基于matlab图像处理的去噪处理

如何在Matlab中进行图像去噪与复原图像去噪与复原在计算机视觉和图像处理领域有着重要的应用价值。

当图像受到噪声污染或损坏时，我们需要采取适当的方法来还原图像的清晰度和准确性。

在这方面，Matlab作为一种强大的数值计算软件，提供了丰富的图像处理工具和函数，能够帮助我们有效地进行图像去噪和复原。

一、图像去噪方法介绍在进行图像去噪之前，我们需要了解一些常见的图像噪声类型和去噪方法。

常见的图像噪声类型包括高斯噪声、椒盐噪声和泊松噪声等。

对于这些噪声，我们可以采用滤波方法进行去噪处理。

Matlab提供了多种滤波函数，包括均值滤波、中值滤波、高斯滤波等。

这些函数能够基于不同的滤波算法，去除图像中的噪声，提高图像质量。

1.1 均值滤波均值滤波是一种简单的滤波方法，通过计算像素周围邻域的平均灰度值来减小噪声的影响。

在Matlab中，可以使用imfilter函数实现均值滤波。

该函数可以指定滤波器的大小和形状，对图像进行滤波处理。

均值滤波适用于高斯噪声的去除，但对于椒盐噪声等其他类型的噪声效果不佳。

1.2 中值滤波中值滤波是一种非线性滤波方法，通过在像素周围邻域中选择中间灰度值来减小噪声的影响。

在Matlab中，可以使用medfilt2函数实现中值滤波。

该函数可以指定滤波器的大小和形状，对图像进行滤波处理。

中值滤波适用于椒盐噪声的去除，对于高斯噪声等其他类型的噪声有效果不佳。

1.3 高斯滤波高斯滤波是一种线性滤波方法，通过根据像素周围邻域的权重来减小噪声的影响。

在Matlab中，可以使用imgaussfilt函数实现高斯滤波。

该函数可以指定滤波器的大小和标准差，对图像进行滤波处理。

高斯滤波适用于高斯噪声的去除，对于椒盐噪声等其他类型的噪声效果较好。

二、图像复原方法介绍除了去噪，图像复原也是图像处理中常见的任务之一。

图像复原主要是指恢复图像中的缺失或破损的信息，使得图像在视觉上更加清晰和准确。

在Matlab中，可以使用多种方法进行图像复原，包括图像插值、图像修复和图像增强等。

在Matlab中进行噪声抑制和降噪处理的方法引言：噪声是信号处理中的一个常见问题，它可以由多种因素引起，如传感器本身的噪声、电磁干扰等。

噪声的存在会影响到信号的质量和准确性，因此在许多应用中，我们需要进行噪声抑制和降噪处理。

对于Matlab来说，它提供了多种方法和工具来实现这一目标。

本文将介绍在Matlab中进行噪声抑制和降噪处理的方法。

一、频域滤波方法在Matlab中，频域滤波方法是一种常见且有效的噪声抑制和降噪处理方法。

该方法的基本思想是将信号从时域转换到频域，在频域中对信号进行滤波，并将滤波后的信号再转换回时域。

Matlab提供了丰富的频域滤波函数和工具，如fft、ifft、fftshift等。

通过这些函数，我们可以实现低通滤波、高通滤波、带通滤波等各种滤波操作，从而有效抑制和降噪信号。

二、时域滤波方法时域滤波方法是另一种常用的噪声抑制和降噪处理方法。

该方法的基本思想是在时域中对信号进行滤波，直接对信号进行抽样和滤波处理。

与频域滤波不同的是，时域滤波方法更加直观和易于理解。

在Matlab中，我们可以使用filter函数和fir1函数实现时域滤波。

其中，filter函数可以对信号进行FIR滤波，而fir1函数可以设计并生成FIR滤波器。

三、小波变换方法小波变换是一种非常有用的信号处理方法，它可以将信号在时间和频率上进行局部分析。

在噪声抑制和降噪处理中，小波变换可以帮助我们将信号分解成不同的频率成分，并对噪声进行抑制。

在Matlab中，我们可以使用wavelet函数和wdenoise函数来实现小波变换。

通过这些函数，我们可以选择不同的小波基函数，并设置适当的阈值来实现噪声抑制和降噪处理。

四、自适应滤波方法自适应滤波是一种根据信号特性自动调整滤波器参数的滤波方法。

它可以自动识别和适应信号中的噪声，并对其进行抑制和降噪处理。

在Matlab中，自适应滤波可以通过nlms函数和rls函数来实现。

这些函数基于LMS算法和RLS算法，可以快速、准确地对信号进行自适应滤波。

基于MATLAB的图像去噪研究作者：叶雯来源：《计算机时代》2015年第06期摘要：以噪声图像为研究对象，在阐述噪声图像模型及其特性、图像质量的评价的基础上，介绍了图像的四种去噪方法——平均值法、二值形态滤波器法、中值滤波器法和两种小波图像去噪法。

使用MATLAB编程与仿真，分析结果得到，小波图像去噪法是较为理想的处理随机噪声的方法。

关键词：去噪； Matlab；小波；仿真中图分类号：TP391 文献标志码：A 文章编号：1006-8228（2015）06-10-03Abstract： Mainly taking the noise image as the research object， on the basis of elaborating the model and the characteristic of noise image， and the evaluation of image quality， this paper described four denoising image methods-average method， binary morphological filter method，median filter method and two wavelet denoising methods， and MATLAB was used for programming and simulation. The analyzed results found that wavelet image denoising method was an ideal way to deal with random noise.Key words： denoising； Matlab； wavelet； simulation0 引言人类获取外界信息约有80%是来自视觉所接收的图像信息，因此图像信息加工处理技术的广泛研究和应用是必然的趋势。

数字图像去噪典型算法及matlab实现希望得到大家的指点和帮助图像去噪是数字图像处理中的重要环节和步骤。

去噪效果的好坏直接影响到后续的图像处理工作如图像分割、边缘检测等。

图像信号在产生、传输过程中都可能会受到噪声的污染，一般数字图像系统中的常见噪声主要有：高斯噪声（主要由阻性元器件内部产生）、椒盐噪声（主要是图像切割引起的黑图像上的白点噪声或光电转换过程中产生的泊松噪声）等；目前比较经典的图像去噪算法主要有以下三种：均值滤波算法：也称线性滤波，主要思想为邻域平均法，即用几个像素灰度的平均值来代替每个像素的灰度。

有效抑制加性噪声，但容易引起图像模糊，可以对其进行改进，主要避开对景物边缘的平滑处理。

中值滤波：基于排序统计理论的一种能有效抑制噪声的非线性平滑滤波信号处理技术。

中值滤波的特点即是首先确定一个以某个像素为中心点的邻域，一般为方形邻域，也可以为圆形、十字形等等，然后将邻域中各像素的灰度值排序，取其中间值作为中心像素灰度的新值，这里领域被称为窗口，当窗口移动时，利用中值滤波可以对图像进行平滑处理。

其算法简单，时间复杂度低，但其对点、线和尖顶多的图像不宜采用中值滤波。

很容易自适应化。

Wiener维纳滤波：使原始图像和其恢复图像之间的均方误差最小的复原方法，是一种自适应滤波器，根据局部方差来调整滤波器效果。

对于去除高斯噪声效果明显。

实验一：均值滤波对高斯噪声的效果I=imread('C:\Documents and Settings\Administrator\桌面\1.gif');%读取图像J=imnoise(I,'gaussian',0,0.005);%加入均值为0，方差为0.005的高斯噪声subplot(2,3,1);imshow(I);title('原始图像');subplot(2,3,2); imshow(J);title('加入高斯噪声之后的图像');%采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波K1=filter2(fspecial('average',3),J)/255; %模板尺寸为3K2=filter2(fspecial('average',5),J)/255;% 模板尺寸为5K3=filter2(fspecial('average',7),J)/255; %模板尺寸为7K4= filter2(fspecial('average',9),J)/255; %模板尺寸为9subplot(2,3,3);imshow(K1);title('改进后的图像1');subplot(2,3,4); imshow(K2);title('改进后的图像2');title('改进后的图像3');subplot(2,3,6);imshow(K4);title('改进后的图像4');PS：filter2用法fspecial函数用于创建预定义的滤波算子，其语法格式为：h = fspecial(type)h = fspecial(type,parameters)参数type制定算子类型，parameters指定相应的参数，具体格式为：type='average'，为均值滤波，参数为n，代表模版尺寸，用向量表示，默认值为[3,3]。

Matlab中的图像去噪技巧概述近年来，随着数字图像处理的广泛应用，图像去噪成为了一个重要而热门的研究方向。

在实际应用中，由于图像采集设备的品质、传输媒介的干扰以及图像自身的特性等因素，图像中常常存在着各种噪声，这些噪声会对图像的质量和信息提取造成很大影响。

因此，研究和应用图像去噪技巧成为了提高图像质量和信号处理的关键步骤之一。

Matlab作为图像处理领域广泛使用的工具之一，提供了许多强大的图像处理函数和工具箱，很多图像去噪技巧也可以通过Matlab进行实现。

下面将对Matlab中常用的图像去噪技巧进行概述和介绍。

一、空域图像去噪技巧1. 中值滤波中值滤波是一种简单而有效的空域图像去噪技巧，其原理是使用像素周围邻域内的中值来代替当前像素的值。

这种方法适用于去除椒盐噪声和脉冲噪声，对保留图像细节有一定的效果。

2. 均值滤波均值滤波是一种简单的空域图像去噪技巧，其原理是计算像素周围邻域内像素的平均值，然后将当前像素的值替换为该平均值。

这种方法适用于去除高斯噪声和均匀噪声，但对于椒盐噪声和脉冲噪声的效果较差。

3. 高斯滤波高斯滤波是一种基于高斯模板的线性滤波方法，通过对像素周围邻域内的像素值进行加权平均来达到去噪效果。

这种方法适用于去除高斯噪声，并且在保留图像细节方面比均值滤波效果更好。

二、频域图像去噪技巧1. 傅里叶变换去噪傅里叶变换是一种将信号从时域转换到频域的方法，在频域进行去噪操作后再进行逆傅里叶变换可得到去噪后的图像。

这种方法适用于去除频率特性明显的噪声。

2. 小波变换去噪小波变换是一种多尺度的信号分析方法，能够将信号分解为不同的频带，并对每个频带进行去噪处理。

这种方法适用于去除不同尺度的噪声，并且在保留图像细节方面有一定的优势。

三、专用图像去噪技巧1. 自适应中值滤波自适应中值滤波是一种根据像素邻域内像素的灰度变化情况来动态选择滤波器尺寸的方法，能够在一定程度上保留图像细节，并有效去除椒盐噪声和脉冲噪声。

完整版)小波变换图像去噪MATLAB实现本论文旨在研究数字图像的滤波去噪问题，以提高图像质量。

数字图像处理(Digital Image Processing。

DIP)是指用计算机辅助技术对图像信号进行处理的过程。

DIP技术在医疗、艺术、军事、航天等图像处理领域都有着十分广泛的应用。

然而，图像的采集、获取、编码和传输的过程中，都存在不同程度被各种噪声所“污染”的现象。

如果图像被污染得比较严重，噪声会变成可见的颗粒形状，导致图像质量的严重下降。

因此，通过一些卓有成效的噪声处理技术后，尽可能地去除图像噪声，有利于进一步的对图像进行如特征提取、信号检测和图像压缩等处理。

小波变换处理应用于图像去噪外，在其他图像处理领域都有着十分广泛的应用。

小波定义为对给定函数局部化的新领域，小波可由一个定义在有限区域的函数Ψ(x)来构造，Ψ(x)称为母小波，或者叫做基本小波。

一组小波基函数，{Ψa,b(x)}，可以通过缩放和平移基本小波来生成。

当a=2j和b=ia的情况下，一维小波基函数序列定义为Ψi,j(x)=2-j2Ψ2-jx-1.函数f(x)以小波Ψ(x)为基的连续小波变换定义为函数f(x)和Ψa,b(x)的内积。

在频域上有Ψa,b(x)=ae-jωΨ(aω)。

因此，本论文以小波变换作为分析工具处理图像噪声，研究数字图像的滤波去噪问题，以提高图像质量。

当绝对值|a|减小时，小波函数在时域的宽度会减小，但在频域的宽度会增大，同时窗口中心会向|ω|增大的方向移动。

这说明连续小波的局部变化是不同的，高频时分辨率高，低频时分辨率低，这是小波变换相对于___变换的优势之一。

总的来说，小波变换具有更好的时频窗口特性。

噪声是指妨碍人或相关传感器理解或分析图像信息的各种因素。

噪声通常是不可预测的随机信号。

由于噪声在图像输入、采集、处理和输出的各个环节中都会影响，特别是在输入和采集中，噪声会影响整个图像处理过程，因此抑制噪声已成为图像处理中非常重要的一步。

Matlab中的图像降噪算法与技术摘要随着数字图像处理的快速发展，图像降噪成为实际应用中一个重要的问题。

在本文中，我们将探讨Matlab中的图像降噪算法与技术。

首先，我们将介绍图像降噪的基本原理和方法。

然后，我们将深入研究Matlab中常用的图像降噪算法，包括均值滤波、中值滤波、高斯滤波等。

最后，我们将讨论图像降噪的一些进一步扩展和应用。

一、图像降噪的基本原理和方法图像降噪是指通过一系列算法和技术，减少或去除数字图像中的噪声信号，以使图像更清晰、更易于识别和分析。

图像噪声主要来自于图片采集过程中的环境噪声、传感器噪声以及信号传输中的干扰等。

图像降噪的基本原理是通过对图像进行滤波处理，使噪声信号受到抑制，同时尽量保留图像的有用信息。

常用的图像降噪方法包括空域滤波和频域滤波。

空域滤波是指对图像的像素直接进行操作的滤波方法，例如均值滤波、中值滤波等。

频域滤波是指将图像转换到频域进行处理的滤波方法，例如傅里叶变换和小波变换。

二、Matlab中常用的图像降噪算法1. 均值滤波均值滤波是一种最简单、最常用的图像降噪方法。

它通过计算像素周围邻域内像素的平均值，将当前像素的值替换为该平均值。

在Matlab中，我们可以使用imfilter函数来实现均值滤波。

具体步骤如下：（1）读取图像，并将其转换为灰度图像。

（2）选择适当的滤波器大小和模板类型。

（3）使用imfilter函数进行滤波处理。

（4）显示并保存结果图像。

2. 中值滤波中值滤波是一种非线性图像滤波方法，它通过将像素周围邻域内像素的灰度值进行排序，然后选择中间值作为当前像素的灰度值。

这种方法对于椒盐噪声等脉冲性噪声有很好的抑制效果。

在Matlab中，我们可以使用medfilt2函数来实现中值滤波。

3. 高斯滤波高斯滤波是一种线性平滑滤波方法，它通过将像素周围邻域内的像素值与高斯函数进行加权平均来实现图像降噪。

在Matlab中，我们可以使用fspecial和imfilter函数来实现高斯滤波。

《现代信号处理》大作业基于Matlab的小波分解、去噪与重构目录一作业内容及要求 (3)1.1 作业内容 (3)1.2 作业要求 (3)二系统原理 (3)2.1 小波变换原理 (3)2.2 阈值去噪原理 (3)三系统分析及设计 (5)3.1 图像分解 (5)3.2 高频去噪 (5)3.3 图像重构 (6)四程序编写 (7)4.1 main函数 (7)4.2 分解函数 (9)4.2.1 二维分解函数 (9)4.2.2 一维分解函数 (10)4.3 卷积函数 (10)4.4 采样函数 (11)4.4.1 下采样函数 (11)4.4.2 上采样函数 (11)4.5 重构函数 (12)4.5.1 二维重构函数 (12)4.5.2 一维重构函数 (13)五结果分析及检验 (14)5.1 结果分析 (14)5.2 结果检验 (16)六心得体会 (18)参考文献 (19)一作业内容及要求1.1 作业内容用小波对图像进行滤波分解、去噪，然后重构。

1.2 作业要求用小波对图像进行滤波分解、去噪，然后重构。

具体要求：(1) 被处理图像可选择：woman, wbarb, wgatlin, detfingr, tire.；(2) 可以选择db等正交小波、或双正交小波（或用几种小波）；(3) 用选用小波的分解滤波器通过定义的卷积函数conv_my( )对图像二维数组进行小波分解，并进行下采样，获取CA、CV、CD、CH等分解子图；(4) 对高频信号子图进行去噪处理，可以采用软阈值、硬阈值等方法；(5) 用选用小波的综合滤波器对去噪的子图进行图像重构。

二系统原理2.1 小波变换原理小波变换的一级分解过程是，先将信号与低通滤波器卷积再下采样可以得到低频部分的小波分解系数再将信号与高通滤波器卷积后下采样得到高频部分的小波分解系数；而多级分解则是对上一级分解得到的低频系数再进行小波分解，是一个递归过程。

二维小波分解重构可以用一系列的一维小波分解重构来实现。

基于matlab的图像处理基于matlab图像处理的去噪处理——解图像的运动模糊一( 问题提出:影响图像质量的因素有很多，如亮度，对比度，和噪声等。

而其中的噪声又有椒盐噪声，高斯噪声等几种。

人们在摄影照相过程中，如果相机与被照对象之间有相对运动发生，则所得图片会产生运动模糊，直观上看就是图像不清晰，有拖影，这也是图像噪声的一种。

为提高图像质量解决这样的模糊问题需对图像进行相关的去早处理。

本文选择的是一张汽车车轮的图片如图1所示，很明显图像产生运动模糊，因而要进行去噪处理，要求能较为清晰观察到车轮的形态和螺丝的个数。

图1 汽车车轮二( 噪声分析:图1所示为明显的图像退化，而这种退化的典型的表现为模糊，失真和有噪声，造成过这种退化的原因有很多，具体分析有如下几点:1. 成像系统的像差，畸变和有限带宽造成图像退化;2. 拍摄时，相机与景物之间的相对运动产生的运动模糊;3. 镜头聚焦不准产生的散焦模糊;4. 成像系统中存在的噪声干扰。

可以看出，造成图1图像退化的主要原因是第二点——运动模糊。

三( 选用算法:对运动模糊的噪声处理算法有很多，本文选择维纳滤波法进行去噪。

在使用维纳滤波前首先介绍一个重要概念即PSF，PSF也称为点扩展函数。

在空间领域，PSF 描述了光学系统使一个点光源扩散的程度;PSF使光学转换函数OTF的傅里叶逆变换。

在频域里，OTF描述了一个线性，位置不变的系统对脉冲的相应。

对产生运动模糊图像的处理的实质是用可以描述失真的PSF对模糊图像进行去卷积运算，即卷积的逆运算。

Matlab中通常使用fspecial()函数来创建一个确定类型的PSF即PSF=fspecial('motion',LEN,THETA)其中motion是表示摄像头近似线性移动即选用的滤波器或算子;LEN是移动像素的个数，THETA是移动的角度。

然后用这个PSF对模糊图像进行维纳滤波的处理。

维纳滤波，在matlab中可以调用deconvwnr()函数来实现，是对解运动模糊效果较好的一种去噪方法。

摘要在信息化的社会里，图像在信息传播中所起的作用越来越大。

所以，消除在图像采集和传输过程中而产生的噪声,保证图像受污染度最小,成了数字图像处理领域里的重要部分。

本文主要研究分析邻域平均法、中值滤波法、维纳滤波法及模糊小波变换法的图像去噪算法。

首先介绍图像处理应用时的常用函数及其用法；其次详细阐述了四种去噪算法原理及特点；最后运用Matlab软件对一张含噪图片（含高斯噪声或椒盐噪声)进行仿真去噪，通过分析仿真结果得出：均值滤波是典型的线性滤波，对高斯噪声抑制是比较好的；中值滤波是常用的非线性滤波方法，对椒盐噪声特别有效；维纳滤波对高斯噪声有明显的抑制作用；对小波系数进行阈值处理可以在小波变换域中去除低幅值的噪声和不期望的信号.关键词：邻域平均法；中值滤波；维纳滤波；小波变换AbstractIn the information society， the image in the information transmission is used more and more widely. Therefore， ensuring the minimum of the noise and pollution in the process of image collection and transmission became an important part of the field。

This paper mainly analysis and discuss the neighborhood average method, median filtering method， wiener filtering method and the fuzzy wavelet transform method of image denoising algorithm. Firstly introduce the common image processing functions and its applications。

Matlab中的图像去噪算法研究引言图像处理是计算机科学和工程领域中的重要应用领域之一。

随着数字图像的广泛应用，对图像质量的要求也在不断提高。

图像去噪是图像处理领域中的一项关键任务，其目的是消除图像中的噪声，以提高图像的质量和清晰度。

Matlab作为一种功能强大的科学计算软件，提供了多种图像去噪算法的实现。

本文将探讨Matlab中的图像去噪算法，并比较它们在不同噪声情况下的性能。

噪声与图像去噪在开始讨论具体的去噪算法之前，我们先来了解一下什么是图像噪声以及图像去噪的原理。

图像噪声是指在图像获取、传输和处理过程中引入的不希望的干扰信号。

常见的图像噪声包括高斯噪声、椒盐噪声和泊松噪声等。

这些噪声会使图像失真、失真和降低可视质量。

图像去噪是指对受到噪声污染的图像进行处理，恢复图像的真实内容。

去噪算法的基本原理是通过分析图像的空间域或频域特征，估计和消除噪声对图像的影响。

目前，常见的图像去噪算法包括均值滤波、中值滤波、小波变换和非局部均值滤波等。

均值滤波均值滤波是一种简单常用的线性滤波算法。

它基于一个窗口，将窗口内像素的灰度值进行求平均，然后将求得的均值作为中心像素的新灰度值。

均值滤波的优点是简单快速，对保留图像细节有一定的效果。

但是，在处理包含较强噪声的图像时，均值滤波的效果并不理想。

中值滤波中值滤波是一种非线性滤波算法。

它基于一个窗口，将窗口内所有像素的灰度值进行排序，然后将排序后的中间值作为中心像素的新灰度值。

中值滤波的优点是能够有效抑制椒盐噪声，保持图像边缘和细节。

然而，对于含有高斯噪声的图像，中值滤波的效果并不好。

小波变换小波变换是一种多尺度分析工具，也是图像处理中常用的去噪方法。

通过将图像分解为不同尺度的低频子带和高频子带，可以对不同频率的噪声进行分析和处理。

小波变换的优点是既能够保留图像的细节又能够去除噪声。

但是，小波变换的计算复杂度较高，对于大尺寸的图像而言，处理时间较长。

非局部均值滤波非局部均值滤波是一种经典的图像去噪算法。

课程设计任务书学生姓名：专业班级：指导教师：刘新华工作单位：信息工程学院题目:利用MATLAB仿真软件实现图像的去噪处理要求完成的主要任务:1. 读取图像并分别加入高斯噪声、椒盐噪声、乘性噪声。

2. 采取合适的滤波器进行去噪处理，能显示原始图像、加噪后图像和去噪后图像。

课程设计的目的：1．理论目的课程设计的目的之一是为了提高自学能力，并能用所学理论知识正确分析图像噪声。

2．实践目的课程设计的目的之二是通过编写图像加噪去噪程序掌握图像噪声处理的方法和步骤。

时间安排：指导教师签名：年月日系主任（或责任教师）签字：年月日目录摘要 (I)Abstract (II)1 引言 (1)1.1MATLAB介绍 (1)1. 2MATLAB图像处理工具箱函数介绍 (2)2 图像的采集 (3)3 图像的加噪 (4)3.1加入乘性噪声 (4)3.1.1噪声分析与函数使用 (4)3.1.2代码及其注释 (4)3.1.3图像仿真 (5)3.2加入椒盐噪声 (5)3.2.1噪声分析与函数使用 (5)3.2.2代码及其注释 (5)3.2.3图像仿真 (6)3.3加入高斯噪声 (6)3.3.1噪声分析与函数使用 (6)3.3.2代码及其注释 (7)3.3.3图像仿真 (7)4 图像的去噪 (7)4.1滤波器的介绍 (7)4.1.1均值滤波 (8)4.1.2中值滤波 (8)4.1.3维纳滤波 (9)4.2去除乘性噪声 (9)4.2.1代码及其注释 (9)4.2.2图像仿真 (10)4.2.3效果分析 (11)4.3去除椒盐噪声 (11)4.3.1代码及其注释 (11)4.3.2图像仿真 (12)4.3.3效果分析 (12)4.4去除高斯噪声 (12)4.4.1代码及其注释 (12)4.4.2图像仿真 (13)4.4.3效果分析 (13)5 心得体会 (14)参考文献 (15)附件：MATLAB程序 (16)摘要本次课程设计报告在简要介绍MATLAB 软件的基础上, 结合其图象处理工具, 重点分析了MATLAB 在图象处理中的应用。

课程设计任务书学生姓名：专业班级：指导教师：工作单位：信息工程学院题目:利用MATLAB仿真软件实现图像的去噪处置初始条件:①MATLAB软件②数字信号处置与图像处置基础知识要求完成的主要任务:①较全面了解常常利用的数据分析与处置原理及方式；②能够运用相关软件进行模拟分析；③掌握大体的文献检索和文献阅读的方式；④提高正确地撰写论文的大体能力。

参考书目:刘大杰陶本藻主编《实用测量数据处置方式》北京测绘出版社2000王全录《matlab实用图像处置》科学出版社2006-5-1贾兴泉《matlab数据处置与分析》国防工业出版社2005-08-01闫建华《高效matlab数据处置大全》人民邮电出版社2006-7-1牟永光《图像数据处置方式》石油工业出版社2007-8-1潘丽军陈锦权主编《实验设计与数据处置》2008-2-1时刻安排第1周，安排任务（鉴主15楼实验室）第1-17周，仿真设计（鉴主13楼运算机实验室）第18周，完成（答辩，提交报告，演示）指导教师签名：__________________2011年月日系主任（或责任教师）签名：____________2011年月日目录Abstract ........................................................................................................................... I I摘要MATLAB是现今国际上公认的在科技领域方面最为优秀的应用软件和开发环境。

在欧美各高等院校，MATLAB已经成为应用线性代数、自动控制理论、数据统计、数字信号处置、时刻序列分析、动态系统仿真、图形处置等高级课程的大体数学工具，是攻读学士的大学生、硕士生、博士生必需掌握的大体技术。

在设计研究单位和工业部门，MATLAB已经超出实验室，并普遍用于研究和解决具体的工程问题。