基于×字形窗口的自适应中值滤波算法
[09-12 18:32:17] 来源:http://www.88dzw.com EDA/PLD 阅读:8625次
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。
《基于×字形窗口的自适应中值滤波算法》相关文章
- 在百度中搜索相关文章:基于×字形窗口的自适应中值滤波算法
- 在谷歌中搜索相关文章:基于×字形窗口的自适应中值滤波算法
- 在soso中搜索相关文章:基于×字形窗口的自适应中值滤波算法
- 在搜狗中搜索相关文章:基于×字形窗口的自适应中值滤波算法