首先贴一张验证码上来做案例： 第一步先通过二值化处理把干扰线去掉： from PIL import Image # 二值化处理 def two_value(): for i in range(1,5): # 打开文件夹中的图片 image=Image.open('./Img/'+str(i)+'.jpg') # 灰度图 lim=image.convert('L') # 灰度阈值设为165，低于这个值的点全部填白色 threshold=165 table=[] for j in range(256): if j<

软件：Maltab 资源内容： 使用maltab软件实现声音降噪处理以及麦克风阵列声源定位，可用于8个方位或者16个方位的计算。可以简单修改路径即可使用。 基于Sipeed麦克风阵列模块初步实现的近场声源定位，主控采用stm32f103zet6。 简述实现方法：使用DMA时分复用获取3组I2S麦克风数据到内部SRAM，定位算法通过分析一轮获取数据最大值的位置确定定位方向。

简要介绍了小波分析基本理论中的小波变换和小波包变换，重点论述了小波分析在图像降噪处理中的应用及其算法流程。在此基础上，利用Matlab R2007进行了图像去噪仿真测试，并对仿真结果进行了分析。结果表明，利用小波分析理论进行图像降噪处理，能够取得较好的降噪效果。

基于MATLAB实现图像降噪好的程序

语音是人类交换信息的有效渠道之一，也是我们日常生活交流的主要形式。 语音与当今科学技术的快速发展息息相关，特别是计算机中的语音交互技术，通 过对语音信号进行采集和处理，实现人与人之间有效信息的传输、获取以及存储。 基于 MATALAB 的语音信号去噪设计，对噪声信号进行有效地滤除，将降噪后的语音信号与原始 信号在时域和频域进行对比分析，计算出信噪比，并在 MATLAB 中设计 GUI 仿 真界面进行展示.

近期在研究webrtc代码，把WebRTC的噪声抑制模块提取出来，也做了一些细节优化，目前可以支持8k、16k采样率的pcm数据，实际测试效果还是挺不错的，大家可以测试下效果；

利用webRTC对语音进行处理，实现VAD和降噪处理 使用方法 语音处理代码文档 环境：vs2015 python3 文件： wav2pcm.py 将wav文件转换成pcm格式 pcm2wav.py 将pcm格式转换成wav格式

为改善辐射图像质量，提出了一种基于Kalman滤波的降噪算法。该方法分析了辐射图像背景噪声的特征，在合理假设其为一阶Gaussian有色噪声的基础上改写了图像的观测方程；同时，采取NSHP（non-symmetrichalfplane）模型来构造图像的过程方程。然后使用Kalman滤波算法对图像进行滤波。实验结果表明，该方法有效减弱了辐射图像中混有的噪声，和传统滤波方法相比，更好地保持了图像的细节信息，体现了自适应的优点。这表明了Kalman滤波在辐射图像降噪处理中的潜力。

本文使用matlab进行小波降噪，采用软阈值、硬阈值、和固定阈值三种方式，对一维噪声数据进行降噪处理，并输出误差SNR

该包中包含五个块（AVIfile、edge、CCD、imnoise 和 View_Window）。 还包含两个 .avi 文件用于演示目的。 当然，任何 .avi 文件都可以加载到 AVIfile 块中（根据用户的需要），然后对其执行边缘或/和降噪处理。 但是，由于性能原因，我不建议将具有 hugh 分辨率的文件加载到 AVVfie 块中图像处理取决于 CPU 时钟。 如果采用CCD模块，用户可以使用winnov视频采集套件作为输入源进行实时图像处理。 要安装此模块集，用户必须将所有文件解压缩到一个文件夹中，并确保在 MATLAB 中正确设置了路径。 “winnovLib.mdl”包含我们之前提到的五个块，而“test_edge.mdl”是如何使用这些块的示例。 笔记： 此软件包仅用于演示目的，在 Winnov 的完整版本中还有更多块可用块集。 Winnov Blockset完整版支