郭偉 方振國

摘 ?要：提出一種噪點數(shù)據(jù)定位及優(yōu)化濾噪的方法.方法以圖像數(shù)據(jù)存儲的行、列位置為X-Y平面，以該位置的灰度值為Z軸，構(gòu)建三維數(shù)據(jù)位置與灰度值坐標關(guān)系圖；將三維坐標分別投影到X-Z平面與Y-Z平面進行噪點數(shù)據(jù)定位；以定位的坐標邊界為有效鄰域，設(shè)定矩形滑窗進行均衡化處理.實驗結(jié)果表明，該方法不僅有效的濾除了噪點，還很好地保留了原有圖像的細節(jié)，實現(xiàn)了噪點數(shù)據(jù)的定位與優(yōu)化.

關(guān)鍵詞：位置與灰度；數(shù)據(jù)定位；鄰域均衡

[ ? 中圖分類號 ? ?]TP751 [ ? ?文獻標志碼 ? ] ?A

Location and Optimization of Image Noise Data

GUO Wei，F(xiàn)ANG Zhenguo

（HuaiBei Normal University Physics and Electronic Information College，Huaibei 235000，China）

Abstract：A method of locating noise data and optimizing noise filtering is proposed.Methods Taking the row and column positions of image data storage as X-Y plane and the gray value of this position as Z axis， a three-dimensional coordinate graph of data position and gray value was constructed.The three-dimensional coordinates were projected to the X-Z plane and the Y-Z plane respectively to locate the noise data.Taking the coordinate boundary of positioning as the effective neighborhood， the rectangular sliding window is set for equalization.The experimental results show that this method can not only effectively remove the noise， but also retain the details of the original image， and realize the localization and optimization of noise data.

Key words：position and grayscale；data positioning；neighborhood balance；

圖像信息數(shù)據(jù)量大，通常伴有各種干擾信息，對于一些帶有均勻噪聲的圖像，已經(jīng)有較為成熟的濾波算法對其進行處理.但當圖像中出現(xiàn)局部區(qū)域有較大噪點時，傳統(tǒng)的濾波算法進行濾波處理時效果并不好，且會引起原始圖像一些細節(jié)丟失，對后續(xù)圖像的處理應(yīng)用帶來一定的影響.本文提出一種定位噪點數(shù)據(jù)局部處理方法，以一幅帶有較大噪點信息的Lena圖像（圖1）為研究對象，依據(jù)圖像信息邊界連續(xù)的特點，設(shè)定[2×2]的滑窗，進行數(shù)據(jù)的恢復與處理，有效地去除了圖像中較大的噪點，保持了原有圖像的細節(jié)，取得了良好效果.

1 噪點的定位與優(yōu)化處理方法

首先，對噪點數(shù)據(jù)定位.將圖像信息投影為其位置與灰度值三維坐標圖；基于三維坐標圖，構(gòu)建X-Z與Y-Z二維坐標圖，利用二維坐標圖準確定位噪點區(qū)域具體坐標.其次，對噪點數(shù)據(jù)進行優(yōu)化.依據(jù)具體坐標，規(guī)劃噪點區(qū)域有效臨域邊界；以平滑的鄰域邊界值為有效數(shù)據(jù)，構(gòu)建矩形滑窗，進行均衡化的處理；使用新的灰度值填充噪點區(qū)域數(shù)據(jù)空間，完成數(shù)據(jù)的優(yōu)化與處理.

1.1 噪點數(shù)據(jù)定位

對Lena圖像進行三維坐標構(gòu)建，以像素數(shù)據(jù)存儲的行、列位置為X-Y平面，以該位置的灰度值為Z軸，如圖2所示.將三維圖像映射到二維的X-Z平面，如圖3所示.由圖3可知像素點坐標X在200～250有明顯的尖峰突出，將尖峰處放大觀察，得到如圖4所示的尖峰具體坐標.由圖4可知X-Z平面尖峰的具體坐標為X：227-232，將三維的圖像映射到二維的Y-Z平面，如圖5所示.由圖5可知像素點坐標Y在50～100有明顯的尖峰突出，將尖峰處放大觀察，得到如圖6所示的尖峰具體坐標.由圖6可知Y-Z平面尖峰的具體坐標為Y：78-83.

1.2 噪點數(shù)據(jù)的優(yōu)化

規(guī)劃鄰域邊界 ?圖7為噪點區(qū)域與其鄰域的灰度值數(shù)據(jù)，黑色部分為噪點區(qū)域的灰度值，白色部分為噪點區(qū)域鄰域的灰度值，可以明顯觀察出噪點區(qū)域的灰度值與其鄰域的灰度值有較大的跳變.如圖8所示，根據(jù)噪點區(qū)域的具體位置將噪點的灰度值數(shù)據(jù)全部取出.

分析鄰域數(shù)據(jù)確定新的灰度值 ?分析噪點區(qū)域的數(shù)據(jù)，確定新的像素值.采用取噪點數(shù)據(jù)的三鄰域數(shù)據(jù)和平均值作為新的像素灰度值.[3-7]

如圖9所示，令噪點區(qū)域的坐標為[（m，n）]，灰度值為[f（m，n）]，其三鄰域的灰度值可以表示為[f（m-1，n-1），f（m-1，n），f（m，n-1）].令處理后的灰度值數(shù)據(jù)為[g（m，n）]，即：

[g（m，n）=13[f（m-1，n-1）+f（m，n-1）+f（m-1，n）]]. ? ? ? ? ? ? ? ? ? ? ? ? ? ? （1）

如異常數(shù)據(jù)[f（m，n）=32]時，其三鄰域的灰度值分別為：

[f（m-1，n-1）=205]，[ ? f（m-1，n）=158，][ ? f（m，n-1）=170].

則在經(jīng)過處理后的灰度值為：

[g（m，n）=13[f（m-1，n-1）+f（m-1，n）+f（m，n-1）]=13（205+158+170）=177.]

如圖10示.

將處理好的灰度值作為下一個異常數(shù)據(jù)的鄰域，進行后續(xù)異常數(shù)據(jù)的計算，在確定好所有新的灰度值后，重新將新的灰度值數(shù)據(jù)依次回填到噪點區(qū)域[8-10]（圖11）.

2 圖像顯示

將重新處理好的噪點區(qū)域的灰度值數(shù)據(jù)再送到MATLAB軟件中進行圖像顯示，結(jié)果如12所示，對比原噪點圖片與處理后的結(jié)果圖可以清楚地看出，該算法不僅有效地去除了噪點，且較好地還原出原始圖像，保留了原始圖像的大部分細節(jié)，完全達到設(shè)計要求.

3 結(jié)束語

利用MATLAB軟件設(shè)計了一種快速準確定位圖像污染并處理的系統(tǒng)，該方法處理速度快，占用資源較少，方法設(shè)計簡單.實驗證明，該設(shè)計具有良好的性能.通過先準確定位置，然后對圖像進行局部處理，保留了圖像本身的細節(jié)，完全達到了實驗要求.

【參考文獻】

[1]關(guān)雪梅. 幾種圖像平滑處理方法比較研究[J]. 牡丹江師范學院學報：自然科學版， 2016（4）：3.

[2]王曉東， 王榮芝. 傅立葉變換在圖像處理中的應(yīng)用[J]. 牡丹江師范學院學報：自然科學版， 2003（3）：3.

[3]劉光宇， 曹禹， 黃懿，等. 基于BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的圖像壓縮技術(shù)研究[J]. 牡丹江師范學院 學報：自然科學版， 2021（2）：23-29.

[4]崔少華， 趙慶平. 獨立分量分析法去噪的研究與應(yīng)用[J]. 牡丹江師范學院學報：自然科學 版， 2016（2）：3.

[5]吳靜，周先春，徐新菊，黃金.三維塊匹配波域調(diào)和濾波圖像去噪[J].計算機科學，2020，47（07）：130-134.

[6]曹義親， 謝舒慧. 基于網(wǎng)格搜索的特定類別圖像去噪算法[J]. 計算機科學， 2020， 47（11）：6.

[7]李輝， 吳傳生， 劉俊，等. 基于梯度曲面面積與稀疏約束的圖像平滑方法[J]. 計算機應(yīng)用， 2021， 41（7）：9.

[8]楊良健， 周先春， 崔程程，等. 基于旋轉(zhuǎn)塊的BM3D圖像去噪改進算法[J]. 電子測量技術(shù)， 2021， 44（22）：6.

[9]淡州陽， 劉粉林， 鞏道福. 基于差分直方圖中尾部信息的平滑濾波檢測算法[J]. 計算機科學， 2021（5）：234-241.

[10]楊心雨， 李參海， 龔國輝，等. 殘差最小化的遙感影像邊緣銳化[J]. 遙感信息， 2021， 36（4）：9.

編輯：琳莉