精华内容
下载资源
问答
  • 利用MATLAB除去图像的背景噪声,利用for循环,设定想要的阈值就可以完成了
  • matlab噪声

    2018-12-08 17:50:25
    MATLAB的去噪声,可用于对图像进行去噪声操作,优化图像质量。
  • 数字图像处理使用matlab进行噪声过滤,内含高斯噪声及椒盐噪声,运用各种算子进行过滤的效果对比,以及详细的实验报告
  • Immerkær,“快速噪声方差估计”,计算机视觉和图像理解,卷。 64,第2号,第300-302页,1996年9月该函数输入灰度图像 I 并返回 Sigma,即噪声估计值。 这是一个示例使用: I = rgb2gray(imread('sample.jpg')); ...
  • 此实现估计图像中的噪声水平,如论文中所述标题为盲去噪的单图像噪声水平估计刘心豪、田中正之和奥富正敏。 函数 NLEstimate 是执行此任务的主要文件。 细节如下, 输入: 我 = 图像ps = 补丁大小(可选); 默认...
  • 分别在2幅灰度图像中加入一定量的高斯噪声和椒盐噪声噪声强度自定。然后采用3×3的均值滤波器和3×3中值滤波器分别对噪声图像进行处理,给出两种处理方法的峰值信噪比(PSNR);仿效“中值滤波”的方法,对原图像...
  • 本程序通过MATLAB实现,主要实现向图像中加入高斯噪声和椒盐噪声,内附有实验结果
  • matlab 噪声与去噪

    2018-10-14 11:30:06
    matlab 噪声与滤波去噪的源代码 还有不同噪声和滤波的对比分析文档
  • 【仿真研究】给图片添加了正弦噪声,利用MATLAB源代码消除噪声.rar
  • Matlab添加高斯噪声

    2017-05-28 11:47:18
    matlab 添加高斯噪声
  • 该资源是Matlab图像处理——小波变换去噪声、边缘提取,直接是.m文件,可直接运行。里面并未附加图像资源,需要使用自己待处理图像。
  • matlab去除周期性噪声图片噪声代码,载入图片即可,有注释,方便学习 close all; clear all,clc; threshold=6;%在此调整阈值 f=imread('实验5原图.tif');%读入图片 %f=rgb2gray(f);%讲彩色图片转换为灰度图片,按...
  • MATLAB添加噪声

    万次阅读 2019-05-23 20:54:02
    首先是用MATLAB自带的imnoise函数添加噪声。 img= im2double(imread('D:\Matlab2018a\work\img.png'));%改为你要读入图片的路径;im2double作归一化处理 sigma=25;%添加噪声的标准差 imgnoise=imnoise(img,'gaussian'...

    首先是用MATLAB自带的imnoise函数添加噪声。

    img= im2double(imread('D:\Matlab2018a\work\img.png'));%改为你要读入图片的路径;im2double作归一化处理
    sigma=25;%添加噪声的标准差
    imgnoise=imnoise(img,'gaussian',0,(sigma/255)^2); %添加均值为0,标准差为sigma高斯噪声
    imshow(imgnoise);
    imwrite(imgnoise,'imgnoise.png');%输出噪声图到当前文件夹
    

    由于matlab的imnoise函数会将输出归一化,所以在读入图片的时候就先用im2double把图片归一化了,免得数据类型不一样。
    将上面添加噪声那一句改为如下语句则添加其它种类的噪声

    imgnoise=imnoise(img,'salt & pepper',0.05); %添加密度为5%的椒盐噪声
    imgnoise=imnoise(img,'speckle',(sigma/255)^2); %添加均值为0,标准差为sigma乘性噪声,这个是用服从均匀分布的随机噪声乘以图像img,再加到img上。
    imgnoise=imnoise(img,'poisson');%添加泊松噪声
    

    下面我们用自己写的代码来添加噪声。

    img=img+(sigma/255)*randn(size(img));%给img添加标准差为sigma的高斯噪声
    img=img+img.*((sigma/255)*rand(size(img)));%给img添加标准差为sigma的乘性噪声,也是均匀分布
    

    对于椒盐噪声,先用rand()生成均匀分布的随机噪声,然后根据你需要的椒盐噪声密度,作阈值处理,反正就是这种思想,实现的方法有很多,我这里列一种。

    img=im2double(imread('8.png'));%改为你要读入图片的路径
    imgnoise =(rand(size(img))); %生成随机数组
    d = 0.1;  %需要的椒盐噪声密度
    output=img; 
    [width,height]=size(img);
    
    for i=1:width
        for j=1:height
            if(imgnoise(i,j)>(1-d/2))
                output(i,j)=1;
            end
            if(imgnoise(i,j)<d/2)
                output(i,j)=0;
            end
        end
    end
    imshow(output);
    

    也可以分两步分别生成椒噪声和盐噪声,但是这个总的密度就没有那么好控制

    img=im2double(imread('8.png'));%改为你要读入图片的路径
    d = 0.1;  %需要的胡椒或盐粒噪声密度
    output=img; 
    [width,height]=size(img);
    a1=rand(width,height)< d^0.5;
    a2=rand(width,height)< d^0.5;
    output(a1&a2) = 1; %生成盐噪声
    b1=rand(width,height)< d^0.5;
    b2=rand(width,height)< d^0.5;
    output(b1&b2) = 0; %生成胡椒噪声
    imshow(output);
    %椒盐噪声的密度就是d+d-d*d
    
    展开全文
  • Matlab图像噪声处理

    万次阅读 多人点赞 2016-11-19 01:10:21
    (1)对f(x,y)加高斯白噪声和椒盐噪声;  (2)分别画出原图和加噪后的图像及其各自对应的直方图; (3)用几何均值滤波分别对加高斯噪声和椒盐噪声图进行滤波处理,并进行比较;  (4)用自适应中值滤波分别对...

    一.内容

    对一幅灰度图像f(x,y) 

    (1)对f(x,y)加高斯白噪声和椒盐噪声; 

    (2)分别画出原图和加噪后的图像及其各自对应的直方图;

    (3)用几何均值滤波分别对加高斯噪声和椒盐噪声图进行滤波处理,并进行比较; 

    (4)用自适应中值滤波分别对加高斯噪声和椒盐噪声图进行滤波处理;并进行比较。 

    注:滤波窗口可根据需要自行设定。

    二.分析

    1.对f(x,y)加高斯白噪声和椒盐噪声,并画出原图和加噪后的图像及其各自对应的直方图;

     

    temp_image = imread('lena.jpg');
    I = rgb2gray(temp_image);
    figure()
    subplot(2,3,1)
    imshow(I),title('原图');
    subplot(2,3,4)
    imhist(I),title('原图直方图')%显示原始图像直方图
    J = imnoise(I,'salt & pepper',0.02);%椒盐噪声
    subplot(2,3,2)
    imshow(J),title('椒盐噪声');
    subplot(2,3,5)
    imhist(J),title('椒盐直方图')%显示椒盐图像直方图
    G = imnoise(I,'gaussian',0.02,0.02);%高斯噪声
    subplot(2,3,3)
    imshow(G);title('高斯噪声');
    subplot(2,3,6)
    imhist(G),title('高斯直方图')%显示高斯图像直方图
     
     



    2.用几何均值滤波分别对加高斯噪声和椒盐噪声图进行滤波处理,并进行比较;

    几何均值滤波函数:

     
    %gmean函数(几何均值滤波):
    function f = gmean(g,m,n)
        g = im2double(g);
        f = exp(imfilter(log(g),ones(m,n),'replicate')).^(1/m/n);
    end


    3.用自适应中值滤波分别对加高斯噪声和椒盐噪声图进行滤波处理;并进行比较。

    自适应中值滤波函数:

     

    %RAMF函数(自适应中值滤波函数):
    function f = RAMF(img)
    [Im,In] = size(img);
    nmin = 3;
    nmax = 9;
    Imf = img;
    I_ex = [zeros((nmax-1)/2,In+(nmax-1));zeros(Im,(nmax-1)/2),img,zeros(Im,(nmax-1)/2);zeros((nmax-1)/2,In+(nmax-1))];
    for x = 1:Im     
        for y = 1:In          
            for n = nmin:2:nmax                                
              Sxy =  
    I_ex(x+(nmax-1)/2-(n-1)/2:x+(nmax-1)/2+(n-1)/2,y+(nmax-1)/2-(n-1)/2:y+(nmax-1)/2+(n-1)/2);                  
                Smax = max(max(Sxy));%求出窗口内像素的最大值                 
                Smin = min(min(Sxy));%求出窗口内像素的最小值               
                Smed = median(median(Sxy));%求出窗口内像素的中值              
                %判断中值是否是噪声点              
                if Smed > Smin && Smed < Smax                
                    %若中值既大于最小值又小于最大值,则不是             
                    %是,则退出该if语句,增大窗口尺寸,再次判断            
                    %不是,则判断该点的原值是不是噪声点                 
                    if Imf(x,y) <= Smin || Imf(x,y) >= Smax                      
                        %若该点的原值既大于最小值又小于最大值,则不是                  
                        %不是,则输出原值,即不作处理                
                        %是,则输出中值                  
                        Imf(x,y) = Smed;                 
                    end
                    break%有输出则不再进行循环判断             
                end
            end
            %当n=max时,输出中值      
            Imf(x,y) = Smed;   
        end
    end
    f = Imf;
    end
     

    4.滤波并比较显示:

    I_1 = gmean(I,3,3);J_1 = gmean(J,3,3);G_1 = gmean(G,3,3);%3*3几何均值滤波
    figure()
    subplot(3,2,1)
    imshow(I_1);title('原图几何滤波');
    subplot(3,2,3)
    imshow(J_1);title('椒盐几何滤波');
    subplot(3,2,5)
    imshow(G_1);title('高斯几何滤波');
    I_2 = RAMF(I);J_2 = RAMF(J);G_2 = RAMF(G);%自适应中值滤波
    subplot(3,2,2)
    imshow(I_2);title('原图自适应中值滤波');
    subplot(3,2,4)
    imshow(J_2);title('椒盐自适应中值滤波');
    subplot(3,2,6)
    imshow(G_2);title('高斯自适应中值滤波');
     


    展开全文
  • matlab去除图像条带噪声代码DIP_全景拼接 自动Panaroma拼接 如何运行代码: 通过提供包含图像的目录名称(以“ .jpg”格式)来运行main函数。 该函数返回一个全景图像单元格,并显示全景图。 示例:假设数据集文件夹...
  • matlab编程实现图像加入噪声去除噪声,加入各种噪声,包括椒盐和高斯噪声
  • 图像噪声(MATLAB)

    2020-06-11 19:53:47
    第五章学习笔记:图像增强之去噪

    1.概念

    ·所谓的图像噪声,是图像在摄取时或是传输时所受到的随机干扰信号。
    ·常见的有高斯噪声椒盐噪声

    (1)高斯噪声
    高斯噪声是一种源于电子电路噪声和由低照明度或高温带来的传感器噪声。高斯噪声也常称为正态噪声,因为曲线符合正态分布。高斯噪声是自然界中最常见的噪声,高斯噪声可以通过空域滤波的平滑滤波方法来消除。
    高斯噪声的特征
    出现在位置是一定的(每一点上),但噪声的幅值是随机的。
    在这里插入图片描述

    (2)椒盐噪声
    椒盐噪声又称双极脉冲噪声,其概率密度函数为:
    在这里插入图片描述
    椒盐噪声是指图像中出现的噪声只有两种灰度值,分别为a和b,通常情况下脉冲噪声总是数字化为允许的最大或最小值,所以负脉冲以黑点(类似胡椒)出现在图像中,正脉冲以白点(类似盐)出现在图像中。
    椒盐噪声特征:
    出现位置是随机的,但噪声的幅值是基本相同的。

    2.示例

    高斯噪声示例
    在这里插入图片描述
    椒盐噪声示例
    在这里插入图片描述

    3.MATLAB部分

    在MATLAB中,可以使用imnoise函数给一幅图像添加噪声。

    g = imnoise(f, type, parameters)
    

    参数说明:
    输出:g是添加噪声之后的图像。
    输入:f是原图像,type是加入的噪声类型,parameters是噪声的一些参数。

    具体形式的imnoise接口
    g=imnoise(f,‘gaussian’,m,var)是将均值为m,方差为var的高斯噪声加到图像f上。m的默认值是0,var默认值是0.01。

    g=imnoise(f,‘salt & pepper’,d)给图像f添加椒盐噪声,其中d是噪声密度(即包含噪声值的图像区域的百分比)。因此,大约有d*numel(f)个像素受到污染,默认的噪声密度为0.05。

    g=imnoise(f,‘speckle’,var)用方程g=f + n*f将乘性噪声添加到图像f上,其中n是均值为0、方差为var的均匀分布的随机噪声。var的默认值为0.04。

    M=imread('botto.png)subplot(1,3,1)imshow(M)%示原始图像
    title('original');
    P1=imnoise(M,'gaussian',0.02)%加入高斯躁声
    subplot(1,3,2)imshow(P1)%加入高斯躁声后显示图像
    title('gaussian noise);
    P2=imnoise(M,'salt & pepper',0.09)%加入椒盐躁声
    subplot(1,3,3)imshow(P2)%加入椒盐躁声后显示图像
    title('salt & pepper noise')

    在这里插入图片描述
    在这里插入图片描述

    展开全文
  • 关于MATLAB如何进行噪声叠加的问题,给出方法说明,代码,及其例子。
  • 添加高斯白噪声MATLAB代码,高斯白噪声经常被作为噪声被添加在图片等上,作为水印
  • MATLAB--数字图像处理 添加高斯噪声

    万次阅读 多人点赞 2019-09-14 17:03:02
    添加高斯噪声 概念 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...

    添加高斯噪声

    概念
    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。高斯白噪声包括热噪声和散粒噪声。在通信信道测试和建模中,高斯噪声被用作加性白噪声以产生加性白高斯噪声。

    我的理解:高斯噪声就是符合高斯分布的噪声,在数字图像处理这块就是二维的高斯分布(正态分布)。那么怎么添加高斯噪声呢?首先我们肯定要得到一个二维的、符合高斯分布的噪声矩阵,最后将其添加到原图像上。这样高斯噪声就添加成功了。

    方法一:利用randn()函数生成高斯噪声
    这里需要用到randn()函数,该函数就专门用来生成正态分布数据的一个函数。
    比如 randn(10,10),然后这个矩阵和原图像矩阵相加即可(注意缩放灰度范围)

    randn(10,10)
    
    ans =
    
       -0.3587    0.6694    0.2922    0.4127   -0.4399   -0.2027    1.2917   -1.2807    0.0522   -0.2097
        1.4851   -0.2349   -0.0809   -1.0475    0.4734   -0.8012   -1.3658   -2.4489    1.2525   -0.0725
        0.1214    0.2553    0.2774   -0.9508   -0.3378   -1.1350    0.7951   -0.6749   -0.1797   -0.5646
       -0.7056    1.5769   -0.8234    1.5896    1.5743    0.1304   -0.3575   -1.0971   -0.2286   -1.5035
        1.4605    0.6227   -0.6059    1.5939    0.0120   -0.1012   -0.9397   -1.6988   -2.3375    1.0503
       -0.2038    0.7016    0.7310   -0.4053   -0.0419   -0.3276   -0.7675    0.6319    0.3662   -1.0595
       -1.3164    0.1579    0.3200   -0.2055    0.5508   -0.6350    0.7769    1.1788    1.1854   -1.0070
        0.1054    1.0071    0.4267    0.6462   -1.1893   -1.8829   -1.2166   -0.2838    1.0378    0.8280
        0.9141   -1.5962   -0.0540    1.5489    1.0449    0.6155   -0.6227    0.2447    0.2955   -0.7770
       -0.7474    0.6233    1.3306   -0.2167   -0.2423    1.3778   -1.0203   -1.1946    0.4893    0.0451
    

    代码:

    t=imread('a1.jpg');
    [m,n,z]=size(t);
    y=0+0.1*randn(m,n);%二维高斯分布矩阵 0是均值 0.1是标准差
    
    %先将其double化,再除以255 便于后面计算
    t1=double(t)/255;
    
    %加上噪声
    t1=t1+y;
    
    %将像素范围扩大至0--255
    t1=t1*255;
    
    %转换为uint8类型
    t1=uint8(t1);
    
    subplot(1,2,1),imshow(t),title('原图');
    subplot(1,2,2),imshow(t1),title('加入均值为0,标准差为0.1的高斯噪声后');
    

    效果图:
    在这里插入图片描述
    方法二:随机生成高斯噪声(这个我还没有懂那个随机生成高斯噪声函数怎么来的!)
    代码:

     image=imread('a1.jpg');
    [width,height,z]=size(image);
    subplot(1,2,1);
    imshow(image);
    title('原图');
    av=0;
    std=0.1;
    u1=rand(width,height);
    u2=rand(width,height);
    x=std*sqrt(-2*log(u1)).*cos(2*pi*u2)+av;
    result1=double(image)/255+x;
    result1=uint8(255*result1);
    subplot(1,2,2);
    imshow(result1);
    title('加入均值为0,标准差为0.1的高斯噪声后');
    

    效果图:
    在这里插入图片描述

    方法三:利用imnoise()函数
    代码

    t=imread('a1.jpg');
    imshow(t),title('原图');
    t1=imnoise(t,'gaussian',0,0.01);
    figure,imshow(t1),title('添加均值为0,方差为0.01的高斯噪声');
    t2=imnoise(t,'gaussian',0,0.02);
    figure,imshow(t2),title('添加均值为0,方差为0.02的高斯噪声');
    t3=imnoise(t,'gaussian',0,0.03);
    figure,imshow(t3),title('添加均值为0,方差为0.03的高斯噪声');
    t4=imnoise(t,'gaussian',0.2,0.01);
    figure,imshow(t4),title('添加均值为0.2,方差为0.01的高斯噪声');
    t5=imnoise(t,'gaussian',0.4,0.01);
    figure,imshow(t5),title('添加均值为0.4,方差为0.01的高斯噪声');
    
    

    效果图:
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

    注意:imnoise()中参数写的是方差,而方法一、二中是标准差。

    更多

    获取更多资料、代码,微信公众号:海轰Pro
    回复 海轰 即可

    展开全文
  • Matlab图像添加噪声

    千次阅读 2019-08-28 14:31:46
    img=imread('D:/pattern....添加高斯噪声 >> img_gaussian=imnoise(img, 'gaussian' , 0, 0.02 ); #均值为0,方差为0.02 >> imshow(img_gaussian); 添加泊松噪声 >> img_poisson=imnoise(i...
  • 采用MATLAB,对三幅经典的图像分别加上高斯噪声、乘性噪声、椒盐噪声,并分别使用均值滤波、中值滤波、高斯低通滤波、巴特沃斯滤波、PCA、小波变换、DCT等去噪方法对其进行处理。去除噪声方法效果以PSNR(峰值信噪比...
  • 噪声种类及Matlab添加噪声

    千次阅读 2020-10-21 20:25:47
    文章目录一、噪声种类二、Matlab添加高斯噪声三.添加椒盐噪声四.添加泊松噪声五.添加乘性噪声六.产生均匀分布的噪声七.产生指数分布的噪声 一、噪声种类 1 高斯噪声 源于电子电路噪声和由低照明度或高温带来的...
  • 有段时间需要做图像复原的研究,就用了平时用的比较多的MATLAB平台。利用的是MATLAB的工具箱,但各个参数的设置我都研究了一段时间,也参考了萨冈雷斯的关于图像处理的著作。程序前半部分不含噪声用了四种滤波法,后...
  • Matlab图像添加噪声和降噪报告一、课题背景 MATLABMATLAB是由美国mathworks公司发布的主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的...
  • 噪声MATLAB代码陷波滤波器 这是使用 matlab图像进行 Notch 过滤。 :backhand_index_pointing_down: 在这个例子中,我处理这张图片: 在这个练习中,我处理这张图片,最后我们过滤图像,最后你会看到结果和图片...
  • MATLAB--数字图像处理 图像噪声与滤波处理

    千次阅读 多人点赞 2019-12-12 22:28:47
    1.对一张图片添加不同强度的高斯噪声、椒盐噪声 2.对图像进行不同模板的均值滤波、高斯加权滤波、中值滤波,对比结果并分析不同滤波方式的优劣 四、实验仪器与设备 Win10 64位电脑 MATLAB2017a 五、实验原理 高斯...
  • 详细介绍了matlab加椒盐噪声和滤噪的方法
  • 【数字图像处理】全!使用MATLAB图像添加噪声

    千次阅读 多人点赞 2020-10-20 10:30:15
    文章目录噪声模型1 噪声种类1 .1 高斯噪声1.2 瑞利噪声1.3 伽玛噪声1.4 指数噪声1.5 均匀分布噪声1.6 脉冲噪声(椒盐噪声噪声模型 图像噪声主要来源于图像的获取和传输过程。 (1)图像传感器的工作情况受各种...
  • 图像处理】MATLAB图像噪声

    千次阅读 2017-10-09 21:10:58
    噪声模型、噪声应用、相关函数、imnoise2、imnoise3、估计噪声参数

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 12,360
精华内容 4,944
关键字:

matlab图像噪声分类

matlab 订阅