matlab 高斯白噪声 去除

以下是使用Matlab进行高斯白噪声去除的步骤：

1.读取含有高斯白噪声的图像并显示：

img = imread('2010-03-09-2.bmp');
imshow(img);

2.添加高斯白噪声：

noise_img = imnoise(img, 'gaussian', 0, 0.01);
imshow(noise_img);

其中，'gaussian'表示添加高斯噪声，0表示噪声均值，0.01表示噪声方差。

3.使用邻域平均法进行去噪：

avg_img = filter2(fspecial('average', 3), noise_img)/255;
imshow(avg_img);

其中，'average'表示使用邻域平均法，3表示邻域大小。

4.使用中值滤波法进行去噪：

med_img = medfilt2(noise_img);
imshow(med_img);

其中，medfilt2表示使用中值滤波法。

5.使用维纳滤波法进行去噪：

wnr_img = deconvwnr(noise_img, fspecial('gaussian', 5, 5), 0.01);
imshow(wnr_img);

其中，'gaussian'表示使用高斯滤波器，5表示滤波器大小，0.01表示噪声方差。

6.使用小波变换进行去噪：

[c, s] = wavedec2(noise_img, 2, 'db4');
thr = wthrmngr('dw2ddenoLVL', 'penalhi', c, s, 2);
sorh = 's';
keepapp = 1;
denoised_c = wdencmp('gbl', c, s, 'db4', 2, thr, sorh, keepapp);
wav_img = waverec2(denoised_c, s, 'db4');
imshow(wav_img, []);

其中，'db4'表示小波基函数，2表示小波分解层数，'penalhi'表示使用高斯噪声模型进行阈值计算，'s'表示使用软阈值，keepapp=1表示保留低频分量。