基于中值滤波的椒盐含噪图像去噪方法

张 东，覃凤清，曹 磊，刘书君

(宜宾学院计算机与信息工程学院，四川宜宾644007)

基于中值滤波的椒盐含噪图像去噪方法

张 东，覃凤清，曹 磊，刘书君

(宜宾学院计算机与信息工程学院，四川宜宾644007)

为了有效地去除图像中的椒盐噪声，提高图像的质量，利用中值滤波算法进行去噪处理．分析了椒盐噪声的特性，阐述了中值滤波算法的去噪原理和优缺点．通过实验从主观评价和客观评价两方面对比了中值滤波和几种典型的图像去噪方法对椒盐噪声的去噪效果，并进一步分析了不同窗口大小的中值滤波对椒盐噪声的去噪效果．实验结果表明，中值滤波算法能很好地去除图像中的椒盐噪声．

噪声；椒盐噪声；图像去噪；中值滤波

一幅数字图像，从拍摄系统获取，到传递和后期应用的过程中，均可能会由于各种噪声的影响而产生退化失真，使图像难以或不能传达原本要传达的信息，给后期的应用造成不便．噪声的来源很多，有外界成像环境的影响，也有传输和处理系统本身的影响．为了使图像能达到后期应用的标准，需要在图像应用前的预处理阶段对其进行去噪处理，去除图像中无用的干扰噪声信号，保留图像中有用的信号[1-2]．

噪声的类型多种多样，去噪的方法也各有不同．常见的图像去噪方法可分为空间域和频率域两大类[3]，前者直接对图像本身像素值进行变换处理，后者将图像信号变换到频率域进行处理，经验证，两者都取得较好的处理效果．由于噪声的随机性，所以很多噪声在图像中都表现为孤立的噪声点，椒盐噪声是生活中常见的一类噪声．典型的图像去噪方法有均值滤波、中值滤波、维纳滤波、频率域低通滤波等．均值滤波将图像中像素点灰度值替换成邻域内的平均值来抑制噪声；中值滤波的去噪原理类似，将像素点灰度值替换成邻域窗口内的中值以对噪声进行抑制；维纳滤波通过对图像信号进行逼近估计，以均方误差最小原则从含噪图像中提取有用信号[4]；频率域低通滤波在图像信号的频率域中，阻止噪声的高频分量通过，图像信号的中低频分量通过，从而滤除噪声[5]．各种图像去噪方法均可对椒盐噪声进行去噪处理．

本文在研究中值滤波的去噪原理和优缺点的基础上，通过实验对比了中值滤波和其他几种图像去噪方法对椒盐噪声的去除效果，最后比较了不同窗口大小时中值滤波算法对椒盐噪声的去除效果．

1 椒盐噪声

椒盐噪声是常见的加性噪声，又称为脉冲噪声．一般由图像经过传感器、传输系统、解码器等系统时由于系统本身的影响而产生，对图像质量有较大的影响，在图像中表现为孤立的随机黑白相间的点．椒盐噪声的概率密度函数可描述为：

椒盐噪声包含“胡椒”和“盐”两类噪声．其中，“胡椒”噪声在图像中表现为黑点，“盐”噪声在图像中表现为白点．由于椒盐噪声和中值滤波的特性，在各种去噪方法中，中值滤波对椒盐噪声具有很好的去除效果．

2 中值滤波算法

中值滤波是非线性图像去噪方法，在空间域进行去噪处理，可以在取得较好的去噪效果的同时更好地保护好图像的边缘部分信息．其去噪原理是利用当前待处理像素的邻域，将该邻域内像素点的灰度值进行排序，选取其中的中值作为中值滤波的中值，将待处理像素的灰度值替换为该中值．按照此方法对图像中所有像素点作相同处理，最终得到的图像即为去噪后的图像．

在中值滤波的去噪过程中，以当前待处理像素确定一个邻域，使去噪图像中所有像素点的灰度值等于原含噪图像中该点邻域中各点灰度值的中值．即存在一个二维滑动窗口模板，滑动窗口的中值大小为去噪后图像各像素点的值[1]．所以邻域大小的选取决定着去噪的效果．

假设点(x,y)出的灰度值为f(x,y)，取3*3邻域S，对S中的9个像素点的灰度值进行升序排序得到，则经过处理后点(x,y)的灰度值为：

例如图1中，对于3*3的中值滤波算法，滤波窗口内共有9个点，将位于窗口中心(点5处)的灰度值替换成窗口内9个像素点灰度值的中值．

图1 中值滤波示意图

由中值滤波的去噪过程得知，中值滤波将与邻域差值较大的像素点的灰度值替换为与邻域相近的灰度值，从而达到抑制孤立噪声点的目的．因为这种特性，中值滤波对于在图像中表现为突出的孤立噪声点的脉冲(椒盐)噪声具有较好的抑制效果，在图像去噪领域的应用也比较广泛．但也因为这种特性，在一些点、线、尖顶细节较多的图像中使用中值滤波进行处理时，也会使得这些在图像中与噪声点类似也表现为与周围像素点不同的突出信息大量丢失，故此类图像不宜采用中值滤波[6]．

由于实际应用中现实生活的图像噪声往往由于其随机性而大多数表现为孤立的噪声点，故中值滤波得到了比均值滤波更为广泛的应用．虽然中值滤波具有对噪声很好的滤除效果的优点，但是在图像去噪领域中，去除噪声信号的同时保存图像细节一直是一对难以克服的矛盾．在细节较多的图像中进行去噪的时候，只是应用传统的中值滤波往往会适得其反，所以可以在传统中值滤波的基础上作出改进(如加权自适应中值滤波算法[7]；也可以和其他滤波方法结合(如小波去噪)，使其能在取得较好去噪效果的同时更好地保留图像细节．

3 实验及对比

为了验证中值滤波对椒盐噪声的去除效果，从主、客观两个方面进行去噪效果综合评价，对灰度Lena原始图像(图2)加以密度为0.1的椒盐噪声形成椒盐含噪图像(图3)，在实验中通过对该椒盐含噪图像进行去噪处理．

图2 灰度原始图像

图3 灰度椒盐含噪图像

3.1 不同去噪方法去噪实验

在MATLAB环境下，对所产生的同一副椒盐含噪图像(图3)分别使用均值滤波、中值滤波、威纳滤波、巴特沃兹低通滤波四种典型的图像去噪方法，所得的去噪图像分别如图4所示．图3中含噪图像和图4中去噪后图像相应于原始图像(如图2所示)的PSNR值如表1所示．

表1 含噪图像及不同去噪算法所得图像的PSNR值

通过实验结果图像和相应PSNR值可以得出，在所使用的四种典型图像去噪方法中，各种方法都对椒盐噪声有一定的一直效果．从主观视觉观察及客观评价(PSNR值)方面综合来看，中值滤波对椒盐噪声的去除效果明显好于其他三种方法．

图4 不同去噪方法对椒盐噪声的去除效果

3.2 不同窗口大小中值滤波去噪实验

为了进一步观察不同窗口大小对中值滤波算法的影响，使用不同窗口大小的中值滤波分别对图3所示的椒盐含噪图像进行去噪处理，得到的去噪图像分别如图5(a)～(d)所示．

图5 不同窗口大小的中值滤波对椒盐噪声的去除效果

图5中各去噪后图像相应于原始图像的PSNR值如表2所示．

表2 不同窗口的中值滤波去噪图像的PSNR值

从实验结果可以看出，随着中值滤波窗口的增大，对噪声的平滑作用越明显，但是相应图像变得越来越模糊，细节部分信息严重丢失，当窗口为12的时候甚至很难看出图像的大部分信息．综合而言，当窗口为3的时候对椒盐噪声的去除效果最好．

4 结束语

本文研究了中值滤波的去噪原理和优缺点，并通过实验对模拟加噪的同一幅椒盐含噪图像进行去噪处理，和其他几种典型的图像去噪方法从主观和客观方面进行对比，并进一步比较不同窗口大小时的中值滤波对椒盐噪声的去噪效果．实验结果表明，由于中值滤波取中值的特性，对椒盐噪声具有很好的去除效果，优于其余几种图像去噪方法．各种去噪方法对图像信号都有一定程度的损坏，随着滤波窗口的增大，中值滤波对图像的伤害越来越大，细节部分信息严重丢失．综合而言，中值滤波对椒盐噪声具有很好的去除效果．

[1]王文庆,晏婷.基于空间域的图像去噪方法比较研究[J].西安邮电学院学报,2012,17(2):75-76.

[2]杜丽美.几种常见的图像去噪算法研究[J],2012,28(6):7-9.

[3]孙即祥.图像处理[M].北京:科学出版社,2009.

[4]方莉,张萍.经典图像去噪算法研究[J].工业控制计算机,2010,23 (11):73-74.

[5]章毓晋.图像处理和分析教程[M].北京:人民电邮出版社,2009.

[6]王文庆,晏婷.基于空间域的图像去噪方法比较研究[J].西安邮电学院学报,2012,17(2):75-76.

[7]赵高长,张磊,武风波.改进的中值滤波算法在图像去噪中的应用[J].应用光学,2011,32(4):678-682.

【编校：李青】

Research on Image De-noising Methods with Salt and Pepper Noise Based on Median Filtering

ZHANG Dong,QIN Fengqing,CAO Lei,LIU Shujun
(School of Computer&Information Engineering,Yibin University,Yibin,Sichuan 644007,China)

In order to remove the Salt and Pepper noise in image and to improve the quality effectively,median filtering algorithm was utilized.The characteristics of Salt and Pepper noise were analyzed.The de-noising principle as well as the advantages and disadvantages of median filtering were researched.From subjective and objective aspects,several experiments were conducted to compare the de-noising effect between the median filtering and other image de-noising methods,and compare the de-noising effect of median filtering under different sliding window size.The experimental results indicate that median filtering algorithm has good performance on removing Salt and Pepper noise in image.

noise;salt and pepper noise;image de-noising;median filtering

TP391

A

1671-5365(2014)06-0108-03

2013-06-20修回：2013-09-19

国家级大学生创新训练项目(201210641104)

张东(1992-)，男，本科生，研究方向为图像处理

覃凤清(1976-)，女，副研究员，博士，研究方向为图像及视频处理

时间：2013-10-15 11:29

http://www.cnki.net/kcms/detail/51.1630.Z.20131015.1129.007.html