马逸东，周顺勇

(四川轻化工大学 自动化与信息工程学院，四川 宜宾 644005)

1 引 言

椒盐噪声作为一种常见的图像噪声，表现为图像上随机出现的或黑或白的噪声点。常称其中的白点为盐噪声，黑点为胡椒噪声。由于胡椒噪声与盐噪声往往在一张图像上同时出现，通常称其为椒盐噪声[1]。

由于椒盐噪声点的灰度值往往接近像素灰度值可取值的最小值0或最大值255，与周围未被污染的图像像素点灰度值有较大差异，人们往往选用中值滤波算法[2]来处理椒盐噪声。该算法能有效地处理椒盐噪声，但它不加区分地对所有像素点进行处理也导致了图像细节变得更模糊的问题。针对这一问题，在此算法的基础上，学者们相继提出极值中值算法[3]、加权中值滤波算法[4-5]、自适应中值滤波算法[6-7]等算法。其中的自适应中值滤波算法[8]为Hwang和 Haddad提出，原理为通过大小可变的窗口消除噪声。Lin和Yu则在自适应中值滤波算法基础上提出了一种基于支持向量机的自适应双通中值滤波器[9]。这些算法在一些情况下能在处理噪声的同时有效地保护图像的边缘细节，但在另一些情况下效果并不特别理想。

近年来开关中值滤波[10-11]的思想被提出。该类思想的核心便是：在对图像进行处理之前，首先判断哪些像素点是正常信号点，哪些信号点是噪声点，然后仅对噪声点进行处理。该思路因为避免了对正常信号点的处理，可以最大程度地防止边缘模糊。Jayaraj 和 Ebenezer 提出了一种新的开关中值滤波算法[12]，它基于一维拉普拉斯算子得到的四个卷积的平均绝对值实现对噪声严重影响的图像进行恢复。……