自适应中值滤波器
自适应中值滤波器的设计与实现
自适应中值滤波器的设计与实现中值滤波器是一种常用的图像降噪滤波器，可以有效地去除图像中的椒盐噪声。
而自适应中值滤波器则是在传统中值滤波器的基础上进行改进，能够在保持图像细节的同时更好地去除噪声。
本文将介绍自适应中值滤波器的设计原理和实现方法。
一、自适应中值滤波器的设计原理具体来说，自适应中值滤波器的设计原理如下：1.设定滤波窗口的大小和初始值。
2.对于滤波窗口内的像素，按照灰度值进行排序，找到中间值，即中心像素点。
3.计算滤波窗口内的最大灰度值和最小灰度值，并计算其差值。
4.判断中心像素点是否为椒盐噪声，如果是，则将中心像素点的灰度值设置为滤波窗口内的中值，即进行中值滤波。
5.如果中心像素点不是椒盐噪声，则将滤波窗口的大小加1，并重新执行步骤2-4，直到找到合适的滤波窗口大小。
二、自适应中值滤波器的实现方法1.读入待处理的图像，并设定滤波窗口的大小和初始值。
2.对图像的每个像素点都进行以下操作：a.获取滤波窗口内的像素，并按照灰度值进行排序。
b.找到滤波窗口内的中心像素点。
c.计算滤波窗口内的最大灰度值和最小灰度值，并计算其差值。
d.判断中心像素点是否为椒盐噪声，如果是，则将中心像素点的灰度值设置为滤波窗口内的中值，即进行中值滤波。
e.如果中心像素点不是椒盐噪声，则将滤波窗口的大小加1，并重新执行步骤a-d，直到找到合适的滤波窗口大小。
3.输出处理后的图像。
三、自适应中值滤波器的优缺点及应用自适应中值滤波器在图像处理领域有广泛的应用。
它可以应用于数字图像处理、计算机视觉、医学影像等领域，用于去除图像中的椒盐噪声，提高图像质量。
此外，自适应中值滤波器还可以用于图像分割、边缘检测等任务中，以改进算法的鲁棒性和准确性。
总结起来，自适应中值滤波器是一种有效的图像降噪滤波器，在保持图像细节的同时能够较好地去除噪声。
其设计原理是基于中值滤波器的改进，通过对滤波窗口内像素灰度值的分析来决定中心像素点是否进行中值滤波。
自适应中值滤波器
班级：学号：姓名：指导老师：目录一、实验目的： (3)二、实验设备与软件： (3)三、实验步骤： (3)四、滤波器的简介： (3)五、实验基本原理： (3)六、试验结果分析和结论 (5)七、实验总结 (6)自适应中值滤波器的实现一、实验目的：进一步了解MatLab软件/语言，掌握滤波器的基本原理，运用所掌握的图像处理知识对图像进行滤波处理，培养处理实际图像的能力并为课堂教学提供配套的实践机会。
为了弥补传统中值滤波器在进行图像降噪处理中的不足,在图像降噪技术中应用了自适应中值滤波器。
通过自适应中值滤波器与传统中值滤波器进行了比较,计算机仿真结果表明在对密度较大的椒盐噪声进行滤波时,自适应中值滤波较传统中值滤波具有较大的优越性。
二、实验设备与软件：1、IBM-PC-XT计算机系统;2、MatLab软件/语言包括图像处理工具箱（Image Processing Toolbox）;3、实验所需要的图片；三、实验步骤：1、通过Matlab软件编程实现自适应中值滤波器；2、选中图片moon,并对图片加上椒盐噪声；3、分别使用传统滤波器和自适应中值滤波器对加了椒盐噪声后的图片进行滤波处理；4、对比使用传统滤波器和自适应中值滤波器后的图片得出结论。
四、滤波器的简介：滤波器被广泛地用于图象的预处理,抑制图象噪声,增强对比度,以及强化图象的边沿特征. 运用较为广泛的线性滤波器如平均值滤波器,能较好地抑制图象中的加性噪声. 但是,线性滤波器会引起图象的钝化或模糊,使得图象中物体边界产生位移. 特别是,在图象受到乘性噪声或脉冲噪声的干扰,如超声波及雷达成像中普遍存在的斑点噪声,线性滤波器就不能取得预期的效果. 中值滤波器，就像其名字一样，是用该像素的相邻像素的灰度中值来代替该像素的值，是一种非线性滤波器. 例如滤波窗口由3×3 个象素组成,则其中5个象素的灰度值会小于等于该滤波器的输出灰度值,同时5 个象素的灰度值会大于等于滤波器的输出. 由此可见,对于离散的脉冲噪声,当其出现的次数小于窗口尺寸的一半时,将被抑制掉同时也能较好地保证图象的边沿特征,而且易于实现. 因此它被广泛地应用于图象处理,尤其是医学图象处理,如超声波图象.但由于其使用的滤窗大小是固定不变的,当窗中噪声像素数超过有用像素之半时（噪声密度较大时）,中值滤波滤波作用大大降低。
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。
MATLAB课程设计自适应中值滤波
采用快速排序算法，提高滤波速度 引入自适应阈值，提高滤波效果 采用并行计算，提高滤波效率 引入图像分割技术，提高滤波精度
课程设计任务和要 求
提 高 M AT L A B 编 程 能 力 掌握自适应中值滤波算法 提高问题解决能力 培养团队合作精神
掌握MATLAB的基 本语法和编程技巧
理解自适应中值滤 波的原理和实现方 法
添加标题
M AT L A B 实 现 自 适 应 中 值 滤 波 ： 可 以 使 用 M AT L A B 中 的 i m f i l t e r 函 数 来 实 现 自 适 应 中 值 滤 波 ， 该 函数可以方便地实现各种类型的滤波操作。 A B 图 像 处 理 工 具 箱 广 泛 应 用 于 图 像 处 理 、 计 算 机 视 觉 、 模 式 识 别 等 领 域 。
自适应中值滤波算 法介绍
中值滤波是一种非线性滤波技术，通过计算像素邻域的中值来代替像素值，以消除噪 声和模糊图像。
中值滤波可以有效地消除椒盐噪声和随机噪声，但对高斯噪声和脉冲噪声的抑制效果 较差。
中值滤波的缺点是会导致图像细节的丢失，特别是在处理边缘和纹理区域时。
自适应中值滤波是一种改进的中值滤波算法，可以根据图像的局部特性自适应地调整 滤波器的参数，以更好地保留图像的细节和边缘。
添加项标题
函数定义：使用符号"function"进行函数定义，如 "function y = f(x)"
添加项标题
赋值语句：使用符号"="进行赋值，如"x = 1"
添加项标题
条件语句：使用符号"if"、"elseif"、"else"进行条件判断， 如"if x > 0"
自适应中值滤波器
姓名：郝伟杰学号：201120112012 导师：郭蔚数字图像处理（实验二）实验名称：自适应中值滤波器实验目的：验证自适应中值滤波器的祛除噪声效果。
此算法分为两个层次：A层为A1=Zmed —Zmin,，A2=Zmed—Zmax，如果A1>0且A2<0，则转到B层；否则增大窗口尺寸，如果窗口尺寸<=Smax则重复A层，否则输出Zmed。
B层为B1=Zxy—Zmin，B2=Zxy—Zmax，如果B1>0且B2<0，则输出Zxy，否则输出Zmed。
实验结果：自适应中值滤波器7*7自适应中值滤波器9*9自适应中值滤波器11*11结果分析：自适应中值滤波器能够很好的处理图像的细节和边缘，使图像更加细腻，清晰，给人以良好的视觉冲击，但是我做的程序运行起来比较慢，大约三十多秒，所以有待很好的优化，而且模板我限制到了11*11的之后才达到了课本上的效果，究其原因，我认为是图像的差异造成了结果上的差异。
实验程序：function ZSY1zhongzhi(a,n1) %自适应中值滤波器（此算法感觉较为合理！！！！！！！！！！）%椒盐噪声subplot(2,2,1),imshow(a,[]),title('原图像')a=double(a);[m,n]=size(a);n2=n1-1;n3=(n1-1)/2;b=zeros(m+n2,n+n2);for i=1:mfor j=1:nb(i+n3,j+n3)=a(i,j);endendsubplot(2,2,2),imshow(b,[]),title('扩充后的图像')for i=n3+1:m+n3for j=n3+1:n+n3for m1=3:2:n1m2=(m1-1)/2;c=b(i-m2:i+m2,j-m2:j+m2);%使用7*7的滤波器 Zmed=median(median(c));Zmin=min(min(c));Zmax=max(max(c));A1=Zmed-Zmin;A2=Zmed-Zmax;if(A1>0&&A2<0)B1=b(i,j)-Zmin;B2=b(i,j)-Zmax;if(B1>0&&B2<0)b(i,j)=b(i,j);elseb(i,j)=Zmed;end%elsecontinue;endendendendsubplot(2,2,3),imshow(b,[]),title('中值后的图像') d=ones(m,n);for i=1:mfor j=1:nd(i,j)=b(i+m2,j+m2);endendsubplot(2,2,4),imshow(d,[]),title('处理好的图像')。
自适应中值滤波器的设计与实现
北京邮电大学世纪学院毕业设计(论文)题目自适应中值滤波器的设计与实现学号08010321学生姓名王立阳专业名称通信工程所在系（院）通信与信息工程系指导教师鞠磊2012年6月1日北京邮电大学世纪学院毕业设计（论文）任务书姓名王立阳学号08010321专业通信工程系（院）通信与信息工程系设计（论文）题目自适应中值滤波器的设计与实现□工程设计；■工程技术研究；□软件工程（如CAI课题等）；□专题研究；□艺术设计；□其题目分类他□自然科学基金与部、省、市级以上科研课题；□企、事业单位委托课题；□院级课题；■自拟题目来源课题□其他指导教师（指导教组职称工作单位备注组长及成员姓名）鞠磊讲师北京电子科技学院指导教师毕业设计(论文)的内容和要求：[注意：选题尽量与实际应用需求相结合。
要求写明本设计（论文）所涉及的分析方法或技术手段（如定性、定量分析的方法）；要求有学生独立的见解，设计内容要详细写明具体步骤和技术指标]。
图像滤波是图像处理的关键步骤，常用于图像增强图像分割前的预处理。
当前滤波方法非常多，各种算法在特定的情况下会表现出不同的效果。
通常滤波器将图像不加区别的作为一个整体处理，而不考虑图像细节差异，因此在滤除噪声的同时也不可避免的模糊了图像细节。
本课题主要研究针对图像细节特点使用中值图像滤波的方法，具体内容包括：1、图像滤波器原理与基本方法研究；2、分析标准中值滤波方法存在的不足；3、提出2到3种改进方法，设计自适应中值滤波；4、通过MATLAB编程实现，实现对具体图像的滤波，并与传统中值滤波器进行效果比较分析。
应完成的工作和提交材料要求（课题完成后应提交成果的种类、数量、质量等方面的要求）：（1）开题报告：调研自适应滤波器的相关技术，针对课题要求制定研究内容与实施计划，撰写3000字左右开题报告；（2）论文的中文摘要：200-300字左右，包含关键词，并译成英文。
英文摘要以250个左右实词为宜；（3）论文正文不少于15000字；（4）翻译1500汉字以上的与课题有关的技术资料或专业文献；主要参考文献（参考文献不少于4篇，参考文献目录按GB/T7714—2005的要求填写）：[1]1S.Haykin著.郑宝玉等译.自适应滤波器原理，北京：第四版.电子工业出版社.2003.7[2]何振亚，自适应信号处理，北京：科学出版社，200.2[3]邹国良，自适应滤波理论及应用，石家庄：河北大学出版社，199.7[4]胡广书，数字信号处理—理论、算法与实现，北京：清华大学出版社，1997.[5]赵力，语音信号处理，北京：机械工业出版社，2003.[6]姚天任，数字语音处理，武汉，华中科技大学出版社，199.2[7]葛良，陶智，基于自适应滤波的语音增强算法，江苏：苏州大学学报.2002.8[8]韩利竹，王华，MATALB电子仿真与应用(第2版)，北京：国防工业出版社，2003.毕业设计（论文）进度计划（从正式启动时间开始，以周为单位填写）：第1周-第2周课题调研、查资料、撰写开题报告第3周根据查询的资料确定总体设计思路，完成开题报告并上交.第4周-第7周毕业设计单元部分研究,并设计出整体框架第8周完成论文中期检查报告第9周-第15周资料整理，撰写毕业论文；上交毕业设计论文，指导教师审查评阅设计报告，毕业设计答辩资格审查。
自适应中值滤波方法
自适应中值滤波方法我们通过对中心权值进行分析，不难得出以下结论：假设权值为1时，CWM 则退化成为SM ，然而当权值不小于窗口大小时，CWM 滤波器的输出值始终为初始值，也就是会导致CWM 失去去噪效果。
通过科学实验验证，当中心权值取3的时候，可以得到相比其他值更好的滤波效果。
从上面的结论可知，CWM 的中心权值为3时，可以增加序列里中心像素点占所有像素点的比重，以便得到更好的去噪效果。
那对于SM ，通过改变序列中值左右两个值的大小，观察其去噪效果会发生什么变化呢？对于SM 滤波器，除了序列中值外，序列中中值前面一个值与中值后面一个值对去噪的效果也会起到了明显作用。
于是结合CWM 的这些优点，并整合了TSM 和NASWF 等滤波器设计的思想，设计了一个改进的自适应中值滤波器( Adaptive Median Filter, AM)[10]。
其主要滤波方法如下：()()()()1222122211222112122ij ij ws ws ij ij ijij ws ws ij WS rank W WS SM R R if rank X AM WS rank W WS SM R R ifrank X WS ++++⎧⎢+⎥-⎪⎢⎥+⎪⎢⎥--⨯≤⎪⎢⎥⎪⎢⎥⎪⎣⎦=⎨⎡+⎤⎪-⎢⎥⎪+⎢⎥--⨯>⎪-⎢⎥⎪⎢⎥⎪⎢⎥⎩（2.5）式2.4中，WS 表式窗口大小，R i 表示序列中第i 个元素的值，rank(X)表示元素X 在序列中的位置，点(i,j)为窗口中心像素点。
对于点(I,j)，经过AM 滤波后的输出值即为AM ij 。
根据TSM 中设计的阈值策略，Chang 在其设计中也加入了类似的策略，通过阈值T 来判断是否需对当前像素点采用式2.4进行滤波，或者保留原值:ijij ij ij ijij ij AM X AM T Y X X AM T⎧-≥⎪=⎨-<⎪⎩（2.6）图 3.5 AM滤波器结构图输出Switch输入脉冲噪声检测AM。
自适应中值滤波在数字图像处理中的应用
第29卷 第4期河北理工大学学报(自然科学版)Vol129 No14 2007年11月J ourna l of Hebe i Polytechn ic Un i ver sity(Na tur a l Science Edition)Nov.2007文章编号:1674-0262(2007)04-0111-03自适应中值滤波在数字图像处理中的应用刘伟1,孙丽媛2,王汝梅3(11河北理工大学计算机与自动控制学院,河北唐山063009;21机械工程学院;31冶金与能源学院)关键词:脉冲噪声;自适应中值滤波;掩模摘 要:针对一般中值滤波在滤除脉冲噪声中的不足,提出了自适应中值滤波的方法,论述了其基本原理和具体实现方法,实验证明,此方法对脉冲噪声有很好的滤除效果。
中图分类号:TP391141 文献标识码:A 在数字图像受到噪声污染后,需要对其进行滤波。
针对不同的噪声有不同的滤波方法。
中值滤波对滤除脉冲噪声有很好的效果,但也会损失图像的部分细节,而自适应中值滤波能够在保持图像细节的基础上滤除脉冲噪声。
1 脉冲噪声脉冲噪声也称双极脉冲噪声,它的概率密度函数可由下式给出:P(z)=Pa z=aPb z=b0 其它(1) 如果b>a,灰度值b在图像中将显示为一个亮点,相反,a的值将显示为一个暗点。
若Pa 或Pb为零,则脉冲噪声称为单极脉冲。
脉冲噪声可以是正的,也可以是负的。
标定通常是图像数字化过程的一部分。
因为脉冲干扰通常与图像信号的强度相比较大,因此,在一幅图像中,脉冲噪声总是数字化为最大值(纯黑或纯白)。
这样,通常假设a,b是饱和值,从某种意义上看,在数字化图像中,它们等于所允许的最大值和最小值。
由于这一结果,负脉冲以一个黑点出现在图像中。
由于相同的原因,正脉冲以白点出现在图像中。
对于一个8位图像,这意味着a=0(黑),b=255(白)。
图1为原始图像,图2为受25%双极性脉冲噪声污染的图像。
收稿日期622:20009142 中值滤波中值滤波是一种非线性的空间滤波器,它是将象素邻域内灰度的中值代替该象素的值。
- 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)。
班级：学号：
姓名：
指导老师：
目录
一、实验目的： (3)
二、实验设备与软件： (3)
三、实验步骤： (3)
四、滤波器的简介： (3)
五、实验基本原理： (3)
六、试验结果分析和结论 (5)
七、实验总结 (6)
自适应中值滤波器的实现
一、实验目的：
进一步了解MatLab软件/语言，掌握滤波器的基本原理，运用所掌握的图
像处理知识对图像进行滤波处理，培养处理实际图像的能力并为课堂教学提供配套的实践机会。
为了弥补传统中值滤波器在进行图像降噪处理中的不足,在图像降噪技术中应用了自适应中值滤波器。
通过自适应中值滤波器与传统中值滤波器进行了比较,计算机仿真结果表明在对密度较大的椒盐噪声进行滤波时,自适应中值滤波较传统中值滤波具有较大的优越性。
二、实验设备与软件：
1、IBM-PC-XT计算机系统;
2、MatLab软件/语言包括图像处理工具箱（Image Processing Toolbox）;
3、实验所需要的图片；
三、实验步骤：
1、通过Matlab软件编程实现自适应中值滤波器；
2、选中图片moon,并对图片加上椒盐噪声；
3、分别使用传统滤波器和自适应中值滤波器对加了椒盐噪声后的图片进行滤波处理；
4、对比使用传统滤波器和自适应中值滤波器后的图片得出结论。
四、滤波器的简介：
滤波器被广泛地用于图象的预处理,抑制图象噪声,增强对比度,以及强化图象的边沿特征. 运用较为广泛的线性滤波器如平均值滤波器,能较好地抑制图象中的加性噪声. 但是,
线性滤波器会引起图象的钝化或模糊,使得图象中物体边界产生位移. 特别是,在图象受到
乘性噪声或脉冲噪声的干扰,如超声波及雷达成像中普遍存在的斑点噪声,线性滤波器就不
能取得预期的效果. 中值滤波器，就像其名字一样，是用该像素的相邻像素的灰度中值来代替该像素的值，是一种非线性滤波器. 例如滤波窗口由3×3 个象素组成,则其中5个象素的灰度值会小于等于该滤波器的输出灰度值,同时5 个象素的灰度值会大于等于滤波器的输出. 由此可见,对于离散的脉冲噪声,当其出现的次数小于窗口尺寸的一半时,将被抑制掉同时也能较好地保证图象的边沿特征,而且易于实现. 因此它被广泛地应用于图象处理,尤其是医
学图象处理,如超声波图象.但由于其使用的滤窗大小是固定不变的,当窗中噪声像素数超过有用像素之半时（噪声密度较大时）,中值滤波滤波作用大大降低。
多次试验验证:在脉冲噪声强度大于0.2时,中值滤波效果就显得不是令人满意。
而自适应中值滤波器会根据一定的设定条件改变滤窗的大小,即当噪声面积较大时,通过增加滤窗的大小将噪声予以去除,同时当判断滤窗中心的像素不是噪声时,不改变其当前像素值,即不用中值代替。
这样,自适应中值滤波器可以处理噪声概率更大的脉冲噪声,同时在平滑非脉冲噪声图像时能够更好地保持图像细节,这是传统中值滤波器做不到的
五、实验基本原理：
1、算法原理介绍
自适应中值滤波器的滤波方式和传统的中值滤波器一样,都使用一个矩形区域的窗口
Sxy ,不同的是在滤波过程中,自适应滤波器会根据一定的设定条件改变,即增加滤窗的大小,同时当判断滤窗中心的像素是噪声时,该值用中值代替,否则不改变其当前像素值,这样用滤波器的输出来替代像素(x,y) 处(即目前滤窗中心的坐标的值。
我们做如下定义:
Zmin是在Sxy滤窗内灰度的最小值;
Zmax是在Sxy滤窗内灰度的最大值;
Zmed是在Sxy滤窗内灰度的中值;
Zxy是坐标（x,y）处的灰度值;
Smax指定Sxy所允许的最大值。
自适应中值滤波算法由两个部分组成,称为第一层(Level A) 和第二层(Level B) 。
主要算法如下:
Level A : A1 = Zmed - Zmin
A2 = Zmed - Zmax
如果A1> 0 并且A2<0 ,转到level B ,否则增加滤窗Sxy的尺寸。
如果滤窗Sxy≤Smax ,则重复执行Level A ,否则把Zxy作为输出值。
Level B : B1 = Zxy - Zmin
B2 = Zxy - Zmax
如果B1>0 并且B2<0 , 把Zxy作为输出值, 否则把Zmed作为输出值。
2、实现技术
在对当前像素计算完成之后,滤波滑窗Sxy就会移到下一个像素点的位置,自适应中值滤波器便重新还原开始对新像素点进行计算。
设滤窗的长、宽相等,用window表示,其最大值用Smax 表示。
3、程序主体代码
程序初始化
Clear all;
Close all;
function f=adpmedian(g,smax)
f=g;
alreadypeocessed=false(size(g));
for i=3:2:smax
zmin=ordfilt2(g,1,ones(k,k),'symmetric');
zmax=ordfilt2(g,k*k,ones(k,k),'symmetric');
zmed=medfilt2(g,[k,k],'symmetric');
processusingleveb=(zmed>zmin)&(zmax>zmed)&~alreadyprocessed;
zb=(g>zmin)&(zmax>g);
outputzxy=processusingleveb&zb;
outputzmed=processusingleveb&~zb;
f(outputzxy)=g(outputzmed);
f(outputzmed)=zmed(outputzmed);
alreadyprocessed=alreadyprocessusingleveb;
if all(alreadyprocessed())
break;
end
end
smax=10;
a=imread('moon.tif');
g=imnoise(a,'salt & pepper',0.5);
subplot(1,4,1);imshow(a);
subplot(1,4,2);imshow(g);
subplot(1,4,3);imshow(medfilt2(g));
subplot(1,4,4);imshow(adpmedian(g,smax));
3、Sxy大小的自适应控制
如果算法中窗内噪声的像素数超过有用像素之半,则需要增加滤窗Sxy的尺寸,增加的方法是使window + 2 ,例如原来的滤窗尺寸为3 ×3 ,那么经过增加window 的值之后,滤窗尺寸变为5 ×5 ,如果这时Sxy ≤S max ,则继续对该像素点进行滤波运算,否则保持该像素点的灰度值不变。
以此类推,就构成了滤窗大小的自适应控制。
滤窗的最大值S max要随着噪声的空间密度大小的变化而进行调整,一般来说,噪声的空间密度大,选择S max也要适当地大一些,噪声的空间密度小,S max也要适当地小一些。
六、试验结果分析和结论
1、试验结果
为了验证自适应滤波器的性能，把moon 图像（图1所示）人为的加上椒盐噪声（图2所示），分别采用传统滤波器和自适应滤波器在Matlab仿真平台上进行了仿真试验，图3为传统滤波器对受污染图像滤波的结果，图4为自适应滤波器对受污染图像滤波的结果。
图1 原始moon图像
图2 受到椒盐噪声污染的图像
图3 传统中值滤波器对污染图像滤波的结果
图4 自适应中值滤波器对污染图像滤波的结果
2、试验结果对比分析
从图中可以看出，传统的中值滤波器降噪的能力不是很好，图像依然很模糊，大量的图像细节丢失，不能从根本上解决降噪与保护图像细节之间的矛盾。
而自适应中值滤波器,在有效地抑制噪声的同时还充分地保护了图像细节。
由此可见，自适应中值滤波器较传统中值滤波器具有很大的优越性，在很大程度上降低了滤除噪声和图像细节丢失之间的矛盾，对于工程实现有较好的理论参考价值。
3、结论
在图像降噪技术中应用了自适应中值滤波器，介绍了该算法的基本原理，并在matlab平台上进行编程实现和试验仿真：对椒盐噪声图像进行了滤波，并与传统中值滤波器滤波效果进行了比较，结果表明自适应中值滤波器对噪声的滤除效果都非常好：该滤波器能更有效地、更有针对性地抑制噪声并保持住图象的细节，表现出良好的滤波特性。
七、实验总结
在此次自适应中值滤波器的实现的实验中，实验过程中虽然遇到了各种各样的问题，但最终通过查阅各种资料和在老师的指导下，解决了各种问题如程序的调试等，使我们对MatLab软件/语言有了进一步的了解，掌握了使用MatLab软件编程的能力，培养了我们处理实际图像的能力。
最后感谢老师在对我们数字图像处理过程中给与的帮助与教导。
参考文献
[1] Rafael C Gonzalez，RichardE Woods.Digital Image Processing[M].Addison-welse PublishingCompany,1993:185.
[2] Kenneth R,Gastleman.Digital Image Processing[M].Prentice Hall.1996:154.
[3] 荆仁杰，叶秀清.计算机图像处理[M].北京:浙江大学出版社,1988:122.。