淺議數字圖像去噪技術及其應用

摘 要：數字圖像去噪技術一直以來都是數字圖像處理研究領域的一個熱點問題，該技術在當代已經越來越重要，并廣泛應用到人們生活的方方面面。筆者在數字圖像去噪技術方面也做了一點粗淺的研究，本文就結合筆者的認識和體會談一談幾種數字圖像去噪方法和數字圖像去噪技術在現實中的應用。

關鍵詞：數字圖像；圖像噪聲；去噪技術；中值濾波；小波濾波

在數字化發展的今天，信息在人們生活和工作中的作用越來越突出，并逐漸改變著人們的生活和工作方式，其中最主要、最直觀的信息就是圖像信息。然而，在實際應用中數字圖像經常會由于元器件、電阻、電磁干擾等設備因素，溫度、光照等外界環節因素以及人為因素的影響產生圖像噪聲，從而使得圖像質量不理想，偏離了原始圖片。因此，數字圖像去噪就成為一個亟待解決的問題，具有很強的現實意義。下面筆者就談一談幾種數字圖像去噪方法和數字圖像去噪技術在現實中的應用。

1 數字圖像去噪方法

當前，數字圖像去噪的方法有很多，從本質上講這些方法都是低通濾波的方法。低通濾波既有有利的地方，也有不利的地方，它既能消除圖像噪聲，又能消除圖像中一些有用的高頻信息。因而，我們所研究的各種數字圖像去噪方法從根本上來說就是權衡去噪和保留高頻信息。在數字圖像去噪方法中，我們比較常見的有以下幾種方法：

1.1 中值濾波算法

中值濾波算法最早是由Turky于1971年提出來的，是一種典型的非線性空間域去噪算法。其算法利用了像素點和噪聲點之間的灰度值差別很大這一特性。中值濾波算法的主要原理是：以一個像素為中心取其鄰域，然后對鄰域中各像素的灰度值進行排序，取中值作為中心像素的灰度值，換句話說就是中心像素點的灰度值被鄰域像素點灰度值的中值所替代。這種方法能很好的消滅噪聲，但同時也損壞了圖像的邊緣，造成了部分細節的丟失。因此，部分科學家和學者在此基礎上又提出了中心加權中值濾波算法、開關中值濾波算法、極值中值濾波算法等等，這些方法都是針對中值濾波算法的缺陷提出來的，具有很強的實用價值。

1.2 維納濾波算法

維納濾波算法是由Wiener提出來的，是一種典型的線性濾波方法。其理論依據是最小均方誤差準則，該準則的具體含義是：將含有噪聲的信號運用濾波變換后得到的恢復后的估計信號與原信號相比，它們之間有最小的均方差誤差。維納濾波算法既適用于連續平穩隨機過程，也適用于離散平穩隨機過程。但是，對于非平穩態的隨機過程，一般來說，維納濾波算法不太適用。

1.3 小波濾波算法

小波濾波算法是基于小波變換理論發展而來的。其原來就是：原始信號經過小波變換，將不同頻率組成的混合信號分解為不同頻率的塊信號，去除含噪聲頻率的塊信號，剩下的塊信號進行重構就有效的去除了信號的噪聲。利用小波變換去噪，最早是Donoho和Johnstone于1992年提出的小波閾值萎縮法，這種方法說的是含有噪聲的信號經過小波變換后，初始信號的能量主要分布在少數幅值較大的小波系數上，其中噪聲能量主要均勻分布在多數小波系數上，因此，只需要設定一個恰當的閾值，就可以從初始信號的小波系數中分離出含噪聲的部分。后來，很多學者經過艱苦的研究，推導和改進出各種閾值算法，例如，VisuShrink閾值公式、SureShrink閾值公式、Garrote閾值函數等等。

2 數字圖像去噪的應用

隨著電子計算機和電子成像設備的日益發展，越來越多的電子產品進入到人們生活的方方面面，并且數字圖像在人們生活中的作用已越來越突出，其應用領域也越來越廣泛。

比如，在醫學上，我們一般用CT圖像或者X光像等成像方式來獲取我們用眼睛看不見的封閉區域內的圖像，從而來診斷病癥。但是這些方式在成像過程中會因為設備內在或外界干擾而產生噪聲，這種有害噪聲如若不除去，將會影響醫生的判斷，從而發生誤診的現象。為了醫生能夠準確的判斷病情，就一定要有能如實反映真實情況的醫學圖像。因此，在醫學上就需要利用數字圖像去噪技術來提高圖像的分辨率和成像質量，抑制圖像捕捉系統或醫學成像系統造成的噪聲干擾。

還比如，在視頻和圖像編碼過程中，我們也會應用到數字圖像去噪技術。因為圖像中的噪聲會引起圖像變得模糊，同時還可能造成某些細節的丟失，使得圖像失真，這也嚴重影響到視頻和圖像的后期處理。所以，在視頻和圖像編碼處理時對圖像進行去噪處理就顯得非常有必要。

另外，數字圖像去噪技術不但在醫學、林業、工業、軍事等方面有著諸多應用，還在航空航天拍攝的遙感圖像、紙幣的數字水印圖像、人臉虹膜圖像、氣象預報的光譜圖像等領域都有應用。顯而易見，數字圖像去噪技術的應用遠不止這些方面，其應用領域范圍已越來越廣。人們對這門技術迫切需要的同時也對數字圖像去噪技術提出了新的要求，這也促進其不斷完善，推動著其不斷發展。

3 結束語

總之，數字圖像去噪是圖像處理中一項最基本而又最為關鍵的技術，也是當前圖像去噪領域最為熱門的一個研究熱點問題，吸引著廣大學者對其進行較為深入的研究和探索。我相信，隨著越來越多的學者參與到數字圖像去噪技術的研究中來，這些理論將會在逐步完善中取得突破，在各個突破中得到發展，最終推動整個圖像處理技術的進步，為人類所用。

參考文獻

[1]吳玲.基于數字圖像去噪的方法分析[J].科技信息，2010（6）.

[2]王香菊.圖像去噪方法和應用[J].科技情報開發與經濟，2007（27）.

[3]朱秀昌，劉峰，胡棟.數字圖像處理與圖像通信[M].北京：北京郵電大學出版社，2002.

[4]阮秋琦.數字圖像處理學[M].北京：電子工業出版社，2001.