利用圖像統(tǒng)計(jì)特征的的自適應(yīng)中值濾波算法

王婉婉

摘 要：椒鹽噪聲是圖像中一種常見(jiàn)的噪聲，如何去除椒鹽噪聲一直是圖像處理研究的熱門(mén)領(lǐng)域。自適應(yīng)中值濾波是去除椒鹽噪聲較好的算法，該算法認(rèn)為極值點(diǎn)是噪聲點(diǎn)，實(shí)際上極值點(diǎn)有可能是噪聲點(diǎn)也有可能是圖像細(xì)節(jié)點(diǎn)。本文針對(duì)極值點(diǎn)提出了基于局部區(qū)域均值和方差信息和細(xì)節(jié)點(diǎn)在某一方向上是連續(xù)的特性進(jìn)行極值點(diǎn)兩次判定的算法。

關(guān)鍵詞：椒鹽噪聲 均值與方差 方向性 圖像去噪

中圖分類(lèi)號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：16723791（2017）11（b）-0021-02

在處理椒鹽噪聲時(shí)，自適應(yīng)中值濾波算法是一種效果較好的算法[1]。該算法根據(jù)濾波窗口內(nèi)中值與極大值和極小值的關(guān)系，判斷中心點(diǎn)是否是噪聲點(diǎn)[2]。當(dāng)中心點(diǎn)在極大值和極小值之間認(rèn)為是圖像中的像素。當(dāng)中心點(diǎn)該算法認(rèn)為極值點(diǎn)是圖像中的噪聲點(diǎn)，但實(shí)際情況是有可能是圖像的細(xì)節(jié)點(diǎn)[3]。

本文根據(jù)局部均值與方差的信息設(shè)定一個(gè)閾值，來(lái)判斷極值點(diǎn)是否是噪聲點(diǎn)。再根據(jù)圖像中的細(xì)節(jié)點(diǎn)在某一方向是連續(xù)的、噪聲點(diǎn)是孤立的不同特性，對(duì)極值點(diǎn)進(jìn)行是否有方向性的二次判斷。

1 基于兩次判斷的自適應(yīng)中值濾波算法

1.1 初次判斷

針對(duì)極值點(diǎn)是是噪聲還是細(xì)節(jié)可以通過(guò)閾值來(lái)判定。在信號(hào)處理領(lǐng)域，方差是信號(hào)平坦程度的反應(yīng)，能較好的體現(xiàn)信號(hào)的局部特性[4]，方差較大時(shí)，說(shuō)明該點(diǎn)偏離中心點(diǎn)較大，可能是噪聲點(diǎn)，在這個(gè)基礎(chǔ)上設(shè)置閾值比較合適，將均值和方差作為區(qū)分噪聲和圖像像素的閾值，即：

（1）

（2）

和為判斷噪聲的上下界限，其中k1和k2為調(diào)整系數(shù)。

1.2 第二次判斷

中值濾波判斷噪聲的依據(jù)是考慮噪聲點(diǎn)的灰度值與周?chē)袼鼗叶戎凳欠癜l(fā)生突變。判斷圖像邊緣的依據(jù)同樣是考慮該點(diǎn)像素灰度值與周?chē)c(diǎn)是否發(fā)生突變。兩者唯一的區(qū)別是邊緣點(diǎn)在某一方向上是連續(xù)的[5]，即邊緣具有方向性。可以對(duì)當(dāng)前點(diǎn)進(jìn)行周?chē)?方向的連續(xù)性檢測(cè)。若8方向上均不連續(xù)，則認(rèn)為當(dāng)前點(diǎn)是噪聲點(diǎn)，否則是信號(hào)點(diǎn)。若連續(xù)的話(huà)，則沿著某一方向上的點(diǎn)與當(dāng)前像素點(diǎn)的偏離程度較小，設(shè)定一個(gè)閾值范圍，來(lái)判定是否連續(xù)。

設(shè) （3）

（4）

式中，為中心點(diǎn)像素值，和為調(diào)整系數(shù)。

2 實(shí)驗(yàn)結(jié)果

利用MATLAB仿真平臺(tái)，用Lena圖像用本文算法做仿真測(cè)試。對(duì)圖像加入70%的椒鹽噪聲，分別用自適應(yīng)中值濾波、均值與方差處理和兩步算法進(jìn)行處理。結(jié)果如圖1所示，為了更清楚地觀察圖像處理后的細(xì)節(jié)，選取圖像中的局部區(qū)域（圖中深色方框部分）來(lái)進(jìn)行討論，見(jiàn)圖2。可以看出，當(dāng)噪聲濃度為70%時(shí)，自適應(yīng)中值濾波處理后的圖像已經(jīng)明顯含有噪聲點(diǎn)，本文算法在局部區(qū)域依然能較好地保持圖像的細(xì)節(jié)。

本文采用的客觀的評(píng)價(jià)標(biāo)準(zhǔn)主要有均方誤差（MSE）和峰值信噪比（PSNR）。

均方誤差計(jì)算公式為：

（5）

式中，為經(jīng)過(guò)本文算法處理后的圖像的灰度值，為原始圖像的灰度值。

峰值信噪比計(jì)算公式為：

（6）

3 結(jié)語(yǔ)

本文提出了一種基于兩次判斷的自適應(yīng)中值圖像去噪算法，對(duì)比傳統(tǒng)自適應(yīng)中值濾波方法和本文改進(jìn)的濾波方法對(duì)圖像進(jìn)行消噪處理后的MSE值PSNR值，可以看出本研究中所提出的算法對(duì)含椒鹽噪聲圖像進(jìn)行去噪時(shí)，保留了圖像的細(xì)節(jié)。

參考文獻(xiàn)

[1] Gonzalez R C，Wood R E.Digital Image Processing[M].Second Edition Beijing ：Publishing House of Eletronics Iudustry，2002：183-193.

[2] 劉淑娟，趙曄.基于斜率的自適應(yīng)中值濾波算法[J].計(jì)算機(jī)應(yīng)用，2012，32（3）：736-738.

[3] 周玲芳，陳菲.基于斜率差值的自適應(yīng)圖像椒鹽噪聲濾波算法[J].液晶與顯示，2015，30（4）：695-700.

[4] 張航，曹瞻.基于局部均值與方差的圖像中值濾波方法[J].中南大學(xué)學(xué)報(bào)：自然科學(xué)版，2013，44（S2）：381-384.

[5] 李陽(yáng)，張欣，張濤.一種保留圖像邊緣的自適應(yīng)中值濾波器算法[J].通信技術(shù)，2015，48（12）：1367-1731.endprint