基于MATLAB的掌静脉图像去噪算法研究

柳亚楠　孙涛

摘 要：在获取、传输图像的过程中，图像常会受到噪声污染，导致图像质量下降，因此要对图像进行去噪处理。本文对几种经典的图像去噪算法进行研究，并将它们应用于掌静脉图像去噪，最后通过MATLAB仿真进行了测试。

关键词：MATLAB;图像去噪;掌静脉图像

中图分类号：TP391.7文献标识码：A

Abstract：Images often be polluted by sound pollution during its capture and transmission.That cause a declining quality image.So，noises should be removed.This article do a research on several classic image denoising algorithm，and apply them to palm vein image denoising，then text their effect by MATLAB program.

Key words：MATLAB;image denoising;palm vein image

随着数字仪器和数码产品的普及，图像已成为人们获取、传递信息的重要工具。但是图像在获取、传输和储存过程中被各种噪声污染而降低图像质量。图像去噪能保留图像中有用的信息、抑制或去除不需要的干扰信息。

1 图像噪声的分类

图像噪声按照其来源分为内部噪声和外部噪声。内部噪声是指由光和电的基本性质引起的噪声。外部噪声指系统外部干扰以电磁波或经电源串进系统内部而引起的噪声[1]。在掌静脉图像获取过程中，常见噪声为椒盐噪声，即由图像传感器，传输信道，解码处理等产生的黑白相间的亮暗点噪声[2]。本文针对三种经典的图像去噪算法进行了研究，并通过MATLAB对去除椒盐噪声进行仿真测试。

2 图像去噪方法及MATLAB仿真

2.1 均值滤波去噪

均值滤波是用某像素的邻域各像素均值代替该像素，这种处理可以减小图像的尖锐变化，典型随机噪声的特征就是图像发生尖锐变化，因此均值滤波可用于图像去噪。然而图像的边缘和细节也是由尖锐变化组成，所以均值滤波会使图像的边缘和细节变模糊，这是由均值滤波的本质决定的。应用于掌静脉图像去噪：

由图1看出，经过均值滤波处理，椒盐噪声有所减少但人有残留，图像变得模糊;用不同大小的模板滤波时，模板越大，去噪效果越好，图像越模糊。

2.2 中值滤波去噪

中值滤波采用统计排序理论，将以目标像素为中心的8邻域像素值进行排序，用中间值代替原像素[3]，使与周围像素相差较大的改变，从而消除孤立的噪声点。将其应用到掌静脉图像去噪：

由图2看出，椒盐噪声图像经中值滤波处理，椒盐噪声去除效果非常好，并且完整地保留了原始图像信息。

2.3 小波变换阈值去噪

小波分析的基本思想类似于傅里叶变换，用信号在一簇基函数形成空间上的投影表征该信号[4]。小波变换的优势：傅里叶变换只能进行信号频域分析，但无法分析时域特征。小波变换能同时在频域和时域上、通过伸缩和平移等操作对信号进行多尺度细化分析，比傅里叶变换功能强大。小波变换阈值去噪步骤：（1）将二维信号用小波变换分解到多尺度;（2）选择阈值，并将各层尺度的系数与该阈值做大小比较，以此来确定本小波系数是由噪声还是信号引起的，丢弃噪声引起的系数，保留信号引起的系数;（3）对筛选后的参数进行逆小波变换操作，重构信号。将其应用与掌静脉图像去噪：

由图3看出，经过小波变换去噪，图像中的大部分噪声都已滤去，但图像质量轻微降低。

3 结论

本文就均值去噪、中值去噪及小波变换阈值去噪进行了研究，并通过MATLAB编程对掌静脉图像去噪进行实验测试。实验证明，均值滤波去噪去噪能力强，但以图像质量下降为代价，图像严重模糊。小波变换阈值去噪效果尚可，但图像也变模糊。中值滤波对椒盐噪声去噪效果好，并保留了原始图像信息，图像细节清晰可见，适用于去除椒盐噪声。

参考文献：

[1]陆海虹.基于OPENCV的手势识别系统的设计与实现[J].计算机测量与控制，2015，23（5）：1649-1652.

[2]刘成龙.精通MATLAB图像处理[M].北京：清华大学出版社，2015：267.

[3]王科俊，熊新炎，任桢.高效均值滤波算法[J].计算機应用研究，2010，27（2）：434-438.

[4]赵小川，何灏，缪远诚.MATLAB数字图像处理实战[M].北京：机械工业大学出版社，2013：75-76.