新型數(shù)字圖像加權(quán)中值濾波除噪方法探析,數(shù)字圖像處理論文

新型數(shù)字圖像加權(quán)中值濾波除噪方法探析,數(shù)字圖像處理論文摘要：圖像在傳播時會遭到各種噪音的影響，中值濾波器采用非線性計算方式，可很好地過濾脈沖噪音。但濾波窗口尺寸對去除脈沖噪音的功能具有干擾性，使其能提高圖像畫面感，但不能很好地保存細節(jié)的完好性。文章分析了中值濾波器的優(yōu)劣，提出能夠按照噪聲點方位自適應(yīng)地改變?yōu)V波器窗口尺寸的辦法，避免了中值濾波容易導致圖片邊緣不清楚的問題。借助Matlab做了模擬檢測，結(jié)果表示清楚，該辦法具有較好的濾波特性。本文關(guān)鍵詞語：中值濾波;自適應(yīng);圖像處理;Matlab;Abstract：Theimageisaffectedbyvariousnoiseswhenitistransmitted.Themedianfilter,whichadoptsanonlinearcalculationmethod,canfilterthepulsenoisewell.However,thesizeofthefilterwindowisadisturbingtothefunctionofremovingtheimpulsenoise,whichcanimprovetheimagebutnotwellpreservetheintegrityofthedetails.Thispaperanalyzestheadvantagesanddisadvantagesofthemedianfilter,andproposesthatthefilterwindowsizecanbeadaptivelyadjustedaccordingtothenoisepointorientation,whichavoidstheproblemthatmedianfilteringmakestheimageedgesunclear.ThesimulationresultsofMatlabshowthatthemethodhasbetterfilteringcharacteristics.Keyword：medianfiltering;adaptive;imageprocessing;Matlab;0、引言光信號由CCD變換時易分布不均且在噪音傳播時信道會產(chǎn)生誤差[1]，一般來講圖像信號在生成、傳播以及記錄時都會被不同噪音干擾。噪音對圖像質(zhì)量會產(chǎn)生很大影響，給畫面分析造成難度，為使畫質(zhì)愈加清楚明晰，需消除圖片中的噪點，并且對畫面變形的地方進行處理。一般需在邊緣測試、圖像劃分、特征提取和形式鑒別之前降噪。消除干擾信息并保存相關(guān)信息的操作，通常叫做圖像預處理[2]，對圖像進行降噪處理的步驟也稱為圖畫平滑處理。實際生活中噪音很多〔如光柵掃描、底片顆粒、機器部件、信號傳播等〕，其分為很多種，包括高斯、椒鹽、瑞利等[3]。通?？山柚鸀V波方式方法去除，一般過濾辦法包括均值法，中值濾波法，自適應(yīng)、相鄰平均、選擇平均、低通濾波等[4]。本文對常用中值濾波方式方法優(yōu)劣進行研究，提出一種全新加權(quán)中值濾波除噪方式方法，設(shè)置圖像某區(qū)域點的像素與周圍像素關(guān)聯(lián)程度的權(quán)值系數(shù)，可很好的保存處理后的畫質(zhì)以及保存圖像的細節(jié)信息。1、自適應(yīng)中值濾波方式方法1.1、常規(guī)的中值濾波器1.1.1、中值濾波的原理將數(shù)列x1,x2，，xm升序排列，數(shù)列正中間位置的數(shù)叫做中間數(shù)；當m是偶數(shù)時候，中值濾波器辨別效果較差，大部分情況下m是奇數(shù)，因而中值用med(x1,x2，，xm)來表示[5]。若m為奇數(shù)，設(shè)定序列{fi,iz}的標準中值濾波器如式子⑴[6]:k=(m-1)/2,Z代表自然數(shù)的集。式⑴里的中值濾波器又叫做滑動濾波。一個有限序列f1,f2，，fi，fm，假設(shè)窗口長是L=k+1，為確保輸出以及輸入信號一樣，要對輸入信號進行信號拓展，設(shè)為k,有下面途徑[7]:⑴兩邊的拓展值和兩邊的值相等，如式⑵：⑵兩邊的拓展值和兩邊的值相對，如式⑶：中值濾波不影響階躍和脈沖信號，若脈沖信號周期小于L/2則會遭到影響。1.1.2、中值濾波的主要特性中值濾波有下面幾個特點[8]。⑴中值濾波屬于非線性計算，其輸出與輸入噪點的分散程度有聯(lián)絡(luò)，輸出噪點方差與輸入噪點密度函數(shù)的方差呈反比。對隨機噪聲來講，華而不實值濾波效果差于均值濾波，而對脈沖信號的干擾來講，中值濾波優(yōu)于均值濾波。⑵對恒定信號來講，中值濾波輸出信號應(yīng)呈一致性，相比于線性濾波器〔如平均值濾波〕，中值濾波可較完好保存圖片細節(jié)信息。⑶濾波器的頻率反應(yīng)和輸入信號的頻譜關(guān)聯(lián)，并且起伏較穩(wěn)定。中值濾波雖可在降噪時較好保存細節(jié)，但只能對簡單圖片噪聲進行去除。1.2、自適應(yīng)中值濾波器中值濾波對長拖尾式分散噪點的處理效果較好，且能使邊緣細節(jié)保存，是圖片降噪常用方式方法，其缺陷是降噪時易遭到濾窗大小的干擾，若濾窗較小，則細節(jié)保存較完好，但不能很好的起到降噪作用。濾窗越大，除噪效果越好，但不能很好的處理邊緣。自適應(yīng)中值濾波與普通濾波器一樣，使用一樣的矩形窗口Sxy，不同之處是自適應(yīng)濾波器會根據(jù)一定的條件使濾窗變大，若窗口的中心像素點為噪點，則可采用中值取代，相反即保存如今的像素，因而經(jīng)過處理后的值即像素(x,y)處的中心值。自適應(yīng)中值濾波處理與普通濾波處理最大的區(qū)別是能夠?qū)軓姷脑朦c進行濾除，在這里基礎(chǔ)上可以較完好的進行細節(jié)處理[9]。1.2.1、自適應(yīng)中值濾波器算法自適應(yīng)中值濾波計算的步驟包含噪聲檢測以及濾除，能夠?qū)Υ蠖鄶?shù)的噪點進行去除，且能夠有效地保衛(wèi)圖片細節(jié)。1.2.2、噪聲檢測經(jīng)椒鹽噪點污染的灰度圖片，它的噪聲位置呈隨機性分散，展示在畫面上就是黑白點狀，但它們和原來的圖片的灰度值沒有聯(lián)絡(luò)，通常該類噪點的灰度值與附近像素的灰度值有較大的差異不同，一般情況下都是極值，由此可對噪點進行測試。若原圖中一點用(x,y)表示，對中心是(x,y)的噪點測試窗口W中的N=(2m+1)2個點的灰度數(shù)做了排列計算，得出一個向量Aij:華而不實，xij表示點(x,y)的灰度，規(guī)定華而不實xij1xij2xij3xijN。排列完成以后點(x,y)的灰度xij在向量Aij的兩邊時，則這個點可能是噪點，當知足式⑸的第一個條件就是噪點。華而不實，函數(shù)w[(x,y)]代表對點(x,y)為中心噪點檢測窗口W中的N=(2m+1)2個點的灰度依次排列。假設(shè)灰度值符合式⑷，同時符合式⑸的噪點的第二個條件：則設(shè)定點(x,y)為一個噪點，定為1。相反則是原點0。由此會得到噪點分布的二進制圖，經(jīng)研究得出T1為40,T2為190最佳。、1.2.3噪聲濾波根據(jù)所得的二進制圖片噪點的分散位置，對其進行去除，假設(shè)某個點的大小是1那么根據(jù)這個點在原始圖片的方位，取該點為中心，畫一個邊長為3的正方形框，對該點進行降噪。根據(jù)式⑺來計算中心點的灰度值：華而不實，n是0的點的個數(shù)，f(x,y)表示0的點的灰度。假設(shè)3x3窗口的像素都用1表示，表示噪點是連續(xù)性的，繼續(xù)增大窗口一直到大于7x7，最后會出現(xiàn)二個狀況并分別做不同處理：一是假設(shè)出現(xiàn)是0的點，就用灰度的平均數(shù)取代中心數(shù)值；二是沒有出現(xiàn)0的點，就對這個窗口的噪點濾除，并用中值取代。2、自適應(yīng)濾波算法的結(jié)果分析為了證明該算法能否有用，利用Matlab進行了經(jīng)過模擬。圖1(a)展示了由原圖轉(zhuǎn)換成灰度，圖1(b)表現(xiàn)的是經(jīng)過椒鹽噪聲處理的灰度圖片，圖1(c)是中值濾波器加工之后的圖片，圖1(d)則是自適應(yīng)濾波方式方法完成后的圖片。從圖1中能夠明顯地看到，圖1(d)借助改進自適應(yīng)中值濾波方式方法去掉椒鹽噪點的效果要比用中值濾波的圖1(c)更佳。該辦法保證了圖片的清楚明晰度以及細節(jié)，而且還能夠有效的去掉椒鹽噪點。圖1中值濾波與自適應(yīng)中值濾波去燥比擬在進行中值濾波處理以后，為了更好的表現(xiàn)自適應(yīng)方式方法，能夠保存圖片細節(jié)。利用式⑼得到了圖2。圖2中值濾波與自適應(yīng)中值濾波的像素值差值比擬S1是由原灰度圖片的灰度值減掉經(jīng)過降噪處理的中值濾波圖片灰度數(shù)的總和。從圖2看出，自適應(yīng)處理的數(shù)值要大，并且能夠很好的把各種大小的噪聲去除，因而能夠有效的保存圖片的完好性。3、結(jié)束語本文提出自適應(yīng)中值濾波方式方法，通過把噪點圖片的含有最大以及最小的灰度數(shù)的像素濾掉，再計算剩下的像素的整體的平均數(shù)，得出這個平均值和相對的灰度數(shù)之差，然后與閾值進行比照，來決定能否可用該平均數(shù)取代原始圖片的灰度數(shù)，研究結(jié)論如下：⑴當其值小于40或者大于190時可判定為噪聲點并可很好的去除，這樣不但能夠濾除大部分的噪點，且可較好保存圖片的細節(jié)，效果優(yōu)于中值濾波方式方法；⑵本方式方法對椒鹽噪聲處理的效果較好，對于高斯、瑞利等其他噪聲的去除需進一步研究。以下為參考文獻[1]胡娟.基于小波變換和中值濾波的圖像去噪方式方法研究[D].成都理工大學,2021.[2]劉嘉敏,彭玲,袁佳成,劉軍委.基于二維變分模態(tài)分解和自適應(yīng)中值濾波的圖像去噪方式方法[J].計算機應(yīng)用研究,2021.34(10):3149-3152[3]平靜宇,馬憲民.基于中值濾波和小波變換的火電廠爐膛火焰圖像去噪方式方法[J].計算機工程與科學,2021.38(8):1702-1708[4]相瑞,王力.基于小波變換的圖像去噪方式方法[J].電子科技,2021.29(7):82-84,87[5]楊昊.圖像去噪中幾種優(yōu)化算法的相關(guān)研究[D].電子科技大學,2021.[6]張海鋒.壓縮感悟圖像重構(gòu)及去噪算法的研究[D].燕山大學