基于MATLAB的图像信号处理算法工具箱的实现

论文总字数：24626字

摘 要

现今，在科学研究工作中，MATLAB的使用越来越广泛。而对于一些科研工作者（如临床医生等）来说，熟练使用MATLAB语言来编程仍然不是一件轻松的事情，针对这一需求，本毕业设计的任务内容为将一些有效的常用图像信号处理算法，采用MATLAB的GUI设计编程，将上述算法集合到一个软件界面，做成一个常用图像信号处理工具箱，使得上述提及的科研工作者能够直接借助这个工具箱，对图像和信号数据直接进行处理与分析。

在本文中，主要实现基于非局部均值的图像去噪算法（NLM）、三维块匹配(BM3D)和（K-SVD）算法进行实现。其中，BM3D算法实现了BM3D，及其变种的BM3DDEB，BM3DSHARP算法。K-SVD同样实现了K-SVD，K-SVD_DCT 及K-SVD_Global算法。并且对于几种算法，我们分别加入了高斯白噪声，椒盐噪声，红噪声和瑞利噪声，然后通过比较去噪处理后的图像信息与原图像的信噪比（PSNR）及处理的时间去评价其算法性能的好坏。测试发现，BM3D及其变种算法在处理这几种噪声是表现出优秀的性能，不仅能达到就好的信噪比（PSNR），处理运算时间也较短。

由衷的希望这个工具箱能对需要进行图像去噪工作的人带来帮助。

关键字：图像去噪 MATLAB 工具箱

IMAGE PROCESSING TOOLBOX ON MATLAB

Abstract

Today, In scientific research, the MATLAB become more widely than ever before. But it is not easy for some researchers, such as clinicians, to use MATLAB expertly. In response to this demand, we decide to achieve a toolbox witch include some basic denoising algorithm. So that researchers can use this toolbox to analyze the image and signal data more easily.

In the thesis, we realize the NLM algorithm, BM3D algorithm and KSVD algorithm to removing image noise. And, we realize the BM3DDEB, BM3DSHARP algorithm, witch are the variant of BM3D algorithm. Similarly, we realize the K-SVD_DCT, K-SVD_Global algorithm. And we the paper, we add four different noisy to the image, to test what’s the performance they could work. Then we find out the BM3D, BM3DDEB, BM3DSHARP have a good performance in the test.

We hope it could work to help people who need to denoising.

KEY WORD: Denoising MATLAB Toolbox

目录

基于MATLAB的图像处理工具箱的实现 2

摘要 2

IMAGE PROCESSING TOOLBOX ON MATLAB 2

Abstract 2

第一章 绪论 4

1.1 引言 4

1.2 图像去噪技术的发展历史和现状 4

（一）图像噪声的定义和分类 4

（二）去噪技术的发展历史和现状 6

1.3 图像去噪的常用方法 7

（一）邻域平均法（均值滤波法） 7

（二）中值滤波法 7

（三）小波去噪 7

1.4 去噪算法在声纳图像方面的应用 7

（一）形态小波域声纳图像去噪算法 7

1.5 本文的研究目的和主要研究内容 7

第二章 课题实现的三种算法 9

2.1 NLM算法 9

2.2 BM3D算法 10

2.2.1 块匹配 10

2.2.2 三维变换域的去噪 11

2.2.3 聚集 11

2.3 KSVD 算法 12

第三章 工具箱的具体实现 14

3.1 需求分析 14

3.2 项目背景简介 14

3.3 项目的架构 15

3.3.1 菜单栏的设计 15

3.3.2 算法处理界面的设计 16

3.4 去噪的执行过程 17

3.5 遇到的问题 22

第四章 实验结果分析 23

第五章 总结和展望 34

5.1 总结 34

5.2 展望 34

致谢 36

参考文献 37

1. 绪论
   1. 引言

随着科技的发展和人们生活信息化程度的不断加深，图像作为一种能够包含大量信息的载体，也越来越体现出它在生活中的重要性，无论是在日常生活还是在科学研究中。随之而来的，则是对图片质量的更高的要求。我们对数字图像处理方法的研究主要基于如下两方面的运用，一是为人们自己读图像的分析处理提供方便，二则是能够让机器设备能够更好的对图片信息做理解，存储，传输和显示[1]。

在实际的生产应用中，我们获取到的图像往往是不纯净的。它会受到各种外界的干扰，比如说，摄像时，由于光学系统的失真，大气湍流，甚至相对运动都会是图像变得模糊不清；在医学图像上，由于受到人体组织，器官，光照，等个方面的影响，也很难得到清晰的图像等等。所以我们需要的图像进行必要的处理，以便于得到对我们的研究和判断有用的信息。

在图像研究中，我们发现，图像的边缘信息，特征信息往往容易被噪声所覆盖干扰，使整个图像变得异常的模糊不清，这样就会对图像的后期处理和进一步分析带来很大的麻烦，

若后期需要进一步的图像识别，图像的分割，图像的边缘检测等工作。所以，我们在对图像进行去噪处理的时候，应尽量在去出除噪声之中无用信息的同时，最大的保存图片的原始信息，保持图像信息的完整性。图像去噪工作也被称为图像滤波或平滑。

现今，在科学研究工作中，MATLAB的使用越来越广泛。而对于一些科研工作者（如临床医生等）来说，熟练使用MATLAB语言来编程仍然不是一件轻松的事情，针对这一需求，本毕业设计的任务内容为将一些有效的常用图像信号处理算法，采用MATLAB的GUI设计编程，将上述算法集合到一个软件界面，做成一个常用图像信号处理工具箱，使得上述提及的科研工作者能够直接借助这个工具箱，对图像和信号数据直接进行处理与分析。

1.2 图像去噪技术的发展历史和现状

（一）图像噪声的定义和分类

对于图像处理的定义，我们通常认为，这是利用计算机等工具对图像信息进行加工从而使后期的进一步的研究能进行下去，最终得到能够是人类审美接受的或者计算机处理接受的图像。正如先前提到的一样，一张图像在生产和传输过程中，往往都会产生噪声信息。属于所以，在一定程度上，我们认为再说是使我们得视觉器官不能正确感知图片信息的干扰因素。在理论上，我们认为，这是“不可预测，只能用概率统计方法来认识的随机误差”[1]。这些噪声往往会对后续个环节的处理，如图像识别，图像的分割，图像的边缘检测等工作造成很大影响。特别是，如果该噪声是在图像输入，采集，以及传输过程中参数的话，则一定提高图像后期处理的难度。

噪声分为5种[3]：

剩余内容已隐藏，请支付后下载全文，论文总字数：24626字