数字图像去噪典型c语言算法,几种典型的图像去噪算法总结

(一)高斯低通滤波去噪

高斯低通滤波器(Gaussian Low Pass Filter)是一类传递函数为高斯函数的线性平滑滤波器。又由于高斯函数是正态分布的密度函数。因此高斯低通滤波器对于去除服从正态分布(Normal distribution)的噪声非常有效。一维高斯函数和二维高斯函数 (高斯低通滤波器的传递函数) 的表达形式分别如下：

公式中，

为标准差，由于图像通常是二维信号，因此图像去噪通常使用二维高斯函数作为传递函数，而高斯函数具有可分离的特性，因此可以先对行进行高斯滤波，再对列进行高斯滤波，这样二维高斯函数就可以降为一维高斯滤波。下图1分别模拟了标准差为10和标准差为50的高斯函数。

图1：不同标准差时的高斯曲线

从上图可以看出，高斯函数的标准差越大，高斯曲线越平滑。去噪能力越强，图像越模糊。

下图2用均值为0方差分别为0.1,0.5,1.0的高斯噪声对原图像进行污染的结果。

图2

高斯滤波的实现方式有时域方式和频域方式两种，一种是时域高斯低通滤波，一种是频域高斯低通滤波。下面首先看看时域高斯低通滤波的结果。时域高斯低通滤波的实质是定义一个奇数大小的模板(3 X 3 ；5 X 5 ；7 X 7 ……)，然后让该模板遍历整副图像，模板中的加权平均值就是模板中心的值。时域高斯低通滤波的结果如下图所示：

图3：不同的标准差和领域大小时的去噪后的图像

从上图可以看出，当领域窗口固定时，标准差越大，去除高斯噪声能力越强，图像越模