matlab如何实现图像去噪处理

这篇文章主要介绍了matlab如何实现图像去噪处理的相关知识，内容详细易懂，操作简单快捷，具有一定借鉴价值，相信大家阅读完这篇matlab如何实现图像去噪处理文章都会有所收获，下面我们一起来看看吧。

1 内容介绍

隐马尔可夫模型(HMM)是一种用参数表示的用于描述随机过程统计特性的概率模型，由马尔可夫链演变而来。HMM是一种双层结构的模型［6］，一层是状态转移过程，由一个一阶离散马尔可夫过程来描述，由状态转移矩阵表示，满足马尔可夫假设;另一层是可见的随机过程的状态(或状态跳转)产生观测矢量的过程，用观测矢量概率分布表示。对于任意一个随机事件，如图1所示，有一组观测值序列O1，O2，…，OT，该事件还隐含着一个状态序列Q1，Q2，…，QT。虚线上方是随机事件状态的转移情况，通过转移矩阵来描述，满足马尔可夫性;虚线下方是能够得到的观测值，满足输出独立性假设。1998年，Crouse和Nowak对隐马尔可夫的链式结构进行了扩展，并结合小波变换与多尺度马尔科夫模型，提出了小波域隐马尔可夫树模型。HMT模型可以看作是一种树状的HMM模型，因此能够很好地描述小波系数的统计特征，目前，已广泛应用于信号检测与估计、图像去噪和图像分割等方面。

2 部分代码

%load lena512;

 pepper=imread('peppers.png');

 pepper=double(pepper)/256;

sigma = 0.1; %noise standard deviation

hh = daubcqf(4); %wavelet filter

x = pepper + sigma*randn(size(pepper));

disp(['PSNR of noisy image is ' num2str(psnr(pepper,x)) 'dB']);

y=hdenoise(x,hh);

disp(['PSNR of denoised image is ' num2str(psnr(pepper,y)) 'dB']);

figure(1);

subplot(121)

image(x*255+1);

colormap(gray(256));

axis square;

title('Noisy image');

subplot(122)

image(y*255+1);

colormap(gray(256));

axis square;

title('Denoised image');

关于“matlab如何实现图像去噪处理”这篇文章的内容就介绍到这里，感谢各位的阅读！相信大家对“matlab如何实现图像去噪处理”知识都有一定的了解，大家如果还想学习更多知识，欢迎关注亿速云行业资讯频道。