程序源码 - 关于多图像平均法降噪问题的全面分析

　　程序源码：

　　matlab

　　% get image file names

　　DIR = ‘imgs’;

　　imgFiles = dir（［DIR ， ‘/*.jpg’］）;

　　［N， C］= size（imgFiles）;

　　% get the image size

　　img = im2double（imread（［DIR ， ‘/’， imgFiles（1）.name］））;

　　figure（1）;

　　imshow（img）;

　　img = img / N;

　　% calculate the average

　　for m = 2:N

　　img = img + im2double（imread（［DIR ， ‘/’， imgFiles（m）.name］）） / N;

　　end

　　figure（2）;

　　imshow（img）;

　　C++（OpenCV2.4）

　　#include 《opencv2/core/core.hpp》

　　#include 《opencv2/imgproc/imgproc.hpp》

　　#include 《opencv2/highgui/highgui.hpp》

　　#include 《sstream》

　　#include 《exception》

　　#include 《iostream》

　　void denoise（）

　　{

　　const int N = 179;

　　cv：：Mat avrg_img;

　　for （int i = 0; i 《 N; i++）{

　　std：：ostringstream oss;

　　oss 《《 “imgs/img （” 《《 i+1 《《 “）.jpg”;

　　cv：：Mat image = cv：：imread（oss.str（））;

　　// convert to double

　　image.convertTo（image， CV_32F， 1.0 / 255.0）;

　　if （i == 0）{

　　cv：：namedWindow（“noisy image”）;

　　cv：：imshow（“noisy image”， image）;

　　avrg_img = image / N;

　　}

　　else

　　avrg_img += image / N;

　　}

　　cv：：namedWindow（“denoised image”）;

　　cv：：imshow（“denoised image”， avrg_img）;

　　avrg_img.convertTo（avrg_img， CV_8UC3， 255.0）;

　　cv：：imwrite（“denoised.jpg”， avrg_img）;

　　}

　　int main（）

　　{

　　try{

　　denoise（）;

　　}

　　catch （std：：exception &e）{

　　std：：cerr 《《 e.what（） 《《 std：：endl;

　　}

　　cv：：waitKey（）;

　　return 0;

　　}

　　测试

　　对179张图片进行测试，结果如下：

　　

　　对照原图：

　　

　　可以看出，噪点明显减少了，从而验证了多图像平均法去噪的可行性。

　　改变平均的图片数量，K取2，3.。.10，可以得到一系列图像，如以下gif所示：

　　

　　可以看出，从原图到K=2，噪点减少显著，而从K=9到K=10，噪点变化较少，验证了之前的数学模型。