摘要数字图像是人类获取和传递有效信息的重要手段。  本文所做的工作主要包括以下方面：分析了图像去噪的研究背景、意义、研究现状及发展趋势；图像质量的主观评价方法和客观评价方法，均方误差、信噪比、峰值信噪比等评价参数；图像噪声处理的基本概念，图像噪声的分类，高斯噪声、脉冲噪声等几种基本噪声模型；中值滤波、均值滤波、维纳滤波等传统图像去噪算法的应用及其不足；数学形态学的发展历程、基本概念及原理，数学形态学在图像处理中的重要地位及其处理图像的基本步骤；二值形态学、灰度形态学中膨胀、腐蚀、开运算、闭运算四种基本形态学变换的原理、作用效果及它们在图像去噪中的应用；提出了一种新的去除图像高斯噪声的数学形态学算法。 59992  
毕业论文关键词：数学形态学；图像去噪；高斯噪声；开关形态学去噪算法                     
Title    Image Denoising Based on Mathematical Morphology 
 Abstract The digital image is an important way for our human to access and deliver effective information.  The work done in this paper includes the following: the research background, basic concepts ,significance and development trends of image denoising；subiective and objective evaluation methods of image quality, MSE, SNR, PSNR；the classification of image noise, several noise models like impulse noise and gaussian noise；the application and weak points of classical denoising algorithms such as mean filter, median filter and wiener filter；the development,basic concepts and principles of mathematical morphology, four basic operation of binary and grayscale morphology: dilation, erosion, open and close, and their applications in image denoising.；The paper proposes a new mathematical morphology algorithm   
Keywords:  Mathematical Morphology; Image Denoising; Gaussian Noise; Switching Morphology Denoising Algorithm 

目录 

1 绪论    1 

1.1 图像去噪的研究背景及意义   1 

1.2 图像去噪的研究现状及发展趋势 ..  2 

1.3 去噪效果的评价方法   4 

2 图像噪声及常用的去噪方法  .  5 

2.1 图像噪声 .  5 

2.2 常见的去噪方法 .  6 

3 数学形态学  ..  13 

3.1 概述 .  13 

3.2 数学形态学的基本运算   13 

3.3 灰度形态学 .  19 

4 数学形态学滤波器去噪  .  22 

4.1 概述  .  22 

4.2 结构元素    24 

4.3 形态学变换  .  28 

4.4 新算法展望  .  31 

结论  .  33 

致谢  .  34 

参考文献    35 
1  绪论 1.1  图像去噪的研究背景及意义  曾经有国外学者做过统计，人类所获得的信息有 80%以上是来自眼睛摄取的图像。数字图像不仅在卫星电视、核磁共振成像、电脑扫描等人们日常生活应用方面起重要作用；而且还在地理信息系统、航空航天等科学研究领域扮演着重要角色。可见，图像信息是一种获取和传递信息的最重要的媒体和手段。数字图像处理起源于 20 世纪20年代，近几十年来，随着各种数字设备和数码产品的普及、各类数字影像的大批量生产，数字图像处理成为数学技术和计算机技术交叉领域的一个研究热点。数字图像处理（Digital Image Processing）又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理以满足人的视觉心理或应用需求的过程。数字图像处理主要包括:图像预处理、图像分割、目标识别、可视化技术等。目前数字图像处理技术已广泛应用于许多社会领域，如工业、农业、国防、公安刑侦、科研、生物医学、通信等等。 基于数学形态学的图像滤波研究:http://www.youerw.com/tongxin/lunwen_65334.html