【图像去噪】基于非局部欧几里德中值 (NLEM) 实现图像去噪附matlab代码-优快云博客

本文链接：https://blog.youkuaiyun.com/matlab_dingdang/article/details/125240120

本文介绍了图像去噪的重要性，特别是在医学、航天等领域中的应用。提供了一段MATLAB代码实现非局部欧氏中值（NLEM）去噪算法，并展示了去噪前后的图像对比，以及PSNR值的计算。此外，还提及了作者在图像处理和优化算法方面的研究背景。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1 简介

随着工业技术的发展，数字化图像获取设备越来越多，数字图像的应用环境也越来越广泛。数字图像在医学、航天、军事、气象、传媒等诸多领域都起着举足轻重的作用。由于图像在获取和传播过程中不可避免地会受到噪声污染，因此，图像去噪是图像处理的一个关键环节。

去噪效果也直接影响到图像分析、识别等后续任务。图像去噪目的是在尽可能保持图像有用细节的前提下，通过去除噪声，从而获得更为真实的图像。当今，无论在学术界还是工业界，图像去噪都是一个研究热点。

2 部分代码

%%denoising demo using Non-Local Euclidean Medians (NLEM)%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%  img      : clean grayscale image%  h        : width of Gaussian%  P        : half-size of patch %  S        : half-search window %%  Author:    Kunal N. Chaudhury%  Date:      June 10, 2012%%  Reference: %  K. N. Chaudhury, A. Singer, "Non-Local Euclidean Medians", IEEE Signal%  Processing Letters, vol. 19, no. 11, 2012. %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%clc; clear all; close all force;% clean imageimg    = double(imread('ckb.jpg'));[m, n] = size(img);% add noisesigma     =  70;imgNoisy  =  img  +  sigma * randn(m,n);% NLEM parametersS  = 10;P  = 3;h  = 10 * sigma;% call NELM (or NLEM_kNN)imgDenoised = NLEM(imgNoisy, h, P, S);% show resultspeak  = max(max(img));PSNR0 = 10 * log10(m * n * peak^2 / sum(sum((imgNoisy - img).^2)) );PSNR1 = 10 * log10(m * n * peak^2 / sum(sum((imgDenoised - img).^2)) );figure();colormap gray,subplot(1,3,1), imagesc(img), title('Original', 'FontSize', 10), axis('image', 'off');subplot(1,3,2), imagesc(imgNoisy), title([ 'Noisy, ', num2str(PSNR0, '%.2f'), 'dB'] , 'FontSize', 10), axis('image', 'off');subplot(1,3,3), imagesc(imgDenoised), title([ 'NLEM filtered, ', num2str(PSNR1, '%.2f'), 'dB'] , 'FontSize', 10),axis('image', 'off');