基于中值滤波的图像去噪研究.docx

XXXX学院 X科毕业设计 题目一 学院名称： 专业班级： 毕业年份： 姓名： 学号： 指导教师： 职称： XXXX）教务处制 基于中值滤波的图像去噪研究 姓名 (学校班级院系) 摘要：在图像处理中，图像通常都存在着各种不易消除的噪声。寻求一种既能有效地减少噪 声、又能很好地保留图像原貌的方法，一直是人们努力追求的目标。中值滤波在去除椒盐噪声方面 效果很好，本文通过对中值滤波和低通滤去除椒盐噪声进行比较， 通过分析得出 中值滤波去噪比低通滤波去噪方法有明显的改善；对于噪声比较严重的图像，可以通过中值滤波多 次迭代的方法来去噪。屮值滤波去噪不仅能够实现图像复原，保留图像原有的特征信息，还能使图 像看上去和被污染前的图像更接近。 关键词:中值滤波；图像去噪；低通滤波 ；迭代 引言 图像在采集、转换和传输过程中，常常会受到成像设备与外部环境噪声干扰等影响，图 像的质量会有所下降，典型表现为图像模糊、失真、有噪声等，为改善图像质量，像恢复为本 来的面目，就要进行图像去噪 (Do 计算机图像处理主要采取两大类方法： 一是在空间域中的处理，即在图像空 间中对图像进行各种处理；另一类是把空间域中的图像经过正交变换到频域， 在 频域里进行各种处理然后反变换到空间域， 形成处理后的图像。人们也根据实际 图像的特点、噪声的统计特征和频谱分布的规律，发展了各式各样的去噪方法。其中最为直观 的方法⑵，是根据噪声能量一般集中于高频而图像频谱则分布于一个有限区间的这一特点，采 用低通滤波方式来进行去噪，还有就是求像素的平均值或中值。 1噪声图像模型及噪声特性 1.1含噪模型 现实中的数字图像在数字化和传输过程中，常受到成像设备与外部环境噪声干扰等影 响，成为含噪图像⑶。去除或减轻在获取数字图像中的噪声称为图像去噪,在图像去噪之前我们 先要建立一个含噪图像的模型，为了简便，我们研究如下的加性噪声模型，即含噪图像仅由原 始图像叠加上一个随机噪声形成 ： f x, y i=g x, y r x, y ( 1-1) gx, y表示图像，vx,y为噪声，含噪图像记为fx,y。 1.2噪声特性 经常影响图像质量的噪声源可分为三类： 1、电了噪声。在阻性器件中由于电了随机热运动而造成的电了噪声是三种模型中最简单 2 2 的，一般常用零均值高斯白噪声作为其模型，它可用其标准差来完全表征。 2、 光电子噪声。由光的统计本质和图像传感器中光电转换过程引起，在弱光照的情况下 常用具有泊松分布的随机变量作为光电噪声的模型，在光照较强时，泊松分布趋向于更易描述 的高斯分布。 3、 感光片颗粒噪声。由于曝光过程中感光颗粒只有部分被曝光，而其余部 分则未曝光，底片的密度变化就由曝光后的颗粒密集程度变化所决定， 而算曝光 颗粒的分布呈现一种随机性。在大多数情况下，颗粒噪声可用椒盐噪声作为有效模型。 2图像的去噪方法 对随时间变化的信号，通常釆用两种最基本的描述形式，即时域和频域。时域描述信号 强度随时间的变化，频域描述在一定时间范围内信号的频率分布。对应的图像的去噪处理⑷ 方法基本上可分为空间域法和变换域法两大类。前者即是在原图像上直接进行数据运算，对像 素的灰度值进行处理。变换域法是在图像的变换域上进行处理，对变换后的系数进行相应的处 理，然后进行反变换达到图像去噪的冃的。 2.1低通滤波 在分析图像信号的频率特性时，一幅图像的边缘，跳跃部分以及颗粒声代表图像信号的 高频分量，而大面积的背景区则代表图像信号的低频分量。用滤波的方法滤除其高频部分就 能去掉噪声使图像得到平滑由卷积定理可知： G u,v 二 H u,v F u,v （2-1） 式中，Fu,v是含噪声图像的傅里叶变换，Gu,v是平滑后图像的傅里叶变换，Hu,v是低通 滤波器传递函数。利用Hu,v使Fu,v的高频分量得到衰减，得到Gu,v后再经过反变换就 得到所希望的图像gx,y 了。低通滤波平滑图像的系统框图如下： 傅里叶变换一处U） T低通滤波器一宝竺）T傅里叶反变换-匹竺）T 2.2中值滤波 中值滤波是一种非线性滤波⑸，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冇效。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用一个有奇数点的滑动窗口， 将窗口中心点的值用窗 口内各点的中值代替。 设有一个一维序列fi, f2,…，fn,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」，