活立木真彩色圖像降噪方法研究

王昱潭，代英鵬，高垚垚，劉博瀚，馬程浩

(寧夏大學 機械工程學院，銀川 750021)

?

活立木真彩色圖像降噪方法研究

王昱潭，代英鵬，高垚垚，劉博瀚，馬程浩

(寧夏大學 機械工程學院，銀川 750021)

為了更好的消除真彩色圖像噪聲，提高圖像的質量，本文提出了一種基于HSV空間狀態下的圖像降噪的方法。根據HSV各顏色分量相互獨立的特性，將真彩色圖像從RGB空間轉換到HSV空間；通過真彩色圖像的矢量值降噪技術與灰度圖像的標量值降噪算法相結合的改進算法，分別對每一顏色分量進行處理。以峰值信噪比為判斷依據進行對比實驗，結果表明：相對于矢量中值濾波，改進后的算法對真彩色圖像的降噪具有更好的效果。

顏色空間轉換；真彩色圖像降噪；活立木

0 引 言

從人的視覺角度來說，真彩色圖像符合人眼對外界事物的感知理解，并且其包含大量的信息，所以真彩色圖像的應用范圍極其廣泛。然而，在獲取和傳輸圖像的過程中，會有各種噪聲污染圖像，影響圖像的顯示效果[1]，也會影響了后續圖像處理的正確性[2]，因此，研究圖像降噪方法和處理技術具有重要的意義[3]。在灰度圖像的降噪處理中，均值濾波是利用噪聲點領域范圍內的均值，來估測噪聲點的灰度值[4]，而均值濾波時，脈沖噪聲點與鄰域點像素值的差距性，會導致濾波結果與真實值差別較大[5]；非局部均值濾波方法對高斯噪聲的抑制效果明顯，但是對降低脈沖噪聲的效果并不明顯[6-9]；吳一全等提出基于非局部均值和SUSAN算子的降噪方法，對混合噪聲濾除有很好的效果[10]。

對于真彩色圖像，每點的彩色信息含有多個分量，傳統的灰度圖像處理方法已滿足不了彩色圖像降噪的需求。在彩色圖像處理領域，普遍采用分量處理法、模型轉換法和矢量法等[11]。

王建衛[12]在分析彩色圖像噪聲的來源和濾波的一般方法的基礎上，提出了一種基于矢量中值濾波算法的改進方法，該算法集中了線性均值濾波和非線性矢量中值濾波兩種方法的優點，可有效降低密度大的椒鹽噪聲；劉松濤[13]提出一種基于噪聲估計和雙加權的濾波新算法，采用噪聲二級估計策略以及雙加權矢量中值濾波進行降噪處理，去的較好的效果；鄧延權等[14]依據模糊綜合評判原理提出一種保持彩色圖像細節的模糊矢量中值濾波算法，提高運算速度以及保留較好的圖像細節。以上算法都是基于RGB空間的彩色算法，而RGB空間顏色分量的關聯性對圖像降噪具有很大影響。本文提出基于HSV顏色空間變換的活立木真彩色圖像降噪方法，該方法綜合各種處理方法的優點，結合灰度圖的標量值算法與矢量中值濾波技術，完成對真彩色圖像的降噪處理。

1 顏色空間模型

1.1 HSV空間模型

RGB圖像的三個分量是相互聯系的，且各自表達的內容是相互平等的。從視覺角度，每個分量與整體的色彩沒有直觀的聯系。所以，當圖像被噪聲污染時，噪聲會同時存在于三個分量，要對圖像進行降噪處理，就要同時對三個作出同樣的處理方法，而不能單獨進行處理。因此，找到一個顏色空間，在該顏色空間中分量是相互獨立的，彼此之間互不影響。這樣，就能夠將較為成熟的灰度圖像處理技術應用到彩色圖像的降噪上。HSV模型中，H表示色調，是指顏色的波長；S表示飽和度，是指顏色的深淺程度；I表示明度。三者相互無關，而且每個變量都包含著R、G、B三基色信息。HSV模型不僅不會丟失顏色成分，也避免了三通道相互干擾的問題。具體方法如圖1所示。

圖1 基于HSV顏色空間的彩色圖像預處理模型Fig.1 Color image Preprocessing model based on the HSV color space

1.2 RGB-HSV數學模型關系

由顏色空間RGB模型與HSV模型的轉換公式：

(1)

本文采用MATLAB自帶的庫函數rgb2hsv和hsv2rgb實現RGB顏色空間與HSV顏色空間相互轉換。

2 真彩色圖像濾波算法

本文提出基于圖像從RGB顏色空間轉換到HSV顏色空間，利用各顏色分量的相互獨立性，提出了活力木彩色圖像濾波的新算法。先將圖像在RGB空間進行圖像平滑的預處理，達到減少噪聲的目的；后將灰度圖的標量算法與矢量中值濾波技術相融合；最終綜合利用兩者的優勢達到降噪的最佳效果。

2.1 圖像預處理

本文所用到的圖像預處理的方法是3×3均值濾波處理。

對圖像采用3×3均值濾波，則在像素(i,j)處，其鄰域Z像素分布如圖2所示。

(i-1,j-1)(i-1,j)(i-1,j+1)(i,j-1)(i,j)(i,j+1)(i+1,j-1)(i+1,j)(i+1,j+1)

圖2 像素鄰域分布

Fig.2 The distribution of pixels neighbors

(2)

以g(i,j)代替原像素(i,j)處的像素值。

其對應的3×3卷積模板為：

(3)

在RGB顏色空間，用3×3均值濾波對有噪聲的圖像進行濾波，由于其對R、G、B顏色通道使用相同的模板進行處理，所以對通道之間相互聯系的影響較小，有效的避免了因忽略各通道之間的聯系而使圖像失真的后果。

2.2 矢量中值濾波器

中值濾波器的一個重要的特性是它不產生原來圖像中沒有的像素值。克服圖像降噪的過程中產生其他顏色的一種有效方法是使用矢量中值濾波器。對矩形窗中的一組矢量x1，x2，……xN，矢量中值濾波器VM可由下式定義：

VM{x1,x2,……,xN}=xVM。

(4)

其中

xVM?{x1,x2,……，xN}。

且所求xVM滿足

(5)

(6)

逐點的乘法用?表示。距離權重wi的作用是加重離中心位置近的像素在濾波中的作用，突出像素間的空間位序相關性因素。當使用加權的濾波器時，權重也影響結果。在選擇權重時考慮到權重不僅能影響濾波結果，還會造成邊緣特性消失。所以，必須小心的選擇權重值。一般的取法是取像素到中心位置距離的倒數，也可以全部取1，即對窗口內的像素值不加區別。本文選擇的距離權重值和分量權重值均為1，在每個步驟中，濾波都不會產生新增加的彩色矢量，這是它最大的優點[15]。

2.3 改進降噪算法

針對標量算法與矢量中值技術的優缺點，本文綜合利用兩者的優勢，對活立木真彩色圖像進行降噪處理：首先，進行活立木真彩色預處理，然后，將圖像從RGB顏色空間轉換為HSV顏色空間，根據HSV顏色空間H、S、V各分量相互獨立的特點，應用灰度圖像的降噪方法，對每一個顏色分量單獨采用矢量中值濾波，再進行均值濾波以及自適應濾波——既結合了彩色圖像的矢量值技術，又融合了灰度圖像的標量值算法，最后再反變換回RGB顏色空間。

在本文的實驗中，RGB歸一化后每一分量的值介于0～1；目的在于驗證矢量技術與標量濾波相結合的活立木真彩色圖像的處理效果，并與單獨采用矢量技術的圖像處理進行效果的進行比較——通過最小均方根誤差MSE值和峰值信噪比PSNR值作為評價。矢量中值濾波和標量濾波(均值濾波與自適應濾波)共同作用于轉換到HSV顏色空間的每一顏色分量。

算法步驟：

步驟1：輸入活立木真彩色初始圖像。

步驟2：對原始圖像加入噪聲。

步驟3：使用3×3均值濾波技術對圖像進行預處理。

步驟4：利用RGB顏色空間與HSV顏色空間的轉換關系，將RGB顏色空間轉換為HSV顏色空間。

步驟5：根據HSV顏色空間各顏色分量互不聯系的特性，對H、S、V顏色分量分別單獨采用矢量中值濾波和自適應濾波。

步驟6：顏色反變換，將圖像降噪處理后的真彩色圖像從HSV顏色空間轉換到RGB顏色空間。

步驟7：在RGB顏色空間對加入高斯噪聲的圖像采用矢量中值濾波處理。

步驟8：輸出處理后的圖像。

步驟9：計算PSNR；結束。

3 實驗與結果

實驗環境：Lenovo P700手機，800萬像素，晴天，HP Pavilion g series，Inter(R) Core(TM) i3-2310M CPU @ 2.10GHz 2.10GHz，2.00 安裝內存，Windows 7 32位旗艦版操作系統。

實驗過程中分別在原活立木彩色圖像上分別加入不同成分的噪聲。根據加入噪聲成分的不同，分為以下4個實驗與本文提出的算法進行對比，以峰值信噪比(PSNR)為判斷依據進行對比實驗，PSNR值越大，就代表失真越少。

實驗一：對原始圖像加入均值為0，方差為0.06的高斯噪聲，預處理圖像對比如圖3所示。

以峰值信噪比(PSNR)為判斷依據進行對比實驗的數據見表1。

實驗二：對原始圖像加入均值為0，方差為0.06的均勻噪聲，預處理圖像對比如圖4所示。

以峰值信噪比(PSNR)為判斷依據進行對比實驗的數據見表2。

實驗三：對原始圖像加入密度為0.06的椒鹽噪聲，預處理圖像對比如圖5所示。

以峰值信噪比(PSNR)為判斷依據進行對比實驗的數據見表3。

實驗四：對原始圖像加入均值為0，方差為0.02的均勻噪聲、高斯噪聲以及密度為0.03的椒鹽噪聲，預處理圖像對比如圖6所示。

以峰值信噪比(PSNR)為判斷依據進行對比實驗的數據見表4。

圖3 彩色圖像預處理實例對比Fig.3 Comparison of color image preprocessing examples in the first experiment

降噪處理PSNR/dB加噪聲圖像矢量中值濾波處理本文算法59.403569.336376.0053

圖4 彩色圖像預處理實例對比Fig.4 Comparison of color image preprocessing examples in the second experiment

降噪處理PSNR/dB加噪聲圖像矢量中值濾波處理本文算法64.726772.925079.6840

圖5 彩色圖像預處理實例對比Fig.5 Comparison of color image preprocessing examples in the third experiment

降噪處理PSNR/dB加噪聲圖像矢量中值濾波處理本文算法63.849780.328479.1715

表4 各階段圖像處理對應的PSNR列表Tab.4 Image processing in each stage of the corresponding PSNR list in the fourth experiment

圖6 彩色圖像預處理實例對比Fig.6 Comparison of color image preprocessing examples in the fourth experiment

4 結論與討論

在直觀上，由圖3～圖6可以看出，經矢量中值濾波處理的圖像要比采用本真彩色圖像降噪濾波算法處理的圖像效果差；由圖像客觀評價指標——峰值信噪比(PSNR)來判斷，由表1～表4得到，采用本文降噪算法的圖像峰值信噪比(PSNR)的值均較高，這說明本文算法相對于其它算法在改善污染圖像的質量方面有所提高。通過對比還發現，本文算法對三種噪聲的處理能力：均勻噪聲>椒鹽噪聲>高斯噪聲。

對于加入高斯噪聲[16]、均勻噪聲[17-18]以及混合噪聲[10]的圖像而言，矢量中值濾波可以將圖像質量提高9～12 dB，而本文算法則能將圖像質量普遍提高16～17 dB，較矢量中值濾波高出6～7 dB，圖像降噪效果明顯；對于加入椒鹽噪聲的圖像，矢量中值濾波能將圖像質量提高16.478 7 dB，本文算法能將圖像質量提高15.321 8 dB，較矢量中值濾波低1.156 9 dB，圖像降噪效果略低于矢量中值濾波。

根據HSV顏色空間各分量相互獨立的特點，矢量中值濾波和標量濾波(均值濾波與自適應濾波)共同作用于轉換到HSV顏色空間的每一顏色分量——既結合了彩色圖像的矢量值技術，又融合了灰度圖像的標量值算法。本文彩色圖像降噪算法能夠較好的處理圖像噪聲問題，降噪效果總體優于矢量中值濾波。

5 結束語

本文算法較矢量中值濾波技術，具有更好的降噪效果，其原因在于本文在真彩色矢量值降噪處理技術的基礎上又增加了標量值降噪處理方法，使較為成熟的標量降噪技術應用到彩色圖像中，與矢量降噪技術融合達到最佳的降噪效果。本算法在獲得較好圖像處理效果的同時，其運算量也隨之增大，

并使運算處理時間相對會稍顯增加。

[1]劉麗娟，劉仲鵬，程 芳.玉米生長期葉部病害圖像識別預處理研究[J].河南農業科學，2013，42(10)：91-94.

[2]Jiang J，Zhang L，Yang J.Mixed noise removal by weighted encoding with sparse nonlocal regularization[J].IEEE Transactions on Image Processing，2014，23(6)：2651-2662.

[3]Liu Jun，Tai Xuecheng，Huang Haiyang，et al.A Weighted dictionary learning model for denoising images corrupted by mixed noise[J].IEEE Transactions on Image Processing，2012，22(3)：1108-1120.

[4]Wang S，Zhou Z，Shi W.Adaptive minimum-maximum exclusive mean filter for impulse noise removal[EB/OL].Computer Science，2014，oai：arXiv.org：1405.6174.

[5]Shrivastava P，Singh U P，Richhariya V.Removal of impulse noise using first order neighborhood mean filter[J].International Journal of Computer Applications，2014，87(4)：34-39.

[6] 張 爽，周慧鑫，牛肖雪.基于非局部均值濾波與時域高通濾波的非均勻性校正算法[EB/OL].光子學報，2014，43(1)： 0110003.

[7]Meligy A，Ibrahem H M，Shoman S.A highly effective adaptive switching mean filter algorithm for salt and pepper noise removal[J].International Journal of Computer Applications，2013，61(19)：28-34.

[8]Zhang Peixuan，Li fang.A new adaptive weighted mean filter for removing salt-and-pepper noise[J].IEEE Signal Processing Letters，2014，21(10)：1280-1283.

[9]Yin X，Zhu J.Salt-and-pepper noise removal based on nonlocal mean filter[C].International Conference on Consumer Electronics，2013：577-580.

[10] 吳一全，王 凱，戴一冕.基于非局部均值和SUSAN算子的混合噪聲濾除[EB/OL].光子學報，2015，44(9)：0910001.

[11] Koschan A，Abidi M.Digital Color Image Processing[M].John Wiley & Sons Inc，2009.

[12] 王建衛.彩色圖像的中值濾波算法的改進與應用[J].哈爾濱商業大學學報(自然科學版)，2006，22(4)：67-69.

[13] 劉松濤，馬林坡，殷福亮.基于噪聲估計和雙加權的彩色圖像矢量中值濾波[J].光電子·激光，2011，22(1)：131-135.

[14] 鄧延權，王肖晨.新的模糊矢量中值濾波算法[J].計算機工程與應用，2009，45(1)：191-194.

[15] 王昱潭.基于機器視覺的靈武長棗定位與成熟度判別方法研究[D].北京：北京林業大學，2014.

[16] 楊先鳳，樊 勇，彭 博，等.去除高斯噪聲的快速分區域去噪算法[J].計算機工程與設計，2014，35(4)：1341-1346.

[17] 許圣雷.基于均勻空間色差度量的彩色圖像椒鹽噪聲濾波算法研究[D].昆明：昆明理工大學，2015.

[18]任洪娥，劉 冕，沈雯雯，等.基于圖像處理的木粉目數檢測與分析[J].林業機械與木工設備，2014，42(6)：41-44.

Study on the Method of Noise Reductionon Color Images of Standing Trees

Wang Yutan，Dai Yingpeng，Gao Yaoyao，Liu Bohan，Ma Chenghao

(School of Mechanical Engineering，Ningxia University，Ningxia Yinchuan 750021)

In order to effectively eliminate the noises of true color images and improve image quality，the method based on the HSV color space for noise reduction on color images of standing trees was proposed.According to the characteristics that the each color components of HSV was independent of each other，the true images can be transformed from RGB to HSI.The each color component was processed separately in our approach through the improved algorithm of combining noise reduction based on the vector magnitude and the de-noising algorithm based on scalar magnitude.Taking peak signal-to-noise ratio (PSNR) as the basis for comparison experiments.The results showed that our proposed algorithm has superior effects on noise reduction of color images compared to vector median filtering.

Color space transformation；noise reduction on color images；standing trees

2016-09-18

寧夏大學自然科學研究基金(ZR1409)

王昱潭，博士，副教授。研究方向：森林工程裝備及自動化。E-mail：wang_yt@nxu.edu.cn

王昱潭，代英鵬，高垚垚，等.活立木真彩色圖像降噪方法研究[J].森林工程，2016，32(6)：61-65.

TP 391

A

1001-005X(2016)06-0061-05