基于PCNN卷积神经网络的图像去噪仿真 X1=(double(imread('2.bmp'))); X = X1(:,:,2); figure; imshow((X),[]); Weight=[0.5 1 0.5;1 0 1;0.5 1 0.5];%3*3临近神经元连接权重矩阵 Beta = 0.1;%连接强度常数 Yuzhi = 256; Decay = 0.1;%衰减时间常数 [a,b]=size(X); Threshold = zeros(a,b);%神经元阈值矩阵 S= zeros(a+2,b+2);%用于存储邻近神经元的输出 B= zeros(a,b);%标记样板,表明该PIXEL是否被激活过 Y=zeros(a,b);%结果矩阵 T=zeros(a,b); Edge= zeros(a,b);%边缘图 n=1;

基于PCNN的图像去噪，边缘检测，图像分割matlab应用程序，绝对好使哦。

里面有一个GUI界面 ： 加噪、低通滤波 、 高通滤波、 中值滤波

>> main1 椒盐+fft 去噪前 PSNR: ans = 15.2087 去噪后 PSNR: ans = 15.7430 高斯+fft 去噪前 PSNR: ans = 17.1555 去噪后 PSNR: ans = 19.6890 >> main2 高斯 去噪前 PSNR: ans = 17.1438 去噪后 PSNR: ans = -43.8118 椒盐 >> main2 去噪前 PSNR: ans = 15.2212 去噪后 PSNR: ans = -42.6740 >> main3 椒盐 去噪前 PSNR: ans = 15.2119 去噪后 PSNR: ans = 15.2547 高斯 >> main3 去噪前 PSNR: ans = 17.1519 去噪后 PSNR: ans = 20.2725 >> main4 高斯 去噪前 PSNR: ans = 17.1527 去噪后 PSNR: ans = 20.

基于傅里叶的图像去噪技术研究 摘要：在数字图像处理领域中，一种被广泛应用的经典变换——傅立叶变换，这个算法主要是将时域上的信号变换为频域上的信号，广泛应用于图像去噪、图像增强等领域。本文采用傅里叶变换对不同噪声下的灰度图像进行去噪，并对其PSNR值进行了分析。实验表明，傅里叶变换可以有效地去除图像中的噪声。 关键词：图像去噪；傅里叶变换；PSNR

0积分下载，代码运行效果图见压缩包

能够对图像处理进行客观评价的一系列指标，比如图像进行去噪等处理后需要指标来评价去噪效果

完整代码，可直接运行

完整代码，可直接运行

完整代码，可直接运行