高斯噪声和椒盐噪声matlab

### MATLAB 中处理高斯噪声和椒盐噪声的方法

#### 添加高斯噪声与椒盐噪声到图像中

为了向图像添加不同类型的噪声，在MATLAB中有专门用于此目的的`imnoise`函数。对于高斯噪声，可以通过指定参数调用该函数实现；而对于椒盐噪声，则需设置相应的噪声密度。

% 加载测试图像
image = imread('cameraman.tif');

% 设置噪声参数并应用高斯噪声
gaussian_noisy_image = imnoise(image, 'gaussian', 0, 0.02);

% 应用椒盐噪声
density = 0.05;
sp_noisy_image = imnoise(image, 'salt & pepper', density);

上述代码展示了如何利用`imnoise`函数分别为输入图像增加特定水平的高斯噪声和设定比例下的椒盐噪声[^1]。

#### 使用滤波器去除两种噪声

针对不同类型噪声的特点，可以选用不同的去噪方法：

- **高斯噪声**：通常推荐使用维纳滤波(`wiener2`)或自适应平均滤波等技术来减少此类噪声的影响。

- **椒盐噪声**：由于这种噪声表现为孤立像素上的极大极小灰度跳跃，因此更适合采用基于秩序统计量的方法如中值滤波(`medfilt2`)来进行有效抑制。

下面给出具体的MATLAB代码实例说明这两种常见噪声对应的最优解法：

% 对含有高斯噪声的图片执行维纳滤波操作
filtered_gaussian = wiener2(gaussian_noisy_image,[5 5]);

% 利用中值滤波消除椒盐噪声影响
filtered_sp = medfilt2(sp_noisy_image,[3 3]);

这里选择了大小为\(5\times5\)窗口的二维维纳滤波器应用于受高斯干扰严重的图像上，并选取了同样尺寸但更适用于脉冲型异常点平滑化的三维立方体作为中值滤波器的工作区域[^2]。

最后展示原图及其经过加噪再经过去噪处理后的对比结果可以帮助直观理解各算法的效果差异：

figure;

subplot(2,3,1),imshow(image);title('原始图像');
subplot(2,3,2),imshow(gaussian_noisy_image);title('含高斯噪声的图像');
subplot(2,3,3),imshow(filtered_gaussian);title('维纳滤波后图像');

subplot(2,3,5),imshow(sp_noisy_image);title('含椒盐噪声的图像');
subplot(2,3,6),imshow(filtered_sp);title('中值滤波后图像');

通过以上过程可以在MATLAB环境中完成对给定图像施加及清除典型随机扰动的任务[^3]。