数字图像处理 中值滤波

通信与信息工程学院数字图像处理课程设计

班级：电信科11级 1 班姓名：

学号：

指导教师：

设计时间：2014.6.30 —2014.7.4 成绩：

评

通信与信息工程学院

二〇一四年

中值滤波

一、实验目的

通过研究图像中值滤波运算的算法,编程实现对图像增强处理的基本方法，分析运行结果与理论进行对比加深对中值滤波算法的理解并独立思考算法的改进方法和如何消除各参量的矛盾性，关注当前图像处理先进的技术与未来发展的方向。

二、实验任务

用中值滤波对图像进行处理并分析结果。

三、实验内容

中值滤波：运用中值滤波完成对图片的平滑处理,要求图片所加噪声为椒盐噪声和高斯噪声。要求程序中用户可以根据需要选择窗口形状和窗口大小，根据运行结果分析窗口形状和大小对滤除效果的影响，并且比较中值滤波对于椒盐噪声和高斯噪声图片的平滑效果区别。了解当前滤波技术的发展方向，了解更有效地滤波算法。

中值滤波原因：数字图像在获取、传输、接收和处理过程中，因受到一定的外部及内部干扰，从而被噪声影响。但对图像进行边缘检测、图像分割、特征识别等许多处理工作时，都要求图像有较高的质量，因此需要先将图像中的噪声很好的进行滤除以提高图像质量。而在图像的编码及传输中，经常经过含有噪声的线路或被电子感应噪声污染时，会使图像染上一定程度的椒盐噪声(即脉冲噪声)。因此图片处理首先要进行平滑去噪。中值滤波因其特殊的对输入信号序列的映射关系，在去除脉冲噪声上有着比较好的效果，但中值滤波也会有一定程度的图像模糊。期望可以得到更好的滤波技术，更好的解决去噪和保护图像细节这一矛盾。

中值滤波思想：

中值滤波就是选择一定形式的窗口，使其在图像的各点上移动，用窗内像素灰度值的中值代替窗中心点处的像素灰度值。它对于消除孤立点和线段的干扰十分有用，能减弱或消除傅里叶空间的高频分量，但也影响低频分量。高频分量往往是图像中区域边缘灰度值急剧变化的部分，该滤波可将这些分量消除，从而使

图像得到平滑的效果。

通过用中值代替窗口中心灰度值的方式，可以有效的保持阶跃函数及斜坡函数不发生变化，并将周期值小于窗口一半的脉冲抑制。根据中值滤波的这些特点，将其应用于数字图像去噪工作的话，可以较好的保留图像边缘信息，并可以去除一定的均匀分布噪声和椒盐噪声。然而这种中值滤波方法需要对滑动窗口内的像素点灰度值进行排序，需要进行大量的数学运算，而且在图像边缘区域还会保留一定的残留噪声。

四、实验结果及分析

1、窗口大小对滤波效果的影响：

运行程序后显示的图片：

3×3

5×5：

7×7：

由运行结果图片分析得：在实际使用窗口的时候，窗口的尺寸一般先用3*3再取5*5逐渐增大，直到滤波效果满意为止。

窗口越大，滤波效果越明显，但计算时间越长，而且图像越迷糊。窗口太小，滤波效果不好，会残留很多脉冲噪声，但是图像清晰，与原图像相似度更高。

由图片可以看出在对椒盐噪声滤除的时候窗口为3*3的时候还残留一些噪声。5*5的效果最好。7*7窗口虽然滤出效果非常好，但是图像模糊程度非常大。

可见，中值滤波滤除噪声的效果是已丢失图片细节为代价的。

2、：中值滤波对噪声的选择：

运行程序后显示的图片：

由于图像中的噪声种类很多. 对图像信号幅度和相位的影响十分复杂,有些噪声和图像信号互相独立不相关,有些是相关的,噪声本身之间也有些相关. 一般在图像处理技术中常见的噪声有:加性噪声g = f + n ;乘性噪声g = f + f n ;但一般我们将噪声分为椒盐噪声和高斯噪声。中值滤波的输出与输入噪声的密度分布有关，而且它更适用于椒盐噪声，对于高斯噪声，不论从滤出效果或是保留细节效果都不是很好。

分析：由图可以看出，中值滤波对高斯噪声图片滤出效果不好。

3、：中值滤波对噪声的选择：

运行程序后显示的图片：

中值滤波窗口的形状也不一定拘泥于正方形，可以有多种不同的形状，如线状、方形、圆形、十字形等。在实用中一般采用方形、十字形。

有运行结果图片分析得：对于有缓变的较长轮廓物体的图像，采用方形窗口较好；对于包含尖顶角物体的图像，适合用十字形窗口。

五、小结

在课程设计中，我通过给图像加椒盐噪声和高斯噪声，然后对每幅图片进行中值滤波去噪处理，制定窗口形状和窗口大小，通过运行结果对比可知，方形窗口更好的保留细节，窗口越小，虑噪效果越不明显，但保留细节能力越强。得出：中值滤波，作为非线性滤波器，相对于线性滤波器可以在去除噪声的同时更好的保留图像，但也存在一定的图像模糊现象。对于连续变换的区域可以很有效的去噪，但在图像细节的处理方面则有较大的缺陷，容易把细节点作为噪声处理掉。