王晋陶 贵州电子科技职业学院

图像自适应中值滤波方法的研究及VC++实现

王晋陶 贵州电子科技职业学院

图像常常被强度随机信号（也称为噪声）所污染。一些常见的噪声有椒盐（Salt & Pepper）噪声、脉冲噪声、高斯噪声等。椒盐噪声含有随机出现的黑白强度值．而脉冲噪声则只含有随机的白强度值（正脉冲噪声）或黑强度值（负脉冲噪声）。与前两者不同，高斯噪声含有强度服从高斯或正态分布的噪声。要想得到比较干净清晰的图像通常要先对图像设计一个适合的滤波器和恰当的阈值处理。目前常用的各种滤波算法基本上只对特定的噪声有很好的处理效果，对于多种复合的噪声干扰滤波效果不是很好，本文提出了一种结合自适应中值滤波和小波域去噪的算法，用VC++完成滤波器建立和实现图像滤波。结果表明用这种算法作滤波处理在过滤噪声的同时还可以保留大部分图像细节。

图像处理 自适应滤波 空域 频域

1 引言

数字图像处理是对我们采集的数字图像进行各种变换处理，以达到图像识别或图像分析等各种目的。图像滤波，即在尽量保留图像细节特征的条件下对目标像的噪声进行抑制，是图像预处理中不可缺少的操作，其处理效果的好坏将直接响到后续图像处理和分析的有效性和可靠性。由于成像系统、传输介质和记录设备等的不完善，数字图像在其形成、传输记录过程中往往会受到多种噪声的污染。另外，在图像处理的某些环节当输入的像对象并不如预想时也会在结果图像中引入噪声。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。所以，图像滤波是图像处理中一种不可或缺的技术。

本文提出了一中基于小波域的自适应滤波算法，并且描述各种滤波算法的在vc++程序下的实验效果和分析。

2 图像滤波相关预备知识

2.1 图像滤波的基本框架

简单的数字图像滤波系统的基本框架，如图所示：

3 本文提出的算法

本文提出的算法是结合自适应中值滤波算法和小波域基于GGD的子带自适应阈值去噪算法来对图像滤波，自适应中值滤波算法是一种非线性滤波处理技术，因为其任何输出总是取自对应的滑动窗口中输入数据中的一个，这就意味着信号经过中值滤波后，信号幅度有较高的保真度，不会增加新的量化级，从而避免了引入量化噪声的干扰。通过中值滤波可以有效去除椒盐噪声，也可以抑制一部分高斯噪声。

3.1 该算法的原理和处理过程

3.1.1 自适应中值滤波器

自适应中值滤波主要包括以下两个步骤：

（1）脉冲噪声的检测

通常未受干扰的真实信号的局部应该是平稳的,而脉冲噪声点的幅度模值会明显大于其局部中值,根据这一特性,就可以实现对信号中脉冲噪声的检测。

（2）自适应调节滑动窗口长度

脉冲噪声检测后,对超过阈值Td的噪声点使用长度较大的滑动窗口,而对低于阈值Td的信号点则使用长度较小的滑动窗口,对色谱信号进行中值滤波,从而达到滤除脉冲和白噪声,保护信号的细节信息,避免丢失重要的有用成分的目的。

3.1.2 小波域基于GGD的子带自适应阈值去噪算法的原理和步骤

结合假设小波系数服从广义高斯模型(GGD)和最小Bayes风险意义上的近似最优公式得到的BayesShrink阈值可表示为：

T表示阀值, 表示图像标准差, 表示噪声标准差。

由于不同尺度、不同方向的图像子带方差 不同，故阈值也不相同，即阈值是随子带自适应调整的．同时对小波系数采用软阈值函数,BayesShrink去噪算法步骤如下：

(1)对含噪图像进行小波变换；

(2)对每个细节子带求其阈值，并对小波系数进行软阈值处理．其中噪声标准差采用Donoho提出的鲁棒性中值估计；

(3)小波反变换得到最终的去噪图像。

3.2 提出算法的滤波函数

（该算法框架图）

添加高斯噪声和椒盐噪声的图像

3.3 该算法滤波与其他常用滤波算法比较效果图

均值滤波后的图像

中值滤波后的图像

理想低通滤波后的图像

巴特沃思低通滤波后的图像

维也纳滤波图像

本算法去噪图像

表1 各种滤波算法后图像的SNR，PSNR对比（分贝）

4 结论

本文通过几种比较常用的数字图像的滤波算法的原理和特性，然后为它们在vc++环境下编辑程序实现滤波，并得到滤波效果图，最后根据自适应滤波算法的优点和图像去噪中常用的滤波算法，提出一种结合自适应中值滤波和小波域基于GGD的子带自适应阈值去噪算法，通过对比观察滤波算法效果图和计算各种滤波后图像的SNR和PSNR(如表1)表明本文提出的算法能够保留图像细节和边缘轮廓(如上图)，同时得到的图像失真也较小，是一种可行的滤波算法。

[1]朱凤岗,朱雪田.自适应中值滤波用于色谱信号去噪的研究[J].山东农业大学化学与材料科学学院泰安271018.北京邮电大学电信学院

[2]张艳华，李玲远.基于GCV理论的小波自适应多阈值图像去噪方法[J]华中师范大学物理科学与技术学院上海430079

[3]史玉林,李飞飞,孙益顶,基于均值滤波和小波分析的图像去噪[J]南开大学物理学院,天津300071