1. 数字图像处理clean算法的MATLAB代码
图像去噪是数字图像处理中的重要环节和步骤。去噪效果的好坏直接影响到后续的图像处理工作如图像分割、边缘检测等。图像信号在产生、传输过程中都可能会受到噪声的污染，一般数字图像系统中的常见噪声主要有：高斯噪声（主要由阻性元器件内部产生）、椒盐噪声（主要是图像切割引起的黑图像上的白点噪声或光电转换过程中产生的泊松噪声）等；
目前比较经典的图像去噪算法主要有以下三种：
均值滤波算法：也称线性滤波，主要思想为邻域平均法，即用几个像素灰度的平均值来代替每个像素的灰度。有效抑制加性噪声，但容易引起图像模糊，可以对其进行改进，主要避开对景物边缘的平滑处理。
中值滤波：基于排序统计理论的一种能有效抑制噪声的非线性平滑滤波信号处理技术。中值滤波的特点即是首先确定一个以某个像素为中心点的邻域，一般为方形邻域，也可以为圆形、十字形等等，然后将邻域中各像素的灰度值排序，取其中间值作为中心像素灰度的新值，这里领域被称为窗口，当窗口移动时，利用中值滤波可以对图像进行平滑处理。其算法简单，时间复杂度低，但其对点、线和尖顶多的图像不宜采用中值滤波。很容易自适应化。 Wiener维纳滤波：使原始图像和其恢复图像之间的均方误差最小的复原方法，是一种自适应滤波器，根据局部方差来调整滤波器效果。对于去除高斯噪声效果明显。
实验一：均值滤波对高斯噪声的效果
I=imread('C:\Documents and Settings\Administrator\桌面\1.gif');%读取图像
2. 低通滤波器一般用在什么地方低通滤波器有什么作用呢
低通滤波器在信号处理中的作用等同于其它领域如金融领域中移动平均数（moving average)所起的作用。
低通滤波器概念有许多不同的形式，其中包括电子线路（如音频设备中使用的hiss 滤波器、平滑数据的数字算法、音障、图像模糊处理等等，这两个工具都通过剔除短期波动、保留长期发展趋势提供了信号的平滑形式。
巴特沃斯滤波器是滤波器的一种设计分类，其采用的是巴特沃斯传递函数，有高通、低通、带通、带阻等多种滤波器类型。
巴特沃斯滤波器在通频带内外都有平稳的幅频特性，但有较长的过渡带，在过渡带上很容易造成失真。
(2)图片白点用什么滤波器扩展阅读
低通滤波器允许从直流到某个截止频率(fCUTOFF) 的信号通过。将通用滤波器二阶传递函数的高通和带通系数均设为零，即得到一个二阶低通滤波器传递公式：
对于高于f0的频率，信号按该频率平方的速率下降。在频率f0处，阻尼值使输出信号衰减。您可以级联多个这样的滤波器部分来得到一个更高阶的（更陡峭的转降）滤波器。假定设计要求一个截止频率为10kHz的四阶贝塞尔(Bessel) 低通滤波器。
每部分的转降频率分别为16.13及18.19 kHz，阻尼值分别为1.775及0.821，并且这两个滤波器分区的高通、带通和低通系数分别为0、0与1。
可以使用这两个带有上述参数的滤波器部分来实现所要求的滤波器。截止频率为输出信号衰减3dB的频率点。
波电路的作用就是允许某段频率范围内的信号通过，而阻止或削弱其他频率范围的信号。有源滤波电路由电阻、电容和集成运算放大器组成，又称为有源滤波器。有源滤波器能够在滤波的同时还能对信号起放大作用，这是无源滤波无法做到的。
根据滤波电路通过或者阻止信号频率范围不同，可将滤波电路分为低通、高通、带通河带阻电路。讨论的是有源低通滤波电路的设计与仿真研究。有源低通滤波电路能够通过低频信号，抑制或衰减高频信号。
3. 图像处理中常用的降噪滤波器有哪些 它们分别适用于哪些场合
不同的滤波器用于不同的噪声，很难说某一个降噪滤波器能符所有的噪声。
首先，说一下噪声的类型吧，噪声的分类和该噪声的分布符合什么模型有关，常见的噪声有高斯白噪声、椒盐噪声、泊松分布噪声、指数分布噪声等。
其次，采用的滤波器有空域滤波器，比如均值滤波器、中值滤波器、低通滤波器、高斯滤波等；频域滤波器，比如小波变换、傅里叶变换、余弦变换等；形态学滤波器，主要是通过膨胀和腐蚀等形态学操作进行去噪。
第三，对应场合。一般平时见的比较多是是高斯白噪声，像用均值滤波、中值滤波、高斯滤波可以去噪。还有在低照度下，比如晚上拍照时的图像，一般属于泊松分布的噪声，可以采用一些3d去噪算法，比如效果不错的BM3D算法。像椒盐噪声，一般用中值滤波基本可以去噪。
大概了解就这么多了，如果你还想深入了解的话，可以找一些图像专业方面的书籍，或者找一些去噪方面的综述性的论文看看。
4. 什么是有源滤波什么是无源滤波"源"指什么
无源滤波电路：若滤波电路仅由无源元件（电阻、电容、电感）组成。
有源滤波电路：若滤波电路不仅由无源元件，还由有源元件（双极型管、单极型管、集成运放）组成。
有源电路说白点就是元件必须有工作电源支持。无源电路中的器件不需要工作电源支持。
这里可理解源就是电源。
无源电路中的信号如果没有外部信号补充最后将衰减为零，有源元件定义为可以给外部电路提供大于零的平均功率的元件，而且该平均功率可以持续无限长的时间；反之，则是无源元件。 这时候可理解源就是有源元件提供的信号源。
5. 数字图像处理(四) 数字增强
本节主要目的是介绍图像增强的一些基本概念。来源于东北大学 魏颖教授的数字图像课程笔记。
将图像中像素亮度（灰度级别）看成是一个随机变量， 则其分布情况反映了图像的统计特性，这可用Probability Density Function (PDF)来刻画和描述，表现为 灰度直方图 （Histogram）。
灰度直方图是灰度级的函数，表示图像中 具有某种灰度级的像素的个数 ，反映了图像中每种灰度出现的频率。
灰度直方图的 横坐标是灰度级 ， 纵坐标是该灰度级出现的频度 ，它是图像最基本的统计特征。
直方图均衡化处理是以 累积分布函数 变换法为基础的直方图修正法。假定变换函数为
式中： 是积分变量，而 就是 的累积分布函数。
累积分布函数是 的函数，并且单调地从0增加到1， 所以这个变换函数满足关于 在 内单值单调增加。在 内有 的两个条件。可以推导出，变换后的变量s的定义域内的概率密度是均匀分布的。
用 的累积分布函数作为变换函数，可产生一幅 灰度级分布具有均匀概率密度 的图像。
考虑到灰度变换不影响像素的位置分布，也不会增减像素数目。所以有
应用到离散灰度级，设一幅图像的像素总数为 ，分 个灰度级。
第 个灰度级出现的频数。第 个灰度级出现的概率 其中 ， 。形式为：
直方图均衡化，力图使 等长区间 内出现的像素数接近相等。
图像由像素组成，视觉效果与像素的灰度有关。从而可以通过改变像素灰度值来改变图像的视觉效果。 灰度变换 是一种点操作，赋予每个像素新的灰度值，关键在于设计变换函数（映射规则）。本节主要介绍三种灰度变换方法： 线性灰度变换 ； 分段线性变换 ； 非线性变换 。
1. 线性灰度变换
当图象成象时曝光不足或过度, 或由于成象设备的非线性和图象记录设备动态范围太窄等因素。都会产生对比度不足的弊病，使图象中的细节分辨不清。这时可将灰度范围线性扩展。
设 灰度范围为 ， 灰度范围为 。
假定原图像 的灰度范围为 ，希望变换后图像 的灰度范围扩展至 ，则线性变换可表示为：
为了突出感兴趣的目标或灰度区间，相对抑制不感兴趣的灰度区域，可采用分段线性变换。常用的三段线性变换法数学表达式如下：
噪声可以理解为“妨碍人们感觉器官对所接收的信源信息理解的因素”。例如，一幅黑白图像，其亮度分布假定为 ， 那么对其起干扰作用的亮度分布 便称为图像噪声。
噪声在理论上可以定义为“不可预测， 只能用概率统计方法来认识的随机误差”。将图像噪声看成是多维随机过程是合适的，描述噪声的方法完全可以借用随机过程及其概率分布函数和概率密度函数。
但在很多情况下，这种描述方法很复杂，甚至不可能，而且实际应用往往也不必要，通常是用其 数字特征 ， 即均值方差 、 相关函数 等进行处理。
图像噪声按其产生的原因可分为 外部噪声 和 内部噪声 。外部噪声是指系统外部干扰从电磁波或经电源传进系统内部而引起的噪声，如电气设备、天体放电现像等引起的噪声。主要外部干扰如下：
（1） 由光和电的基本性质所引起的噪声。
（2） 电器的机械运动产生的噪声。如, 各种接头因抖动引起的电流变化所产
生的噪声；磁头、磁带抖动引起的抖动噪声等。
（3） 元器件材料本身引起的噪声。如, 磁带、 磁盘表面缺陷所产生的噪声
（4） 系统内部设备电路所引起的噪声。如, 电源系统引入的交流噪声，偏转
系统和箝位电路引起的噪声等。
图像噪声从 统计特性 可分为 平稳噪声 和 非平稳噪声 两种。统计特性不随时间变化的噪声称为平稳噪声；统计特性随时间变化的噪声称为非平稳噪声。
另外，按噪声和信号之间的关系可分为 加性噪声 和 乘性噪声 。
假定信号为 ，噪声为 ，如果混合叠加波形是 形式，则称其为加性噪声；如果叠加波形为 形式， 则称其为乘性噪声。
为了分析处理方便，往往将乘性噪声近似认为加性噪声，而且总是 假定信号和噪声是互相独立 的。
（1）高斯噪声 ：
高斯噪声是一种源于电子电路噪声和由低照明度或高温带来的传感器噪声。高斯噪声也常称为正态噪声，符合高斯分布。是自然界中最常见的噪声。高斯噪声可以通过空域滤波的平滑滤波方法来消除。
椒盐噪声又称双极脉冲噪声，其概率密度函数为：
椒盐噪声是指图像中出现的噪声只有两种灰度值，分别为a和b，通常情况下脉冲噪声总是数字化为允许的最大或最小值，所以负脉冲以黑点(类似胡椒)出现在图像中，正脉冲以白点(类似盐)出现在图像中。
出现位置是随机的，但噪声的幅值是基本相同的。
出现在位置是一定的（每一点上），但噪声的幅值是随机的。
改善降质图像的方法有两类： 图像增强 和 图像复原
（1） 图像增强 ：不考虑图像降质的原因， 只将图像中感兴趣的部分加以处理或突出有用的图像特征，故改善后的图像并不一定要去逼近原图像。主要目的是要提高图像的可懂度。（2） 图像复原 ：针对图像降质的具体原因，设法补偿降质因素，使改善后的图像尽可能地逼近原始图像。
图像增强处理的方法基本上可分为 空间域法 和 频域法 两大类。
（1） 空间域法
在原图像上直接进行数据运算，对像素的灰度值进行处理。它又分为两类：点运算和局部运算点运算：对图像作逐点运算局部运算：在与处理像点邻域有关的空间域上进行运算。
（2） 频域法
在图像的变换域上进行处理， 增强感兴趣的频率分量， 然后进行反变换，得到增强了的图像。
线性滤波器是线性系统和频域滤波概念在空域的自然延伸。其特征是结果像素值的计算由下列公式定义：
其中： 是模板的系数 是被计算像素及其邻域像素的值。就是利用模板（滤波器）进行的卷积运算。
主要线性空域滤波器 ：主要包括 低通滤波器 、 高通滤波器 、 带通滤波器 。 低通 滤波器主要用于：钝化图像、去除噪声； 高通 滤波器 主要用于边缘增强、边缘提取； 带通 滤波器主要用于删除特定频率。
非线性滤波器的定义 ：使用模板进行结果像素值的计算，结果值直接取决于像素邻域的值，而 不使用乘积和 的计算。 主要非线性滤波器有 ：中值滤波、最大值滤波、最小值滤波。
线性平滑滤波器： 均值滤波器
分别采用 像素的方形均值滤波器得到的平滑结果。
模板尺寸越大，图像越模糊，图像细节丢失越多
低通空域滤波的缺点和问题如果图像处理的目的是去除噪声，那么，线性平滑低通滤波在 去除噪声的同时也钝化了边和尖锐的细节 。
统计滤波器是非线性滤波 ：滤波器模板包围的图像区域中像素排序，统计排序结果代替中心像素的值； 中值滤波器是应用最广泛的统计滤波器 ；中值滤波对一定类型的随机噪声（如椒盐噪声）提供了优秀的去噪能力，比小尺寸的线性平滑滤波器的模糊程度明显低。
中值滤波的原理
用模板区域内像素的中值，作为结果值 ；强迫突出的亮点（暗点）更象它周围的值，以消除孤立的亮点（暗点）
中值滤波算法的实现
在去除噪声的同时，可以比较好地保留边的锐度和图像的细节。对于椒盐噪声，中值滤波效果比均值滤波效果好；对于高斯噪声，均值滤波效果比中值滤波效果好。
最大值滤波可以去除图像中的暗斑，同时也会使亮斑增大；最小值滤波可以去除图像中的亮斑 ，同时也会增大暗斑。
图像边缘是图像的基本特征之一，它包含对人类视觉和机器识别有价值的物体图像边缘信息。
边缘是图像中特性（如像素灰度、纹理等）分布的 不连续处 ，图像周围特性有阶跃变化或屋脊状变化的那些像素集合。图像边缘存在于目标与背景、目标与目标、基元与基元的边界，它标示出目标物体或基元的实际含量，是图像识别信息最集中的地方。
图像锐化就是要 突出图像边缘 ， 抑制图像中非边缘信息 ， 使图像轮廓更加清晰 。由于边缘占据图像的高频成分，所以边缘增强通常属于 高通滤波 。
这里介绍三个方法：(1) 基本高通滤波模板；(2) 高频补偿滤波；(3) 图像微分，包括：一阶微分—梯度法；二阶微分—拉普拉斯算子；
(1) 基本高通滤波模板
我们先介绍高通滤波模板： 图像锐化是要增强图像频谱中的高频部分 ，就相当于 从原图像中减去它的低频分量 ，即原始图像经平滑处理后所得的图像。选择不同的平滑方法，会有不同的图像锐化结果。
或：
为原象， 为平滑后图像 为输出图像。
设计模板系数的原则：1）中心系数为正值，外围为负值；2）系数之和为0
基本高通空域滤波的缺点和问题 ：高通滤波在增强了边的同时，丢失了图像的层次和亮度。
(2) 高频补偿滤波（提升滤波） ：
弥补高通滤波的缺陷，在增强边和细节的同时，不丢失原图像的低频成分。
高频补偿比高通的优点是很明显的，即增强了边缘，又保留了层次。噪声对结果图像的视觉效果有重要的影响，高频补偿在增强了边的同时也增强了噪声。
(3) 图像微分
均值产生钝化 的效果，而 均值与积分 相似，由此而联想到， 微分 能不能产生相反的效果，即 锐化 的效果呢？结论是肯定的。图像微分主要有一阶微分和二阶微分。
Roberts交叉梯度算子 ：
采用梯度微分锐化图像，同时会使噪声、条纹等得到增强，Sobel算子则在一定程度上克服了这个问题。
（1） 对图像中的随机噪声有一定的平滑作用。
（2） 边缘两侧元素得到了增强，边缘显得 粗而亮 。
对数字图像来讲， 的二阶偏导数可表示为：
采用拉普拉斯算子对图像的增强的基本方法可表示为：
频率 平面与图像 空域 特性的 关系 。
图像 变化平缓的部分 靠近频率平面的圆心，这个区域为 低频区域 ；图像中的 边、噪声、变化陡峻的部分 ，以放射方向离开频率平面的圆心，这个区域为 高频区域 。
(1) 用 乘以给定的图像 ，计算出它的傅立叶变换 。
(2) 选择一个变换函数 （频域滤波器）乘以 。
(3) 计算(2)的反DFT:
(4) 取(3)的实部
(5)用 乘以(4)的结果
频域增强与空域增强的关系：1. 在实践中，小的空间模板比傅立叶变换用得多得多，因为它们易于实现。2. 对于很多在空域上难以表述清楚的问题，对频域概念的理解就显得十分重要。在图像压缩中更体会到。
这里我们介绍频域滤波器的三种滤波器：1）低通滤波；2）高通滤波；3）同态滤波。
（1）平滑（低通）滤波 ：
频域低通滤波的基本思想 ， 是需要钝化图像的傅立叶变换形式, 是选取的一个滤波器变换函数 是通过 减少 的高频部分,来得到的结果运用傅立叶逆变换得到钝化后的图像。
理想低通滤波器的定义 ：
平滑（低通）滤波—理想低通滤波 ：
（1）整个能量的92%被一个半径为5的小圆周包含,大部分尖锐的细节信息都存在于被去掉的8%的能量中。（2）小的边界和其它尖锐细节信息被包含在频谱的至多0.5%的能量中。（3）被钝化的图像被一种非常严重的振铃效果——理想低通滤波器的一种特性所影响。
理想低通滤波器的平滑作用非常明显，但由于变换有一个陡峭的波形，它的反变换 有强烈的振铃特性，使滤波后图像产生模糊效果。因此这种理想低通滤波实用中不能采用。
6. 低通滤波器对图像能产生什么增强作用
低通滤波，从字面就可以理解，低频信号通过，而高频信号被过滤。也就是说高频信号（变化比较剧烈，如边缘，锯齿等）会被过滤掉，对图像起到平滑作用。
7. matlab 灰度图如何加正弦波噪并用低通滤波器去噪
x1='原始信号';
xx=0.05*sin(2*50*pi*t);%低频噪声
y1=x1+xx;%加噪声
y1=lp_filter(y1);%调用滤波器去噪
%--------------------滤波器函数----------------
function t1=lp_filter(t)
n=35;
Wn=0.001;
b=fir1(n,Wn); %求滤波系数
t1=filter(b,1,t);
其中读取图片数据、画出滤波后的图片什么的我就不写了
8. 对于椒盐噪声，为什么中值滤波效果比均值滤波效果好
在去除椒盐噪声方面均值滤波会模糊图像，并且去除效果较差。相比之下，中值滤波能够较好地去除椒盐噪声。
中值滤波器在图像上，对待处理的像素给定一个模板，该模板包括了其周围的邻近像素。取模板中排在中间位置上的像素的灰度值替代待处理像素的值，就可以达到滤除噪声的目的。中值滤波器对椒盐噪声的滤波效果较好。
(8)图片白点用什么滤波器扩展阅读：
注意事项：
噪声类型是‘salt & pepper’ 一定注意空格的位置 这里比较严格。
当噪声类型是’salt & pepper’的时候，第三个参数的意思是噪声密度，比如0.1，那么总像素个数的10%为黑白点，当然是黑点还是白点都是随机的。
在图像处理领域，影响图像质量的噪声主要有指数噪声、均匀噪声、椒盐噪声等。其中椒盐噪声的去除是图像处理里面一个研究很久的课题，出现最早的有效方法是中值滤波，是一种非线性滤波方法，对图像的所有像素点均进行处理，改变了图像中真实的像素点，这是传统中值滤波的一个重大缺点。
9. 处理表面缺陷图像用什么滤波方法
图像滤波
刚获得的图像有很多噪音。这主要由于平时的工作和环境引起的，图像增强是减弱噪音，增强对比度。想得到比较干净清晰的图像并不是容易的事情。为这个目标而为处理图像所涉及的操作是设计一个适合、匹配的滤波器和恰当的阈值。常用的有高斯滤波、均值滤波、中值滤波、最小均方差滤波、Gabor滤波。
由于高斯函数的傅立叶变换仍是高斯函数, 因此高斯函数能构成一个在频域具有平滑性能的低通滤波器。可以通过在频域做乘积来实现高斯滤波。均值滤波是对是对信号进行局部平均, 以平均值来代表该像素点的灰度值。矩形滤波器(Averaging Box Filter)对这个二维矢量的每一个分量进行独立的平滑处理。通过计算和转化 ,得到一幅单位矢量图。这个 512×512的矢量图被划分成一个 8×8的小区域 ,再在每一个小区域中 ,统计这个区域内的主要方向 ,亦即将对该区域内点方向数进行统计,最多的方向作为区域的主方向。于是就得到了一个新的64×64的矢量图。这个新的矢量图还可以采用一个 3×3模板进行进一步的平滑。
中值滤波是常用的非线性滤波方法 ,也是图像处理技术中最常用的预处理技术。它在平滑脉冲噪声方面非常有效,同时它可以保护图像尖锐的边缘。加权中值滤波能够改进中值滤波的边缘信号保持效果。但对方向性很强的指纹图像进行滤波处理时 ,有必要引入方向信息,即利用指纹方向图来指导中值滤波的进行。
最小均方差滤波器,亦称维纳滤波器,其设计思想是使输入信号乘响应后的输出,与期望输出的均方误差为最小。
Gabor变换是英国物理学家 Gabor提出来的,由“测不准原理”可知,它具有最小的时频窗,即Gabor函数能做到具有最精确的时间-频率的局部化；另外, Gabor函数与哺乳动物的视觉感受野相当吻合,这一点对研究图像特征检测或空间频率滤波非常有用。恰当的选择其参数, Gabor变换可以出色地进行图像分割、识别与理解。如文献提出的基于Gabor滤波器的增强算法。
10. noise filter (噪声滤波器)是干什么用的
对特定频率的频点或该频点以外的频率进行有效滤除的电路，就是滤波器。
其功能就是得到一个特定频率或消除一个特定频率，
利用这个特性可以将通过滤波器的一个方波群或复合噪波，而得到一个特定频率的正弦波