一种基于动态阈值的自适应中值滤波方法

作者:池利阳;师翔;吴新强 刊名:现代计算机(专业版) 上传者:徐振华

【摘要】针对图像受到电磁干扰带来的脉冲噪声,对自适应中值滤波方法进行改进。在去除噪声的过程中为了更好地将信号和噪声进行区分开,引入噪声点的预判机制。为满足改进算法对自适应中值滤波半径和窗口的变化的适应,采用自适应动态阈值。通过与SMF、RAMF等方法的比较实验表明,该算法具有较高的峰值信噪比和边缘保持性能。

全文阅读

0引言图像采集经常受到外部的各类噪声的干扰,用户实际得到的图像在质量上有明显的下降,势以必要使用恰当的方法进行滤波,以弥补这些噪声带来的干扰。图像滤波方法有线性和非线性之分,中值滤波是一种常用的非线性滤波方法,中值滤波可以将图像中的绝大部分噪声去除[1]。标准的中值滤波(SMF)算法中,滤波窗口的大小是我们预先设定的,在全部的滤波过程当中预设窗口大小不发生变化。另外,该算法没有区分噪声点和非噪声点,而是把图像中的所有像素点的值使用其邻域的中值进行替换,因此会使图像变得模糊,只能在脉冲噪声的密度不是太大的情况下使用。为了在降低噪声的情况下又能够保持图像的细节,研究工作者提出各种算法对中值滤波进行改进,如使用加权方法对图像进行滤波,对像素点赋予不同的权重值用来调节噪声去除和细节保持之间矛盾的情况[2],但是这种方法虽然能够挽回在图像细节上的损失却降低了去除噪声的能力。排序的自适应中值滤波器能够协调降噪与保护细节之间的矛盾,但在区分噪声点和信号点方面还存在很大的不足。针对以上算法的不足之处,本文使用具有自适应性的动态阈值。利用该方法能对噪声点进行预判,从而更加有效地区分噪声和信号。通过试验图像进行处理和数据分析结果表明:基于动态阈值的自适应中值滤波方法不仅具有较强的去除噪声能力,同时对图像的边沿细节保持效果好。1自适应中值滤波自适应中值滤波器(RAMF)使用自适应变化的窗口检测噪声点[3]。滤波步骤如下:1首先给定一个最大的滤波半径rmax并使开始的滤波半径r为1。2通过计算获得当前滤波半径像素灰度的最小、最大值以及中值,分别表示为:fmin、fmax、fmed。3判定fmed是否是fmin和fmax之间的某个数,如果是则继续4;如果fmed不在fmin和fmax之间,使当前半径r=r+1继续进行滤波操作,并且r=rmax时停止在目前窗口下的滤波。4如果当前处理的像素点的灰度值fij在fmin和fmax之间,则当前像素点的值保持不变,否则使用当前滤波半径的中值像素fmed的值进行代替。自适应中值滤波器在一定程度上缓解了降噪和保护图像细节的矛盾[3]。然而该方法在噪声点检测时,以某个窗口下的像素点的最大值、最小值及中值之间的大小关系将图像像素简单地分为噪声点和信号点两趨趻现代计算机2014.10中类。经测试,自适应中值滤波器对大多数图像滤波效果是比较理想的,但是对于斑点噪声无法正确判断。2改进的自适应中值滤波在滤波过程中,简单地将噪声点和信号点进行区分,无疑使滤波结果中带来不必要的噪声,并有可能是一些组织图像边界被误认为噪声而被滤除,从而滤波结果无法反映组织图像的真实信息。为能够使边缘和纹理在细节上得到很好的保持,必需在滤波之前对区分图像噪声点和信号点加以区分。在自适应中值滤波算法中滤波半径和窗口大小并不是固定的,使用固定阈值无法适应半径和窗口不固定的情况,因此本文采取使用随窗口和滤波半径大小变化的可变阈值。自适应滤波阈值可由公式(1)求出:Tij=12r{rm=-rrn=-r[f(i+m,j+n)-fmed]}12(1)其中r为当前窗口下的滤波半径大小,f(i,j)为点(i,j)的像素大小,fmed为当前滤波窗口内的所有像素点的灰度中值。改进的滤波算法详细实现步骤:1首先给定开始滤波半径大小和最大的滤波半径,分别表示为rmin和rmax。2求出当前滤波半径下的像素灰度的最小值、灰度的最大值和灰度中值,可以表示为:fmin、fmax、fmed。3当fminfmedfmax时继续执行4;否则执行5。4继续判定,如果0Tij,则点(i,j)处的像素值fij保

参考文献

引证文献

问答

我要提问