基于Matlab的图像去噪可视化系统设计

李秀梅，张奇伟，应广之

（杭州师范大学信息科学与工程学院，浙江杭州 310036）

基于Matlab的图像去噪可视化系统设计

李秀梅，张奇伟，应广之

（杭州师范大学信息科学与工程学院，浙江杭州 310036）

设计了基于Matlab的图像去噪可视化系统，针对常见的高斯噪声、椒盐噪声、乘性噪声，讨论和比较了均值滤波、中值滤波、自适应中值滤波、维纳滤波和小波阈值滤波等去噪方法，并利用峰值信噪比PSNR反映各种去噪方法对不同噪声干扰后图像的处理效果，为图像去噪提供了直观的分析.

图像去噪；可视化；峰值信噪比；高斯噪声；椒盐噪声；乘性噪声

0 引 言

图像在产生和传输的过程中会受到如高斯噪声、椒盐噪声、乘性噪声等各种噪声的干扰，为了将受噪声影响后的图像尽可能地还原出来，需要对被噪声干扰的图像进行去噪，因此图像去噪是图像处理领域中的重要研究课题，引起了人们的广泛关注［1－7］。

不同类型的噪声，需要采用不同的去噪算法。例如，针对高斯噪声，常见的去噪方法为均值滤波算法；而针对椒盐噪声，常采用Turkey提出的中值滤波算法.为了更好地抑制噪声密度较大的椒盐噪声，有学者提出了自适应中值滤波［5］.此外，维纳滤波［6］和基于小波的阈值滤波［7］也成为了人们关注的热点方法.

为了直观、客观分析各种方法对不同噪声干扰的图像进行去噪的效果，本文基于Matlab设计了可视化的图像去噪系统，以分析图像被高斯噪声、椒盐噪声和乘性噪声干扰的情况下利用不同的去噪方法即均值滤波、中值滤波、自适应中值滤波、维纳滤波和小波阈值滤波对含噪图像进行处理的情况，并给出峰值信噪比PSNR以客观反映去噪效果.

1 去除图像噪声的方法简介

1.1 均值滤波

均值滤波属于典型的线性滤波算法［5］，对于待处理的像素点，选择一个由其邻域的若干像素组成的模板，求模板中所有像素的均值，再把该均值赋予待处理的像素点，作为处理后图像在该点上的灰度.均值滤波有效抑制了噪声，然而算法中的平均计算也引起了模糊现象.

1.2 中值滤波

中值滤波是一种常用的非线性平滑滤波方法［5］，其基本原理是把图像中每一点的像素值用该点邻域中各像素值的中值代替，从而消除孤立的噪声点，因此对于滤除图像的椒盐噪声非常有效，并且中值滤波器在去除噪声的同时还保护了图像的边缘.

1.3 自适应中值滤波

标准的中值滤波算法在处理空间密度较大的椒盐噪声时存在能力不足的问题.作为中值滤波算法的改进方法，自适应中值滤波算法［5］通过扩大窗口来相对地减少椒盐噪声的空间密度，对空间密度较大的椒盐噪声产生较好的抑制作用，并且还可以保存更多的图像细节.

1.4 自适应维纳滤波

自适应维纳滤波［6］以恢复图像与原始图像的均方误差最小为主要目标，根据图像的局部方差调整滤波器的输出，局部方差越大，滤波器的平滑作用越强.该方法的滤波效果比均值滤波器效果要好，能有效保留图像的边缘和其他高频部分.

1.5 小波阈值去噪

小波阈值去噪［7］主要包括对图像信号进行小波分解、对经过层次分解后的高频系数进行阈值量化、利用二维小波重构图像信号等3个步骤，是一种简单而有效的去噪方法，可以较好地保持图像细节.

2 基于Matlab的图像去噪可视化系统设计

Matlab是由Math Works公司开发的一种高级技术计算语言和交互式环境，广泛应用于算法开发、数据可视化、数据分析以及数值计算等领域.Matlab中图形用户界面GUI具有强大的功能，由窗口、光标、按键、菜单和文本等对象构成，可以通过编程控制各个控件来协调工作.已有研究者基于Matlab建立语音处理系统［8］、图像处理系统［9］、基于小波变换的图像去噪系统［10］等.

本文将在Matlab开发环境下，完成图像去噪的可视化系统，包括界面设计和算法程序设计.通过该可视化系统，用户只需选择所需处理的图像，并选择对该图像添加各种不同的噪声类型及噪声密度，再利用上述介绍的去噪方法，即可实现对含噪图像的去噪处理.

2.1 系统框图及说明

该系统的框架图如图1所示.

本文利用Matlab中的图形用户界面GUI构建图像去噪可视化系统.在打开空白的GUI界面后，通过选择窗口、光标、按键、菜单和文本等控件及修改相关属性即可完成GUI界面的设计，如图2所示.

图1 基于Matlab的图像去噪可视化系统框架图Fig.1 The diagram of the Matlab－based image denoising system

2.2 系统演示

笔者利用该系统分别对被高斯噪声、椒盐噪声、乘性噪声干扰的lena图像进行去噪处理演示.

针对图像去噪，常用的客观评价标准为峰值信噪比PSNR，其定义式为：

图2 基于Matlab的图像去噪可视化系统界面Fig.2 The interface of the Matlab－based image denoising system

2.2.1 高斯噪声

通过点击“请选择原始图像”，选择lena.jpg图像并显示在原始图像框中；选择噪声类型中的“Gaussian”，并选择其方差为0.02，点击加噪按钮后，显示加噪图像；然后点击去噪按钮，启动对图像的去噪处理并显示各方法处理后的图像；同时在PSNR栏显示出加噪图像及各去噪图像的PSNR，以进行对比.图3所示即为高斯噪声干扰下该可视化系统运行的结果.

图3 高斯噪声下图像可视化系统的运行结果Fig.3 The result of the Matlab－based image denoising system in Gaussian noise

由运行结果，可以直观比较各种去噪方法的效果，并通过PSNR的对比，给出对去噪方法的客观评价.由图3可以看出，小波滤波和均值滤波是处理被高斯噪声干扰的图像较好的方法，维纳滤波和中值滤波也对高斯噪声的抑制起到一定的效果，而自适应中值滤波却无法对高斯噪声起到较好的抑制作用.

2.2.2 椒盐噪声

将噪声类型选择为椒盐噪声，并选择其噪声密度为0.1，系统的运行结果如图4所示.可以看出，中值滤波和自适应中值滤波能对被椒盐噪声干扰的图像给出较好的处理结果，而维纳滤波、中值滤波及自适应中值滤波则无法对高斯噪声起到较好的抑制作用.各滤波方法的PSNR值也客观反映了各自的效果.

图4 椒盐噪声下图像可视化系统的运行结果Fig.4 The result of the Matlab－based image denoising system in salt and pepper noise

2.2.3 乘性噪声

将噪声类型选择为乘性噪声，噪声密度选择为0.05，所得结果如图5所示.可见，小波滤波和均值滤波可以有效抑制乘性噪声的干扰，获得较清晰的图像.而自适应中值滤波是抑制椒盐噪声的有效方法，却无法较好地抑制乘性噪声，其PSNR值也较小.

图5 乘性噪声下图像可视化系统的运行结果Fig.5 The result of the Matlab－based image denoising system in multiplicative noise

从以上的演示和分析可见，针对高斯噪声、椒盐噪声、乘性噪声等不同类型的噪声，该可视化系统给出了几种不同去噪方法的比较，可以直观、客观地分析不同方法的去噪效果，从而为针对不同类型的噪声选择合适的去噪方法提供参考依据.

需要明确的是，在系统运行时界面中出现“请选择原始图像”后，笔者选择了lena.jpg图像作为范例来探讨该图像在不同噪声下的各种去噪方法的比较.事实上，也可以选择其它不同的原始图像，如常见的baboon.jpg，barbara.jpg，pepers.jpg等.针对不同的图像，采用各种不同去噪方法所得的效果与针对lena.jpg图像所得到的效果相似，由于篇幅限制，这里不再给出其它图像处理的结果.

3 结 论

本文基于Matlab设计了图像去噪可视化系统，针对高斯噪声、椒盐噪声、乘性噪声等3种噪声，直观分析了均值滤波、中值滤波、自适应中值滤波、维纳滤波和小波阈值滤波等图像去噪方法.该系统作为图像去噪的平台，能够直观地分析以上各去噪方法对噪声干扰图像的处理以更好理解各种去噪方法，为图像去噪提供可视化的分析.

［1］肖泉，丁兴号，王守觉，等.有效保持细节特征的图像椒盐噪声滤除方法［J］.电子学报，2010，38（10）：2273－2278.

［2］张卫华，李睿，何坤，等.3DDCT变换下的图像去噪与增强方法［J］.电子科技大学学报，2011，40（5）：742－746.

［3］Chan R H，Ho C W，Nikolova M.Salt－and－pepper noise removal by median－type noise detectors and detail－preserving regularization［J］.IEEE Transactions on Image Processing，2005，14（10）：1479－1485.

［4］Hamza A B，Krin H.Image denoising：a nonlinear robust statistical approach［J］.IEEE Transactions on Signal Processing，2001，49（12）：3045－3054.

［5］景晓军，周贤伟，付娅丽.图像处理技术及其应用［M］.北京：国防工业出版社，2005：206－211.

［6］张兆礼，赵春晖，梅晓丹.现代图像处理技术及Matlab实现［M］.北京：人民邮电出版社，2001：319－328.

［7］田沛，李庆周，马平，等.一种基于小波变换的图像去噪新方法［J］.中国图象图形学报，2008，13（3）：394－397.

［8］王光艳，赵晓群，王霞.语音信号时频特征显示系统的设计和仿真［J］.计算机工程与应用，2010，46（29）：73－75.

［9］黄书先.基于Matlab平台的可视化图像处理系统设计方法［J］.长江大学学报：自然科学版，2005，2（4）：158－161.

［10］丰明坤.基于小波变换的图像去噪虚拟仪器系统［J］.光电子技术，2009，29（1）：23－26.

A Matlab－based Visual System Design for Image Denoising

LI Xiu－mei，ZHANG Qi－wei，YING Guang－zhi

（College of Information Science and Engineering，Hangzhou Normal University，Hangzhou，310036，China）

The research designed a Matlab－based visual system for image denoising.Aiming at Gaussian noise，salt and pepper noise as well as multiplicative noise，the paper discussed and compared different denoising methods，such as mean filter，median filter，adaptive median filter，Wiener filter and wavelet threshold filter.Moreover，the system used PSNR to show the denoising effects of different denoising methods on different noises，provided visualized analysis for image denoising.

image denoising；visualization；PSNR；Gaussian noise；salt and pepper noise；multiplicative noise

TP317.4

A

1674－232X（2012）06－0551－05

10.3969/j.issn.1674－232X.2012.06.015

2012－07－07

国家自然科学基金项目（61102164）；杭州师范大学科研启动基金项目（2011QDL021）；杭州师范大学实验室开放项目；杭州师范大学本科生创新能力提升工程项目；杭州师范大学挑战杯项目.

李秀梅（1978—），女，副教授，博士，主要从事时频分析及应用、图像及语音处理方面的研究.E－mail：xiumei＿li＠hotmail.com