图像加噪 + 去噪处理

这段 MATLAB 代码的主要功能是对一张 saturn.png 图片进行灰度化、裁剪、加噪声处理，并使用 维纳滤波（Wiener Filter） 来去噪，最后以对比方式展示加噪后的图像和去噪后的图像。

---

代码解析

clear all; close all;

• clear all; 清除所有变量，释放工作区内存。
• close all; 关闭所有打开的图形窗口。

RGB = imread('saturn.png');
I = rgb2gray(RGB);

• 读取彩色图像 saturn.png 并存入 RGB。
• 使用 rgb2gray 将彩色图像转换为灰度图像 I。

I = imcrop(I, [100, 100, 1024, 1024]);

• 使用 imcrop 对灰度图像 I 进行裁剪，裁剪区域的 起始点为 (100,100)，大小为 1024×1024 像素。

J = imnoise(I, 'gaussian', 0, 0.03);

• 使用 imnoise 向图像 I 添加 高斯噪声，均值为 0，方差为 0.03，得到加噪后的图像 J。

[K, noise] = wiener2(J, [5, 5]);

• 使用 wiener2 进行 维纳滤波 去噪，滤波窗口大小为 5×5。
• K 为去噪后的图像，noise 为估计出的噪声方差图。

figure;
subplot(121); imshow(J);
subplot(122); imshow(K);

• 创建一个新的图像窗口。
• subplot(121); imshow(J); 显示加噪后的图像 J。
• subplot(122); imshow(K); 显示去噪后的图像 K。

---

程序运行效果

1. 原始图片 (saturn.png)

   • 先转换为灰度图像并裁剪。

2. 加噪图像 (J)

   • 加入高斯噪声后，图像出现随机噪声点。

3. 去噪图像 (K)

   • 经过 维纳滤波 处理后，噪声被抑制，图像质量改善。

---

改进建议

1. 调整 wiener2 窗口大小

   • 5×5 窗口可能对某些细节处理不够精细，可尝试 3×3 或 7×7 进行对比。

   [K, noise] = wiener2(J, [3, 3]);
   

2. 使用 medfilt2 进行中值滤波

   • medfilt2 对去除椒盐噪声更有效：

   K_med = medfilt2(J, [3, 3]);
   

3. 测试不同噪声强度

   • 改变 imnoise 的方差值，例如 0.01、0.05，观察维纳滤波效果。

---

总结

• 代码主要完成 图像加噪 + 去噪处理。
• 维纳滤波 适用于 高斯噪声 去除，效果取决于窗口大小。
• 可以结合其他滤波方法（如均值滤波、中值滤波）来优化去噪效果。