高斯白噪聲是一個(gè)服從正態(tài)分布，功率密度均勻，二階矩不相關(guān)，一階矩為常數(shù)。高斯白噪聲中還有包括很多種類(lèi)噪聲，如上述的熱噪聲和散粒噪聲也都屬于高斯白噪聲范疇。

2.3去噪方法研究

本文主要針對(duì)椒鹽噪聲與高斯噪聲介紹中值濾波與均值濾波2種濾波復(fù)原方法。中值濾波原理：它是采用了一個(gè)奇數(shù)點(diǎn)移動(dòng)窗口，通過(guò)這個(gè)窗口移動(dòng)將圖像每個(gè)灰度值進(jìn)行排序，通過(guò)計(jì)算可以得到每次移動(dòng)窗口各點(diǎn)的中間值，最后用中間值來(lái)代替窗口中心點(diǎn)灰度值。中值濾波可以較好地保留圖像邊緣，這樣在去噪實(shí)驗(yàn)過(guò)程中，圖像能夠很好的保持原本圖像性質(zhì)存在，不易失真。中值濾波公式如下：

3實(shí)驗(yàn)

圖1為圖像加入椒鹽噪聲，類(lèi)似于大雪或沙塵暴捕捉的圖像，輸出直方圖；圖2為加入高斯噪聲，類(lèi)似于大雨或大霧捕捉的圖像，輸出直方圖；圖3為加入椒鹽噪聲，分別用均值濾波與中值濾波處理；圖4為加入高斯噪聲，分別用均值濾波與中值濾波處理。