图像降噪方法

目录

目录

1.图像退化函数：

2.噪声分类：

a.基于产生原因

b.平稳噪声和非平稳噪声

c.基于统计后的概率密度函数：

（1）高斯噪声 

（2）瑞利噪声 

（3）伽马（爱尔兰）噪声

（5）均匀噪声分布

（6）脉冲噪声（椒盐噪声）

3.图像去噪算法：

a.空间域滤波：

       (1)线性滤波：

    (2)非线性滤波

    (3)自适应滤波器：

b.变换域滤波

c.偏微分（PDE）方程

d.变分法

e.形态学滤波

---

1.图像退化函数：

         h(x,y)表示退化函数，表示加性噪声项。我们假设h是一个同性算子，只处理由噪声引起的退化。

        白噪声:噪声的傅里叶谱是常量

2.噪声分类：

a.基于产生原因

       外部噪声：系统外部干扰以电磁波或经电源串进系统内部引起的噪声(外部电器设备产生的电磁波干扰，天体脉冲干扰)。内部噪声：系统内部电气设备引起的噪声。

b.平稳噪声和非平稳噪声

      这就不用说了，指统计属性是固定值的就是平稳噪声

c.基于统计后的概率密度函数：

（1）高斯噪声 

         概率密度函数（PDF）如下：

（2）瑞利噪声 

          瑞利分别最常见的用于描述平坦衰落信号接收包络或独立多径分量接受包络统计时变特性的一种分布类型。两个正交高斯噪声信号之和的包络服从瑞利分布

 

（3）伽马（爱尔兰）噪声

（4）指数分布噪声

（5）均匀噪声分布

（6）脉冲噪声（椒盐噪声）

         （双极）脉冲噪声的PDF如下：

           各种噪声及其直方图分布如下：

3.图像去噪算法：

a.空间域滤波：

        空间域滤波是在原图像上直接进行数据运算，对象素的灰度值进行处理。

       (1)线性滤波：

            方框滤波：所有滤波器中最简单的一种滤波方式。每一个输出像素的是内核邻域像素值的平均值得。与均值滤波的不同点在于方框滤波可以选择滤波结果是邻域像素值之后的平均值（均值滤波）还是邻域像素值之和。

            均值滤波：像素值是领域像素值之和除以面积。滤波核如下：

          高斯滤波：主要面对高斯噪声。邻域像素乘以对应权重值，再相加的和即为中心点高斯模糊的值。

    (2)非线性滤波

         中值滤波器：将邻域像素排序取中值。中值滤波对椒盐噪声有很好的抑制作用（同类型的还有最大最小值滤波、中点滤波、阿尔法滤波）

         双边滤波器：保留边缘信息，同时对远离边缘的像素点进行高斯滤波。当图像在平缓区域时，赋予滤波器更高权重。由于保存了过多的高频信息，对于彩色图像里的高频噪声，双边滤波器不能够干净的滤掉，只能够对于低频信息进行较好的滤波。

    (3)自适应滤波器：

         根据图像的性质，自动调节滤波器，以使达到更优的滤波效果

b.变换域滤波

     将图像空间转换到变换域，再对变换域的图像进行处理，傅里叶变换和小波变换是常见的去噪方法。以小波去噪为例，较大的小波系数一般都是实际信号，较小的系数很有可能是噪声。因此设定合适的阈值筛选后，进行逆变换，重建图像去除噪声。

c.偏微分（PDE）方程

     将灰白图像的按照每个像素点的深浅程度转换为矩阵，将矩阵的元素看成是这一点的温度，让温度按照热学 规律变化，得到光滑的图像从而达到降噪的目的。该方法通过多次循环扩散，可以平滑图像，锐化边缘信息。

d.变分法

     确定图像的能量函数，通过对能量函数的最小化工作，使得图像达到平滑状态

e.形态学滤波

      开闭运算