馬煉 李林

摘要： 大數(shù)據(jù)量高清視頻流在拍攝、傳輸?shù)冗^(guò)程中可能受到干擾而產(chǎn)生椒鹽噪聲。由于其具有數(shù)據(jù)傳輸速度快的特點(diǎn)，為了確保它的實(shí)時(shí)性，進(jìn)一步提高濾波算法的時(shí)間效率和計(jì)算效率，對(duì)現(xiàn)有的自適應(yīng)中值濾波進(jìn)行了改進(jìn)，提出了一種高速自適應(yīng)中值濾波算法。濾波過(guò)程主要分為噪聲點(diǎn)檢測(cè)和噪聲去除兩個(gè)階段。其中，在噪聲點(diǎn)檢測(cè)階段，根據(jù)椒鹽噪聲的極值特性，將圖像的像素點(diǎn)分為噪聲點(diǎn)和信號(hào)點(diǎn);在噪聲去除階段，信號(hào)點(diǎn)保持原值，噪聲點(diǎn)根據(jù)自適應(yīng)中值進(jìn)行賦值。實(shí)驗(yàn)結(jié)果表明，該算法相較于多種中值濾波方法具有很好的濾波作用，以及很大的速度提升。

關(guān)鍵詞： 圖像去噪; 中值濾波; 自適應(yīng); 椒鹽噪聲; 高速

中圖分類(lèi)號(hào)：TP391? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ?文章編號(hào)：1006-8228（2021）10-68-04

A high speed adaptive median filtering algorithm for salt and pepper noise removing

Ma Lian， Li Lin

（School of Electrical and Electronic Engineering， Wuhan Polytechnic University， Wuhan， Hubei 430000， China）

Abstract： The high-definition video stream with large amount of data may be interfered in the process of shooting and transmission， resulting in salt and pepper noise. Because of its fast data transmission speed， in order to ensure its real-time performance， further improving the time efficiency and calculation efficiency of the filtering algorithm， the existing adaptive median filter is improved， and a high-speed adaptive median filter algorithm is proposed. The filtering process is divided into two stages： noise point detection and noise removing. In the noise point detection stage， according to the extreme value characteristics of salt and pepper noise， the image pixels are divided into noise points and signal points; in the noise removing stage， the signal points keep the original value， but the value of the noise points are assigned according to the adaptive median. The experiment results show that the algorithm has a good filtering effect compared with a variety of median filtering methods， and greatly improves the speed.

Key words： image denoising; median filtering; self-adaptive; salt and pepper noise; high speed

0 引言

隨著社會(huì)智能化不斷推進(jìn)，圖像的處理需求越來(lái)越大。無(wú)論是零件制造還是紅外成像技術(shù)、監(jiān)控視頻技術(shù)，每一類(lèi)都對(duì)圖像處理有數(shù)以?xún)|計(jì)的需求。而在圖像采集、傳輸和接收的過(guò)程中，由于環(huán)境、溫度等不穩(wěn)定因素，常常會(huì)使得圖像受到脈沖噪聲的影響。噪聲的加入會(huì)使得圖像處理的過(guò)程變得復(fù)雜，更可能影響到圖像分析與處理的最終結(jié)果。因此如何有效快速的去除噪聲具有十分現(xiàn)實(shí)及重要的意義。

一般隨機(jī)噪聲分為脈沖噪聲、窄帶噪聲和起伏噪聲。本文研究的主要是脈沖噪聲，而固定值脈沖噪聲也稱(chēng)為椒鹽噪聲，其灰度以等概率取最小灰度值和最大灰度值，屬于突發(fā)性的，對(duì)數(shù)字通信影響大。

針對(duì)椒鹽噪聲的傳統(tǒng)濾波算法是中值算法，而傳統(tǒng)中值算法仍然存在對(duì)于相對(duì)大概率的保留噪聲點(diǎn)的情況，因此學(xué)者對(duì)其進(jìn)行了改進(jìn)，如采用快速均值濾波[1]，采用自適應(yīng)加權(quán)均值濾波算法[2]。通過(guò)對(duì)處理點(diǎn)所在模板內(nèi)其余各點(diǎn)與該點(diǎn)的距離進(jìn)行加權(quán)計(jì)算求均值，最終將均值賦予該點(diǎn)。均值濾波很好的解決了噪聲點(diǎn)保留的問(wèn)題，但其仍然改變了原有信號(hào)點(diǎn)的灰度，使得其更加的圓滑，細(xì)節(jié)保留方面不足。因此，有學(xué)者對(duì)傳統(tǒng)中值濾波加以改進(jìn)，根據(jù)中值濾波改進(jìn)的自適應(yīng)算法[3-4]對(duì)疑似噪聲點(diǎn)加以處理，對(duì)信號(hào)點(diǎn)加以保留。這些算法極大限度的保留原有的細(xì)節(jié)，但對(duì)于噪聲點(diǎn)的判斷不同，存在通過(guò)對(duì)于鄰近點(diǎn)的相關(guān)性確定[3]，也存在通過(guò)對(duì)于模板內(nèi)中值，最小值，最大值的關(guān)系反復(fù)判斷確定[4]。在實(shí)際處理中，例如50%噪聲情況下，至少有半數(shù)的點(diǎn)是未受到污染的，整體計(jì)算將會(huì)極大的增加計(jì)算時(shí)間。

為解決上述問(wèn)題，本文采用一種基于中值算法的快速濾除椒鹽噪聲的自適應(yīng)中值濾波算法。對(duì)于疑似噪聲點(diǎn)做標(biāo)定，保留原有信號(hào)點(diǎn)，從而有針對(duì)性的對(duì)噪聲點(diǎn)進(jìn)行處理。整體算法不需要閥值，細(xì)節(jié)保留效果好，濾波效果好，大幅度減少了運(yùn)算時(shí)間。對(duì)于當(dāng)下普遍高像素圖像處理有很強(qiáng)的實(shí)用性。

1 算法的基本思想及實(shí)現(xiàn)

本文算法主要思想是根據(jù)椒鹽噪聲的極值特性，將疑似噪聲點(diǎn)和信號(hào)點(diǎn)區(qū)分出來(lái)。對(duì)信號(hào)點(diǎn)進(jìn)行保留;對(duì)疑似噪聲點(diǎn)進(jìn)行自適應(yīng)的中值濾波，根據(jù)模板中值是否是疑似噪聲點(diǎn)，動(dòng)態(tài)地改變中值濾波器的窗口尺寸，最終得到處理后的灰度值。

1.1 噪聲檢測(cè)

通常情況下用Maxgray和Mingray，即圖像最大灰度值和圖像最小灰度值，來(lái)表示椒鹽噪聲。而通常情況下在八位的灰度圖之中Maxgray和Mingray的值一般為Maxgray= 255和Mingray=0。倘若不是，則椒鹽噪聲點(diǎn)的灰度值應(yīng)該在255和0附近。在此使用Maxgray=255和Mingray=0。即若圖像該點(diǎn)的灰度值為Maxgray和Mingray則將該點(diǎn)標(biāo)定為疑似噪聲點(diǎn)：

[Noise（i，j）=0，x（i，j）=δ，255-δ1，otherwise] ⑴

式⑴中，Noise（i，j） = 1代表該點(diǎn)為疑似噪聲點(diǎn)，Noise（i，j） =0代表該點(diǎn)為信號(hào)點(diǎn);δ代表灰度偏差，一般為1。

疑似噪聲點(diǎn)包含了噪聲點(diǎn)以及部分原本灰度為255或0的信號(hào)點(diǎn)，因此進(jìn)入下一階段，對(duì)疑似噪聲點(diǎn)進(jìn)行處理。

1.2 噪聲濾除階段

⑴ 對(duì)疑似噪聲點(diǎn)用3×3模板進(jìn)行中值濾波，判斷濾波后的圖像是否還存在疑似噪聲點(diǎn)，若不存在，噪聲濾除結(jié)束;若存在，則進(jìn)行下一步。

⑵ 對(duì)上一步3×3模板濾波后還剩余的疑似噪聲點(diǎn)用5×5模板進(jìn)行中值濾波，判斷濾波后的圖像是否還存在疑似噪聲點(diǎn)，若不存在，則噪聲濾除結(jié)束;若存在，則進(jìn)行下一步。

⑶ 對(duì)上一步5×5模板濾波后還剩余的疑似噪聲點(diǎn)用7×7模板進(jìn)行中值濾波，判斷濾波后的圖像是否還存在疑似噪聲點(diǎn)，若不存在，噪聲濾除結(jié)束;若存在，根據(jù)圖像是否存在黑白背景，分兩種情況。如果圖像有黑白背景，則認(rèn)為其疑似噪聲點(diǎn)為圖像的背景部分，噪聲濾除結(jié)束。如果圖像沒(méi)有黑白背景，則對(duì)剩余的疑似噪聲點(diǎn)在7×7模板噪聲濾除后的圖像上進(jìn)行中值濾波。

2 仿真結(jié)果與分析

為了驗(yàn)證算法的可行性，本文利用Matlab仿真軟件進(jìn)行仿真。結(jié)合實(shí)際需求，采用的示例圖是由智能手機(jī)拍攝的3072×4096的圖像三張“鄉(xiāng)村、風(fēng)景、燈籠”以及典型圖例“l(fā)ena”。分別代表了全白、適中、全黑、無(wú)黑無(wú)白四種場(chǎng)景，以此來(lái)比較傳統(tǒng)中值算法（TMF）、原始自適應(yīng)中值濾波（AMF）和本文的高速自適應(yīng)中值濾波（HSMF），其中初始模板和最大模板均設(shè)置為3×3和7×7。

本文主要通過(guò)三個(gè)角度對(duì)三種算法進(jìn)行優(yōu)劣評(píng)判：①主觀保真度準(zhǔn)則;②客觀保真度準(zhǔn)則;③算法的計(jì)算時(shí)間。

為了評(píng)價(jià)圖像濾噪算法的性能，首先，可以采用主觀保真度準(zhǔn)則來(lái)定性評(píng)判，即通過(guò)人眼對(duì)圖像效果進(jìn)行主觀判斷。觀察圖2、圖3、圖4、圖5，可以發(fā)現(xiàn)，在濾波效果方面，除了中值濾波以外，本文算法以及自適應(yīng)中值濾波均彌補(bǔ)了普通中值濾波的不足之處，較好的保留了細(xì)節(jié)。

另外，可以采用客觀保真度準(zhǔn)則來(lái)對(duì)圖像去噪效果進(jìn)行定量評(píng)判，本文選定均方誤差（MSE）以及峰值信噪比PSNR（PeakSignaltoNoiseRatio）作為定量評(píng)價(jià)指標(biāo)。PSNR是一個(gè)圖像領(lǐng)域客觀的評(píng)價(jià)方法，它通常通過(guò)對(duì)于圖像均方差（MSE）進(jìn)行定義。方差定義如下：

[MSE=1mni=0m-1j=0n-1I（i，j）-K（i，j）2] ⑵

其中m，n分別代表圖像的高度和寬度。信噪比定義如下：

[PSNR=10?log10（MAX2IMEX）] ⑶

其中MAXI代表輸入圖像顏色點(diǎn)的最大值，由于本文采用的是八位二進(jìn)制灰度圖像，所以MAXI取255。通常情況下圖像的PSNR值越大，MSE值越小，代表圖像濾噪的效率就越高。

根據(jù)圖6我們可以得到很清晰的結(jié)果，在0～99%噪聲密度的范圍內(nèi)，本文算法高于自適應(yīng)中值濾波算法的峰值信噪比，以及有更小的均方差，即在客觀條件下的，本文算法超越原自適應(yīng)濾波算法具有更好的濾波效益。

在通過(guò)實(shí)驗(yàn)得出了本文算法具有更高濾波水平的前提下，根據(jù)表1能夠很清晰的看出在相似的濾波效果之下，本文高速自適應(yīng)中值濾波算法（HSMF）相較于原自適應(yīng)濾波算法（AMF）的計(jì)算時(shí)間縮短了15%～50%。而受限于中值計(jì)算，假設(shè)噪聲污染超過(guò)50%時(shí)，有小部分點(diǎn)會(huì)保留噪聲值，因此60%噪聲密度之后的時(shí)延優(yōu)化比不予贅述。綜合比較，在圖像去噪的質(zhì)量方面，以及濾波速度方面，本文都超越了平時(shí)常用的自適應(yīng)中值濾波算法，具有極強(qiáng)的實(shí)用性。

3 結(jié)束語(yǔ)

本文提出了一種針對(duì)椒鹽噪聲的高速自適應(yīng)中值濾波算法。實(shí)驗(yàn)結(jié)果表明相較于其他種類(lèi)自適應(yīng)中值濾波，極大提高了計(jì)算速率，節(jié)約了大量的計(jì)算時(shí)間。而相對(duì)于傳統(tǒng)中值濾波圖像處理結(jié)束后依舊存在大量噪聲的處理結(jié)果，它極好的保留了細(xì)節(jié)，濾除了噪聲。

考慮到現(xiàn)實(shí)條件下，濾波圖像絕大多數(shù)處在50%以下的噪聲密度環(huán)境中，而且如今大數(shù)據(jù)時(shí)代，每秒鐘處理的視頻圖像數(shù)據(jù)以?xún)|計(jì)數(shù)，對(duì)實(shí)時(shí)性的要求較高。因此，本文算法具有很好的實(shí)用性。

參考文獻(xiàn)（References）：

[1] 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

[2] 查兵，江巨浪，劉國(guó)明等.去除高密度椒鹽噪聲的自適應(yīng)加權(quán)均值濾波算法[J].池州學(xué)院學(xué)報(bào)，2020.3406：43-45

[3] 萬(wàn)豐豐，周?chē)?guó)民，周曉.一種去除椒鹽噪聲的自適應(yīng)模糊中值濾波算法[J].浙江大學(xué)學(xué)報(bào)（理學(xué)版），2019.46（4）：445-453

[4] 劉智嘉，夏寅輝，楊德振等.基于中值濾波器的紅外圖像噪聲處理的改進(jìn)方法[J].激光與紅外，2019.49（3）：376-380