图像滤波算法的研究与实现+MATLAB程序(2)
在图片产生、传输、接收和处理的过程中会受到随机信号的干扰，如气流摩擦生电产生的噪声，量化时的量化噪声，传输过程中的误差及人为因素等，从而影响图片的质量和可懂性，直接降低图像分割、边缘检测、细节信息提取等后续操作的效果[13]。因此，图像滤波一直是图像处理研究的热点问题和关注焦点。
在数字图像处理领域，有大量传统的滤波算法，比方说：高斯滤波、中值滤波、均值滤波等等，它们对噪声的抑制作用经受住了岁月的考验。但是，这些算法也存在缺陷。首先，在去除噪声的同时导致图像细节信息的丢失。其次，对于噪声点周围的局部信息利用不充分。最后，并没有哪一种算法适用于所有图像，普适性较差。所以比较不同算法的优劣性，取长补短，研究高性能、高普适性、低耗时的滤波算法具有重大意义。
MATLAB作为信号处理的首选工具，其数据库功能完善，覆盖面广泛，可以避免不必要的编码。因此，选择MATLAB作为算法代码的编写和执行软件，是不二之选。
1.2 发展现状和趋势
1.3 论文研究内容和章节安排
本文所做的工作是对数字图像滤波算法进行研究，对滤波算法进行分析，并且运用MATLAB对算法进行实现。
第二章：详细介绍空间滤波和频域滤波的概念、实现形式，以及两者之间的联系。同时，比较空间滤波和频域滤波各自的优缺点，总结适用的范围。
第三章：按照线性空间滤波、非线性空间滤波、频域滤波的顺序依次介绍滤波算法，包括算法的原理仿真、分别对高斯和椒盐噪声的滤波结果，并且对结果进行分析和总结。
2 数字图像滤波算法介绍
2.1 引言
俗话说：百闻不如一见。可见图像在人类认识世界的过程中起着无可替代的作用。但是现实生活中，人们接触到的图像大都受到随机噪声的干扰而变得模糊不清，或是感兴趣的内容掩埋在众多其他目标之中而无法辨认，又或是两点之间传输图像数据过大而耗时严重等等[11]。所以，为了解决种种问题，数字图像处理应运而生。正因为以下两个主要的应用领域：改善图示信息以便人们解释；为存储、传输和表示而对图像数据进行处理，以便于机器自动理解，数字图像处理的重要性可见一斑。
在图像处理系统中，图像滤波是其中非常关键的一个环节。能够在去除噪声的同时尽可能还原图像的本身是图像滤波所追求的至高点。但是，通常在去噪的同时，图像本身的细节和边缘信息遭到破坏，降低了图像的可懂性和观赏效果。因此，数以万计的学者和研究人员为了达到完美的图像滤波孜孜不倦，奉献出了许多高效高质量的滤波算法。本文就将对其中一些经典算法以及后续的改进算法进行研究和分析。本章先从数字图像处理系统的框架入手，给出图像处理的基本步骤和系统组成，理解图像滤波的大背景。
2.2 数字图像处理系统
定义一个二文函数 ，其中 是空间平面坐标，而在空间平面上的任意一点 处的幅值则表示图像在点 的灰度值[2]。当 和灰度值 均为离散且有限的数值时，就为数字图像。借助计算机处理数字图像的方法被称为数字图像处理。同时，我们将数字图像处理界定为其输入和输出都是图像的处理，另外，包含从图像中提取特征的处理，以及识别细节目标。
图2.1描绘了数字图像处理的基本步骤。
从图2.1中可见，图像滤波是获取图像后的第一个操作环节，也是决定最终图像质量好坏的关键环节。因此，选择合适的算法对图像实现较好的滤波是图像处理的基石。