MATLAB图像去噪算法研究+文献综述(3)
3.2 中值滤波器
中值滤波器的主要工作理念是：把图像中任意一点的值用其周围各个点值的中间值进行代替，通俗来说就是图像中的像素值差别不那么大，运用这种原理来进行图像的去噪处理，所以这种去噪方法更使用于一些含噪声较为明显的图像，但如果对于一些过分强调细节的图形和图像，这种方法的弊端也就显露出来了。
3.3 小波去噪
小波去噪的优点是保留了大部分包含信号的小波系数，可以更好的保留图细节。小波去噪进行图像去噪主要有3个步骤：
(1)对图像信号进行小波分解；
(2)对经过层次分解后的高频系数进行阈值量化；
(3)利用二文小波重构图像信号。
4.小波分析在图像去噪中的应用
小波分析法是近几十年来发展最为迅速的数学理论概念，它是包含尺度伸缩和时间平移的双参数的一种函数分析法，最为重要的是它能够把时间域和频率域在时频局部进行改变[8]。通俗来说也就是，在低频的部分它具有较高的频率分辨率和较低的时间分辨率，而在高频部分它也具有较强的时间分辨率和较低的时频分辨率，这样的好处使得小波分析法具有很好的独立性，自觉适应性，同时由于这些个优点也使得它比经典的傅立叶变换更加的优秀，就总体而言，小波变换法在目前的信号分析处理，图像语言处理等科学领域方面获得了重大的突破和发展。但小波分析法的不足之处是使用的函数很多。
4.1 小波去噪法的原理
小波去噪理论前提是要对接收到的信号进行分析处理[10]。第一需要对接收的信号进行预处理，这样有利于将信号中的噪声部分去掉，也有利于提取对我们有用的信号，小波分析法能够在时域和频域很好的对信号进行处理分析，小波分析能够有效地将信号中的突出部分和噪声区别开来，也就是在频率域内分辨率高时，时间域内分辨率就会越低，在频率域内分辨率低时，时间域内分辨率就会越高，对于传统的傅立叶变换分析是把信号完全在频域内进行处理分析，不能在某个时间点上给出信号的变化情况。