【Matlab图像去噪】基于非局部均值NLM滤波图像去噪含SIGMA、PNSR、SSIM附代码

 ✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，

代码获取、论文复现及科研仿真合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab完整代码及仿真定制内容点击👇

智能优化算法       神经网络预测       雷达通信      无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机

🔥 内容介绍

1. 图像去噪概述

图像去噪是一项重要的图像处理技术，其目的是去除图像中的噪声，提高图像质量。图像噪声通常是由图像采集、传输或处理过程中引入的。噪声的存在会降低图像的视觉质量，并影响后续的图像处理任务，如图像分割、目标检测和图像识别等。

2. 非局部均值NLM滤波算法

非局部均值NLM滤波算法是一种有效的图像去噪算法，它利用图像中的相似块之间的相关性来去除噪声。NLM滤波算法的基本思想是：对于图像中的每个像素，找到与该像素相似的其他像素，然后利用这些相似像素的平均值来估计该像素的去噪值。

NLM滤波算法的具体步骤如下：

1. 计算图像中每个像素的相似性权重。相似性权重通常使用高斯核函数来计算，高斯核函数的带宽参数σ控制着相似性权重的衰减速度。

2. 利用相似性权重对图像中的每个像素进行加权平均，得到该像素的去噪值。

3. SIGMA、PNSR、SSIM指标

为了评价图像去噪算法的性能，通常使用以下三个指标：

• SIGMA (Structural Similarity Index Measure)：结构相似性指数，用于衡量去噪后的图像与原始图像之间的结构相似性。

• PNSR (Peak Signal-to-Noise Ratio)：峰值信噪比，用于衡量去噪后的图像与原始图像之间的信噪比。

• SSIM (Similarity Index)：相似性指数，用于衡量去噪后的图像与原始图像之间的相似性。

📣 部分代码

clear,clc;pauseTime = 1;​data_path = "..\Set12";ext = ["*.jpg", "*.png", "*.jpeg"];filePaths   =  [];for i = 1 : length(ext)    filePaths = cat(1,filePaths, dir(fullfile(data_path,ext(i))));endnoise_leval = [10,15,20,25,30,35,40,45,50,55,60,65,70];​for ii = 1:length(noise_leval)    PSNRs = zeros(1, length(filePaths));    SSIMs = zeros(1, length(filePaths));    sigma = noise_leval(ii);    for jj = 1:length(filePaths)        disp(['正在处理图片：', filePaths(jj).name]);        % 原图像        originImage = im2double(imread(filePaths(jj).name));        % 添加高斯噪声        imageWithNoise = single(originImage + sigma/255*randn(size(originImage)));%         imageWithNoise = imnoise(originImage,'gaussian',0,(sigma/255)^2);        % NL-Means滤波%         y = NLmeans(imageWithNoise,2,7,sigma/100);        y = imnlmfilt(imageWithNoise);

⛳️ 运行结果

🔗 参考文献

[1] 王金凤.基于小波变换和SSIM的非局部均值图像去噪方法研究[D].山东师范大学[2024-01-12].DOI:CNKI:CDMD:2.1015.601297.

[2] 王金凤,侯德文,刘明明.一种基于SSIM的非局部均值图像去噪算法[J].山东师范大学学报：自然科学版, 2014, 29(3):4.DOI:10.3969/j.issn.1001-4748.2014.03.006.

[3] 吴振静.基于小波和非局部均值的图像去噪算法研究[D].吉林大学,2011.DOI:CNKI:CDMD:2.1011.100738.

🎈 部分理论引用网络文献，若有侵权联系博主删除

🎁  关注我领取海量matlab电子书和数学建模资料

👇  私信完整代码、论文复现、期刊合作、论文辅导及科研仿真定制

1 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面

卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

2.图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

3 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

4 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化

5 无线传感器定位及布局方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

6 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

7 电力系统方面

微电网优化、无功优化、配电网重构、储能配置

8 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长

9 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合