《(毕业设计)自适应中值滤波器设计.doc》由会员分享，可在线阅读，更多相关《(毕业设计)自适应中值滤波器设计.doc（50页珍藏版）》请在三一文库上搜索。
1、1 引言1.1 自适应中值滤波的研究现状不可否认，图像可以带给人们许多有用的信息，前提是保证图像足够清晰，至少能够处于人眼的识别范围之内。但从图像中获取信息的时候，人们不可避免的遇到图像受污染或损坏的情况，污染或损坏较为严重的图像已然失去了传递信息的功能。为了重现图像传递信息的功能，就必须对受污染或受损坏的图像进行处理。图像污染一般是由各种噪声造成的，其中在图像传输过程中，经由图像传感器、传输信道、解码器等传输通道时，容易产生一种常见的噪声：椒盐噪声。椒盐噪声也叫脉冲噪声，是一种黑白相间的亮暗点噪声，它会严重影响图像的质量。在各种滤波方法中，经研究表明中值滤波对椒盐噪声有较理想的滤除效果。可以
2、知道，传统的中值滤波在滤波效果和保持图像细节方面存在矛盾：当滤波窗口较小时，图像细节会得到较好的保持；当滤波窗口较大时，对图像会有较好的整体滤波效果。为了解决这一矛盾，人们提出了自适应中值滤波。自适应中值滤波通过一定的判定条件改变滤波窗口的大小，从而在滤波过程中兼顾细节与整体，从而较好的恢复被污染的图像。1.1.1 自适应中值滤波在算法上的研究现状近些年来，随着对图像处理要求越来越高，对自适应中值滤波的研究也越来越多。研究者们提出了关于自适应中值滤波的多种算法，如自适应定向加权中值滤波6，基于相似度函数的自适应加权中值滤波7,自适应开关中值滤波89。运算速度相对于一种滤波算法来说是比较重要的，
3、但同时也要注意算法精度的要求，尽量做到速度与精度之间的平衡。文献1提出一种基于十字滑动窗口快速自适应中值滤波算法1，与矩形窗相比，此方法计算速度快，并利用前一窗口信息，通过两个十字相交向量退化和推进，降低运算复杂度，加快运算速度；依据噪声强度调整窗口大小来提高去噪效果。运算速度的要求除外，自适应中值滤波对噪声点的检测也非常重要，噪声点判断正确与否直接决定滤波效果的好坏。文献2提出一种基于四分法噪声检测的开关中值滤波算法2，首先对窗口内像素值进行大小排序，然后通过差分法划分出高、低阶信号块和高、低阶噪声块。当待测像素属于信号块时，视其为信号点，否则根据噪声块与信号块内像素比例关系确定是否为噪声点
4、或可能噪声点，若为可能噪声点，增大滤波窗口进一步判断，若为噪声点，进行中值滤波。经过证明此算法对椒盐噪声有较强的抑制作用。文献3在对噪声点进行检测中引入了最小集合距离测度3，有效避免了将高频细节信号误判为噪声。且采用最小无污染点集合恢复噪声点，消除了邻域噪声点的影响。结果表明这种噪声检测方法正确率高，降噪与保留细节性好。在现实中，一幅图像所受的污染可能只有一种，也可能是两种或两种以上。因此，对混合噪声进行滤波显得尤为重要。许多对图像混合噪声的滤波方法中应用了自适应中值滤波。文献4和文献5中都提及了自适应中值滤波在混合噪声滤波上的作用。文献4中结合自适应中值滤波和小波变换的阈值滤波4的各自优点，
5、先对图像进行自适应中值滤波去除椒盐噪声，然后利用小波变换去除剩余的高斯噪声，从而对同时含有椒盐噪声和高斯噪声的混合含噪图像进行有效的滤波处理。文献5中提及一种基于自适应中值滤波和自适应加权均值滤波的混合滤波方法5。将同时含有椒盐噪声和高斯噪声的混合含噪图像分为若干区域，对每个区域进行噪声检测实现两种噪声的分离，然后采用自适应中值滤波和自适应加权均值滤波分别滤去椒盐噪声和高斯噪声。相关实验表明这是一种滤除混合噪声的有效方法。因此，可以这样说，相对于传统中值滤波来讲，无论是哪种算法，自适应中值滤波主要解决的问题为：1 噪声点的检测 2 保持滤波后图像细节与整体均有较好效果。到目前为止，没有一种方法
6、能够完全满足人们在图像滤波上的要求，随着时代的发展，对图像要求也会更高，这势必会驱使人们不断的进行这方面的研究，或是在已有成熟算法的基础上加以改进达到所要的目标，或是根据新的理论提出新的有更好处理效果的算法。1.1.2 自适应中值滤波的应用现状近些年来，自适应中值滤波的应用越来越广泛，包括通信、工业、农业、医疗保健、航空航天、气象，军事等诸多领域，其在国民经济的发展中所起的作用越来越大。工业方面：文献10研究了自适应中值滤波在焊缝跟踪过程的应用10。这属于自适应中值滤波在工业上的应用。焊缝图像在采集、传递、转化过程中也易受到噪声的污染，严重影响对焊缝的后续处理。通过自适应中值滤波不但可以滤除噪
7、声而且能够保证对焊缝实时跟踪的要求。文献11说明了发电厂锅炉火焰图像11的研究，通过对火焰图像进行滤波处理，了解锅炉内部的温度分布及煤的燃烧状态，从而对发电厂的安全经济运行提供重要的指导作用。文献12提出并研究了汽车夜视系统中图像增强12的问题，利用中值滤波算法提高夜视系统对图像的处理，从而增加夜间行车的安全性。农业方面：文献13对于植物叶片面积的计算中就利了对图像的自适应中值滤波13。此文中提及一种计算叶片面积的方法。首先利用CCD进行叶片图像采集，通过图像像素变换和阈值分割获得二值图像，随后利用自适应中值滤波去除图像中的噪声点，再根据一定算法得到叶片轮廓，最后得到叶片的面积。通过自适应中值
8、滤波的图像可以保留相当的叶片细节特征，因此根据处理后的图片能够比较精确的计算叶片的面积，从而有效的确定植物的种类和生长状态。这对植物研究和生产指导有重要的意义。医学方面：利用自适应中值滤波算法滤除医学图像脉冲噪声14是文献14的主要研究内容。医学图像容易受到强电磁场的干扰，从而导致图像出现信息丢失，文中采用滤波窗口自适应算法进行滤波，保持了较好的图像细节。这种算法目前已应用于虚拟内窥镜系统中，取得了令人满意的效果。而文献15则研究了细胞图像精度问题15。文中的研究过程首先就采用了自适应形态滤波对淋巴细胞图像进行去噪增强，既去除了噪声又保护了图像细节。此外，自适应中值滤波在气象方面16、地质方面
9、17、军事方面18、铁路运输、航海、航空航天上都有重要的应用。1.2 设计题目的提出及基本设计目标从（1.1）的叙述中，可以得知，自适应中值滤波无论在图像滤波的研究还是在涉及到图像滤波的实际应用中都有着重要的作用。所以，对其进行进一步研究或者进行相关设计，都具有比较大的实际意义。本文将在传统中值滤波的基础上，采用矩形窗，结合极值噪声检测法，设定一定条件并根据条件改变滤波窗口的大小，对被椒盐噪声污染的图像进行自适应中值滤波。设计的基本目标在于：1 实现对噪声密度在0.25至0.50之间几种常见格式图像的自适应中值滤波；2 滤波过程中做到对噪声点的检测；3 滤波结果可以使得图像整体和细节都有较好的
10、效果。1.3 论文结构安排本文首先对自适应中值滤波的研究现状、应用现状进行相关叙述，了解自适应中值滤波的作用及不足，然后在传统中值滤波的基础上提出窗口自适应中值滤波的设计。进一步叙述设计的过程，最后通过一系列实验验证设计是否实现相关要求。具体结构如下：1 自适应中值滤波的研究与应用现状及设计的提出；2 窗口自适应中值滤波器的设计；3 利用MATLAB软件进行实验；4 设计结论。2 窗口自适应中值滤波器的设计2.1 设计过程本文在对自适应中值滤波现状进行一定程度了解的基础上，对本次设计过程做如下安排：1 实现对图像的加噪处理并将加噪图像分成三原色图；2 确定噪声检测算法及实现滤波窗口的自适应变化
11、，完成对图像中椒盐噪声的滤除；3 设计实验对所设计的滤波器进行去噪效果的相关实验及分析，得出相应的结论。对于过程1与过程2，利用MATLAB自带函数可以实现：P=imnoise(x,salt & pepper,a)即为MATLAB中自带加噪函数，x表示需要加噪的图像，salt&pepper表示所加噪声为椒盐噪声（脉冲噪声），a表示所加噪声的噪声密度；由R=X(:,:,1);G=X(:,:,2);B=X(:,:,3);进行图像的三原色分离，R、G、B分别表示图像的红色、绿色、蓝色分量。所以对过程1与过程2不再有过多的叙述。设计的重点在于实现如何有效的进行噪声检测，如何设定滤波窗口进行大小改变的判
12、定条件，并该如何利用MATLAB软件进行相关实验（此内容在本文的第三部分将作详尽的介绍）验证滤波效果。2.1.1 设计所用自适应中值滤波算法1 噪声点检测的基本判断思想对于传统中值滤波来说，处理对象是所有的像素点，不仅改变了噪声点，也改变了信号点，这就造成了图像边缘信息的丢失19。因此本文设计的自适应滤波器的一个关键点就是实现对对噪声点的自动检测，只有实现对噪声的准确判断才能对噪声予以有效滤除，才能保证较好的滤波效果。本次设计采用极值检测法进行噪声检测。首先作如下的定义：Zmin为滤波窗口内像素值的最小值；Zmax为滤波窗口内像素值的最大值；Zmed为滤波窗口内所有像素值的均值；Zxy为检测点
13、（预滤波点，即滤波窗口中心）（x,y）的像素值；Smax为设定滤波窗口Sxy变化的最大值。基本的噪声点判断思想可以描述为，当滤波窗口中心（预滤波点）的像素值是窗口内所有像素值的最大或最小值时，可以判定其为噪声点，若不是最大值或最小值则判定其为信号点2 窗口自适应中值滤波算法具体的算法实现过程可分为两层；A层和B层A：A1=Zmed-Zmin A2=Zmed-Zmax；B：B1=Zxy-Zmin B2=Zxy-Zmax；A层用来判断窗口内像素值存在极值与否，若存在极值转入B层作进一步判定，若不存在极值，增大滤波窗口尺寸。可以作这样的判定条件：A10且A20时，说明滤窗内有极值，转入B层；否则增大
14、滤波窗口，在Sxy0且B2zmin) & (zmaxzmed) & alreadyProcessed; zB=(gzmin) & (zmaxg);outputZxy=processUsingLevelB & zB; outputZmed=processUsingLevelB & zB; f(outputZxy)=g(outputZxy); f(outputZmed)=zmed(outputZmed); alreadyProcessed=alreadyProcessed|processUsingLevelB; if all(alreadyProcessed(:) break; endend这段程
15、序实现的功能在描述设计中使用的自适应滤波算法部分时已有详细说明，此处不再赘述。完成滤波后需要对滤波后的三原色图进行复原，在MATLAB中使用cat函数完成，具体程序为：E=cat(3,D1,D2,D3)。 2.2 所设计滤波器的滤波效果检验方法上述过程对窗口自适应中值滤波器进行了实现其基本功能的相关设计，下面的设计则是针对滤波器的滤波效果的基本检验方法。1滤波效果的好坏可以直接用肉眼进行观察，若没有明显模糊感，则认为滤波效果较好，否则认定滤波效果较差。2肉眼观察的结果从一定程度来说不够严谨，所以需要用一定的数字理性的对滤波效果进行检验。检验方法为：分别计算原图像所有像素值的均值X1和滤波后恢复
16、图像所有像素值的均值E1，并用E1比X1，若得出的值在0.98以上且分别计算原图像所有像素值的均方差X2和滤波后恢复图像所有像素值的均方差E2，并用E2比X2，若得出的比值在0.99至1.05之内，则可以认为滤波效果较好。检验方法的MATLAB实现用到以下程序：X1=mean(X(:);%对原始图像的所有像素值求平均值E1=mean(E(:);%对滤波后图像的所有像素值求平均值A=E1/X1X2=std2(X);%对原始图像的所有像素值求均方差E2=std2(E);%对滤波后图像的所有像素值求均方差B=E2/X23 仿真实验设计窗口自适应中值滤波器的现实意义在于能够运用这种滤波器滤除一些受污染
17、图像的噪声，以期能够改善图像质量，从中获取想要的信息。因此，对设计好的滤波器进行一系列实验是很有必要的。通过实验了解滤波器的功能：1 该滤波器对常见三种格式（jpg、bmp、png）的图像在同样噪声密度的情况下的滤波效果；2 该滤波器对同种格式图像不同噪声密度情况下的滤波效果并从实验中确定该滤波器能够有效滤除图像噪声的范围；通过MATLAB软件进行仿真实验，确定设计的滤波器是否与设计目标相符。这部分内容分为以下三个方面：1 实验方案的设定；2 实验过程的进行；3 实验结论。3.1 实验方案本次试验的目的在上一段中已有较为明确的叙述，为了使实验能顺利的进行，下面对此次设计所需要的实验做一个详细的
18、方案设计。第一组实验：针对不同格式图像在同等大小密度的椒盐噪声下，所设计滤波器的滤波效果。1 选取上文所述三种格式（jpg、bmp、png）图像各三幅，为了保证除格式不同外，其余尽量做到相同，也可以选择三幅图像，分别按上述三种格式进行保存，之后分为三组，每一组都包括这三种格式的图像各一幅，目的是对这三组的实验结果做比较，以便实验结果更具说服力。2 在MATLAB环境下对两组图像分别进行窗口自适应中值滤波，对不同格式图像输入同等大小密度的椒盐噪声，噪声密度选三种，分别为0.25、0.40、0.55。每一幅图像在同一密度噪声下重复进行三次滤波，目的是排除滤波过程中由于机器或程序运行环境造成的偏差。
19、完成滤波后，初步比较，若没有明显偏差，选择其中一组的结果作为本次试验的结果，若出现较大偏差，则在结果相近的那两组中选择其中一组的结果作为本次试验的结果。记录相关数据（滤波后图像与原图像像素值的均值比值和均方差比值），保存滤波后的图像，以便对实验结果进行分析。3 对记录的数据进行分析，对比原图像和滤波后的图像，得出相应的结果。第二组实验：针对同种格式图像（实验中选用jpg格式的图像）在不同密度的椒盐噪声情况下，所设计滤波器的滤波效果。1 选取jpg格式图像三幅（除后续实验中所加噪声密度不一致外，其余尽量做到一致），避免所选图像本身像素问题对滤波效果造成不好的影响。2 在MATLAB环境下对所选三
20、幅jpg图像分别进行窗口自适应中值滤波。由于进行实验时要比较同一幅图像在不同椒盐噪声密度下通过所设计的滤波器滤波后的效果，为了保证实验结果具有较强的说服力，需要对所加噪声的密度进行设定：噪声密度由小到大进行加入，最小噪声密度设为0.25。噪声密度在0.25到0.55之间，所加噪声步长设为0.10；噪声密度在0.55以上，所加噪声步长设为0.02。当实验过程中滤波后的图像出现明显斑块、细节模糊或严重影响人们获取相关信息的情况时，不再增加噪声密度。完成滤波后，初步比较，若没有明显偏差，选择其中一幅的结果作为本次试验的结果，若出现较大偏差，则在结果相近的那两幅中选择其中一幅的结果作为本次试验的结果。
21、记录相关数据（滤波后图像与原图像像素值的均值比值和均方差比值），保存滤波后的图像，以便对实验结果进行分析。3 对记录的数据进行分析，对比原图像和滤波后的图像，得出相应的结果。3.2 实验过程本文中涉及的实验包含三组，实验方案的设定在上文已有叙述，按照设定的实验方案分别进行实验。每组实验的实验过程分三步进行：实验准备、进行实验、实验结果的选定。具体的实验过程如下：3.1.1 第一组实验的实验过程第一组实验：针对不同格式图像在同等大小密度的椒盐噪声下，所设计滤波器的滤波效果。实验准备：选取三幅不同的图像，为了确保除了所加椒盐噪声密度不同之外，其余均尽可能保持一致，每一幅图像都以三种格式（jpg、b
22、mp、png）分别进行保存。实验中以同一幅图像由不同格式予以保存后形成的三幅图像为一组。为了在实验中避免过度频繁的对程序中图像路径、图像名称、图像格式及所加噪声密度的更改，对程序事先进行必要改动，如生成适合对bmp格式图像滤波的M文件，适合对噪声密度为0.25的图像滤波的M文件等。进行实验：实验设置三组图像，分别对这三组图像进行窗口自适应中值滤波。1首先对图像椒盐噪声密度为0.25的情况进行滤波实验。对每组的三幅图像均进行三次滤波实验。实验结果显示，三组图像中每一组每一幅图像各自进行的三次滤波均结果均没有明显的偏差，任选一次的结果作为实验的结果。实验结果如下：椒盐噪声密度为0.25时的实验结果
23、：滤波前三种格式图像的原图像分别为：图3-1 jpg格式的原图像图3-2 bmp格式的原图像图3-3 png格式的原图像加入密度为0.25的椒盐噪声后三种格式图像为：图3-4 加密度为0.25椒盐噪声后的jpg格式图像图3-5 加密度为0.25椒盐噪声后的bmp格式图像图3-6 加密度为0.25椒盐噪声后的png格式图像经过所设计窗口自适应中值滤波器滤波后三种格式恢复图像为：图3-7 滤波后jpg格式恢复图像图3-8 滤波后bmp格式恢复图像图3-9 滤波后png格式恢复图像滤波后图像与原图像像素均值、均方差值的比值：A 表示均值比，B 表示均方差值比。图3-10 jpg格式图像滤波后与滤波前
24、像素均值比与均方差值比图3-11 bmp格式图像滤波后与滤波前像素均值比与均方差值比图3-12 png格式图像滤波后与滤波前像素均值比与均方差值比2其次对图像椒盐噪声密度为0.40的情况进行滤波实验。对每组的三幅图像均进行三次滤波实验。实验结果显示，三组图像中每一组每一幅图像各自进行的三次滤波均结果均没有明显的偏差，任选一次的结果作为实验的结果。实验结果如下：椒盐噪声密度为0.40时的实验结果：滤波前三种格式图像的原图像：参照图3-1，图3-2，图3-3。加入密度为0.40的椒盐噪声后三种格式图像为：图3-13加密度为0.40椒盐噪声后的jpg格式图像图3-14加密度为0.40椒盐噪声后的bm
25、p格式图像图3-15加密度为0.40椒盐噪声后的png格式图像经过所设计窗口自适应中值滤波器滤波后三种格式恢复图像为：图3-16 滤波后jpg格式恢复图像图3-17 滤波后bmp格式恢复图像图3-18 滤波后png格式恢复图像滤波后图像与原图像像素均值、均方差值的比值：A 表示均值比，B 表示均方差值比。图3-19 jpg格式图像滤波后与滤波前像素均值比与均方差值比图3-20 bmp格式图像滤波后与滤波前像素均值比与均方差值比图3-21 png格式图像滤波后与滤波前像素均值比与均方差值比3最后对图像椒盐噪声密度为0.55的情况进行滤波实验。对每组的三幅图像均进行三次滤波实验。实验结果显示，三组
26、图像中每一组每一幅图像各自进行的三次滤波均结果均没有明显的偏差，任选一次的结果作为实验的结果。实验结果如下：椒盐噪声密度为0.55时的实验结果：滤波前三种格式图像的原图像：参照图3-1，图3-2，图3-3。加入密度为0.55的椒盐噪声后三种格式图像为：图3-22加密度为0.55椒盐噪声后的jpg格式图像图3-23加密度为0.55椒盐噪声后的bmp格式图像图3-24加密度为0.55椒盐噪声后的png格式图像经过所设计窗口自适应中值滤波器滤波后三种格式恢复图像为：图3-25 滤波后jpg格式恢复图像图3-26 滤波后bmp格式恢复图像图3-27 滤波后png格式恢复图像滤波后图像与原图像像素均值、
27、均方差值的比值：A 表示均值比，B 表示均方差值比。图3-28 jpg格式图像滤波后与滤波前像素均值比与均方差值比图3-29 bmp格式图像滤波后与滤波前像素均值比与均方差值比图3-30 png格式图像滤波后与滤波前像素均值比与均方差值比3.1.2 第二组实验的实验过程第二组实验：针对同种格式图像（实验中选用jpg格式的图像）在不同密度的椒盐噪声情况下，所设计滤波器的滤波效果。实验准备：选取三幅不同jpg格式的图像，三幅图像细节部分尽可能相一致。进行实验：在MATLAB环境中，对所选三幅图像分别利用所设计的窗口自适应中值滤波器进行滤波。实验结果显示，三幅图像中每一幅图像各自进行滤波后结果均没有
28、明显的偏差，任选一次的结果作为实验的结果。实验结果如下：图3-31 原图像对图像加载不同密度的椒盐噪声：图3-32 加密度为0.25椒盐噪声后的图像图3-33 加密度为0.35椒盐噪声后的图像图3-34 加密度为0.45椒盐噪声后的图像图3-35 加密度为0.55椒盐噪声后的图像图3-36 加密度为0.57椒盐噪声后的图像图3-37 加密度为0.59椒盐噪声后的图像图3-38 加密度为0.61椒盐噪声后的图像图3-39 加密度为0.63椒盐噪声后的图像针对不同密度的椒盐噪声滤波后的图像：图3-40 椒盐噪声密度为0.25情况下滤波后的图像图3-41 椒盐噪声密度为0.35情况下滤波后的图像图3
29、-42 椒盐噪声密度为0.45情况下滤波后的图像图3-43 椒盐噪声密度为0.55情况下滤波后的图像图3-44 椒盐噪声密度为0.57情况下滤波后的图像图3-45 椒盐噪声密度为0.59情况下滤波后的图像图3-46 椒盐噪声密度为0.61情况下滤波后的图像图3-47 椒盐噪声密度为0.63情况下滤波后的图像不同椒盐噪声密度下滤波后图像与原图像像素均值比及均方差值比：A 为均值比，B 为均方差值比。图3-48 椒盐噪声为0.25情况下图像滤波后与滤波前像素均值比与均方差值比图3-49 椒盐噪声为0.35情况下图像滤波后与滤波前像素均值比与均方差值比图3-50 椒盐噪声为0.45情况下图像滤波后与
30、滤波前像素均值比与均方差值比图3-51 椒盐噪声为0.55情况下图像滤波后与滤波前像素均值比与均方差值比图3-52 椒盐噪声为0.57情况下图像滤波后与滤波前像素均值比与均方差值比图3-53 椒盐噪声为0.59情况下图像滤波后与滤波前像素均值比与均方差值比图3-54 椒盐噪声为0.61情况下图像滤波后与滤波前像素均值比与均方差值比图3-55 椒盐噪声为0.63情况下图像滤波后与滤波前像素均值比与均方差值比3.3 实验结论对以上两组实验，通过对原图像和滤波后图像，滤波后图像之间的对比观察，通过对滤波后图像与原图像像素均值比及均方差比作分析，可以得出相应的结论。以下分别是上述两组实验的实验结论。3
31、.2.1 第一组实验的实验结论第一组实验的目的在于了解所设计窗口自适应中值滤波器对不同格式的图像在同一密度椒盐噪声下的滤波效果。通过第一组实验的实验过程中所得出的实验结果，通过观察分析，可以得出：1 通过观察不同格式原图像与不同格式图像滤波后的恢复图像效果，可以知道，无论所加椒盐噪声密度为0.25或者0.40还是0.55，bmp格式的图像在滤波后出现明显失真，恢复图像中出现大范围的彩色条纹或彩色斑块，影响了人们从图像中获取应有的信息（bmp恢复图像中有一部分的湖水就显示为彩色条纹状的，从而不能正确得知那是湖水）。而对于jpg格式和png格式的图像，恢复图有这较好的整体效果，某些细节部分略显模糊
32、，但不影响人们对图像内容的判别（如图像中远处的楼房和小亭子在恢复图像中只是略显模糊，人们还是可以正确甄别出来）。2 通过对比同一椒盐噪声密度下不同格式图像的恢复效果，可以得知，bmp格式图像的恢复效果最差，影响到了人们的感知，png格式图像恢复效果与bmp格式图像的恢复效果相比，明显好了很多，不管是在整体效果还是细节效果上来说都不会影响人们对图像中信息的获取。而jpg格式图像的恢复效果是最好的，无论在整体还是细节上都有较好的效果。3 图像滤波后与滤波前像素均值比与均方差值比也可以对图像经滤波后的恢复效果作出判定。均值比值越接近1说明滤波前后图像像素值接近程度越高，图像的恢复效果也越好。均方差表
33、示图像中像素值偏离均值的程度，所以其比值越小说明图像滤波前后的像素值接近程度越高，图像的恢复效果也越好。从实验中所得的上述两类数据得比较中可以得出，jpg格式图像滤波后的恢复效果最好，png格式图像滤波后恢复效果次之，bmp格式图像滤波后恢复效果最差。结合以上三点，可以得出针对不同格式的图像在同一密度椒盐噪声的情况下，所设计窗口自适应中值滤波器显然对jpg格式的图像具有最好的滤波效果，最适合对此种格式的图像进行滤波处理。对于png格式的图像来说，所设计的滤波器能够完成滤波任务，滤波效果在很大程度上不会影响对图像信息的获取。而对于bmp格式的图像来说，所设计的滤波器不能较好的完成滤波任务，滤波效
34、果严重影响对图像信息的获取。3.2.2 第二组实验的实验结论第二组实验的目的在于了解所设计窗口自适应中值滤波器对同种格式的图像在不同密度椒盐噪声下的滤波效果。通过第二组实验的实验过程中所得出的实验结果，通过观察分析，可以得出：1 对比原图像与不同密度椒盐噪声情况下滤波后的恢复图像。由实验过程可知，椒盐噪声密度是由0.25到0.63逐渐由小到大变化的。观察并分析上文所示实验结果，当噪声密度在0.25到0.57之间时，滤波后图像的恢复效果都较好，虽然噪声密度为0.55和0.57时恢复图像出现少许模糊，但总体上不会影响人们对图像信息的获取。当椒盐噪声的密度在0.59到0.63之间时，根据实验结果显示
35、的恢复图像，噪声密度为0.59时，恢复图像与原图像相比模糊程度加深，且图像上出现了少量较小的彩色斑块；当噪声密度大于0.59时，与原图像相比，恢复图像的模糊程度进一步加大，图像上出现的彩色斑块数量增，所占面积变大，已对人们获取图像信息造成相当程度的影响。可以确定，当进一步加大所添加椒盐噪声的密度后，滤波后图像的恢复效果与原图像相比会更差，会更严重的影响人们获取图像信息。2 不同密度椒盐噪声情况下滤波后的恢复图像之间的比较。直观上可以看出，当所加椒盐噪声密度由0.25逐渐增大直到0.63时，滤波后的恢复图像效果，随噪声的逐渐增大而渐渐变差，主要表现在画面逐渐模糊，且模糊程度逐渐加深，到后来甚至出
36、现彩色斑块，且彩色斑块大小和数量随噪声密度的增的而变大，增多。所以，与椒盐噪声密度较小(0.57以下)时相比，噪声密度较大时图像的恢复效果不良，影响了人们对图像信息的获取。3 图像滤波后与滤波前像素均值比与均方差值比进行相互比较。上文中说过，均值比值越接近1说明图像的恢复效果也越好。均方差比值越小说明图像滤波前后的像素值接近程度越高，图像的恢复效果也越好。通过对比图3-48、图3-49、图3-50、图3-51、图3-52、图3-53、图3-54、图3-55中所示的滤波后与滤波前像素均值比、像素均方差比，可知，随所添加椒盐噪声密度由小到大的变化趋势，像素均值比A逐渐变小，像素均方差值比B逐渐增大
37、，所以可以得出：随噪声密度的逐渐增大，所设计的窗口自适应中值滤波器的滤波效果逐渐变坏。结合以上三点，可以得出针对同种格式图像在不同密度的椒盐噪声情况下，所设计的窗口自适应中值滤波器的滤波效果显然是随着所加噪声密度的增加而逐渐变坏的。其中，噪声密度在0.57以下时，滤波器的滤波效果较好，噪声密度在0.57以上时滤波器的滤波效果就会对图像信息的获取造成影响。因此，所设计的窗口自适应滤波器的能够有效滤除的图像椒盐噪声密度范围为0.57以下。结 论自适应中值滤波器与传统中值滤波器相比，优势在于能够分别出图像的噪声点和非噪声点，在判断噪声点的过程中滤波窗口会根据一定的条件进行尺寸的变化，因而能够更有效的
38、滤除噪声，并保持较好的细节与整体效果。本设计中的窗口自适应中值滤波器做到了对图像噪声点的检测，在滤波过程中窗口尺寸会根据设定的条件进行自适应大小调整。根据实验结果可知，设计的窗口自适应中值滤波器的有效滤波范围为所加椒盐噪声密度在0.57以下，完成了设计目标（设计目标中有效滤波范围为所加椒盐噪声密度为0.25到0.50），并且在有效滤波范围内，滤波器对jpg格式和png格式图像在整体和细节上的滤波效果均较好，均能使人们能够较好的获得必要的图像信息。致 谢为期一个学期的毕业设计即将结束。在完成毕业设计的这段时间里，我得到了老师和同学们的大力帮助，有很大的感触首先，我要感谢的是我的指导教师刘齐跃老师
39、。他有着严谨的治学精神，丰富的知识，在百忙之中不忘对我们的关心和指导，这些都给我留下了深刻的印象。我的设计课题的很多后期问题都得到了刘齐跃老师的细心指导。他很明确的指引出我关于课题设计工作与学习的正确方向。还有我得感谢包堃，他是刘老师所带的研究生，在毕业设计的前期工作中，帮我寻找大量的相关资料，给我解答了很多我以前不太了解的问题。其次，感谢在毕业设计期间给我很多帮助的同学们，他们帮我检查错误，解答有关问题，可以说，我的毕业设计能够顺利完成，其中有他们的一份功劳。完成毕业设计的过程中，有付出也有收获。我始终明白付出的汗水终究不会白流，虽然本次设计无论在生活上还是科研上参考意义可以说很微小，但对于
40、我来说，这一段经历却是独一无二的，在以后的生活和工作中都将起着重要的指导意义。从课题的开始到完成毕业设计说明书的撰写，每走一步都得到了刘齐跃老师的帮助与支持。当我打完毕业设计说明书的最后一个字符，涌上心头的不仅仅是长途跋涉后抵达终点的欣喜，更有着源自心底的诚挚谢意。在这里，我要再一次对刘齐跃老师表示由衷的感谢，他对我毕业设计课题构思以及设计说明书的内容多次进行指导和悉心指点，才使我在完成论文的同时深受启发和受到再一次的教育。最后，由衷感谢评阅组和答辩组的各位老师对我的毕业设计论文的指导点评。我也在努力的积蓄着力量，尽自己的微薄之力来回报母校对我四年来的培育之情，争取使自己的人生能对社会产生积极
41、的价值！参 考 文 献1张新明，党留群，徐久成.基于十字滑动窗口的快速自适应图像中值滤波. 计算机工程与应用,2007，43（27）2 徐超， 陈一虎.基于四分法噪声检测的开关中值滤波算法. 计算机工程与设计, 第29 卷第18 期, 2008年9月3 卫保国.一种改进的自适应中值滤波方法. 计算机应用, 第28卷第7期, 2008年7月4 万小红.一种基于中值滤波和小波变换的图像去噪算法研究.北华大学学报( 自然科学版),第13 卷第3 期,2012 年6 月 5 张旭明,徐滨士,董世运,甘小明.自适应中值-加权均值混合滤波器.光学技术, 第30卷第6期,2004年11月6 郭晓新,卢奕南,许志闻,王云霄,庞云阶. 自适应定向加权中值滤波. 吉林大学学报( 理学版), 第4期第43卷, 2005年7月7 邓秀勤,熊勇. 用于图像处理的加权中值滤波算法. 计算机技术与发展,第19 卷 第3 期, 2009年3月 8