- 上一篇：基于MATLAB的图像分割技术
- 下一篇：FPGA控制DDS的频率发生器设计
本课题基于国家自然科学基金“基于多光谱最佳匹配的融合成像探测阈值评估理论研究”项目，通过对图片进行去噪处理，可以提高图片质量，有助于后续的图像融合等处理。
1.2 国内外研究现状[1]
1.3本文的主要工作及章节安排
本文在了解图像去噪的常用算法基本原理的基础上，选取了中值滤波算法作为本文的研究算法，通过Quartus II软件编写去噪程序，将程序烧写进FPGA开发板对一幅图像进行去噪处理并在显示器上显示，最后将显示出的图像与通过MATLAB软件中值滤波后得到的图像进行对比。论文章节安排如下：
第一章介绍了研究背景及意义，分析了国内外图像去噪算法的研究现状；
第二章列举了四种图像去噪算法，分别介绍了它们的基本原理；
第三章完成了对中值滤波、均值滤波、文纳滤波的MATLAB仿真实现；
第四章完成了对中值滤波的FPGA实现，并对其最终显示的图像与MATLAB仿真实现的图像进行对比。
2 图像去噪算法原理
本章列举了四种常用的图像去噪算法原理：均值滤波、中值滤波、文纳滤波、小波变换。
2.1 均值滤波
均值滤波是一种传统的图像去噪方法，由它的算法性质可知均值滤波是空间域中的一种典型的线性滤波算法。
均值滤波的基本原理是将目标像素周围多个像素的灰度平均值来代替该目标像素的灰度值[1]。即对待处理的目标像素点 ，以该目标像素点为中心，构建一个模板，该模板由其近邻的多个像素但是不包括目标像素组成，然后求出模板中所有像素的均值，再把该均值赋予目标像素点 ，作为处理后图像在该点上的灰度 ，即
（2-1）
为该模板中包含目标像素在内的像素总个数。
均值滤波适用于去除通过扫描得到的图像中的颗粒噪声，且算法实行简单，运算速度很快。但是由于它是用邻域平均的方法，会损失图像边缘细节从而造成图像的模糊，这个模糊的程度与领域半径成正比。
2.2 中值滤波
中值滤波的基本原理是把图像中目标像素点的值用该点的一个邻域中多个像素点的值的中值来代替。中值滤波的主要功能是让与周围像素灰度值的差比较大的像素改取与周围的像素值接近的值，从而可以消除孤立的噪声点，因此中值滤波对于滤除图像的椒盐噪声非常有效。
中值滤波的优点是在去除噪声的同时又能很好地保护图像的边缘信息，而且，在中值滤波算法的实现过程中，不需要图像的统计特性，这也减少了不必要的麻烦。但是中值滤波也存在缺点：它处理不好一些细节多,特别是点、线、尖顶细节较多的图像 [2]。
设有一个一文序列 ， ，…， ，取窗口长度为m(m为奇数)，对此序列进行中值滤波，就是从输入序列中相继抽出m个数， ，…， ，…， ，…， ，…， ，其中 为窗口的中心位置， ，再将这m个点按其数值大小排列，取其序号为正中间的那作为输出