沈德海，侯 建，鄂 旭，張龍昌，閻 琦

(渤海大學(xué) 信息科學(xué)與技術(shù)學(xué)院，遼寧 錦州 121013)

基于米字型子窗口中值加權(quán)的濾波算法

沈德海，侯 建，鄂 旭，張龍昌，閻 琦

(渤海大學(xué) 信息科學(xué)與技術(shù)學(xué)院，遼寧 錦州 121013)

傳統(tǒng)的中值濾波和均值濾波算法分別對(duì)脈沖噪聲和高斯噪聲有良好的抑制作用，但當(dāng)圖像中同時(shí)含有這兩類噪聲時(shí)，它們的濾波效果均不理想。為了抑制圖像中混有的脈沖噪聲和高斯噪聲，提出了一種基于米字型子窗口中值加權(quán)的濾波算法。該算法借鑒多級(jí)中值濾波的思想將3×3濾波窗口劃分米字型四個(gè)子窗口，通過統(tǒng)計(jì)各子窗口內(nèi)非脈沖噪聲像素點(diǎn)來計(jì)算這些像素點(diǎn)的中值，采用歸一化方法計(jì)算這些中值點(diǎn)的權(quán)值，并將各子窗口的中值及對(duì)應(yīng)的權(quán)值進(jìn)行加權(quán)運(yùn)算，運(yùn)算結(jié)果作為中心點(diǎn)的濾波輸出。實(shí)驗(yàn)結(jié)果表明，所提出的算法對(duì)混有脈沖噪聲和高斯噪聲的圖像去噪能力較強(qiáng)，且較好地保持了圖像的邊緣等細(xì)節(jié)，濾波效果優(yōu)于傳統(tǒng)中值濾波算法、傳統(tǒng)均值濾波算法和多級(jí)中值濾波MLM算法，且具有一定的應(yīng)用價(jià)值。

濾波；混合噪聲；米字型；加權(quán)

0 引 言

數(shù)字圖像在形成、傳輸和記錄的過程中，由于受到各種因素的影響，圖像中會(huì)混進(jìn)一些噪聲，導(dǎo)致所獲得的圖像和被測(cè)對(duì)象的原始圖像產(chǎn)生了一定程度的差別[1]，影響了圖像的視覺效果，使得圖像在后續(xù)的圖像分割、邊緣檢測(cè)、特征提取及模式識(shí)別等處理過程中產(chǎn)生很大偏差。圖像濾波的主要目的就是消除噪聲或減小噪聲的干擾，盡量保持圖像的細(xì)節(jié)信息，提高后續(xù)處理的精度。

圖像中常見的兩種噪聲是高斯噪聲和椒鹽噪聲。高斯噪聲的主要特點(diǎn)是噪聲強(qiáng)度波動(dòng)范圍較大，被干擾的像素點(diǎn)多，干擾程度隨機(jī)[2]。均值濾波算法[3-6]對(duì)高斯噪聲具有較好的平滑作用；椒鹽噪聲屬于脈沖噪聲，其主要特點(diǎn)是噪聲點(diǎn)的灰度值與鄰域像素點(diǎn)明顯不同，在圖像中表現(xiàn)為白點(diǎn)或黑點(diǎn)。中值濾波[7-10]對(duì)抑制脈沖噪聲具有不錯(cuò)的效果，且能較好地保持圖像的細(xì)節(jié)信息。

在實(shí)際的數(shù)字圖像處理過程中，圖像往往同時(shí)受到高斯噪聲和椒鹽噪聲的干擾，如果僅采用上述某一種方法，很難同時(shí)抑制兩種噪聲的干擾。因此許多學(xué)者將中值濾波和均值濾波以及一些新的理論進(jìn)行結(jié)合，提出了一些抑制混合噪聲的濾波算法[11-15]，取得了較好的濾波效果。為此，結(jié)合中值濾波和均值濾波的優(yōu)點(diǎn)，借鑒多級(jí)濾波算法子窗口劃分的思想，提出了基于米字型子窗口中值加權(quán)的濾波算法并對(duì)其進(jìn)行了實(shí)驗(yàn)驗(yàn)證。

1 傳統(tǒng)均值和中值濾波算法

均值濾波算法也叫鄰域平均法，是一種局部空域平滑濾波算法。該算法把圖像看成是多灰度勻稱的小塊的集合，相鄰像素間的空間關(guān)聯(lián)度較高，噪聲是統(tǒng)計(jì)獨(dú)立的[16]，算法思想是把圖像中待處理的像素灰度值用該像素鄰域內(nèi)所有像素的灰度均值來替換，較好地去除了圖像中孤立的噪聲點(diǎn)。

算法對(duì)于濾除零均值的高斯噪聲效果較好。但缺點(diǎn)是在濾除噪聲點(diǎn)的同時(shí)，也平滑了圖像中的邊緣及細(xì)節(jié)信息，使圖像變得模糊。

中值濾波算法也是一種局部空域平滑濾波算法，其基本思想是將圖像中待處理的像素點(diǎn)的灰度值用該像素鄰域內(nèi)所有像素點(diǎn)的灰度中值來替換，即將濾波窗口內(nèi)所有像素點(diǎn)按照灰度值大小進(jìn)行排序，取位于中間位置的像素灰度值作為濾波輸出。中值濾波算法對(duì)受脈沖噪聲干擾較小的圖像的濾波效果較好，但當(dāng)濾波窗口中的脈沖噪聲密度較高時(shí)，一些脈沖噪聲點(diǎn)不能濾除，使濾波性能有所下降。

2 多級(jí)中值濾波算法

多級(jí)中值濾波算法是對(duì)傳統(tǒng)中值濾波算法的一種擴(kuò)展[17]，算法對(duì)于圖像的邊緣細(xì)節(jié)保持較好，而且對(duì)于濾除高斯噪聲和脈沖噪聲均有較好的效果。多級(jí)中值濾波算法中定義的多向中值濾波器MLM子窗口的定義如下：

(1)

其中，濾波窗口為方形窗，尺寸則為(2N+1)×(2N+1)，F(xiàn)(x,y)表示數(shù)字圖像信號(hào)，窗口Wi(n1,n2)(i=1,2,3,4)是濾波窗口劃分的四個(gè)一維窗口，呈“米”字型，分別代表水平、垂直和對(duì)角方向，如圖1所示。

圖1 濾波子窗口

濾波器的輸出YMLM(n1,n2)如下：

YMLM(n1,n2)=med[Ymax(n1,n2),Ymin(n1,n2),F(n1,n2)]

(2)

其中，YMLM為濾波輸出；Ymax、Ymin分別為各子窗口像素中值集合中的最大值和最小值。

算法先找出各子窗口像素的灰度中值，然后計(jì)算這些中值中的最大值和最小值，再取最大值、最小值和窗口中心像素點(diǎn)灰度值的中值，替換濾波窗口中心點(diǎn)的灰度值。多級(jí)中值濾波能夠較好地抑制脈沖噪聲，尤其對(duì)圖像中的邊緣細(xì)節(jié)保持較好，而且對(duì)于高斯噪聲也有一定的抑制能力。

3 文中算法

采用多級(jí)中值濾波劃分的米字型子窗口的方法，結(jié)合中值濾波和均值濾波的優(yōu)點(diǎn)，提出了一種基于米字型子窗口中值加權(quán)的濾波算法。算法采用3×3大小的濾波窗口，采用改進(jìn)的加權(quán)算法對(duì)含有高斯噪聲和椒鹽脈沖噪聲的圖像進(jìn)行處理。步驟如下：

3.1子窗口劃分

設(shè)數(shù)字圖像F(i,j)，算法采用3×3大小的濾波窗口，按照多級(jí)中值濾波算法的方式將濾波窗口劃分為水平(Z1)、垂直(Z2)和對(duì)角(Z3、Z4)四個(gè)方向的一維子窗口，如圖2所示。

圖2 米字型子窗口

3.2子窗口中值計(jì)算

為了排除椒鹽噪聲的干擾，先將各子窗口中像素值為0或255的椒鹽噪聲點(diǎn)去除，統(tǒng)計(jì)各子窗口中剩余像素的中值，存入集合N中，如式(3)：

N={x∈Median(Zk[F(i,j)])

|F(i,j)≠0或F(i,j)≠255,k=1,2,…,n}

(3)

當(dāng)椒鹽噪聲密度較高時(shí)，可能會(huì)使某一子窗口中所有的像素點(diǎn)均為噪聲點(diǎn)，此時(shí)，將中值標(biāo)記為0，不參與后面的權(quán)值計(jì)算及加權(quán)平均計(jì)算。式(3)中n表示中值為非0值的個(gè)數(shù)。

3.3權(quán)值計(jì)算

計(jì)算集合N中所有中值(中值為0的除外)的平均值v，然后再用集合N中每個(gè)非0值的中值Mk分別與平均值v做差取絕對(duì)值Fak，如式(4)：

Fak=|Mk-v|= |Median(Zk[F(i,j)])-Mean(Mk)|

(4)

采用式(5)的方法計(jì)算相應(yīng)中值的歸一化權(quán)值。

(5)

其中，wk為各子窗口中值對(duì)應(yīng)的權(quán)值；TH為一個(gè)閾值，是所有Fak的平均值，即Mean([Fak])。

算法采用閾值優(yōu)化的方法計(jì)算權(quán)值，如果集合N中某一非0中值與該集合均值差的絕對(duì)值Fak大于閾值TH,則Fak參與權(quán)值計(jì)算，否則TH參與權(quán)值計(jì)算。

3.4加權(quán)濾波輸出

將集合N中所有非0中值與它們對(duì)應(yīng)的權(quán)值進(jìn)行加權(quán)，結(jié)果作為濾波窗中心點(diǎn)的輸出，如式(6)所示。

(6)

4 算法性能分析

算法性能優(yōu)勢(shì)主要體現(xiàn)在三點(diǎn)：采用多級(jí)中值濾波的思想劃分子窗口；在加權(quán)像素點(diǎn)的使用和加權(quán)系數(shù)的計(jì)算上排除了椒鹽噪聲的干擾；最優(yōu)化方法計(jì)算權(quán)值。

由于濾波過程中算法選取的濾波窗口形狀在一定程度上會(huì)影響圖像邊緣等細(xì)節(jié)信息的保持，采用多級(jí)中值濾波算法提出的“米”字型窗口，且參與加權(quán)運(yùn)算的像素點(diǎn)是各子窗口的中值點(diǎn)，使得圖像的輪廓更加清晰。

在混有高斯噪聲和椒鹽噪聲的圖像中，椒鹽噪聲參與加權(quán)運(yùn)算會(huì)擴(kuò)大噪聲的影響，由于椒鹽噪聲是比較容易判斷的，為了減少椒鹽噪聲對(duì)濾波效果的影響，算法在選取各子窗口中值點(diǎn)之前，采用式(3)對(duì)椒鹽噪聲點(diǎn)進(jìn)行了檢測(cè)和排除，避免了椒鹽噪聲點(diǎn)參與加權(quán)運(yùn)算和加權(quán)系數(shù)的計(jì)算。

在權(quán)值的計(jì)算上，由式(5)可知，算法選取Fak和TH二者的最大值參與計(jì)算，降低了受噪聲影響大的中值像素點(diǎn)對(duì)濾波結(jié)果的影響。由于用受噪聲影響大的中值點(diǎn)計(jì)算出來的Fak可能要比TH大，如果直接采用TH參與計(jì)算，式(5)權(quán)值系數(shù)的計(jì)算結(jié)果會(huì)增大，噪聲影響也會(huì)被擴(kuò)大。

5 實(shí)驗(yàn)及效果分析

為了驗(yàn)證算法對(duì)抑制混合噪聲的性能，采用Matlab 2010軟件編程進(jìn)行實(shí)驗(yàn)。將文中算法與傳統(tǒng)中值濾波算法、傳統(tǒng)均值濾波和MLM算法進(jìn)行了比較。實(shí)驗(yàn)中以256×256的8位標(biāo)準(zhǔn)灰度圖像Lena作為測(cè)試對(duì)象，2次實(shí)驗(yàn)對(duì)圖像分別加入了不同密度的混合噪聲，濾波效果對(duì)比如圖3和圖4所示，峰值信噪比(PSNR)如表1所示。

從圖3可以看出，對(duì)于較低強(qiáng)度混合噪聲污染的圖像，這四種方法均能較好地抑制噪聲，傳統(tǒng)均值濾波算法的圖像質(zhì)量稍差些，傳統(tǒng)中值濾波算法、MLM算法和文中算法的濾波效果較好，圖像比較清晰，邊緣及細(xì)節(jié)保持較好。

圖3 方差0.01高斯噪聲和密度10%的椒鹽噪聲實(shí)驗(yàn)效果圖

圖4 方差0.06高斯噪聲和密度40%的椒鹽噪聲實(shí)驗(yàn)效果圖

從圖4可以看出，隨著噪聲濃度的增大，傳統(tǒng)中值濾波算法、傳統(tǒng)均值濾波算法及MLM算法對(duì)噪聲抑制能力下降較快，而文中算法下降較慢，且文中算法的圖像較清晰，對(duì)于細(xì)節(jié)的保持也明顯優(yōu)于其他濾波算法。

表1 幾種濾波方法的PSNR

從表1中可以看出，對(duì)于較低強(qiáng)度的高斯噪聲污染圖像，這幾種算法的PSNR值相差較小，而隨著噪聲強(qiáng)度的逐漸增大，文中算法的PSNR值下降較慢，其他算法下降較快，因此文中算法的PSNR值最高。

6 結(jié)束語(yǔ)

為了有效地抑制圖像中混有的高斯噪聲和椒鹽噪聲，提出了一種基于米字型子窗口的加權(quán)濾波算法。算法借鑒了中值和均值濾波各自的優(yōu)點(diǎn)，采用多級(jí)濾波MLM算法將濾波窗口劃分為米字型子窗口，利用各子窗口的中值計(jì)算加權(quán)系數(shù)。實(shí)驗(yàn)結(jié)果表明，該算法對(duì)圖像中的混合噪聲具有較好的抑制能力，且圖像邊緣細(xì)節(jié)保持較好，性能優(yōu)于其他幾種算法。

[1] 吳德剛,趙利平.一種去除圖像混合噪聲的濾波算法[J].自動(dòng)化儀表,2012,33(9):11-13.

[2] 武 英,吳海勇.一種自適應(yīng)圖像去噪混合濾波方法[J].計(jì)算機(jī)工程與應(yīng)用,2010,46(7):168-170.

[3] 譚 茹,李婷婷,李偉偉,等.圖像去噪的自適應(yīng)非局部均值濾波方法[J].小型微型計(jì)算機(jī)系統(tǒng),2014,35(1):137-141.

[4] 朱士虎,游春霞.一種改進(jìn)的均值濾波算法[J].計(jì)算機(jī)應(yīng)用與軟件,2013,30(12):97-99.

[5] 黃玲俐.一種改進(jìn)權(quán)重的非局部均值圖像去噪方法[J].計(jì)算機(jī)技術(shù)與發(fā)展,2016,26(6):16-19.

[6] 何海明,齊冬蓮,張國(guó)月,等.快速高效去除圖像椒鹽噪聲的均值濾波算法[J].激光與紅外,2014,44(4):469-472.

[7] 華顯立,許貴陽(yáng).數(shù)字圖像中值濾波技術(shù)研究[J].電子設(shè)計(jì)工程,2014,22(11):191-193.

[8] 王艷俠,張有會(huì),康振科,等.基于×字形窗口的自適應(yīng)中值濾波算法[J].現(xiàn)代電子技術(shù),2010,33(10):90-92.

[9] 柴寶仁.中值濾波在氣象傳真圖中降噪的分析[J].北京理工大學(xué)學(xué)報(bào),2011,31(4):417-419.

[10] 李國(guó)燕,侯向丹,顧軍華,等.快速中值濾波算法的改進(jìn)及其FPGA實(shí)現(xiàn)[J].電子技術(shù)應(yīng)用,2013,39(2):137-140.

[11] 沈德海,張龍昌,鄂 旭,等.基于多子窗口的混合噪聲濾波算法[J].計(jì)算機(jī)技術(shù)與發(fā)展,2015,25(6):69-72.

[12] Toprak A,Guler I.Suppression of impulse noise in medical images with the use of fuzzy adaptive median filter[J].Journal of Medical Systems,2006,30(6):465-471.

[13] Lin Z X,Song G X,Xue W.Two improved methods on wavelet image denoising[C]//International conference on machine learning and cybernetics.[s.l.]:[s.n.],2003:2979-2983.

[14] Li Rui,Zhang Yujin.A hybrid filter for the cancellation of mixed Gaussian noise and impulse noise[C]//Proceedings of ICICS-PCM 2003.Singapore:Springer,2003:508-512.

[15] Bacchelli S,Papi S.Image denoising using principal component analysis in the wavelet domain[J].Journal of Computational and Applied Mathematics,2006,189(2):606-621．

[16] 楊吉宏,胡順波,張 民,等.灰度圖像加權(quán)有向平滑濾波算法[J].計(jì)算機(jī)工程與設(shè)計(jì),2010,31(1)：153-156.

[17] 沈德海,劉大成,邢 濤.一種縱橫窗口關(guān)聯(lián)的多級(jí)中值濾波算法[J].計(jì)算機(jī)科學(xué),2012,39(5)：246-248.

Median Weighted Filtering Algorithm Based on UK-flagShaped Sub-windows

SHEN De-hai，HOU Jian，E Xu，ZHANG Long-chang，YAN Qi

(College of Information Science and Technology，Bohai University，Jinzhou 121013,China)

Traditional median filer and mean filter algorithms can eliminate the impulse noise and Gauss noise in an image respectively,but when the image contains these two types of noise at the same time,their filtering effect are not ideal.In order to suppress the impulse noise and Gauss noise mixed in the image,a median weighted filtering algorithm based on UK-flag shaped sub-windows is proposed,which uses the ideas of the multistage median filtering to divide 3×3 filtering window into UK-flag shaped sub-windows and then non-impulse noise pixels and their medians is calculated.The normalized method is employed to calculate the weights of these median pixels so that each median pixel in sub-window and its corresponding weight is weighted.The results have been acquired via filtering output of center pixel in the filtering window.Experimental results indicate that it has good filtering performance for mixed noise images and keeps the image edge details fare well and that the filtering effects are superior to the traditional median filtering algorithm,mean filtering algorithm and MLM algorithm,which displays certain practical value.

filter;mixed noise;UK-flag shaped;weightd

2016-10-27

：2017-02-16 < class="emphasis_bold">網(wǎng)絡(luò)出版時(shí)間

時(shí)間：2017-07-11

國(guó)家自然科學(xué)基金資助項(xiàng)目(61473045)；遼寧省自然科學(xué)基金項(xiàng)目(2014020141)；遼寧省社會(huì)科學(xué)規(guī)劃基金項(xiàng)目(L14BTJ002，L16BJY001)；遼寧省教育科學(xué)“十二五”規(guī)劃2015年度立項(xiàng)課題(JG15DB028)

沈德海(1978-)，男，碩士，副教授，研究方向?yàn)閳D像處理。

http://kns.cnki.net/kcms/detail/61.1450.TP.20170711.1456.070.html

TN391.41

:A

:1673-629X(2017)09-0078-04

10.3969/j.issn.1673-629X.2017.09.017