基于自适应中值滤波算法的研究与改进

作者:赵玲玲; 刊名:现代计算机(专业版) 上传者:信卫红

【摘要】中值滤波器受滤波窗口大小影响较大,与中值滤波相比较,自适应中值滤波可以在一定程度上很好地抑制图像的脉冲噪声。然而,随着噪声密度的增加,自适应中值滤波算法的滤波效果降低。对于这两种滤波算法中的问题,提出一种基于自适应中值滤波算法的改进算法。该算法通过对滤波窗口中的图像灰度极值进行噪声检测,用滤波窗口的灰度中值代替噪声点。若滤波窗口的中值为噪声点,则算法自适应地增大滤波窗口从而取新的中值。如果滤波窗口自适应地增大到允许的最大窗口尺寸时,中值依然为噪声点,则取当前窗口中除去极大和极小像素的灰度均值。仿真实验结果表明,在随着噪声密度增大的情况下,提出的自适应中值滤波的改进算法滤波性能优于中值滤波算法和标准的自适应中值滤波。

全文阅读

图形图 像 现代计算机 2019.03 中 文章编号:1007-1423(2019)08-0058-05 DOI:10.3969/j.issn.1007-1423.2019.08.012 基于自适应中值滤波算法的研究与改进 赵玲玲 (重庆师范大学计算机与信息科学学院,重庆 401331) 摘要:中值滤波器受滤波窗口大小影响较大,与中值滤波相比较,自适应中值滤波可以在一定程度上很好地抑制图像的脉冲噪声。然而,随着噪声密度的增加,自适应中值滤波算法的滤波效果降低。对于这两种滤波算法中的问题,提出一种基于自适应中值滤波算法的改进算法。该算法通过对滤波窗口中的图像灰度极值进行噪声检测,用滤波窗口的灰度中值代替噪声点。若滤波窗口的中值为噪声点,则算法自适应地增大滤波窗口从而取新的中值。如果滤波窗口自适应地增大到允许的最大窗口尺寸时,中值依然为噪声点,则取当前窗口中除去极大和极小像素的灰度均值。仿真实验结果表明,在随着噪声密度增大的情况下,提出的自适应中值滤波的改进算法滤波性能优于中值滤波算法和标准的自适应中值滤波。 关键词:中值滤波;噪声检测;自适应中值滤波;灰度极值 0 引言 图像作为现代社会中一种不可或缺的信息来源,通过对图像进行加工处理获得图像包含的内容。但在通常情况下,各种噪声在图像生成或传输过程中使图像降质,使得后续对图像进行处理(如分割、压缩和图像理解等)时产生极大影响。因此,在使用图像的过程中,要对图像进行滤波处理。图像滤波是指在尽可能保留原始图像边缘和细节特征的情况下,对目标图像进行噪声抑制,用来减少不同脉冲噪声对图像的影响。噪声与图像的边缘和细节特征信号点之间可能存在某种相似性。当滤除噪声时,可能滤除边缘和细节信号点[1]。在实际的应用操作中,图像被过滤,但是边缘特征和图像的一些细节不能在过滤过程中一起过滤[2]。图像滤波分为线性滤波和非线性滤波。中值滤波是线性滤波中最典型的。其缺点是图像的边缘和细节容易模糊。非线性滤波,例如中值滤波,使用原始图像和模板之间的逻辑关系来获得结果。由于中值滤波被提出,它被广泛用于的图像噪声滤波[3-4]。 1 中值滤波算法 中值滤波使用技术为非线性平滑技术,该算法首先对图像的像素灰度值进行排序。图像中每个像素的灰度值被认为是当前遍历窗口中像素灰度值的中值,中值滤波的实现原理:图像像素灰度值中的一个点的值被该点的遍历窗口中每个点值的中值代替。这样做的目的是使其周围的像素值接近,从而消除非常大或非常小的噪声点[5]。该算法的总体实现是使用二维滑动模板。遍历模板的像素按像素值从大到小(或从小到大)排序。排序后的像素值产生二维数据的单调上升(或下降)序列[6]。二维中值滤波输出为: g(x,y)=med{f(x-k,y-l),(k,l∈w)} (1)其中,f(x,y) 是原始图像,g(x,y) 是处理后图像。 w 表示滤波窗口(二维模板),一般有 3×3、 5×5、 7×7 等 模板。其实现过程为: (1)选择合适的模板来遍历图像中的图像,直到模 板的中心与图像中像素的位置一致; (2)提取模板中各个灰度值对应位置的像素点灰 􀀥􀀲 图形图 像 现代计算机 2019.03 中 度值; (3)把提取到的灰度值按从小到大进行排列; (4)确定排列的中值; (5)用中间值替换模板中心位置上的像素灰度值。 2 自适应中值滤波算法 2.1 基本原理 自适应中值滤波算法选取一个 m×n 的矩形窗口 sxy 作为滤波窗口在图像上进行噪声检测。从而对图像的像素点作出噪声点与非噪声点的判断。执行过滤操作时,如果过滤窗口影响过滤操作

参考文献

引证文献

问答

我要提问