数字图像处理 噪声的去除 流程和代码 不调用matlab函数

数字图像处理中噪声的去除通常需要经过以下步骤：

1. 选择合适的去噪算法：根据噪声类型和噪声强度，选择合适的去噪算法，比如均值滤波、中值滤波、高斯滤波、小波变换等。

2. 加载图像：读取需要处理的图像。

3. 添加噪声：使用随机函数给图像添加噪声，可以添加高斯噪声、椒盐噪声、泊松噪声等。

4. 进行去噪处理：根据选择的算法，对图像进行去噪处理。

5. 显示和保存处理结果：显示处理后的图像，并将结果保存到本地。

下面是一个简单的 Matlab 代码示例，演示了如何对添加了高斯噪声的图像进行均值滤波去噪处理：

% 读取图像
img = imread('lena.jpg');

% 添加高斯噪声
noisy_img = imnoise(img, 'gaussian', 0, 0.01);

% 进行均值滤波去噪处理
[M, N] = size(noisy_img);
denoised_img = zeros(M, N);
for i = 2:M-1
    for j = 2:N-1
        denoised_img(i,j) = mean(mean(noisy_img(i-1:i+1, j-1:j+1)));
    end
end
denoised_img = uint8(denoised_img);

% 显示处理结果
subplot(1, 2, 1);
imshow(noisy_img);
title('Noisy Image');

subplot(1, 2, 2);
imshow(denoised_img);
title('Denoised Image');

% 保存处理结果
imwrite(denoised_img, 'denoised_lena.jpg');

注：代码中使用了一个 3x3 的均值滤波模板，对每个像素点周围的 3x3 区域进行均值处理，并将处理结果写入到 denoised_img 中。可以使用其他大小的模板，比如 5x5、7x7 等，也可以使用其他滤波算法，比如中值滤波、高斯滤波等。