matlab瑞利噪声b,[数字图像处理]常见噪声的分类与Matlab实现

1.研究噪声特性的必要性

本文的内容主要介绍了常见噪声的分类与其特性。将噪声建模&＃xff0c;然后用模型去实现各式各样的噪声。

实际生活中的各种照片的老化&＃xff0c;都可以归结为以下老化模型。

这个模型很简单&＃xff0c;也可以直接用以下公式来表达。

在频域内&＃xff0c;用以下公式区表示。

根据以上式子&＃xff0c;可以看出&＃xff0c;老旧照片的复原&＃xff0c;主要分为两个任务&＃xff0c;一个是去噪&＃xff1b;另一个是去卷积&＃xff0c;或者称为逆滤波&＃xff0c;也就是将老化滤波器做反处理。

本文首先由噪声类型与其建模。随后的博文&＃xff0c;会介绍几种基础的去噪方法和基础的逆滤波方法。

2.噪声的实现

2.1    评价用图像与其直方图

2.2  高斯噪声

高斯噪声&＃xff0c;也称为正态噪声&＃xff0c;其统计特性服从正态分布。一种较为泛用的噪声模型。

Matlab的实现较为简单&＃xff0c;Matlab已经有一个randn(M,N)的函数&＃xff0c;用其可以产生出均值为0、方差为1、尺寸为M X N像素的高斯噪声图像。

用以下程序就可以产生任意均值和方差的高斯噪声。

a &＃61; 0;

b &＃61; 0.08;

n_gaussian &＃61; a &＃43; b .* randn(M,N);

2.3 瑞利噪声

瑞利噪声相比高斯噪声而言&＃xff0c;其形状向右歪斜&＃xff0c;这对于拟合某些歪斜直方图噪声很有用。

瑞利噪声的实现可以借由平均噪声来实现。如下所示。

这里的

表示均值为0&＃xff0c;方差为1的均匀分布的噪声。Matlab里&＃xff0c;使用函数rand(M,N)就可以产生一个均值为0&＃xff0c;方差为1的均匀噪声。

a &＃61; -0.2;

b &＃61; 0.03;

n_rayleigh &＃61; a &＃43; (-b .* log(1 - rand(M,N))).^0.5;

2.4 伽马噪声

伽马噪声的分布&＃xff0c;服从了伽马曲线的分布。伽马噪声的实现&＃xff0c;需要使用b个服从指数分布的噪声叠加而来。指数分布的噪声&＃xff0c;可以使用均匀分布来实现。

使用若干个(这里用b表示)均匀分布叠加&＃xff0c;就可以得到伽马噪声。

当然&＃xff0c;当b&＃61;1的时候&＃xff0c;就可以得到指数噪声了。

a &＃61; 25;

b &＃61; 3;

n_Erlang &＃61; zeros(M,N);

for j&＃61;1:b

n_Erlang &＃61; n_Erlang &＃43; (-1/a)*log(1 - rand(M,N));

end

2.5 均匀噪声

如同前面所示&＃xff0c;均匀噪声可以由函数rand(M,N)直接产生。

a &＃61; 0;

b &＃61; 0.3;

n_Unifrom &＃61; a &＃43; (b-a)*rand(M,N);

2.6 椒盐噪声

椒盐噪声也成为双脉冲噪声。在早期的印刷电影胶片上&＃xff0c;由于胶片化学性质的不稳定和播放时候的损伤&＃xff0c;会使得胶片表面的感光材料和胶片的基底欠落&＃xff0c;在播放时候&＃xff0c;产生一些或白或黑的损伤。事实上&＃xff0c;这也可以归结为特殊的椒盐噪声。

椒盐噪声的实现&＃xff0c;需要一些逻辑判断。这里我们的思路是&＃xff0c;产生均匀噪声&＃xff0c;然后将超过阈值的点设置为黑点&＃xff0c;或白点。当然&＃xff0c;如果需要拟合电影胶片的损伤的话&＃xff0c;可以选用别的类型噪声去拟合。

a &＃61; 0.05;

b &＃61; 0.05;

x &＃61; rand(M,N);

g_sp &＃61; zeros(M,N);

g_sp &＃61; f;

g_sp(find(x<&＃61;a)) &＃61; 0;

g_sp(find(x > a & x

3.总结

本文&＃xff0c;实现的几类较为基本的噪声。并给出了其实现的方法&＃xff0c;代码在下面。下一篇博文&＃xff0c;会进行几个常用去噪滤波器的比较。

原文&＃xff1a;http://blog.csdn.net/zhoufan900428/article/details/37695357