圖像噪點數據的定位與優化

郭偉 方振國

摘 ?要：提出一種噪點數據定位及優化濾噪的方法.方法以圖像數據存儲的行、列位置為X-Y平面，以該位置的灰度值為Z軸，構建三維數據位置與灰度值坐標關系圖；將三維坐標分別投影到X-Z平面與Y-Z平面進行噪點數據定位；以定位的坐標邊界為有效鄰域，設定矩形滑窗進行均衡化處理.實驗結果表明，該方法不僅有效的濾除了噪點，還很好地保留了原有圖像的細節，實現了噪點數據的定位與優化.

關鍵詞：位置與灰度；數據定位；鄰域均衡

[ ? 中圖分類號 ? ?]TP751 [ ? ?文獻標志碼 ? ] ?A

Location and Optimization of Image Noise Data

GUO Wei，FANG Zhenguo

（HuaiBei Normal University Physics and Electronic Information College，Huaibei 235000，China）

Abstract：A method of locating noise data and optimizing noise filtering is proposed.Methods Taking the row and column positions of image data storage as X-Y plane and the gray value of this position as Z axis， a three-dimensional coordinate graph of data position and gray value was constructed.The three-dimensional coordinates were projected to the X-Z plane and the Y-Z plane respectively to locate the noise data.Taking the coordinate boundary of positioning as the effective neighborhood， the rectangular sliding window is set for equalization.The experimental results show that this method can not only effectively remove the noise， but also retain the details of the original image， and realize the localization and optimization of noise data.

Key words：position and grayscale；data positioning；neighborhood balance；

圖像信息數據量大，通常伴有各種干擾信息，對于一些帶有均勻噪聲的圖像，已經有較為成熟的濾波算法對其進行處理.但當圖像中出現局部區域有較大噪點時，傳統的濾波算法進行濾波處理時效果并不好，且會引起原始圖像一些細節丟失，對后續圖像的處理應用帶來一定的影響.本文提出一種定位噪點數據局部處理方法，以一幅帶有較大噪點信息的Lena圖像（圖1）為研究對象，依據圖像信息邊界連續的特點，設定[2×2]的滑窗，進行數據的恢復與處理，有效地去除了圖像中較大的噪點，保持了原有圖像的細節，取得了良好效果.

1 噪點的定位與優化處理方法

首先，對噪點數據定位.將圖像信息投影為其位置與灰度值三維坐標圖；基于三維坐標圖，構建X-Z與Y-Z二維坐標圖，利用二維坐標圖準確定位噪點區域具體坐標.其次，對噪點數據進行優化.依據具體坐標，規劃噪點區域有效臨域邊界；以平滑的鄰域邊界值為有效數據，構建矩形滑窗，進行均衡化的處理；使用新的灰度值填充噪點區域數據空間，完成數據的優化與處理.

1.1 噪點數據定位

對Lena圖像進行三維坐標構建，以像素數據存儲的行、列位置為X-Y平面，以該位置的灰度值為Z軸，如圖2所示.將三維圖像映射到二維的X-Z平面，如圖3所示.由圖3可知像素點坐標X在200～250有明顯的尖峰突出，將尖峰處放大觀察，得到如圖4所示的尖峰具體坐標.由圖4可知X-Z平面尖峰的具體坐標為X：227-232，將三維的圖像映射到二維的Y-Z平面，如圖5所示.由圖5可知像素點坐標Y在50～100有明顯的尖峰突出，將尖峰處放大觀察，得到如圖6所示的尖峰具體坐標.由圖6可知Y-Z平面尖峰的具體坐標為Y：78-83.

1.2 噪點數據的優化

規劃鄰域邊界 ?圖7為噪點區域與其鄰域的灰度值數據，黑色部分為噪點區域的灰度值，白色部分為噪點區域鄰域的灰度值，可以明顯觀察出噪點區域的灰度值與其鄰域的灰度值有較大的跳變.如圖8所示，根據噪點區域的具體位置將噪點的灰度值數據全部取出.

分析鄰域數據確定新的灰度值 ?分析噪點區域的數據，確定新的像素值.采用取噪點數據的三鄰域數據和平均值作為新的像素灰度值.[3-7]

如圖9所示，令噪點區域的坐標為[（m，n）]，灰度值為[f（m，n）]，其三鄰域的灰度值可以表示為[f（m-1，n-1），f（m-1，n），f（m，n-1）].令處理后的灰度值數據為[g（m，n）]，即：

[g（m，n）=13[f（m-1，n-1）+f（m，n-1）+f（m-1，n）]]. ? ? ? ? ? ? ? ? ? ? ? ? ? ? （1）

如異常數據[f（m，n）=32]時，其三鄰域的灰度值分別為：

[f（m-1，n-1）=205]，[ ? f（m-1，n）=158，][ ? f（m，n-1）=170].

則在經過處理后的灰度值為：

[g（m，n）=13[f（m-1，n-1）+f（m-1，n）+f（m，n-1）]=13（205+158+170）=177.]

如圖10示.

將處理好的灰度值作為下一個異常數據的鄰域，進行后續異常數據的計算，在確定好所有新的灰度值后，重新將新的灰度值數據依次回填到噪點區域[8-10]（圖11）.

2 圖像顯示

將重新處理好的噪點區域的灰度值數據再送到MATLAB軟件中進行圖像顯示，結果如12所示，對比原噪點圖片與處理后的結果圖可以清楚地看出，該算法不僅有效地去除了噪點，且較好地還原出原始圖像，保留了原始圖像的大部分細節，完全達到設計要求.

3 結束語

利用MATLAB軟件設計了一種快速準確定位圖像污染并處理的系統，該方法處理速度快，占用資源較少，方法設計簡單.實驗證明，該設計具有良好的性能.通過先準確定位置，然后對圖像進行局部處理，保留了圖像本身的細節，完全達到了實驗要求.

【參考文獻】

[1]關雪梅. 幾種圖像平滑處理方法比較研究[J]. 牡丹江師范學院學報：自然科學版， 2016（4）：3.

[2]王曉東， 王榮芝. 傅立葉變換在圖像處理中的應用[J]. 牡丹江師范學院學報：自然科學版， 2003（3）：3.

[3]劉光宇， 曹禹， 黃懿，等. 基于BP神經網絡結構的圖像壓縮技術研究[J]. 牡丹江師范學院 學報：自然科學版， 2021（2）：23-29.

[4]崔少華， 趙慶平. 獨立分量分析法去噪的研究與應用[J]. 牡丹江師范學院學報：自然科學 版， 2016（2）：3.

[5]吳靜，周先春，徐新菊，黃金.三維塊匹配波域調和濾波圖像去噪[J].計算機科學，2020，47（07）：130-134.

[6]曹義親， 謝舒慧. 基于網格搜索的特定類別圖像去噪算法[J]. 計算機科學， 2020， 47（11）：6.

[7]李輝， 吳傳生， 劉俊，等. 基于梯度曲面面積與稀疏約束的圖像平滑方法[J]. 計算機應用， 2021， 41（7）：9.

[8]楊良健， 周先春， 崔程程，等. 基于旋轉塊的BM3D圖像去噪改進算法[J]. 電子測量技術， 2021， 44（22）：6.

[9]淡州陽， 劉粉林， 鞏道福. 基于差分直方圖中尾部信息的平滑濾波檢測算法[J]. 計算機科學， 2021（5）：234-241.

[10]楊心雨， 李參海， 龔國輝，等. 殘差最小化的遙感影像邊緣銳化[J]. 遙感信息， 2021， 36（4）：9.

編輯：琳莉