基于MATLAB滤波算法对图像噪声信号处理的实现

技术创新

《微计算机信息》2012年第28卷第10期

120元/年邮局订阅号：82-946

《现场总线技术应用200例》

软件时空

肖玉芝:讲师在读博士

基金项目:支持舆情服务的藏汉机器翻译关键技术研究,编号:2010CB334708,973计划前期研究专项申请人:赵海兴基金项目:国家高技术研究发展计划863项目

No.2007AA03Z241申请人:赵海兴

基于MATLAB 滤波算法对图像噪声信号处理的实现

Signal processing of image noise filtering algorithm based on MATLAB

(1.青海师范大学;2.陕西师范大学)肖玉芝

1,2

XIAO Yu-zhi

摘要:结合中值滤波和均值滤波算法,通过MATLAB 语言设计程序,对嵌入了椒盐和高斯噪声的图像进行滤波处理。结果表

明,中值滤波方法适于去除椒盐噪声,同时能较好保护图像边界,均值滤波适合于去除高斯噪声。关键词:MATLAB;中值滤波;均值滤波;噪声信号中图分类号:TN957.52文献标识码:B

Abstract:Combination of median filter and mean filter algorithm,embedded in the image of the Salt &Pepper and Gaussian noise filtered by the MATLAB language program.The results show that Median filtering method is suitable to remove the salt and pepper noise,and better protect the image boundary,the mean filter for removal of Gaussian noise.Key words:MATLAB;median filtering;mean filter;noise signal

文章编号:1008-0570(2012)10-0478-03

1引言

随着网络技术、计算机技术和通信技术的迅速发展,数字处理技术作为信息(文本、图像、音视频)的数字化处理技术得到学者的广泛关注,同时出现了许多新的应用领域。图像作为重要的信息在网络和信道中传输时,往往会受到各种噪声的干扰和影响,从而恶化了图像质量,使图像变得模糊,甚至淹没图像特征,这给后面的图像区域分割、分析判断等工作带来了困难。此外,在电子电路设计和智能数据处理中,数据在采集过程中不可避免地会受到传感器灵敏度、噪声干扰以及模数转化时量化等问题影响而导致图像无法达到人眼的视觉效果,与原始图像之间产生某种差异。因此,在图像的预处理阶段去除噪声、恢复原始图像是图像处理中的一个极为重要的步骤;为了更好的实现人眼观察或者机器自动分析图像的目的,对图像进行一些改善,图像滤波是一种行之有效的处理技术,对降质图像进行处理,改善给定的图像质量,使其恢复成没有退化的理想图像。本文结合中值滤波和均值滤波算法,通过MATLAB 语言设计程序,对嵌入了椒盐和高斯噪声的图像进行滤波处理。结果表明,中值滤波方法适于去除椒盐噪声,同时能较好保护图像边界,均值滤波对去除高斯噪声效果明显。

2噪声信号

噪声是指干扰人们休息、学习和工作的声音,可引起人的心理和生理变化。噪声的另外一种含义是指不同频率、不同强度无规则地组合在一起的声音,如电噪声、机械噪声,噪声可分为加性噪声和乘性噪声。

2.1加性噪声

加性噪声一般指热噪声、散弹噪声等,它们与信号的关系是相加,不管有没有信号,噪声都存在。一般通信中把加性随机性看成是系统的背景噪声,叠加在信号波形上,其表达形式如下:x(i)=s(i)+n(i)(1)

其中x(i)表示含噪信号,s(i)表示信号,n(i)表示噪声信号。2.2乘性噪声

乘性噪声又称为卷积噪声,乘性噪声可以通过同态变换成为加性噪声。乘性噪声一般由信道不理想引起,它们与信号的关系是相乘,与信号同时存在,同时消失。

2.3图像去噪

噪声反映在图像中,会使原本均匀和连续变化的灰度值突然变大或变小,形成一些虚假的边缘或轮廓,减弱、抑制或消除这类噪声而改善图像质量的方法称为图像去噪(图像平滑)。本文以加性噪声中的椒盐噪声(Salt&Pepper noise)和高斯噪声(Gaussiannoise)为对象,其中椒盐噪声是一种在图像中产生黑色—白色点的脉冲噪声,该噪声在图像中显现较为明显,对图像分割、边缘检测、特征提取等后续处理具有很严重的破坏作用,噪声点的两个基本特征是图像中灰度很大或很小的污染点。

高斯噪声是指它的概率密度函数服从高斯分布(即正态分布)的一类噪声。如果一个噪声,它的幅度分布服从高斯分布,而它的功率谱密度又是均匀分布的,则称它为高斯白噪声。高斯白噪声的二阶矩不相关,一阶矩为常数,高斯白噪声包括热噪声和散粒噪声。

3

滤波算法

针对目前图像中噪声信号的处理,本文主要对空间域中的均值滤波和中值滤波去噪技术进行比较分析滤波处理对图像噪声信号的处理效果。

3.1均值滤波

均值滤波是典型的线性滤波算法,其采用的主要方法为领域平均法,线性滤波的基本原理是用均值代替原图像中的各个像素值,即对待处理的当前像素点(x,y),选择一个模板,该模板由

478--

邮局订阅号：82-946120元/年技术创新

软件时空

《PLC 技术应用200例》

您的论文得到两院院士关注

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(x,y),作为处理后图像在该点上的灰度个g(x,y),即

(2)

式中m 为该模板中包含当前像素在内的像素总个数。3.2中值滤波

中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替。设有一个一维序列f1,f2,…,f n ,取窗口长度为m(m 为奇数),对此序列进行中值滤波,就是从输入序列中相继抽出m 个数,f i-v ,…,f i-1,…,f 1,…,f i+1,…,f i+v ,其中i 为窗口的中心位置,v=(m-1)/2,再将这m 个点按其数值大小排列,取其序号为正中间的那个作为输出,其数学表达式为:

(3)

在实际使用窗口时,窗口的尺寸一般先用3*3再取5*5逐渐增大,直到其滤波效果满意为止,对于有缓变的较长轮廓线物体的图像,采用方形或圆形窗口为宜,对于包含尖顶角物体的图像,适宜用十字形窗口。

4滤波算法的MATlAB 编程实现

MATIAB 是MathsWorks 公司于1982年推出的一套高性能的用于数值计算和可视化的商业软件,以矩阵运算为基础,把计算、程序设计、可视化融合到了一个易用的交互式工作环境中,可以实现工程设计计算、算法设计研究、建模与仿真、数据分析处理和图形用户界面设计等[10]。此外,MATIAB 语言编程与C 语言类似,语法简单、易学易用,是一种高效\简单、功能齐全的编程语言,其图像处理工具箱提供了专门用于图像处理的函数,可以方便地对数字图像进行分析处理。本文充分利用MATLAB 图像处理工具箱,设计了对图像中的椒盐噪声(Salt&Pepper noise)和高斯噪声(Gaussiannoise)进行均值滤波和中值滤波处理的MATIAB 程序(salt_noise.m 和guassian_noise.m),并对lena.bmp 图像进行实时处理。其源程序如下:

Salt_noise.m clear;clc;

[filename,filepath]=uigetfile('*.bmp','选择要处理的彩色bmp 图片');

dir=[filepath filename];I=imread(dir);

I_0=rgb2gray(I);%将彩色图片(.bmp 格式)转换成灰度图片J=imnoise(I_0,'gaussian',0,0.01);%%对图像进行中值滤波处理K_med=medfilt2(J);

%%对图像进行均值滤波处理

A=fspecial('average',3);K_avr=filter2(A,J)/255;%%显示处理结果

subplot(1,4,1);imshow(I_0);title('(a)原始图像');subplot(1,4,2);imshow(J);title('(b)高斯噪声图像');

subplot(1,4,3);imshow(K_med);title('(c)图a 的中值滤波');subplot(1,4,4);imshow(K_avr);title('(d)图a 的均值滤波');Guassian_noise.m clear;clc;

[filename,filepath]=uigetfile('*.bmp','选择要处理的彩色bmp 图片');

dir=[filepath filename];I=imread(dir);

I_0=rgb2gray(I);%将彩色图片(.bmp 格式)转换成灰度图片

J=imnoise(I_0,'salt &pepper',0.02);%%对图像进行中值滤波处理K_med=medfilt2(J);

%%对图像进行均值滤波处理

A=fspecial('average',3);K_avr=filter2(A,J)/255;%%显示处理结果

subplot(1,4,1);imshow(I_0);title('(a)原始图像');subplot(1,4,2);imshow(J);title('(b)椒盐噪声图像');

subplot(1,4,3);imshow(K_med);title('(c)图a 的中值滤波');subplot(1,4,4);imshow(K_avr);title('(d)图a 的均值滤波');

5结果与讨论

图1为采用中值滤波和均值滤波对加椒盐噪声的滤波处理效果图,其中(a)为原始图像,(b)为原始图像中嵌入加椒盐噪声后的图像,(c)为(b)图经过中值滤波后的图像,(d)为(b)图经过均值滤波后的图像。从这些图中可清楚看到,对于加椒盐图像,中值滤波效果明显,同时较好的保持图像边缘,而均值滤波对噪声影响不大,在削弱噪声的同时,整幅图像内容总体也变得模糊,但其噪声仍然存在。图2为采用中值滤波和均值滤波对高斯噪声的滤波处理效果图,其中(a)为原始图像,(b)为原始图像中嵌入高斯噪声后的图像,(c)为(b)图经过中值滤波后的图像,(d)为(b)图经过均值滤波后的图像,从图2也同样清楚看到,均值滤波对高斯噪声的抑制效果较好,滤波处理后的图像边缘模糊较少。而中值滤波只影响了图像的基本信息,对高斯噪声的抑制效果不明显。

(a)原始图像(b)加椒盐噪声

(c)中值滤波(d)均值滤波图1中值滤波及均值滤波对加椒盐噪声的滤波效果

(a)原始图像(b)加入高斯噪声

479--