黑片作为工业应用中重要的元器件,如何降低其产品质量检测的费用,提高检测效率,成为黑片缺陷检测的重要内容。然而黑片图像在采集和传输等过程中不可避免会受到各种噪声的干扰,为缺陷检测带来了很大不便,因此在对黑片图像进行操作之前,很有必要对图像进行去噪预处理。图像噪声有很多种,主要表现为脉冲噪声和高斯噪声。边缘保持滤波对去除脉冲噪声有较好的效果,小波变换作为一种强有力的数学分析工具,近年来在图像去噪领域得到了广泛应用,实现了很多基于小波变换的图像去噪算法,对高斯噪声有较好的去噪效果。本文对图像中最常见的脉冲噪声、高斯噪声的滤除进行了比较深入的研究,研究工作主要包括以下三个方面的内容:首先,空间域图像去噪方法研究。在空间域,本文分析了传统的空间域经典去噪算法:均值滤波,中值滤波和边缘保持滤波,并针对它们的缺点,实现了一种新的自适应边缘保持滤波算法。通过仿真实验可以看出,本文改进算法在去除脉冲噪声方面取得了较好的效果。并且把该算法应用于黑片图像上,也取得了不错的效果:与经典空间域去噪算法相比,均方差至少降低了0.5,而信噪比至少提高了1.5。其次,小波变换域去噪方法研究。本文分析了三类基于小波变换的去噪方法:模极大值法、空域相关性法和阈值收缩法。并以阈值去噪法为研究重点,实现了一种改进的多阈值小波去噪方法和多尺度多阈值小波去噪方法。通过仿真实验得出结论,改进的多阈值小波去噪方法优于传统的软硬阈值去噪算法,多尺度多阈值小波去噪方法优于MTS算法。通过在黑片图像上的应用,也取得了不错的效果:J=3时,与硬阈值MTS算法相比,均方差降低了近4.5,信噪比提高了近10.5;与软阈值MTS算法相比,均方差降低了近2.0,信噪比提高了近6.5。最后,在空间域滤波方法和小波变换域去噪方法的基础上,针对含噪图像一般含有不止一种噪声的现象,主要表现为脉冲噪声和高斯白噪声的混合噪声,本文给出了边缘保持滤波算法和小波阈值去噪方法相结合的图像去噪算法。通过仿真实验可以看出,对于被高斯和脉冲混合噪声污染的图像,该算法的去噪效果显然比单一的边缘保持滤波算法和单一的多尺度多阈值小波去噪法好得多。并把结合算法应用于黑片图像,也取得了较好的效果:与单一的边缘保持滤波算法相比,均方差降低了近13.2,信噪比提高了近5.2;与单一的多尺度多阈值小波去噪法相比,均方差降低了近11.7,信噪比提高了近5.6。