① 最有效的圖像高斯雜訊去噪方法是什麼
自適應濾波器。
wiener2();
RGB = imread('saturn.png');
I = rgb2gray(RGB);
J = imnoise(I,'gaussian',0,0.005);
K = wiener2(J,[5 5]);
imshow(J)
figure, imshow(K)
② 如何利用圖像的加法運算去除雜訊
如果只是簡單的灰度圖，像利用加法運算很難去除雜訊，如果圖像保留的是幅度和相位信息，就可以通過多次相加取平均的方法去除一些加性雜訊
③ 如何在銳化的同時抑制雜訊。
通常需要銳化的圖像，經過銳化後，我們發現輪廓會變得清晰，但是輪廓內部或外部就會出現雜訊，具體來說，就是銳化需要處理的多數是輪廓部分，而不需要銳化的內部和外部反而因為銳化產生噪音。解決雜訊的辦法則是通過復制銳化前的原圖層，在銳化後將其放置在被銳化的圖層之上，選擇適當的透明度，並且使用橡皮擦（畫筆採用模糊圓形筆尖）擦掉輪廓，使下層經過銳化的輪廓明晰顯露出來，這樣，既有明晰的輪廓，又有原圖尚未產生雜訊的大部分主體，應可滿足你的需求。
④ 求四個方向檢測圖像雜訊的matlab演算法，不用濾波，就檢測就可以。急。各位大神幫幫忙
2. 雜訊及其雜訊的 Matlab 實現
imnoise 函數
格式：J=imnoise(I,type)
J=imnoise(I,type,parameter)
說明：J=imnoise(I,type) 返回對圖像 I 添加典型雜訊後的有噪圖像 J ，參數 type 和 parameter 用於確定雜訊的類型和相應的參數。
加權領域平均演算法來進行濾波處理
由實驗我們可以看出，一般的濾波器在對圖像進行雜訊濾除的同時對圖像中的細節部分有不同程度的破壞，都不能達到理想的效果。但是採用加權的鄰域平均演算法對圖像進行雜訊濾除， 不僅能夠有效地平滑雜訊， 還能夠銳化模糊圖像的邊緣。 加權的鄰域平均演算法的基本思想是: 在一個鄰域內， 除了可以利用灰度均值外， 灰度的上偏差和下偏差也能夠提供某些局部信息。演算法的計算公式描述如下， 用f (x ，y ) 表示原始圖像， g (x ， y ) 為平滑後點(x ， y ) 的灰度值，V x ， y 表示以點(x ， y ) 為中心的鄰域， 該鄰域包含N 個象素，m (x ， y ) 表示鄰域V x ， y 內的灰度均值。NI表示鄰域內大於平均值的像素個數，Ng表示小於平均值的像素個數，而N0表示等於平均值的像素個數。則修正的鄰域平均法由下式給出:
m - A?? m l； N l > max{N g ，N 0}
g(x，y)= m + A?? m g； N g > max{N l ，N 0} (1)
m ； else
(1)式(1) 中， A為修正系數， 取值范圍為0～ 1， 其大小反映V x ， y 中的邊緣狀況。 以上是我認為在圖像處理中比較有價值的兩點，有興趣的可以上網查閱相關的資料。
3. 圖像濾波的 Matlab 實現
3.1 conv2 函數
功能：計算二維卷積
格式：C=conv2(A,B)
C=conv2(Hcol,Hrow,A)
C=conv2(...,'shape')
說明：對於 C=conv2(A,B) ，conv2 的算矩陣 A 和 B 的卷積，若 [Ma,Na]＝size(A), [Mb,Nb]=size(B), 則 size(C)=[Ma+Mb-1,Na+Nb-1]; C=conv2(Hcol,Hrow,A) 中，矩陣 A 分別與 Hcol 向量在列方向和 Hrow 向量在行方向上進行卷積；C=conv2(...,'shape') 用來指定 conv2 返回二維卷積結果部分，參數 shape 可取值如下：
》full 為預設值，返回二維卷積的全部結果；
》same 返回二維卷積結果中與 A 大小相同的中間部分；
valid 返回在卷積過程中，未使用邊緣補 0 部分進行計算的卷積結果部分，當 size(A)>size(B) 時，size(C)=[Ma-Mb+1,Na-Nb+1]。
3.2 conv 函數
功能：計算多維卷積
格式：與 conv2 函數相同
3.3 filter2函數
功能：計算二維線型數字濾波，它與函數 fspecial 連用
格式：Y=filter2(B,X)
Y=filter2(B,X,'shape')
說明：對於 Y=filter2(B,X) ，filter2 使用矩陣 B 中的二維 FIR 濾波器對數據 X 進行濾波，結果 Y 是通過二維互相關計算出來的，其大小與 X 一樣；對於 Y=filter2(B,X,'shape') ，filter2 返回的 Y 是通過二維互相關計算出來的，其大小由參數 shape 確定，其取值如下：
》full 返回二維相關的全部結果，size(Y)>size(X)；
》same 返回二維互相關結果的中間部分，Y 與 X 大小相同；
》valid 返回在二維互相關過程中，未使用邊緣補 0 部分進行計算的結果部分，有 size(Y)<size(X) 。
3.4 fspecial 函數
功能：產生預定義濾波器
格式：H=fspecial(type)
H=fspecial('gaussian',n,sigma) 高斯低通濾波器
H=fspecial('sobel') Sobel 水平邊緣增強濾波器
H=fspecial('prewitt') Prewitt 水平邊緣增強濾波器
H=fspecial('laplacian',alpha) 近似二維拉普拉斯運算濾波器
H=fspecial('log',n,sigma) 高斯拉普拉斯（LoG）運算濾波器
H=fspecial('average',n) 均值濾波器
H=fspecial('unsharp',alpha) 模糊對比增強濾波器
說明：對於形式 H=fspecial(type) ，fspecial 函數產生一個由 type 指定的二維濾波器 H ，返回的 H 常與其它濾波器搭配使用。
⑤ opencv過濾雜訊
問題1 你可以設置5個圖像變數，保存連續五個幀，求均值後，顯示就是了，取得新的幀後，替換最早的那一幀
問題2 不一定比方法1好，方法2的原理是求5幀的均值，當出現細小的白雜訊時，效果不比方法一好。
⑥ 濾除圖像中的椒鹽雜訊採用中值濾波還是鄰域均值濾波，為什麼
均值濾波器是一種最常用的線性低通平滑濾波器，可抑制圖像中的加性雜訊，但同時也使圖像變得模糊；中值濾波器是一種最常用的非線性平滑濾波器，可消除圖像中孤立的雜訊點，又可產生較少的模糊。一般情況下中值濾波的效果要比鄰域平均處理的低通濾波效果好，主要特點是濾波後圖像中的輪廓比較清晰。因此，濾除圖像中的椒鹽雜訊採用中值濾波。
⑦ 5 圖像雜訊的傅里葉頻譜的特點怎樣在頻域濾除雜訊雜訊是高頻信號還是低頻信號
雜訊的傅里葉頻譜大多集中在次低頻，次高頻以及高頻字塊中;在頻域濾除雜訊可以應用小波變換；雜訊是高頻信號。
⑧ 圖像處理中的線性濾波演算法與非線性濾波演算法的區別、高斯雜訊與椒鹽雜訊的區別及各自的特點（簡要）急急急
線性濾波器的原始數據與濾波結果是一種算術運算，即用加減乘除等運算實現，如均值濾波器（模板內像素灰度值的平均值）、高斯濾波器（高斯加權平均值）等。由於線性濾波器是算術運算，有固定的模板，因此濾波器的轉移函數是可以確定並且是唯一的（轉移函數即模板的傅里葉變換）。
非線性濾波器的原始數據與濾波結果是一種邏輯關系，即用邏輯運算實現，如最大值濾波器、最小值濾波器、中值濾波器等，是通過比較一定鄰域內的灰度值大小來實現的，沒有固定的模板，因而也就沒有特定的轉移函數（因為沒有模板作傅里葉變換），另外，膨脹和腐蝕也是通過最大值、最小值濾波器實現的。
高斯雜訊是指雜訊服從高斯分布，即某個強度的雜訊點個數最多，離這個強度越遠雜訊點個數越少，且這個規律服從高斯分布。高斯雜訊是一種加性雜訊，即雜訊直接加到原圖像上，因此可以用線性濾波器濾除。
椒鹽雜訊類似把椒鹽撒在圖像上，因此得名，是一種在圖像上出現很多白點或黑點的雜訊，如電視里的雪花雜訊等。椒鹽雜訊可以認為是一種邏輯雜訊，用線性濾波器濾除的結果不好，一般採用中值濾波器濾波可以得到較好的結果。
本人非大神，互相學習，希望能幫到你