《几种中值滤波去噪方法分析.docx》由会员分享，可在线阅读，更多相关《几种中值滤波去噪方法分析.docx（7页珍藏版）》请在三一文库上搜索。
1、几种中值滤波去噪方法分析在数字图像的转换、存储和传输等过程中,经常性由于电子设备工作环境的 不稳定,由于设备中含有一些污染物等原因,导致数字图像中一些像素点的灰度 值发生非常大的变化,变得非常小或者非常大；而且大气环境很容易干扰无线数 据传输,从而让传输信号混入噪声,接收到的无线信号恢复成传输过来的数字图 像较原图像相比也会有很大的不同. 在这些过程中,椒盐噪声很容易就会对数字 图像造成感染.客户满意的数字图像尽可能少或者没有受到椒盐噪声的污染.所以我们需要去噪处理.在现阶段处理椒盐噪声方面的研究成果方面,由于中值滤波有其非线性的特 性,比照其他线性滤波方法可以取得更好的效果, 同切同时还可以
2、更好的保存图 像的边缘信息.很多学者在研究通过中值滤波消除椒盐噪声的影响, 希望可以得 到更好的去噪效果.第一节标准中值滤波方法标准中值滤波是把这个窗口内的像素点按灰度值大小进行排列,把灰度值的平均值当作标准值.我们以一个8位的图像作为例子,由于椒盐噪声会让受影响的像素点灰度值 改为亮点,即灰度值为255;或者暗点,即灰度值为00我们在排序的时候,把 收到污染的像素点的灰度值大小排列出来, 取中间值为所有噪点值,那么就可以 消除噪声污染对这个点的影响.其具体步骤如下： 把窗口在图像中滑动,然后让窗口中央与某一像素点重合 记录下窗口中所有像素点的灰度值将这些灰度值从小到大排序 记录下该灰度值序列
3、中间的值 将所记录下的中间值替代窗口中央像素点的灰度值由于中值滤波的输出灰度值大小是由窗口的中值大小所决定的,所以中值滤波对于窗口内脉冲噪声远远没有均值滤波敏感. 因此相对于均值滤波,中值滤波 可以在有效去除脉冲噪声的同时,减小更多的模糊图像.由于由于中值滤波所采 用的窗口大小会直接决定去噪效果和图像模糊程度, 而且图像去噪后的用途也就 决定了窗口的形式.以5*5窗口为例,常见的形状如图2.1所示：图 2.1常见的尺寸为5*5的中值滤波窗口尽管标准中值滤波方法称得上是现在市面上的一种最简单有效的去除椒盐 噪声的方法.但是它判断像素点是否被噪声影响的机制不明确,尽管采用该方法时已经对所有像素点进
4、行了一次滤波操作,还是会在一定程序上对图像的边缘、 细节信息产生破坏.第二节带权值的中值滤波方法Brownrigg提出了一种改良的中值滤波方法：带权值的中值滤波方法.这个 滤波的步骤和SM根本一样,不同的地方在于： WM在排序取中值的时候要在SM之前,而且会先对窗口内所有像素点设置相应的权值,并在排序时统计每个 像素点需要根据其权值的数值出现多少次.我们先假定点集x *,*是输入窗口的像素点集合,对应的 y *,*就是输 出窗口像素点集合.对于当前进行滤波操作的像素点(s, t),以其为中央选取一个2N 1 * 2N 1 的滤波窗口 Win i,j s N i s N,t N j t N .对
5、 于窗口 Win,其权值 Weight h i, j i, j Win, i,jWnhi,j C .其中 C 为 奇数,且应大于或等于窗口的大小.在排序操作时,那么窗口内任意像素点X(i,j)需重复h(i,j)次,窗口中央点(s,t)的值被修改为:Y s, t median h i , j X i , j x i , j Win(2.1)以一个一维的 WM滤波窗口 Win为例,设 Win是以X(4,0)为中央,左右各 取一个像素点的窗口,即 Win x 3,0 ,x 4,0 ,x 5,0 .设该窗口各个像素点 的权值Weights x 3,0 ,x 4,0 ,x 5,02,3,2 ,对于该窗口
6、,其输出值,即滤波后窗口中央像素点Y值为：Y 0,0 medianx 3,0 ,x 3,0 ,x 4,0 ,x 4,0 ,x 4,0 ,x 5,0 ,x 5,0 (2.2)我们通过观察窗口内各个像素点的不同权值,发现可以大大增强滤波器输出结果和窗口内其他像素点之间的联系. 而且设定适宜的权值,WM滤波方法相比 SM滤波方法不但可以更好的保护图像的细节及边缘信息,还能够较好的去除噪 声污染.第三节三态中值滤波方法tri-state中值滤波方法首先通过噪声检测机制的手段,来判断当前像素点是否已经被噪声感染.如果未被感染,那么输出结果仍旧为该像素点的灰度值.如果已经被感染,那么根据之前检测的结果选择
7、采用 CWM或者SM进行滤波操作,以去除噪声.其算法结构可以用图2.2表示:图2.2 tri-state滤波器结构图TSM滤波器的输出值可以根据TSM的特性可得到以下公式表达:TSMX jT d 1YjTSM d 2 T d 1YjSMT d 2(2.3)式2.2中,YjCWM即对于Xj ,经过CWM滤波器得到的输出值,Y：M那么是通过SM滤波器得到的输出值.di和d2分别代表Xj与YSM和Y：WM的差值.根据SM与CWM滤波器的计算方法不难证实明,d2 di.di xjYjSM , d2 区YjCWM(2.(4)我们为了到达更好的除噪效果可以通过以下手段：保持输出灰度值与输入灰度值一致可以保
8、护图像的细节信息；采用SM和CWM滤波器这两种滤波算法可以有效的去除椒盐噪声.TSM作为从SM和CWM提出来的新滤波方法,TSM的优势在于根据SM与 CWM滤波器的结果,限制阈值 T检测噪声并调节输出结果.所以对于 SM和 CWM这两种方法能处理的噪声点,TSM不但都可以有效的进行滤除；而且对于 未受椒盐噪声感染的像素点,可以保持原图像不变.综上所述TSM相对于SM和CWM,它不但在处理噪声表现良好,而且在保持图像细节信息的处理上更为 合理有效网.第四节 自适应中值滤波方法我们通过对中央权值进行分析,不难得出以下结论：假设权值为1时,CWM 那么退化成为SM,然而当权值不小于窗口大小时,CWM
9、滤波器的输出值始终为 初始值,也就是会导致CWM失去去噪效果.通过科学实验验证,当中央权值取 3的时候,可以得到相比其他值更好的滤波效果.从上面的结论可知,CWM的中央权值为3时,可以增加序列里中央像素点 占所有像素点的比重,以便得到更好的去噪效果.那对于 SM,通过改变序列中 值左右两个值的大小,观察其去噪效果会发生什么变化呢对于SM滤波器,除了序列中值外,序列中中值前面一个值与中值后面一个 值对去噪的效果也会起到了明显作用.于是结合CWM的这些优点,并整合了TSM和NASWF等滤波器设计的思想,设计了一个改良的自适应中值滤波器 Adaptive Median Filter, AM 10.其
10、主要滤波方法如下：rank WjSMjWS 12WS 12if rank XjWS 12AMjSMjRws 12Rws 22WS 1 rank Wj j 2WS 12ifrank XjWS 12(2.(5)式2.4中,WS表式窗口大小,Ri表小序列中第个元素的值,rank(X)表示素X在序列中的位置,点i,j为窗口中央像素点.对于点I,j,经过AM滤波 后的输出值即为AM ij0根据TSM中设计的阈值策略,Chang在其设计中也参加了类似的策略,通 过阈值T来判断是否需对当前像素点采用式 2.4进行滤波,或者保存原值:AM jX j AM j TY jX jX j AM j T图3.5 AM滤
11、波器结构图第五节本章小结本章主要是研究了四种常见的中值滤波方法,并对这些算法进行研究可以得 到以下结论.尽管标准中值滤波方法称得上是现在市面上的一种最简单有效的去除椒盐 噪声的方法.但是它判断像素点是否被噪声影响的机制不明确,尽管采用该方法时已经对所有像素点进行了一次滤波操作,还是会在一定程序上对图像的边缘、 细节信息产生破坏.我们通过观察窗口内各个像素点的不同权值, 发现可以大大 增强滤波器输出结果和窗口内其他像素点之间的联系.而且设定适宜的权值, WM滤波方法相比SM滤波方法不但可以更好的保护图像的细节及边缘信息,还 能够较好的去除噪声污染.TSM作为从SM和CWM提出来的新滤波方法,TSM 的优势在于根据SM与CWM滤波器的结果,限制阈值T检测噪声并调节输出结 果.所以对于SM和CWM这两种方法能处理的噪声点,TSM不但都可以有效 的进行滤除；而且对于未受椒盐噪声感染的像素点, 可以保持原图像不变.综上 所述TSM相对于SM和CWM ,它不但在处理噪声表现良好,而且在保持图像 细节信息的处理上更为合理有效8.