用改進的自適應中值濾波去椒鹽噪聲

王冰野

（中國人民公安大學，北京100038）

用改進的自適應中值濾波去椒鹽噪聲

王冰野

（中國人民公安大學，北京100038）

對被高密度脈沖噪聲污染的圖像，用改進的自適應中值濾波算法去噪時。先要利用設定的閾值，來判斷該像素點是否是椒鹽噪聲，然后通過分治法求出該窗口中值來替代被污染的像素點。仿真結果表明，該算法能快速地消除被污染圖像的高密度椒鹽噪聲，并且具有很好的細節保護特性，其效果明顯優于傳統的自適應中值濾波。

圖像處理；椒鹽噪聲；分治法；改造自適應中值濾波

一、引言

椒鹽噪聲是圖像處理中的一種典型噪聲，它是圖像傳感器在獲取、信息傳輸中隨機產生黑白相間的亮暗點。用傳統的中值濾波方法消除椒鹽噪聲容易丟失許多邊緣和細節信息，會使圖像變模糊，甚至失真。基于閾值法和分治法改進的快速自適應中值濾波法，有效地抑制了椒鹽噪聲，保護了圖像邊緣細節，提高了濾波速度，減少了運行時間。

二、自適應中值濾波的原理

中值濾波效果依賴于濾波窗口的大小，太大會模糊邊緣，太小會影響去噪效果。自適應中值濾波器也使用一個矩形區域的窗口Sxy，在濾波過程中會根據像素點污染程度來改變窗口的大小，這是改進的自適應中值濾波的核心。在去噪過程中，先逐行掃描圖像，遍歷每個像素點為窗口中心點，判斷該像素是否是濾波窗口覆蓋下的最大值或最小值。如果是，就采用正常的中值濾波處理，即用中值代替。如果不是此情況，不改變其當前像素值，就做出如下定義：

Zmin是在Sxy濾窗內灰度的最小值；Zmax是在Sxy濾窗內灰度的最大值；Zmed是在Sxy濾窗內灰度的中值；Zxy是坐標（x，y）處的灰度值；Smax指定Sxy所允許的最大值。

主要算法如下：

Level A： A1=ZmedZminA2=ZmedZmax

如果A1>0并且A2<0，轉到level B，否則增加濾窗Sxy的尺寸。

如果濾波窗口Sxy≤Smax，則重復執行Level A，否則把Zxy作為輸出值。

Level B： B1=ZxyZminB2=ZxyZmax

如果B1>0并且B2<0，把Zxy作為輸出值，否則把Zmed作為輸出值。

上述濾波算法表明：該算法在噪聲密度較小時，濾波和細節保持效果均較好；若噪聲密度大于50%時增大、調整窗口，會使細節破壞，并且降低運行速度。

三、改進的自適應中值濾波

對上述方法進行相應的改進，是從兩方面進行：一方面，通過分治法求中值可在不影響圖像質量的前提下，達到與理論中值一樣的去噪效果，并且大大提高濾波的速度。另一方面，在濾波過程中，引入一個統計閾值來判定該點是否是噪聲點。這種方法在保護細節的同時還有較強的去噪能力，對噪聲密度較大的圖片也有較好的濾波效果。

由于統計閾值對噪聲效果影響很大，需要對閾值合理的設置。考慮到根據噪聲的分布密度不同，需要根據情況改變窗口的大小，因此，將閾值設定為窗口Sxy內所有像素點灰度值的標準差，公式如下：

中：Z（x+k，y+r）表示某像素點的灰度值，meanSxy表示窗口內像素點灰度的平均值。改進的濾波算法如下：

⑴設置初始化窗口為3×3。

⑵計算當前窗口中像素的最大值Zmax，最小值Zmin和均值Zmed，用分治法求當前窗口中值。

⑶設A1=ZmedZminA2=ZmedZmax。如果A1>0并且A2<0，轉到5，否則，增加濾窗Sxy的尺寸。

⑷如果Sxy≤Smax時，擴大窗口尺寸，并轉到2，重復以上步驟，否則，用當前窗口均值meanSxy替換當前點。

⑸設定統計閾值 ，當

四、仿真實驗及結果分析

為驗證上述算法的有效性，針對椒鹽噪聲進行去噪分析，分別采用標準中值濾波、自適應中值濾波、改進的自適應中值濾波算法，分別對噪聲濃度為20%、70%的Lena圖像進行濾波處理，然后進行分析評價。對濾波效果的評價一般分為主觀評價和客觀評價。

⑴主觀評價，就是通過人眼去評價圖像質量的好壞。圖像信息通過人眼接收，觀察者通過對比的方式對圖像做出質量好否的評價。

⑵客觀評價，即用待評價的圖像偏離原來的圖像的誤差來衡量圖像的質量。常采用均方誤差(MSE)和峰值信噪比(PSNR)進行評價。定義分別如下：

均方誤差：

峰值信噪比：

從下表可以看出，對被高密度的椒鹽噪聲污染的圖像，用改進的自適應中值濾波算法在性能上、耗時上均優于傳統方法。從下圖可見：在噪聲密度為20%時，幾種算法的濾波效果差別不大，但濾波窗口為3×3的算法仍有一些噪聲沒有除去，而且運行時間相對緩慢。在噪聲密度為70%情況下，濾波窗口為3×3和5×5的方法，濾波性能明顯下降，且運行時間很慢。自適應中值濾波算法濾波后的圖像還存在少量的殘余噪聲。而改進的自適應中值濾波算法能有效地消除嚴重的脈沖噪聲干擾，并能很好的保護圖像細節，且大大提高了運行速度。

四種濾波算法運行時間和PSNR比較表

五、結束語

針對傳統自適應濾波方法的不足，用加入了閾值的改進的自適應中值濾波方法，以及用分治法求取特征值代替噪聲點，加快了運行速度。該算法較標準中值濾波和自適應中值濾波更有效地濾除大量噪聲，并保護了圖像的細節，具有簡單、穩定、快速等特點，尤其是噪聲密度大時，與其他方法相比，更體現該算法的有效性。

[1]王歡,王修暉.基于閾值判斷的自適應中值濾波算法[J].中國計量學院學報,2011(4):383-385．

[2]王曉凱,李峰.改進的自適應中值濾波[J].計算機工程與應用,20 10(3):175-176.

[3]Hashem M M,Wahdan A M A,Salem A,et al.Extending the applic ation of conditional signal adaptive median filter to impulsiven oise[C].The 2006 International Conference on computer Engineering and Systems,2006:355-360.

[4]張欣,劉英,高秀艷.自適應投票快速中值濾波算法研究[J].計算機工程與應用,2010(6):148-150.

[5]李強,陳俊鵬,明艷.一種改進型自適應中值濾波圖像處理算法[J].數字通信,2010(5):58-61.

[6]楊明,宋麗華.改進的快速中值濾波算法在圖像去噪中的應用[J].測繪工程,2011(3):69.

[7]孫海英,李峰,商慧亮.改進的辯分自適應濾波算法[J].電子信息學報,2011(7):1744-1747.

D631

A

1673―2391(2012)08―0156―02

2012—05—28

王冰野，中國人民公安大學。

【責任編校：李 烽】