MATLAB基于小波变换的图像数字去噪研究(2)
.
现实中我们得到的图像或多或少都是受到干扰和污染的,这种图像包含了原图以外的信息——噪声。噪声的定义是阻碍人们感官理解所接收的信源信息的因素，也就是降低人们从中获取有效信息的能力的原因
图像噪声的三大特点:
(1)噪声在图中随机位置，形状不一;
(2)噪声可以叠加;
(3)图像与噪声的有关联。
图像噪声按源头分为内外部,源头的不同导致了图像噪声之间特点不同。
图像噪声按图像和噪声的异同又有另一个划分：
(1)加性噪声:设被污染图像为 则
很明显, 表示原图像，也就是未被污染的图像，它与代表噪声的函数 没有数学上的联系，这种噪声常常在扫描图像时以及传送图像的过程中被加入图像。
(2)乘性噪声:乘性噪声和加性噪声的不同点在它和原始图像有直接联系,这里又有两种可能:一种是目标噪声点只与该点原像素有关;另一种是该点处的噪声不仅受原像素点影响，还接受该点周围的影响。目标像素点的周围点我们称之为邻域。
通常我们按照噪声分布的特点将其划分为高斯噪声，椒盐噪声等，椒盐噪声只有一个极值，没有中间值，这使它表现为噪声点特别亮或暗，如同在图像上撒了椒盐一般。
还可以按统计特性是否因时间变化划分为平稳和非平稳噪声，不因t变称为平稳噪声，反之则为非平稳噪声。
椒盐噪声的特点是任意位置出现噪声的概率相同。椒盐噪声大多为0或255灰度，是一种稀疏均匀分布的噪声。
1.2图像去噪评判标准
去噪之后我们可以采用一个标准分高低，常用两种评判标准：主观准则与客观准则。
1.主观准则
顾名思义，主观准则就是由人眼观察和对比的准则。因为图像去噪最终还是为人眼服务，所以主观准则有其特殊的优势。一种是任意选择一队观察人员，由其给去噪后图像评分，最后把这些分数统计平均，得出最终结果。表1.1给出了评价的具体尺度。
表1.1 主观评价尺度
评分 评价 说明
1 优秀 图像去噪效果很好，给人感觉很自然
2 良好 图像去噪效果高，比较自然，有阻碍但不影响
3 合格 图像去噪效果可接受，有阻碍但影响有限
4 可看 图像去噪效果差，需仔细看才能认清
5 差 图像去噪效果很差，较难看清原貌
6 无法使用 图像去噪效果极差，完全不能提取消息
2.客观准则
客观准则的原理是计算原图和加噪图之间的差别，通过数学计算理性判断去噪效果。一般采用PSNR法，即计算峰值信噪比来评判。它的优点是运算方便，物理意义清晰。计算出的结果越大则说明去噪效果越好。
式(1.1)
MSE是两图间的均方误差。
1.3小波变换在数字图像处理中的应用
1.3.1小波图像分析
小波变换作为一种为实际应用出现的改良变换域分析法，自出现以来就一直是信号及图像处理等领域的常用工具。小波变换的多分辨率，有快速算法等特点使它广泛被应用在图像处理之中。常见的小波图像应用有图像消噪，数字水印，压缩，边缘检测，图像增强等等。实际应用随着小波理论的不断发展而得到进一步的开放。应用小波变换于图像的具体步骤如图1。
