科技信息 博士・专家论坛
基于小波昀图像去噪技术
莱芜职业技术学院计算机系 孙秀燕
［摘要］本文介绍了小波分析去噪的基本原理，研究了基于小波变换的图像去噪方法；考虑到小波相关去噪方法的优缺点，给出了
基于尺度乘积与阈值相结合的去噪方法，并进行了试验验证。结果表明，与常用的图像去噪方法相比，基于尺度乘积与阈值相结合
的去噪方法可以很好地保留图像的细节信息，性能优于其他方法。最后，基于对小波去噪问题的理解，提出了对小波去噪方法的一些
展望。
［关键词］ＪＪ、波分析 去噪方法 图像 小波变换
数字图像在产生和传输过程中会受到各种噪声的干扰和影响，诸
如传感器振荡、电子器件干扰、高磁场干扰等原因的影响，导致转换后
得到的数字图像质量下降，这对后续图像的处理（如分割、压缩和图像
理解等）将产生不利的影响。为了减轻噪声对图像的干扰，避免误判和
漏判，去除或减轻噪声是必要的工作。
近年来，随着小波分析理论的应用日益成熟，由于其具有良好的时
频局部化特性，能够灵活地对信号局部奇异特征进行提取，因而在图像
去噪、分割和压缩等方面得到了广泛的应用。利用小波对含噪信号进行
处理，可有效地达到滤除噪声的目的。目前，基于小波理论的图像去噪
技术已成为去噪技术中的一个重要分支和研究方向，并引起人们的广
泛关注。
一、图像去噪的传统算法
由于噪声种类较多（如加噪声、乘性噪声、量化噪声等），因此，传统
去噪算法采用平滑的方法进行去噪，平滑既可以在空间域（时间域）也可
在频域进行。传统去噪算法是在空间域实现的，其算法可分为线性方法
与非线性方法两大类。线性方法提出较早，具有较完备的理论基础，均
值滤波是其典型代表（均值滤波适合于噪声为零均值的高斯噪声）。非线
性的滤波算法的代表是中值滤波，由于该方法在保护图像细节的同时
能有效地滤除冲激噪声，因此在图像去噪领域得到了较为广泛的应用。
常见的去除噪声的方法有邻域平均法，滤波器法等。
第四章 图像增强
1. 简述直方图均衡化处理的原理和目的。拍摄一幅较暗的图像，用直方图均衡化方法处理，分析结果。
原理：直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。也就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。把给定图像的直方图分布改变成“均匀”分布直方图分布
目的：直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。它通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过直方图均衡化，亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。
Matlab程序如下：
clc;
RGB=imread('wxf.jpg'); %输入彩色图像，得到三维数组
R=RGB(:,:,1); %分别取三维数组的一维，得到红绿蓝三个分量
G=RGB(:,:,2); %为R G B。
B=RGB(:,:,3);
figure(1)
imshow(RGB); %绘制各分量的图像及其直方图
title('原始真彩色图像');
figure(2)
subplot(3,2,1),imshow(R);
title('真彩色图像的红色分量');
subplot(3,2,2), imhist(R);
title('真彩色图像的红色分量直方图');
subplot(3,2,3),imshow(G);
title('真彩色图像的绿色分量');
subplot(3,2,4), imhist(G);
title(' 的绿色分量直方图');
subplot(3,2,5),imshow(B);
title('真彩色图像的蓝色分量');
subplot(3,2,6), imhist(B);
【复习要点比较杂，比较乱，总结得比较宽泛，需要各人筛选记忆复习】
1.什么是模拟图像与数字图像，二者有什么区别？
模拟图像:空间坐标和明暗程度连续变化的、计算机无法直接处理的图像，属于可见图像。三维空间连续，时间上连续，波谱上连续，可见物理图像。图像上信息是连续变化的模拟量。
数字图像:用计算机存储和处理的图像，是一种空间坐标和灰度均不连续，以离散数学原理表达的图像，在计算机内部，数字图像表现为二维矩阵属于不可见图像。
区别：模拟图像连续可见，不便于用计算机处理,也不便于图像的储存、传输；数字图像不连续不可见。
2.数字图像处理包括哪几个层次？各层次之间有何区别和联系？
数字图像处理层次：①狭义的图像处理；②图像识别与分析；③图像理解。
区别：狭义的图像处理:主要在图像像素级上进行的，是低级处理，处理的数据量非常大，输入输出均为图像，是图像—图像的过程，如图像缩放、图像平滑、对比度增强；图像识别与分析: 通过分割和特征提取把原来以像素描述的图像转变成比较简洁的非图形式的描述，是中级处理，输入图像，输出提取的特征，是图像—数值或符号的过程，如区域分割、边界检测；图像理解: 根据较抽象的描述进行解析、判断、决策，其处理过程和方法与人类的思维推理有许多类似之处，是高级处理，输入为图像，输出为规则，是图像—描述及解释的过程，如无人驾驶，自动机器人、模式识别。
联系：随着抽象程度的提高，数据量是逐渐减少的。具体说来，原始图像数据经过一系列的处理过程，逐步转化为更有组织和用途的信息。在这个过程中，语义不断引入，操作对象也逐步发生变化。另外，高层操作对低层操作有指导作用，能提高低层操作的效能，完成复杂的任务。 3.数字图像处理系统由哪些模块组成？各模块起何作用？
模块组成：数字图像处理系统由图像输入,图像存储,图像输出,图像通信,图像处理和分析5个模块组成。
各模块作用:
图像输入模块：图像输入也称图像采集或图像数字化,它是利用图像采集设备(如数码照相机,数码摄像机等)来获取数字图像,或通过数字化设备(如图像扫描仪)将要处理的连续图像转换成适于计算机处理的数字图像。
基于Canny算子改进的图像边缘检测算法研究
郭忠峰;唐晓晓;任仲伟;刘娅菲;匙皓
【摘 要】针对Canny算法的图像边缘检测技术,提出用中值滤波和均值滤波合成的混合滤波器代替传统高斯滤波器,加强了对复杂噪声的平滑降噪;在边缘连接细化中,采用基于Ostu提出的最大类间方差法的自适应阈值选择法,提高了效率和适应性.并进行MATLAB仿真,结果表明提出的改进算法明显提高了图像边缘检测的精度.
【期刊名称】《机械研究与应用》
【年(卷),期】2017(030)002
【总页数】3页(P123-125)
【关键词】Canny算法;中值滤波;均值滤波;图像边缘检测;边缘连接
【作 者】郭忠峰;唐晓晓;任仲伟;刘娅菲;匙皓
【作者单位】沈阳工业大学 机械工程学院,辽宁 沈阳 110870;沈阳工业大学 机械工程学院,辽宁 沈阳 110870;沈阳工业大学 机械工程学院,辽宁 沈阳 110870;贵州红林机械有限公司,贵州 贵阳 550009;沈阳工业大学 机械工程学院,辽宁 沈阳
110870
【正文语种】中 文
【中图分类】TP391
图像在生成和传输过程中常受到各方面因素的影响而产生噪声。图像中可能存在的噪声中脉冲噪声和高斯噪声是比较常见的噪声干扰。Canny算法用到的高斯滤波器对高斯噪声有过滤平滑效果,但过滤比较单一。而均值滤波器对高斯噪声的过滤效果更佳,中值滤波器对脉冲噪声降噪处理效果更佳[1]。笔者提出一种采用均值滤波和中值滤波的合成滤波的改进Canny算法。传统的Canny算法中对双阈值的选择是人为选定,局限于单个图像,缺乏普遍性。为提高效率和准确度,采用基于由Ostu提出的最大类间方差法的双阈值的自动选择法,实现对图像的边缘检测和连接。
Canny算子优于其他算法如Sobel、Roberts、Prewitt等算子,在信噪比、定位精度和单边响应等方面满足最优准则[2]。为使图像边缘处理检测达到更高精度,需要对图像处理过程进行改进优化。传统Canny算法是先采用高斯滤波函数对图像进行滤波平滑处理,得出去噪后灰度图像的梯度幅值和方向,再进行非极大抑制,最后采用高低阈值进行边缘提取和连接[3]。对Canny算法处理图像边缘过程进行改善以达到要求的定位精度和检测标准。对图像边缘提取的过程,主要包括图像预处理图像(平滑降噪)、边缘提取和边缘的连接[4]。如图1所示。
