✅作者简介：热爱科研的Matlab仿真开发者，擅长毕业设计辅导、数学建模、数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

 👇 关注我领取海量matlab电子书和数学建模资料 

🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信。

🔥 内容介绍 

一、图像去噪的重要性与挑战

1. 重要性

   ：在图像获取与传输过程中，图像往往不可避免地受到噪声干扰。噪声的存在会降低图像质量，影响图像的视觉效果和后续的分析处理，如目标识别、图像分割等任务。因此，图像去噪成为图像处理领域的关键技术，旨在在尽可能保留图像细节信息的同时，有效去除噪声，提高图像的清晰度和可用性。

2. 挑战

   ：不同类型的噪声（如高斯噪声、椒盐噪声等）具有不同的统计特性，而且图像内容本身具有多样性和复杂性，这使得设计一种通用且高效的去噪算法面临挑战。传统的去噪方法，如均值滤波、中值滤波等，虽然在某些情况下能够取得一定的去噪效果，但容易模糊图像细节，导致图像的边缘和纹理信息丢失。因此，研究新的去噪方法以平衡去噪效果和细节保留成为重要课题。

二、量子物理薛定谔方程与图像去噪的联系

⛳️ 运行结果

📣 部分代码

QUIET = 0;

ABSTOL = 1e-4;

RELTOL = 1e-2;

PSNR_max = 0;

rho = 1;

MAX_ITER = 50;

ext.MAX_ITER = MAX_ITER;

[m,n]=size(y); % size of the imput image

% start computing time

t_start = tic;

% Calculation of the eigenvectors and eigenvalues for QAB

[psi,psi_col,E] = eigenvec(I,h_cut,sigma);

% Find number of significant eigenvectors

significant_E = 0;

for i = 1:(m*n)

if (E(i) <= fraction * (max(y(:)) - min(y(:))))

significant_E = significant_E + 1;

end

end

fprintf('\n significant EV = %3.0f \n', significant_E);

ext.significant_E = significant_E;

🔗 参考文献

Sayantan Dutta, Adrian Basarab, Bertrand Georgeot, and Denis Kouam "Plug-and-Play Quantum Adaptive Denoiser for Deconvolving Poisson Noisy Images," arXiv preprint arXiv:2107.00407 (2021).

Sayantan Dutta, Adrian Basarab, Bertrand Georgeot, and Denis Kouam "Poisson image deconvolution by a plug-and-play quantum denoising scheme," in 2021 29th European Signal Processing Conference (EUSIPCO), 2021.

Sayantan Dutta, Adrian Basarab, Bertrand Georgeot, and Denis Kouam"Quantum mechanics-based signal and image representation: Application to denoising," IEEE Open Journal of Signal Processing, vol. 2, pp. 190?06, 2021.

🍅往期回顾扫扫下方二维码