简介:邻域均值滤波算法作为图像去噪算法的经典方法,不仅可以有效地消除噪声对图像的干扰程度,并且能够快速平滑图像,但它的缺点是会使图像边缘模糊,窗口越大,模糊程度越明显。本文针对椒盐噪声,分析原邻域均值滤波算法,通过与能量最小化原理相结合,提出新的改进的邻域均值滤波算法,这个算法构造了两个不同能量最小化函数模型,即E1模型和E2模型。两个模型均从图像像素点局部邻域出发,通过求解局部邻域能量最小判断是否利用邻域均值替换原像素灰度值。这个新的去噪算法不仅改变了原邻域均值滤波算法单一的替换灰度值的做法,降低了将非噪声点误判为噪声点的可能性,并且可以根据图像的大小自适应调节阈值,最后达到去除噪声的效果。通过与邻域均值滤波算法进行实验对比,取得较好的去除噪声效果。
简介:在处理高维图像信号时,Contourlet变换比小波变换拥有更好的逼近精度、方向性以及系数表达能力,因此将Contourlet变换应用到图像处理领域已经成为研究热点.总结了Contourlet变换的尺度内和尺度之间的依赖性,提出了基于Contourlet变换的图像去噪算法和图像融合算法,其算法能够较为有效地保留原图像的边缘细节,拥有较好的视觉效果.