淺談圖像噪聲處理中的三種濾波

沈陽理工大學　趙貴琳

1.引言

在深度學習和人工智能的浪潮下，催生除了對各個方面的深入研究。本文切合圖像處理中的噪聲處理，進行了初步探討，為日后對濾波方式的進一步探討研究，打下基礎。

2.三種濾波

均值濾波，采用一個平均值來代替原有的像素，破壞了圖像的峰值谷值的像素信息， 從而造成圖像的模糊，不利于邊緣的檢測，難以分辨閾值處理后的黑白邊際。

中值濾波，采取一個數列從小到大排列的中間值，作為圖像中心的像素值，再進行相應處理。圖像處理中一般采用3*3的矩陣作為模板，再去水平豎直方向上，相應的移動模版，進行圖像的濾波。中值濾波可以很好的消除椒鹽噪聲。缺點是難以選擇適合圖像的3*3矩陣，作為模板來移動，以及選擇窗口的大小。窗口太大，則造成邊緣的模糊，太小則去噪效果不佳。

自適應中值濾波，既能滿足圖像的邊緣細節部分，又能提高對椒鹽噪聲的去噪效果。任意選取中值，確定模板大小，如選取像素點的中值，使圖像噪聲明顯，則再次選擇中值點；如果滿足圖像噪聲要求，再進一步擴大模板窗口范圍，待模板達到最大時，得到最優的濾波效果。

圖1　原圖

圖2　噪聲影響效果圖

圖3　自適應中值濾波效果圖

3.結束語

本文對圖像噪聲處理中的三種濾波進行了初步討論，通過分析了濾波方法的執行過程，從而得到初步方法。它簡單易行，但也存在一些問題，如現實生活中的圖像噪聲分布復雜，中值鄰域的選取有一定的難度．如更好的選取中值，影響著濾波的效果，導致后續圖像處理的效果不理想。這也是下一步要做的工作。

[1]譚永杰,曹彥,王永亮.圖像噪聲類型識別研究[J].周口師范學院學報,2013,9.

[2]劉嘉豪,劉海剛,張建偉,關天洛.智能車圖像處理與識別算法研究[J].工業控制計算機,2014年第27卷第8期.