图像处理中消除噪声技术研究

尚怡君+詹保坡

摘 要 在图像处理中消除噪声是一项十分重要的技术，图像的噪声消除可以最大程度保护图像的细节、纹理与边缘，并且滤出噪声所对图片质量造成的影响。噪声消除的结果将会直接影响到图片处理后续的相关环节。本文主要针对图像处理中消除噪声的相关技术进行研究，以期能为图像处理、噪声消除提供一定的借鉴与参考。

关键词 图像处理；消除噪声；中值滤波技术

中图分类号 TP3 文献标识码 A 文章编号 1674-6708（2017）181-0063-02

在拍摄图像、传输图像的过程中，由于拍摄设备、传输装置、传输路径存在约束性，导致非常容易被外部环境的各项因素所干扰，进而形成大量的噪声，从而直接影响了图像的观看视觉效果，甚至会误导观看者对图像内容的认识。所以，对图像进行噪声的消除成为了图像处理中的重要环节。

1 图像处理及图像噪声

1.1 图像处理

如今，数字图像已经作为一门全新的学科，受到了人们的广泛重视。在获取与传输图像的过程中图像会经常被成像的装置以及外部环境中的因素所干扰，进而导致难以正确观看识别率降低，形成噪声。因此，在进行传输与处理的过程中必须要针对图像进行去噪处理，以提升图像的质量。图像处理技术可以普遍被应用于网页制作当中。高水准的图像处理技能可以让网页的界面变得十分人性化，十分友好，全面提升网页的吸引力，在提升网页竞争力的同时为网页创作更多的价值。

1.2 图像噪声

影响图像噪声的来源途径众多，例如交流电场、成像设备、设备的影响、电子噪声、信号传输的信道噪声、图像转换的量化噪声等。不同种类的噪声必然都会对图像的质量形成负面影响。通常来看，噪声对图像信号的影响分为3种类别，分别为加性噪声、乘性噪声以及混合噪声。这3种类型的噪声对图像所产生的影响均不一致。在图像信号传递中所形成的噪声大部分都是加性噪声。图像噪声的形式众多，其中包括脉冲噪声、高斯噪声等。在图像处理中出现的噪声一般为脉冲噪声、高斯噪声或两者叠加混合的噪声[ 1 ]。其中，脉冲噪声会独立干扰在图像中的某一个像素点，并且会随机出现在图像中的任意区域导致图像中某像素点灰度值出现异常情况，该处的图像值将会明显异于其他像素点，给人视觉上造成一种极暗或极亮的视觉感受。通常对凸显噪声干扰的密度可以用函数（PDF）来表示。

图像噪声的特点：

第一，扫描变换。目前，图像系统的输入光电变化均是将二维图像信号进行扫描处理，将其变成一维电信号再进行处理加工的，然后再将一维电信号转换成为二维凸显光信号。相同的，噪声也存在相同的转变方式。

第二，相关性。利用光导摄像管的摄像设备可以认为，信号幅度与噪声幅度之间不存在必然的联想，而使用超正析摄像机的信号则与噪声之间存在密切关系。黑暗区域噪声明显，明亮区域噪声较小。在数字图像处理技术中将噪声进行量化处理是必然的，其与图像相位之间有着密切的关系。假如图像的内容接近平坦，则量化噪声出现伪轮廓。但是这时图像信号中的随机噪声将会由于颤噪效应而使得弱化量化噪声[ 2 ]。

第三，迭加性，在串联图像的传输系统当中，不同部分窜入的噪声如果是同类噪声的话则可以直接进行功率相加，信噪比相对下降。如果非同类噪声则应该区别对待。例如，空间频率不同的噪声如果要迭加则需要考虑到视觉空间频谱的带通特征；如时间特性不同的噪声迭加就需要考虑到视觉滞留与闪烁的特性等。

2 图像处理中消除噪声技术研究

对图像的脉冲噪声、高斯噪声等类型的噪声进行分析后可以得知，要降低噪声可以根据信号所处不一样的区域中的表现形式来选择合适的噪声消除方法。站在图像处理清楚噪声方法形成时期的角度来划分可以将消除噪声技术分为传统的滤波技术以及新型滤波技术。

传统滤波技术：这一滤波技术针对不同类型图像的噪声均可以有效去除。该滤波技术前后形成了不同类型的滤波计算技术。这些不同类型的计算技术分别都拥有自身独特的特点。但是总体来看，计算技术可以分为线性滤波技术与非线性滤波技术。上述两种类型滤波技术存在典型的技术代表。其中线性滤波技术的典型技术为均值滤波技术。该技术即为运用既定面积的局部窗口来对图像进行掩模调整。并且使用像素灰度的平均值来替代窗口中心的像素值。线性滤波技术计算简易，实现难度较低，是数字信号处理技术进步中最为常用的降噪方式之一，然而该技术会导致图像边缘出现严重模糊的情况，使得图像中很多细节丢失。基于弥补上述技术的缺陷，非线性滤波理论与技术出现并应用。非线性滤波技术最为典型的代表为中值滤波器，运用中值滤波器来对图像进行处理就是使用固定的区域窗口来对图像中的像素进行掩模调整。窗口中覆盖的像素值排布顺序是从小至大。在掩模调整的过程中将位于排序中间的灰度值替代窗口中心的像素灰度值，从而达到消除噪声的效果。虽然中值滤波技术能够优化過滤脉冲噪声所导致的图像质量下降，然而对于高斯噪声所产生的影响却十分有限，运用中值滤波技术处理高斯噪声影响的图像将会导致图像丢失有价值的内容[ 3 ]。非线性滤波另一典型的技术为自适应滤波，其主要是通过统计局部窗口像素的统计特征来对图像进行处理。构造自适应滤波器不需要视线输入信号与噪声等相关信息，只需要在滤波处理环节中对统计特性与参数进行调节即可，直至获得最佳的滤波效果。

新型滤波技术。近几年来伴随着数学科学的进步，图像处理方面也获得了质的飞跃，各种不同图像噪声处理技术出现，并且在图像处理优化中被使用。另外，对传统滤波技术进行调整与升级，融合全新的技术能够同时处理脉冲噪声以及高斯噪声所影响的图像上获得较为理想的效果。

第一，脉冲噪声消除技术。脉冲噪声的消除主要分为两种类型，分别为直接滤波技术以及检测滤波技术。直接滤波技术是基于传统滤波技术的方法，这一种中值滤波算法可以弥补传统中职滤波器对边缘信号损失严重的缺陷，并且调节了掩模窗窗口各个元素输出权值。

第二，高斯噪声消除技术。高斯噪声消除技术的优化是为了弥补在图像处理中降低信息的损失，优化滤波效果。该技术可以利用非线性扩散方程、各向异性扩散方程等来对去噪中的扩散系数进行自由动态了解，能够在消除噪声的同时较为完善保护图像的边缘信息。在高斯噪声图像处理中运用随机偏微分方程等，以获得更加理想的噪声消除效果。

3 结论

在图像处理中消除噪声是十分重要的环节。在众多消除噪声的方式中包含着传统滤波技术与新型滤波技术。伴随着图像处理消除噪声研究的深入开展，人们在不同消除噪声的技术上都做了各种优化处理，将各种全新的技术都应用到消除噪声当中，例如模糊理论、神经网络、小波变化等等。这些新技术的应用在不同程度上都强化了去噪效果，但是在实际使用中可能会存在运算复杂、适用范围狭小等问题。因此，在图像处理中要综合考虑图像的各项因素，选择最为合适的消除噪声的方法。

参考文献

[1]黄红波.一种基于二维小波块阈值数字图像去噪方法[J].湖南理工学院学报：自然科学版，2006（1）：31-33，39.

[2]王东东，王福明.基于MATLAB的数字图像噪声去除技术研究[J].机械工程与自动化，2015（2）：98-99.

[3]赵杰，任子晖.数字图像去噪技术及其在PET图像处理中的应用和局限[J].中国数字医学，2016（5）：89-91.