数字图像处理课程设计报告

一、任务要求

输入一幅数字图像并使用DCT变换以不同的压缩比压缩图像，要求：

1. 显示原图像和压缩后图像。
2. 比较使用不同压缩比压缩的图像，讨论压缩比与图像质量间的关系。
3. 计算并绘出不同压缩比下的均方误差MSE，讨论压缩比和MSE的关系。
   任务二、使用其他压缩算法重复上述步骤，并与DCT压缩的结果作对比。
   任务三、从原图移除一些像素点，尝试用一些去噪算法尽可能准确地还原这些像素点，要求：
4. 显示原图像、移除像素后的图像和恢复出的图像。
5. 比较不同去噪算法的MSE值。

二、图像去噪设计思路

图像信号在产生、传输过程中都可能会受到噪声的污染，一般数字图像系统中常见噪声主要有高斯噪声(主要由阻性元器件内部产生)和椒盐噪声(主要由图像切割引起的白点噪声或光电转换过程中产生的泊松噪声)等。
经典的滤波算法如均值滤波、中值滤波、高斯滤波等都是基于模板处理的，对模板内的局部数据进行处理后替换模板中心像素的值是多数滤波算法的核心思想。大多数滤波算法是固定模板大小的，能够自动调整模板大小的滤波方法称为自适应滤波器，在实际应用中有较多使用。

2.2 方案分析

实验中对椒盐噪声和高斯噪声分别运用了多种滤波器进行性能比较，分别是：均值滤波、中值滤波、高斯滤波、二维统计滤波、自适应中值滤波、维纳滤波、k近邻滤波、非局部平均滤波。

选用均值滤波、中值滤波及其优化算法二维统计滤波、自适应中值滤波、k近邻滤波的原因是这些滤波器对椒盐噪声有较好的去噪效果。

选用高斯滤波、维纳滤波、非局部平均滤波的原因是这些滤波器对高斯噪声有较好的滤波效果。

从总体上看，在选用的滤波算法中，椒盐噪声最适合使用中值滤波、自适应中值滤波来去除噪声，k近邻滤波虽不能完全去除椒盐的影响，但能够尽可能的保持边缘信息，从而使图像细节清晰；高斯噪声最适合使用非局部平均滤波来去除噪声，去噪后图像的保真度最高，但代价是计算复杂度大大增加。

报告获取

该图像处理课程报告相关资料，可私信博主：

报告可用于相关课程设计，毕业设计等场合。