极客笔记MATLAB中的不同类型去噪滤波器有哪些
在MATLAB中， 去噪滤波器 是一种可以降低或去除数字图像或数字信号中噪声的工具。噪声是数字信号中的一种不需要的信号或干扰，影响了信号的质量或可能导致信号处理中的错误。因此，需要去除或减少信号或图像中的噪声。这可以通过去噪滤波器来实现。
在本教程中，我们将探讨MATLAB中几种不同类型的去噪滤波器，并使用MATLAB编程来实现它们。
MATLAB中的去噪滤波器类型
MATLAB提供各种类型的去噪滤波器，以降低或去除数字信号或图像中不同类型的噪声和干扰。一些常用的去噪滤波器如下：
- 中值滤波器 - 中值滤波器通过用附近像素的中值替换图像中的每个像素来减少噪声。中值滤波器在降低或去除图像中的椒盐噪声方面非常有效。
-
高斯滤波器 - 这种滤波器通过使用卷积操作从图像中去除噪声。它可以去除图像中的高斯噪声，使其平滑。
-
Wiener滤波器 - 这是一种自适应滤波器，用于减小真实信号和估计信号之间的均方误差。当噪声统计量已知时，使用该滤波器。
在MATLAB中应用去噪滤波器的过程
在MATLAB中，我们可以按照以下步骤对图像应用去噪滤波器以减小或去除噪声：
- 步骤（1） - 读取有噪声的图像或信号。
-
步骤（2） - 将输入图像转换为灰度图像以应用滤波器。
-
步骤（3） - 根据噪声特性选择适当的去噪滤波器。
-
步骤（4） - 对输入图像应用噪声滤波器。
-
步骤（5） - 显示结果。
现在，让我们讨论在MATLAB中实现上述三种类型的去噪滤波器。
(1). MATLAB中的中值滤波器
中值滤波器通过用其相邻像素的中值替换每个像素的值来对数字信号或图像进行去噪。这种类型的滤波器在降低或去除信号或图像中的椒盐噪声方面非常有效。
语法
可以使用MATLAB的内置函数’medfilt2’来应用该滤波器。’medfilt2’的语法如下：
filtered_img = medfilt2(noisy_image, window_size);
下面的MATLAB程序演示了如何利用中值滤波器从图像中去除噪声。
Matlab示例（1）
% MATLAB code for implementing median filter
% Read the noisy input image
img = imread('https://www.tutorialspoint.com/assets/questions/media/14304-1687425236.jpg');
% Convert the image to grayscale
gray_img = rgb2gray(img);
% Apply the median filter to the noisy image
filtered_img = medfilt2(gray_img, [3, 3]);
% Display the noisy image and filtered image
subplot(1, 2, 1), imshow(gray_img), title('Noisy Image');
subplot(1, 2, 2), imshow(filtered_img), title('Filtered Image');
输出
解释
在这个MATLAB代码中，首先我们使用’imread’函数读取噪声图像并将其存储在变量’img’中。然后，我们将输入的RGB图像转换为灰度图像以应用滤波器，我们使用’rgb2gray’函数。接下来，我们将中值滤波器应用于灰度图像以去除噪声，并将结果存储在变量’filtered_img’中。最后，我们使用’disp’函数显示输入的噪声图像和滤波后的图像。
(2). MATLAB中的高斯滤波
高斯滤波器是另一种用于去除高斯噪声并平滑数字图像的去噪滤波器。该滤波器使用高斯卷积核对图像进行卷积操作以去除噪声。
语法
在MATLAB中，我们可以使用’imgaussfilt’函数将高斯滤波器应用于图像。该函数具有以下语法−
filtered_img = imgaussfilt(noisy_img, std_deviation);
Matlab示例（2）
以下MATLAB程序演示了如何实现高斯滤波器来去除图像中的噪音。
% MATLAB code for implementing Gaussian filter
% Read the noisy input image
img = imread('https://www.tutorialspoint.com/assets/questions/media/14304-1687425236.jpg');
% Convert the image to grayscale
gray_img = rgb2gray(img);
% Apply the Gaussian filter to the noisy image
filtered_img = imgaussfilt(gray_img, 1);
% Display the noisy image and filtered image
subplot(1, 2, 1), imshow(gray_img), title('Noisy Image');
subplot(1, 2, 2), imshow(filtered_img), title('Filtered Image');
输出
解释
在这个MATLAB代码中，我们首先使用’ imread ‘函数读取噪声图像，并将其存储在变量 ‘img’ 中。然后，我们将输入的RGB图像转换为灰度图像，以便对其应用滤波器。之后，我们对灰度图像应用高斯滤波器以消除高斯噪声，并将结果存储在变量 ‘filtered_img’ 中。最后，我们使用’disp’函数显示噪声图像和滤波后的图像。
(3). MATLAB中的维纳滤波器
在MATLAB中，维纳滤波器是一种用于降噪数字信号或图像的自适应滤波器。该滤波器通过最小化真实信号与估计信号之间的均方误差来进行图像或信号的降噪。
语法
要应用维纳图像，我们使用图像的’wiener2’函数。此函数的语法如下 –
filtered_img = wiener2(noisy_img, window_size, noise_power);
在这里，噪声功率通过使用以下表达式进行估计，
noise_power = abs(fft2(noisy_img)).^2 / numel(noisy_img);
Matlab例子（3）
现在，让我们看一下在MATLAB中实现wiener滤波器的方法。
% MATLAB code for implementing wiener filter
% Read the noisy input image
img = imread('https://www.tutorialspoint.com/assets/questions/media/14304-1687425236.jpg');
% Convert the image to grayscale
gray_img = rgb2gray(img);
% Estimate the noise power for the given image
noise_power = abs(fft2(gray_img)).^2 / numel(gray_img);
% Apply the wiener filter to the noisy image
filtered_img = wiener2(gray_img, [3, 3], noise_power);
% Display the noisy image and filtered image
subplot(1, 2, 1), imshow(gray_img), title('Noisy Image');
subplot(1, 2, 2), imshow(filtered_img), title('Filtered Image');
输出
解释
在这个MATLAB程序中，我们首先使用’imread’函数读取噪声图像。然后，我们将输入的RGB图像转换为灰度图像以应用滤波器。接下来，我们对灰度图像应用维纳滤波器以去除噪声。最后，我们使用’disp’函数显示噪声图像和滤波后的图像。
结论
这是关于MATLAB中使用的不同类型的去噪滤波器来减少或消除数字信号和图像中的噪声。在本教程中，我们介绍了三种最常用的去噪滤波器，即“中值滤波器”、“高斯滤波器”和“维纳滤波器”，并解释了它们在MATLAB编程中的实现方式。您可以尝试将上述给出的MATLAB代码与您的噪声图像一起使用，以了解它们的功能。