劉 楊

(中國(guó)礦業(yè)大學(xué) 信息與電氣工程學(xué)院，江蘇 徐州 221116)

?

基于改進(jìn)型中值濾波的高密度椒鹽噪聲圖像去噪算法研究

劉 楊

(中國(guó)礦業(yè)大學(xué) 信息與電氣工程學(xué)院，江蘇 徐州 221116)

針對(duì)目前已有濾波算法對(duì)高密度椒鹽噪聲降噪能力較低的問(wèn)題,提出了一種基于改進(jìn)型中值濾波的算法。該算法在自適應(yīng)中值濾波與斜率差值的基礎(chǔ)上，采用圖像局部均值與方差的方式對(duì)噪聲點(diǎn)進(jìn)行預(yù)判定，并對(duì)圖像邊緣進(jìn)行二次鄰域均值濾波。實(shí)驗(yàn)結(jié)果表明，該算法能夠有效去除高密度椒鹽噪聲，并且能較好地保留細(xì)節(jié)信息。

椒鹽噪聲；局部均值；方差；斜率差值；鄰域均值濾波

0 引言

圖像在傳播、保存等過(guò)程中，不可避免地產(chǎn)生了噪聲，而椒鹽噪聲又是常見(jiàn)的噪聲之一。椒鹽噪聲與鄰域信號(hào)點(diǎn)相比，具有突變的特性，這一性質(zhì)給紋理提取等圖像處理過(guò)程帶來(lái)了許多問(wèn)題。而對(duì)于該類噪聲點(diǎn)的去除，中值濾波是一種行之有效的方法[1]。

1 相關(guān)研究

1.1 傳統(tǒng)中值濾波算法

中值濾波是一種非線性濾波方法。窗口的大小對(duì)濾波效果影響較大。傳統(tǒng)的中值濾波算法并沒(méi)有考慮到噪聲點(diǎn)與信號(hào)點(diǎn)的區(qū)別，而是直接用滑動(dòng)窗口內(nèi)的中值去代替像素點(diǎn)。這樣的結(jié)果是圖像的大量細(xì)節(jié)信息丟失，造成圖像的模糊[2]。

1.2 自適應(yīng)中值濾波算法

研究人員在傳統(tǒng)的中值濾波算法的基礎(chǔ)上提出了自適應(yīng)中值濾波的算法。

該算法與傳統(tǒng)的中值濾波相比，增加了噪聲點(diǎn)的判斷，并且濾波滑動(dòng)窗口的大小是動(dòng)態(tài)變化的。通過(guò)中值、信號(hào)點(diǎn)與極值點(diǎn)的對(duì)比來(lái)判斷是否為噪聲點(diǎn)[3]。然而，該算法也有其局限性，即噪聲點(diǎn)與信號(hào)點(diǎn)的判斷過(guò)程過(guò)于簡(jiǎn)單，容易將邊緣的高頻信號(hào)判斷為噪聲點(diǎn)，造成圖像邊緣信息的丟失。

1.3 改進(jìn)的中值濾波算法

自適應(yīng)中值濾波算法雖然可以對(duì)噪聲點(diǎn)進(jìn)行檢測(cè)判定，但是判定的方法過(guò)于單一。所以在自適應(yīng)中值濾波算法的基礎(chǔ)上，人們提出了一系列改進(jìn)的自適應(yīng)中值濾波算法[4-11]。其中，周玲芳等人[10]提出了基于斜率差的方法來(lái)判定當(dāng)前像素點(diǎn)是否為噪聲點(diǎn)。對(duì)于被50%及其以下的椒鹽噪聲污染的圖像，該算法可以很好地去除噪聲污染，并且很好地保留了圖像的細(xì)節(jié)信息。然而當(dāng)提高到70%的椒鹽噪聲污染時(shí)，圖像邊緣的噪聲卻沒(méi)有很好地被濾除掉。張航等人[11]使用局部均值與方差的方式對(duì)噪聲點(diǎn)進(jìn)行判別，效果也較為良好。

2 本文算法

針對(duì)周玲芳等人提出算法的不足之處，結(jié)合待處理圖像的特點(diǎn)，提出了基于局部均值與方差的噪聲點(diǎn)預(yù)判定及邊緣二次鄰域均值濾波的算法。本文算法基于經(jīng)典的自適應(yīng)中值濾波，對(duì)于準(zhǔn)噪聲點(diǎn)，采用局部均值與方差預(yù)判別，然后用斜率差的方式進(jìn)行判斷，并且對(duì)于高密度噪聲塊使用均值進(jìn)行代替。對(duì)于70%的椒鹽噪聲，在圖像中值濾波后，對(duì)于圖像的邊緣信息使用鄰域均值的方法進(jìn)行代替。

圖1是本文提出算法的流程圖，其詳細(xì)闡述如下：設(shè)當(dāng)前像素值為f(i,j)，W為當(dāng)前濾波窗口，Wmax為最大窗口，fmax、fmin、fmed分別為濾波窗口W內(nèi)的極大值、極小值、中值。將上述窗口內(nèi)的值存入數(shù)組s，s[m1]和s[m2]是去除極值fmax、fmin后的次一級(jí)極值，m1、m2分別為極小值、極大值對(duì)應(yīng)的位置。

圖1 本文算法流程圖

首先進(jìn)行自適應(yīng)中值濾波。該算法分為A、B兩層[3]。A層：首先判斷均值fmed與極值fmax、fmin之間的關(guān)系。若fmin

噪聲點(diǎn)的預(yù)判定，其中，u代表局部均值，δ2為方差，p1、p2為系數(shù)，可根據(jù)圖像的特性進(jìn)行改變[5]：

threa=u+p1×δ2

(1)

thres=u-p2×δ2

(2)

thres≤f(i,j)≤threa

(3)

準(zhǔn)噪聲點(diǎn)有兩種情況[4]：

(1)若f(i,j)=fmin，設(shè)斜率k1為所有極小值中間點(diǎn)到m1點(diǎn)的斜率：

(4)

(2)若f(i,j)=fmax，設(shè)斜率k2為所有極大值中間點(diǎn)到m2點(diǎn)的斜率：

(5)

首次被判定為準(zhǔn)噪聲的點(diǎn)，需要設(shè)置一個(gè)初始閾值T，并將k1與k2的差值與T相比，若小于等于閾值則認(rèn)為該點(diǎn)為信號(hào)點(diǎn)，否則為噪聲點(diǎn)。若為噪聲點(diǎn)，則繼續(xù)比較m1與m2的大小，如果m2≤m1，則當(dāng)前像素點(diǎn)取已去噪的濾波窗口內(nèi)所有像素的均值，否則取m1～m2的所有像素的均值。

經(jīng)過(guò)上述濾波判斷后，輸出為預(yù)備圖像，對(duì)預(yù)備圖像進(jìn)行進(jìn)一步的邊緣去噪處理。對(duì)上下、左右兩邊分別進(jìn)行邊緣噪聲點(diǎn)的去噪處理。對(duì)孤立噪聲點(diǎn)，選擇其鄰域的像素點(diǎn)的均值來(lái)代替。

3 試驗(yàn)

3.1 仿真環(huán)境

利用MATLAB仿真平臺(tái)，對(duì)本文提出的算法進(jìn)行仿真。通過(guò)大量的實(shí)驗(yàn)，p1、p2的取值如下：

(6)

3.2 實(shí)驗(yàn)結(jié)果

圖2 各算法去噪效果比較

為了更好地對(duì)比不同算法的濾波效果，圖2中，對(duì)lena圖像添加了50%、70%和80%的高密度椒鹽噪聲，并用標(biāo)準(zhǔn)中值濾波、周玲芳算法、本文算法對(duì)不同密度污染的圖像，分別進(jìn)行降噪處理。

從圖2可以看到，使用標(biāo)準(zhǔn)中值濾波對(duì)50%噪聲密度下的圖像進(jìn)行降噪處理，處理后的結(jié)果還有較大部分的噪聲存在。而當(dāng)噪聲密度達(dá)到70%時(shí)，使用標(biāo)準(zhǔn)中值濾波后，圖像的大部分信息已經(jīng)無(wú)法正常顯示了。對(duì)于周玲芳算法，從50%～80%的噪聲密度，圖像的降噪效果比較好，但是邊緣處仍有噪聲未被濾除掉。在使用本文提出的算法后，從50%～80%的噪聲密度，都較好地濾掉了噪聲，保留了圖像細(xì)節(jié)，并且圖像邊緣處噪聲也被濾除掉了。

3.3 實(shí)驗(yàn)結(jié)果比較

為了客觀比較各算法在進(jìn)行高密度椒鹽噪聲濾波時(shí)的濾波性能，本文采用峰值信噪比PSNR(單位：dB)作為評(píng)判標(biāo)準(zhǔn)。PSNR的計(jì)算公式如下：

(7)

表1是通過(guò)計(jì)算PSNR值，將本文算法與周玲芳算法在不同噪聲密度下的降噪性能進(jìn)行對(duì)比。從表1中可以看出，本文算法在高密度情況下的降噪性能均高于周玲芳算法，即使是在80%噪聲污染的情況下，也保持了較高的峰值信噪比。

表1 PSNR比較

4 結(jié)束語(yǔ)

對(duì)于椒鹽噪聲，中值濾波具有很好的平滑濾波效果。然而單純地使用中值濾波會(huì)使圖像丟失大量的細(xì)節(jié)信息；不利于圖像的傳播、辨識(shí)。針對(duì)這一情況，本文在基于斜率差噪聲點(diǎn)判斷方法的基礎(chǔ)上，引入局部均值和方差這兩個(gè)判別量，再次區(qū)分出噪聲點(diǎn)與信號(hào)點(diǎn)，很好地保留了細(xì)節(jié)信息；并且，通過(guò)對(duì)邊緣的進(jìn)一步處理，消除了在邊界處的噪聲點(diǎn)。在高密度(>50%)噪聲的情況下，本文提出的算法也具有較高的峰值信噪比，在較好地保留圖像信息的同時(shí)，有效地濾除了椒鹽噪聲。

[1] XIAO Q,DING X H,WANG S J,et al.A novel detail-preserving algorithm for removing salt-and-pepper noise[J].Tien Tzu Hsueh Pao/acta Electronica Sinica,2010,38(10):2273-2278.

[2] 蔡利梅，王利娟.數(shù)字圖像處理[M].徐州：中國(guó)礦業(yè)大學(xué)出版社,2014.

[3] 劉偉,孫麗媛,王汝梅.自適應(yīng)中值濾波在數(shù)字圖像處理中的應(yīng)用[J].河北理工大學(xué)學(xué)報(bào)(自然科學(xué)版),2007,29(4):111-113.

[4] 張會(huì),付東翔,王亞剛.改進(jìn)自適應(yīng)中值濾波的瓷磚圖像降噪[J].信息技術(shù),2015(12):28-30.

[5] 李陽(yáng),張欣,張濤,等.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):1367-1371.

[6] 李志華,徐小力,王寧,等.自適應(yīng)中值濾波在東巴古籍圖像去噪中的應(yīng)用研究[J].北京信息科技大學(xué)學(xué)報(bào)(自然科學(xué)版),2015，30(5):36-39.

[7] 潘濤,吳曉波,張偉偉,等.改進(jìn)自適應(yīng)中值濾波算法在圖像去噪中的應(yīng)用[J].后勤工程學(xué)院學(xué)報(bào),2015，31(5):92-96.

[8] 姚薇,錢玲玲.礦山遙感圖像自適應(yīng)加權(quán)改進(jìn)中值濾波算法[J].金屬礦山,2016(4):101-105.

[9] 黃山,李眾,李飛,等.基于改進(jìn)粒子群和自適應(yīng)濾波的快速模糊聚類圖像分割[J].計(jì)算機(jī)測(cè)量與控制,2016,24(4):171-174.

[10] 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.

[11] 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.

Denoising algorithm for high density salt and pepper noise image based on improved median filtering

Liu Yang

(School of Information and Electrical Engineering,China University of Mining and Technology,Xuzhou 221116,China)

In view of the problems currently existing filtering algorithm of high density salt and pepper noise reduction ability is not good,an improved median filter algorithm is proposed in this paper.Based on the adaptive median filter and slope difference,the method of image local mean and variance is used to determine the noise points,and the image edge is filtered by two times.The experimental results show that the algorithm can effectively remove the high-density salt and pepper noise,and can keep the detail information better.

salt and pepper noise; local mean; variance; slope difference；neighborhood average filtering

TP391.41

A DOI：10.19358/j.issn.1674-7720.2016.19.014

劉楊.基于改進(jìn)型中值濾波的高密度椒鹽噪聲圖像去噪算法研究[J].微型機(jī)與應(yīng)用，2016,35(19)：47-49.

2016-07-10)

劉楊(1993-)，男，本科生，CCF會(huì)員：53909G，主要研究方向：圖像處理、網(wǎng)絡(luò)編程、數(shù)據(jù)挖掘。