MATLAB中图像高斯噪声添加与维纳滤波处理

clear all; close all;
I = imread('coins.png');
I = im2double(I);
J = imnoise(I, 'gaussian', 0, 0.01);
K = wiener2(J, [5 5]);
figure;
subplot(131);
imshow(I);
title('Original Image');
subplot(132);
imshow(J);
title('Gaussian Noisy Image');
subplot(133);
imshow(K);
title('Wiener Filtered Image');

解释：

• clear all; close all;：清空工作空间中的所有变量并关闭所有图形窗口。

• I = imread('coins.png');：读取名为coins.png的图像，并赋值给I。

• I = im2double(I);：将图像I的数据类型转换为双精度浮点数，以便进行后续处理。

• J = imnoise(I, 'gaussian', 0, 0.01);：在图像I上添加高斯噪声，均值为0，方差为0.01。

• K = wiener2(J, [5 5]);：使用wiener2函数对噪声图像J应用维纳滤波，滤波器的邻域大小为5x5。维纳滤波是一种自适应滤波器，它考虑了噪声的特性来恢复图像的细节。

• figure;：创建一个新的图形窗口。

• subplot(131); imshow(I);：在第一个子图（1,3,1）中显示原始图像I。

• subplot(132); imshow(J);：在第二个子图（1,3,2）中显示添加了高斯噪声的图像J。

• subplot(133); imshow(K);：在第三个子图（1,3,3）中显示维纳滤波后的图像K。

拓展：

1. 保存滤波后的图像：可以将维纳滤波后的图像K保存为文件。

% 保存维纳滤波后的图像
imwrite(uint8(K), 'coins_wiener_filtered.png');

1. 尝试不同的滤波器参数：可以尝试使用不同的维纳滤波器参数，如不同的噪声方差估计或邻域大小，来观察滤波效果的变化。

2. 分析滤波效果：可以分析滤波前后图像的质量，比如通过计算图像的峰值信噪比（PSNR）来评估滤波效果。

3. 创建交互式滤波器选择：可以创建一个交互式界面，允许用户选择不同的滤波器参数，并实时查看滤波效果。

4. 应用其他图像恢复技术：可以尝试使用其他图像恢复技术，如逆滤波、同态滤波等，来比较不同的恢复效果。