计算机视觉学习（MATLAB）——基于形态学的权重自适应图像去噪

计算机视觉学习小练习2（MATLAB）

理论基础：
1.数字形态学
以图像的形态特征为研究对象，通过设计一套独特的数字图像处理方法和理论来描述图像的基本特征和结构通过引入集合的概念来描述图像中元素与元素、部分与部分的关系运算。因此，数学形态学的运算由基础的集合运算（并、交、补等来）定义，并且所有的图像矩阵能够方便地转换为集合。
2.图像去噪方法
数字图像在获取、传输过程中都可能会受到噪声的污染，常见的噪声主要有高斯噪声和椒盐噪声。其中，高斯噪声主要由摄像机传感器元器件内部产生的，椒盐噪声主要是由图像切割所产生的黑白相间的亮暗点噪声，“椒” 表示和黑色噪声，“盐”表示白色噪声。
数字图像去噪也可以分为空域和频域来完成。空域图像去噪常用的由均值滤波算法和中值滤波算法，主要是针对图像像素领域的运算来达到去噪效果。频域图像去噪首先是对数字图像进行某种变换，将其从空域转换到频域（傅里叶变换、小波变换等），然后对频域中的变换系数进行处理，最后对图像进行反变换，将其从频域转换到空域来达到去噪效果。`
数学形态学原理参考《数字图像处理》。
为了简化算法实现步骤，具体实现过程可以选择将串联处理结果与原始图像进行差异值计算的方式来作为权值向量，在通过对串联结果加权求和的方式来进行计算。对其进行数学形态学滤波器级联滤波去噪的仿真，选区一副人脸图像，加入泊松噪声，通过构建不同的串联滤波器、并联滤波器来进行滤波去噪实验，最后在计算绘制PSNR值曲线（峰值信噪比）来显示去噪效果。主函数代码如下：

clc；clear all; close all
filename