维纳滤波图像恢复的实验结果分析

武汉理工大学

现代数字信号处理（论文）

目 录

摘 要 ............................................................................................................................................... I Abstract ............................................................................................................................................ II 1 绪论 .............................................................................................................................................. 1 1.1 研究背景及意义 ................................

基于维纳滤波的含噪声语音信号的恢复

摘要

本文基于随机信号分析与处理的相关理论，采用维纳滤波技术恢复噪声中的鸟鸣声信号，通过仿真达到预期效果，对工程实践有很好的理论支持 。

关键词：维纳滤波器 频域法

实验目的

1. 熟悉维纳滤波的基本概念

2. 熟悉线性最小均方估计的基本原理

3. 掌握运用维纳滤波理论恢复信号的基本方法

实验原理

信号从发送者传送到接受者往往受到集中形式的变形而削弱，维纳滤波是一种从接收的原始信号中恢复信号的方法。

由于但时域方法要求协方差矩阵的逆，当数据比较长的时候，求逆的运算量非常大，我们在这里采用频域法来求解。

维纳滤波器作为波形估计的一种方法，可以采用多种估计准则。 假定离散时间的观测过程为

z(n)?s(n)?v(n),n?n0,n0?1,...,nf

其中v(n)为噪声，s(n)为原信号，n0为起始观测时刻，nf为观测结束时刻。 在实际中通常采用易于实现的线性最小均方准则。线性最小均方估计是观测的线性函数，它可以作为观测序列通过离散时间线性系统，即

s(n/nf)??h(n,k)z(k)

k?n0?nf滤波器的系数的选择可以由线性最小均方估计的正交原理来求取，即

E{[s(n)??h(n,k)z(k)]z(

1.设计要求

Sequence s(n) of N=2000 points is generated by AR(1) model: s(n)=as(n-1)+w(n), in which a=0.8, w(n) is white noise sequence, the mean and variance of w(n) ismw?0，

2?w?0.36.

The measurement model is x(n) =s(n) +v(n), in which white noise sequence v (n) and

2?1. w (n) is not related, the mean and variance of v(n) is mv?0,?mRequirements:

(1)Design IIR causal Wiener filter , calculate the filtered sequence and mean square error;

(2)Design FIR Wiener filter , calculate the filtered sequence and mean square error; (3)Displ

实验五 图像恢复和图像分割

一、实验目的

1、熟悉并掌握MATLAB图像处理工具箱的使用； 2、理解并掌握常用的图像的恢复和分割技术。 二、实验环境

MATLAB 6.5以上版本、WIN XP或WIN2000计算机 三、相关知识

1 deconvwnr 维纳滤波，

用法：J = deconvwnr(I,PSF,NSR)

用维纳滤波算法对图片I进行图像恢复后返回图像J。 I是一个N维数组。PSF是点扩展函数的卷积。NSP是加性噪声的噪声对信号的功率比。

如：

I = im2double(imread('cameraman.tif'));

imshow(I);

title('Original Image '); %模拟运动模糊 Matlab中文论坛 LEN = 21; THETA = 11;

PSF = fspecial('motion', LEN, THETA); blurred = imfilter(I, PSF, 'conv', 'circular'); figure, imshow(blurred) %恢复图像www.iLoveMatlab.cn

实验四 图像的滤波处理与图像空间变换

一、 实验目的：

1、了解MATLAB 工具箱中滤波器 2、掌握用滤波方式去除图像噪声算法 3、学会对图像的空间变换 二、 实验内容

1、生成含有噪声的图像

分别用imnoise()，imnoise2()，imnoise3()函数生成含有噪声的图像，改变相应参数，观察图像变化，理解各参数的作用。

Imnoise2()的使用：在图像‘Fig0704(Vase).tif.tif’中加入均值为0，标准差为0.1 的高斯噪声。 程序：

i=imread('Fig0704(Vase).tif.tif'); g1=imnoise(i,'gaussian',0,0.01); [M,N]=size(i);

n2=imnoise2('gaussian',M,N,0,0.1); g2=im2double(i)+n2; figure;imshow(g2);

2、噪声估计

用roipoly()、histroi()、statmoments()等函数进行图像噪声参数估计。显示图如下。 程序：

f=imread('Fig0704(Vase).tif.tif'); [M,N]=size(f);

n2=imnoi

1

图像处理实验

实验报告

院(系)名称 专业名称 学生姓名 学 号 任课老师

年 月 日

北京航空航天大学实验报告

1 实验目的

利用MATLAB实现图像滤波，边界检测，从空间域与频域上加深对图像滤波的理解。

2 实验内容

1. 对lena.bmp分别添加高斯、椒盐、泊松噪声，并比较高斯滤波与中值滤波的效果。(使用matlab自带函数即可)

2. 对lena.bmp实现laplace算子、Sobel算子、Kirch算子、Canny算子等边界检测算子中的任何两个；（不使用matlab自带函数）

3. 通过观察rect.bmp和rect-45度.bmp的傅立叶频谱，了解图像傅立叶变换的旋转、平移等特性；

4. 对grid.bmp实现理想低通；

5. 对cave.jpg实现同态滤波算法，观察光照校正的效果（使用高斯型高通滤波器的离散化结果作为模板）。

3 实验步骤及算法流程

开始 转换成double类型 空间与转换为频用fftshift对频域进行处理 利用特定的卷积核进行滤波过程 频域还原为空间域 用ifftshift还原频域 显示图像 结束 - 1 -

北京航空航天大学实验报告

4 实验结果分析

4.1 空间域滤波

图1 加高斯噪声与滤

实验三 常用图像滤波方法

一、实验目的

1、熟悉并掌握MATLAB图像处理工具箱的使用；

2、理解并掌握常用的图像的滤波技术。 二、实验环境

MATLAB 6.5以上版本、WIN XP或WIN7计算机 三、相关知识 1 imnoise

imnoise函数用于对图像生成模拟噪声，如： i=imread('e:\\w01.tif');

j=imnoise(i,'gaussian',0,0.02);模拟均值为0方差为0.02的高斯噪声， j=imnoise(i,'salt&pepper', 0.04) 模拟叠加密度为0.04的椒盐噪声 2 fspecial

fspecial函数用于产生预定义滤波器，如： h=fspecial('sobel');%sobel水平边缘增强滤波器 h=fspecial('gaussian');%高斯低通滤波器 h=fspecial('laplacian');%拉普拉斯滤波器 h=fspecial('log');%高斯拉普拉斯（LoG）滤波器 h=fspecial('average');%均值滤波器

3 基于卷积的图像滤波函数

计算机与信息工程学院综合性、设计性实验报告

专业：通信工程 年级/班级： 2011 2013—2014学年第一学期 课程名称 数字图像处理 指导教师 本组成员 学号姓名 实验地点 实验时间 项目名称 图形增强——空域滤波 实验类型 综合性/设计性 一、 实验目的

1、进一步了解MatLab软件/语言，学会使用MatLab对图像作滤波处理，掌握滤波算法，体会滤波效果。

2、了解几种不同滤波方式的使用和使用的场合，培养处理实际图像的能力。

二、实验设备与软件

1、 IBM-PC计算机系统；

2、 MatLab软件/语言包括图像处理工具箱(Image Processing Toolbox)； 3、 实验所需要的图片。

三、实验要求

1、完成对于给定图像+噪声，使用平均滤波器、中值滤波器对不同强度的高斯噪声和椒盐噪声进行滤波处理； 2、能够正确地评价处理的结果； 3、能够从理论上作出合理的解释。

四、实验内容与步骤

1、调入并显示原始图像Sample2-1.jpg 。

2、 利用imnoise 命令在图像Sample2-1.jpg 上加入高斯(gaussian) 噪声 3、利用预定义函数fspecial 命

实验报告三

姓名：学号： 班级：

实验日期： 2016.5.10 实验成绩：

实验题目：图像的平滑滤波

一．实验目的

（1）熟练掌握空域平滑滤波的原理、方法及其MATLAB实现。 （2）分析模板大小对空域平滑滤波的影响，线性和非线性方法对空

域平滑滤波增强效果的影响，比较不同滤波器的处理效果，分析其优缺点。

二．实验原理

平滑滤波器用于模糊处理和降低噪声，它经常用于预处理任务中，例如在大目标中提取之前去除图像中的一些琐碎细节，它使用模板确定的领域内图像的平均灰度值代替图像中每个像素的值，但结果降低了图像灰度的尖锐变化；而中值滤波器则是对邻域内的灰度值进行排序后取其中值作为该点的值，能降低噪声的同时减少模糊度。

三．实验内容及结果

（1）选择一副图像fig620.jpg，分别选择3×3，7×7，25×25等平均

模板进行均值滤波模糊处理，并对不同尺寸的滤波器模板操作后的图像进行比较。

图1不同大小模板的均值滤波图

（2）选择一副图像circuit.jpg，对图像加入椒盐噪声，检验两种滤波

模板（3×3平均模板和3×3的非线性模板中值滤波器）对噪声的滤波效果。

、

图2均值和中值滤波图

四．

《医学图像处理》实验报告

实验五：图像的空域滤波

摘要

本次实验的主要内容是：对图像分别进行均值滤波、加权平均滤波、拉普拉斯滤波、高提升滤波。

本次实验的实验目的是：了解空间滤波的原理；了解平滑空间滤波器的原理及使用；了解锐化空间滤波器（拉普拉斯算子）的原理及使用；了解高提升滤波的原理及应用。

1

一、技术讨论

1.1实验原理

空间滤波机理：就是在待处理图像中逐点地移动掩模。在每一点(x,y)处，滤波器在该点的响应通过事先定义的关系来计算。对于线性空间滤波，其响应由滤波器系数与滤波掩模扫过区域的相应像素值的乘积之和给出。

均值滤波器：使用滤波器模板确定的平均灰度值代替图像中的每个像素的灰度值，这种处理的结果降低了图像灰度的“尖锐”变化。由于典型的的随机噪声有灰度级的急剧变化组成，因此，常见的均值滤波器处理应用就是降低噪声。但是由于图像边缘也是由图像灰度尖锐变化带来的特性，所以均值滤波处理还是存在着不希望有的边缘模糊的负面效应。

加权平均滤波器：所谓加权是指用不同的系数乘以像素，使得一些像素的重要性（权重）比另一些像素的重要性更大。如果赋予中心点最高权重，然后随着距中心点距离的增加而减小系数的加权权重，其目的是在平滑处理中试图降低模糊