摘 要通过光纤来传输视频可以很大的提高视频的传播质量，但是光纤传播视频也会因为环境、设备等误差使得图片不能百分百的传播，因此画面会产生噪声。噪声的存在会影响人对图像的认识，因此图像去噪尤其是去除第一级的噪声尤为重要。本文主要是研究去除预处理视频中的流动颗粒状噪点的算法，对于视频画面中出现的噪声，我们可以通过一些手段来去除：先将视频进行数字化，然后通过数字图像处理来达到去除噪声的目的。本文概述了光纤视频传输的优缺和所产生的噪声类型，主要的研究对象是去除该类噪声的去噪算法，并概述概述了中值滤波、均值滤波、维纳滤波等几类滤波器的基本原理，了解各类滤波器的优点和缺点，通过MATLAB语言编写各类滤波器程序，对原始视频图像进行处理，分别得到去噪后的图片。通过对比各类滤波器的去噪效果，实验最终结果显示中值滤波的去噪效果最好，而且结构简单运行速度快。在此基础上，本文还对中值滤波算法进行改进，使得去噪效果更好且处理速度更快，以达到更好的显示效果。在以后工作中，希望对滤波器的边缘处理以及自适应能力能够得到优化。
目 录
摘 要 I
ABSTRACT II
目 录 III
第1章 绪论 1
1.1 课题背景及意义 1
1.2 视频处理国内外研究现状 4
1.3 课题的主要任务 5
第2章 光纤视频传输 7
2.1 光纤视频传输简介 7
2.2 光纤视频传输的优缺点 8
2.3 光纤视频传输中产生的噪声 8
第3章 视频图像去噪的基本原理 9
3.1 视频图像噪声的概念和分类 9
3.2 中值滤波 11
3.3 均值滤波 12
3.4 维纳滤波 14
3.5 低通滤波 15
第4章 系统分析与实现 19
4.1 彩色视频图像处理 19
4.2 系统主程序的实现 20
4.3 中值滤波算法的实现及效果 22
4.4 均值滤波算法的实现及效果 26
4.5 维纳滤波算法的实现及效果 27
4.6 低通滤波算法的实现及效果 27
4.7
 *51今日免费论文网|www.jxszl.com +Q: 3 5 1 9 1 6 0 7 2 
实验结果与分析 28
第5章 总结与展望 29
5.1 总结 29
5.2 工作展望 29
参考文献 31
致谢 34
附录 35
第1章 绪论
1.1 课题背景及意义
视频的处理就是对视频帧的处理，换句话说视频处理也就是图像处理，本文预处理的视频是一段监控视频，播放视频时画面会出现一系列颗粒状噪点，并且随着时间在画面上同时平移，类似颗粒状噪点在图像上流动。要想去除该视频的噪点，一种是根据视频的帧之间噪点的相似进行比较的去噪，其实现难度比较大且复杂但是效率高，另一种方法是截取视频的帧，对每一种帧图片进行去噪，此种方法较前一种方法简单，但对去噪算法的处理速度要求较大。本文采用第二种方法。
目前，人们通常会使用光纤传感技术来传输图像信息，这也是在光纤传感技术的基础上发展而来的。利用传感传感技术传输图像能够有效保证图像数据不会被窃取，同时具有高灵敏度、高分辨率等特点。当前使用光纤传感技术传输图像主要通过模拟调制技术传输调制后的模拟信号，由于光纤传感自身高敏感的特点，经过调制、传输、解调三个过程不可避免携带部分噪声。由于一帧图像携带信息较大，图像的传输采用分块传输的方式，因此在恢复过程中，各分块重构恢复的传感图像中携带大量颗粒状噪点。这些噪点位置分布随机，亮度不确定，且颗粒边缘存在彩色亮斑，造成了严重的干扰。由于噪点数量多，且移动快速，观察者很容易出现视觉疲劳，严重影响了视频的质量。
本次毕业设计旨在研究提供一种降低光纤传感图像颗粒噪点的消除方法，包括颗粒噪点的提取、识别、消除功能。整个设计的任务包括设计降噪算法、确定图像处理的软件等，具有较大的难度与工作量。
随着现代数字技术的不断发展与完善，我们生活中的很多信息数据都可以以数字的形式来进行存储和处理，而数字图像就是典型的一个例子，图像通过数字技术被数字化，然后被进行存储、编码、压缩、降噪等处理。被数字化的图像通常使用一个数字矩阵来表示，在该阵列中的每个数字元素叫做像素，也是数字图像中的最小单位。通常要处理图像，只要对数字化后的图像中的每个像素点进行处理，就可达到目标图像。
数字图像处理是指将图像数字化（即信号转换成数字信号），然后利用计算机等工具将其进行增强、平滑、存储、编码、压缩、重建、传输、存储等处理，最后再把加工处理完成的图像重新输出的过程。利用该方法，通常可以解决人们对于图像去除模糊和噪声的需求。
通过调查研究和查找收集资料，可以将对图像进行处理的基本操作内容总结如下：
（1）对图像进行增强或者修改操作，通过该操作可以增强或放大图像的有用作用，抑制或缩小图像中的无用信息（如：噪声、模糊以及其他干扰信息），进而达到优化图像画面质量的效果，增加其可观察性。
（2）观察图像的具体特征（如：边界、纹理、颜色以及频谱等），然后将这些特征抽取出来并进行详细分析，以自己规定的一些指标为标准来对图像像素进行比较和分类，把从图像中抽取出来的特征定为特定模式。
（3）对图像进行组织、重建操作，即对图像的一些某些部分进行拆分，然后进行重新组合，而计算机视觉就是该种操作的实际应用之一。
（4）对图像进行编码、压缩等操作，这也是对图像进行简化的一种手段。所谓的图像编码，指的就是改变其数据的表达方式，然后进行压缩处理，解决其数据冗余的问题，来实现减少图像数据量的功能。
当然，计算机能够处理的数据信息都只能是数字信号但是我们在实际生活中的照片、图纸等信息都属于模拟信号，是连续的信号，这就需要我们对这些信号进行数字化处理（如：抽样、量化等）。具体处理方法可以借助下面一个实例来说明：
一幅连续的黑白灰度的图像在进行等间隔抽样以后，可以使用一个矩阵来表示，具体参数如下：

(1.1)
其中，正如前文所述，矩阵中每一个元素叫做像素，也叫图像元素或像元。
代表该图像的光强度，也称为
点的灰度值，就是通常所说的亮度值，因为这也是能量的一种形式，所以
的取值必须大于零并且为有限值，即
。
如果现在的图像是一幅彩色的，那么图像矩阵的各点除了要描述如上例所说的亮度值以外，还需要反映出色彩的变化，这时候就可以用
来表示，其中
为波长。
同样的，如果该彩色图像还是动态的，那么除了上述的三个参数外，还应该有描述时间t的参数，这就可以表示为
。总之，图形数字化后的矩阵为N*N的方阵。
一般来讲，无论是阵列的大小N，还是像素的最大灰度级数G，都应该取2的整数次幂，即
，
,其中
、
为正整数。如果N*N的像素有
级灰度级，那么存储该数字化图的像的位数就需要有
位，单位为比特（bit），其中
。如：灰度级
的
的图像需要98304个存储位。

原文链接：http://www.jxszl.com/dzxx/txgc/48048.html