Matlab ｜ 基于matlab的图像去噪的原理及实现
图像去噪
- 一、图像噪声模型
- 二、主要去噪原理与方法
- 1. 空间域滤波 (Spatial Domain Filtering)
- 2. 变换域滤波 (Transform Domain Filtering)
- 3. 非局部均值 (Non-Local Means, NLM)
- 4. 块匹配与3D滤波 (BM3D) - 当前效果最好的传统方法之一
- 5. 深度学习方法 (Deep Learning)
- 三、选择去噪方法的建议
- 四、实现步骤的一般框架
- 五、重要注意事项
- 六、参考文献（MATLAB帮助文档是很好的起点）
-
基于MATLAB的图像去噪是一个经典且重要的图像处理任务。其核心原理是利用图像像素间的空间相关性或变换域特性来区分真实的图像结构（信号）和随机的噪声，然后抑制或移除噪声成分，同时尽可能地保留图像细节。
-
以下是主要的去噪原理、常用方法及其在MATLAB中的实现：
一、图像噪声模型
理解噪声类型是选择合适去噪方法的关键：
- 高斯噪声： 最常见，由传感器电子噪声等引起，幅度服从正态分布。
- 椒盐噪声： 又称脉冲噪声，表现为随机的纯白或纯黑像素点（像撒了椒盐）。
- 泊松噪声： 又称散粒噪声，在光子计数成像（如荧光显微镜、X光）中显著，其方差等于信号强度。
- 乘性噪声： 噪声幅度与信号强度相关（如斑点噪声SAR/超声）。