图像降噪算法研究.docVIP

图像降噪算法研究 摘要：一幅图像的生成过程难免会伴随有噪声的产生，噪声恶化了图像质量，淹没了图像特征。去除噪声是图像处理中的一个重要的内容，因此图像去噪的研究有重要的意义。通过中值滤波、分段线性灰度变换、均衡化等方法对图像进行处理，使图像清晰。为了验证算法的性能，将该算法用于路面裂缝图像的处理，由实验结果可以看出，得到了较为清晰的路面裂缝图像。 关键词：图像降噪；边缘检测；中值滤波；均值滤波 中图分类号：C35 文献标识码： A 1引言 图像在采集、传输、接收过程，均处在复杂的外部环境中存在各种干扰，如光电转换过程中敏感元件灵敏度不均匀性、数字化过程的量化噪声、传输过程中的误差以及人为因素等都会受到噪声的影响，继而影响到输入、输出环节，噪声恶化了图像质量，使图像变得模糊，甚至淹没图像特征，从而导致图像质量下降，不止会导致图像的分辨率降低，同时图像原本精细的结构也会遭到破坏，这给后面的图像区域分割、分析判断等工作带来了困难。 噪声可以理解为“妨碍人们感觉器官对所接收的信源信息理解的因素”，在理论上可定义为“不可预测，只能用概率统计方法来认识的随机误差”。一般图像处理技术中常见的噪声有加性噪声、乘性噪声、量化噪声、椒盐噪声等。图像中的噪声往往是和信号交织在一起的，尤其是乘性噪声。因此，需要引入图像降噪算法对图像噪声进行处理，在保证细节不丢失的同时抑制噪声，提高信噪比。 2 图像降噪 图像降噪的目的是对图像进行加工，得到对观察者来说更“好”或者更“有用”的图像。噪声对于图像的后续处理极为不利，在图像的预处理阶段有效的抑制噪声、去除噪声、恢复原始图像是图像处理中的一个重要的内容，对于图像的应用有着至关重要的作用。 目前图像降噪算法可以分为两类：早期的像素域降噪算法和近年来的转换域降噪算法。根据滤波器的滤波范围，像素域降噪算法可以划分为时域滤波算法和空域滤波算法。时域滤波算法利用视频图像时域上的相关性以抑制噪声，而空时滤波算法则是利用视频图像三维空间中的空时相关性滤除噪声。 空间域图像降噪是在图像像素组成的二维空间里直接对每一像素的灰度值进行处理，它可以是一幅图像内像素点之间的运算处理，也可以是数幅图像间的相应像素点之间的运算处理[1]。空域图像降噪是对像素进行运算的过程： g（x，y） EH[f（x，y）] （2-1） 其中，g（x，y）表示经过图像降噪运算后的图像，f（x，y）表示未经处理的原始图像。EH代表运算过程，如果EH的运算目标是单个像素点，则是点处理；如果EH的处理对象是一个给定模板，在处理时将模板中心对准某个像素，则是模板处理。常见的空域变换降噪有灰度变换，直方图处理和平滑及锐化滤波等。 频域降噪是在图像的变换域对图像进行间接处理。其特点是先将图像进行变换，在空间域对图像作傅里叶变换得到它的频谱按照某种变换模型变换到频率域，完成图像由空间域变换到频率域，然后在频域内对图像进行低通滤波或高通频率域滤波处理。处理完之后，再将其反变换到空间域[2]。频域中主要的滤波方法为高通和低通滤波器，以及带通和带阻滤波，同态滤波。 分段线性变换使得图像中感兴趣的部分灰度范围得到扩展，但是同时压缩了其余灰度部分的灰度范围。直方图均衡化对动态范围小的图像具有很好的处理效果，但是会增加图像的噪声。同态滤波压缩图像的动态范围，图像的对比度增加，但是同态滤波不能消除椒盐噪声。 3 路面裂缝图像 公路在使用中由于行车荷载和自然因素的作用，使路面逐渐产生各种破损。路面破损比如裂缝对路面的承载能力、耐久力，对车辆的行驶速度、燃料消耗、机械磨损、行车舒适性、交通安全、环境保护等都会造成不利的影响。这就要求准确地识别路面裂缝信息然后对其处理。路面裂缝图像在获取过程中难免会引入许多噪声信息，对其降噪处理有重要意义。本文采用边缘检测、分段线性灰度变换和均衡化等方法对路面裂缝图像进行处理，得到较为清晰的降噪图片。 （1）边缘检测 边缘检测的目的是提取出目标与背景之间的分界线。本文中运用的是 Canny算子，它具有很多优点，如高精度，很少漏掉真实边缘，很好地将边缘定位，虚假边缘得到了很好的抑制[3]，采取Canny算子对图像进行边缘检测取阈值分别为 0，0.05，0.1，0.2，0.3 时的边缘提取结果图1所示，可以看出阈值越大边缘越容易识别和清晰，但是阈值过高时会丢失边缘的有效信息。 图 1不同阈值的canny算子边缘检测图像 （2）分段线性灰度变换 通过中值滤波[4]首先对图像做一个简单地处理，主要是让与周围像素灰度值的差比较大的像素改取与周围像素值相近的值，从而可以去除点状尖峰干扰同时又不会破坏图像边缘的信息。然后在对图像做分段线性灰度变换，主要目的是让裂缝与路面灰度差别更大，让裂缝更加清晰。 图2分段线性灰度变换图像 （3）图像的均衡化 图像的均衡化增加了