基于一种改进的中值滤波去噪算法的应用分析 - 图文-.docVIP

基于一种改进的中值滤波去噪算法的应用分析 刘国宏,郭文明 北京邮电大学软件学院,北京(100876 E-mail: issis285@ 摘要: 去噪处理是图像处理中较为重要的环节。中值滤波是抑制图像的噪声的一个行之有效的办法,选择适当大小的中值滤波窗口可以在最大限度的保持图像精度的基础上去除图像噪声。本文在对中值滤波去噪算法的适用性特点进行研究的基础上,进一步研究了中值滤波去噪算法,同时对其他去噪算法,如均值滤波、低通滤波的小波变换进行分析研究,并做了相应的比较。 关键词: 图像去噪;中值滤波;均值滤波;小波变换 1. 引言 由于光电信号转换过程中CCD灵敏度的不均匀性、数字化过程的量化噪声以及传输过程中的信道误差等,图像信号在产生、传输和记录过程中,经常会受到各种噪声的干扰。一般来说,现实中的图像都是带噪图像,任何一幅未经处理的原始图像,都存在一定程度的噪声干扰[8]。噪声恶化了图像质量,图像模糊,甚至淹没特征,给分析带来困难,为了提高图像的清晰度与准确度,需要对原始图像中的噪声、畸变给予去除和修正。这种突出有用信息、抑制无用信息和改善图像质量的处理技术,通常称为图像预处理。图像预处理技术,包括图像对比度的增强、随机噪声的去除、边缘特征的加强、伪彩色等处理技术。在预处理中,输入和输出都是图像,只是经过预处理后,图像的质量得到改善。图像的去噪声处理又称图像的平滑化处理。 由于噪声源众多(如光栅扫描、底片颗粒、机械元件、信道传输等,噪声种类复杂(如加噪声、乘性噪声、量化噪声等,所以平滑的方法也很多。平滑可以在空间域进行也可以在频率域进行。空间域常用方法有:邻域平均法、选择平均法、中值滤波、空间低通滤波。通常在图像处理工作中,在边缘检测、图像分割、特征提取、模式识别等高层次处理之前,选用适当的方法尽量地去除噪声干扰是一个非常重要的预处理步骤。因此,图像去噪算法研究是一切图像处理的前提,具有重要的意义。 2. 噪声 噪声可以理解为妨碍人的视觉器官或系统传感器对所接收图像源信息进行理解或分析的各种因素。例如一幅黑白图片,其平面亮度分布假定为f(x, y,那么对其接收起干扰作用的亮度分布R(x, y即可称为图像噪声。但是,噪声在理论上可以定义为“不可预测,只能用概率统计方法来认识的随机误差。 图像噪声在数字图像处理技术中的重要性越来越明显,如高放大倍数航片的判读,X射线图像系统中的噪声去除等已经成为不可缺少的技术步骤。 2.1 图像系统中的常见噪声 图像系统中的噪声来自多方面,有电子元器件,如电阻引起的热噪声;真空器件引起的散粒噪声和闪烁噪声;面结型晶体管产生的颗粒噪声和噪声;场效应管的沟道热噪声;光电管的光量子噪声和电子起伏噪声;摄像管引起的各种噪声等等。由这些元器件组成各种电子线路以及构成的设备又将使这些噪声产生不同的变换而形成局部线路和设备的噪声;另外还 有就是光学现象所产生的图像光学噪声。 依据噪声产生的原因,将经常影响图像质量的噪声源分为三类:阻性元器件内部产生的高斯噪声;光电转换过程中的泊松噪声(椒盐噪声;感光过程中产生的颗粒噪声。在这里我们针对常用到的椒盐噪声进行去噪分析。 2.2 图像去噪的意义 噪声在图像处理中是一个非常重要的问题,它对图像的输入、采集、处理的各个环节以及最终的输出结果都会产生一定的影响。特别是在图像的输入、采集过程中,噪声是个十分关键的问题,若输入伴有较大噪声,必然影响之后的处理以及最终的处理效果。因此,任何一个良好的图像处理系统,无论是模拟处理还是计算机处理无不把减少最前一级的噪声作为主攻目标。去噪处理已成为图像处理中极其重要的步骤。 3. 中值滤波 如前言所述,根据不同的噪声类型选择相应的图像处理方法。其中中值滤波是基于图像的这样一种特性:噪声往往以孤立的点的形式出现,这些点对应的像素很少,而图像则是由像素数较多,面积较大的小块构成。针对中值滤波的这种图像去噪处理特点以及椒盐噪声的自身特点我们选择中值滤波进行椒盐噪声的处理,并在原来的中值滤波的基础上,对算法进行改进,使得处理效果更佳,并与空间域的其他去噪算法,如领域平均法、空间低通滤波法进行比较分析。 3.1 中值滤波原理 中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术。中值滤波器的基本原理[7]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,让周围像素灰度值的差比较大的像素改取与周围的像素值接近的值,从而可以消除孤立的噪声点。其思想是[9]:在定义窗口范围内对作用样本X(n-N…X(n…X(n+N,取中值即: Y(n=med[X(n-N…X(n…X(n+N] (1 其中,med[ ]表示窗口内所有数按从小到大的顺序排列后,取中间值方法是取某种结构的二维滑动模板,将模板内像素按照像素值的大小进行排序,生成单