斜率的自适应中值滤波算法

斜率的自适应中值滤波算法 基于斜率的自适应中值滤波算法 摘 要:针对图像中椒盐噪声点的准确检测与去除问题,提出一种 基于斜率的自适应中值滤波算法。该算法首先用 n×n(n 为大 于或等于3的奇数)的 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 作用于待检测图像的每一个像素,若当前 像素的灰度值为其邻域内所有像素灰度值的极值,判断此点为准噪 声点;再利用像素灰度值序列中两段子序列斜率的差值及模板区域 内像素灰度值的均值自适应地判断准噪声点是否为真正的噪声点; 最后对被判定为噪声的像素做中值滤波处理。与 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 相比,该方法加强了噪声检测的条件。实验结果 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 明,该算法具有较 好地去除椒盐噪声和保留细节的效果。 关键词:噪声检测;椒盐噪声; 斜率差值; 中值滤波;图像去噪 adaptive median filtering algorithm based on slope liu shu juan 1 * , zhao ye 2, dong rui 3, wang zhi wei 1,yang fang fang 1 ( 1.college of mathematics and information science, hebei normal university, shijiazhuang hebei 050016, china ; 2.department of mathematics and physics, shijiazhuang tiedao university, shijiazhuang hebei 050043, china ; 3.department of foundamental teaching, hebei jiaotong vocational and technical college, shijiazhuang hebei 050091, china ) abstract: for estimating and removing the salt and pepper noise point accurately in image, a new adaptive median filtering algorithm was proposed.firstly, if the pixel in the center of n×n ( n is an odd integer not less than three) template was the extreme value of all the pixels in the window, it was supposed to be probably a noise point. the pixel gray value in the sequence difference between the two scripts and a template sequence of the slope of the pixel gray value within the region were used to determine the mean quasi adaptive noise point to be the real noise points. finally, mean filtering was done on the noised pixels. compared with median filter, the condition of detecting noises with this method has been largely enhanced. and the method can both effectively restrain noises and maintain details. key words: noise detection; salt and pepper noise; slope difference value; median filtering; image denoising 0 引言 噪声的检测和滤除是图像处理中一类重要的问题。在图像生成、传输的过程中,由于各种原因,会在图像中产生噪声。标准中值滤波是消除椒盐噪声的经典算法,即用 n×n(n为大于或等于3的奇数)的模板作用于当前像素,将这n×n 个像素灰度值的中间值作为当前像素的灰度值。此方法能在去噪的同时保护图像中的某些细节,但也不可避免地改变了信号点的值,造成了图像的模糊,当模板较大时,细节丢失情况会比较严重,而且若图像中各区域的噪声密度存在较大差异时,该方法很难取得良好的去噪效果。基于此,人们提出了许多改进的中值滤波算法,如定向开关中值滤波算法 [1] 、双态中值滤波算法 [2] 、min max滤波算法 [3] 、模糊脉冲噪声检测及去噪方法 [4] 、方向加权中值滤波 [5] 、基于最小生成树的加权中值滤波算法 [6] 、用于图像处理的自适应中值滤波算法 [7-9] 、自适应型中心加权的中值滤波 [10-12] 、基于b 样条函数的自适应中值滤波算法 [13] 、基于灰色关联度的中值滤波算法 [14-15] 等。这些算法在改进标准中值滤波的性能方面做了有益的探索,但在实际应用中都有各自的局限性。 标准中值滤波是对图像中的每一个像素进行中值替换操作,文献[16]提出了一种基于极值中值(extremum median, em)的滤波算法,即首先对滤波窗口内的像素进行判断,只有当前像素为模板内 n ×n 个像素灰度值的极值时,才认为其为噪声,并进行中值替换;否则就认为当前点为信号点,不做任何操作,保持其原灰度值。此算法在执行速度及保留细节方面取得了比标准中值滤波更好的效果。本文针对椒盐噪声,提出了一种基于斜率的自适应中值滤波算法,取得了较好的滤波效果。 1 算法的基本思想及实现 用n×n的模板对图像进行噪声检测时,若当前像素点为椒盐噪声,则其灰度值应为滤波窗口内所有像素灰度值的极值,但反之不一定成立,即若当前像素点的灰度值为滤波窗口内所有像素灰度值的极值时,它并不一定是噪声,本文称之为准噪声。一般情况下,那些既是准噪声同时又与模板内其他像素的灰度值差别较大的像素,才被认为是真正的噪声。而这正是本文算法的基础。 1.1 基本思想 设当前像素的灰度值为f(i, j),将f(i, j)与滤波窗口内其他像素的灰度值按升序排列后,存放在数组a中。若f(i, j)不是数组a中元素的极值,则判定当前像素为信号点,不做任何操作;若f(i, j)为数组a中元素的极大或极小值,则当前点为准噪声点。此时,准噪声点与模板内其他像素的灰度值之间的关系有图1~2所示的两种情形(以3×3模板为例),其中x轴为数组a的下标,y轴为a中各元素对应的灰度值f。图1中当前像素f(i, j)=a[0],图2中f(i, j)=a[8], 显然, 图1( a ) 和图2( a )中的f(i, j)可判定为噪声点,图1 (b)和 图2(b) 中的f(i, j)可判定为信号点。为便 于区分噪声点和信号点,按下列原则定义斜率k 1和k 2: 1)当前点为极小值点,即f(i, j)=a[0]时, 3 结语 本文提出一种基于斜率的自适应中值滤波算法,通过计算斜率 k 1、k 2 并比较它们的差值来判断准噪声点是否为真正的噪声点,其间,利用以当前准噪声点为中心的 n×n 模板内所有相邻像素灰度值的平均值自适应地选取阈值的大小。该算法简单易行,滤波效果较好。 对于同一幅含有噪声的图像使用中值滤波方法,去噪效果与模板大小和噪声密度有关,这从表1可以看出。噪声密度较小时,使用较小模板去噪;反之,噪声密度较大时,使用较大模板去噪。用本文算法分别进行处理,整体上随着噪声密度的增大,去噪后图像的峰值信噪比逐渐降低。这是因为对高噪声密度图像而言,当前准噪声点的 n×n 邻域中会存在多个极值点,而本文算法主要针对单个极值点的情况进行讨论。对较大模板的利用及高密度噪声图像去噪的情形,作者将应用斜率的思想做进一步的研究。 参考文献: [1] nasimudeen a, nair m s, tatavarti r. directional switching median filter using boundary discriminative noise detection by elimination [eb/ol]. [2010 10 25]. [2] chen t, ma k k, chen l h. tri state median filter for image denoising[j]. ieee transactions on image processing,1999, 8(12): 1834-1838. [3] wang junghua, lin lianda. improved median filter using minmax algorithm for image processing [j]. electronics letters, 1997,33(16):1362-1363. [4] schulte s, nachtegael m. a fuzzy impulse noise detection and reduction method [j]. ieee transactions on image processing, 2006,15(5):1153-1162. [5] dong yiqiu, xu shufang. a new directional weighted median filter for removal of random valued impulse noise [j]. ieee signal processing letters, 2007, 14(3):193-196. [6] 崔承宗,马汉杰.基于最小生成树的加权中值滤波算法[j]. 计算机工程,2010,36(12): 209-211. [7] 张旭明,徐滨士,董世运.用于图像处理的自适应中值滤波 [j].计算机辅助 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 与图形学学报,2005, 17(2):295-299. [8] 刘茗.基于噪声检测的自适应中值滤波算法[j].计算机应 用, 2011,31(2):390-392. [9] sree p s j, kumar p, siddavatam r, et al. salt and pepper noise removal by adaptive median based lifting filter using second generation wavelets [c]// signal, image and video processing. berlin: springer verlag, 2011:1-8. [10] 金良海,熊才权,李德华.自适应型中心加权的中值滤波器 [j].华中科技大学学报,2008,36(8):9-12. [11] 李敏.图像的多图加权求和去噪[j].科学技术与工程, 2011,11(3):633-634. [12] 杨宁,张培林,任国全. 一种自适应加权中值滤波方法的 研究[j].计算机应用与软件,2010,27(12):37-39. [13] pan mei sen, tang jing tian, yang xiao li. an adaptive median filter algorithm based on b spline function[j]. international journal of automation and computing,2011,8(1):92-99. [14] 李艳玲,黄春艳,赵娟.基于灰色关联度的图像自适应中值 滤波算法[j].计算机仿真,2010, 27(1):238-240. [15] 杨芳芳,张有会,王志巍,等.基于灰色绝对关联度的图像 中值滤波算法[j].计算机应用,2011,31(12): 3357-3359. [16] 邢藏菊,王守觉,邓浩江,等. 一种基于极值中值的新型滤 波算法[j].中国图象图形学报,2001,6(6):533-536.