許晨晨 戴舒 張保俊 余江華

人類獲取的70 %以上信息是通過視覺，而視覺獲取的信息主要是以圖像作為載體。圖像處理在無人駕駛、航空事業(yè)、食品安全檢測和日常生活中都有重要應用。但在實際圖像處理應用過程中，原始圖像獲取過程會遇到大雪、雨霧和沙塵暴等各種因素，對原始圖像添加了一些噪聲，不能直接獲得清晰圖像，因此圖像去噪在圖像預處理領域一直是一個基礎且不可缺少的研究課題，具有非常重要的實際意義。

1引言

直方圖分布可以反映出圖像的噪聲類型，而根據(jù)噪聲類型可以針對性地進行去噪處理。本文主要闡述一張圖片加入椒鹽噪聲或者高斯噪聲，讀出原始圖像與加入噪聲以后圖像的直方圖，根據(jù)直方圖選擇中值濾波或者自適應維納濾波處理，得到清晰的圖像。

2圖像處理流程

首先給系統(tǒng)輸入一張圖像，對圖像添加椒鹽噪聲和高斯噪聲，分別模擬為沙塵暴和雨霧天氣對圖像的影響，作為接下來需要進行去噪的對象。噪聲加入以后，讀取含有噪聲直方圖，根據(jù)直方圖分布情況，判斷其含有噪聲類型，并相應采取均值濾波或中值濾波。

2.1直方圖研究

圖像的灰度直方圖是用來描述圖像像素分布情況，表示一張灰度圖像所具有每種灰度像素的個數(shù)，通過統(tǒng)計運算得到圖像中每種灰度級出現(xiàn)的頻率，這也是一種基本圖像統(tǒng)計特征。本文基于Matlab軟件，通過對原始圖像加入不同噪聲，然后讀出其原始圖像直方圖與加入噪聲后直方圖，該直方圖定義為：

式中，（）為灰度級出現(xiàn)的相對頻數(shù)（歸一化），為第個灰度級，為第級灰度的像素數(shù)，為該圖像的總像素數(shù)，為灰度級數(shù)。

2.2圖像噪聲研究

圖像中的噪聲，常常會使原本有規(guī)律的原圖像的灰度值發(fā)生改變，形成一些錯誤的邊緣或輪廓，從而誤導人們對圖像的應用。而想要去減弱、抑制或消除這類噪聲，從而復原圖像質(zhì)量方法稱為圖像去噪，即去除圖像中噪聲。本文以我們常見的椒鹽噪聲和高斯噪聲為重點研究分析對象，其中椒鹽噪聲是一種在圖像中產(chǎn)生非均勻分布的黑色、白色點的脈沖噪聲，該噪聲在圖像中顯現(xiàn)較為明顯，對目標分割、目標檢測和目標特征提取等后續(xù)處理具有很嚴重的破壞作用，因此對圖像進行去噪具有重要意義。

高斯噪聲是一種隨機噪聲，它的概率密度函數(shù)服從高斯分布（正態(tài)分布）。高斯噪聲也包括熱噪聲、散彈噪聲及量子噪聲等很多種噪聲，例如：高斯白噪聲是一個服從正態(tài)分布，功率密度均勻，二階矩不相關，一階矩為常數(shù)。高斯白噪聲中還有包括很多種類噪聲，如上述的熱噪聲和散粒噪聲也都屬于高斯白噪聲范疇。

2.3去噪方法研究

本文主要針對椒鹽噪聲與高斯噪聲介紹中值濾波與均值濾波2種濾波復原方法。中值濾波原理：它是采用了一個奇數(shù)點移動窗口，通過這個窗口移動將圖像每個灰度值進行排序，通過計算可以得到每次移動窗口各點的中間值，最后用中間值來代替窗口中心點灰度值。中值濾波可以較好地保留圖像邊緣，這樣在去噪實驗過程中，圖像能夠很好的保持原本圖像性質(zhì)存在，不易失真。中值濾波公式如下：

3實驗

圖1為圖像加入椒鹽噪聲，類似于大雪或沙塵暴捕捉的圖像，輸出直方圖；圖2為加入高斯噪聲，類似于大雨或大霧捕捉的圖像，輸出直方圖；圖3為加入椒鹽噪聲，分別用均值濾波與中值濾波處理；圖4為加入高斯噪聲，分別用均值濾波與中值濾波處理。