基于MATLAB彩色图像平滑处理1
目录
第一章，概述2
1.1 图像平滑概述2
1.图像平滑应用2
第二章 、图像平滑法5
2.1 空域低通滤波5
2.1.1 均值滤波器5
2.1.2 中值滤波器6
2.2 低通滤波7频域
第三章图像平滑处理调试10
3.1 模拟噪声图像10
3.2均值滤波法12
3.3 中值滤波法15
3.4 低通滤波法17频域
第四章，总结经验20
参考文献21
第一章，概述
1.1 图像平滑概述
图像平滑(Smoothing)主要目的是降低图像噪声。图像噪声来自许多方面，包括系统外部干扰（如电磁波或通过电源进入系统内部的外部噪声）和系统内部干扰（如摄像头的热噪声、电气机械运动产生的抖动噪声）。实际获得的图像因干扰而产生噪声，这决定了噪声分布的特性和与图像信号的关系。可在空间域或频率域处理降噪方法。在空间域中，基本的方法是寻求像素的平均值或中值；低通滤波技术用于频域。
图像中的噪声通常与信号交织在一起，特别是乘性噪声。如果光滑不当，图像本身的细节，如边缘轮廓和线条，会模糊 图像质量降低。图像平滑度总是以某些细节模糊为代价的。因此，如何尽可能平滑图像的噪音，保持图像的细节是图像平滑度研究的主要问题之一。
1.图像平滑应用
图像光滑主要是为了消除被污染图像中的噪声，这是遥感图像处理研究的基本内容之一，广泛应用于图像显示、传输、分析、动画制作、媒体合成等方面。提高图像质量的方法是基于人类视觉系统的生理接受特性。处理对象是在图像生成、传输、处理、显示等过程中受到各种因素干扰的加噪图像。在图像处理系统中，图像平滑是图像恢复技术针对图像中唯一的退化是噪声的特例。噪声模型
.1噪声来源
图像可能会受到各种噪声的干扰，数字图像的本质是光电信息，因此图像噪声主要来自光电传感器噪声、大气层电磁暴力、闪电等强脉冲干扰
照片颗粒噪声和信道传输误差引起的噪声。噪声的存在恶化了图像的质量，使图像模糊，甚至完全淹没了图像的特征，给图像识别和分析带来了困难。
目前，更经典的去噪方法或多或少会模糊图像。因此，探索一种既能去除噪声又不模糊图像的方法一直是图像增强处理中的一个难题，仍在不断探索。
2.1.1噪声的分类
噪声是阻碍人类视觉器官或系统传感器理解或分析接收到的图像信息的各种因素。一般噪声是不可预测的随机信号，只能通过概率统计来理解。根据噪声的原因，我们可以将经常影响图像质量的噪声源分为三类：
2.1.1电阻元件内部产生的高斯噪声是由元件中的电子随机热运动引起的。它已经成功地建模和研究了很长一段时间。一般以零平均高斯白噪声为模型。
2.1.2光电转换过程中的泊松噪声是由光的统计本质和图像传感器中的光电转换过程引起的。在弱光条件下，影响更严重，通常使用具有泊松密度分布的随机变量作为这种噪声模型。
2.1.3在显微镜下检查感光过程中产生的颗粒噪声，发现照片上光滑细致的色调实际上在微观上呈现出随机的颗粒性质。此外，随机性将被引入不同颗粒本身的大小和每个颗粒暴露所需的光子数量。这些因素的外观性能称为颗粒性。对于大多数应用程序，颗粒噪声可以作为高斯过程（白噪声）的有效模型。
根据噪声和信号的关系可以将其分为两种形式：
(1)加性噪声:一些噪声和图像信号g(x,y)没关系，在这种情况下，含噪图像f(x,y)可表示为：f(x,y)= g(x,y) n(x,y)扫描图像时产生的信道噪声和噪声属于加性噪声。
(2)乘性噪声:有些噪声与图像信号有关，可分为两种情况:一种是像素点的噪声只与像素点的图像信号有关，另一种是像素点的噪声与点及其邻域的图像信号有关。
如果噪声与信号成正比，则含噪图像f(x,y)可以说：f(x,y)= g(x,y) n(x,y)g(x,y)
图 加乘性噪声图
此外，它还可以根据噪声服从的分布进行分类，可分为高斯噪声、泊松噪声和颗粒噪声。泊松分布噪声一般出现在照度很小、电子线路放大率高的情况下，泊松噪声可视为椒盐噪声。其他情况通常是加性高斯噪声。颗粒噪声可视为白色噪声过程，高斯分布加性噪声在密度域，乘性噪声在强度域。
高斯噪声
数字图像的噪声主要来自图像的获取和传输过程。光电子噪声、热噪声、KTC噪声、定量噪声和通道传输噪声。根据它是否独立于空间坐标，以及它是否与图像相关，可分为加性噪声和乘性噪声。为了最大限度地减少噪声对图像的影响，人们在提高硬件质量和处理污染图像方面做了很多工作