當前所在頁面：圖像去噪是圖像處理領域中一項基本，而又十分關鍵的技術，一直是圖像處理領域的一個難題。在圖像的獲取、傳輸和存貯的過程中不可避免地受到各種噪聲源的干擾。為了從圖像中獲取更準確的信息，圖像去噪預處理算法的好壞成為后續處理的關鍵。
一、噪音簡介
噪聲一般被認為是多余的干擾，所以圖像中的噪聲可定義為圖像中不需要的干擾部分。若從信號的角度來描述圖像，那么圖像是一種信號。同樣噪聲從廣義的角度也可被看作是一種信號。只不過這種信號所攜帶的信息是無意義的，或者說沒有攜帶“信息”。因此噪聲和圖像中的有用信號之間既對立又統一。在研究噪聲的路徑上，既可利用噪聲與信號的統一關系，通過信號的特性來對噪聲的特性進行推理和預測；也可從二者的對立出發，將噪聲看作與信號無關的統計量，進而單獨進行研究。
圖像中的噪聲主要來源于兩個過程，一是圖像的獲取過程，二是圖像的傳輸過程。圖像獲取過程中，由于成像傳感器自身質量的影響及環境條件的作用，產生圖像退化，從而使圖像質量下降。而圖像在傳輸過程中，傳輸信道中的干擾是造成圖像污染主要因素。另外，噪聲對圖像的破壞作用主要表現在以下方面：
二、圖像中去噪方法概述
圖像去噪的目的是為了減少圖像噪聲。圖像噪聲來自于多方面，它由來自于系統外部干擾，如電磁波和經電源串進系統內部而引起的外部噪聲，也有來自于系統內部的干擾，如攝像機的熱噪聲，電器機械運動而產生的抖動噪聲等內部噪聲。減少噪聲的方法可在圖像空間域或在圖像變換域完成。
圖像空間域去噪方法較多，鄰域平均法是一種局部空間域處理的算法。圖像經過鄰域平均法處理后會變得相對模糊，這是因平均本來是以圖像的模糊為代價來換取噪聲的減少�？臻g域低通濾波方法也可平滑圖像的噪聲，它實際上是通過一個低通卷積模板在圖像空間域進行二維卷積來達到去除圖像噪聲的目的。多幅圖像平均法是利用對同一景物的多幅圖像取平均來消除噪聲的。中值濾波是一種空間域非線性濾波方法，由于它在實際運算過程中并不需要圖像的統計特性，所以比較方便。在一定的條件下，它能克服線性濾波器所帶來的圖像細節模糊，而且對濾除脈沖干擾及圖像噪聲最為有效。
圖像變換域去噪方法是對圖像進行某種變換,將圖像從空間域轉換到變換域，再對變換域中的變換系數進行處理，再進行反變換將圖像從變換域轉換到空間域來達到去除圖像噪聲的目的。將圖像從空間轉換到變換域的變換方法很多，如付利葉變換、小波變換等。每種變換它的變換域得到的系數都有不同的特點，合理地處理變換系數再通過反變換將圖像還原到空間域，能有效達到去除噪聲的目的。
三、新的濾波器設計
設濾波器窗口大小為L(L為奇數)，將濾波器窗口內的原始圖像的樣本像素從上到下、從左到右排列，寫成
為了方便，記這4個方向核為Kh(h=1，2，3，4)，由于沖擊噪聲一般都是基于下面兩個假設的：
所以，利用上面的4個方向算子，設計如下的公式去判斷是否為噪聲像素并實現本文提出的濾波算法，即：
更多精彩文章
