图像复原 之 噪声

使用imnoise函数给图像加噪声

clc;
clear;
close all;

f=imread('lena.jpg');
f=rgb2gray(f);
subplot(121);
imshow(f);

g=imnoise(f,'gaussian',0.01,0.01);
subplot(122);
imshow(g);

自己写的噪声产生函数，效果如下：

%% 使用自己写的噪声产生函数：随机噪声
r = imnoise2('gaussian',100000,1,0,1);
figure, hist(r,50);

%% 使用自己写的周期噪声产生函数
C = [0 64;0 128;32 32;64 0;128 0;-32 32];
[r R S] = imnoise3(512,512,C);
subplot(121);
imshow(S,[]);
subplot(122);
imshow(r,[]);

左边是频域，右边是空域

%% 使用自己写的周期噪声产生函数
C = [6 32;-2 2];
A = [1 5]
[r R S] = imnoise3(512,512,C,A);
subplot(121);
imshow(S,[]);
subplot(122);
imshow(r,[]);

 估计噪声参数

%% 估计噪声参数
f=imread('3.tif');
imshow(f);
[B,c,r] = roipoly(f);
figure,imshow(B);
[p npix] = histroi(f,c,r);
figure,bar(p,1);

原图：

使用roipoly来指定感兴趣的区域，自己用鼠标选择，选择好后双击。尽可能选择与背景一样无特色的区域，以便使该区域的亮度值的可变性主要由噪声产生。

生成的ROI的直方图是：

  估计噪声参数

可以使用statmoments来查看ROI区域的均值和方差

%% 估计噪声参数
f=imread('3.tif');
imshow(f);
[B,c,r] = roipoly(f);
figure,imshow(B);
[p npix] = histroi(f,c,r);
figure,bar(p,1);
axis([0 300 0 100]);

[v,unv]=statmoments(p,2)
X=imnoise2('gaussian',npix,1,unv(1),sqrt(unv(2)));
figure,hist(X,100);
axis([0 300 0 100]);

将上面生成的直方图与自己按照均值来生成的直方图对比：

  估计噪声参数