一种新的椒盐噪声去除方法

杨 明 李 晶

(1.吉林化工学院信息与控制工程学院，吉林 吉林132022；2.吉林信息工程学校电子教研组，吉林 吉林132022)

在图像处理领域，影响图像质量的噪声主要有指数噪声、均匀噪声、椒盐噪声等。 其中，椒盐噪声的去除是图像处理里面一个研究很久的课题， 出现最早的有效方法是中值滤波[1]。 它是一种非线性滤波方法， 对图像的所有像素点均进行处理，改变了图像中真实的像素点，这是传统中值滤波的一个重大缺点[2]。针对这一问题，本文对传统中值滤波进行了改进，先检测图像中的噪声点，只对噪声点进行中值滤波，而对非噪声点不作处理，保留了图像信息。

1 噪声点检测

图像椒盐噪声一个明显的特点就是灰度值分布具有两极性，集中出现在0 和255 的 附 近，即 处 在[0,δ]∪[255-δ,255]中。 但并不是所有范围内的点都是噪声点， 也可能是图像真实的像素点。对处在范围内的像素点，本文采用了文献[3]的噪声点检测方法，来确定噪声点的真实性。

f(i,j)为落在噪声范围内的像素点，设有四个方向检测算子：记为方向核Kh（h=1,2,3,4），Xij为以f(i,j)为中心的5×5 图像，Val 为Xij与四个方向检测算子卷积的最小值，即：

根据下式确定噪声点的真实性：

其中，Tol 为阈值。

2 实验仿真

仿真实验中， 在Lena 图像中加入椒盐噪声， 密度分别为0.2 和0.5。

实验结果显示，本文对中值滤波的改进方法是有效的。 无论是在主观视觉，还是在峰值信噪比的对比中，本文算法较之传统中值滤波均有所提高。

图1 噪声密度为0.2 时的实验结果

图2 噪声密度为0.5 时的实验结果

表1 实验结果比较

3 结论

本文提出了一种新的椒盐噪声去除方法，对传统的中值滤波方法进行了改进。 首先对分布在噪声范围内的点进行噪声点检测，对确定为噪声点的像素点进行中值滤波，其他像素点不进行处理，保留了更多的图像信息。

［1］Rafael C. Gonzalez and Richard E. Woods. Digital ImageProcessing. Second Edition[M]. Beijing: Publishing House of Electronics Industry,2002.

［2］杨明,陈玲玲.基于线性预测的图像去噪[J].吉林化工学院学报,2014,31(5):72-75.

［3］金良海,李德华.基于噪声检测的图像去噪算法[J].模式识别与人工智能,2008,21(3):298-302.