基于中值滤波的图像噪声消除方法研究

基于中值滤波的图像噪声消除方法研究

视频图像是基于人类的照明特性和大量的变换、处理、传输和其他应用技术的基础。视频图像的噪声是最直接、最有害和最重要的影响人类观察的问题。如何使得图像在终端画面上即保持显示图像的各类要素信息,并得以加强,又适合于人眼观察,还能合理的消除大量的噪声是图像处理研究领域进行的主要研究之一。目前,常用的图像噪声滤波方法有低通滤波法(它主要用于基带信号)、带通滤波法(用于提取调制信号,消除带外噪声)、平滑、锐化滤波(即LUM(lowor-upper-middle)滤波)、均值滤波、中值滤波等多种。具体采用什么样的滤波方法要根据影响信号的噪声与系统的具体情况而定。作者对四种含有不同类型噪声的信号分别采用了低通滤波、LUM滤波、变换滤波、均值滤波、高斯滤波、中值滤波等不同的方法,并观察了滤波前后信号的频谱变化情况和最后图像显示的效果,得出:①中值滤波法是消除随机图像噪声的最佳方法,但该方法对于系统高斯噪声和均值型噪声的消除效果并不理想;②理论分析所得的最佳效果和实际显示图像的最佳状态存在着一定的偏差,最终图像显示效果和人眼视觉特性有着密切的关系,在分析和处理图像噪声时,必须结合人眼的视觉特性。1中值滤波消除图像随机噪声的可行性在图像处理过程中,传输系统和外部干扰给图像造成的噪声如何消除是影响显示图像质量的关键问题,不影响人眼观察的噪声信号对显示图像并不产生干扰,图像质量的好坏和人眼的感光特性是密切相关的。由于人眼对图像的感觉是以亮度感觉为主的,而亮度感觉主要是由人眼的杆状细胞来完成的,杆状细胞对显示图像的感光是人眼多个细胞的平均光。人眼的锥状细胞感觉色彩,杆状细胞感觉亮高,每只人眼含有60～80万个锥状细胞,并集中分布在人眼视轴与视网膜相交的黄斑区内;含有7600～15000万个杆状细胞,并广泛分布于整个视网膜表面,人眼的锥状细胞每个细胞连接一根神经末梢,而感状细胞是若干个细胞同时连接在一根神经末梢上。人眼对亮度的感觉主要来自杆状细胞。因此,人眼感受的是若干个杆状细胞,对平均光的刺激,而中值滤波所取的图像信号的中值正好适合于人眼杆状细胞的感光。对图像进行中值滤波后,可以很好地消除分布在图像上的各类随机噪声,且不影响图像给人的感觉。在图像传输过程中,外部干扰和系统内部干扰会给图像带来很多的随机噪声干扰,利用中值滤波就能很好地消除这些干扰,而中值滤波对图像信号的衰减又不影响人眼对图像的感觉。因此,利用中值滤波法来消除图像的随机干扰噪声是图像随机噪声消除的最佳方法。利用中值滤波还可消除其它类型的图像噪声,具体可参见本文给出的中值滤波效果图。2图像的量化处理成像设备所产生的图像,跟人眼有所不同,它们通常是确定的或唯一的。所生成的图像主要分为两类:一类是物理光学图像,一类是电子学图像。在图像处理学中主要涉及的是电子学图像,它是由电子设备(摄像机、数码像机、计算机、扫描仪等)所产生的。在对图像进行处理时,一般应首先将电子设备所产生的图像送入数字化仪(digitizer),使其变为一幅数字化的图像,从而对数字化的图像进行处理。图像数字化需要经过以下步骤。(1)按一定空间位置选取取样孔隙,忽略图像的其它部分,由取样孔隙获取每个像素。(2)将取样孔隙依一定模式在图像上移动,可使图像像素按某种顺序排列,从而满足对图像的扫描。(3)采用光感应器(Sensor)来量度光透过取样孔隙所获得的图像亮度;并将光强信号转化成电流或电压信号。(4)采用量化器将感应器产生的图像进行量化,使图像变成有限个可能的取值,从而完成图像的量化过程。(5)量化后的图像还需进行数字化编码,从而完成对模拟信号数字化的过程及图像的A/D转换过程。将数字化的图像信号送入计算机进行各类变换和处理,各类处理的目的是为了用最少的信息来表述最多的图像内容,并且能够合理的消除图像中的各类噪声。如何处理图像中的噪声是我们最关心的问题。处理图像的关键问题是要解决图像中的干扰、失真和噪声。高斯白噪声和随机噪声是图像传送中最常出现的两种噪声。高斯噪声常来自于设备,随机噪声主要来自于信道和外部系统。随机脉冲干扰噪声和随机椒盐噪声对图像的影响特别大,这类噪声的处理,对图像处理有着十分重要的意义。中值滤波法就能很好地消除这类噪声。对于随机噪声,若采用简单的平滑滤波(低通滤波),优点是电路简单方便,且对图像中随机噪声的消除具有很好的效果;但它同时又使得图像的边缘变的模糊,造成人眼视觉上的失真。若即想消除噪声,又不想让图像变得模糊,采用平滑滤波时,必须增加锐化图像的锐化滤波电路,即平滑锐化滤波(也叫LUM滤波);平滑锐化滤波是噪声消除的实用方法之一,在图像分割预处理中常常采用,它具有实用的程序和电路,该方法主要采用图像高低的统计平均值和图像样本中值进行比较,通过运算得到图像的输出值;此过程含有了图像中值、统计平均值、输出值的运算过程,对图像处理具有明显的效果。采用中值滤波进行图像随机噪声的处理,能够很好的消除图像中的随机干扰噪声和其他噪声给图像带来的影响,并能保持图像的原有效果,在后面的图像处理效果图中得到了印证。3利用中值滤波可以去除图像中的随机噪声3.1中值滤波器的作用中值滤波是由图基(Turky)在1971年提出的,中值滤波的原理是把序列(Sequence)或数字图像(digitalimage)中一点的值,用该点邻域中各点值的中值来替代。对序列而言中值的定义是这样的:若x1x2…xn为一组序列,先把其按大小排列为xi1≤xi2≤xi3⋯≤xinxi1≤xi2≤xi3⋯≤xin则该序列的中值y为y=Med{x1x2⋯xn}=⎧⎩⎨⎪⎪⎪⎪xi(n+12)12[xin2+xi(n+12)]n为奇数n为偶数(1){x1x2⋯xn}={xi(n+12)n为奇数12[xin2+xi(n+12)]n为偶数(1)式(1)中,若把一个点的特定长度或形状的邻域作为窗口,在一维情况下,中值滤波器是一个含有奇数个像素的滑动窗口。窗口正中间那个像素的值用窗口各像素值的中值来代替,设输入序列为{xi,i∈I},I为自然数集合或子集,窗口长度为n,且令u=n−12u=n-12,则滤波器的输出为yi=Med{xi}=Med{xi−u⋯xi⋯xi+u}(2)yi=Μed{xi}=Μed{xi-u⋯xi⋯xi+u}(2)式(2)表明i点的中值仅与窗口前后各点的中值有关,yi为序列xi的中值。若把式(2)中,中值滤波的概念推广到二维,并利用某种形式的二维窗口。则可对二维中值滤波做如下定义:设{xij,(i,j)∈I2}表示数字图像各点的灰度值,滤波窗口为A,yij为窗口是A在xij点的中值,则yij=MedA{xij}=Medyij=ΜedA{xij}=Μed{x(i+r),(j+s),(r,s)∈A,i,j,∈I2}(3)式(3)为窗口是A的xij点的中值表达式,二维中值滤波的窗口可以取方形,也可以取近似圆形或十字形。3.2中值滤波针对图像的中值滤波的过程为,首先将模板内(窗口)所涵盖的像素按灰度值由小到大排列,再取序列中间点的值作为中值,并以此值作为滤波器的输出值。在有很强的胡椒粉式(或脉冲)干扰的情况下,因为这些灰度值的干扰值与其邻近像素的灰度值有很大的差异,因此经排序后取中值的结果是强迫将此干扰点变成与其邻近的某些像素的灰度值一样,从而达到去除干扰的效果。应当注意的是中值滤波的过程是一个非线性的操作过程,它即能保持图像的轮廓,又能消除强干扰脉冲噪声。中值滤波除直接采用图像像素作中值外,还可采用其它的方法,例如平滑锐化滤波就含有取中值和样点计算的过程。另一种方法是先计算周边像素灰度的平均值,若所考虑像素的灰度与此平均值的差异超过一定临界值时,则判定此像素为干扰,该点的值应采用先前计算所得的平均值来替代,若不超出临界则用该点实际像素的灰度值作为滤波器的输出,此种方法更接近于人眼的实际感觉。利用中值滤波法消除图像噪声要经过如下过程:(1)输入图像;(2)加入模拟噪声;(3)中值滤波。中值滤波的效果见图1。由图1可以看出,中值滤波对于消除高斯白噪声效果不是特别理想,但对消除随机干扰噪声效果却非