如何用均值中值算法在Matlab中实现图像去噪并获取源码？

本文共计2119个文字，预计阅读时间需要9分钟。

1. 简介及噪声噪声在图像上通常表现为引起视觉效果的独立像素点或像素块。通常，噪声信号与研究对象不相关，以无用的信息形式出现，影响图像的可观测信息。通俗地说，噪声就是杂音。

1 简介

噪声在图像上常表现为一引起较强视觉效果的孤立像素点或像素块。一般，噪声信号与要研究的对象不相关，它以无用的信息形式出现，扰乱图像的可观测信息。通俗的说就是噪声让图像不清楚。噪声主要来源于图像获取过程和图像信号传输过程，常见的噪声有高斯噪声、椒盐噪声、乘性噪声等。

高斯噪声：

高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。如果一个噪声，它的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。高斯白噪声的二阶矩不相关，一阶矩为常数，是指先后信号在时间上的相关性。在matlab软件中有专门的高斯噪声产生函数，所以不需要用到太复杂的计算步骤。可以使用imnoise函数并选择gaussian即可在图片中加入高斯噪声。

椒盐噪声：

椒盐噪声也称为脉冲噪声，是图像中经常见到的一种噪声，它是一种随机出现的白点或者黑点，可能是亮的区域有黑色像素或是在暗的区域有白色像素（或是两者皆有）。椒盐噪声通常是来源于图像切割。同样的，椒盐噪声的产生在matlab中也有相应的产生函数。与高斯噪声加入的方式类似，在matlab中使用imnoise选择salt & pepper即可在图片中加入椒盐噪声。

均值滤波：

均值滤波是一种线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（以目标像素为中心的周围8个像素，构成一个滤波模板，即包括目标像素本身），再用模板中的全体像素的平均值来代替原来像素值。