黃習(xí)飛 劉柏宏 蘇亮亮 熊 彪

（安徽理工大學(xué)，安徽 淮南 232001）

0　引言

數(shù)字圖像在采集，傳輸，存儲(chǔ)過(guò)程中由于脈沖噪聲的干擾導(dǎo)致的圖像模糊時(shí)有發(fā)生，因此，很多專家學(xué)者提出了關(guān)于脈沖噪聲消除的辦法，并且達(dá)到了很好的效果。其中最經(jīng)典的非線性濾波法是中值濾波(MF)[1]和它的相關(guān)改進(jìn)方法[2]。然而，這些方法都是用濾波窗口的某一個(gè)像素點(diǎn)代替噪聲點(diǎn)，沒(méi)有很好的處理窗口內(nèi)高密度噪聲像素點(diǎn)對(duì)該像素點(diǎn)的影響。本文提出對(duì)圖像進(jìn)行高斯濾波并對(duì)高斯濾波進(jìn)行迭代濾波。

對(duì)圖像進(jìn)行多窗口中值濾波時(shí)，發(fā)現(xiàn)噪聲密度與中值濾波的窗口呈正相關(guān)性。但是中值濾波窗口越小圖像處理效果越清晰（PSNR越大），實(shí)驗(yàn)證明當(dāng)圖像受到較大密度噪聲（如：0.5）干擾時(shí)，單純靠某一個(gè)濾波窗口濾波效果并不理想，而且濾波后還會(huì)有很多塊狀的椒鹽噪聲，但這種椒鹽噪聲可以通過(guò)很多方法去消除，其中相對(duì)較為簡(jiǎn)便的一種方法是對(duì)濾波的檢測(cè)窗口進(jìn)行擴(kuò)大（濾波窗口為 5×5）后再濾波，并再檢測(cè)是否還有椒鹽噪聲，如果有再擴(kuò)大窗口，一般檢測(cè)和濾波窗口達(dá)到9×9就可以了。然后對(duì)中值濾波后的圖像再進(jìn)行高斯去噪，這里高斯噪聲用固定窗口濾波，因?yàn)榇藭r(shí)的中值濾波后的圖像是模糊的，并且Wang和Shen[3]等人實(shí)驗(yàn)比較發(fā)現(xiàn)經(jīng)過(guò)非局部平均濾波的圖像直方圖類似于加了高斯噪聲。因此本文提出利用高斯去噪法對(duì)圖像進(jìn)行迭代去噪，實(shí)驗(yàn)證明效果比較理想。

1　本文的具體去噪方法

本文想通過(guò)以下兩個(gè)過(guò)程來(lái)濾波。（1）對(duì)噪聲進(jìn)行多窗口中值濾波，通過(guò)對(duì)不同窗口的濾波效果，分別進(jìn)行 3×3,5×5,7×7，...等窗口下濾波，直到?jīng)]有椒鹽噪聲為止。（2）對(duì)中值濾波后的圖像進(jìn)行高斯濾波，并經(jīng)MATLAB仿真確定高斯濾波的σ值的最佳值。去噪的流程為圖1。發(fā)現(xiàn)迭代70次之后其圖像的信號(hào)噪聲比(PSNR)已基本不變。

1.1　多窗口中值預(yù)濾波

由于中值濾波的窗口越大，濾波的圖像越模糊，但容許的噪聲的密度卻越高。而窗口越小，濾波的圖像越清晰，但噪聲密度過(guò)大可能會(huì)導(dǎo)致濾波后的值還是噪點(diǎn)（極大或極小值的像素點(diǎn)）。因此需要進(jìn)行多窗口濾波。

由于椒鹽噪聲的大小為極大值(255)或極小值(0)。因此可以將圖像的像素提取。公式為

S(i,j)==0、S(i,j)==1進(jìn)行判斷并進(jìn)行多窗口下的中值濾波。濾波窗口為 s=2*k+1;(k=0,1,2,3...)。

判斷和轉(zhuǎn)換條件為out(i,j)==0或out(i,j)==1,其中out表示濾波后的圖像像素值。

1.2　迭代高斯去噪聲

對(duì)獲得的中值濾波圖像進(jìn)行迭代濾波的具體方式如下，先進(jìn)行高斯濾波，然后對(duì)像素值與原圖像進(jìn)行比較，將原圖像的噪聲點(diǎn)用濾波后的圖像代替非噪聲點(diǎn)，圖像像素值不變。再將得出的濾波圖像作為下次濾波的輸入圖像進(jìn)行濾波如此循環(huán)，直到循環(huán)的足夠多(本文一般取循環(huán)次數(shù)70)。再對(duì)圖像中的非極值點(diǎn)像素進(jìn)行保護(hù)，從而實(shí)現(xiàn)濾波功能。

2　實(shí)驗(yàn)結(jié)果及分析

2.1　迭代高斯濾波及相關(guān)算法的比較

圖1Lena圖像噪聲含量為70%時(shí)的各算法的濾波效果，其中信噪比為 PSNR 各為：10.8、22.7、26.8、27.0。

圖1　

表1　1Lena圖像在各算法下不同噪聲時(shí)的處理后圖像的信號(hào)噪聲比(PSNR)

圖2Lena圖像不同噪聲處理比較，其中：系列1—窗口為3*3的中值濾波、系列2—多窗口中值濾波、系列 3—迭代高斯濾波、系列4—多窗口+中值濾波

圖2　

由表1知在lena圖像中迭代高斯濾波對(duì)lena圖像處理效果較好。但對(duì)噪聲圖像中含有效的極大像素值或極小像素值時(shí)，迭代中值加迭代高斯效果更佳。

3　結(jié)論

以上提出的算法對(duì)圖像的椒鹽噪聲有一定的去除效果，但如果可以根據(jù)相關(guān)濾波數(shù)據(jù)的方差大小來(lái)判別濾波的方向和提取的濾波初始值可能能進(jìn)一步提高濾波效率，是下一步的研究方向。

【參考文獻(xiàn)】

［1］R.C.Gonzalez,R.E.Woods,Digital Image Processing,Prentice-Hall,Englewood Cliffs,NJ,2002.

［2］T.Chen,H.R.Wu,Space variant median filter for the restoration of impulse noise corrupted images,IEEE Trans.Circ.Syst II：Anal.Digit.Signal Process.48(8)(2001)784-789.

［3］張錚,倪紅霞,苑春苗,楊立紅.精通 Matlab數(shù)字圖像處理與識(shí)別[M].北京.人民郵電出版社.2013.4.

［4］J.Astola,P.Kuosmaneen,Fundamentals of Nonlinear Digiital Filtering,CRC,Boca Raton,FL,1997.

［5］H.Hwang,R.A.Hadded,Adaptive median filter：new algorithms and results.IEEE Trans.image Process.4(4)(1995)499-502.