结论 17

参考文献 18

致谢 20

附录 21

1 绪论

1。1 课题现状和意义

数字图像处理（Digital Image Processing）是指将数字图像信号转换成数据信 号并且利用计算机对它进行处理的过程，数字图像处理最早的是出现在 20 世纪

50 年代左右，在近 70 年的快速发展中，图像科技得到迅猛发展，为利用计算机 实现图像处理和分析的学科领域奠定了坚实的基础。从而使得数字图像处理技术 成为信息技术重要的学科分支之一。数字图像处理的应用非常广泛，从最初的通 讯，航天航空到医疗设施等，深入到人们生活的方方面面，并且随着人们活动范 围不断的扩大。论文网

随着数字图像技术的不断发展，现今人们可以通过数码相机和手机就可以获 得高分辨率的图像，这极大的方便了人们的生活，但是在某些条件下，我们很难 获得清晰的图片，比如在实时监控的时候，夜间的监控通常比日间的监控更为重 要，可是在夜间的低照度的条件下，普通摄像机无法获得与白天相同质量的图像， 从而使视频监控有了局限性；又比如手机领域，人们习惯使用它的拍照等多媒体 功能，而商家也不断的提高手机芯片的质量来满足人们日益提高的需求。现在手 机由于图像传感的先天硬件的限制，在很多场合拍出来的效果都出现比较严重的 噪声等，尤其在比较黑的环境下，图像传感器的分辨率越高，图片中的噪声越明 显。因此，高的分辨率并不一定能带来高清的图片效果，由此图像去噪就变的非 常重要，通过图像处理对图像进行去噪，就可在不用提高手机芯片的质量的情况 下得到高清晰的图像。所以图像的去噪处理是数据图像研究领域中一项十分重要 的工作，无论是提高图像质量还是进一步满足对图像的需求都具有深远的意义。 1。2 图像处理的研究现状

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。

图像去噪一直是计算机图形处理的一个热门研究，其中非局部均指算法是近 年来最为出色的算法之一，本文主要针对非局部均值去噪算法的研究。图像去噪 基本可以分成基于局部的滤波和基于非局部的滤波。而基于局部的滤波则分为， 高斯滤波，邻域滤波,双边滤波等。

1。3 论文的主要研究内容

图像在传输和获取的过程中，不可避免的会受到噪声的干扰，这样获取的图 片往往差强人意，所以我们要对图片进行降噪处理，尽可能的去除噪声的影响从 而得到清晰的图像。如何能在降噪的同时更好的保护一些细节信息不被破坏，对 此本文主要对均值去噪算法进行了研究分析。