本站小編為你精心準備了圖像處理中值濾波技術探討參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《電子設計工程雜志》2014年第十一期

1極值中值(EM)濾波

標準中值濾波對所有象素值采用統一的處理方法，在濾除噪聲的同時，也改變了真正信號點的值，這樣不僅增加了計算量，同時會造成圖象模糊。假如我們已經知道哪些點是信號點，哪些點已被噪聲污染，就可以只處理噪聲點，根據鄰域相關性賦予其相應值，例如鄰域中值，而保持信號點不變。這樣，就可以減少圖象模糊，使濾波過程不對真正信號點產生影響，而僅僅起到去除噪聲的作用。從經驗可知，自然圖象的鄰點間的相關性很大，某一象素點的灰度值與其鄰點的象素值非常接近。一幅圖象中，如果一個象素點的值遠大于或小于其鄰域的值，說明該象素點與其鄰域的相關性很小，該點很可能已被噪聲污染了。否則，與鄰點值接近，就應該是一個有效的信號點。極值中值濾波運用象素點是否為鄰域極值點將全部象素分為兩類[5]：噪聲N與信號S；然后對噪聲點進行中值濾波。信號S與噪聲N的判別標準為:在一幅圖象中,如果某象素點的灰度值為其鄰域的最大或最小值，那么該點為噪聲N。反之，則為信號S，即該算法處理幅度比較大的脈沖噪聲簡單有效，但由于簡單認為區域內的極值點就是噪聲點，可能導致將邊緣信息點誤判為極值點，進而誤判為噪聲點加以處理，會造成邊緣細節的損失或者移位。

2開關中值(SM)濾波

理想的濾波器應該僅作用于那些受污染的噪聲點上，而保持未受污染的象素點不變。也就是說，在濾波前先進行噪聲檢測，將未受污染象素點從噪聲點中區分出來。對于信號點保持原值不變，對于噪聲點，使用合適的算法進行數據恢復。從而達到去噪的同時又保留細節。開關中值濾波結構[6]如圖1所示，有噪圖像首先經過噪聲檢測器進行判斷分類，然后根據判斷結果控制開關單元：如果該象素點被判別為噪聲點，則開關置于與濾波處理相連狀態，即該點經過濾波后輸出；反之，該象素點被判斷為信號點，則控制開關單元將該點不作任何處理直接輸出，減少了運算時間。從結構圖可看出，噪聲檢測，即信號、噪聲的分類標準是開關中值濾波的關鍵環節，對去噪效果的影響很大，同一噪聲檢測算法對不同類型的噪聲污染源、不同圖像的濾波效果也相差較大。

3自適應中值(AM)濾波

在脈沖噪聲強度較大時，常規中值濾波的去噪性能受濾波窗口尺寸的影響較大，而且在抑制圖像噪聲和保護細節兩方面存在一定的矛盾[7]：濾波窗口越小，可較好保護圖像細節，但去噪能力會受到限制；反之，濾波窗口越大，就可加強噪聲抑制能力，但對細節的保護能力會減弱。自適應濾波[8]根據一定的設定條件改變(即增加)濾波窗口的大小。自適應中值濾波的實現過程如下：1)設定窗口大小，對圖像各區域進行噪聲點檢測。2)根據各區域受噪聲污染的狀況，按照設定的標準判斷是否擴大窗口，確定濾波窗口的尺寸。3)對檢測出的噪聲點進行濾波，信號點保持原值輸出。自適應中值濾波能夠自適應地確定濾波窗口的大小，有效緩和了抑制噪聲和保護細節兩者之間的矛盾[8]。在處理噪聲密度更大的脈沖噪聲時，能夠很好地保護圖像細節；由于對噪聲點和信號點（保持原值輸出）采用不同的處理方法，濾波速度比大濾波窗口的中值濾波速度快得多。但自適應中值濾波也存在不足：1)由于其濾波窗口不能過大（通常小于7×7），當濾波窗口達到最大時仍沒有中值輸出，則對中心像素點不予處理，直接輸出當前灰度值，導致部分噪聲點不能被濾除，濾波質量下降。2)沒有考慮像素點所在區域的性質，對細節豐富的圖像濾波時，易將高頻信號點誤判為噪聲點，導致圖像邊緣或細節的損失。3)對高密度椒鹽噪聲去噪效果較差，容易丟失原始圖像中過多的細節，造成恢復圖像模糊、質量不高。為此，很多學者相繼提出了一些改進的自適應中值濾波方法，如綜合多種方法的自適應加權(AW)中值濾波、自適應開關中值(M)濾波，考慮圖像統計相關性的區域自適應中值濾波、鄰域相關自適應中值濾波算法、變分自適應中值濾波算法等，來提高噪聲檢測的精度和噪聲濾波的效果，最大限度地保持圖像的高頻細節，提高圖像的信噪比。典型的研究方法有：ZhangKai-hua等提出不僅自適應改變窗口尺寸，也改變窗口的形狀，能夠更全面地保留圖像的細節和邊緣，但窗口形狀的多次選擇及替換，增大了運算量，降低了運算效率。朱士虎等提出在噪聲點檢測時，引入最小集合距離測度，降低了將高頻信號誤判為噪聲的幾率。對濾波窗口進行中值計算時，僅對濾波窗口中的信號點取中值，即中心象素的輸出為當前窗口內未污染點（信號點）集合的中值，有效避免噪聲密度大時所取中值仍是噪聲的可能，降低了誤判率。對于高密度椒鹽噪聲圖像，陳從平等采用開關自適應濾波算法，首先進行噪聲檢測并計算圖像的噪聲密度，對低密度椒鹽噪聲圖像采用均值濾波方法，對于高密度噪聲圖像（噪聲密度大于30%）采用加權迭代濾波方法，數據顯示在較高密度(90%)噪聲情況下也表現出較好的去噪能力，但算法較復雜。

4結束語

中值濾波對含有椒鹽噪聲的圖像有較好的復原效果，通過對中值濾波及其多種改進方法的研究，比較了不同中值濾波技術的運算效率及對去噪效果。綜合分析表明：在濾波前先進行噪聲檢測，保持信號點原值不變、僅對檢測出的噪聲點進行去噪處理的方法，能有效減少圖象模糊，同時降低運算時間；自適應中值濾波能最大限度地保持圖像的高頻細節，提高圖像的信噪比，有很大的優越性，并不斷研究分析提出了諸多改進方法，不斷提高對高密度噪聲圖像的去噪效果和保護邊緣、細節的能力。今后將在自適應中值濾波的基礎上圍繞以下三方面深入研究：1)如何提高噪聲檢測的精準度，降低圖像的高頻細節的誤判率，即將輪廓、線條、邊緣等像素點從噪聲點中區分出來；2)利用圖像相鄰兩個中值濾波窗口內信號數據的相關性，減少交換、比較次數，實現中值濾波快速運算；3)進一步提高含高密度椒鹽噪聲圖像的去噪效果和運算效率，使算法具有普適性和高效性。綜合提高中值濾波技術的去噪效果和運算性能。

作者：華顯立許貴陽單位：河南工業職業技術學院