数字图像处理学习笔记（八）空间域复原

实验截图：

• 产生高斯噪声和脉冲噪声的图片
  
• 用中值滤波器、均值滤波器、维纳滤波处理上面噪声图片

实验代码：

产生高斯噪声和脉冲噪声：

img=imread('erciyuan.jpg');
img=rgb2gray(img);
subplot(131);
imshow(img);
title('原图');
img_noise=imnoise(img,'gaussian',0.06);%在原图上产生高斯噪声
 
img_noise1=imnoise(img,'salt & pepper',0.02);%在原图上产生脉冲噪声
 
subplot(132);
imshow(img_noise,[]);
title('含有高斯噪声的图');
 
subplot(133);
imshow(img_noise1,[]);
title('含有脉冲噪声的图');

用中值滤波器、均值滤波器、维纳滤波处理上面噪声图片:

img=imread('woman.png'); 
img = rgb2gray(img);
img_noise=imnoise(img,'gaussian',0.02); 
%img_noise=imnoise(img,'salt & pepper',0.02); 
img_ave=filter2(fspecial('average',3),img_noise)/255; %均值滤波模板尺寸为3 
img_mid= medfilt2(img_noise);%采用二维中值滤波函数medfilt2对受噪声干扰的图像滤波 
img_wie=wiener2(img_noise,[3 3]); %对加噪图像进行二维自适应维纳滤波     
subplot(2,3,1);imshow(img); 
title('原始图像'); 
subplot(2,3,2);imshow(img_noise); 
title('加噪图像'); 
subplot(2,3,3);imshow(img_ave); 
title('均值滤波后的图像'); 
subplot(2,3,4);imshow(img_mid); 
title('中值滤波后的图像'); 
subplot(2,3,5);imshow(img_wie); 
title('维纳滤波后的图像'); 

结果分析：

• 高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。常见的高斯噪声包括起伏噪声、宇宙噪声、热噪声和散粒噪声等等。除常用抑制噪声的方法外，对高斯噪声的抑制方法常常采用数理统计方法。

• 脉冲噪声（impulsive noise）是非连续的，由持续时间短和幅度大的不规则脉冲或噪声尖峰组成。产生脉冲噪声的原因多种多样，其中包括电磁干扰以及通信系统的故障和缺陷，也可能在通信系统的电气开关和继电器改变状态时产生。

• 我们可以通过matlab自带的函数imnoise（）来对图片添加噪声，imnoise的第二个参数可以控制我们添加噪声的类型，第三个参数当我们添加的是高斯噪声是表示的是方差，当我们添加的是脉冲噪声时，表示的是噪声密度。

• 这个实验中我们主要是使用到了三个函数来对噪声图像进行修复，第一个是均值滤波的filter2()函数，我们可以利用fspecial来设置均值滤波的模板尺寸和滤波器类型，将其设定为’average’和3，就可以实现利用均值滤波器对噪声图像修复，同时我们还可以用medfilt2()和wiener2()用中值滤波和维纳滤波来对噪声图像修复。