MATLAB應(yīng)用在基于噪聲檢測(cè)的圖像均值去噪法

　　一般來(lái)說(shuō)，圖像中像素的灰度值是連續(xù)漸變的。

　　而如果存在噪點(diǎn)，那么在原圖像素和噪點(diǎn)之間的灰度值會(huì)發(fā)生突然的變化。基于此，首先取待檢測(cè)點(diǎn)的上、下、左、右四個(gè)鄰域大小為3×3，計(jì)算各鄰域的平均值，如果四個(gè)鄰域的均值都與待檢測(cè)點(diǎn)的差的絕對(duì)值大于既定的閾值，則判斷該點(diǎn)為噪點(diǎn)，反之，有一個(gè)鄰域的均值與待測(cè)點(diǎn)的差小于閾值。則判斷該點(diǎn)為正常像素點(diǎn)。其中；闋值是我們根據(jù)圖像的含噪情況人為設(shè)定的一個(gè)值，一般在100和200之問(wèn)。同時(shí)。建立與待檢測(cè)圖像大小相同的矩陣，稱為噪聲標(biāo)識(shí)矩陣。其中的點(diǎn)與原圖像矩陣中的點(diǎn)一一對(duì)應(yīng)。并預(yù)設(shè)該矩陣中的值全為1，如果一像素被判斷為噪聲，則置標(biāo)識(shí)矩陣中相應(yīng)元素為o.這樣，就可以實(shí)現(xiàn)前面判斷過(guò)程所得出的結(jié)果被后續(xù)的檢測(cè)所使用，已經(jīng)被判定為噪聲的像素不再參與領(lǐng)域均值的計(jì)算。

　　這樣，我們就可以用一個(gè)循環(huán)，來(lái)對(duì)圖像矩陣中的每個(gè)像素逐個(gè)進(jìn)行判斷，方便地檢測(cè)到了噪聲點(diǎn)。

　　接下來(lái)，就可以利用中值濾波的方法，去除圖像中的噪點(diǎn)了，將預(yù)先判斷為噪點(diǎn)的圖像矩陣中的點(diǎn)，如（a。b）=（70.S5）的點(diǎn)的值是230，與鄰域點(diǎn)的均值的差大于兩值150。因此翔斷它是一個(gè)噪點(diǎn)。這樣，我們就用它鄰域內(nèi)的八個(gè)點(diǎn)中有效的點(diǎn)來(lái)取均值代入。依次執(zhí)行，挨個(gè)計(jì)算、代人。這樣就得到了一個(gè)新的圖像數(shù)據(jù)矩陣，最后我們用i眥Ilow函數(shù)顯示處理后的圖像（見圖3）。可以看到。效果非常明顯。

　　4 結(jié)語(yǔ)

　　去噪后的圖像不僅噪聲強(qiáng)度受到限制，而且圖像細(xì)節(jié)得到了最大限度的保持，解決了妨礙人們獲取圖像信息的同胚。在航空航天、通信工程、生物醫(yī)學(xué)、軍事公安、文化藝術(shù)等領(lǐng)域都具有一定意義。