一种改进的自适应中值滤波算法研究

一 种改进的自适应中值滤波算法研究 一 种 改 进 的 自适 应 中值 滤 波 算 法 研 究 尹剑仑。 卫武迪 (四川大学电气信息学院通信工程系，成都 610064) 摘 要：非线性滤波是一种有效的噪声抑制技术，已得到了广泛的应用。针对 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 中值滤波方法存在的不足，提出自适应 中值滤波方法。该方法采用一定的检测标准对图像中的噪声点进行检测，并采用改进的中值滤波方法对噪声点进行滤波。实 验结果表明，此方法较标准中值滤波法具有更优良的滤波性能。 关键词：中值滤波；噪声检测；自适应中值滤波；噪声抑制 中图分类号 ：TP751．1 文献标识码 ：A 文章标号：1817—0633(2009)01—0031—02 Research of an Improved Adaptive M edian Filtering Algorithm YIN Jian—lun． WEI Wu—di (Communication Department of Electric Information College，Sichuan University，Chengdu 610064，China) Abstract：Non-linear filtering is an effective noise restraining technology and has been widely used．To overcome the drawbacks of the standard median filtering method，the adaptive median filtering method is proposed．In the algorithm，the noise in the image is detected by using certain standard，and the noise is removed by means of ameliorated median filtering method．Results of experiment show that the method has a better filtering effect than the standard median filtering method． Keywords：Median Filtering；Noise Detection；Adaptive Median Filter；Noise Suppression 1引言 在实际的应用中，信号和噪声_II总是同时出现的，图像在形 成 、传输过程中，常因外界噪声干扰而导致其质量退化，如何更 好地保护信号和抑制噪声一直是图像预处理的热点。 中值滤波_ll 由于可对长拖尾概率分布的噪声起到良好的平 滑效果且可对图像中的某些细节起到保护作用，因而在图像降噪 处理中得到了比较广泛的应用。常规的中值滤波算法 SM(stan— dard median filter)主要依赖于快速排序算法【引，其基本思想是 ：在 要排序的元素集合中任意选取一个元素 (通常可选第 1个元 素)，并将它与其他元素进行比较，将所有比这个元素小的元素 都放在它之前，将所有比它大的元素放在它之后。经过一次排序 之后，可按该元素所在的位置分界，将集合分成两个部分。然后 对剩下的这两个部分重复上述过程进行排序，直到每一部分只 剩下一个元素为止。当所有排序完成后，取排序后的集合中位于 中间位置的元素的值(即所谓的中值)作为输I叶J值。但标准中值 滤波去脉冲噪声的性能受滤波窗口尺寸的影响较大 ，在抑制图 像噪声和保护细节两方面存在一定的矛盾 ：滤波窗口小，可较好 地保护图像中某些细节，但滤除噪声的能力会受到限制；滤波窗 口大，可加强噪声抑制能力 ，但对细节的保护能力会减弱 ，有时 会滤去图像中的一些细线、尖锐边角等重要细节，从而破坏图像 的几何结构，破坏图像的细节，使图像变得模糊。 中值滤波曾经是最有效的一种滤除椒盐噪声的非线性滤波 器，但是当噪声密度超过 50％，中值滤波将会丢失相当多的图像 细节信息。 随之又有许多中值滤波的改进算法被提出，如加权 中值滤波 、开关中值滤波、自适应中值滤波等，其中，自适应中值 滤波通过对待处理图像中的像素进行噪声检测 ，将其分为受噪 声污染像素和未受污染像素两类；统计受污染像素的个数以确 定图像中噪声干扰大小，根据噪声干扰程度 自适应地调整滤波 窗口的尺寸；最后采用改进的中值滤波方法对图像中的噪声点 进行滤波处理。自适应中值滤波在很大程度上缓和了噪声抑制 和保护细节之间的矛盾，对噪声干扰较大的图像去噪也能取得 良好的效果，较标准中值滤波具有更优良的滤波性能，为消除图 像中的脉冲噪声提供了一种有效途径。 2009年 、2月 第 、2册 总第 93、94册 2算法分析 2．1中值算法的基本思路 中值滤波是一种非线性处理技术，能抑制图像中的噪声。它 是基于图像的这样一种特性：噪声往往以孤立的点的形式l叶j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。 中值类算法的主要问题是对图像逐点进行一次性的中值替 代 ，在噪声密度较低 的时候 ，该算法的效果很好 ，但是随着噪声 密度逐渐增大，算法的效果急剧下降。基于此，可首先对噪声图 像进行 自适应中值滤波，而后用逻辑判断的方法对噪声点进行 标识，我们仅对被标识的噪声点进行修复。 2．2噪声点的判决依据 所谓噪声点的判决依据 ，即对图像中的每个像素点进行噪 声点认定上采取的判断依据。对于自然图像 ，邻近点之间存在着 很强的相关性，一点的灰度值与周嗣点的灰度值十分接近，除了 孤立点(一般认为是噪声)，即使是边缘也有同样的特性。在一幅 图像 中如果一个像素点的值远大于或小于其邻域的值，那么该 点就可能被污染了，反之，它是一个有效的信号点。 首先找出整个图像中灰度值的最大值和最小值，分别记为 Max(I )和 Min(I )。在确定噪声点时仍然采用窗口在图像上 滑动 ，该窗口中心像素灰度值为f(i，i)，则该窗口内所有像素值构 成如下集合： 、／={l厂( +k．J+ )Ik ，：一1．0．1}，求【叶I该 窗口中所有像素的平均值 Mean(W )，如果中心像素点的阈值用 T 表示，确定噪声点的规则如下： 1)如果中心像素的灰度值／(i，，)=Max(1M Jv)，则该像 素为噪声点； 2)如果中心像素的灰度值厂( ，，)=Min(IM Ⅳ)，则该像 素为噪声点； 3)如果中心像素的灰度值If(i，J)一Mean(W~． > √， 则该像素为噪声点。 噪声点标记 N(i，i)=1，非噪声点标记为N(i，i)=0。对于以上 三条规则 ，规则 1)和2)很容易实现，规则 3)实现的难点在于如何 确定阈值 因为 ， 对于图像滤波质量有非常重要的影响。 2．3改进的滤波算法 本文依据图像中噪声点的灰度值与其邻域范围内非噪声点 的灰度值有比较大的差别 ，提出了一种新的实现噪声检测方法。 首先给出判别区间[T1，T21，此算法的具体步骤如下： 1)对图像[v(i，j)]中的点 vi 进行窗口操作 W[v(i,j)】，滤波窗 口为 mxn(nl，n为不小于 3的奇整数)。除点 v 外的窗口内的点 记为{v1，v2，⋯，vN}，N=m~n一1，将 vl，v2，⋯，vN排序：v(1)≤v(2) ≤⋯ ≤v(N)。然后取其 中值 Vmed=reed(W[v(i，i)])，最大值 Vmax=max(W[v(i,j)])，最小值 Vmin=min(W[v(i,j)]o 2)确定阈值 T1，1'2。 T1=Vm 一( 一 ) (1) T2= +( 一 ) (2) 其中 Or．应随噪声密度而 自适应调整，d的取值可随噪声密 度的增大而适当减小。 3)将窗口W 的中心点 v 的灰度值 v(i，i)与阈值 T1，rI、2进行 比较 ，若该点的灰度值 v(i,j)e[T1，T21就进行修正 ，反之，保持原值 不变。即：v(i,j)≤T1或者 v(i,j)≥T2时，对该点灰度值进行加权 滤波处理，当Tl