不同的3种掩模采用邻域平均法对被椒盐噪声和高斯噪声分别污染（噪声强度均设定为0.05）的图像进行滤波； 采用超限邻域平均法（阈值法）对被高斯噪声污染的图像（噪声强度均设定为0.05）进行滤波，可使用高斯掩模进行邻域平均； 采用中值滤波法对下图所示的图像分别进行滤波处理， 中值滤波模板不限，可自行选用，以效果最佳为宜。

用于图像处理实验，基于C#的图像处理项目，包含图像的打开与原图查看，对图像进行加噪【椒盐噪声、高斯噪声】，可以改变值达到不同等级的加噪处理。

基于脉冲耦合神经网络，提出了一种有效的椒盐噪声图像滤波算法。首先利用PCNN相似群神经元同步发放脉冲的特性检测噪声，并给出了神经元参数的估计方法。然后考虑到噪声点应和最近的非噪声点最相似，提出了一种扩展窗口中值滤波算法对噪声点进行滤波。仿真表明，本文提出的方法对不同强度的噪声图像均体现了优异的滤波性能，和相关的中值滤波算法相比也体现了相当明显的优势。

高椒盐噪声图像滤波算法.pdf

图像高斯噪声及椒盐噪声去噪算法研究.pdf

.对模糊车牌图像进行清晰处理；2.对高斯模糊图像进行高斯平滑滤波处理；3.对椒盐噪声图像进行中值滤波处理；4.对雾化图像进行直方图均衡化处理；5.对模糊图像进行对比度拉伸与灰度拉伸处理；6.对运动模糊图像进行维纳滤波处理；

利用图像滤波算法实习对高椒盐噪声的去噪处理.doc

利用图像滤波算法实习对高椒盐噪声的去噪处理——杨建春讲述.doc

图像去噪追求的目的是既能去除图像中的噪声，同时又能较完整的保持图像的细节信息。在研究几种基于中值的椒盐噪声去除方法基础上，设计了一种有效去除图像椒盐噪声的开关中值滤波器。提出的算法首先利用图像灰度值的两个极值把像素点分为信号点和可能噪声点。在滤波阶段，对于信号点保持其灰度值不变， 对于可能噪声点分两步进行处理: 根据噪声密度决定滤波窗口尺寸并判断滤波窗口内是否包含信号点，如果无信号点则以窗口内像素的中值作为可能噪声点的恢复值，这一步可对误判噪声点进行纠正; 而其余可能噪声点采用极值舍弃滤波和递归滤波估计其灰度值，滤波窗口尺寸固定为3×3，这一步用来去除噪声和保持图像细节。实验结果表明，本文算法在主客观方面都优于相比较的方法，且对不同水平的椒盐噪声都具有较好的去除性能。

针对基于数学形态学的去除高浓度椒盐噪声不足问题，采用了一种基于数学形态学的噪声去除方法。所提滤波方法分为预滤波和滤波两个阶段。在预滤波阶段，设定一个简单的检测算子用于构造逐点自适应的3×3像素大小结构元素；在滤波阶段，对预滤波过的像素进行中值滤波。仿真结果表明所提的滤波方法不仅能有效地去除高浓度椒盐噪声，并能很好地保留图像的原有细节信息，而且PSNR值比其他滤波方法平均高出3 dB左右，并具有较短的滤波时间。