基于圖像去噪方法的研究

陳彥

摘要：本論文主要研究圖像噪聲去除方法，從圖像噪聲的產生到運用各種方法進行數字圖像去除噪聲，以達到圖像清晰的目標。論文介紹了圖像去噪方法，空間域和頻域去噪方法，重點研究利用小波變換將圖像從空間域中變換到頻率域中，在頻率域中再通過相關方法進行去噪的方法，利用這一方法達到去除圖像噪聲的目的。

關鍵詞：圖像去噪；空間域；小波閾值去噪

中圖分類號：TP391.41 文獻標識碼：A 文章編號：1007-9416（2017）05-0131-02

1 緒論

1.1 圖像降噪的必要性

由于人類社會的飛速發(fā)展，科學技術在不斷更新，數字成像設備如雨后春筍般層出不窮，計算機在人們生活中大范圍普及，數字圖像因此也成為人們生活中不可少的信息載體，數字圖像給與人類生活十分大的幫助，但同時數字圖像在獲取及傳播的過程中也會出現各種問題，其中圖像噪聲這一問題是人們十分關注的問題，圖像噪聲對人們獲取圖像信息時有很大的影響，有時會因為圖像噪聲的影響而造成很大的醫(yī)學事故，工程問題等重大問題和事故，所以，數字圖像去噪處理已成為了一門專門的學科而不是數字圖像處理研究中的一個小小的過程。本次論文是要對數字圖像基本的去噪方法進行研究和小波閾值去噪方法的改進，對圖像去噪方法能大概了解和掌握，并且在掌握的同時能夠對基本的圖像去噪方法有創(chuàng)新，找到更加高效的圖像去噪方法[1]。

1.2 圖像降噪方法的研究現狀

圖像降噪方法的研究是隨著數字成像設備的發(fā)展而來的，在起初數字圖像出現的時候人們并沒有意識到去除圖像噪聲的重要性，直到圖像處理技術發(fā)展到一定的程度，因為各種因素而導致的噪聲出現在圖像中影響了人們的正常觀察及后期處理，所以圖像降噪的研究由此而產生。圖像去噪方法從最初的空間域去噪到現在的頻率域去噪，數字圖像去噪方法的研究一直在不斷發(fā)展，現在普遍使用的方法是在變換域中進行圖像降噪，變換域降噪有空間域降噪的優(yōu)點，而且還擁有空間域去噪方法沒有的優(yōu)點，漸漸的變換域降噪的研究變得更加的受歡迎，從起初的傅里葉變換而演變出來的小波變換，到如今，小波變換去噪已經成為現在圖像去噪廣泛使用的方法，以小波變換去噪為基礎，人們研究出了更多的有關小波變換的去噪方法，擁有更加優(yōu)秀的去噪效果。如今，圖像降噪方法的研究仍在繼續(xù)，因為現在所研究出的方法中仍然有比較多的缺點，并且圖像降噪方法不具有通用性，某種降噪方法只針對某具體類型的圖像和噪聲有效。所以對于圖像降噪仍在繼續(xù)研究，將來圖像降噪的終極研究目標是降噪之后的圖片擁有與原圖像一樣的圖像效果，不會有噪聲的影響，完全還原原圖的圖像信息，甚至將來的降噪目標是降噪后的圖像能夠超越原圖[2]。

2 數字圖像噪聲

2.1 圖像噪聲

“噪聲”一詞來自于聲學，原指人們在聆聽目標聲音時受到其他聲音的干擾，這種起干擾作用的聲音稱之為“噪聲”。后來又將“噪聲”這一名詞引入到圖像系統(tǒng)中，所謂的“圖像噪聲”用通俗的話來說就是圖像上影響人們觀看圖像的小斑點，專業(yè)的解釋為：圖像上影響人們獲取信息的因素。圖像噪聲的定義與聲學中噪聲定義異曲同工，都是阻礙人們從圖像或聲音中獲取信息的因素。圖像噪聲在圖像中的表現形式是多種多樣的，有像沙粒一般的高斯噪聲，還有像胡椒和食鹽混合在一塊的椒鹽噪聲等，每一種噪聲都有自己的特性，有自己的表現形式，有適合它的去噪方法[3]。

2.2 噪聲產生原因

圖像產生噪聲的原因有多種，歸納總結主要造成圖像噪聲的原因有4類：電子元器件產生的噪聲、光電轉換產生的噪聲、光學現象產生的噪聲和底片顆粒產生的噪聲。

（1）由電子元器件產生的噪聲.在數字成像設備的硬件中有非常多的電子元件，在成像過程中設備會因運行發(fā)熱導致電子元器件中的電子產生熱運動，這些不規(guī)則的熱運動使得形成圖像時產生了不規(guī)律的圖像信息，這就是電子元器件產生的圖像噪聲。電子元器件產生的噪聲一般都是加性噪聲。（2）光電子轉換產生的噪聲。圖像成像離不開光，數字成像設備成像的第一步是要接受事物反射回來的光，統(tǒng)計事物每個細節(jié)處的光子數目形成像素點。這個過程是有光轉換為電子的過程，在這個過程中統(tǒng)計光子數目，光子轉換為電子這些過程中都會不可避免的出現偏差，因為這些偏差而導致了光電子轉換的噪聲。光電子轉換產生的噪聲非常常見，因為現在科學技術的局限，成像設備不能完全將光子統(tǒng)計轉換為電子，所以，光電子轉換產生的噪聲必須要有更高的科技才能避免或減少噪聲。（3）光學現象產生的噪聲。圖像中的噪聲大多數都是由光學現象造成的，比如：底片上的粒狀結構，屏幕上的粒狀結構等成像設備中的粒狀結構造成的顆粒噪聲。這些噪聲的造成與光電子轉換噪聲一樣都是不可避免的，只能通過圖像去噪方法來減輕對圖像信息的影響。（4）底片顆粒造成的噪聲。照片底片中含有成像的鹵化銀顆粒，在曝光的過程中，鹵化銀顆粒曝光只有兩種可能，曝光或不曝光。底片中的鹵化銀顆粒的隨機分布，分布密度等都影響了圖像信息的表達，導致圖像中出現不必要的噪聲，同上面所介紹到的都是不可避免的噪聲，只能隨著科技的發(fā)展而減少這些噪聲的產生，但是現如今只能通過圖像去噪技術來去除噪聲還原圖像信息。

2.3 圖像噪聲分類

以產生噪聲的原因可以把圖像噪聲分為兩類。一類是外部噪聲，另一類理所當然就是內部噪聲[4]。

（1）外部噪聲：外部噪聲的造成與成像設備無關，產生噪聲的原因是各種外部因素，比如：電磁干擾、電閃雷鳴等外部因素。（2）內部噪聲：產生內部噪聲的原因是成像設備內部元件電阻發(fā)熱導致電子熱運動、接受光子數目出現偏差等原因而造成的噪聲稱為內部噪聲。

以噪聲信號在圖像信號中的統(tǒng)計特性而分噪聲為：平穩(wěn)噪聲和非平穩(wěn)噪聲。（1）平穩(wěn)噪聲：噪聲信號統(tǒng)計特性與時間變化沒有關系，不隨時間變化的噪聲稱為平穩(wěn)噪聲。（2）非平穩(wěn)噪聲：噪聲信號統(tǒng)計特性和時間變化有關系，隨著時間的變化而變化的噪聲稱為非平穩(wěn)噪聲。endprint

以噪聲的幅度所分布的形狀來劃分，噪聲可以分為高斯噪聲和瑞利噪聲。高斯噪聲是指噪聲的幅度服從高斯分布。瑞利噪聲是指噪聲的分布服從瑞分布。按照噪聲頻譜形狀來區(qū)分，噪聲可以分為白噪聲、噪聲、三角噪聲。白噪聲的頻譜是均勻分布的；噪聲的頻譜幅度與頻率成反比；三角噪聲的頻譜幅度與頻率的平方成正比關系。

噪聲和信號相關，又可以分為加性噪聲和乘性噪聲。（1）加性噪聲：在假定信號和噪聲的情況下，噪聲不管輸入信號大小，都無條件加入到信號上的形式稱之為加性噪聲。如：放大器噪聲、光量子噪聲、膠片顆粒噪聲等。（2）乘性噪聲：噪聲本身受到信號的影響稱之為乘性噪聲。

3 圖像去噪

3.1 圖像去噪原理

數字圖像去噪原理的基礎是建立在數字信號的處理上的，圖像在數字設備上是以信號的方式存在，而噪聲也摻雜在圖像信號中，擾亂圖像的信息表達。所以用通俗的方法解釋就是把噪聲信號從圖像信號中挑出去，這一過程跟生活中的擇米洗菜是一個道理，擇米洗菜要達到的目的是去除米和菜中的雜物，臟東西，而在擇米和洗菜的過程中是由人來做主導，人有一個標準來衡量米、菜和雜物、臟東西，用這個標準來去除米、菜中的雜物，這就完成了擇米、洗菜的一個過程。同樣，數字圖像去噪也是同樣的道理，圖像噪聲就是米和菜中的雜物，現在要從圖像信號中去除圖像噪聲就需要一個“標準”來完成去噪過程，而這一“標準”就是圖像信號和噪聲信號之間的區(qū)別。一個整體的圖像信號在頻域中是呈一定規(guī)律存在的，而圖像噪聲信號在圖像中的分布是隨機的，無規(guī)律的，圖像信號在頻域中主要分布在低頻部分中，噪聲信號在頻域中主要分布在高頻部分中，利用這一明顯區(qū)別，可以利用不同的去噪方法來去除數字圖像中的噪聲，達到圖像去噪的目的[5]。

3.2 圖像去噪方法

在對數字圖像的研究過程中，針對圖像信號與噪聲信號的區(qū)別，研究出了非常多的圖像去噪方法，每一種都有自己的特點，對圖像去噪有很大的幫助，隨著時間的流逝，更多更新的方法層出不窮，但是，在圖像去噪方法中基本都可歸為兩大類：空間域去噪和頻率域去噪。

3.2.1 空間域去噪

空間域去噪方法的思想就是在原圖像上對圖像灰度值進行處理，通常采取“平均”或“平滑”的方法，將突變的噪聲分量分散到周圍像素中去，使圖像變得較為平滑，降低噪聲的影響。常用的空間域去噪方法有：均值去噪法，中值去噪法，自適應維納濾波器去噪等等。

（1）均值去噪法：采用鄰域平均法的均值濾波器對圖像像素點進行平移以達到噪聲去除的目的。優(yōu)點：該去噪算法去噪簡單，快速，對圖像噪聲的去除非常有效。缺點：去噪后容易使圖像變得模糊，尤其是圖像邊緣細節(jié)部分模糊的非常嚴重。（2）中值去噪法：中值去噪法的中心思想就是使用一個以某點為中心的滑動窗口，使用特定的方法計算窗口中像素值的中值，最后使用這個中值代替這一點的像素值并依此類推，對每一個點進行類似的操作，從而可以消除孤立的噪聲點。優(yōu)點：可以達到去噪效果而且能夠較好的保存圖像邊緣畫面，具有較好的去噪效果。缺點：對于圖像中有較多點、線等細節(jié)的圖像不能很好的去除噪聲。（3）自適應維納濾波器去噪：根據圖象的局部方差來調整濾波器的輸出，使用濾波器來去除圖像中噪聲，局部方差越大，去噪效果越好。優(yōu)點：能夠很好的保留圖像邊緣部分信息，而且對圖像高頻部分圖像信息去噪效果很好。缺點：去噪效果不太理想，而且對圖像的細節(jié)信息不能很好的保存，圖像模糊不清。

3.2.2 變換域去噪

變換域去噪方法的思想是將原圖像進行相關的變換，將圖像信息變換到變換域中，再通過一定的方法來對圖像信息進行處理，之后再通過反變換恢復圖像信息，以達到圖像去噪的目的。

常用的變換域去噪方法有：傅里葉變換去噪方法，小波變換去噪方法等。（1）傅里葉變換去噪方法：使用傅里葉變換對圖像進行傅里葉變換，之后在頻率域對圖像進行去噪處理。（2）小波去噪方法：使用小波分析對圖像進行小波變換，將圖像變換到頻率域后再進行去噪處理。優(yōu)點：對圖像細節(jié)和邊緣部分信息保護的非常好。主觀的質量一樣，主觀上感覺好的圖像不一定信噪比高。

4 圖像去噪算法

圖像空間域去噪處理經過很長時間的完善和發(fā)展已變得日趨成熟，對于通常所用的圖像去噪方法都是采用均值濾波或者中值濾波去噪，但是這兩種方法的缺點也讓人們非常的頭疼，因此人們在之后結合小波理論發(fā)明了小波變換去噪方法。隨著小波理論的日益完善，它以自身良好的時頻特性在圖像降噪領域受到越來越多的關注，開辟了非線性去噪方法的先河，克服了均值濾波和中值濾波去噪的不足之處，提高了圖像去噪的效率和圖像信息保存率。

在小波變換去噪的技術領域中，圖像去噪通常使用小波閾值去噪方法，這一方法的核心思想就是：通過選用不同的小波基函數對圖像進行小波變換，將圖像變換為圖像信號，進入頻率域進行處理。在頻率域中提取圖像信號中的高頻系數，設置適合的閾值對這些高頻系數進行過濾，高于閾值的圖像信號將被摒棄，而低于閾值的高頻信號則保留作為輸出，最后整合所有圖像信號使用小波變換的逆函數將圖像信號變換到空間域中，重組圖像，這一系列的處理就是小波閾值去噪的核心。經過這一過程處理的圖像都有非常好的去噪效果。

小波閾值去噪最重要的部分就是閾值的選取，閾值一定要選擇適合圖像的數值，如若選取較高或較低的閾值，則去噪后圖像會出現模糊或去噪不徹底的現象，所以在選擇閾值的時候要再三考慮。小波閾值去噪的過程總共有分為三步，具體過程如下。

（1）二維圖像信號的小波分解。對圖像進行小波分解時，使用任意小波基函數，選擇N次分解次數對圖像進行分解，將圖像變換進頻率域中。（2）提取分解后圖像信號高頻信號系數。使用相關函數對小波變換后的圖像信號高頻部分進行系數提取，提取之后設置合適的閾值對這些系數進行過濾去噪，輸出保留下的高頻系數。（3）重構圖像信號。這一步是小波變換第一步的逆步驟，經過閾值過濾后的圖像信號同樣經過N次二維重構后將圖像從頻率域中變換到空間域中形成去噪后的圖像。

5 結語

每種圖像去噪方法都不是全能的，不能夠對所有類型的噪聲都有很好的去噪效果，每種方法對一種或者幾種噪聲相比其他噪聲有非常好的去噪效果，所以，在選擇去除圖像噪聲的時候要先了解圖像中的噪聲屬于哪種類型，之后再選擇適合這種噪聲的去噪方法。

參考文獻

[1]朱秀昌，劉峰，胡棟.數字圖像處理教程[M].北京：清華大學出版社，2011.

[2]王薇，姚鑫鋒.從零開始學MATLAB[M].北京：電子工業(yè)出版社，2012.

[3]郭晶，孫偉娟.小波分析理論與MATLAB7實現[M].北京：電子工業(yè)出版社，2005.

[4]趙書蘭.MATLABR2008數字圖像處理與分析[D].北京：化學工業(yè)出版社，2009.

[5]王英，曾光宇.圖像去噪算法研究[J].電腦與信息技術，2011（04）：8-12.endprint