Matlab图像处理，灰度图去除噪点的方法并举例

常见的灰度图像去噪方法有中值滤波、高斯滤波、均值滤波和小波去噪等。

1. 中值滤波：该方法通过将每个像素周围的邻域中的像素排序并取中值来消除噪点。可以通过使用Matlab中的medfilt2函数来实现，例如：

img = imread('test.png');
img_noise = imnoise(img, 'salt & pepper', 0.05); % 添加椒盐噪声
img_median = medfilt2(img_noise); % 中值滤波去噪
imshow(img_median);

2. 高斯滤波：该方法使用高斯核对图像进行平滑处理，以去除噪点。可以通过使用Matlab中的imgaussfilt函数来实现，例如：

img = imread('test.png');
img_noise = imnoise(img, 'gaussian', 0.05); % 添加高斯噪声
img_gaussian = imgaussfilt(img_noise, 2); % 高斯滤波去噪
imshow(img_gaussian);

3. 均值滤波：该方法通过计算像素周围邻域的均值来消除噪点。可以通过使用Matlab中的imfilter函数来实现，例如：

img = imread('test.png');
img_noise = imnoise(img, 'salt & pepper', 0.05); % 添加椒盐噪声
h = fspecial('average', [3 3]); % 定义均值滤波核
img_mean = imfilter(img_noise, h); % 均值滤波去噪
imshow(img_mean);

4. 小波去噪：该方法使用小波变换将图像分解为多个频带，并对每个频带进行噪声消除。可以通过使用Matlab中的wden函数来实现，例如：

img = imread('test.png');
img_noise = imnoise(img, 'gaussian', 0.05); % 添加高斯噪声
[coefs, ~] = wavedec2(img_noise, 2, 'db4'); % 进行二级小波分解
thr = wthrmngr('dw2ddenoLVL', 'penalhi', coefs, 2); % 计算阈值
img_wavelet = wden(img_noise, 'penalhi', 's', 'sln', 2, 'db4', thr); % 小波去噪
imshow(img_wavelet);

以上是一些常见的灰度图像去噪方法及其Matlab实现。在实际应用中，可以根据图像的特征和噪声类型选择不同的方法。