王晉陶 貴州電子科技職業(yè)學(xué)院

圖像自適應(yīng)中值濾波方法的研究及VC++實(shí)現(xiàn)

王晉陶 貴州電子科技職業(yè)學(xué)院

圖像常常被強(qiáng)度隨機(jī)信號(hào)（也稱為噪聲）所污染。一些常見的噪聲有椒鹽（Salt & Pepper）噪聲、脈沖噪聲、高斯噪聲等。椒鹽噪聲含有隨機(jī)出現(xiàn)的黑白強(qiáng)度值．而脈沖噪聲則只含有隨機(jī)的白強(qiáng)度值（正脈沖噪聲）或黑強(qiáng)度值（負(fù)脈沖噪聲）。與前兩者不同，高斯噪聲含有強(qiáng)度服從高斯或正態(tài)分布的噪聲。要想得到比較干凈清晰的圖像通常要先對(duì)圖像設(shè)計(jì)一個(gè)適合的濾波器和恰當(dāng)?shù)拈撝堤幚?。目前常用的各種濾波算法基本上只對(duì)特定的噪聲有很好的處理效果，對(duì)于多種復(fù)合的噪聲干擾濾波效果不是很好，本文提出了一種結(jié)合自適應(yīng)中值濾波和小波域去噪的算法，用VC++完成濾波器建立和實(shí)現(xiàn)圖像濾波。結(jié)果表明用這種算法作濾波處理在過濾噪聲的同時(shí)還可以保留大部分圖像細(xì)節(jié)。

圖像處理 自適應(yīng)濾波 空域 頻域

1 引言

數(shù)字圖像處理是對(duì)我們采集的數(shù)字圖像進(jìn)行各種變換處理，以達(dá)到圖像識(shí)別或圖像分析等各種目的。圖像濾波，即在盡量保留圖像細(xì)節(jié)特征的條件下對(duì)目標(biāo)像的噪聲進(jìn)行抑制，是圖像預(yù)處理中不可缺少的操作，其處理效果的好壞將直接響到后續(xù)圖像處理和分析的有效性和可靠性。由于成像系統(tǒng)、傳輸介質(zhì)和記錄設(shè)備等的不完善，數(shù)字圖像在其形成、傳輸記錄過程中往往會(huì)受到多種噪聲的污染。另外，在圖像處理的某些環(huán)節(jié)當(dāng)輸入的像對(duì)象并不如預(yù)想時(shí)也會(huì)在結(jié)果圖像中引入噪聲。圖像的噪聲有多種類型。如加性噪聲、乘性噪聲、椒鹽噪聲、高斯噪聲等。所以，圖像濾波是圖像處理中一種不可或缺的技術(shù)。

本文提出了一中基于小波域的自適應(yīng)濾波算法，并且描述各種濾波算法的在vc++程序下的實(shí)驗(yàn)效果和分析。

2 圖像濾波相關(guān)預(yù)備知識(shí)

2.1 圖像濾波的基本框架

簡(jiǎn)單的數(shù)字圖像濾波系統(tǒng)的基本框架，如圖所示：

3 本文提出的算法

本文提出的算法是結(jié)合自適應(yīng)中值濾波算法和小波域基于GGD的子帶自適應(yīng)閾值去噪算法來對(duì)圖像濾波，自適應(yīng)中值濾波算法是一種非線性濾波處理技術(shù)，因?yàn)槠淙魏屋敵隹偸侨∽詫?duì)應(yīng)的滑動(dòng)窗口中輸入數(shù)據(jù)中的一個(gè)，這就意味著信號(hào)經(jīng)過中值濾波后，信號(hào)幅度有較高的保真度，不會(huì)增加新的量化級(jí)，從而避免了引入量化噪聲的干擾。通過中值濾波可以有效去除椒鹽噪聲，也可以抑制一部分高斯噪聲。

3.1 該算法的原理和處理過程

3.1.1 自適應(yīng)中值濾波器

自適應(yīng)中值濾波主要包括以下兩個(gè)步驟：

（1）脈沖噪聲的檢測(cè)

通常未受干擾的真實(shí)信號(hào)的局部應(yīng)該是平穩(wěn)的,而脈沖噪聲點(diǎn)的幅度模值會(huì)明顯大于其局部中值,根據(jù)這一特性,就可以實(shí)現(xiàn)對(duì)信號(hào)中脈沖噪聲的檢測(cè)。

（2）自適應(yīng)調(diào)節(jié)滑動(dòng)窗口長(zhǎng)度

脈沖噪聲檢測(cè)后,對(duì)超過閾值Td的噪聲點(diǎn)使用長(zhǎng)度較大的滑動(dòng)窗口,而對(duì)低于閾值Td的信號(hào)點(diǎn)則使用長(zhǎng)度較小的滑動(dòng)窗口,對(duì)色譜信號(hào)進(jìn)行中值濾波,從而達(dá)到濾除脈沖和白噪聲,保護(hù)信號(hào)的細(xì)節(jié)信息,避免丟失重要的有用成分的目的。

3.1.2 小波域基于GGD的子帶自適應(yīng)閾值去噪算法的原理和步驟

結(jié)合假設(shè)小波系數(shù)服從廣義高斯模型(GGD)和最小Bayes風(fēng)險(xiǎn)意義上的近似最優(yōu)公式得到的BayesShrink閾值可表示為：

T表示閥值, 表示圖像標(biāo)準(zhǔn)差, 表示噪聲標(biāo)準(zhǔn)差。

由于不同尺度、不同方向的圖像子帶方差 不同，故閾值也不相同，即閾值是隨子帶自適應(yīng)調(diào)整的．同時(shí)對(duì)小波系數(shù)采用軟閾值函數(shù),BayesShrink去噪算法步驟如下：

(1)對(duì)含噪圖像進(jìn)行小波變換；

(2)對(duì)每個(gè)細(xì)節(jié)子帶求其閾值，并對(duì)小波系數(shù)進(jìn)行軟閾值處理．其中噪聲標(biāo)準(zhǔn)差采用Donoho提出的魯棒性中值估計(jì)；

(3)小波反變換得到最終的去噪圖像。

3.2 提出算法的濾波函數(shù)

（該算法框架圖）

添加高斯噪聲和椒鹽噪聲的圖像

3.3 該算法濾波與其他常用濾波算法比較效果圖

均值濾波后的圖像

中值濾波后的圖像

理想低通濾波后的圖像

巴特沃思低通濾波后的圖像

維也納濾波圖像

本算法去噪圖像

表1 各種濾波算法后圖像的SNR，PSNR對(duì)比（分貝）

4 結(jié)論

本文通過幾種比較常用的數(shù)字圖像的濾波算法的原理和特性，然后為它們?cè)趘c++環(huán)境下編輯程序?qū)崿F(xiàn)濾波，并得到濾波效果圖，最后根據(jù)自適應(yīng)濾波算法的優(yōu)點(diǎn)和圖像去噪中常用的濾波算法，提出一種結(jié)合自適應(yīng)中值濾波和小波域基于GGD的子帶自適應(yīng)閾值去噪算法，通過對(duì)比觀察濾波算法效果圖和計(jì)算各種濾波后圖像的SNR和PSNR(如表1)表明本文提出的算法能夠保留圖像細(xì)節(jié)和邊緣輪廓(如上圖)，同時(shí)得到的圖像失真也較小，是一種可行的濾波算法。

[1]朱鳳崗,朱雪田.自適應(yīng)中值濾波用于色譜信號(hào)去噪的研究[J].山東農(nóng)業(yè)大學(xué)化學(xué)與材料科學(xué)學(xué)院泰安271018.北京郵電大學(xué)電信學(xué)院

[2]張艷華，李玲遠(yuǎn).基于GCV理論的小波自適應(yīng)多閾值圖像去噪方法[J]華中師范大學(xué)物理科學(xué)與技術(shù)學(xué)院上海430079

[3]史玉林,李飛飛,孫益頂,基于均值濾波和小波分析的圖像去噪[J]南開大學(xué)物理學(xué)院,天津300071