分类中值滤波算法的研究

分类中值滤波算法的研究 1，22黄 颖 ，王卫星 1，22 ，HUANG YingWANG W ei-xing 重庆邮电大学 计算机科学与技术学院，重庆 1.400065 电子科技大学 电子工程学院，成都 2.610054 ，，，1.College of ComputeSr c ience & TechnloogyChongqing University of Pos&t sT elecommunciationsChongqing 400065China ，，，2.School of Electronic EngineeringUniversity of Electronic Sc ience & Technloogy of ChinaChengdu 61005 4China :E-mailhuangying@cqupt.edu.cn ， HUANG YingWANG Wei -xing.Research on classification median filter algorithm.Computer Engineering and Applica, ，，():tions2009451134-36. :， AbstractA modified median fil ter algorithm based on clus tering method i s presented in this paper.At fi rstthe computation of ，medianmean of the ser ies composed by the current pi xel and i ts neighbors is necessary to sti meate the distribution of the se , ，，rieswhich is utilized to deicde the classification method.Thetnhe series is classified into two classe s with clustering method o r ，(fast classification methodand the median of the lass c which includes the current pi xel is chosen as the resultp.Two aramet ersT 1and T ) are used for the ons cideration of speed and accuracy.Some examplegis ve na re to prove the neaw lgo rithm can get bt e, 2 ter noise reduction effect. :;;Key wordsimag e processingclustering methodmedian fil ter 摘 要:在标准中值滤波算法的基础上提出了基于聚类方法的滤波算法，该算法除了考虑当前像素和邻域组成的序列的统计特征之外，还考虑到了该序列的结构性特征。首先将该序列分成两类，然后计算当前像素所在的类别的中值作为滤波器的输出。该算法 还 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 了高低两个阈值来界定中值和均值之间的绝对差的范围，当绝对差属于不同的范围时采用不同的处理方法。最后使用了一 些典型例子来说明该方法的去噪效果比标准的方法要更好一些 。 关键词:图像处理;聚类方法;中值滤波 : 文章编号:() 文献标识码:中图分类号: DOI10.3778/j.issn1002.-8331.2009.11010.1002,8331200911-0034-03ATP39141. [4] 滤波器混合起来可以有效的结合两者的优点中值松弛判别。引言 1 [5]法采用排序统计理论，在对滤波窗口内的像素排序统计后，将 [1]最简单的非线性滤波器是中值滤波器中值滤波算法是 。中值以统计顺序分别向前、向后延拓 、个单位，若滤波窗 R1R2 一种计算速度很快的图像平滑技术，它是一种非几何技术的滤 口中心的灰度值落在该区域内，则认为该点为未受噪声污染的 波器。一些常用的几何滤波器如线性邻域技术在滤波的过程中[6]像素而直接输出，否则判断为噪声点递归中值滤波器首先计 。会导致高频信息的损失。中值滤波技术是从邻域中选择合适的 算当前像素点的中值，然后用计算后的中值作为输入来计算后 值代替原来的值，将中心点的领域像素点按照升值排序，取统 续像素点的中值。加权中值滤波器使用一系列权值来控制滤波 计意义上的中值代替中心点。中值滤波器在处理脉冲噪声等应 性能，但是加权方法与线性滤波器的加权方法不一致，详细的 用中有比较好的效果但是中值滤波器仅仅使用了邻域的统计 。[8]方法参照文献。中心加权中值滤波器，通过赋予滤波窗口中 [7]信息，破坏了邻域的空间和结构信息，从而导致图像中结构的 心像素不同的权值而改变中心像素的重要性来达到细节保护 扭曲，尤其是图像的边缘，细线和角点等重要信息被破坏了。 目的，但牺牲的是噪声的消除能力，随着赋予中心像素的权值 中值滤波的去噪效果依赖于滤波窗口的大小，通过自适应 [2]地施加结构方面的限制来减少图像中结构的扭曲。在大的窗 [9]口下，可以有效的抑制噪声，而使用小的窗口可以保留重要的 的增加，去噪能力降至恒等滤波器。边缘保护定向中值滤波器，[3]结构特征。窗口的大小可以通过自适应的技术来进行控制，以 在消除噪声的同时，可以将某一方向上的定向特征保护起来，便在不同特征的局部区域中使用不同大小的窗口。因为线性滤 如十字型采样 模板 个人简介word模板免费下载关于员工迟到处罚通告模板康奈尔office模板下载康奈尔 笔记本 模板 下载软件方案模板免费下载 可以保护水平与垂直方向的细节特征但边。波器的成熟的理论基础和计算的高效性，将线性滤波器和中值 缘保护中值滤波器由于滤波窗口的缩减，去噪能力将会大幅度 降低，仍然没有很好地解决滤除椒盐噪声与细节保护之间的矛 基金项目:国家自然科学基金() 。the National Natural Science Foundation of China under Grant No.60873186 作者简介:黄颖()，男，博士生，讲师，主要研究方向为图像处理和模式识别等;王卫星()，男，博士，教授，主要研究方向为图像处理等。1978-1959- 收稿日期: 修回日期: 2008-12-112009-02-13 黄 颖，王卫星:分类中值滤波算法的研究2009,45,11, 35 盾。通过结合 (分别为()和 ())，认为该像素点是噪声，所以使 多项式和加权中值滤波器，多项式中值 Volterra bw/9 2bw/9--[10]滤波器能有效利用像素中的高阶统计特性，提高去噪的鲁棒 用标准的中值滤波算法进行处理。当 像素个数继续增加，不 b [11]性。最近邻中值滤波器使用与中心像素点的灰度值最接近的 能再简单的认为它是噪声，如果用标准的中值算法来处理，其 个相邻元素组成的序列作为输入。噪声自适应软开关中值滤 n 中一个结果肯定是错误的需要对其改进，详细的方法见第 。3[12]波器包含两个步骤一个软开关噪声检测策略将像素点区分 。章描述。当 像素的个数进一步增加，可以把它想象成 像素， b w 成没有被干扰的像素，单独的脉冲噪声，非单独的脉冲噪声或 按照图 ()图 ()的顺序进行处理。 1d,1a 边缘像素点。对于不同的部分使用不同的滤波策略。所有这些 方法的目的就在图像细节的保存和噪声抑制方面寻求一种平 改进的中值滤波算法及其算法步骤3 衡 。 使用中值滤波器一方面是利用了它的计算量很小的优点， 但同时，也要考虑使用中值滤波带来的误差。如果中值与均值 标准的中值滤波算法和问 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 描述2 的差值比较小，直接使用标准的中值滤波算法;如果差值变大，标准的中值滤波器可以描述如下:对当前像素点的邻域像 考虑将序列 分成两类，分别为 和 ，且满足: S C C 1 2 素进行排序，将其中的统计中值作为滤波器的输出。可以假定 信号 的长度为有限长度，信号包含的样本为 到 ，其中 S xx() CC=S且 CC=覫??2 t-k t+k 1 2 1 2 为中心样本。滤波器的输出可以表示为:x t 分类的结果是将代价 函 关于工期滞后的函关于工程严重滞后的函关于工程进度滞后的回复函关于征求同志党风廉政意见的函关于征求廉洁自律情况的复函 数 最小化。J 2 () ，， () J=x-μi=123 i i() Y=median(x，…，x ，…，x )， x?Z1 t t-k t t+k 其中 是类 或者 的中心。然后将当前像素点归于 最小μCCJ 1 2 标准的中值滤波器只考虑了由当前像素点及其邻域点构i 成的序列本身，序列的顺序跟滤波结果没有任何关。系这种考 的那一类。然后取该类的中值作为滤波器的输出。按照改进的 虑是不完全的，甚至在某些时候是错误的以图 来指出该错 。1 方法对图 中的情况进行再次分析如图 ()和图 ()中，黑。1 1c1d 误发生的原因。如图 所示，中间点为当前像素点，其他的为邻 1 色的像素点为一类，而白色的为另一类。所以在前面的情况，滤域像素点。白色区域为灰度比较低的点，用 表示，而黑色区 w 波器的输出为白，而在后面的情况中，滤波器的输出为黑。这与 域为灰度比较高的点，用 表示在图 ()图 ()中都包含 。b 1a:1d直觉是完全相符的。 两种情况，如图 ()中包含一个 像素，前面一种情况是邻域 1ab 当然还需要注意一类特殊的情况当中值与均值的差别特 。中包含该 像素，而后一种情况则是当前像素点为 像素，其 b b 别大的时候，这时表示序列分布在范围的两侧，可以迅速的确 他类似针对前后两种情况，使用标准滤波器计算出的中值完 。 定当前值的类别全相同，也就是滤波结果完全一样，在直观上这种结果应该是 。这时可以根据均值将序列分为两类，大于均 错误的。需要设计一个修改的中值来代替当前像素点，这就是 值的属于一类，小于均值的属于另一类，这样可以大大加快算 本文的研究目标。 法的运行速度。 在算法中，还需要界定中值和均值的绝对差的差值范围大 小，即需要设定两个参数 和 。当差值小于 的时候认为 TTT1 2 1 差值比较小，而大于 的时候则认定差值比较大。关于 和 TTT2 1 2 的设定我们可以根据经验设定，在本文中 取为 ，而 取 T30T1 2 为 。80 ()单个 像素 ()两个 像素 ab bb 综上所属，改进算法的算法步骤可以描述为: ()计算每个像素点和它的 邻域组成的序列的中值和均 18 值，如果中值和均值的绝对差小于 ，则将该中值作为结果 T1 输出; ()三个 像素 ()四个 像素 cb db 图 改进算法原理的示意图1 为了描述的方便，对问题进行简化在本算法中，分析了三。()如果差值大于 时，如果当前像素点的灰度值大于均 2T 2 值，则对大于均值的这部分像素点进个值之间的关系:中值、均值和当前值，如图 所示是 图 2 shape 行排序，将该序列的中值 进行输出;否则将低于均值的序列的中的中值和均值的绝对差的直方图。针对图 ()和图 ()中， 1a1b中值进行输出; 有一个或者两个 像素，计算出的中值和均值的差值比较小b ()如果差值位于 和 之间时，则将序列按照聚类方法 3TT1 2 4(:) The histogram of the absolute differencesourceshape×10 确定为两类，将当前像素点所属的这类进行排序和取中值进行 8 6 输出。 4 2 0 实验结果及其分析 4 20 40 60 80 100 120 使用下面几幅具有明显的背景和前景的图像来对本文的 () The histogram of the absolute differencfrom e 20 to 1131 000 算法进行测试，在下列几幅图中加了椒盐噪声，使用标准的中 800 [1315]- 600 值滤波算法，改进的中值滤波算法和其他的一些算法进行400 比较分析，分析结果如表 所示，为均方差。改进的算法 1 MSE 200 对于标准的算法在去噪能力和边缘保持能力上有了一定程度 0 20 30 40 50 60 70 80 90 100 110 120 的提高，尤其是对于图和图 中，提高尤其显著。5 6 图 图中的中值和均值的绝对差的直方图 2 Shape ，，(): and results [J].IEE E Trans on Image ro cesPinsg199544499 - 502. ，，[3] Lin H MWillson A NMedian RJ .Filters with adaptive length[J]. ，，()IEEE Trans on Circuit s and Sys tem1988356. ，[4] Heinonen PNeuvo Y .FIR-median hybrid filters[J].IEEE Trans 图 图 图 图 图 图 图 3 Shape 4 Camera 5 Text 6 Line ，，，，:AcoustSpeechSignal Process19871832-838.表 本文算法与标准算法的 结果比较(噪声参数 ) 1 MSE 4% ，[5] Hamza A BLuque-Escamilla P L.Removing noise prand eser ving details 自适应中心加权自适应with relaxed mediafiltn er s[J].Journal of Mathematical 标准本文BLS-GSM EDISON 维纳 中值滤波 中值滤 图源加噪，，:Imaging and Visi on19991161-177. 算法 算法 小波算法 算法 算法 器算法 波算法 ，[6] Burian A Kuosmanen . Tuning P the smoothness of rthe ecur sive Shape 421 241 187 215 556 110 364 133 ，，median filt er[J].IEEE Transactions oSignn al Procesings 200250 Text 676 4 184 727 576 4 393 589 2 191 354 (): 71631-1639.Line 237 818 102 102 1 133 193 518 29 ，:[7] Yin LinYang Rui-kang.Weighted median filt ersa tutorial[J].712 341 628 536 411 593 490 323 Camera :IEEE Transaction oCircuitn s and Sys tems-IIAnalog and Digit al ，，():Signal Procesinsg1996433157-192. 结束语5 ，[8] Ko S JLee S J.Center weighted mediferasn a nd their ilt在对传统的中值滤波算法进行分析的基础之上提出了一 ，applications to image enhancement[J].IEEE Circuit Trsa ns Sys t 种基于聚类方法的中值滤波算法，传统的中值滤波算法实现比 1991，15:984-993.较简单，效率比较高，但对边缘保持考虑得不够本文基于聚 。郭晓新，卢奕南，许志闻，等自适应定向加权中值滤波吉林大学 [9] .[J].类法方法对其进行了一些改进。首先使用聚类方法将邻域序 学报:理学版，，():2005434495-499. 列分成两类，对当前像素点所属的那类计算中值。文中还对图 [10] Barner K E，Aysal T C.Polynomial weighted mediafiltn er ing[J].像的中值和均值进行了一些统计分析，并根据中值和均值之 ，，:IEEE Transactions on Signl Praocesinsg200654636-650.间的关系设计了两个阈值 和 。当中值和均值的绝对差小 TT1 2 ，， [11] Itoh K Ichioka YMinami T.Nearest-neighbor median filt er[J].Appl于 时，使用传统的均值方法;大于 时，使用快速的分类方 TT1 2 ，，(): Opt198827163445-3450.法;当介于两者之间的时候，则使用聚类方法来进行分类，该 ，[12] Eng H LMa K K.Noise adaptivsoe ft- switching median filt er[J].方法能够有效的提高滤波效果。同时计算量也没有增加太大 ，，:IEEE Transactions on Imarge oces Pinsg200110242-251.的负担。 ，，，[13] Jin FFieguth PWinger Let al.Adaptive Wienerfiltering of noisy images and imasge equence s[C]//International Conference on Image ，，Procesinsg20033. ，，，参考文献:[14] Portilla JStrela VWainwright M et al.Image denoising usingsca le ，[1] Gallagher NJ CWise G L.A theoretical analysis of the pro perties mixtures of gaussiinans the wavelet domain[J].IEEE Transa ctions ，，，of median filt ers [J].IEEE Trans Ac oustSpeechSignal Procesinsg，，():on Image Procesinsg200312111338-1351. :19811136-1141. [15] Meer P，Georgescu B.Edge detectiwithon embedded nfcoidence[J]. ，，:， : IEEE Trans Pattern An al Machine Intel l2001231351-1365.[2] Hwang H HaddadR.Adaptive medi an filters newalgorithms (上接 页) 21 参考文献:表 2 ，，[1] Unser MAldroubi A Eden M.B-spline image processing part ?- 不同方法峰值信噪比的比较 σ=10% ，，():theory[J].IEEE Trans on l Sign Procesainsg1993402821-832. 方法wt_hard wt-soft fswt_hard fswt-soft wt_tv fswt_tv ，，[2] Unser MAldroubi A Eden M.B-spline image processing part ?- PSNR 29.558 3 30.654 0 29.537 0 31.232 2 30.735 3 31.741 6 efficient design and applications[J].IEEE Trans Sign ona l Proces,s ，，():ing1993402834-848. 表 不同方法峰值信噪比的比较 3σ=20% ，，[3] Blu TThevenaz Unser PM .Linear Interpolation re vitalized[J].IEEE 方法wt_hard wt-soft fswt_hard fswt-soft wt_tv fswt_tv ，，():Trans on Image ro cesPinsg2004135710-719. PSNR 25.501 9 26.420 3 25.611 5 26.788 5 28.217 6 28.275 2 [4] Unser M ，Blu T.Fractional spline and wavelets[J].SIAM Rev， 2000， ():42143-67. :，[5] Unser M Blu T.Sel-fsimilaritypart ?-spline and o perators[J].IEEE 结论5 ，，():Trans on Signl Parocesinsg20075541352-1363. 分数阶 样条小波类似于分数阶微分算子，可以在两个 B ，[6] Chan T FZhou H M.Optima constructions of wavelet ficient coefs l整数间达到更精细地刻画，比较好地描述了图像的纹理部分。 ，usingt ota variation regularizatioin n image compressiCAMon R e, l本文以分数阶 样条为基函数，在小波域进行了图像去噪，提 B :，port00-27[R].UCLA2000. 出了变分框架下的 样条小波的图像去噪模型。在实验中，由 B ，，[7] Rudin LOsher SFatemiI E.Nonlineatr ot al variation based is e no于分数阶 样条的选取，得到的去噪结果优于传统的小波方 B ，，():removal algorithms[J].Phys D1992601/4259-268. 法，而分数阶 样条小波与全变差结合的去噪模型，得到了具 B 有高信噪比且含有丰富纹理和边缘特征的去噪图像 。