基于形態開閉算子的高濃度椒鹽噪聲去除方法

張成斌,王開福

(南京航空航天大學航空宇航學院,南京210016)

基于形態開閉算子的高濃度椒鹽噪聲去除方法

張成斌,王開福

(南京航空航天大學航空宇航學院,南京210016)

針對傳統形態濾波器濾除高濃度椒鹽噪聲不足的問題,提出一種基于形態開閉算子自適應的高濃度椒鹽噪聲去除方法。該方法分為噪聲檢測和形態開閉自適應濾波2個階段。在噪聲檢測階段,得到噪聲標記圖像,并依據噪聲標記圖像生成自適應的結構元素。在形態濾波階段,對可能的噪聲點進行形態開閉濾波,而對非噪聲點不做濾波處理直接輸出。通過一個簡單的噪聲檢測方法構造自適應結構元素,提升傳統形態濾波器的濾波能力。仿真結果表明,該方法能有效去除高濃度的椒鹽噪聲,較好地保留圖像的細節信息,并且算法簡單,運算時間較短。

椒鹽噪聲;數學形態學;開算子;閉算子;濾波;自適應結構元素

1 概述

在圖像的獲取和傳遞過程中,不可避免地受到不同程度的脈沖噪聲污染,嚴重影響了圖像的質量和圖像的后期處理。椒鹽噪聲是脈沖噪聲中最常見,也是被研究最多的一種噪聲,它的特點是一些黑白噪聲點,其灰度值為0或255[1]。由于椒鹽噪聲是一種非加性噪聲,使用線性濾波器濾波效果較差,因此研究者常使用非線性濾波器。非線性濾波器的典型代表是中值濾波器和形態濾波器。針對高濃度椒鹽噪聲,標準中值濾波器去除噪聲的性能受濾波窗口的尺寸影響較大,在抑制圖像噪聲和保留圖像細節信息兩方面存在矛盾,即采用小尺寸濾波窗口,無法有效濾除噪聲,而采用大尺寸濾波窗口,無法有效地保留圖像的細節信息。因此,研究學者們提出了許多改進的中值濾波器[2-3]、門限中值濾波器[4-5]和其他非線性濾波器[6-7]。數學形態學作為一種強大非線性圖像處理和分析工具而被廣泛應用到許多學科當中[10-11]。而采用形態濾波器去除高濃度椒鹽噪聲的文獻并不多見。雖然形態濾波器最善于去除椒鹽噪聲,但對高濃度噪聲,濾波效果卻較差,原因主要在于結構元素的選擇。

對于隨機的椒鹽噪聲,需要尋找一種自適應的結構元素,從而構造自適應的形態濾波器,如基于量子衍生方法構造的量子衍生形態開閉濾波器[10],該濾波器提高了去除高濃度椒鹽噪聲的能力。因此,根據椒鹽噪聲的特點,本文通過噪聲檢測來構造自適應的結構元素,以有效提高形態濾波器濾除高濃度椒鹽噪聲的能力,同時較好地保留圖像的細節信息。

2 灰度形態學

定義給定一幅灰度圖像f和扁平結構元素B,則灰度形態腐蝕算子ε和膨脹算子δ分別定義為[9]:

腐蝕算子ε:

膨脹算子δ:

由形態學的腐蝕和膨脹算子組合,構成了形態濾波器的2個基本算子開和閉,開算子γ和閉算子?分別定義如下[9]:

開算子γ:

閉算子φ:

由上述定義可知,給定像素點的腐蝕值為圖像中由結構元素定義的窗口內像素的極小值,給定像素點的膨脹值為窗口內的極大值。因此,由腐蝕和膨脹算子構成的形態學開閉濾波器的濾波效果取決于結構元素的選擇。針對被高濃度椒鹽噪聲污染的灰度圖像而言,如果選擇小尺度的結構元素,濾波窗口里可能都是椒鹽噪聲點,那么就無法有效濾除噪聲,如果選擇大尺度的結構元素,又無法有效保留圖像的細節信息。為此,需要根據椒鹽噪聲的特點,來設定自適應的小尺度結構元素。

3 基于形態開閉算子的自適應濾波方法

基于形態開閉算子的自適應濾波方法主要分為2個過程,第1個過程是噪聲的檢測過程,第2個過程是基于自適應結構元素的形態開閉濾波過程。

3.1 噪聲檢測

對被噪聲污染的灰度圖像f進行檢測,在噪聲的檢測過程中,形成一幅標記圖像hf,定義如下:

設置這種簡單的噪聲檢測方法,雖然存在噪聲誤檢問題,但對于高濃度椒鹽噪聲污染圖像而言,噪聲誤檢問題對去除椒鹽噪聲的影響變得微乎其微。比如對于一幅512×512大小的圖像,原圖像灰度值為0或255的像素個數占0.03%,人眼視覺就能清晰感受到黑白點污染,換言之,對于大部分圖像而言,原圖像灰度值為0或255的像素個數非常有限。為了進一步有效保留圖像的原有信息,后續的濾波算法中采用小尺度3×3的結構元素。采用這些小尺度的濾波窗口,使得噪聲誤檢問題對濾波結果的影響變得更小,幾乎可以忽略不計。

3.2 基于形態開閉算子的濾波

根據椒鹽噪聲的特點,只針對可能噪聲點進行濾波處理,而對非噪聲點不做濾波處理,直接輸出,則可以得到濾波后的圖像g,即:

其中,r為形態開閉濾波后的圖像。根據噪聲檢測過程中形成的標記圖像hf來構造自適應的結構元素,則基于形態開閉算子濾波的算法流程如下:

(1)選擇結構元素S1,即:

則形態開閉濾波后的圖像t由tij=?S1ij(γS1ij(fij))得到。

(2)對(1)中得到的圖像t用式(5)進行檢測,得到標記圖像dt,選擇結構元素S2,即:

則形態開閉濾波后的圖像r由rij=?S2ij(γS2ij(tij))得到。其中[M,N]=size(f),i≤M,j≤N。如果結構元素中的值都為0值,則該像素點不做處理,直接輸出該點的像素值。

4 仿真實驗與結果分析

為了檢驗本文算法的有效性,選擇512×512像素的Lena灰度圖像進行仿真實驗,并與現有的一些濾波器如標準中值濾波器[1]、改進中值濾波器[3]、傳統形態學開閉濾波器[8]和量子衍生形態開閉濾波器[10]分別對噪聲濃度為20%,40%,60%和80%的噪聲Lena圖像進行濾波處理。對濾波結果的評價除了主觀的評價方法外,還需采用客觀的評價方法,常用的客觀評價方法是峰值信噪比(PSNR)和平均絕對誤差(MAE),分別定義如下[1]:

其中,o為原圖像;g為濾波后的圖像;[M,N]=size(o),i≤M,j≤N。

表1和表2分別表示不同濾波算法對噪聲濃度為20%,40%,60%和80%的Lena圖像濾波結果的PSNR值和MAE值。從表1和表2可以看出,本文的方法具有最高的PSNR值和最低的MAE值。PSNR值越高,MAE值越低,說明濾波效果越好。

表1 不同濾波方法的PSNR值dB

表2 不同濾波方法的MAE值

為更直觀地描述不同濾波方法的濾波效果,圖1和圖2分別表示對濃度為40%和80%椒鹽噪聲的Lena圖像的濾波效果圖。

圖1 40%椒鹽噪聲Lena的圖像濾波結果

從圖1可以看出,傳統形態學開閉濾波器采用固定的3×3正方形結構元素無法去除噪聲,采用量子衍生方法構造的量子衍生形態開閉濾波器提高了形態開閉濾波器的濾波能力,但仍然存在一些噪聲。標準中值濾波器、改進中值濾波器和本文方法都有效地去除了噪聲,但本文方法的圖像細節信息保留能力最好,如圖1中Lena圖像中的鼻孔和嘴唇部位,本文方法保留的細節信息最好,仍可以清楚看到鼻孔小洞。對更高濃度的椒鹽噪聲,如圖2中80%椒鹽噪聲,本文方法仍然能很好去除噪聲。

圖2 80%椒鹽噪聲Lena的圖像濾波結果

從圖2可以看出,對高濃度的椒鹽噪聲采用大尺度的濾波窗口的中值濾波器無法有效地濾除噪聲,量子衍生形態開閉濾波器也無法有效地濾除噪聲,都還存在著大量噪聲,傳統形態開閉濾波結果根本無法分辨信息。改進中值濾波器和本文方法雖然都有效地去除了噪聲,但在Lena的鼻孔和嘴唇的細節信息保留方面,本文方法的保留圖像細節信息能力更好。

作為一種新的噪聲濾波方法,不僅要有好的濾波結果,而且需具備較快的運算速度,才更加實用。本文的仿真實驗平臺是MS Window XP系統,Intel corei3 2.8 GHz和4 GB內存的計算機,以及使用Matlab2013a軟件實現。表3表示不同濾波方法的運算時間。從表3可以看出,雖然中值濾波器和傳統形態開閉濾波器具有較短的處理時間,但是它們的濾波效果不好,而本文方法不僅具有好的濾波效果,同時具有較短的濾波處理時間。從表3也可看出,本文方法隨著噪聲濃度的增加而增加濾波處理時間,這是由于在濾波之前先進行噪聲檢測,對非噪聲點不做處理的緣故。因此,本文方法符合實際需求,并具有較快的處理時間。

表3 不同濾波方法的運算時間s

5 結束語

本文根據椒鹽噪聲的特點,設定了一個簡單的椒鹽噪聲檢測算子,只針對可能噪聲點進行濾波處理。雖然可能存在誤檢問題,但由于本文采用小尺度的3×3的結構元素,仍能很好地保留圖像的細節信息。通過噪聲檢測形成的標記圖像來構造逐點的小尺度自適應結構元素,對高濃度噪聲圖像而言,有可能產生3×3的零矩陣結構元素,但這種可能性會被后續的形態開閉算子濾波所消除。仿真結果表明,本文方法不僅能有效去除高濃度的椒鹽噪聲,并能很好地保留圖像的細節信息,具有較短的運算時間。本文通過一個簡單的噪聲檢測方法來構造自適應結構元素,而且濾波效果較好,同時,本文方法也適用于彩色圖像的椒鹽噪聲去除問題。下一步將考慮散斑和高斯噪聲的特點,構造對應噪聲類型的形態濾波器,進而拓展形態濾波器濾除不同類型噪聲的能力。

[1] Gonzalez R C,WoodsRE.DigitalImageProcessing[M].3rded.NewJersey,USA:Prentice-Hall,2011.

[2] Ibrahim H,Kong N S P,Ng T F.Simple Adaptive Median Filter for the Removal of Impulse Noise from Highly Corrupted Images[J].IEEE Transactions on Consumer Electronics,2008,54(4):1920-1927.

[3] Wang S S,Wu Chenghao.A New Impulse Detection and Filtering Method for Removal of Wide Range Impulse Noises[J].PatternRecognition,2009,42(9): 2194-2202.

[4] Ibrahim H.Adaptive Switching Median Filter Utilizing Quantized Window Size to Remove Impulse Noise from Digital Images[J].Asian Transactions on Fundamentals of Electronics,Communication&Multimedia,2012, 2(1):1-6.

[5] Fabijanska A,Sankowski D.Noise Adaptive Switching Median-based Filter for Impulse Noise Removal from Extremely Corrupted Images[J].IET Image Processing, 2011,5(5):472-480.

[6] Nasri M,Saryazdi S,Nezamabadi-pour H.SNLM:A Switching Non-local Means Filter for Removal of High Density Salt and Pepper Noise[J].Scientia Iranica, 2013,20(3):760-764.

[7] Zhang Xuming,Zhan Yi,Ding Mingyue,et al.Decisionbased Non-local Means Filter for Removing Impulse Noise from Digital Images[J].Signal Processing,2013, 93(2):517-524.

[8] Serra J.ImageAnalysisandMathematicalMorphology[M].London,UK:Academic Press,1982.

[9] Soille P.形態學圖像分析原理與應用[M].2版.王小鵬,譯.北京:清華大學出版社,2008.

[10] 謝可夫,周心一,許光平.量子衍生坍縮形態學濾波[J].中國圖象圖形學報,2009,14(5):967-972.

編輯 金胡考

Removal Method of High Density Salt and Pepper Noise Based on Morphological Open and Close Operators

ZHANG Chengbin,WANG Kaifu
(College of Aerospace Engineering,Nanjing University of Aeronautics and Astronautics,Nanjing 210016,China)

According to shortcoming of conventional morphological filter in filtering high density salt and pepper noise of digital images,a method for removing high density salt and pepper noise based on morphological open and close operators is proposed.This method consists of the noise detection stage and adaptive morphological open-close filtering stage.A mark image is constructed in noise detection stage,and adaptive structuring elements are gained based on the mark image.The possible noise pixels are filtered by morphological open and close filtering,and the free-noise pixels are unchanged in morphological filtering stage.Simulation results show that the proposed method is effective to remove high density salt and pepper noise,and keeps the detail information well.The proposed method constructs adaptive structuring elements using noise detection,improves traditional morphology filtering ability,and the algorithm is simple,possesses the shorter processing time.

salt and pepper noise;mathematical morphology;open operator;close operator;filtering;adaptive structuring element

張成斌,王開福.基于形態開閉算子的高濃度椒鹽噪聲去除方法[J].計算機工程,2015,41(2):199-202.

英文引用格式:Zhang Chengbin,Wang Kaifu.Removal Method of High Density Salt and Pepper Noise Based on Morphological Open and Close Operators[J].Computer Engineering,2015,41(2):199-202.

1000-3428(2015)02-0199-04

:A

:TN911.73

10.3969/j.issn.1000-3428.2015.02.038

中央高?；究蒲袠I務費專項基金資助項目;江蘇省研究生培養創新工程基金資助項目(CXLX13_137);南京航空航天大學博士學位論文創新與創優基金資助項目(BCXJ13-01)。

張成斌(1985-),男,博士研究生,主研方向:圖像處理,光測力學;王開福,教授、博士。

2014-03-13

:2014-04-13E-mail:zhchb@nuaa.edu.cn