【Matlab】降噪_中值滤波

1.基本思想

中值滤波是一种非线性滤波方法，它的基本思想是用像素点邻域灰度值的中值来代替该像素点的灰度值，从而达到去除噪声的效果。中值滤波主要用于处理椒盐噪声和脉冲噪声，常用于图像和信号处理领域。
中值滤波的步骤如下：

1. 定义一个窗口大小，通常是3x3或5x5等。
2. 将窗口从左到右、从上到下依次移动，在每个窗口内找到灰度值的中值，用中值来代替当前像素的灰度值。
3. 重复以上步骤，直到整幅图像中的所有像素都被处理过。

由于中值滤波只考虑邻域像素的灰度值，不受离群值影响，因此它能够有效地去除椒盐噪声和脉冲噪声，但同时也会导致图像细节的损失。因此，在实际应用中，需要根据具体情况来选择合适的滤波方法和参数。

2.数据集介绍

2.1 数据集介绍

用 Matlab 生成包含正弦信号和高斯白噪声的含噪采集数据，并将其保存到 Excel 文件 “noise.xlsx” 中的示例代码。具体实现过程如下：

1. 设置采集时长 duration，采样率 sample_rate，生成信号的频率 freq，并生成时间轴 t。
2. 生成正弦信号 signal。
3. 生成高斯白噪声信号 noise，其长度与 signal 相同，使用 randn 函数生成。由于 randn 函数生成的是均值为 0，方差为 1 的标准正态分布噪声，因此需要乘以 0.5 进行缩放，从而得到均值为 0，方差为 0.25 的高斯白噪声信号。
4. 将正弦信号 signal 和高斯白噪声信号 noise 相加，得到含噪采集数据 noisy_signal。
5. 使用 plot 函数将含噪采集数据可视化，并将其保存到 Excel 文件 “noise.xlsx” 中，使用 writematrix 函数实现。

需要注意的是，生成的噪声信号可以是任何类型的噪声，而不仅仅是高斯白噪声。在实际应用中，应根据实际情况选择合适的噪声模型。此外，在保存噪声数据时，还需要注意数据类型和文件格式的选择，以便后续的数据处理。

2.2 生成数据集代码

% 清空环境变量
warning off             % 关闭报警信息
close all               % 关闭开启的图窗
clear                   % 清空变量
clc                     % 清空命令行

% 生成噪声数据，如果有，可以注释掉
duration = 5;               % 采集时长为5秒
sample_rate = 100;          % 采样率为100Hz
freq = 10;                  % 生成的信号的频率为10Hz
t = linspace(0, duration, duration * sample_rate);  % 生成时间轴
signal = sin(2 * pi * freq * t);                    % 生成正弦信号
noise = 0.5 * randn(size(signal));                  % 生成高斯噪声信号
noisy_signal = signal + noise;                      % 将正弦信号和噪声信号相加生成含噪采集数据

% 生成含噪采集数据的可视化图像
figure;
plot(t, noisy_signal);
title('Noisy Sensor Signal');
xlabel('Time (s)');
ylabel('Amplitude');

% 将噪声数据保存到.xlsx文件中
filename = 'noise.xlsx';
writematrix(noisy_signal', filename);

3.文件结构

noise.xlsx						% 噪声数据集，具体格式参考第2部分
Main.m							% 主函数

4.详细代码及注释

% 清空环境变量
warning off             % 关闭报警信息
close all               % 关闭开启的图窗
clear                   % 清空变量
clc                     % 清空命令行

% 生成噪声数据，如果有，可以注释掉
duration = 5;               % 采集时长为5秒
sample_rate = 100;          % 采样率为100Hz
freq = 10;                  % 生成的信号的频率为10Hz
t = linspace(0, duration, duration * sample_rate);  % 生成时间轴
signal = sin(2 * pi * freq * t);                    % 生成正弦信号
noise = 0.5 * randn(size(signal));                  % 生成高斯噪声信号
noisy_signal = signal + noise;                      % 将正弦信号和噪声信号相加生成含噪采集数据

% 生成含噪采集数据的可视化图像
figure;
plot(t, noisy_signal);
title('Noisy Sensor Signal');
xlabel('Time (s)');
ylabel('Amplitude');

% 将噪声数据保存到.xlsx文件中
filename = 'noise.xlsx';
writematrix(noisy_signal', filename);

% 读取Excel文件中的数据
data = readmatrix('noise.xlsx');

% 对数据进行中值滤波，窗口大小为3
filtered_data = medfilt1(data, 3);

% 绘制原始数据和滤波后的数据的图形对比
figure;
plot(data, 'b');
hold on;
plot(filtered_data, 'r');
title('Original Data and Filtered Data Comparison');
xlabel('Sample');
ylabel('Amplitude');
legend('Original Data', 'Filtered Data');

5.运行结果