matlab如何对图像进行椭圆滤波器降噪

BM3D 是一种降噪方法提高了图像在变换域的稀疏表示。BM3D 降噪方法的优点是更好的保留图像中的一些细节，BM3D采用了不同的去噪策略。通过搜索相似块并在变换域进行滤波，或首得到块评估值，最后对图像中每个点进行加权得到最终去噪效果。 

原理：首先将一幅图像分割成尺寸较小的小像素片，选定参考片后，寻找与参考片相似的小片组成 3D 块。此过程过后将得到 3D 块。然后将所有相似块进行 3D 变换。将变换后的 3D 块进行阈值收缩，这也是除去噪声的过程。然后进行 3D 逆变换。最后将所有的 3D 块通过加权平均后还原到图像中。

BM3D算法的大致流程：答族

第1步. 初始估计

（1）逐块估计。对含噪图像中的每一块 

（i）分组。找到它的相似块然后把它们聚集到一个三维数组。 

（ii）联合硬阈值。对形成的三维数组进行三维变换，通过对变换域的系数进行硬阈值处理减弱噪声，然后逆变换得到组中所有图像块的估计值，然后把这些估计值返回到他们的原始位置。

（2）聚集。对得到的有重叠的块估计，通过对他们进行衫举数加权平均得到真实图像的基础估计。 

第2步. 最终估计 

（1）逐块估计。对基础估计图像中的每一块 

（i） 分组。通过块匹配找到与它相似的相似块在基础估计图像中的位置，通过这些位置得到两个三维数组，一个是从含噪图像中得到的，一个是从基础估计图像中得到的。 

（ii）联合维纳滤波。对形成的两个三维数组均进行三维变换，以基础估计图像中的能量谱作为能量谱对含噪三维数组进行维纳滤波，然后逆变换得到组中所有图像块的估计，然后把这些估计值返回到他们的原始位置。

（2）聚集。对得到的有重叠的局部块估计，通过对他们进行加权平均得到真实图像的最终估计。

1、双循环语句，移动平均法。

<p>双循环语句，移动平均法</p><p>%均值滤波</p>

<p>clc,clear</p>

<p>f=imread('lena.bmp')</p>

<p>subplot(121),imshow(f),title('原图')</p>

<p>f1=imnoise(f,'gaussian',0.002,0.0008)</p>

<p>%subplot(222),imshow(f1),title('添加高斯噪声图'樱罩返)</p>

<p>k1=floor(3/2)+1</p>

<p>k2=floor(3/2)+1</p><p>X=f1</p>

<p>[M,N]=size(X)</p><p>uint8 Y=zeros(M,N)</p>

<p>funBox=zeros(3,3)</p><p>for i=1:M-3    </p>闷灶

<p>    for j=1:N-3        </p><p>        funBox=X(i:i+3,j:j+3)        </p>

<p>        s=sum(funBox(:))</p><p>        h=s/9   </p>

<p>        Y(i+k1,j+k2)=h    </p><p>    end</p>

<p>end</p><p>Y=Y/255</p>

<p>subplot(122),imshow(Y),title('均值滤波')</p>

<p>实现图：</p>

2、filter2。

<p>filter2</p>

<p>clear all</p>

<p>I=imread('lena.bmp')</p>

<p>%读入预处理图像</p>

<p>imshow(I)</p><p>%显示预处理图像</p>

<p>K1=filter2(fspecial('average',3),I)/255</p><p>%进行3*3均值滤波</p>

<p>K2=filter2(fspecial('average',5),I)/255</p><p>%进行5*5均值滤波</p>

<p>K3=filter2(fspecial('average',7),I)/255</p><p>%进行7*7均值滤波</p>

<p>figure,imshow(K1)</p><p>figure,imshow(K2)</p>

<p>脊饥figure,imshow(K3)</p>

---