中值滤波图像去噪方法的改进.docVIP

中值滤波图像去噪方法的改进 摘要：为了有效的去除图像中的脉冲噪声，本文提出了一种新的噪声检测与噪声去除的方法，它在充分分析了噪声的分布特性的基础上，对图像中的噪声及图像的细节进行多方向检测，进而有效地分辨出噪声像素点与非噪声像素点。同时在传统的中值滤波的基础上结合邻域均值加权的思想对检测到的图像噪声点进行处理．在Matlab上的实验结果表明，该方法能有 效地检测出噪声点，同时也在一定程度上较好的保存了图像的边缘信息． 0引 言 在图像的生成、传输和记录过程中，经常受到各种噪声的干扰，这不仅仅影响了图像的视觉效果，同时对后续的图像处理过程会产生很重要的直接影响。根据图像中的噪声特性及概率分布，采取适当的方法去除图像中的噪声是一个很重要的图像预处理过程。脉冲噪声是众多噪声中最常见的一种，中值滤波作为非线性滤波的代表是去除脉冲噪声的有效手段在实际处理过程中得到了广泛的应用。然而传统的中值滤波对图像中的所有点进行滤波，改变了图像中未被脉冲噪声污染的像素点。本文正是在对现有的中值滤波方法研究的基础上进行了改进。 l中值滤波算法 1.1中值滤波原理 中值滤波的基本原理是把数字序列中一点值用该点的一个邻域中各点值的中值来代替。即：一组数X1、X2...Xn，把n个数按照值的大小顺序如下 Xl1≦Xl2≦...≦Xln (1) (2) 式中Y——序列的中值。例如：有一个序列为(0，3，5，9，6，8，2)，按照大小重新排序后为{0，2，3，5，6，8，9)，则Med{0，3，5，9，6，8，2}=5即为中值输出以此中值5代替原序列的中间值9。则滤波后的序列为{0，3，5，5，6，8，2}。二维中值滤波类似于上述定义：在方格上的数集(Xij)表示，这里(I，j)取遍I2或I2的某子集。一个具有滤波器窗A，(常用的有线段、正方形、圆形、十字型、正方形框等)。对于图像{Xij，(I，j)}。 (3) 1.2中值滤波的主要特性 (1)边缘保护：边缘图像是指一幅图像在一条线的一边所有点具有公共值a，在这条线的另一边所有点具有公共值b，且。 (2)中值滤波的输出与输入噪声的密度分布有关，对于脉冲宽度小于m/2，相距较远的窄脉冲干扰，中值滤波的效果比较明显。 (3)采用总体试验观察，由中值滤波的频谱曲线可知中值滤波的频谱特性H起伏不大，均值比较平坦，可以认为信号经中值滤波后，频谱基本不变。 (4)对于某些特定的输入信号，例如单调增加或单调减少的序列，中值滤波后的信号仍然不变。 虽然标准的中值滤波技术在衰减噪声的同时较好的保护图像边缘，但由于其考虑滤波窗内输入数据的排序信息，而未考虑输入数据的时序源信息，故在图像处理中会产生边缘抖动，并会删除一些重要的图像细节，对一些噪声的抑制较差。 2改进的中值滤波 2.1脉冲噪声特点 脉冲噪声是由传感器、解码器处理等所产生的脉冲在图像中引起的黑、白点状随机噪声。脉冲噪声的灰度是该点正常灰度与噪声灰度的叠加，噪声脉冲可以是正的，也可以是负的。在一幅图像中，脉冲噪声总是数字化为最大值(纯黑或纯白)。这样，通常假设a，b是饱和值，从某种意义上看，在数字化图像中，它们等于所允许的最大值和最小值。由此，负脉冲以一个黑点(胡椒点)出现在图像中。基于相同的原因，正脉冲以白点(盐点)出现在图像中。对于一个8位图像，这意味着a=0(黑)。b=255(白)。脉冲噪声的这种上冲性和下冲性，使其与周围相邻像素点灰度相差较大。脉冲噪声的PDF可由下式给出 (4) 如果ba，灰度值b在图像中将显示为一个亮点，相反，a的值将显示为一个暗点。若Pa或Pb为零，则脉冲噪声称为单极脉冲。如果Pa和Pb均不可能为零，尤其是它们近似相等时，脉冲噪声值将类似于随机分布在图像上的胡椒和盐粉微粒。因此双极脉冲噪声也称为椒盐噪声Ⅲ。脉冲噪声的概率密度曲线如图1所示。 2.2噪声的检测 脉冲检测的两个原则一般以以下：①非脉冲噪声点是有不同的图像平滑区域点组成，这些区域被边界分开；②以邻域像素点相比，脉冲噪声一般具有非常大或非常小的灰度值Ⅲ。噪声的检测首先通过计算窗口区域内的均值和方差，通过设定阈值的方法确定一下可能的噪声点，然后再计算可能噪声点的各个方向的卷积，区分一下噪声点和图像边界点。如果是噪声点则进行去噪，否则保留。具体的检测算法如下所示： (1)Xij与Yij是分别代表污染图像与还原图像在点(i，j)的像素值。以