基于Matlab的图像直方图选择去噪方法

许晨晨 戴舒 张保俊 余江华

人类获取的70 %以上信息是通过视觉，而视觉获取的信息主要是以图像作为载体。图像处理在无人驾驶、航空事业、食品安全检测和日常生活中都有重要应用。但在实际图像处理应用过程中，原始图像获取过程会遇到大雪、雨雾和沙尘暴等各种因素，对原始图像添加了一些噪声，不能直接获得清晰图像，因此图像去噪在图像预处理领域一直是一个基础且不可缺少的研究课题，具有非常重要的实际意义。

1引言

直方图分布可以反映出图像的噪声类型，而根据噪声类型可以针对性地进行去噪处理。本文主要阐述一张图片加入椒盐噪声或者高斯噪声，读出原始图像与加入噪声以后图像的直方图，根据直方图选择中值滤波或者自适应维纳滤波处理，得到清晰的图像。

2圖像处理流程

首先给系统输入一张图像，对图像添加椒盐噪声和高斯噪声，分别模拟为沙尘暴和雨雾天气对图像的影响，作为接下来需要进行去噪的对象。噪声加入以后，读取含有噪声直方图，根据直方图分布情况，判断其含有噪声类型，并相应采取均值滤波或中值滤波。

2.1直方图研究

图像的灰度直方图是用来描述图像像素分布情况，表示一张灰度图像所具有每种灰度像素的个数，通过统计运算得到图像中每种灰度级出现的频率，这也是一种基本图像统计特征。本文基于Matlab软件，通过对原始图像加入不同噪声，然后读出其原始图像直方图与加入噪声后直方图，该直方图定义为：

式中，（）为灰度级出现的相对频数（归一化），为第个灰度级，为第级灰度的像素数，为该图像的总像素数，为灰度级数。

2.2图像噪声研究

图像中的噪声，常常会使原本有规律的原图像的灰度值发生改变，形成一些错误的边缘或轮廓，从而误导人们对图像的应用。而想要去减弱、抑制或消除这类噪声，从而复原图像质量方法称为图像去噪，即去除图像中噪声。本文以我们常见的椒盐噪声和高斯噪声为重点研究分析对象，其中椒盐噪声是一种在图像中产生非均匀分布的黑色、白色点的脉冲噪声，该噪声在图像中显现较为明显，对目标分割、目标检测和目标特征提取等后续处理具有很严重的破坏作用，因此对图像进行去噪具有重要意义。

高斯噪声是一种随机噪声，它的概率密度函数服从高斯分布（正态分布）。高斯噪声也包括热噪声、散弹噪声及量子噪声等很多种噪声，例如：高斯白噪声是一个服从正态分布，功率密度均匀，二阶矩不相关，一阶矩为常数。高斯白噪声中还有包括很多种类噪声，如上述的热噪声和散粒噪声也都属于高斯白噪声范畴。

2.3去噪方法研究

本文主要针对椒盐噪声与高斯噪声介绍中值滤波与均值滤波2种滤波复原方法。中值滤波原理：它是采用了一个奇数点移动窗口，通过这个窗口移动将图像每个灰度值进行排序，通过计算可以得到每次移动窗口各点的中间值，最后用中间值来代替窗口中心点灰度值。中值滤波可以较好地保留图像边缘，这样在去噪实验过程中，图像能够很好的保持原本图像性质存在，不易失真。中值滤波公式如下：

3实验

图1为图像加入椒盐噪声，类似于大雪或沙尘暴捕捉的图像，输出直方图；图2为加入高斯噪声，类似于大雨或大雾捕捉的图像，输出直方图；图3为加入椒盐噪声，分别用均值滤波与中值滤波处理；图4为加入高斯噪声，分别用均值滤波与中值滤波处理。