MATLAB有哪些常见的图像去噪算法？

MATLAB提供了多种用于图像去噪的内置算法，以下是其中几种常见的：

1. **均值滤波（Mean Filter）**：这是最基本的平滑滤波器，通过计算周围像素的平均值替换中心像素，适用于低频噪声。

img_filtered = imgaussfilt(img, sigma);

2. **高斯滤波（Gaussian Filter）**：高斯滤波器使用的是高斯核，它能更好地平滑图像，减少高频噪声，同时保持边缘的清晰。

img_filtered = imgaussfilt(img, [sigma1 sigma2]); // 双尺度高斯滤波

3. **中值滤波（Median Filter）**：对每个像素应用其邻域像素的中位数，常用于去除椒盐噪声。

img_filtered = medfilt2(img);

4. **小波变换（Wavelet Transform）**：通过小波分解将图像转换到频率域，可以选择性地去掉高频成分来去噪。

[coeffs, freq] = wavedec2(img, level); // 小波分解
coeffs_denoised = shrink(coeffs, noise_level); // 重构并去噪
img_filtered = waverec2(coeffs_denoised, freq);

5. **鲁棒PCA（Robust Principal Component Analysis, RPCA）**：针对大规模数据集的稀疏去噪，特别适合含有异常值的数据。

[idx, scores, U, S, V] = rpca(img, lambda);
img_filtered = U * S;

6. **非局部均值滤波（Non-local Means）**：寻找整个图像内的相似块来平滑图像，能够较好地保留细节。

img_filtered = imnlfilter(img, patchSize);

在选择算法时，通常要考虑噪声类型、信号强度和图像特性。每种方法都有其优缺点，实践中可能需要尝试几种方法并调整参数以达到最佳效果。