2024年6月2日发(作者：)

维纳滤波与图像去噪

摘 要首先选取对图像降噪比较有代表性的维纳滤波，在加有高斯噪声、椒盐

噪声和乘性噪声的图像上进行处理，再将维纳滤波与中值滤波和均值滤波抑制噪声

的效果进行比较，通过实验仿真及其处理效果，详细分析维纳滤波在图像去噪中的

特点及各自作用的利弊。

关键词维纳滤波；中值滤波；均值滤波；图像去噪

Wiener filtering and image denoising

LIMeng,ZHAOQi

（Xi’an University of Posts and Telecommunications, School of

communication and information engineering，Xi’an710000, China）

Abstract：Select the first is a representative of wiener filtering

for image noise reduction with gauss noise and salt and pepper noise and

multiplicative noise of image processing, then wiener filtering and

median filtering and mean filtering noise effect comparison, through the

experimental simulation and the treatment effect, detailed analysis of

wiener filtering in image denoising, the characteristics and the pros

and cons of each role.

Keywords：Wiener filtering,Median filtering,Mean filtering,Image

denoising

0 引言

图像在成像、传输、转换或存储的过程中会受到各种随机干扰信号即噪声的

影响，从而会使画面变得粗糙、质量下降、特征淹没。为了减弱噪声、还原真实的

画面，就需要用到降噪滤波器对图像数据进行处理[1]。通过选取对图像降噪比较

有代表性的维纳滤波对加有高斯噪声、椒盐噪声和乘性噪声的图像进行了处理，并

将维纳滤波与中值滤波和均值滤波抑制噪声的效果进行比较，结合实验仿真及其处

理效果，详细分析维纳滤波在图像去噪中的特点及各自作用的利弊。

1图像去噪

图像去噪是数字图像处理中的重要环节和步骤。去噪效果的好坏直接影响到

后续的图像处理工作如图像分割、边缘检测等。图像信号在产生、传输过程中都可

能会受到噪声的污染，一般数字图像系统中的常见噪声主要有：高斯噪声（主要由

阻性元器件内部产生）、椒盐噪声（主要是图像切割引起的黑图像上的白点噪声或

光电转换过程中产生的泊松噪声）等。

目前比较经典的图像去噪算法主要有以下三种[2]：

均值滤波：也称线性滤波，主要思想为邻域平均法，即用几个像素灰度的平

均值来代替每个像素的灰度。有效抑制加性噪声，但容易引起图像模糊，可以对其

进行改进，主要避开对景物边缘的平滑处理[3]。

中值滤波：基于排序统计理论的一种能有效抑制噪声的非线性平滑滤波信号

处理技术。中值滤波的特点即是首先确定一个以某个像素为中心点的邻域，一般为

方形邻域，也可以为圆形、十字形等等，然后将邻域中各像素的灰度值排序，取其

中间值作为中心像素灰度的新值，这里领域被称为窗口，当窗口移动时，利用中值

滤波可以对图像进行平滑处理。其算法简单，时间复杂度低，但其对点、线和尖顶

多的图像不宜采用中值滤波，很容易自适应化[4]。

Wiener维纳滤波：最典型的一种滤波，20世纪40年代，维纳奠定了最佳滤

波器研究的基础，即假定输入是有用信号和噪声信号的合成，并且它们都是广义平