什么是去噪?

去噪就是从信号和图像中去除噪声或不需要的伪影。对于大多数音频、图像和视频处理设备，去噪是一个关键步骤，因为这些设备在信号传输、采集、处理、信号存储或转换过程中容易产生噪声。噪声可能会对信号还原、分析和跟踪等后续信号处理任务产生不利影响。

去噪的目的是尽可能多地保留原始信号信息，同时最大限度地减轻噪声所带来的影响。例如，当从图像中去除失真和模糊时，保留视觉细节（如边、角、颜色和纹理）就显得至关重要。

您可以使用 MATLAB^® 和 Simulink^® 来实施常用的去噪方法：

1. 基于滤波器的去噪：设计、分析和实现去噪滤波器。
   • 图像滤波
     • 图像去噪滤波器
       • 线性滤波器（平均值或高斯滤波器）、平均值滤波器、自适应滤波器
     • 图像修改和增强
       • 平滑处理、锐化和边缘增强
   • 信号滤波
     • 使用模拟滤波器和数字滤波器
       • 实现 FIR 和 IIR 滤波器，如低通、高通和带阻滤波器
     • 去除信号中不需要的峰值、趋势和离群值
       • 移动平均值、移动中位数、萨维茨基-戈雷和汉佩尔滤波器
     • 消除延迟和相位失真
       • 零相位滤波
2. 基于小波的去噪：小波可以从时频和不同尺度方面描述局部特征，让您可以保留用其他去噪方法去除或平滑处理的重要信号或图像特征。
   • 使用小波对信号和图像去噪
     • 分解、阈值化细节系数和重新构造
   • 平滑处理非均匀采样数据
3. 基于深度学习的去噪：您可以采用深度学习网络研发最先进的方法，以去除音频、图像或视频信号中的噪声。虽然这些方法的计算量更大，但它们能最有效地实现信噪分离。首先，您可以应用 MATLAB 的 Deep Learning Toolbox™ 附加产品执行以下操作：
   • 预训练去噪神经网络
     • 这些网络执行速度快且易于实现，能够快速获得结果，而只需极少的自定义。
   • 自定义去噪神经网络
     • 这些网络让您能够更灵活地使用预定义层来训练您自己的网络，或针对特定类型的图像或信号训练完全自定义的去噪神经网络。