基于×字形窗口的自适应中值滤波算法

文章摘要：基本原理如下：首先，采用3×3的×字形窗口进行计算，计算图像的中值滤波值Zmed、最大值滤波值Zmax和最小值滤波值Zmin，并判断噪声敏感度，即：如果Zmec，不在Zmax和Zmin之间就自动增加×字形窗口的大小，然后重复以上的过程；对于Zmed在Zmax和Zmin之间的点先用原像素值与最大滤波值和最小滤波值进行判断，如果在其间，原值不做修改，反之就用Zmed取代原值。这一过程有如下的作用：(1)使得未受脉冲噪声污染的点不用修改，很好地保护了图像的点、线等细节及边界信息；(2)当检测到的噪声很强时，自动增大窗口，提高了去噪能力；(3)当检测到的噪声不是很强时，就不用增加窗口的大小，既体现出自

基于×字形窗口的自适应中值滤波算法,标签：eda技术,eda技术实用教程,http://www.88dzw.com

　　基本原理如下：

　　首先，采用3×3的×字形窗口进行计算，计算图像的中值滤波值Zmed、最大值滤波值Zmax和最小值滤波值Zmin，并判断噪声敏感度，即：如果Zmec，不在Zmax和Zmin之间就自动增加×字形窗口的大小，然后重复以上的过程；对于Zmed在Zmax和Zmin之间的点先用原像素值与最大滤波值和最小滤波值进行判断，如果在其间，原值不做修改，反之就用Zmed取代原值。这一过程有如下的作用：

　　(1)使得未受脉冲噪声污染的点不用修改，很好地保护了图像的点、线等细节及边界信息；

　　(2)当检测到的噪声很强时，自动增大窗口，提高了去噪能力；

　　(3)当检测到的噪声不是很强时，就不用增加窗口的大小，既体现出自适应性，又减少了时间开销，提高了速度。

　　其中，×字形窗口的实现方法如下：

　　(1)先得到一个对角矩阵A；

　　(2)将对角矩阵A从左向右翻转，得到一个矩阵B；

　　(3)将矩阵A与矩阵B取或运算，得到X字形矩阵C。

　　3基于×字形窗口自适应中值滤波算法的Matlab实现

　　中值滤波是数字图像处理中一个很重要的部分，Matlab工具箱中有该函数，用到中值滤波算法时可直接调用。因此，用Matlab编程具有简单、方便、快捷等优点。另外，还可以对其内部函数进行改进。本文的算法就是通过另外编程修改中值滤波有关的内部函数实现的。下面就是自适应中值滤波算法的实现流程，添加新的库函数——adpmedianXzi对图像处理工具箱进行扩展，以实现数字图像自适应中值滤波(部分伪代码)。

　　4实验结果及其分析

　　在实验中，选择了大小为256×256像素、灰度为256级的Lena图像。实验环境为IBM R52，Matlab7.0软件。实验结果如图3、图4所示。

　　图3(b)显示了被“椒盐”噪声污染了的图像，该噪声的概率为Pa=Pb=0.25。这里噪声水平非常高，能够模糊图像的大部分细节。作为比较的基础，图像首先用7×7的中值滤波器进行滤波，消除大部分可见的脉冲噪声痕迹(见图3(b))。虽然噪声被有效消除了，但是滤波器在图像上也引起了明显的细节损失。

　　图3(d)显示了使用Smax=7的方形窗口自适应中值滤波器的效果，噪声消除水平同中值滤波器相似。图3(e)为基于×型窗口的自适应中值滤波效果。自适应滤波器保持了点的尖锐性和细节。可见，改进是很明显的，而且通过对比方形窗口与×字形窗口发现，×字形窗口的运行效率也提高了不少。

　　5结语

　　通过对Matlab图像处理工具箱中算法的改进，实现了一种快速自适应中值滤波算法。在对图像滤波前，首先判断是否为脉冲，然后采取变化×字形窗口大小来对噪声进行滤波，这样既有效消除了噪声，也很好地保持了图像细节。实验结果表明，基于×字形的滤波方法比一般自适应中值滤波效率有了一定程度的提高。算法原理简单、稳定、实用。若进一步研究，可针对不同噪声采取更加智能的处理措施，如CWMF&ANFIS(自适应模糊神经中值滤波系统)，用以达到更好的处理效果。

上一页  [1] [2]