斜率的自適應(yīng)中值濾波算法.doc

基于斜率的自適應(yīng)中值濾波算法摘 要:針對圖像中椒鹽噪聲點(diǎn)的準(zhǔn)確檢測與去除問題,提出一種基于斜率的自適應(yīng)中值濾波算法。該算法首先用nn(n為大于或等于3的奇數(shù))的模板作用于待檢測圖像的每一個(gè)像素,若當(dāng)前像素的灰度值為其鄰域內(nèi)所有像素灰度值的極值,判斷此點(diǎn)為準(zhǔn)噪聲點(diǎn);再利用像素灰度值序列中兩段子序列斜率的差值及模板區(qū)域內(nèi)像素灰度值的均值自適應(yīng)地判斷準(zhǔn)噪聲點(diǎn)是否為真正的噪聲點(diǎn);最后對被判定為噪聲的像素做中值濾波處理。與標(biāo)準(zhǔn)中值濾波方法相比,該方法加強(qiáng)了噪聲檢測的條件。實(shí)驗(yàn)結(jié)果表明,該算法具有較好地去除椒鹽噪聲和保留細(xì)節(jié)的效果。關(guān)鍵詞:噪聲檢測;椒鹽噪聲; 斜率差值; 中值濾波;圖像去噪adaptive median filtering algorithm based on slopeliu shujuan1*, zhao ye2, dong rui3, wang zhiwei1,yang fangfang1(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 saltandpepper noise point accurately in image, a new adaptive median filtering algorithm was proposed.firstly, if the pixel in the center of nn (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 quasiadaptive 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; saltandpepper noise; slope difference value; median filtering; image denoising0 引言噪聲的檢測和濾除是圖像處理中一類重要的問題。在圖像生成、傳輸?shù)倪^程中,由于各種原因,會在圖像中產(chǎn)生噪聲。標(biāo)準(zhǔn)中值濾波是消除椒鹽噪聲的經(jīng)典算法,即用nn(n為大于或等于3的奇數(shù))的模板作用于當(dāng)前像素,將這nn個(gè)像素灰度值的中間值作為當(dāng)前像素的灰度值。此方法能在去噪的同時(shí)保護(hù)圖像中的某些細(xì)節(jié),但也不可避免地改變了信號點(diǎn)的值,造成了圖像的模糊,當(dāng)模板較大時(shí),細(xì)節(jié)丟失情況會比較嚴(yán)重,而且若圖像中各區(qū)域的噪聲密度存在較大差異時(shí),該方法很難取得良好的去噪效果。基于此,人們提出了許多改進(jìn)的中值濾波算法,如定向開關(guān)中值濾波算法1、雙態(tài)中值濾波算法2、minmax濾波算法3、模糊脈沖噪聲檢測及去噪方法4、方向加權(quán)中值濾波5、基于最小生成樹的加權(quán)中值濾波算法6、用于圖像處理的自適應(yīng)中值濾波算法7-9、自適應(yīng)型中心加權(quán)的中值濾波10-12、基于b樣條函數(shù)的自適應(yīng)中值濾波算法13、基于灰色關(guān)聯(lián)度的中值濾波算法14-15等。這些算法在改進(jìn)標(biāo)準(zhǔn)中值濾波的性能方面做了有益的探索,但在實(shí)際應(yīng)用中都有各自的局限性。標(biāo)準(zhǔn)中值濾波是對圖像中的每一個(gè)像素進(jìn)行中值替換操作,文獻(xiàn)16提出了一種基于極值中值(extremum median, em)的濾波算法,即首先對濾波窗口內(nèi)的像素進(jìn)行判斷,只有當(dāng)前像素為模板內(nèi)nn個(gè)像素灰度值的極值時(shí),才認(rèn)為其為噪聲,并進(jìn)行中值替換；否則就認(rèn)為當(dāng)前點(diǎn)為信號點(diǎn),不做任何操作,保持其原灰度值。此算法在執(zhí)行速度及保留細(xì)節(jié)方面取得了比標(biāo)準(zhǔn)中值濾波更好的效果。本文針對椒鹽噪聲,提出了一種基于斜率的自適應(yīng)中值濾波算法,取得了較好的濾波效果。1 算法的基本思想及實(shí)現(xiàn)用nn的模板對圖像進(jìn)行噪聲檢測時(shí),若當(dāng)前像素點(diǎn)為椒鹽噪聲,則其灰度值應(yīng)為濾波窗口內(nèi)所有像素灰度值的極值,但反之不一定成立,即若當(dāng)前像素點(diǎn)的灰度值為濾波窗口內(nèi)所有像素灰度值的極值時(shí),它并不一定是噪聲,本文稱之為準(zhǔn)噪聲。一般情況下,那些既是準(zhǔn)噪聲同時(shí)又與模板內(nèi)其他像素的灰度值差別較大的像素,才被認(rèn)為是真正的噪聲。而這正是本文算法的基礎(chǔ)。1.1 基本思想設(shè)當(dāng)前像素的灰度值為f(i, j),將f(i, j)與濾波窗口內(nèi)其他像素的灰度值按升序排列后,存放在數(shù)組a中。若f(i, j)不是數(shù)組a中元素的極值,則判定當(dāng)前像素為信號點(diǎn),不做任何操作;若f(i, j)為數(shù)組a中元素的極大或極小值,則當(dāng)前點(diǎn)為準(zhǔn)噪聲點(diǎn)。此時(shí),準(zhǔn)噪聲點(diǎn)與模板內(nèi)其他像素的灰度值之間的關(guān)系有圖12所示的兩種情形(以33模板為例),其中x軸為數(shù)組a的下標(biāo),y軸為a中各元素對應(yīng)的灰度值f。圖1中當(dāng)前像素f(i, j)=a0,圖2中f(i, j)=a8,顯然,圖1(a)和圖2(a)中的f(i, j)可判定為噪聲點(diǎn),圖1(b)和圖2(b)中的f(i, j)可判定為信號點(diǎn)。為便于區(qū)分噪聲點(diǎn)和信號點(diǎn),按下列原則定義斜率k1和k2:1)當(dāng)前點(diǎn)為極小值點(diǎn),即f(i, j)=a0時(shí),3 結(jié)語本文提出一種基于斜率的自適應(yīng)中值濾波算法,通過計(jì)算斜率k1、k2并比較它們的差值來判斷準(zhǔn)噪聲點(diǎn)是否為真正的噪聲點(diǎn),其間,利用以當(dāng)前準(zhǔn)噪聲點(diǎn)為中心的nn模板內(nèi)所有相鄰像素灰度值的平均值自適應(yīng)地選取閾值的大小。該算法簡單易行,濾波效果較好。對于同一幅含有噪聲的圖像使用中值濾波方法,去噪效果與模板大小和噪聲密度有關(guān),這從表1可以看出。噪聲密度較小時(shí),使用較小模板去噪;反之,噪聲密度較大時(shí),使用較大模板去噪。用本文算法分別進(jìn)行處理,整體上隨著噪聲密度的增大,去噪后圖像的峰值信噪比逐漸降低。這是因?yàn)閷Ω咴肼暶芏葓D像而言,當(dāng)前準(zhǔn)噪聲點(diǎn)的nn鄰域中會存在多個(gè)極值點(diǎn),而本文算法主要針對單個(gè)極值點(diǎn)的情況進(jìn)行討論。對較大模板的利用及高密度噪聲圖像去噪的情形,作者將應(yīng)用斜率的思想做進(jìn)一步的研究。參考文獻(xiàn):1nasimudeen a, nair m s, tatavarti r. directional switching median filter using boundary discriminative noise detection by elimination eb/ol. 20101025. /content/34531l085vh74545/.2 chen t, ma k k, chen l h. tristate median filter for image denoisingj. 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 randomvalued impulse noise j. ieee signal processing letters, 2007, 14(3):193-196.6 崔承宗,馬漢杰.基于最小生成樹的加權(quán)中值濾波算法j.計(jì)算機(jī)工程,2010,36(12): 209-211.7 張旭明,徐濱士,董世運(yùn).用于圖像處理的自適應(yīng)中值濾波j.計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào),2005, 17(2):295-299.8 劉茗.基于噪聲檢測的自適應(yīng)中值濾波算法j.計(jì)算機(jī)應(yīng)用, 2011,31(2):390-392.9 sree p s j, kumar p, siddavatam r, et al. saltandpepper noise removal by adaptive medianbased lifting filter using secondgeneration wavelets c/ signal, image and video processing. berlin: springerverlag, 2011:1-8.10 金良海,熊才權(quán),李德華.自適應(yīng)型中心加權(quán)的中值濾波器j.華中科技大學(xué)學(xué)報(bào),2008,36(8):9-12.11 李敏.圖像的多圖加權(quán)求和去噪j.科學(xué)技術(shù)與工程, 2011,11(3):633-634.12 楊寧,張培林,任國全. 一種自適應(yīng)加權(quán)中值濾波方法的研究j.計(jì)算機(jī)應(yīng)用與軟件,2010,27(12):37-39.13 pan meisen, tang jingtian, yang xiaoli. an adaptive median filter algorithm based on bspline functionj. internatio