簡介:
現實中的數字圖像在數字化和傳輸過程中，往往會受到成像設備和外界環境的噪聲幹擾，稱為噪聲圖像或噪聲圖像。降低數字圖像中噪聲的過程稱為圖像去噪。
去除圖像噪聲的方法:
均值濾波器
使用鄰域平均方法的平均濾波器非常適合於去除掃描圖像中的粒子噪聲。域平均法有效的抑制了噪聲，同時也因為平均造成了模糊現象，模糊程度與域半徑成正比。
幾何均值濾波的平滑度可以和算術均值濾波相比，但是在濾波過程中會丟失較少的圖像細節。
諧波平均濾波對鹽噪聲較好，但不適合胡椒噪聲。擅長處理高斯噪聲等其他噪聲。
逆諧波平均濾波器更適合處理脈沖噪聲，但是它有壹個缺點，就是需要知道噪聲是暗噪聲還是亮噪聲，以便選擇合適的濾波器階號。如果訂單簽錯了，可能會導致災難性的後果。
自適應維納濾波器
它可以根據圖像的局部方差調整濾波器的輸出。局部方差越大，濾波器的平滑效果越強。其最終目標是使恢復圖像f (x，y)與原始圖像f(x，y)之間的均方誤差e2 = e [(f(x，y)-f (x，y) 2]最小。這種方法的濾波效果比壹般的濾波器要好，對保留圖像的邊緣和其他高頻部分非常有用，但需要大量的計算。維納濾波對有白噪聲的圖像濾波效果最好。
中值濾波器
它是壹種常用的非線性平滑濾波器。它的基本原理是用數字圖像或數字序列中某壹點的場中每壹點的中值來代替該點的值。它的主要作用是將周圍灰度值差異較大的像素變為與周圍像素值接近的值，從而消除孤立的噪聲點。因此，中值濾波對於濾除圖像中的椒鹽噪聲非常有效。中值濾波既能去除噪聲又能保護圖像的邊緣，從而獲得滿意的復原效果。而且實際操作過程中不需要圖像的統計特征，也帶來了很多便利。但對於壹些細節較多的圖像，尤其是點、線、尖頂較多的圖像，不宜采用中值濾波的方法。
形態噪聲濾波器
結合開和關可以用來過濾噪聲。首先將含噪圖像打開，可以選擇大於噪聲大小的結構元素矩陣，所以打開的結果是去除背景中的噪聲。最後，對上壹步得到的圖像進行封閉，去除圖像上的噪聲。根據這種方法的特點可以知道，這種方法適用於圖像中物體尺寸比較大，沒有小細節的圖像類型，這類圖像的去噪效果會更好。
小波去噪
該方法保留了大部分包含信號的小波系數，因此能很好地保持圖像細節。小波分析圖像去噪有三個主要步驟:
(1)圖像信號進行小波分解。
(2)對分層分解後的高頻系數進行閾值量化。
(3)利用二維小波重構圖像信號。
詳見百度百科:/view/4518756.htm。