基于改进算法的图像椒盐噪声滤除及对比仿真系统

资 源 简 介

本项目开发了一个完整的MATLAB数字图像去噪仿真平台，专注于研究和解决图像中的椒盐噪声干扰问题。

详 情 说 明

基于改进算法的高性能椒盐噪声滤除及多种滤波算法对比仿真系统

项目介绍

本项目是一个基于MATLAB开发的数字图像去噪仿真平台，专门针对图像中的椒盐噪声（Salt & Pepper Noise）提供高效的滤除方案。系统集成了传统滤波算法、自适应滤波算法以及一种改进的基于噪声检测的快速识别辅助算法，旨在通过多维度的客观指标与视觉效果对比，验证不同算法在不同噪声密度下的修复能力。

功能特性

• 交互式图像加载：支持通过图形界面自主选择本地图像库中的JPG、PNG、BMP等格式图片，并具备默认图像加载的保障机制。
• 自动化噪声模拟：系统自动向原始图像注入受控比例的椒盐噪声（默认密度为25%），用于模拟图像在采集或传输过程中受到的干扰。
• 多算法并行对比：同场竞技四种主流方案，包括传统均值滤波、标准中值滤波、自适应中值滤波以及本项目设计的改进决策算法。
• 全方位性能评价：自动计算并输出每种算法的处理耗时（以秒为单位）、峰值信噪比（PSNR，以dB为单位）以及结构相似性指数（SSIM），提供科学的量化依据。
• 直观结果可视化：通过多子图对比展示原始图、噪声图及四种处理后的修复图，便于用户直观感受画质改善效果。

使用方法

1. 启动程序后，系统会弹出文件选择对话框，请从本地库选取一张测试图像。
2. 若取消选择，系统将自动加载MATLAB内置的示例图像进行演示。
3. 程序将自动执行图像预处理（灰度化、归一化）、噪声添加、四种算法处理以及性能计算。
4. 执行完毕后，屏幕将弹出对比视图窗口，并在命令行窗口输出详细的性能评价报告。

系统要求

• 软件环境：MATLAB R2016b 及以上版本。
• 工具箱需求：需要安装 Image Processing Toolbox（图像处理工具箱），以支持相关内置滤波与噪声函数。

实现逻辑说明

系统的核心执行流程如下：

1. 数据预处理：将输入的彩色或灰度图像统一转换为双精度浮点型（Double），并将像素值归一化至 [0, 1] 区间，以确保通用性与计算精度。
2. 均值滤波实现：采用 3x3 算子进行像素平均降噪，利用边缘填充技术保持图像尺寸一致。
3. 标准中值滤波实现：采用标准的 3x3 局部窗口提取中值，作为当前像素的响应值。
4. 自适应中值滤波逻辑：程序动态调整滤波窗口大小。首先判断当前窗口的中值是否为噪声，若非噪声则进一步判断当前像素是否受损，从而决定保留原值或替换为中值；若中值为噪声则扩大窗口（最大至 7x7），兼顾了噪声滤除与细节保护。
5. 改进去噪算法逻辑：引入噪声检测机制，通过极值（0或1）定位噪声点。对于检测到的噪声点，优先搜索 3x3 邻域内的非噪声有效像素并取其中值；若邻域内均为噪声，则扩大至 5x5 窗口进行二次搜索。该算法的特点是仅对受损点进行修复，非噪声点保持绝对原值，大幅提升了图像的清晰度。
6. 指标评估模型：基于均方误差（MSE）计算 PSNR；基于 11x11 局部窗口计算均值、方差及相关性，从而得出 SSIM 结构相似性。

关键算法与细节分析

• 自适应调节策略：在处理逻辑中，自适应模型通过 A、B 两层逻辑判断，有效解决了高密度噪声下固定窗口易造成图像模糊的问题。
• 噪声特征提取：改进算法通过构建 Logical Mask（逻辑掩模）精准锁定 0.0 和 1.0 的像素位置，这种基于先验知识的非线性处理方式比传统线性滤波更具针对性。
• 边缘处理：在处理函数中均采用了边界扩展（Padding）技术，确保了图像边缘像素也能获得同等的滤波质量，消除了边缘伪影。
• 运行效率优化：在改进算法中，通过避免对非噪声点的无效操作，不仅保护了图像的高频信息（如边缘、纹理），也在一定程度上平衡了算法的运算负载。