适用于多种噪声模型的图像滤波器

文章摘要：基本原理图像受获取和存储、处理及各种干扰的影响，显示时画面上会出现噪声。为了减少噪声带来的负面影响，尽可能地还原干净真实的画面，就需要用到降噪滤波器对图像数据进行处理。图像的噪声有多种类型。如加性噪声、乘性噪声、椒盐噪声、高斯噪声等。常见的降噪方法有在空间域进行的，也有将图像数据经过傅里叶等变换以后转到频域中进行的。其中频域里的滤波需要涉及复杂的域转换运算，相对而言硬件实现起来会耗费更多的资源和时间。在空间域进行的方法有均值或加权后均值滤波、中值或加权中值滤波、最小均方差值滤波和均值或中值的多次迭代等。实践证明，这些方法虽有一定的降噪效果，但都有其局限性。比如加权均值在细节损失上非常明显；而中

适用于多种噪声模型的图像滤波器,标签：电子小制作,http://www.88dzw.com

基本原理

图像受获取和存储、处理及各种干扰的影响，显示时画面上会出现噪声。为了减少噪声带来的负面影响，尽可能地还原干净真实的画面，就需要用到降噪滤波器对图像数据进行处理。

图像的噪声有多种类型。如加性噪声、乘性噪声、椒盐噪声、高斯噪声等。常见的降噪方法有在空间域进行的，也有将图像数据经过傅里叶等变换以后转到频域中进行的。其中频域里的滤波需要涉及复杂的域转换运算，相对而言硬件实现起来会耗费更多的资源和时间。在空间域进行的方法有均值或加权后均值滤波、中值或加权中值滤波、最小均方差值滤波和均值或中值的多次迭代等。

实践证明，这些方法虽有一定的降噪效果，但都有其局限性。比如加权均值在细节损失上非常明显；而中值仅对脉冲干扰有效，对高斯噪声却无能为力。

事实上，图像噪声总是和有效数据交织在一起，若处理不当，就会使边界轮廓、线条等变得模糊不清，反而降低了图像质量。此外，由于各类噪声往往不是单一存在而是同时并存，所以单纯采用一种滤波器，往往达不到满意的效果。

本文所述算法，就是针对这一问题，提出了一种新型的可同时滤除多种噪声的数字图像滤波器方法，其滤波效果优于单纯的某一种滤波器，同时计算量也不太复杂，硬件上较易实现。

算法描述

本文所采用的滤波算法包括以下主要步骤。

● 在某邻域窗口内选择多个邻域像素fi，（i=1,2,…,n）；
● 噪声检测：累计中心像素与邻域内其他像素之间的差值中大于T1的个数N，T1是一个与图像的细节程度有关的阀值；当 0<N<T2时，表示中心像素为信号点，否则为噪声点。T2是与噪声污染程度相关的阈值；
● 计算与所选像素对应的像素数据的加权平均值，这里用“g1”表示；
● 计算所选像素对应的多窗口（包括十字形窗、X形窗和矩形窗等三种窗口类型）像素数据排序比较后的中间值，这里用“g2”表示；
● 按照式（1）计算出滤波的最后输出值，用来调整中心像素的像素数据。

（1）

上式中，g（x，y）表示滤波器的输出像素值；a和b分别是针对不同噪声类型选择的线性和非线性滤波比例系数，其取值与N的大小相关。

实验结果

为了比较本文方法和原有方法的降噪效果，我们以Lena图为例，对其同时添加了均值为0.003，差值为0.004的高斯噪声以及强度为0.01的脉冲噪声，然后分别用加权均值滤波、加权中值滤波和本文提出的方法对噪声图进行滤波处理，效果如图1所示。

图1（a）Lena原图

图1（b）同时加入高斯和椒盐噪声的Lena图

图1（c） 加权均值滤波后

图1（d）加权中值滤波后

[1] [2]  下一页