中值滤波原理及MATLAB实现.docxVIP

中值滤波原理及 MATLAB 实现 摘要：图像是一种重要的信息源，通过图像处理可以帮助人们了解信息的内涵。 本文将纯净的图像加入椒盐噪声,然后采用中值滤波的方法对其进行去噪。中值 滤波是一种常用的非线性信号处理技术，在图像处理中，它对滤除脉冲干扰噪 声最为有效。文章阐述了中值滤波的原理、算法以及在图像处理中的应用。 MATLAB 是一种高效的工程计算语言，在数据处理、图像处理、神经网络、小波 分析等方面都有广泛的应用。 关键词：图像,中值滤波,去噪,MATLAB 1. 引言 20 世纪 20 年代,图像处理首次得到应用。上个世纪 60 年代中期,随着计算 机科学的发展和计算机的普及,图像处理得到广泛的应用。60 年代末期,图像处 理技术不断完善,逐渐成为一个新兴的学科。图像处理中输入的是质量低的图像,输 出的是改善质量后的图像。 为了改善图像质量,从图像中提取有效信息,必须对图像进行去噪预处理。 根据噪声频谱分布的规律和统计特征以及图像的特点,出现了多种多样的去噪方 法。经典的去噪方法有：空域合成法,频域合成法和最优合成法等,与之适应的 出现了许多应用方法,如均值滤波器,中值滤波器,低通滤波器,维纳滤波器,最小 失真法等。这些方法的广泛应用,促进数字信号处理的极大发展,显著提高了图 像质量。 2. 中值滤波 在图像滤波中，常用的方法是线性滤波技术和非线性滤波技术，线性滤波 以其完美的理论基础，数学处理简单、易于采用和硬件实现等优点，一直在图 像滤波领域中占有重要的地位。线性滤波对加性高斯噪声有较好的平滑作用， 但对脉冲信号和其它形式的高频分量抑制效果较差，且模糊信号边缘。非线性 滤波是基于对输入信号序列的一种非线性投影关系，常把某一特定的噪声近似 为零而保留信号的重要特征，一定程度上克服线性滤波器的不足，非线性滤波 早期运用较多的是中值滤波器，其应用于多维信号处理时，对窄脉冲信号具有 良好的抑制能力，但中值滤波器对中拖尾（如均匀分布噪声）和短拖尾分布噪 声（如高斯噪声）,滤波性能较差,且拖尾越短,其滤波能力越差。 1 中值滤波是一种典型的低通滤波器,属于非线性滤波技术,它的目的是保护 图像边缘的同时去除噪声。所谓中值滤波，是指把以某点（x,y）为中心的小窗 口内的所有象素的灰度按从大到小的顺序排列,若窗口中的象素为奇数个,则将 中间值作为(x，y)处的灰度值。若窗口中的象素为偶数个，则取两个中间值的 平均值作为(x，y)处的灰度值。中值滤波对去除椒盐噪声很有效。中值滤波器 的缺点是对所有象素点采用一致的处理，在滤除噪声的同时有可能改变真正象 素点的值，引入误差，损坏图像的边缘和细节。该算法对高斯噪声和均匀分布 噪声就束手无策。 2.1 中值滤波基本原理 中值滤波是一种非线性滤波，由于它在实际运算过程中并不需要图像的统 计特性，所以比较方便。中值滤波首先是被应用在一维信号处理技术中，后来 被二维图像信号处理技术所应用。在一定的条件下，可以克服线性滤波器所带 来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声最为有效。但是对一 些细节多，特别是点、线、尖顶细节多的图像不宜采用中值滤波的方法。 中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻 域中各点值的中值代替。 设有一个一维序列 f  1 ， f 2  ，…， f  n  ，取窗口长度为 m(m 为奇数)，对此序 列进行中值滤波，就是从输入序列中相继抽出 m 个数， f  i ?v  ，…， f  i ?1  ，…， f  1  ，…， f  i ?1  ，…， f  i ?v  ，其中 i 为窗口的中心位置， v ? m ?1 2  ，再将这 m 个点按其数值大小排列，取其序号为正中间的那作为输出。 用数学公式表示为: Yi ?Med ?f  i ?v  ,? , f i ,? , f  i ?v ?  i ? Z , v ? m ?1 2  (2-2) 例如：有一个序列为{0，3，4，0，7}，则中值滤波为重新排序后的序列 {0，0，3，4，7}中间的值为 3。此例若用平均滤波，窗口也是取 5，那么平均 滤波输出为 ?0?3?4?0?7? 5  ?2.8 。因此平均滤波的一般输出为: Z i ??f i ?v ? f i ?v?1 ??? f  i ??? f i ?v ?m i ?Z  (2-3) 对于二维序列 ?Xij?进行中值滤波时，滤波窗口也是二维的，但这种二维窗 2 口可以有各种不同的形状，如线状、方形、圆形、十字形、圆环形等。二维数 据的中值滤波可以表示为： Yi , j ?Med { X ij }, A为滤波窗口 A  (2-4) 在实际使用窗口时，窗口的尺寸一般先用 3 ?3