改进的中值滤波去噪算法应用分析

万方数据

刘国宏，郭文明：改进的中值滤波去噪算法应用分析２０１０，４６（１０）１８９

较少的图像。由于小波变换具有多分辨分析性，因而能够把处于不同频域的信号和噪声很好地区分开。在信号上，小波去噪是—个信号滤波的Ｉ＇ｕ１题，而且尽管在很大程度上小波去噪可以看成是低通滤波，但是由于在去噪后，还能成功地保留图像特征，所以在这一点上又优于传统的低通滤波器。由此可见，小波去噪实际上是特征提取和低通滤波功能的综合。

４．３均值滤波的原理

均值滤波也称为线性滤波，其采用的主要方法为邻域平均法。线性滤波的基本原理是用均值替代原图像中的各个像素值，即对待处理的当前像素点（茗，，，），选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点（髫，，，），作为处理后图像在该点上的灰度“茗，，，），即

ｇ（并，，，）＝＝告乞“菇，，，）（２）』Ｈ作’

其中，ｓ为模板，肘为该模板中包含当前像素在内的像素总个数。４．４均值滤波在图像去噪中的应用特点

采用邻域平均法的均值滤波器非常适用于去除通过扫描得到的图像中的颗粒噪声。邻域平均法有效地抑制了噪声，但是在求均值的计算过程中，景物的边缘点也进行均值处理，这样就使得景物的清晰度降低，画面变得模糊。基于这种情况，对均值滤波提出了各种改进算法，实现了新的均值滤波器，如加权均值滤波器，灰度最小方差均值滤波器，Ｋ近邻均值滤波器，对称近邻均值滤波器等等，这些滤波器在进行平滑处理时，刻意避开了对景物边界的平滑处理，所以可以大大降低对图像的模糊。

４．５实验结果对比分析

对含“椒盐”噪声的图１采用文中所用的改进的中值滤波算法进行去噪处理，并将其处理结果与小波变换、均值滤波的处理结果进行对比分析，如图２￣４所示。

图ｌ含有“椒盐”噪卢的原图图２中值滤波

例３小波变换图４均值滤波

通过用Ｖｉｓｕａｌｃ＋删以上算法进行实现并将实验结果进行对比分析，可以得出以下结论：

（１）对于中值滤波，由图２可以看出，改进后的中值滤波对

去除“椒盐”噪声可以起到很好的效果，因为椒盐噪声是一种脉冲噪声，所以根据上述中值滤波的算法原理可知，通过将图像中未被噪声污染的点取中值代替噪声点的值来抑制噪声，因此噪声的抑制效果很好，同时画面的清晰度基本保持。中值滤波与均值滤波相比，虽然算法略为复杂，但是对画面清晰度的保持方面却比均值滤波好很多。

（２）对于小波变换，由图３可以看出，图像上的“椒盐”噪声很明显，说明小波变换对“椒盐”噪声的去除没有多大效果。小波变换是一种时频局部化分析方法。即随着分辨率的降低，噪声的小波变换值逐渐减小，信号占主导地位；而随着分辨率的提高，噪声的小波变换值增大，信号被噪声淹没。所以，对小波变换，提高分辨率和有效去除噪声，两者不可兼得。

（３）对于均值滤波，由图４可以看出，均值滤波对“椒盐”噪声的去除效果不明显。这是因为“椒盐”噪声均值不为零，均值滤波只是将某点出现的噪声强度，让周围的数据平均分担了，所以得到的结果是噪声幅值减小，但是噪声点的颗粒面积同时变大。受到噪声污染的图像信息经均值滤波后，噪声得到了一定的抑制，但是由于均值滤波的算法设计，使得图像边缘变得比较模糊。

５结论

通过改进的中值滤波在去除椒盐噪声Ｍ的方法原理和中值滤波的普遍应用范围，以及它与小波变换、均值滤波在去除椒盐噪声方面的性能优劣对比和视党效果对比，得出了结论。抑制噪声和保持图像中的细节往往是一对矛盾，也是图像处理

中尚未很好解决的问题。将中值滤波算法进行进一步的改进，得到１中新的兼有细节保护和噪声抑制的优良特性的算法，使其去噪效果更为理想，应用更为广泛，这是图像处理工作的目标，也是今后的研究方向。

参考文献：

【１】朱虹．数字图像处理ｆＭｌｌＢ京：科学出版社，２００５．

【２】谢燕江．中值滤波在图像去噪中的应用【Ｊ】．湘南学院学报，２００４（２）．【３１Ｊ∞ｌｌｇＢ，Ｌ艘ＹＨ．Ｄｅ８ｉ弘０ｆｗｅｉｇＩｌｔｅｄｏｒｄｅｒｓｔａｔｉ８ｔｉｃｆｉｌｔｅｒ郴ｉｎｇｔｈｅｐｅ∞ｑ畔ｉ∞幽肿ｈ叫Ｊ】．ＩＥＥＥＴｒ蛐ｓａｃｔｉ饨￥姐ＳｉｇｒｌａｌＰｔｏｃｅ昭ｉＩｌｇ，ｌ钙１４．４２．

【４】秦鹏，丁澜涛．一种基于排序阈值的开关中值滤波方法【Ｊ１．中国图象图形学报，２００４（４）．

【５１ＧｏｎｚａｌｅｚＲｃ，ｗｏｏｄ８ＲＥ．数字图像处理【Ｍ１．阮秋琦，阮宇智，译．北京：电子工业出版社，２００３

【６】何斌，马天予，王运坚，等．Ｖｉ８ｌｌａｌｃ＋＋数字图像处理【Ｍ】．２版．北京：人民邮电出版社，２００２．

【７１求是科技．Ｖｉｓｕａｌｃ＋＋数字图像处理典型算法及实现【Ｍ】．北京：人民邮电出版社，２００６．

【８】董继扬，张军英．一种简单的椒盐噪声滤波算法ｍ．计算机工程与应用，２００３，３９（２０）：２７—２８．

【９】任洪海，纪玉波，张飞侠，等．一种去除椒盐噪声中值滤波的改进算

法【Ｊ１．电脑开发与应用，２００５（５）．万方数据

改进的中值滤波去噪算法应用分析

作者：刘国宏，郭文明

作者单位：北京邮电大学,软件学院,北京,100876

刊名：

计算机工程与应用

英文刊名：COMPUTER ENGINEERING AND APPLICATIONS

年，卷(期)：2010，46(10)

被引用次数：0次

参考文献(9条)

1.朱虹数字图像处理 2005

2.谢燕江中值滤波在图像去噪中的应用 2004(2)

3.Jeong B.Lee Y H Design of weighted order statistic filter using the perception atgorithm 1994

4.秦鹏.丁润涛一种基于排序阈值的开关中值滤波方法 2004(4)

5.Gonzalez R C.Woods R E.阮秋琦.阮宇智数字图像处理 2003

6.何斌.马天予.王运坚Visual C++数字图像处理 2002

7.求是科技Visual C++数字图像处理典型算法及实现 2006

8.董继扬.张军英一种简单的椒盐噪声滤波算法 2003(20)

9.任洪海.纪玉波.张飞侠一种去除椒盐噪声中值滤波的改进算法 2005(5)

相似文献(10条)

1.期刊论文唐世伟.林君.TANG Shi-wei.LIN Jun小波变换与中值滤波相结合图像去噪方法-哈尔滨工业大学学报

2008,40(8)

为了很好地保持图像的边缘细节,在对二维图像去噪平滑的过程中,采用基于小波变换和中值滤波相结合的图像去噪处理方法.将含有复杂噪声的图像首先进行小波分解,对各频带的子图像采用不同的阈值(软阈值和硬阈值)进行中值滤波处理,在去除图像噪声的同时,较好地保持了图像所包含的边缘信息.经实验证明,对二维图像的处理效果优于单一的小波变换去噪或中值滤波等方法.在由相干切片数据形成的二维地震图像处理中得到了应用,提高了地震解释的效率.

2.学位论文李双全基于中值滤波和小波变换的图像去噪算法研究2009

在图像的采集、获取、编码和传输的过程中，所有的图像均不同程度地被可见或者不可见的噪声污染。噪声的存在严重影响了图像质量，也为图像进一步处理带来了麻烦。为提高图像质量，有利于更深入地图像分析，在图像预处理中就必须减小图像中的噪声，尽可能地保留图像的主要特征。本文主要针对椒盐噪声和高斯噪声，研究基于中值滤波和小波变换的消除数字图像噪声的理论方法，主要研究内容包括：

针对传统中值滤波算法和极值中值滤波算法的不足，首先提出一种带有噪声检测的消除椒盐噪声的改进中值滤波算法。通过设定阈值，并考虑相邻像素的相关性，先检测出噪声点，然后再进行中值滤波。该算法能够更好地保护图像的细节。此外又提出一种基于GF（28）域相似度函数的椒盐噪声滤波算法，将10进制的灰度值转换到GF（28）域内，进行相似度函数的计算，然后根据窗口内每个像素的相似度来确定噪声点，再进行中值滤波。仿真结果和性能指标计算表明，此算法在椒盐噪声的检测和滤除上非常有效。

鉴于双树复小波变换不但继承了传统小波变换的优点，而且还具有近似平移不变性、多方向性、有限冗余和高效计算等特点，设计一种基于双树复小波域隐马尔可夫树模型的图像去噪算法。该算法是在分析反映小波系数尺度间相关性的隐马尔可夫树（HMT）模型的基本思想和方法后，建立复小波域HMT模型，给出基于该模型的图像去噪算法。仿真结果表明，基于双树复小波的HMT模型去噪算法与传统图像去噪算法相比，能够消除传统小波变换因缺乏平移不变性而产生的伪Gibbs现象，在峰值信噪比和保留图像细节上都取得较好效果。

针对基本高斯比例混合模型去噪算法无法区分图像邻域内不同成分的差别的问题，提出一种基于复小波系数反转的去除高斯噪声的图像滤波算法。建立复小波系数的邻域和相邻尺度的模型时，对图像边缘和突变处的不连续特征使用小波系数反转方法建模，将小波尺度间系数相位特性用于信号估计中。应用Bayes选择结构来确定每个小波系数邻域内的模型，进而从含噪声的小波系数邻域中估计出中心系数的值。仿真结果表明，所提出的图像去噪算法可以有效提高图像结构特征区域的去噪效果，降低振铃现象，增加对比度，同时避免其他区域图像质量的下降。

基于嵌入式处理器S3C44BOX和嵌入式操作系统μClinux，设计了具有图像去噪功能的图像采集和预处理装置。该装置通过摄像头完成视频图像的采集和图像文件的存储，并采用本文提出的去噪算法滤除图像噪声，进而通过USB接口和网络接口实现图像文件的传输。

3.期刊论文杨辉.彭良玉.陆世专.YANG Hui.PENG Liang Yu.LU Shi Zhuan基于小波域高斯混合模型与中值滤波的

图像去噪研究-电子技术应用2007,33(5)

分析了基于高斯混合模型的小波去噪方法,并结合中值滤波提出一种新的图像去噪方法.仿真实验表明,将两种方法结合起来用于含混合噪声的图像去噪,比单独使用中值滤波或小波去噪的效果更好.

4.会议论文赵悦.程彦.赵海生.曹春国基于中值滤波和平稳小波变换的天气雷达回波图像去噪2006

本文在仔细分析天气雷达回波图像特征的基础上，提出一种基于中值滤波与平稳小波变换相结合的方法实现了回波图像去噪；该方法是根据回波图中混有的脉冲噪声及高斯噪声的不同特性，结合中值滤渡的特点，在空域内去除脉冲噪声，然后在小波域内对高频子带进行软阈值降噪处理去除高斯噪声。该算法的实验结果显示，不仅能滤除回波图像中的混合噪声，而且能较好地保留图像的边缘细节，其滤波效果明显好于正交小波阈值去噪方法。

5.期刊论文叶鸿瑾.张雪英.何小刚.YE Hong-jin.ZHANG Xue-ying.HE Xiao-gang基于小波变换和中值滤波的医学

图像去噪-太原理工大学学报2005,36(5)

简单介绍了离散小波变换、二维小波变换分解与重构和中值滤波的原理,提出了利用小波变换、中值滤波对含有高斯和脉冲两者混合噪声的医学CT图

像进行去噪的一种新方法.实验结果表明:这种方法能够有效改善图像质量,较好地保持图像视觉效果,降低图像噪声;此方法的效果优于单纯的小波变换或单纯的中值滤波或先中值滤波再小波变换去噪的方法,是去除CT图像中含高斯和脉冲两者混合噪声的一种比较理想的方法.

6.学位论文杨山基于中值滤波和小波变换的图像去噪2002

小波变换是近年来兴起的信号处理技术,它具有良好的局部化分析特性和多分辨率分析特性,非常适合于图像处理.在图像中常常会含有各种噪声;为了消除或衰减存在于图象中的噪声,同时尽可能地保留图象细节,该文提出一种基于小皮变换与中值滤波相结合的方法实现了图象去噪;该方法是根据高斯噪声及脉冲噪声在小波变换下的不同特性,并结合中值滤波的特点,在小波域内对高频子带进行中值滤波,然后选择相应的门限进行降噪处理.该算法的实验结果显示,不仅能滤除图像中的加性噪声和高斯噪声,而且能较好的保留图像的边缘细节,其滤波效果明显好于小波软阈值去噪.

7.期刊论文董汉磊.徐力平.高颖敏.孙一.DONG Han-lei.XU Li-ping.GAO Ying-min.SUN Yi基于Bior小波变换和

中值滤波的图像去噪-通信技术2009,42(11)

中值滤波是一种常用的滤波方法,它可以较好地滤除脉冲噪声,但滤除高斯噪声效果不理想,而小波变换可以较好地滤除高斯噪声.本文将Biorthogonal小波变换与中值滤波相结合,同时滤除图像中的高斯噪声和脉冲噪声.实验结果表明,该方法在降低了图像噪声的同时又尽可能地保留图像的细节,其去噪效果优于单纯的小波变换或单纯的中值滤波.

8.期刊论文胡晓东.彭鑫.姚岚.HU Xiao-dong.PENG Xin.YAO Lan小波域高斯混合模型与中值滤波的混合图像去噪

研究-光子学报2007,36(12)

基于高斯混合模型的小波去噪方法并结合中值滤波法对脉冲噪音有较好滤除效果的特点,将这两种方法结合起来,对含有高斯脉冲混合噪音图像进行去噪处理.该算法采用Matlab语言进行仿真.实验结果表明,这种混合去噪方法的效果要优于单纯使用中值滤波或者小波去噪的效果.

9.学位论文曹海燕数学形态学与变换域图像去噪算法及其并行化研究2009

图像去噪是图像处理中一种基本而重要的技术。图像在数字化的过程中不可避免地会引入一些噪声，这些噪声会妨碍人们对图像的理解，影响图像的质量。利用去噪技术可以从复杂的信号中提取出所需要的信号，并抑制干扰信号，使图像更加清晰，反映出的信息更准确。图像的清晰度主要决定于图像边缘、细线和小特征是否清晰，特征之间的区域变化是否平滑。传统的图像去噪方式，在去除噪声污染的同时会造成图像边缘的模糊，不能很好地保持轮廓信息。为了解决图像滤波时的轮廓保持问题，研究者们提出了一类新的非线性方法，即基于数学形态学的图像去噪方法。这种方法对图像形态特征进行分析，利用预先定义的结构元对信号进行匹配，以达到提取信号、抑制噪声的目的，具有并行性和快速性的特点，因而在国内外受到普遍关注。

本论文以数学形态学理论为基础，分别研究了二值图像、灰度图像、彩色图像的去噪算法，在传统的形态学去噪算法的基础上，进行改进和创新

，进一步提高了图像的质量。

在二值图像去噪算法中，设计与实现了一种多结构元素的串行广义复合形态滤波器。由于传统的形态滤波只采用单一结构元素，致使滤波结果无法顾及图像在不同方向上的特征，不能完全滤除噪声，模糊了图像的细节特征。本文在二值图像去噪算法中采用了多尺度多方向的结构元素，不仅有效地抑制了图像中的噪声，而且较好地保持了图像的几何特征。同时利用广义复合形态滤波具有平移不变性、递增性、等幂性等重要特征进行图像降噪。在灰度图像去噪算法的设计上，采用了一种Contourlet 变换结合Cycle Spinning 技术、形态学HMT变换的去噪方法。Contourlet变换是一种真正的图像二维表示方法，具有多分辨性、局域性、方向性的优点，而Cycle Spinning 技术能够有效抑制由于Contourlet 变换缺乏平移不变性而引起的伪Gibbs 现象，在以上两者结合的基础上，对于Contourlet 分解后高频子带中的噪声，运用数学形态学中的HMT 变换进行有针对性的提取和去除。与传统的小波变换阈值去噪方法相比，这种方法更好的平滑了噪声，保持了更多的图像边缘和纹理细节，视觉效果也更好。对于彩色图像去噪，采用了一种基于RGB 彩色空间的改进的中值滤波，结合多结构元素的标量形态滤波算法。传统的中值滤波对所有的数据采用统一的处理方法，对每个像素都进行排序取中值

，计算量巨大，时间复杂度高。而改进的中值滤波采用信噪分别处理的算法，排序时充分利用更新后的数据，克服了传统中值的不足，降低了时间复杂度，滤波效果也明显得到改善。同时根据人眼对三基色不同的敏感程度，选用不同大小的结构元素对三基色分别进行处理，与采用同样的结构元素对整个图像处理相比，在滤除噪声的同时，保留了更多的色彩信息，且不影响人眼对图像的视觉效果。本文在彩色图像去噪算法中，深入研究了改进的中值滤波算法并行化的可行性，实现了基于MPI的改进中值滤波的并行化算法，显著提高了改进的中值滤波算法的计算效率。

通过对各种改进算法的仿真实验效果和去噪算法性能指标(MAE、MSE、NMSE、PSNR)分析，表明本文各种改进算法比传统算法具有更大的灵活性，滤除噪声的能力显著增强，证实了算法的可行性和有效性。

10.期刊论文高国伟.谢元旦.王宇.GAO Guo-wei.XIE Yuan-dan.WANG Yu一种基于小波包变换和中值滤波的球团矿

图像去噪方法-鞍山科技大学学报2006,29(1)

在球团矿粒度在线检测系统中,球团图像采集过程的干扰噪声主要是脉冲噪声和白噪声.中值滤波对脉冲噪声有较好的滤波效果,对于白噪声降噪效果较差;小波包技术可以很好的消除白噪声,但对脉冲噪声滤波效果不理想.提出了一种将小波包变换和中值滤波相结合的球团矿图像去噪方法.实验表明,这种综合方法具有良好的消噪效果,满足球团矿图像后续更高层次处理的要求.

本文链接：https://www.360docs.net/doc/f210273415.html,/Periodical_jsjgcyyy201010059.aspx

授权使用：吉林大学(jldx)，授权号：1c7a230e-36db-4c8c-a9d6-9e5601493282

下载时间：2010年12月24日