维纳滤波复原噪声图像

一．实验设备
计算机，MATLAB软件
二．实验目的
1.理解并掌握维纳滤波复原噪声图像的原理。
2.学习使用matlab对图像进行加噪声的操作。
3.学习使用matlab对噪声进行维纳滤波恢复原图像。
三．实验原理
实验原理维纳(wiener)滤波 可以归于反卷积(或反转滤波)算法一类，它是由Wiener首提出的，并应用于一维信号，并取得很好的效果。以后算法又被引入二维信号理，也取得相当满意的效果，尤其在图象复原领域，由于维纳滤波器的复原效良好，计算量较低，并且抗噪性能优良，因而在图象复原领域得到了广泛的应用并不断得到改进发展，许多高效的复原算法都是以此为基础形成的。
四．实验步骤
1.学习最小均方误差滤波（维纳滤波）的理论知识。
2.学习并编写对图像进行加噪声的程序。
3.学习并编写维纳滤波的程序。
4.使用matlab对图像进行最小均方误差滤波（维纳滤波）滤除噪声的操作。
5.对实验结果进行分析并总结。
五．程序及结果分析

clear
clc
G=imread('gcx.jpg');
I=rgb2gray(G);%灰度化图像
J=imnoise(I,'gaussian',0,0.01); % 加高斯噪声
I1=imnoise(I,'salt & pepper',0.02);  % 图像加噪
K1=wiener2(J,[5,5]); % 进行维纳滤波
K2=wiener2(I1,[5,5]); % 进行维纳滤波
figure
subplot(231),imshow(G),title('原图');
subplot(232),imshow(I,[]),title('灰度图像');
subplot(233),imshow(J,[]),title('加高斯噪声');
subplot(234),imshow(I1,[]),title('加椒盐噪声');
subplot(235),imshow(K1),title('维纳滤波对高斯噪声');
subplot(236),imshow(K2),title('维纳滤波对椒盐噪声');

如图4.1，对图像分别加高斯噪声和椒盐噪声，并对噪声图像进行最小均方误差滤波（维纳滤波）恢复，发现加高斯噪声的图像能有效滤除噪声但椒盐噪声缺滤除效果不明显。