MATLAB应用在基于噪声检测的图像均值去噪法

而如果存在噪点，那么在原图像素和噪点之间的灰度值会发生突然的变化。基于此，首先取待检测点的上、下、左、右四个邻域大小为3×3，计算各邻域的平均值，如果四个邻域的均值都与待检测点的差的绝对值大于既定的阈值，则判断该点为噪点，反之，有一个邻域的均值与待测点的差小于阈值。则判断该点为正常像素点。其中；阕值是我们根据图像的含噪情况人为设定的一个值，一般在100和200之问。同时。建立与待检测图像大小相同的矩阵，称为噪声标识矩阵。其中的点与原图像矩阵中的点一一对应。并预设该矩阵中的值全为1，如果一像素被判断为噪声，则置标识矩阵中相应元素为o.这样，就可以实现前面判断过程所得出的结果被后续的检测所使用，已经被判定为噪声的像素不再参与领域均值的计算。

这样，我们就可以用一个循环，来对图像矩阵中的每个像素逐个进行判断，方便地检测到了噪声点。

接下来，就可以利用中值滤波的方法，去除图像中的噪点了，将预先判断为噪点的图像矩阵中的点，如（a。b）=（70.S5）的点的值是230，与邻域点的均值的差大于两值150。因此翔断它是一个噪点。这样，我们就用它邻域内的八个点中有效的点来取均值代入。依次执行，挨个计算、代人。这样就得到了一个新的图像数据矩阵，最后我们用i眦Ilow函数显示处理后的图像（见图3）。可以看到。效果非常明显。

　　4 结语

去噪后的图像不仅噪声强度受到限制，而且图像细节得到了最大限度的保持，解决了妨碍人们获取图像信息的同胚。在航空航天、通信工程、生物医学、军事公安、文化艺术等领域都具有一定意义。