改进自适应中值滤波的图像去噪*
2015-03-25杨卓东杨臣君
杨卓东，张 欣，张 涛，李 阳，杨臣君
(贵州大学 大数据与信息工程学院，贵州 贵阳 550025)
改进自适应中值滤波的图像去噪*
杨卓东，张 欣，张 涛，李 阳，杨臣君
(贵州大学 大数据与信息工程学院，贵州 贵阳 550025)
针对传统自适应中值滤波算法的不足，提出了一种改进的自适应中值滤波算法，该算法引入了角度和相关性，第一，根据角度α的大小，判断当前像素点是否为可疑噪声点，再由其像素间的相关性判断此可疑噪声点是否为噪声点。第二，把排序得到的中值与窗口中所有像素点的均值加权得到新的灰度中值，再将噪声点用新的灰度中值替代，从而达到滤除噪声的效果。实验结果表明，该算法滤波，既能有效地平滑噪声，又能保存细节，效果远优于传统自适应中值滤波算法。
自适应；中值滤波；加权；相关性
0 引 言
图像在生成和传输的过程中，常会受到外界的干扰，容易产生脉冲噪声，脉冲噪声又分为椒盐噪声和随机噪声，消除噪声的方法有线性滤波和非线性滤波[1]，而中值滤波(SM)[2]便属于非线性滤波中的一种，自中值滤波提出以来，在消除椒盐噪声这一问题上取得了一定的成果，在图像处理中，常用来保护边缘信息，是经典的平滑噪声方法，但传统中值滤波的窗口是预先设定的，因而滤波效果会受到窗口尺寸的影响，故研究者们提出了一种新的算法—自适应中值滤波(AMF)[3]，然而自适应中值滤波仍存在容易将高频信号点误判为噪声点、难以选定合适的灰度中值等问题，为此研究者们提出了许多改进的算法，如文献[4]引入了MSD(最小几何距离测度)通过MSD的大小来判断当前像素点是否为噪声点，文献[5]利用相邻像素点的差分信息进行更准确的判别，并将噪声点分为边缘区域和平滑区域噪声点，对二者进行不同处理，文献[6]利用不同斜率之间的差值来判定噪声点，文献[7]通过对可疑噪声点实行二次检测来提高去除噪声的能力，文献[8]利用极值的个数来判断该点是否为噪声点，若窗口中极大值个数远多于极小值个数，则极小值为噪声点，反之，极大值为噪声点，若二者个数相差不大，则再利用中心像素和周边像素的信息来判断是否为噪声点。
本文在研究自适应中值滤波的基础上，亦提出了一种改进的自适应滤波算法，相对于传统自适应中值滤波算法，该算法噪声检测的正确率高、降噪与保留细节效果较好。
1 自适应中值滤波的原理
1)若fmin 2.1 噪声点的检测 噪声一般是一些孤立的点，而图像往往是通过像素数较多，面积较大的小块构成，并且，对于椒盐噪声来说，极大值、极小值点不一定是噪声点，也有可能是高频信号点。 (a)极大值、极小值均为信号点 (b)极大值、极小值均为可疑噪声点 (c)极大值为可疑噪声点 (d)极小值为可疑噪声点 λmax、λmin分别表示λ中的最大值和最小值。 由此，可根据角度α和像素间的相关性判定当前像素点是否为噪声点，若当前点为噪声点，则进行中值替换，而中值的取法是把排序得到的中值与窗口中所有像素点的均值加权得到灰度中值(中值权重为0.7，均值权重为0.3)。 2.2 本文的滤波算法 对大小为M×N的图像，对图像中的每一个像素点，按如下步骤处理： 第五步：若所有像素点处理完毕，则结束，否则转至第二步。 在仿真试验中，用Matlab对513×512的Lena图像进行了仿真实验，分别用传统自适应中值滤波算法和本文算法对被不同密度的噪声污染的Lena图像进行处理，其中阈值T取25，K取2为最佳。效果如图2所示。 图2 各种滤波方法对加入椒盐噪声的Lena图像滤波效果比较 从图2中可以看出无论加入噪声浓度高还是低，用本文算法所处理的图像的主观视觉效果均优于传统自适应中值滤波算法和文献[4]算法(MSD算法)，且能够保留更多细节。对滤波效果的评价，除了图像的主观视觉效果外，还需要一种客观评价方法，本文采用的评价标准有均方误差(MSE,Mean Squared Error)和信噪比(SNR,Signal-to-Noise Rate)。均方误差MSE的计算公式： 表1 不同水平的脉冲噪声图像通过不同去噪算法后的均方误差和信噪比 本文在传统自适应中值滤波的基础上，提出了一种新的自适应中值滤波算法，该算法首先根据角度的大小来区分可疑噪声点和信号点，然后，根据可疑噪声点与邻域中其他未被污染的元素之间的相关性最终判断该点是否为真正的噪声点，最后，利用排序后得到的中值与窗口中像素的均值加权得到的新中值代替该噪声点输出，因此，使得此中值滤波算法的噪声滤除能力、细节保护能力相较于传统自适应中值滤波都有了很大提高，且滤波效果更为理想。 [1] 赵高长，张磊.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(11)：679-682. ZHAO Gao-chang, ZHANG Lei. Application of Improved Median Filtering Algorithm to Image De-Noising [J].Journal of Applied Optics.2011,32(11):679-682. [2] 董继扬，张军英.一种简单的椒盐噪声滤波算法[J].计算机工程与应用，2003,39(20)：27-28. DONG Ji-yang,ZHANG Jun-ying.A Simple Algorithm for Removing Salt and Pepper Noise [J].Computer Engineering and Application,2003,39(20)：27-28. [3] WANG H,Haddod R A. Adaptive Median Filters：New Algorithms and Results[J].IEEE Transaction on Image Processing. 1995,4(04)：499-502. [4] 卫保国. 一种改进的自适应中值滤波方法 [J].计算机应用，2008,28(11)：1733-1734. WEI Bao-guo. Improved Adaptive Median Filtering[J]. Computer Applications.2008,28(11)：1733-1734. [5] 王敏，程京.一种改进的自适应中值滤波算法 [J].微计算机信息，2010,4(26)：109-110，119. WANG Min, CHENG Jing. An Improved Method of Adaptive Median Filter[J].Microcomputer Information.2010,4(26)：109-110，119. [6] 刘淑娟，赵晔.基于斜率的自适应中值滤波算法 [J].计算机应用，2012,32(03)：736-738. LIU Shu-juan, ZHAO Ye. Adaptive Median Filtering Algorithm based on Slope [J].Journal of Computer Applications.2012，32(03):736-738. [7] 郭海霞，解凯.一种改进的自适应中值滤波算法[J]，中国图像图形学报，2007，12(07)：1186-1188. GUO Hai-xia, XIE Kai. An Improved Method of Adaptive Median Filter [J].Journal of Image and Graphics,2007,12(07):1186-1188. [8] 张涛，张欣.一种改进的自适应中值滤波算法[J].通信技术，2014, 47(08)：873-875. ZHANG Tao, ZHANG Xin. An Improved Adaptive Median Filter Algorithm[J]. Communications Technology,2014,47(08)：873-875. Image Noise-Removal on Modified Adaptive Median Filter YANG Zhuo-dong，ZHANG Xin，ZHANG Tao，LI Yang，YANG Chen-jun (College of Big Data and Information Engineering，Guizhou University，Guiyang Guizhou 550025，China) Aiming at the deficiency of traditional adaptive median filtering algorithm, a modified adaptive median filter algorithm is proposed. Angle and correlation are introduced in this algorithm. First, according to the size of Angle alpha,to judge whether the current pixel is suspicious noise point, and again through the correlation between the pixels,to judge whether the suspicious noise is the noise point. Second, new gray value is acquired through weighting the ranked median value and mean value of all pixels in the window, and then noise point is replaced by new gray value, thus to achieve the effect of noise removal. Experimental results show that the algorithm could effectively smooth noise while preserving the details, and the effect is far superior to that of the traditional adaptive median filter algorithm. adaptive; median filter; weighted; correlation 10.3969/j.issn.1002-0802.2015.11.010 2015-06-12； 2015-09-28 Received date:2015-06-12；Revised date：2015-09-28 国家自然科学基金(No.11204046)；贵州省科技厅工业攻关项目(黔科合GY字[2010]3056) Foundation Item:Natual Science Foundation of China(No.11204046)；Guizhou Province Department of Industrial Projects TP751.1 A 1002-0802(2015)11-1257-04 杨卓东(1994—)，男，硕士研究生，主要研究方向为图像处理； 张 欣(1976—)，男，博士，副教授，硕士生导师，研究方向为下一代无线通信及应用、无线传感器网络； 张 涛(1990—)，男，硕士研究生，主要研究方向为图像处理； 李 阳(1989—)，男，硕士研究生，主要研究方向为移动通信技术； 杨臣君(1991—)，男，硕士研究生，主要研究方向为移动通信技术。
2 改进的自适应中值算法
3 实验结果及分析
4 结 语
