一种自适应加权中值滤波方法的研究

合集下载

一种改进的自适应中值滤波算法

一种改进的自适应中值滤波算法
自适应中值滤波(Adaptive Median Filter,AMF)，是一种优秀的图像处理技术，
它能有效地消除图像噪声，保留有效的图像信息。

但是，它受到传统中值滤波的一些局限性所影响，如对于椒盐噪声和斑点噪声无能为力，因此常常会遭受到“腐蚀”、“延拓”和“扭曲”以及“过滤”等影响，从而引发计算精度的下降。

为了改进自适应中值滤波的效果，提高处理图像噪声的能力，前人提出了许多改进的自适应中值滤波的方法，如通过不同的参数控制机制来优化算法。

其中最常用的参数有：
1. 对中值值的更新：增大更新深度，减小中值的变差程度。

2. 变量的优化：通过引入变量和权重来更新中值。

3. 显性设计参数：采用自适应算法来调节参数，以获得更好的去噪效果。

4. 噪声抑制率：建立低噪声估计模型，来抑制噪声。

5. 尝试其他结构：通过不同的结构组合来优化去噪方案，实现判决机制。

自适应中值滤波的改进使能够有效地处理椒盐噪声，斑点噪声以及其他按照特定概率分布出现的白噪声中等。

此外，它还可以有效地抑制图像中的阴影部分，从而更好地检测图像细节。

这可以使人们在去噪过程中克服常见数字图像增强技术所遇到的像素突变、图像粗化和细节丢失等问题。

自适应加权中值滤波在地震图像中的应用研究

域中像素点的排序，波器在任何点的输出由排序滤
半小于或等于还有一半大于或等于为了对一，。
幅图像上的某个点做中值滤波处理，必须先将掩模内
欲求解的像素及其邻域的像素值排序，确定出中值，并
结果决定。下面列出中值滤波器的Ｉ方程闭／Ｏ：
◆ 形，而对于具有尖角物体的图像则采用十字窗口形。
◆
图像预处理过程。随机噪声是地震图像的主要噪声．巾值滤波器对随机噪声提供了一种优秀的去噪能力，比小尺寸的线性平滑滤波器的模糊程度明显要
首先中值滤波器确定一个以某像素为中心点的
都可以作为中值。例如，在一个３３ｘ的邻域内有一系列
像素值（０２，２２，５２，２２，０）对这些值排１，２２，２１，２２，５１０，
序后为（０１，２２，２２，２２，０）那么其中１，５２，２２，２２，５１０，
图１中值滤波常用的邻域形状
中值滤波器将用像素（中值计算中包括原像在
素值）域内灰度的中值代替该像素的值。邻一个数值集合的中值这样的一个数值，即数值集合中，是有
一
１传统中值滤波
中值滤波器的输出基于南滤波器包同的图像区
关键词：中值滤波：自适应加权：机噪声随

自适应中值滤波器的原理

自适应中值滤波器的原理自适应中值滤波器是一种用于图像处理的滤波器，其原理是根据图像的局部特性来自动调整滤波器的尺寸和滤波器中值的选取，以达到更好的去噪效果。

在数字图像中，噪声是无法避免的。

噪声会导致图像细节丢失、边缘模糊等问题，影响图像的质量和分析结果。

因此，去除图像中的噪声是图像处理的一个重要任务。

滤波器是一种常用的图像去噪方法，其中中值滤波器是一种常见的非线性滤波器。

中值滤波器的原理是将滤波器窗口内的像素按照灰度值进行排序，然后选择中间值作为输出像素的灰度值。

这种方法能够有效地去除椒盐噪声等噪声类型，但对于高斯噪声等其他噪声类型的去除效果并不理想。

为了解决这个问题，自适应中值滤波器被提出。

自适应中值滤波器的核心思想是根据图像局部特性来动态调整滤波器的尺寸和选择滤波器中值的方法。

具体来说，自适应中值滤波器会根据滤波器窗口内的像素灰度值的范围来判断是否存在噪声。

如果存在噪声，滤波器会扩大尺寸，重新计算滤波器中值，并将其作为输出像素的灰度值；如果不存在噪声，滤波器会保持原来的尺寸和滤波器中值。

自适应中值滤波器通常包括以下几个步骤：1. 设定滤波器窗口的初始尺寸和滤波器中值的初始值。

2. 遍历图像的每个像素，以当前像素为中心构建滤波器窗口。

3. 按照灰度值对滤波器窗口内的像素进行排序。

4. 判断滤波器窗口内的像素灰度值范围是否超过预设阈值，如果超过则执行下一步，否则将滤波器中值作为输出像素的灰度值。

5. 扩大滤波器窗口的尺寸，并重新计算滤波器中值。

6. 重复步骤3-5，直到滤波器窗口的尺寸达到最大值。

7. 将滤波器中值作为输出像素的灰度值。

通过自适应中值滤波器的动态调整滤波器尺寸和滤波器中值的方法，可以更好地适应不同图像区域的噪声特性，提高图像去噪的效果。

同时，自适应中值滤波器还可以保留图像的细节信息，不会造成图像的模糊。

自适应中值滤波器是一种根据图像局部特性动态调整滤波器尺寸和滤波器中值的滤波器。

自适应加权改进窗口中值滤波

第３２卷
第２期
世
界
地
质
Ｖｏｌ＿３２Ｎｏ．２
２０１３Ｊｕｎ．２０１３
文章编号：１００４— ５５８９（２０１３）０２～０３９６— ０７
自适应加权改进窗口中值滤波
ＣｏｌｌｅｇｅｏｆＣ．ｅｏ — ｅｘｐｌｏｒａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＪｉｌｉｎＵｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｃｈｕｎ１３００２６，Ｃｈｉｎａ
声衰减和有效信号的保真奠定了基础，自适应加权改进窗口中值滤波器去除噪声明显。通过理论模型
和实际数据处理的对比，表明本方法去除噪声和保护有效信号能力优于传统的二维多级中值滤波器。关键词：自适应中值滤波；随机噪声；去噪；地震数据
中图分类号：Ｐ６３１．５文献标识码：Ａｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００４－５５８９．２０１３．０２．０２６
ｆｏｕｎｄａｔｉｏｎｆｏｒｔｈｅｎｏｉｓｅａｔｔｅｎｕａｔｉｏｎａｎｄｅｆｆｅｃｔｉｖｅｓｉｇｎａｌｉｆｄｅｌｉｔｙ，ＳＯａｄａｐｔｉｖｅｗｅｉｇｈｔｅｄｉｍｐｒｏｖｅｄｗｉｎｄｏｗｍｅｄｉａｎｉｆｌｔｅｒ

鲁棒自适应加权的引导滤波算法

鲁棒自适应加权的引导滤波算法李喆;李建增;扈琪【摘要】为了提高图像滤波时边缘的保持能力,提出鲁棒自适应加权的引导滤波算法.首先利用一阶差分法判断高斯滤波处理后引导图像的边缘位置信息,在去除噪声干扰的同时,提高边缘信息提取的鲁棒性,然后通过最大类间方差法(Otsu)分割边缘区域与非边缘区域,提高区域阈值选取的自适应性,最后利用改进的分段函数模型拟合理想权重因子,控制不同区域的平滑程度,实现鲁棒自适应引导滤波,达到保边平滑的目的.通过图像平滑实验与抠图实验对所提算法性能进行了验证,与引导滤波算法及另外2种改进算法相比,所提算法的保边平滑性能更强.【期刊名称】《电光与控制》【年(卷),期】2019(026)001【总页数】5页(P26-30)【关键词】图像处理;引导滤波;保边平滑;高斯滤波;最大类间方差法【作者】李喆;李建增;扈琪【作者单位】陆军工程大学,石家庄 050003;陆军工程大学,石家庄 050003;河北大学,河北保定 071002【正文语种】中文【中图分类】TP391.410 引言图像在成像过程中往往受到各种因素影响，不可避免地会在图像中掺杂进噪声，影响成像质量。

为了有效降低噪声干扰，提升图像品质，在图像预处理阶段对图像进行滤波操作显得尤为重要。

现有滤波算法能在一定程度上对图像进行平滑去噪，但去除噪声的同时也会损失大量图像边缘信息，对图像后期处理产生影响。

因此如何在去噪的同时较好地保存边缘轮廓信息成为图像滤波研究的重点。

现有的边缘保持滤波算法有中值滤波算法[1]、各项异性扩散滤波(Anistropic Diffusion Filtering,AD) 算法[2]、非局部均值滤波算法[3]、双边滤波(Bilateral Filter,BF) 算法[4]等，这些滤波算法一定程度上保持了边缘，但存在保边效果不足、算法复杂度高、去噪能力有限、边缘梯度反转等问题。

引导滤波(Guided Image Filtering,GIF) 算法[5]是一种快速鲁棒的局部线性边缘保持滤波算法，针对传统图像滤波时噪声平滑与边缘轮廓保持相矛盾的问题，创新性地利用引导图像指导图像滤波过程，使滤波后图像纹理趋近于引导图像，在去除噪声的同时尽可能多地保留了图像边缘细节。

几种混合滤波器的比较研究

33自适应中值加权均值混合滤波amawm本节重点研究了一种自适应中值加权均值混合滤波器其基本思想是将图像分为大小相同的几个区域对每一区域采用一定的标准进行噪声检测以实现图像中脉冲噪声与高斯噪声的分离分离出的脉冲噪声和高斯噪声分别采用自适应中值滤波和自适应加权均值滤波来消除

⎧1 g (i, j ) = ⎨ ⎩0
f (i, j ) = max k 或 f (i, j ) = min k f (i, j ) ≠ max k 或 f (i, j ) ≠ min k
(3-27)
先用自适应中值滤波算法消除脉冲噪声。对区域 Rk 中满足 g (i, j ) = 1 的像素个数进行统计，用统计出的总个数与区域 Rk 中所有像素个数之比 qk 来评定该区域受噪声污染的程度，根据噪声干扰的大小来自适应地确定滤波窗口的尺寸 lk 。自适应地根据下面的公式确定窗长
k k Ei , j = {(i + s, j + t ) | (i, j ) ∈ Rk , s, t ∈ [− , ]} (3-31) 2 2 某一像素 (i + s, j + t ) 对应的加权系数 ci , j , s ,t 是由其灰度值 h(i + s, j + t ) 与中在 Ei , j 中，
qk ≤ p1 ⎧3 ⎪ lk = ⎨5 p1 < qk ≤ p2 ⎪7 qk > p2 ⎩
其中
(3-28)
p1 和 p2 为小于 1 的正常数，表示不同脉冲噪声的噪声密度。
对区域 Rk 中满足 g (i, j ) = 1 的脉冲噪声点进行滤波处理， g (i, j ) = 0 的点保留本身的灰度值。滤波时，需要考虑脉冲噪声点周围的各像素，并与区域 Rk 中最大灰度值 max k 和最小灰度值 min k 不相等的像素灰度值组成一集合

中值滤波和自适应中值滤波

中值滤波与自适应中值滤波的比较和应用一、引言在图像处理领域，滤波是一种常用的技术，其主要目的是消除图像中的噪声。

其中，中值滤波和自适应中值滤波是两种重要的滤波方法。

二、中值滤波中值滤波是一种非线性滤波方法，它的基本思想是用一个像素邻域中所有像素值的中值来替代该像素的值。

这种方法可以有效地去除椒盐噪声，同时保持边缘信息不被破坏。

然而，中值滤波器的一个主要缺点是对高斯噪声的抑制效果较差。

三、自适应中值滤波自适应中值滤波是一种改进的中值滤波方法，它根据每个像素点周围像素的灰度分布特性自动调整滤波窗口大小。

这种方法既保留了中值滤波的优点，又克服了对高斯噪声抑制效果差的问题。

然而，由于需要计算每个像素周围的灰度分布特性，因此计算量较大。

四、中值滤波与自适应中值滤波的比较中值滤波和自适应中值滤波的主要区别在于滤波窗口的大小。

中值滤波使用固定大小的滤波窗口，而自适应中值滤波则根据每个像素点周围像素的灰度分布特性自动调整滤波窗口大小。

因此，自适应中值滤波在保持边缘信息的同时，能更好地去除噪声。

五、应用中值滤波和自适应中值滤波广泛应用于图像处理领域，如医学图像处理、遥感图像处理、视频监控等。

它们可以帮助我们提高图像的质量，提取有用的图像特征，从而进行更深入的图像分析和理解。

六、结论总的来说，中值滤波和自适应中值滤波都是有效的图像滤波方法。

选择哪种方法取决于具体的图像处理任务和需求。

如果图像中的噪声主要是椒盐噪声，并且对计算效率有较高的要求，那么中值滤波可能是一个更好的选择。

如果图像中的噪声包括高斯噪声，并且对图像质量有较高的要求，那么自适应中值滤波可能更适合。

EMCCD图像自适应模糊中值滤波算法研究

噪声去除，而且很好地保护了图像中的细节和边缘，ＰＳＮＲ比传统的自适应中值滤波算法平均提高了
ｌ５ｄＢ以上；该算法在低噪声密度情况下性能明显好于其他中值滤波器，在高噪声密度情况下性能也
滤波窗口内的中心点进行噪声检测；然后对检测为噪声的像素点引入双阈值，并根据引入的阈值和滤
波窗口内的中值建立噪声点的模糊隶属函数，根据模糊隶属函数对噪声点进行滤波处理后输出；最后采用自适应模块调整待处理图像的像素。仿真及实验结果表明，新算法不仅能够有效地将图像中的
第４２卷第ｌｌ期
ＶＯ１．４２ＮＯ．１１
红外与激光工程
ＩｎｒａｆｒｅｄａｎｄＬａｓｅｒＥｎｇｉｎｅｅｒｉｎｇ
２０１３年１１月
ＮＯＶ．２０１３
ＥＭＣＣＤ图像自适应模糊中值滤波算法研究
ｏｆｕｚｆｚｙｉｌｆｔｅｉｎｒｇｍｏｄｕｌｅａｎｄａｄａｐｉｖｔｅｍｏｄｕｌｅ．Ｆｉｒｓｔ，ｔｈｅｎｏｉｓｅｐｉｘｅｌｓｉｎｔｈｅｃｅｎｔｅｒｏｆｔｈｅｉｌｆｔｅｒｗｉｎｄｏｗ
ｗａｓｉｄｅｎｔｉｉｅｆｄ．Ｓｅｃｏｎｄ，ｔｈｅｄｏｕｂｌｅｔｈｒｅｓｈｏｌｄｓｗｅｒｅｉｎｔｒｏｄｕｃｅｄｆｏｒｔｈｅｓｅｄｅｔｅｃｔｅｄ” ｎｏｉｓｅｐｏｉｎｔｓ ” ，ｂａｓｉｎｇｏｎｔｈｅｔｈｒｅｓｈｏｌｄｓａｎｄｍｅｄｉｎａｏｆｔｈｅｉｌｆｔｅｉｎｒｇｗｉｎｄｏｗ，ｔｈｅｆｕｚｚｙｍｅｍｂｅｒｓｈｉｐｆｕｎｃｔｉｏｎｏｆｎｏｉｓｅｐｏｉｎｔｓｗａｓｐｕｔｏｒｆｗａｒｄ，ａｎｄｈｅｔｆｕｚｚｙｍｅｍｂｅｒｓｉｐｈｆｕｎｃｉｏｔｎｗａｓｕｉｌｔｉｚｅｄｔｏｉｌｆｔｅｒｈｅｔｎｏｉｓｅｐｏｉｎｔｓ．Ｆｉｎａｌｌｙ，ｔｈｅａｄａｐｔｉｖｅ

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｔａｈｅｆｔｒｎｌｏｔｍｕｐｅｆｒｓｔｒｄｔｎａｅａｌｒｎｌｏｉｈ．ｈｔｔｅｎｗｉｅｉｇａｇｒｈｏｔｒｏｍｈｅｔａｉｉｌｍｄｉｎｆｔｉｇａｇｒｔｍｌｉｏｉｅＫｅｗｏｒｙｄｓＩｇｒｃｓｉｇＷｅｇｅｄａｌｅｉｇ２－ｅｔｏｙｍａｅｐｏｅｓｎｉｈｔｄｍｅｉｎｆｔｒｎｉＤｎｒｐ
杨宁张培林任国全
（械工程学院军河北石家庄０００）５０３
摘
要
针对传统加权中值滤波器在中心像素的权值选择上难以确定的问题，出一种简便的改进型中值滤波算法。综合灰度提
图像的聚集特征和空间特征，构造图像的二维熵，结合传统加权合理改变中心像素的权值，以达到对噪声图像进行适度地平滑的目的，既滤除噪声又较好地保留了图像的细节。实验结果表明，的新滤波算法优于传统的中值滤波算法。关键词图像处理加权中值滤波二维熵
０引言
图像在形成、传输过程中，常因外界噪声干扰而导致其质量退化。为减小噪声的影响，可采取各种滤波方法对图像进行去噪处理。中值滤波由于可对长拖尾概率分布的噪声起到良好的平滑效果，且可对图像中的某些细节起到保护作用，而在因
ｓｏｈｎｈｏｓｍａｅ，ｈｓｔｅｉｕｓｖｏｓｓｆｔｒｄｗｉｓｔｅｆｅｄｔｉｎｔｅｉｇｒｅｅｖｄＥｐｒｎａｅｕｔｈｗｄｍｏｔｉｇｔｅｎｉｙｉｇｓｔｕｈｍｐｌｉｅｎｉｅｉｉｅｅｈｌｔｈｎｅａｌｉｈｍａｅａｅｒｓｒｅ．ｘｅｉｔｌｓｌｓｏｅｌｉｓｍｅｒｓ
第２７卷第１２期
２１００年１２月
计算机应用与软件
ＣｏｕｅｐｌａｉｎｎｏｔｒｍｐｔｒＡｐｉｔｏｓａｄＳｆｃｗａｅ
Ｖ０．７Ｎｏ１１２．２Ｄｅ２０ｃ．０１
一
种自适应加权中值滤波方法的研究
图像降噪处理中得到了比较广泛的应用。为了提高滤波性能，
１加权中值滤波
设滤波器窗口大小为Ｌ（为奇数）滤波器窗１，：３内的样本像素为｛，： … ，，，，｝，中心权值为（是整 … 则数）的中心加权中值滤波器（ＷＭ）ＣＦ的输出为：
ｓｌｍｐｏｅｄａｌｒｎｔｏｓｉｔｏｕｅ．ｈ－ｎｒｐｆｔｅｉｇａｏｓｒｃｅｔｈｎｅｒｔｎｏｃｕｌｔｎｉｅｉｒｖｄｍｅｉｎｆｔｉｇｍｅｈｄｗａｎｒｄｃｄＴｅ２Ｄｅｔｙｏｈｍａｅｗｓｃｎｔｔｄｗｉｔｅｉｔｇａｉｆａｃｍｕａｉｍｐｉｅｏｕｈｏｏ
ｏＮＡＮＡＤＡＰＴＩＶＥＥＩＷＧＨＴＥＤＥＤＩＭＡＮＬＴＥＲＩＦＩＮＧＡＰＰＲｏＡＣＨ
ＹａｇＮｉｇＺｈｎｉｉＲｅｏｕｎｎｎａｇＰｅｌｎｎＧｕｑａ
（ｒｎｎｅＥｇｎｅｉｇＣｌｇ，ｈａｈａｇ０００，ｅｅ，ｈｎ）ＯｄａｃｎｉｅｒｏｌｅＳｉｚｕｎ５０３ＨｂｉＣｉａｎｅｉｆ
Ａｂｔａｔｓｒｃ
Ｉｒｅｏｓｌｅｔｅｐｏｌｍｈｔｉｉｄｆｃｌｆｒｔｄｔｎｌｗｉｈｅｄａｌｒｔｅｅｔａｐｏｅｅｇｔｏｅｔｌｐｘｌａｎｏｄｒｔｏｖｈｒｂｅｔａｔｓｉｕｔｏａｉｏａｅｇｔｄｍｅｉｎｆｔｏｓｌｃｒｐｒｗｉｈｆｃｎｒｉｅ，ｉｒｉｉｅａ
ｆａｒｎｐｔｌｅｔｒｏｇａｇ．ｎｃｎｎｔｎｗｔｅｔｄｔｎｌｅｈｅｅｉｌｒｇａｇｒｈｗｅｕｅｆｔｎｌ — ｅｔｅａｄｓａａｆｕｅｆｒｙｉｅＩｏｊｃｉｉｔａｉｏａｗｉｔｍｄａｆｔｉｌｏｔｍ，ｅｓｔｐｔｌｒｇａｏｕｉａｍａｕｏｈｈｒｉｇｄｎｉｅｎｉｈｉｅｉｇ
ｒｔｍｏｉｈｆｗ．ＢｙｏｅｖｎＤｍａｅｅｔｏｙ’Ｓｖｒａｉｎ，ｈｉｈｆｃｎｒｌｐｉｅｓｒａｏｎｂｙａｔｒｄｔｃｉｖｈｅｐｕｐｓｆａｒｐｉｔｌｌｂｓｒｉｇ２－ｉｇｎｒｐａｉｔｏｔｅｗｅｇｔｏｅｔａｘｌｉｅｓａｌｌｅｅｏａｈｅｅｔｒｏｅｏｐｐｏｒａｅｙ