基于图像去噪方法的研究

陈彦

摘要：本论文主要研究图像噪声去除方法，从图像噪声的产生到运用各种方法进行数字图像去除噪声，以达到图像清晰的目标。论文介绍了图像去噪方法，空间域和频域去噪方法，重点研究利用小波变换将图像从空间域中变换到频率域中，在频率域中再通过相关方法进行去噪的方法，利用这一方法达到去除图像噪声的目的。

关键词：图像去噪；空间域；小波阈值去噪

中图分类号：TP391.41 文献标识码：A 文章编号：1007-9416（2017）05-0131-02

1 绪论

1.1 图像降噪的必要性

由于人类社会的飞速发展，科学技术在不断更新，数字成像设备如雨后春笋般层出不穷，计算机在人们生活中大范围普及，数字图像因此也成为人们生活中不可少的信息载体，数字图像给与人类生活十分大的帮助，但同时数字图像在获取及传播的过程中也会出现各种问题，其中图像噪声这一问题是人们十分关注的问题，图像噪声对人们获取图像信息时有很大的影响，有时会因为图像噪声的影响而造成很大的医学事故，工程问题等重大问题和事故，所以，数字图像去噪处理已成为了一门专门的学科而不是数字图像处理研究中的一个小小的过程。本次论文是要对数字图像基本的去噪方法进行研究和小波阈值去噪方法的改进，对图像去噪方法能大概了解和掌握，并且在掌握的同时能够对基本的图像去噪方法有创新，找到更加高效的图像去噪方法[1]。

1.2 图像降噪方法的研究现状

图像降噪方法的研究是随着数字成像设备的发展而来的，在起初数字图像出现的时候人们并没有意识到去除图像噪声的重要性，直到图像处理技术发展到一定的程度，因为各种因素而导致的噪声出现在图像中影响了人们的正常观察及后期处理，所以图像降噪的研究由此而产生。图像去噪方法从最初的空间域去噪到现在的频率域去噪，数字图像去噪方法的研究一直在不断发展，现在普遍使用的方法是在变换域中进行图像降噪，变换域降噪有空间域降噪的优点，而且还拥有空间域去噪方法没有的优点，渐渐的变换域降噪的研究变得更加的受欢迎，从起初的傅里叶变换而演变出来的小波变换，到如今，小波变换去噪已经成为现在图像去噪广泛使用的方法，以小波变换去噪为基础，人们研究出了更多的有关小波变换的去噪方法，拥有更加优秀的去噪效果。如今，图像降噪方法的研究仍在继续，因为现在所研究出的方法中仍然有比较多的缺点，并且图像降噪方法不具有通用性，某种降噪方法只针对某具体类型的图像和噪声有效。所以对于图像降噪仍在继续研究，将来图像降噪的终极研究目标是降噪之后的图片拥有与原图像一样的图像效果，不会有噪声的影响，完全还原原图的图像信息，甚至将来的降噪目标是降噪后的图像能够超越原图[2]。

2 数字图像噪声

2.1 图像噪声

“噪声”一词来自于声学，原指人们在聆听目标声音时受到其他声音的干扰，这种起干扰作用的声音称之为“噪声”。后来又将“噪声”这一名词引入到图像系统中，所谓的“图像噪声”用通俗的话来说就是图像上影响人们观看图像的小斑点，专业的解释为：图像上影响人们获取信息的因素。图像噪声的定义与声学中噪声定义异曲同工，都是阻碍人们从图像或声音中获取信息的因素。图像噪声在图像中的表现形式是多种多样的，有像沙粒一般的高斯噪声，还有像胡椒和食盐混合在一块的椒盐噪声等，每一种噪声都有自己的特性，有自己的表现形式，有适合它的去噪方法[3]。

2.2 噪声产生原因

图像产生噪声的原因有多种，归纳总结主要造成图像噪声的原因有4类：电子元器件产生的噪声、光电转换产生的噪声、光学现象产生的噪声和底片颗粒产生的噪声。

（1）由电子元器件产生的噪声.在数字成像设备的硬件中有非常多的电子元件，在成像过程中设备会因运行发热导致电子元器件中的电子产生热运动，这些不规则的热运动使得形成图像时产生了不规律的图像信息，这就是电子元器件产生的图像噪声。电子元器件产生的噪声一般都是加性噪声。（2）光电子转换产生的噪声。图像成像离不开光，数字成像设备成像的第一步是要接受事物反射回来的光，統计事物每个细节处的光子数目形成像素点。这个过程是有光转换为电子的过程，在这个过程中统计光子数目，光子转换为电子这些过程中都会不可避免的出现偏差，因为这些偏差而导致了光电子转换的噪声。光电子转换产生的噪声非常常见，因为现在科学技术的局限，成像设备不能完全将光子统计转换为电子，所以，光电子转换产生的噪声必须要有更高的科技才能避免或减少噪声。（3）光学现象产生的噪声。图像中的噪声大多数都是由光学现象造成的，比如：底片上的粒状结构，屏幕上的粒状结构等成像设备中的粒状结构造成的颗粒噪声。这些噪声的造成与光电子转换噪声一样都是不可避免的，只能通过图像去噪方法来减轻对图像信息的影响。（4）底片颗粒造成的噪声。照片底片中含有成像的卤化银颗粒，在曝光的过程中，卤化银颗粒曝光只有两种可能，曝光或不曝光。底片中的卤化银颗粒的随机分布，分布密度等都影响了图像信息的表达，导致图像中出现不必要的噪声，同上面所介绍到的都是不可避免的噪声，只能随着科技的发展而减少这些噪声的产生，但是现如今只能通过图像去噪技术来去除噪声还原图像信息。

2.3 图像噪声分类

以产生噪声的原因可以把图像噪声分为两类。一类是外部噪声，另一类理所当然就是内部噪声[4]。

（1）外部噪声：外部噪声的造成与成像设备无关，产生噪声的原因是各种外部因素，比如：电磁干扰、电闪雷鸣等外部因素。（2）内部噪声：产生内部噪声的原因是成像设备内部元件电阻发热导致电子热运动、接受光子数目出现偏差等原因而造成的噪声称为内部噪声。

以噪声信号在图像信号中的统计特性而分噪声为：平稳噪声和非平稳噪声。（1）平稳噪声：噪声信号统计特性与时间变化没有关系，不随时间变化的噪声称为平稳噪声。（2）非平稳噪声：噪声信号统计特性和时间变化有关系，随着时间的变化而变化的噪声称为非平稳噪声。endprint

以噪声的幅度所分布的形状来划分，噪声可以分为高斯噪声和瑞利噪声。高斯噪声是指噪声的幅度服从高斯分布。瑞利噪声是指噪声的分布服从瑞分布。按照噪声频谱形状来区分，噪声可以分为白噪声、噪声、三角噪声。白噪声的频谱是均匀分布的；噪声的频谱幅度与频率成反比；三角噪声的頻谱幅度与频率的平方成正比关系。

噪声和信号相关，又可以分为加性噪声和乘性噪声。（1）加性噪声：在假定信号和噪声的情况下，噪声不管输入信号大小，都无条件加入到信号上的形式称之为加性噪声。如：放大器噪声、光量子噪声、胶片颗粒噪声等。（2）乘性噪声：噪声本身受到信号的影响称之为乘性噪声。

3 图像去噪

3.1 图像去噪原理

数字图像去噪原理的基础是建立在数字信号的处理上的，图像在数字设备上是以信号的方式存在，而噪声也掺杂在图像信号中，扰乱图像的信息表达。所以用通俗的方法解释就是把噪声信号从图像信号中挑出去，这一过程跟生活中的择米洗菜是一个道理，择米洗菜要达到的目的是去除米和菜中的杂物，脏东西，而在择米和洗菜的过程中是由人来做主导，人有一个标准来衡量米、菜和杂物、脏东西，用这个标准来去除米、菜中的杂物，这就完成了择米、洗菜的一个过程。同样，数字图像去噪也是同样的道理，图像噪声就是米和菜中的杂物，现在要从图像信号中去除图像噪声就需要一个“标准”来完成去噪过程，而这一“标准”就是图像信号和噪声信号之间的区别。一个整体的图像信号在频域中是呈一定规律存在的，而图像噪声信号在图像中的分布是随机的，无规律的，图像信号在频域中主要分布在低频部分中，噪声信号在频域中主要分布在高频部分中，利用这一明显区别，可以利用不同的去噪方法来去除数字图像中的噪声，达到图像去噪的目的[5]。

3.2 图像去噪方法

在对数字图像的研究过程中，针对图像信号与噪声信号的区别，研究出了非常多的图像去噪方法，每一种都有自己的特点，对图像去噪有很大的帮助，随着时间的流逝，更多更新的方法层出不穷，但是，在图像去噪方法中基本都可归为两大类：空间域去噪和频率域去噪。

3.2.1 空间域去噪

空间域去噪方法的思想就是在原图像上对图像灰度值进行处理，通常采取“平均”或“平滑”的方法，将突变的噪声分量分散到周围像素中去，使图像变得较为平滑，降低噪声的影响。常用的空间域去噪方法有：均值去噪法，中值去噪法，自适应维纳滤波器去噪等等。

（1）均值去噪法：采用邻域平均法的均值滤波器对图像像素点进行平移以达到噪声去除的目的。优点：该去噪算法去噪简单，快速，对图像噪声的去除非常有效。缺点：去噪后容易使图像变得模糊，尤其是图像边缘细节部分模糊的非常严重。（2）中值去噪法：中值去噪法的中心思想就是使用一个以某点为中心的滑动窗口，使用特定的方法计算窗口中像素值的中值，最后使用这个中值代替这一点的像素值并依此类推，对每一个点进行类似的操作，从而可以消除孤立的噪声点。优点：可以达到去噪效果而且能够较好的保存图像边缘画面，具有较好的去噪效果。缺点：对于图像中有较多点、线等细节的图像不能很好的去除噪声。（3）自适应维纳滤波器去噪：根据图象的局部方差来调整滤波器的输出，使用滤波器来去除图像中噪声，局部方差越大，去噪效果越好。优点：能够很好的保留图像边缘部分信息，而且对图像高频部分图像信息去噪效果很好。缺点：去噪效果不太理想，而且对图像的细节信息不能很好的保存，图像模糊不清。

3.2.2 变换域去噪

变换域去噪方法的思想是将原图像进行相关的变换，将图像信息变换到变换域中，再通过一定的方法来对图像信息进行处理，之后再通过反变换恢复图像信息，以达到图像去噪的目的。

常用的变换域去噪方法有：傅里叶变换去噪方法，小波变换去噪方法等。（1）傅里叶变换去噪方法：使用傅里叶变换对图像进行傅里叶变换，之后在频率域对图像进行去噪处理。（2）小波去噪方法：使用小波分析对图像进行小波变换，将图像变换到频率域后再进行去噪处理。优点：对图像细节和边缘部分信息保护的非常好。主观的质量一样，主观上感觉好的图像不一定信噪比高。

4 图像去噪算法

图像空间域去噪处理经过很长时间的完善和发展已变得日趋成熟，对于通常所用的图像去噪方法都是采用均值滤波或者中值滤波去噪，但是这两种方法的缺点也让人们非常的头疼，因此人们在之后结合小波理论发明了小波变换去噪方法。随着小波理论的日益完善，它以自身良好的时频特性在图像降噪领域受到越来越多的关注，开辟了非线性去噪方法的先河，克服了均值滤波和中值滤波去噪的不足之处，提高了图像去噪的效率和图像信息保存率。

在小波变换去噪的技术领域中，图像去噪通常使用小波阈值去噪方法，这一方法的核心思想就是：通过选用不同的小波基函数对图像进行小波变换，将图像变换为图像信号，进入频率域进行处理。在频率域中提取图像信号中的高频系数，设置适合的阈值对这些高频系数进行过滤，高于阈值的图像信号将被摒弃，而低于阈值的高频信号则保留作为输出，最后整合所有图像信号使用小波变换的逆函数将图像信号变换到空间域中，重组图像，这一系列的处理就是小波阈值去噪的核心。经过这一过程处理的图像都有非常好的去噪效果。

小波阈值去噪最重要的部分就是阈值的选取，阈值一定要选择适合图像的数值，如若选取较高或较低的阈值，则去噪后图像会出现模糊或去噪不彻底的现象，所以在选择阈值的时候要再三考虑。小波阈值去噪的过程总共有分为三步，具体过程如下。

（1）二维图像信号的小波分解。对图像进行小波分解时，使用任意小波基函数，选择N次分解次数对图像进行分解，将图像变换进频率域中。（2）提取分解后图像信号高频信号系数。使用相关函数对小波变换后的图像信号高频部分进行系数提取，提取之后设置合适的阈值对这些系数进行过滤去噪，输出保留下的高频系数。（3）重构图像信号。这一步是小波变换第一步的逆步骤，经过阈值过滤后的图像信号同样经过N次二维重构后将图像从频率域中变换到空间域中形成去噪后的图像。

5 结语

每种图像去噪方法都不是全能的，不能够对所有类型的噪声都有很好的去噪效果，每种方法对一种或者几种噪声相比其他噪声有非常好的去噪效果，所以，在选择去除图像噪声的时候要先了解图像中的噪声属于哪种类型，之后再选择适合这种噪声的去噪方法。

参考文献

[1]朱秀昌，刘峰，胡栋.数字图像处理教程[M].北京：清华大学出版社，2011.

[2]王薇，姚鑫锋.从零开始学MATLAB[M].北京：电子工业出版社，2012.

[3]郭晶，孙伟娟.小波分析理论与MATLAB7实现[M].北京：电子工业出版社，2005.

[4]赵书兰.MATLABR2008数字图像处理与分析[D].北京：化学工业出版社，2009.

[5]王英，曾光宇.图像去噪算法研究[J].电脑与信息技术，2011（04）：8-12.endprint