一种改进的中值滤波去噪算法研究

1、西 安 邮 电 大 学 毕 业 设 计（论 文）题 目： 一种改进的中值滤波去噪算法研究 加权中值滤波去噪算法 学 院： 通信与信息工程学院 专 业： 信息工程 班 级: 信工1101班 学生姓名： 王莹莹 导师姓名： 刘卫华 职称： 起止时间： 2015年3月2日至2015年6月19日毕业设计（论文）诚信声明书本人声明：本人所提交的毕业论文一种改进的中值滤波去噪算法研究 是本人在指导教师指导下独立研究、写作的成果，论文中所引用他人的文献、数据、图件、资料均已明确标注；对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式注明并表示感谢。本人完全意识到本声明的法律后果由本人承担。论文作者：

2、 （签字）时间：2015年6月5日指导教师已阅： （签字） 时间：2015年6月5日西安邮电大学毕业设计(论文)开题报告通信与信息工程 学院 通信工程 专业 11 级 01 班课题名称：一种改进的中值滤波去噪算法研究学生姓名： 王莹莹 学号：03114026指导教师： 刘卫华 报告日期： 2015年3月13日 西安邮电大学本科毕业设计（论文）开题报告学号 03114026 姓名 王莹莹 导师 刘卫华 题目 一种改进的中值滤波去噪算法研究选题目的（为什么选该课题） 随着现代信息技术的不断发展，图像处理技术也得到了飞速发展，使得图像处理在很多领域获获得了广泛的重视并取得了巨大的成就。图像在采集过程

3、中不可避免受到噪声的干扰，为了后续更高出层次的处理，很有必要对图像进行去噪处理，在现有的多种去噪方法中，基于的时域的中值滤波图像去噪方法具有多项优良特性，是当前研究的一个重要方向。中值滤波是一种非线性滤波器，它把局部区域中灰度的中值作为输出，能保护图像轮廓，不使其发生模糊，可以较为理想的去除图像噪声。中值滤波技术在一定的条件下可以克服线性滤波器带来了图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声最为有效。但对高斯噪声无能为力，在处理细节较多的图像时具有一定的局限性，为了提高中值滤波的性能，需要对传统的中值滤波算法进行改进和扩展。 前期基础（已学课程、掌握的工具，资料积累、软硬件条件等）已学课程

4、：Matble、图像处理掌握的工具：Matble资料积累：改进的中值滤波去噪算法相关的文献软硬件条件：戴尔inspiron、处理器等要解决的问题（做什么）基于时域中值滤波去噪算法的关键问题:(1)中值获取过程中模板窗口的尺寸和形状的选择 ；(2)中值滤波算法原理的理解和掌握；解决思路：（1）查阅涉及中值滤波算法的相关资料，学会判断噪声的类型和特点；（2）采集几张用于进行本次仿真试验的加噪图像信息；（3）独立完成中值滤波去噪代码的编写，调试后对噪声图像进行去噪与原图进行对比；（4）掌握matlab编码的基本规则，查看经过中值滤波去噪处理后的初步图形效果；（5）进一步深入研究图像去噪的方法，在ma

5、tlab中的实现，研究新改进算法在图像处理中的优缺点；（6）在之前调试好的程序上进行修改，初步完成基于时域中值滤波去噪算法编写，通过大量的仿真实验，确定最佳改进算法。指导教师意见签字： 2015年 3月30日西安邮电大学毕业设计 (论文)成绩评定表学生姓名王莹莹性别女学号03114026专 业班 级信息工程1101课题名称指导教师意见评分（百分制）：指导教师(签字)： 年 月 日评阅教师意见评分（百分制）： 评阅教师(签字)： 年 月 日验收小组意见评分（百分制）：验收教师(组长)(签字)： 年 月 日答辩小组意见评分（百分制）： 答辩小组组长(签字)： 年 月 日评分比例指导教师评分20()

6、 评阅教师评分30() 验收小组评分30() 答辩小组评分20()学生总评成绩百分制成绩等级制成绩答辩委员会意见毕业论文(设计)最终成绩(等级)： 学院答辩委员会主任(签字)： 年 月 日目录摘要I引言12噪声22.1常见的几类重要的噪声22.1.1高斯噪声22.1.2均匀分布噪声：22.1.3椒盐噪声22.1.4瑞利噪声：32.2图像去噪质量的评估方法32.3图像去噪方法的概述43中值滤波去噪算法63.1中值滤波基本原理63.2中值滤波的去噪过程63.2.1中值滤波去噪的过程大致可以分为两步：63.3 中值滤波的主要特性73.4 简单中值滤波的局限性73.5 均值滤波的原理73.6均值滤波在

7、图像去噪中的应用特点73.7均值去噪和中值滤波去噪的比较：74中值滤波去噪算法84. 1加权快速中值滤波算法84.1.1加权中值滤波算法主要包括以下个步骤：84.2具体的加权过程85仿真结果分析比较5.1分别加椒盐噪声和高斯噪声进行去噪操作5.2中值滤波去噪5.2.1选定的模板如下：5.2.2加入强度为0.10噪声的效果图和去噪指标显示表展示如下：5.2.3加入强度为0.15的噪声的去噪效果图和去噪指标显示表展示如下：5.2.4加入强度为0.20噪声的效果图和去噪指标显示表展示如下：5.2.5加入强度为0.25噪声的效果图和去噪指标显示表展示如下：5.2.6加入强度为0.30噪声的效果图和去噪

8、指标显示表展示如下：5.3加权中值算法去噪5.3.1加权中值滤波选定的模板如下：5.3.2加入强度为0.10的噪声的去噪效果图和去噪指标显示表展示如下：5.3.3加入强度为0.15噪声的效果图和去噪指标显示表展示如下：5.3.4加入强度为0.20噪声的效果图和去噪指标显示表展示如下：5.3.5加入强度为0.25噪声的效果图和去噪指标显示表展示如下5.3.6加入强度为0.30噪声的效果图和去噪指标显示表：5.4结论6总结与展望256.1结语256.2展望25致谢26参考文献2728摘要在一般的情况下，图像信号信息在产生、传输以及记录过程中，都会受到各种噪声的影响，在这样的干扰下，图像的视觉效果会

9、受到严重的干扰，如果可以对图像信号进行去噪操作，这样就可以很好地去除这些不良的干扰因素，图像的视觉效果也会得到很好的改善。因此对图像进行去噪是其它图像处理的预处理步骤。本课题首先对中值滤波的原理以及去噪的具体过程进行深入的研究，然后主要针对中值滤波算法在图像去噪与保护细节上存在的不足提出加权中值滤波算法。对于噪声检测机制检测出的噪声像素，依据滤波窗口中信号像素与中心像素相关性的大小，给像素点赋予最佳的权值系数，在此基础上再对均值和中值赋予合适的权重系数，提高结果的准确度。采用加权中值滤波实现对噪声进行滤除。实验结果表明该加权中值滤波器对于平滑图像而言去噪效果明显，而且还可以很好地保留了图像的细

10、节。关键词：图像噪声；滤波器；中值滤波；权重系数；加权中值滤波；ABSTRACTUnder normal circumstances, the image signal in the process of generation, transmission and recording, often by different kinds of noise interference, the interference will serious image visual effect, if the image signal denoising operation, so is a good way

11、to remove these interference factors, the visual effect of image will get very good improvement. This topic first principle of median filtering and denoising process in-depth research, and then focuses on the potential of the median filter algorithm of the limitation of imagedenoising and protection

12、 in detail a double weighted median filtering algorithm is proposed. For noise detection mechanism to detect the noise pixels, based on the signal pixel in filter window with the size of the center pixel correlation, the weight coefficient of pixels with the best, on the basis of this to mean and th

13、e median gives proper weight coefficient, improve the accuracy of the results. Adopt double weighted median filter to filter out the noise pixels. The experimental results show that the double weighted median filter to smooth image can have very good denoising effect, at the same time well reserve t

14、he detail of the image. Key words: noise; Filter; Noise testing; Double weight coefficient; Double weighted median filtering;引言在光信号 在转化成CCD灵敏度的不均性、数字化过程的量化噪声以及传输过程中存在的信号通道误差问题，通常图像信号在产生、传输和记录的过程中，都会受到各种各样噪声的影响。在实际的生活中的图像基本都是带噪声的，任何一副未经处理的原始图像，多少都会存在一定程度的噪声影响。由于噪声的存在严重影响了图像质量，使得图像变得模糊，甚至淹没了图像原来的基本特征，

15、在一定程度上给图像的分析带来了的困难，因此为了提高图像的清晰度与准确度，需要去除原始图像中的噪声、对图像存在的畸变给修正。像这种显现有用的信息、抑制无用信息以提高图像质量的处理，一般被称为图像的预处理技术。在对图像进行预处理的过程中，开始输入和最后输出的都是图像，只是经过一系列的处理之后，图像的质量在一定程度上得到了较好的改善。图像的去噪过程又可以称为图像的平滑处理过程。 由于在日常的生活当中存在的噪声源比较多（如光栅扫描、底片颗粒、机械元件、信号在通道传输等），图像中包含的噪声种类也繁多（如高斯噪声，椒盐噪声，松柏噪声等；而我们一般的处理方法都是是进行滤波处理，常见的滤波方法有：均值滤波，中

16、值滤波，自适应滤波、邻域平均法、选择平均法、空间低通滤波等等。通常在对图像进行处理的过程中，在边缘的检测、图像的分割、特征的提取、模式的识别等高级层次进行处理之前，因此对图像进行去噪操作是非常重要的步骤。分析了传统中值滤波算法的优缺点，提出一种新的加权中值滤波去噪算法。该算法可以根据像素和中心像素相关性的大小设计合理的权值系数，这样的操作可以较好地解决了噪声抑制与细节保护这一问题，同时还有效地提高了图像早期处理的效果和细节的保护能力。加权中值滤波去噪算法2噪声 设置图像信号为灰度图像并且按二维亮度分布，那么噪声就可以看作是对亮度的影响因素，可用来表示。在通常意义下，噪声可以理解为影响人们的视觉

17、感官或传感对所接收到图像的信息进行理解或者分析的各种因素。在图像中去除噪声可以理解为原始图像中本来不应该存在的部分，噪声是一种随机的过程，由于它的波形和瞬时振幅以及相位都随时间无规则的变化，因此无法精确的测量，所以不能当作具体的处理现象，而只能用统计和理论的方法去处理。2.1常见的几类重要的噪声2.1.1高斯噪声通常的高斯噪声指的是它的概率密度函数可以很好地服从高斯分布（基正态分布）的一类噪声。一个高斯随机变量的PDF可以表示为：其中代表灰度，是z的均值，是的标准差。一般而言高斯噪声的灰度值都在均值附近波动。2.1.2均匀分布噪声：一般定义的均匀分布噪声指的是图像中每个像素点达到相同概率而产生

18、噪声。均匀噪声的概率密度如（2-1）所示，它的期望和方差如式（2-2）所示： （2-1） ; (2-2)2.1.3椒盐噪声一般情况下我们又称椒盐噪声为脉冲噪声，具体是指持续时间小于0.5秒，而它的间隔大于一秒的噪声。其噪声概率的密度如式（2-3）所示： pzz=pa z=apb z=b0 其他 （2-3）假如是这种情况，那么图像中灰度值将以的概率方式在图像上显示成一个亮点（即盐粉微粒）；而灰度值则将以的概率显示成为一个暗点（即胡椒微利）。2.1.4瑞利噪声：一般来讲可以很好地服从瑞利分布的噪声成为瑞利噪声。其概率密度函数如式(2-4)所示： (2-4)2.2图像去噪质量的评估方法图像质量的评估

19、方法也是图像处理技术的研究的基础领域之一。因为在我们对图像或者视频进行处理操作的过程中，进行处理的主要对象一般都是图像，所以更需要一个合理的评价标准来评估图像的处理是否真的达到了要求。一般常用的图像去噪效果衡量准则有两类：客观准则和主观准则。客观评价方法的基本计算方法如下：设为原始的图像，为加噪的图像，为复原的图像，那么对于图像中任何一点,它的误差值可以表示为： (2-5)假定原始图像为的大小，则均方误差可表示为： （2-6）其中，均方误差的值越小，那么就可以断定去噪效果较好。另一种常用的客观评价准则是采用信噪比，同样对原始的图像和去噪后的图像fd，则fd的均方信噪比可以用（2-7）来表示：

20、（2-7）对于式（2-7）所示的，峰值信噪比（Peak Signal to Noise Ratio ,PSNR）可以通过将归一化分为分贝进行转化从而得到。 是一种运用最为普遍的评价图像质量的客观标准，它的单位是 。不过它也具有一定的不足，通过许多实验结果都表明，的数值没有办法和人眼看到的视觉感受完全一样，有可能会出现以下的情况：第一、 值较高，但在通过人的眼睛看起来效果不好；第二、较低，但在于人的眼睛观察图像质量却更加的清晰。 是一种经过多次实验验证的较好的评判图像质量的客观标准。本文采用的计算 值与峰值信噪比值的方法分别如下式：判断标准：的数值越高，的数值越低，那么图像的去除噪声效果就越好。

21、在进行质量评估时，也可以采用主观的评测准则，就是用主观的视角直接的去比较去噪图像和原始图像的偏理程度的大小。由于主观的评价带有主观性，不同的人可能结果有所差异，主要可以从以下两个方面考虑：(1)对比去噪图像前后的的平滑效果。可以通过观察来比较图片的平坦区域和缓变区域复原图像的平滑程度的多少来衡量。根据调查，相对于其他的区域来讲，人的眼睛对于平坦的区域区域和缓变区域噪声的敏感程度更高，而目前常见的噪声平滑的过程大多也是对于这些区域而进行的。(2)观察图像结构的保护效果。因为在图像的去噪过程中，图像噪声的平滑可能会使得图像的部分结构变得模糊，对图像的边沿和细节等信息造成严重的坡缓。一般情况下，大部

22、分的滤波方法都会造成图像的边缘模糊、边缘失真以及图像细节信息的丢失的现象。那么可以通过对比图像的边缘区域模糊程度的大小来衡量滤波器对图像结构的保护效果的好坏。2.3图像去噪方法的概述在实际运用的过程中，通过对需要进行去噪的图像滤波处理以后，可以把受到噪声影响的像素点变得模糊，减弱它对整体图像主客的视觉效果以及信噪比的影响，这样可以起到改善图像质量的效果。然而在实际的实验仿真过程中，为了较好地控制图像当中存在噪声的密度，以及更加准确的计算出滤波前后图像峰值信噪比的变化的大小，一般都是将没有噪声图像进行加噪处理得到含噪声的图像，然后对含噪声图像进行复原。假定需要对输入图像进行退化处理以得到退化后的

23、图像,那么就可以给原始图像设置一个退化函数，并添加一个加性噪声项.对于线性及位置不变性的退化过程，冈萨雷斯在数字图像处理一书中给出了在空间域中的如下退化模型： (2-8)在式子(2-8)中就是退化函数的空间描述。空间退化图像可以通过退化函数和原始图像在空间上的卷积操作从而得到，在空间退化图像退化后加上一个加性噪声项，这样就完成了退化的全过程。图像的复原是通过分析图像退化的模型，制定一个相反的过程进行处理，从而复原出原始的图像。图像的整个退化复原的过程的模型如图2-1所示。图2-1图像退化复原过程的模型3中值滤波去噪算法3.1中值滤波基本原理中值滤波是一种常用的非线性平滑滤波算法，,它基本原理就

24、是把数字的图像或数字序列中一点的像素值用该点附近区域中各点像素值的中值来替换，从而达到消除独立噪声点的目的,因此中值滤波对于滤除图像中含有的椒盐噪声效果非常明显。中值滤波可以做到不仅有效去除图像的噪声而且还可以很好的保护图像的边缘,从而使得图像最终可以获得较满意的复原效果。 中值滤波一开始是被运用在一维信号的处理当中，到后来才被引用到二维图像信号的处理技术所应用。它在一定的条件下，可以攻克线性滤波器所带来的图像细节迷糊的问题，而且对滤除由于的脉冲影响和图像的扫描产生的噪声最为有效。但是对于一些细节较多的，比如点、线、尖顶细节较多的图像不适合运用采用中值滤波的方法进行去噪操作。设有这样的一个一维

25、序列f1、f2 fn取窗口长度为（为奇数），对这个像素点序列进行中值滤波操作，就是从输入序列中相继抽出个数，fi-v，fi-1，fi，fi+1，fi+v，其中为窗口的中心位置,再将这个像素点按照其数值的大小进行排序，取出序号为中间的那个像素作为输出。用数学公式表示为： 其中 对于二维序列进行中值滤波操作的时候，那么选定的滤波窗口也是多样的二维窗口，二维数据中的中值滤波可以表示为：3.2中值滤波的去噪过程3.2.1中值滤波去噪的过程大致可以分为两步：(1)首先需要从图像中的某个采样窗口中取出奇数个数像素点进行排序处理。(2)其次再用排序后的中值像素点的值来替换要处理的数据就可以了。函数B=med

26、filt2(A,M,N)可以实现对二维矩阵A的中值滤波操作，利用 medfil函数对图像进行了延拓，使得图像总体的削弱效果变弱，当中值滤波的模板选为5*5的时候椒盐噪声的处理效果最好。 3.3 中值滤波的主要特性滤除噪声的性能：对非线性滤波去噪的中值滤波算法分析有很大的难度，我们主要是通过大量实验验证.但对于脉冲干扰的信号来讲，特别是脉冲宽度小于滤波窗口长度之半的这类信号，相距较远的窄脉冲，采用中值滤波去噪算法效果很好。3.4 简单中值滤波的局限性中值滤波是一种非线性的处理技术，他可以很好地能抑制图像中的噪声。虽然中值的滤波去除脉冲噪声的效果很好，却会对对图像的局部细节造一定的破坏，这是图像处

27、理中目前没有能很好解决的问题。3.5 均值滤波的原理均值滤波是一种为线性滤波算法，线性滤波的基本原理是用像素点的均值来替换原图像中的各个像素点的值， 对当前待处理的像素点， 再选择一个比较合适的模板， 该模板由它邻近的若干像素组成， 首先求出模板中所有像素的均值，再给当前的像素点赋予这个平均值，最后把这个点再作为处理后图像在该点上的灰度值 即 （3-1）其中，该窗模板中当前像素在内的像素点的总个数用m表示。3.6均值滤波在图像去噪中的应用特点邻域平均法虽然有效地抑制了图像中存在的噪声，但是在均值的计算过程中，对于景物的边缘点也需要对进行均值处理操作， 这样就可以使得景物的清晰度降低一些，整体的

28、画面也会变得模糊起来。 3.7均值去噪和中值滤波去噪的比较：图像均值滤波是离散系统的线性低通滤波器，它具有滤除高频噪声的作用，在处理高斯白噪声时的表现优于中值滤波。但是一般图像的边缘都属于高频信号，因此均值滤波在去出噪声的同时会减弱图像边缘的信息，造成图像的边缘模糊和细节信息丢失。而中值滤波为非线性滤波器，它能在去噪的同时较好的保持边缘和细节信息，同时对于椒盐而言，噪声的去除效果要明显优于均值滤波。4中值滤波去噪算法4. 1加权快速中值滤波算法对一幅图像数据进行研究发现,在对模板像素进行排序取种中值的过程中，窗口从第一个像素点点开始移动，处在边缘区域的像素点存在模糊，这会对总体的算法操作产生一

29、定的影响，所以首先对输入的灰度图像进行了左右、上下的边缘延拓，重新得到一张图像。选定合适的窗，根据窗内每个像素点与中心像素点相关性的大小，确定合适的权重系数，再对窗内的像素点进行排序取中值，然后再用窗内所有像素点的中值替代中心像素点。4.1.1加权中值滤波算法主要包括以下个步骤： (1)对图像进行噪声检测； (2)根据模板窗口内噪声的点数， 确定合适的的滤波窗口； (3)根据领域像素和中心像素相关性的大小确定合适的权值系数；(4)按照原始均值滤波算法的步骤操作。4.2具体的加权过程加权中值滤波算法的加权过程如图4-1所示:输入加噪图像a选定合适的窗模板分析窗模板内像素点和中心像素点相关性的大小

30、像素点离中心像素远，赋予小的权值像素点离中心像素远，赋予大的权值确定窗模板的权重系数利用加了权重系数的模板像素进行排序区取中值对图像进行去噪输出图像a图4-1加权中值滤波的加权过程在一般的中值滤波去噪算法所有的像素点都按照统一的标准进行排列顺序取中值，而我们知道，中心像素与周围像素相关性的大小取决于他们之间距离的远近，如果忽略像素点和中心像素点距离这一因素，对他们进行统一操作，那么可能会对实验的结果产生一定的影响，根据这个弊端，我们对所有的像素点进行加权处理，根据窗模板的规格和与中心像素点相关性的大小设计合理的权值系数，然后再进行中值滤波算法操作。5仿真结果分析比较为了验证本课题新提出的算法不

31、仅能有效地滤除不同的密度的脉冲噪声，而且可以能够很好好地保护图像细节信息，所以我们对源程序进行了仿真实验。5.1分别加椒盐噪声和高斯噪声进行去噪操作表5-1中值滤波去噪算法对加椒盐和高斯噪声的图片去噪效果图和数据指标显示表高斯噪声椒盐噪声均方误差7.376818e+0013.140743e+001信噪比(dB)29.4533.16 图5-1加椒盐噪声图5-2加高斯噪声去噪声从客观的去噪效果指标（信噪比的高低）和主观客体视觉的角度分析程序仿真效果图图5-1和图5-2得出以下结论：中值滤波更适合处理分布椒盐噪声的图片，虽然对高斯噪声的去噪也有不错的效果，但相对而言，还是椒盐噪声的效果更佳，因为本课

32、题主要研究的是中值滤波去噪的知识，为了得到很好的试验结论，我决定选取椒盐噪声作为本课题的加性噪声。5.2中值滤波去噪5.2.1选定的模板如下：模板1：3*3的窗模板；模板2：5*5的窗模板；模板3：7*7的窗模板；模板4：9*9的窗模板；5.2.2加入强度为0.10噪声的效果图和去噪指标显示表展示如下：原图模板1模板2模板3模板4图5-3加模板1、2、3、4模板窗的去噪效果图表5-1加入强度为0.10噪声的去噪指标名称模板1模板2模板3模板4MSE5.540208e+0013.178489e+0013.753264e+0014.605408e+001PSNR (dB)30.7033.1132.

33、3931.50从实验结果来看，当模板大小为5*5时，其去噪图像和原图的均方误差MSE最小，去噪图像的峰值信噪比最大，所以，这时的去噪效果最好。5.2.3加入强度为0.15的噪声的去噪效果图和去噪指标显示表展示如下：原图模板1模板2模板3模板4图5-4加模板1、2、3、4的模板的去噪效果图表5-2加入强度为0.15噪声的去噪效果指标名称模板1模板2模板3模板4MSE1.093577e+0023.439648e+0014.012358e+0014.806116e+001PSNR(dB)27.7432.7732.1031.31从实验结果来看，当模板大小为5*5时，其去噪图像和原图的均方误差MSE最小

34、，去噪图像的峰值信噪比最大，所以，这时的去噪效果最好。5.2.4加入强度为0.20噪声的效果图和去噪指标显示表展示如下：c.加模板1、2、3、4的模板的去噪效果图：原图模板1模板2模板3模板4图5-5加模板1、2、3、4的模板的去噪效果图表5-3加入强度为0.20噪声的去噪效果指标名称模板1模板2模板3模板4MSE2.229208e+0023.995169e+0014.160803e+0015.006667e+001PSNR(dB)24.6532.1231.9431.145.2.5加入强度为0.25噪声的效果图和去噪指标显示表展示如下：原图模板1模板2模板3模板4图5-6分别加模板1、2、3、

35、4的模板的去噪效果图表5-4加入强度为0.25噪声的去噪效果指标名称模板1模板2模板3模板4MSE3.929328e+0024.384426e+0014.437686e+0015.125484e+001PSNR(dB)22.1931.7131.6631.035.2.6加入强度为0.30噪声的效果图和去噪指标显示表展示如下：原图模板1模板2模板3模板4图5-7分别加模板1、2、3、4的模板的去噪效果图表5-5加入强度为0.30噪声的去噪效果指标名称模板1模板2模板3模板4MSE7.250025e+0025.183068e+0014.924768e+0015.570192e+001PSNR(dB)

36、19.5330.9831.2130.67表5-6五组实验结果的指标汇总表名称模板1模板2模板3模板4PSNR(dB)30.7033.1132.3931.50PSNR(dB)27.7432.7732.1031.31PSNR(dB)24.6532.1231.9431.14PSNR(dB)22.1931.7131.6631.03PSNR(dB)19.5330.9831.2130.67从上述不同强度噪声的实验结果来看，原图的尺寸大小是*，当模板大小为5*5时，其去噪图像和原图的均方误差MSE最小，去噪图像的峰值信噪比最大，所以，这时的去噪效果最好。从而，得出经验性的结论，当模板尺寸和图像尺寸的比例为*

37、：*时，去噪的效果较好。5.3加权中值算法去噪5.3.1加权中值滤波选定的模板如下：模板1：模板2：模板3：模板4：模板5：模板6：模板7：模板8：模板9：模板10：5.3.2加入强度为0.10的噪声的去噪效果图和去噪指标显示表展示如下：原图模板1模板2模板3模板4模板5模板6模板7模板8模板9模板10图5-8分别加模板1、2、3、4、5、6、7、8、9、10模板的去噪效果图表5-7加入强度为0.10噪声的去噪效果指标名称模板1模板2模板3模板4模板5模板6模板7模板8模板9模板10MSE4.514409e+0011.879068e+0011.927406e+0012.200327e+0012

38、.515322e+0012.556383e+0012.483202e+0012.150673e+0012.864813e+0013.027744e+001PPSNR(dB)31.5835.3935.2834.7134.1234.0534.1834.8133.5633.325.3.3加入强度为0.15噪声的效果图和去噪指标显示表展示如下：原图模板1模板2模板3模板4模板5模板6模板7模板8模板9模板10图5-9分别加入1、2、3、4、5、6、7、8、9、10窗模板的去噪效果图表5-8加入强度为0.15噪声的去噪效果指标名称模板1模板2模板3模板4模板5模板6模板7模板8模板9模板10MSE9.5

39、34945e+0012.034425e+0012.295300e+0012.368556e+0012.712133e+0012.759862e+0012.675607e+0012.349534e+0012.977227e+0013.219907e+001PSNR(dB)28.3435.0534.5234.3933.8033.7233.8634.4233.3933.055.3.4加入强度为0.20噪声的效果图和去噪指标显示表展示如下：原图模板1模板2模板3模板4模板5模板6模板7模板8模板9模板10图5-10分别加模板1、2、3、4、5、6、7、8、9、10模板的去噪效果图表5-9加入强度为0.

40、20噪声的去噪效果指标名称模板1模板2模板3模板4模板5模板6模板7模板8模板9模板10MSE1.957919e+0022.438883e+0012.598287e+0012.551636e+0013.174427e+0012.958644e+0012.948758e+0012.517316e+0013.043970e+0013.334083e+001PSNR(dB)25.2134.2633.9834.0633.1133.4233.4334.1233.3032.905.3.5加入强度为0.25噪声的效果图和去噪指标显示表展示如下原图模板1模板2模板3模板4模板5模板6模板7模板8模板9模板10

41、图5-11分别加模板1、2、3、4、5、6、7、8、9、10模板的去噪效果图表5-10加入强度为0.25噪声的去噪效果指标名称模板1模板2模板3模板4模板5模板6模板7模板8模板9模板10MSE3.649396e+0022.798652e+0013.213361e+0012.745673e+0013.015857e+0013.079216e+0012.700793e+0013.290442e+0013.315149e+0013.459744e+001PSNR(dB)22.5133.6633.0633.7433.3433.2533.8232.9632.9332.745.3.6加入强度为0.30噪

42、声的效果图和去噪指标显示表：原图模板1模板2模板3模板4模板5模板6模板7模板8模板9模板10图5-12分别加模板1、2、3、4、5、6、7、8、9、10模板的去噪效果图表5-11加入强度为0.30噪声的去噪效果指标名称模板1模板2模板3模板4模板5模板6模板7模板8模板9模板10MSE6.265389e+0023.411393e+0013.886275e+0013.078844e+0013.397467e+0013.408991e+0013.696275e+0013.008514e+0013.367441e+0013.798582e+001PSNR(dB)20.1632.8032.2433.

43、2532.8232.8032.4533.3532.8632.33表5-12加权中值滤波去噪五组试验指标的总汇名称模板1模板2模板3模板4模板5模板6模板7模板8模板9模板10PSNR（0.1）(dB)31.5835.3935.2834.7134.1234.0534.1834.8133.5633.32PSNR（0.15）(dB)28.3435.0534.5234.3933.8033.7233.8634.4233.3933.05PSNR（0.20）(dB)25.2134.2633.9834.0633.1133.4233.4334.1233.3032.90PSNR（0.25）(dB)22.5133.

44、6633.0633.7433.3433.2533.8232.9632.9332.74PSNR（0.30）(dB)20.1632.8032.2433.2532.8232.8032.4533.3532.8632.33表5-133*3的模板的中值滤波去噪与加权中值滤波去噪信噪比的数值对比表：名称PSNR（0.1）(dB)PSNR（0.15）(dB)PSNR(0.20) (dB)PSNR(0.25) (dB)PSNR(0.30) (dB)中值滤波去噪30.7027.7424.6522.1919.53加权中值滤波去噪31.5828.3425.2122.5120.16图5-133*3的模板中值滤波去噪与加

45、权中值滤波去噪信噪比曲线图表5-143*3的模板中值滤波去噪与加权中值滤波去噪信噪比的对比表：名称PSN（0.1）(dB)PSNR（0.15）(dB)PSNR(0.20) (dB)PSNR(0.25) (dB)PSNR(0.30) (dB)中值滤波去噪30.7027.7424.6522.1919.53加权中值滤波去噪35.3935.0534.2633.6632.8035.2834.5233.9833.0632.24图5-145*5的模板中值滤波去噪与加权中值滤波去噪信噪比数值曲线图表157*7的模板中值滤波去噪与加权中值滤波去噪信噪比的对比表：名称PSNR（0.1）(dB)PSNR（0.15）

46、(dB)PSNR(0.20) (dB)PSNR(0.25) (dB)PSNR(0.30) (dB)中值滤波去噪30.7027.7424.6522.1919.53加权中值滤波去噪34.7134.3934.0633.7433.2534.1233.8033.1133.3432.8234.1833.7233.4233.8232.4534.8134.4234.1232.9633.35图5-157*7的模板中值滤波去噪与加权中值滤波去噪信噪比数值曲线图表5-159*9的模板中值滤波去噪与加权中值滤波去噪信噪比数值的对比表：名称PSN（0.1）(dB)PSN（0.15）(dB)PSNR(0.20) (dB)

47、PSNR(0.25) (dB)PSNR(0.30) (dB)中值滤波去噪30.7027.7424.6522.1919.53加权中值滤波去噪33.5633.3933.3032.9332.8633.3233.0532.9032.7432.33图5-169*9的模板中值滤波去噪与加权中值滤波去噪信噪比数值曲线图5.4结论(1)随着噪声强度的不断变大，中值滤波去噪算法的信噪比数值逐渐呈现下降趋势，也就是说，中值滤波去噪的性能随着噪声分布密度的加大而降低，即原始的中值滤波去噪算法对于高密度分布的椒盐噪声存在着一定的局限性。(2)加权中值滤波去噪算法去噪性能稳定，随着噪声强度的加大，信噪比在一定的范围内波

48、动，基本呈现稳定波动的的趋势，即加权中值滤波去噪对于高密度分布的椒盐噪声依然比较有效，弥补了中值滤波去噪的局限性。(3)本实验分别添加了不同强度类型的噪声，在噪声强度逐渐增加的过程中， 中值滤波去噪算法得到的图像轮廓越来越模糊, 而加权中值滤波算法去噪对图像的边缘得到了很好地保护,说明中值滤波对高密度脉冲的噪声去噪效果不是特别的理想。(4)分析表112显示的的数据可以看出，不同的模板产生的去噪效果各不相同，采用加权中值滤波去噪算法产生的信噪比数值也一定的范围内波动。对这是个模板综合分析，模板二产生的效果最好，随着模板规格的不断增大，加权中值滤波去噪算法的去噪效果变差，但较中值滤波算法而言，加权

49、中值滤波去噪算法仍然具有较大的优越性。由此可以初步得出：简单的加权去噪采用5*5的模板效最最佳模板：weight=1,1,1,1,1;1,2,2,2,1;1,2,2,2,1;1,2,2,2,1;1,1,1,1,1;(5)在确定权值系数的过程中，权值系数的大小一定要根据像素点与中心像素相关性的大小来确定，权值系数过度的极端或者平滑都会影响实验结果的准确性。 综合图5-13、图5-14、图5-15和图5-16可以得出：中值滤波去噪算法所得到的信噪比数值所描绘出来的曲线图（红色的线条）一直位于加权中值滤波去噪算法信噪比曲线的下方，由此可以得出加权中值滤波算法去噪性能比原始中值滤波算法优越。6总结与展望6.1结语通过