图像去噪matlab算法

在MATLAB中，图像去噪是一个常见的信号处理任务，旨在从包含噪声的数据中恢复出清晰的图像信息。常用的图像去噪算法有以下几种：

1. **均值滤波**：通过对每个像素及其邻域内的像素取平均值，去除高斯白噪声。命令形式是`img = medfilt2(img, [n n])`，其中n是滤波器大小。

2. **中值滤波**：适用于去除椒盐噪声，通过计算像素周围像素值的中位数来保留边缘信息。命令是`img = imfilter(img, ones(2) / 4, 'average', 'same')`。

3. **小波去噪**（Wavelet Denoising）：利用小波变换分解图像为多尺度分析，然后对系数进行阈值处理，去掉噪声部分。`wdenoise`函数可以实现。

4. **局部均值匹配（Laplacian Pyramid）**：通过构建图像的多层细节图，逐层平滑去除噪声，最后重构清晰图像。`pyramidDown`和`pyramidUp`函数用于构建和合并金字塔。

5. **自适应滤波**（如Unsharp Masking）：根据图像局部特性调整滤波器参数，增强边缘效果。`fspecial('unsharp')`可以生成自适应滤波器。

6. **稀疏编码**（Sparse Coding）：利用稀疏表示理论，将图像看作是由一组基向量稀疏线性组合而成，通过求解优化问题去除噪声。

7. **深度学习方法**：使用卷积神经网络（CNN）进行图像去噪，如Denoising Autoencoders或更复杂的模型（如UDNet、DnCNN等），MATLAB有相关的工具箱支持，如Deep Learning Toolbox。

**相关问题**:
1. 均值滤波和中值滤波有什么区别？
2. 小波去噪是如何工作的？
3. 自适应滤波如何选择合适的参数？
4. MATLAB中的哪种深度学习模型最适合用于图像去噪？
5. 如何评估去噪后的图像质量？