馬向華

（凱邁（洛陽）測控有限公司，河南 洛陽 471009）

隨著人們生產(chǎn)條件的不斷改善、生活條件的不斷提升、要求標(biāo)準(zhǔn)的不斷提高，各行各業(yè)對數(shù)字圖像的需求越來越大，有力推動了數(shù)字圖像處理技術(shù)的發(fā)展。數(shù)字技術(shù)作為信息時(shí)代的重要標(biāo)志，數(shù)字圖像更是成為溝通世界、讓人們了解世界、獲取信息、認(rèn)知世界、展示和表達(dá)信息的重要橋梁之一。特別是以圖像為代表的多媒體技術(shù)，已經(jīng)成為一種重要的信息表達(dá)形式。

在這種背景之下，數(shù)字圖像處理技術(shù)也被各界廣泛重視。數(shù)字圖像處理技術(shù)，又稱為計(jì)算機(jī)圖像處理，就是通過對數(shù)字化后的圖像信息，進(jìn)行某些運(yùn)算或處理，從而實(shí)現(xiàn)提高圖像品質(zhì)，提高圖像可視效果。

提高數(shù)字圖像品質(zhì)的方法，主要有兩類：

一類是不考慮圖像降質(zhì)的原因，只將圖像中感興趣的部分加以處理，或突出有用的圖像特征，故改善后的圖像并不一定要去逼近原圖像，這一類圖像改善方法，是圖像增強(qiáng)技術(shù)，其主要目的是要提高圖像的可懂度；

另一類方法是針對圖像降質(zhì)的具體原因，設(shè)法補(bǔ)償降質(zhì)因素，使改善后的圖像盡可能地逼近原始圖像，這類方法稱為圖像恢復(fù)或圖像復(fù)原技術(shù)，改善后的圖像會更接近原來圖像真貌。

1 數(shù)字圖像處理的優(yōu)點(diǎn)

1.1 再現(xiàn)性好

數(shù)字圖像處理與模擬圖像處理的根本不同在于，其不會因圖像的存儲、傳輸或復(fù)制等一系列變換操作，而導(dǎo)致圖像品質(zhì)的退化。只要圖像在數(shù)字化時(shí)，準(zhǔn)確地表現(xiàn)了原稿，則數(shù)字圖像處理過程始終能保持圖像的再現(xiàn)。

1.2 處理精度高

按目前的技術(shù)，幾乎可將一幅模擬圖像數(shù)字化為任意大小的二維數(shù)組，這主要取決于圖像數(shù)字化設(shè)備的能力?，F(xiàn)代掃描儀可以把每個(gè)像素的灰度等級量化為16 位甚至更高，這意味著圖像的數(shù)字化精度，可以達(dá)到滿足任一應(yīng)用需求。對計(jì)算機(jī)而言，不論數(shù)組大小，也不論每個(gè)像素的位數(shù)多少，其處理程序幾乎是一樣的。

換言之，從原理上講，不論圖像的精度有多高，處理總是能實(shí)現(xiàn)的，只要在處理時(shí)改變程序中的數(shù)組參數(shù)就可以了?；叵胍幌聢D像的模擬處理，為了要把處理精度提高一個(gè)數(shù)量級，就要大幅度地改進(jìn)處理裝置，這在經(jīng)濟(jì)上是極不合算的。

1.3 適用面寬

圖像可以來自多種信息源，其可以是可見光圖像，也可以是不可見的波譜圖像。從圖像反映的客觀實(shí)體尺度看，可以小到電子顯微鏡圖像，大到航空照片、遙感圖像甚至天文望遠(yuǎn)鏡圖像。這些來自不同信息源的圖像，只要被變換為數(shù)字編碼形式后，均是用二維數(shù)組表示的灰度圖像組合而成，因而均可用計(jì)算機(jī)來處理。即只要針對不同的圖像信息源，采取相應(yīng)的圖像信息采集措施，圖像的數(shù)字處理方法適用于任何一種圖像。

1.4 靈活性高

圖像處理，大體上可分為圖像的像質(zhì)改善、圖像分析和圖像重建3個(gè)大部分，每一部分均包含豐富的內(nèi)容。由于圖像的光學(xué)處理從原理上講只能進(jìn)行線性運(yùn)算，這極大地限制了光學(xué)圖像處理能實(shí)現(xiàn)的目標(biāo)。而數(shù)字圖像處理不僅能完成線性運(yùn)算，而且能實(shí)現(xiàn)非線性處理，即凡是可以用數(shù)學(xué)公式或邏輯關(guān)系來表達(dá)的一切運(yùn)算，均可用數(shù)字圖像處理實(shí)現(xiàn)。

2 圖像的噪聲及平滑技術(shù)原理

噪聲可以理解為妨礙人們感覺器官對所接收的信源信息理解的因素。噪聲對圖像信號幅度和相位的影響十分復(fù)雜，有些噪聲和圖像信號互相獨(dú)立不相關(guān)，有些是相關(guān)，噪聲本身之間也可能相關(guān)。要減少圖像中的噪聲，必須針對具體情況采用不同的方法。

2.1 圖像噪聲的分類

數(shù)字圖像的噪聲，主要來源于圖像的獲取和傳輸過程。圖像獲取的數(shù)字化過程，如圖像傳感器的品質(zhì)和環(huán)境條件；圖像傳輸過程中傳輸信道的噪聲干擾，如通過無線網(wǎng)絡(luò)傳輸?shù)膱D像，會受到光或其它大氣因素的干擾。當(dāng)圖像的統(tǒng)計(jì)特性不隨時(shí)間變化時(shí)，該噪聲為平穩(wěn)噪聲；當(dāng)圖像的統(tǒng)計(jì)特性隨時(shí)間變化時(shí)，該噪聲為非平穩(wěn)噪聲。

假定信號為S(t)，噪聲為n(t)，如果混合疊加波形是S (t)+n (t)形式，則稱其為加性噪聲；如果疊加波形為S(t)[1+n(t)]形式，則稱其為乘性噪聲。

2.2 圖像系統(tǒng)噪聲特點(diǎn)

噪聲在圖像中的分布和大小不規(guī)則，噪聲與圖像之間具有相關(guān)性，噪聲具有疊加性。

2.3 圖像平滑

圖像平滑的主要目的，是減少圖像噪聲。圖像噪聲來自于多方面，有來自于系統(tǒng)外部的干擾（如電磁波或經(jīng)電源竄進(jìn)系統(tǒng)內(nèi)部的外部噪聲），也有來自于系統(tǒng)內(nèi)部的干擾（如攝像機(jī)的熱噪聲，電器機(jī)械運(yùn)動而產(chǎn)生的抖動噪聲內(nèi)部噪聲）。實(shí)際獲得的圖像，都因受到干擾而有噪聲，噪聲產(chǎn)生的原因，決定了噪聲分布的特性及與圖像信號的關(guān)系。減少噪聲的方法，可以在空間域或在頻率域處理。在空間域中進(jìn)行時(shí)，基本方法就是求像素的平均值或中值；在頻域中，則運(yùn)用低通濾波技術(shù)。

圖像中的噪聲，往往是和信號交織在一起的，尤其是乘性噪聲，如果平滑不當(dāng)，就會使圖像本身的細(xì)節(jié)如邊緣輪廓，線條等模糊不清，從而使圖像降質(zhì)。圖像平滑總是要以一定的細(xì)節(jié)模糊為代價(jià)的，因此要考慮如何盡量平滑掉圖像的噪聲，又盡量保持圖像的細(xì)節(jié)。

3 圖像平滑的主要方法

圖像平滑的目的，是消除或盡量減少噪聲的影響，改善圖像的品質(zhì)。圖像平滑的主要方法有：

3 .1 空域均值濾波

將空間域模板用于圖像處理，通常稱為空間濾波，而空間域模板稱為空間濾波器。對一些圖像進(jìn)行線性濾波，可以去除圖像中某些類型的噪聲，如采用鄰域平均法的均值濾波器，就非常適用于去除通過掃描得到的圖像中的顆粒噪聲。鄰域平均法是空間域平滑技術(shù)。這種方法的基本思想是，在圖像空間，假定有一副N×N個(gè)像素的原始圖像f(x，y)，用領(lǐng)域內(nèi)幾個(gè)像素的平均值，去代替圖像中的每一個(gè)像素點(diǎn)值的操作。經(jīng)過平滑處理后得到一副圖像g(x，y)，其表達(dá)式如下：

式中，

x，y=0，1，2，…，N-1；

s 為（x，y）點(diǎn)領(lǐng)域中點(diǎn)的坐標(biāo)的集合，但不包括（x，y）點(diǎn)；

M 為集合內(nèi)坐標(biāo)點(diǎn)的總數(shù)。

領(lǐng)域平均法有力地抑制了噪聲，但隨著領(lǐng)域的增大，圖像的模糊程度也愈加嚴(yán)重。為了盡可能地減少模糊失真，也可采用閾值法，減少由于領(lǐng)域平均而產(chǎn)生的模糊效應(yīng)。其公式如下：

式中，T 為規(guī)定的非負(fù)閾值。

3.2 空域中值濾波

中值濾波在某些情況下，可以做到既去除噪聲，又保護(hù)圖像的邊緣，是一種非線性的去噪聲的方法。中值濾波的實(shí)現(xiàn)原理，是把數(shù)字圖像中的一點(diǎn)的值，用該點(diǎn)的一個(gè)區(qū)域的各個(gè)點(diǎn)的值的中值代替，具體程序?qū)崿F(xiàn)如下：

3.3 頻域低通濾波

通過低通濾波的方法，使高頻分量通過受到抑制和阻止，而允許低頻分量的圖像信息順利通過，從而實(shí)現(xiàn)圖像的平滑處理。頻域低通濾波處理噪聲圖像的方法如下：

首先構(gòu)建二維濾波器d;

d=sqrt(f1.^2+f2.^2)<0.5;%0.5 為截止半徑大小

然后用所構(gòu)建的二維濾波器對以上圖像進(jìn)行濾波

頻域低通濾波具有更好的選擇性，對噪聲在一定范圍內(nèi)也可以起到抑制作用，同時(shí)也對圖像的邊緣細(xì)節(jié)和高頻信息分量有更好的保持作用。使得圖像在輪廓上顯得更清晰。

圖1 數(shù)字圖像平滑去噪前后比較

4 結(jié)束語

數(shù)字圖像平滑去噪是一項(xiàng)復(fù)雜的技術(shù)，方法種類較多，根據(jù)不同的數(shù)字圖像情況與性質(zhì)，選擇合適的平滑去噪技術(shù)，是達(dá)到平滑去噪目的的重要因素之一。

[1]朱光美.一種改進(jìn)的各向異性擴(kuò)散圖像去噪及平滑模型[J].赤峰學(xué)院學(xué)報(bào)（自然科學(xué)版），2011，（8）：155-157.

[2] Voci F，Eiho S，Sugimoto N，et al. Estimating the gradient threshold in the Perona-Malik equation[J]. IEEE Signal Processing Magazine，2004，21（3）:39-65.

[3]曾 凌，顧濟(jì)華，周 皓.小波變換消除數(shù)字全息零級像的應(yīng)用[J].蘇州大學(xué)學(xué)報(bào)（自然科學(xué)版），2010，(2)：56-60.

[4]雙 娜.數(shù)字圖像中平滑去噪技術(shù)研究及實(shí)現(xiàn)[J].現(xiàn)代計(jì)算機(jī)(專業(yè)版)，2010，（6）：55-56.

[5]王姣斐，王雙喜. 基于MATLAB 軟件的圖像去噪方法比較[J].甘肅農(nóng)業(yè)大學(xué)學(xué)報(bào)，2011，(4)：157-160.

[6]肖秀春，謝仕義，張雨濃，等. 基于相似像素選擇的雙邊濾波圖像去噪[J].廣東海洋大學(xué)學(xué)報(bào)，2010，(4)：54-56.