基于动态窗口的自适应中值滤波算法

基于动态窗口的自适应中值滤波算法 o 28 o, 728 7 Vl.N第 卷第 期计算机应用与软件 2011 7 年 月 Computer Applications and Software Ju, 2011 l 基于动态窗口的自适应中值滤波算法 周 华 ( )253023德州学院计算机系 山东 德州 ，针对中值滤波算法对于高密度噪声图像以及纹理细腻图像的边缘处理能力欠佳的缺陷提出一种基于动态窗口的自适摘 要 。。，应中值滤波算法新算法根据噪声点与周围信息的关联程度将噪声点滤波值进行调整从而更好地处理图像的细节部份新算法 。，，中的自适应策略加强了滤波算法的去噪性能使其对于含有任意噪声密度的图像也能很好地进行噪声滤除通过仿真分析新算法 。 ，，对于细节丰富的图像以及高密度噪声的图像滤波效果良好有效地提高图像的峰值信噪比其去噪效果相比其他方法更加优秀 关键词 椒盐噪声 噪声检测 动态窗口 DYNAMIC-WINDOW-BASED ADAPTIVE MEDIAN FILTERING ALGORITHM Zhou Hua ( Department of Computer Science，Dezhou University，Dezhou 253023，Shandong，China) AbstractAiming at the drawbacks of the poor edge handling capacity for high-density noised images and fine-texture images of the median filtering algorithm，the thesis has proposed an adaptive median filtering algorithm based on the dynamic window, The new algorithm adapts theftraton vaue at thep ont of the nose accordance wth how cosey reated the pont of nose to ts surroundng nformaton order to better ililiiin illliiiiiiin dea wth the mnor parts of mages, The adaptve strategyo f the new agorthm upgrades the de-nosng performance of the fterng agorthm liiiiliiiililiso that it can well filter noises from an arbitrary noise density image, Simulation shows then ovel algorithm works well on intricate images and high-density noised images，effectively improves the peak signal-noise ratio of images，and is better atd e-noising than other algorithms, eywodsSat-and-pepper nose Nose detecton Dynamc wndowKrliiiii ，，划分子图像再对子图像进行二维中值滤波当前窗口中心的像 。，素点即为需要进行去噪处理的像素点滤波过程中窗口大小 0引言×3 。 ，3 可以设定为不同的值一般是采用 的方形窗口进行滤波 ，对于该滑动窗口内的像素点进行灰度值的排序取中值作为当 ，图像的编码及传输中经常经过含有噪声的线路或被电子。由于缺乏判断像素点是否有被噪声影响的 前像素点的灰度值( ，感应噪声污染时会使图像染上一定程度的椒盐噪声即脉冲 ,1,，，机制采用该方法时需对所有像素点进行一次滤波操作在一定 ) 。，中值滤波因其与输入信号序列的映射关系在去除 噪声、。细节信息造成破坏 程度上对图像的边缘，脉冲噪声上有比较好的效果很多学者针对中值滤波技术进行 ,2,。( WM) 、如加权中值滤波方法中 ，研究提出了很多改进算法,3,,4, ( CWM) 、( TSM) 三态中值滤波器模糊 心权值中值滤波器 2噪声点的检测,6, ， 滤 波 方 法等以及基于上述若干 方 法 的 改 进 策 多极中值,7,。,8,( AM) ， 文献介绍了一种改进的自适应中值滤波方法略 。椒盐噪声在图像中 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 现为极大值或者极小值在去噪处理，取得了不错的滤波效果但其对于高密度噪声图像以及纹理细 ，，之前针对图像灰度值受椒盐噪声影响分布情况的特殊性先将 。( AM) ，本文将基于该种方法并 腻图像的边缘处理能力不佳、，噪声点和图像细节点一方面减少系统开 像素点分成非噪声点，通过分析图像噪声信息提出一种基于噪声检测的自适应中值 。噪声点的监测室 ，销另一方面避免破坏原图像中的非噪声点。 ，滤波以克服对于高密度噪声及多细节图像去噪不理想的问 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 。 通过全局检测和局部检测两个层次来判定，实验结果表明新算法对于细节丰富的图像以及高密度噪声的 ，，图像滤波效果良好有效地提高图像的峰值信噪比其去噪效果 2, 1全局检测。 明显优于其他方法，在受椒盐噪声影响的图像中噪声点的灰度值分布在图像 。灰度值的极大值端或者极小值端若某点图像灰度值处在极值 ，，。， 中间则可以断定当前点未被噪声干扰无需去噪处理当然 。 ，对于处于极值的像素点还不能确定其是否是噪声点 1中值滤波法简介 ，1974 ，Tukey 早在 年提出了一维的中值滤波器之后有学者 : 2010 , 03 , 26。收稿日期山东省优秀中青年科学家科研奖励基金。( SM) 针对将其发展至二维图像 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 中值滤波采用滑动窗口 ( BS2009SF014) 。: 。，，周华副教授主研领域多媒体技术 Gmin，Gmax，3 ，设图像灰度值中极大值为 极小值为 对于当前图 表示的是噪声图像中某局部区域灰度值矩阵当图像 G，( 1) ，Gmean ，像素点灰度值 若满足式则可以说明当前像素点并未受 正确表示出 中噪声密度较大时较小的窗口则无法保证 ，，T 。。( a) ，3 ×3 3 到噪声污染无须进行滤波操作其中 为设定的阈值 窗口中心值与其他像素点的关系如图 中窗口内 6 ，，8 含有 个噪声点但极值都为极大值因此窗口中心与其它 个 ( 1)| G ,G min | ， T | G ,Gma x | ， T 并且 20 ，像素点的差额均值仍为 左右此时窗口中心被判断为非噪声 2, 2 局部检测 ; ，，点而当窗口扩大后噪声点虽然增加了但极大值与极小值的 ，Gmean ，比例发生变化从而降低了噪声极值点对 的影响所求 1 ，，在图 中大量分布条纹是黑白相间的即原图中存在大量Gmean ，3( b) 得的 也正确地反映了窗口中心值为噪声点在图 中 。，的极值因此对于该幅图像而言大部分中值滤波方法所得到 ，5 ×5 ，Gmen T1 ，a可以看出当采取 窗口时经计算是大于 的可 。，的结果都不是很理想如何保证非噪声极值点不被滤波或者 。以判定窗口中心为噪声点 ，滤波后不至于与周围差异较大的像素点进行错位这需要充分 。结合像素点周围的信息进行分析 图 3 噪声密度为 0, 6 的图像局部信息 Gmen a对于滤波窗口大小的选取原则是使窗口内噪声点对 。SM 。的影响最小此处采用标准中值滤波 的值进行比较若 SM ，的值处于极大值与极小值之间则可以说明极大值与极小 。值在该滤波窗口中的分布较均匀 滤波窗口的自适应调整的作用不仅仅体现在噪声点判断 ，，，上对于噪声的滤除操作方面窗口自适应也有着重要的作用 。这一内容将在下文中详细说明 图 1 存在大量极值的 barb 图 × 3 ，2 ( a) ，2 ，3 如图 所示以 窗口为例对于图 因为窗口中 3噪声点的滤除，; 心点灰度值与相邻点差值较大噪声点的可能性较大而对于图 2( b) ，( 0) ，。由于差值较小为 非噪声点的可能性较大 自适应窗口策略还可以更精确地区分噪声点与图像细节 ，，点从而更好地保护了图像细节信息并且能够更好地调整滤波 ，器的去噪性能有效地弥补了一般滤波器对于含有高密度噪声 。的图像处理上的不足 4 0, 2 lena AM 图 展示了噪声密度 的 图采用 滤波器的去噪 ，4( a) ，4( b) 3 × 3 ，4( c) 情况其中图 为原图图 采用 窗口图 采用 图 2 图像灰度值5 × 5 ，4( d) 9 ×9 。×3 ，3 窗口图 采用 窗口可以看出采用 窗口 2, 3 ，噪声点检测算法 由上述分析可归纳出完，9 ×9 ，时一次滤波后噪声点无法完全滤除而采用 窗口后虽然 。 1 整的噪声点检测算法算法 噪声点检测算，。噪声都已经滤除但图像相对于原图有了较大的模糊由此可 法 ，。知窗口的大小对于滤波器去噪效果有重要的影响当滤波窗 : Gmax，Gmn，i输入图像的全局极大值为 极小值为 滤波窗 ，，; 口越小时图像细节的保留越丰富但去噪性能不佳而当窗口 Wmax，P( a，b) G，T。口最大值为 像素点 及其灰度值 阈值 ，，。增大时去噪性能有了明显提升但图像细节也随之被模糊 输出: 对像素点 P( ，b) 的判定a。 ( 1),G min | ，T | G ,G max | ，T ，( 6) 。| G 且 则转若满足 ( 2) P ，w 3 。以 为中心设置窗口大小 为 的滤波窗口 ( 3) ，SM; 计算该窗口内标准中值滤波结果记为 若满足 Gmin ， S M ， G max，( 5) 。则转到 ( 4) w + 2; w ， W max ，设置窗口大小扩展为 若 则转到 ( 5) ，( 3) 。否则转到 ( 5) ，P w ×w ,1 对于当前滤波窗口计算像素点 与另外 个 Gmean; Gmean ， T 1，( 6) ，像素点灰度值差值的均值 若 转否则 ( 7) 。转 ( 6)P 。点 为非噪声点 ( 7) P 。点 为噪声点 自适应窗口策略 2, 4 : ，在噪声点的监测过程中滤波窗口大小影响巨大若窗口取 ; ，，值较小可有效地保护图像细节信息而去噪效果相对较弱反，，。 之滤波器的去噪效果较强而滤波后图像模糊程度则会加大 图 4 lena 图采用 AM 滤波器的去噪效果 7 143: 第 期周华基于动态窗口的自适应中值滤波算法 ，。当图像所含噪声密度较高时窗口大小的影响更为明显, 8 × 3 SM 5 ，0，3 如图 所示当噪声密度达到 时该 窗口中经过 的 ，中值及其左右邻值全都为噪声点此时进行任何滤波操作也不 。此时需要扩大窗口大 ，会改变其灰度值滤波也失去其意义了。 ，小以获取更多的图像信息来弥补噪声带来的影响 图 5 噪声密度为 0, 8 的图像局部灰度值 ，在噪声去除过程中采用的窗口变化策略与噪声检测机制 图 6 T1 取不同值时 VAM 滤波所得的信噪比，中介绍的自适应窗口策略基本一致不同之处在于判断是否需 lena T1 15 ，barb 在 取值为 的情况下分别对 图像和 图像加 ，AM 。AM 要将窗口扩展时采用 进行判断因为 的输出值与窗 ，，入一定密度的噪声再进行噪声检测操作统计其发现的噪声点 ，AM 口中值及其左右邻值相关因此可以假定当 滤波结果非极 。，1 数量以及发现的噪声密度如表 所示可以看出该噪声检测 。经过分析可 ，值时此时的窗口大小即可作为去噪所用的窗口 : 。当 ，，以发现该种条件比噪声检测机制中的窗口变化条件更宽松机制效果良好检测结果与实际噪声密度误差较小 SM ，AM ; SM ，值非极值时值也非极值但当 值为极值时由于 1 表 噪声检测机制所发现的噪声密度 AM SM AM ，是通过 值与其左右邻值进行判定值也极有可能不 ,8,。因此采用这种判定方法有可能获得更小的窗口进 是极值 。，，通过前文分析我们知道较小的窗口保留图像细节能 行滤波 。 ，力更强因此采用该策略会达到更好的效果 ,8,AM 文献介绍的 噪声滤除算法所引入的线性自适应策 ，略可以很好的去除噪声但对于高密度噪声及细节丰富图像的 。而动态窗口策略则可以自适应 处理效果相对于其它算法要差 ，选取合适的滤波窗口进行处理有效地处理高密度噪声及细节 4, 2 VAM 滤波器去噪效果分析 。在本文中针对此缺陷所设计的基于动态窗口的自适 丰富图像, 2 0, 4 enabarb boat 2 0，l、表 展示的是噪声密度为 和 时和 ( VAM) 。即是对其的有效改进 应中值滤波方法。，AM 三幅图采用不同滤波算法的去噪结果可以看出滤波器 2 算法 噪声点检测算法 boat 图所得 ，相对于其他算法有较好的改进但对于纹理复杂的 : Gmax，Gmin，输入图像的全局极大值为 极小值为 滤波窗 。VAM 而本文提出的 算法则对于 到的结果要比其它算法偏差( a，b) G，T。Wmax，P口最大值为 像素点 及其灰度值 阈值 VAM 在保 ，各种特点不同图像都有较好的去噪效果这是由于 : P( a，b) 。对像素点 输出的判定 AM ，AM 留了 处理平缓图像的优越性的同时克服了 在细节丰 。 ，富时的不足加强了图像细节的保留能力以及图像的去噪能力 2 ，表 采用各类滤波方法对不同噪声密度下 ( 1)，，( 2) 。1，P 根据算法 若点 为非噪声点则结束否则转的不同图像的滤波后的信噪比 P ，w 。3 ( 2) 以 为中心设置窗口大小 为 的滤波窗口 ( 3) ，AM ，计算当前滤波窗口下采用 滤算法的结果记为 AM; Gmn ，A M ，G max，( 5) i。若满足 则转到 ( 4) w + 2; w ， mx( 5) Wa，， 设置窗口大小扩展为 若 则转到 ( 3) 。 否则转到 ( 5) AM VAM，P ，记当前 为 作为像素点 的滤波结果并将 VAM P 。更新为像素点 滤波后的灰度值 4仿真结果以及分析 lena、barb text ，采用 以及 进行仿真分析以验证本文提出的 ena ; 。，l，新方法的有效性其中的图像较为平缓平坦区域多而 barb ; text ，， 图则是细节信息非常丰富难以处理则为文本截图 。 使得图像中灰度值与椒盐噪声接近 VAM 中自适应调整窗口策略比之于固定窗口策为了验证 4, 1 噪声检测机制性能分析 ，7 80 %略在处理高密度噪声图像上的优势图 展示了对于含 噪 , 1 T1 ，VAM 2对于 节中提到的阈值 取不同值采用 滤波器 lena 。( b) 、( c) 、( d) WM、TSM、 声的 图像处理情况其中分别是 × 512 barb ( PSNR) ，512 ， 的 图进行滤波去噪计算信噪比绘 对AM AVM 。，以及 的滤波结果可以明显看出具有自适应调整窗 。T1 10 20 6 ，，制曲如图 所示可以发现的取值在 到 之间时去 VAM 口大小功能的 算法对于高密度噪声仍然有很强的处理能。，T1 ，噪效果最佳当 不断上升时去噪效果随之递减 ( 166 )下转第 页 ，读卡的过程中首先进行恢复流程通过读钱包标志块确定 ，5 出上次操作的钱包文件标志然后根据图 的恢复流程进行卡 ( 143 )上接第 页 。片的恢复 ，，。力噪声可以准确滤除并且图像细节及边缘信息保留良好 图 5 卡片操作判断流程 ，不同的状态针对卡片操作不同步骤后的结果进一步细化 ，4 。各状态下的现象明细如表 所示 表 4改进后的卡片状态和后续操作 图 7 噪声密度为 0, 8 的 lena 去噪结果 5 结语 。本文提出了自适应中值滤波方法新算法采用合理的噪声 ，检测机制可以有效地区分噪声点与非噪声点从而保护图像的 。，细节边缘信息同时本文所设计的噪声滤除 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 由于加入窗 ，，口自适应以及模糊多极值策略对于已检测出的噪声点可以高 。，效地滤除经过实验分析本文所介绍的噪声滤波算法相对于 ，，其他典型算法在噪声处理及细节保护上有明显的改进对于高 ，。密度噪声的图像则优势更加明显 参 考 文 献 ,1 , , ,M,, : ，2007,陆天华数字图像处理北京清华大学出版社 ,2 , Brownrigg D R K, The weighted median filter,J,, Communications of the C，2004，27( 8) : 807818, AM- ,3 , Ko S J，Lee Y H, Center weighted median filters and their applications to image enhancement,J,, IEEE Transactions on Circuits and Systems， 2006，38( 9) : 984993,- 4结语,4 , Tao Chen，Kai Kuang Ma，Li Hui Chen, Tri-State Median Filter for Im- age Denoising,J,, IEEE Transactions on Image Processing，2003，8 ( 12) : 1834-1838, Mifare ，在 卡上改进数据格式后实现了一张卡片的多钱包,5 , Hwang H，Haddad R A, Adaptive median filters: new algorithm and re- ，， 存储和使用同时提供了多钱包操作时的操作流程和恢复机制suts ,J,, IEEE Transacton on mage Processng，1995，4 ( 4 ) :liIi。确保卡片数据的完整性 499-502, ,6 , Yang X H，Toh P S, Adaptive fuzzy multilevel median filter,J,, IEEE 参 考 文 献Transaction on Image Processing，1995，4( 5) : 68 0-682, ,7 , Eng H L，Ma K K, Nose adaptve soft-swtchng medan fteriiiiiil ,1 , Mifare Standard Card IC MF1 IC S50 Functional Specification，Product,J,,IEEE Transacton on mage Processng，2001，10( 2) : 242-251, iIiSpecification 5, 1,S,, 2001, ,8 , Chin Chen Chang，Ju Yuan Hsiao，Chih Ping Hsieh, An Adaptive Median ,2 , CJ / T 166 , 2002 IC ,S,,建设事业 卡应用技术 Fter for mage Denosng,C,/ / IEEE Second nternatona Symposum on ilIiiIili,3 , , : ，ZL200510025030,辛宏伟非接触式智能卡多钱包操作方法中国 Intelligent Information Technology Application，2008: 346-350, 9,P,, 2009 , 12 , 09,