图像去噪、图像滤波

图像去噪、图像滤波

---

---

前言

在图像传输过程中，由于环境的干扰或者设备的限制，往往最终接收得到的图片带有很多噪声，图像变得很模糊等情况出现。
因此我们需要各种图像处理的方法来解决此问题，提高图像质量。这里讲一些传统图像处理的方法，我习惯讲图像去噪、滤波分为两类：空间域包括（均值滤波，中值滤波，二维统计滤波等等）与频率域（FFT去噪，小波去噪等等）。
本文主要介绍我个人常用的方法，两种类型各一个，非局部均值滤波（NLM）和离散余弦滤波（DCT）。

---

一、NLM

1.原理

非局部均值（NLM）是近年来提出的一项新型的去噪技术。该方法充分利用了图像中的冗余信息，在去噪的同时能最大程度地保持图像的细节特征，该算法需要在整个图像范围内判断像素间的相似度。为了解决效率问题，会设定两个固定大小的窗口：搜索窗口（D* D，D=2* Ds+1）和邻域窗口（d* d，d=2*ds+1）。在算法执行过程中，大窗口是以目标像素x为中心的搜索窗口，两个灰色小窗口分别是以x、y为中心的邻域窗口。其中以y为中心的邻域窗口在搜索窗口中滑动，通过计算两个邻域窗口间的相似程度为y赋以权值w(x，y)。

2.代码

关于这个NLM的代码，我也是从网上参考而来，直接作为分享：

function DenoisedImg=NLmeans(I,ds,Ds,h)
%I:含噪声图像
%ds:邻域窗口半径
%Ds:搜索窗口半径
%h:高斯函数平滑参数  滤波控制参数
%DenoisedImg：去噪图像
[m,n]=size(I);
DenoisedImg=zeros(m,n);
% 扩展图像边界
PaddedImg = padarray(I,[ds,ds],'symmetric','both');
% 定义d值
kernel=ones(2*ds+1,2*ds+1);        %高斯核？
kernel=kernel./((2*ds+1)*(2*ds+1));
% 定义噪声功率
h2=h*h;
for i=1:m
    for j=1:n
        % 原图像对应扩展图像的偏移量
        i1=i+ds;
        j1=j+ds;
        % 在扩展图像中以(i1,j1)为中心的邻域窗口1
        W1=PaddedImg(i1-ds:i1+ds,j1-ds:j1+ds);
        average=0; % 加权和
        sweight=0; % 归一化系数
        % 搜索窗口
        rmin = max(i1-Ds,ds+1); % 搜索窗口上边界最低限制到原图像上边界
        rmax = min(i1+Ds,m+ds); % 搜索窗口下边界最高限制到原图像下边界
        smin = max(j1-Ds,ds+1); % 搜索窗口左边界最低限制到原图像左边界
        smax = min(j1+Ds,n+ds); % 搜索窗口右边界最高限制到原图像右边界
        % r与s为搜索窗口内像素点的坐标,对搜索窗口内的每个像素点求相似度
        for r=rmin:rmax
            for s=smin:smax
                % 不能与自己比较相似度
                if(r==i1&&s==j1) 
                    continue;
                end
                % 以搜索窗口内的像素点为中心的邻域窗口2
                W2=PaddedImg(r-ds:r+ds,s-ds:s+ds);
                % 计算邻域间距离
                Dist2=sum(sum(kernel.*(W1-W2).*(W1-W2)));  %距离平方和
                % 计算权值w(x,y)
                w=exp(-Dist2/h2);  %像素点相似性权值
                sweight=sweight+w;
                average=average+w*PaddedImg(r,s);
            end
        end
        % 将加权和归一化并替换原像素点
        DenoisedImg(i,j)=average/sweight;
    end
end

二、DCT

DCT变换的基础是傅里叶变换，图像信号需要通过二维数组的变换来实现。在对语音、图像信号变换的确定的变换矩阵正交变换中，DCT变换被认为是一种最佳变换。

1.公式

2.代码

通过DCT变换到频率域，进行高频屏蔽，去除图像中的部分噪声，其实这个方法用傅里叶变换和小波变换等也可以实现，欢迎大家尝试。

代码如下（示例）：

%DCT变换
Y=dct2(Xnoised); 
I=zeros(m,n);
%高频屏蔽
I(1:m/2,1:n/2)=1; 
Ydct=Y.*I;
%逆DCT变换
Y=uint8(idct2(Ydct)); 

---

总结

以上就是今天要讲的内容，本文简单介绍了图像去噪的方法，NLM和DCT方法的具体细节和代码。希望大家一起来讨论。