楊 明 李 晶

(1.吉林化工學(xué)院信息與控制工程學(xué)院，吉林 吉林132022；2.吉林信息工程學(xué)校電子教研組，吉林 吉林132022)

在圖像處理領(lǐng)域，影響圖像質(zhì)量的噪聲主要有指數(shù)噪聲、均勻噪聲、椒鹽噪聲等。 其中，椒鹽噪聲的去除是圖像處理里面一個研究很久的課題， 出現(xiàn)最早的有效方法是中值濾波[1]。 它是一種非線性濾波方法， 對圖像的所有像素點均進行處理，改變了圖像中真實的像素點，這是傳統(tǒng)中值濾波的一個重大缺點[2]。針對這一問題，本文對傳統(tǒng)中值濾波進行了改進，先檢測圖像中的噪聲點，只對噪聲點進行中值濾波，而對非噪聲點不作處理，保留了圖像信息。

1 噪聲點檢測

圖像椒鹽噪聲一個明顯的特點就是灰度值分布具有兩極性，集中出現(xiàn)在0 和255 的 附 近，即 處 在[0,δ]∪[255-δ,255]中。 但并不是所有范圍內(nèi)的點都是噪聲點， 也可能是圖像真實的像素點。對處在范圍內(nèi)的像素點，本文采用了文獻[3]的噪聲點檢測方法，來確定噪聲點的真實性。

f(i,j)為落在噪聲范圍內(nèi)的像素點，設(shè)有四個方向檢測算子：記為方向核Kh（h=1,2,3,4），Xij為以f(i,j)為中心的5×5 圖像，Val 為Xij與四個方向檢測算子卷積的最小值，即：

根據(jù)下式確定噪聲點的真實性：

其中，Tol 為閾值。

2 實驗仿真

仿真實驗中， 在Lena 圖像中加入椒鹽噪聲， 密度分別為0.2 和0.5。

實驗結(jié)果顯示，本文對中值濾波的改進方法是有效的。 無論是在主觀視覺，還是在峰值信噪比的對比中，本文算法較之傳統(tǒng)中值濾波均有所提高。

圖1 噪聲密度為0.2 時的實驗結(jié)果

圖2 噪聲密度為0.5 時的實驗結(jié)果

表1 實驗結(jié)果比較

3 結(jié)論

本文提出了一種新的椒鹽噪聲去除方法，對傳統(tǒng)的中值濾波方法進行了改進。 首先對分布在噪聲范圍內(nèi)的點進行噪聲點檢測，對確定為噪聲點的像素點進行中值濾波，其他像素點不進行處理，保留了更多的圖像信息。

［1］Rafael C. Gonzalez and Richard E. Woods. Digital ImageProcessing. Second Edition[M]. Beijing: Publishing House of Electronics Industry,2002.

［2］楊明,陳玲玲.基于線性預(yù)測的圖像去噪[J].吉林化工學(xué)院學(xué)報,2014,31(5):72-75.

［3］金良海,李德華.基于噪聲檢測的圖像去噪算法[J].模式識別與人工智能,2008,21(3):298-302.