改进的自适应加权中值滤波算法*
2016-11-05王松林
传感器与微系统 2016年11期
王松林,蒋 峥
(武汉科技大学 信息科学与工程学院,湖北 武汉 430081)
改进的自适应加权中值滤波算法*
王松林,蒋 峥
(武汉科技大学 信息科学与工程学院,湖北 武汉 430081)
在分析了自适应算法和中心加权算法的原理和优势后,提出了一种改进的自适应加权中值滤波(IAWMF)算法。采用扩展边缘的方式,使原图像的所有像素点能够用噪声检测因子进行噪声检测,对含有噪声的图像采用自适应窗口(N×N)的中心加权算法进行滤波,可以有效降低邻域噪声点对滤波图像质量的影响。仿真结果表明:改进算法在高浓度椒盐噪声条件下获得的实验效果峰值信噪比(PSNR)、均值平方误差(MAE)、均值绝对误差(MSE)显著优于其他算法,在降噪和保持细节中取得很好的平衡。
中值滤波; 自适应加权中值滤波算法; 噪声检测因子; 扩展边缘; 降噪滤波
0 引 言
图像在实际工作环境的采集、传输、转化过程[1]中,由于受到外界因素(外界光照、传感器元件的质量等)的干扰而出现图像模糊、破损等现象。因此,这些污染的图像在进行后续的图形分析之前必须要经过图像降噪、滤波等处理。常见的图像滤波算法根据空间域去噪可以分为线性滤波和非线性滤波两种。中值滤波是一种非线性滤波的常用方法,相对于其他线性平滑滤波的方法而言,中值滤波在处理随机噪声方面具有很强的降噪滤波能力。
中值滤波器是一种次序滤波器,将图像上的像素点f(I,j)作为窗口中心并采用固定大小的窗口WN对邻域内的像素点进行排序,获得中值像素点作为滤波输出值。……
登录APP查看全文
