數(shù)字圖像的混合噪聲去除

陳華玲,馮桂

(華僑大學(xué)信息科學(xué)與工程學(xué)院,福建泉州 362021)

數(shù)字圖像的混合噪聲去除

陳華玲,馮桂

(華僑大學(xué)信息科學(xué)與工程學(xué)院,福建泉州 362021)

針對(duì)混有高斯噪聲和椒鹽噪聲的數(shù)字圖像去噪,提出一種混合噪聲濾波算法.首先判斷濾波窗中心像素是否是噪聲點(diǎn),如果是噪聲點(diǎn),則取窗口內(nèi)與其他像素灰度差值絕對(duì)值和最小的那個(gè)像素值作為噪聲點(diǎn)的灰度值;否則,不改變當(dāng)前像素值.通過實(shí)驗(yàn)分析比較,該算法能夠在去除噪聲的同時(shí)更大限度地保留圖像的細(xì)節(jié)信息,并且由于算法在時(shí)域內(nèi)進(jìn)行,其運(yùn)算量少,易于實(shí)現(xiàn).

高斯噪聲;椒鹽噪聲;混合噪聲濾波算法;圖像細(xì)節(jié)

圖像在形成、傳輸過程中,不可避免會(huì)受到噪聲干擾,這會(huì)嚴(yán)重影響圖像的視覺效果.目前,最常用的圖像去噪工具是均值濾波器和中值濾波器.文獻(xiàn)[1]提出自適應(yīng)中心加權(quán)的中值濾波,能夠針對(duì)不同噪聲污染程度自適應(yīng)地進(jìn)行平滑.文獻(xiàn)[2]以脈沖噪聲點(diǎn)的極值作為判斷依據(jù).文獻(xiàn)[3]采用模糊加權(quán)方法對(duì)均值濾波算法進(jìn)行改進(jìn).這些方法各有其優(yōu)勢(shì),如文獻(xiàn)[1-2]對(duì)椒鹽噪聲的去噪能力較好,而文[3]對(duì)高斯噪聲的去噪效果好.然而在實(shí)際過程中,圖像往往會(huì)同時(shí)受到高斯噪聲和椒鹽噪聲的干擾,而采用單一濾波器對(duì)混合噪聲進(jìn)行處理,都不能達(dá)到最好的效果[4].為了盡可能地去除噪聲和保留圖像細(xì)節(jié)信息,文獻(xiàn)[5]提出圖像去噪混合濾波方法.本文改進(jìn)了自適應(yīng)中值濾波方法[1]和混合噪聲的自適應(yīng)算法[5],提出一種針對(duì)混有高斯和椒鹽噪聲的濾波算法.

1 濾波器的設(shè)計(jì)

為了更好地保持圖像細(xì)節(jié)信息,對(duì)文獻(xiàn)[5]中提出的濾波器進(jìn)行改進(jìn).文獻(xiàn)[5]中對(duì)椒鹽噪聲的處理是采用剩余像素均值,這在一定程度上會(huì)造成細(xì)節(jié)丟失.對(duì)于灰度級(jí)為256的圖像,由于椒鹽噪聲多表現(xiàn)為或亮(灰度值為255)或暗(灰度值為0)的像素點(diǎn),基于圖像除了邊緣細(xì)節(jié)及噪聲污染外,其他區(qū)域具有一定的平滑性.因此,噪聲點(diǎn)與相鄰像素灰度值的差值的絕對(duì)值之和會(huì)大于平坦區(qū)域與相鄰像素灰度值的差值的絕對(duì)值之和.所設(shè)計(jì)的算法采用文獻(xiàn)[5]的算法來檢測(cè)椒鹽噪聲點(diǎn).對(duì)檢測(cè)到的椒鹽噪聲點(diǎn),采用濾波窗內(nèi)與其他像素灰度的差值的絕對(duì)值之和最小的像素值作為噪聲點(diǎn)的灰度值,以此減少由于均值操作帶來的圖像細(xì)節(jié)失真.

設(shè)數(shù)字圖像f(x,y)的大小為M×N,對(duì)應(yīng)某一個(gè)濾波窗口Sx,y中心像素點(diǎn)為I(x,y).當(dāng)前窗口為3×3濾波窗口,記為Sxy=[x1,x2,x3,x4,x5,x6,x7,x8,x9];而當(dāng)前像素I(x,y)=x5.則具體的算法有如下4個(gè)步驟.

(1)計(jì)算當(dāng)前中心像素點(diǎn)和鄰域像素灰度差值的絕對(duì)值之和a,即

(2)當(dāng)a大于某個(gè)閾值T1,則將當(dāng)前中心像素點(diǎn)判為椒鹽噪聲點(diǎn).計(jì)算當(dāng)前窗口內(nèi)每個(gè)像素與其他像素之間的灰度差值的絕對(duì)值a(i),并將a(i)中最小值對(duì)應(yīng)的像素灰度值作為當(dāng)前噪聲點(diǎn)的灰度值.a(i)的計(jì)算式為

(3)排除椒鹽噪聲干擾后,采用均值濾波器對(duì)高斯噪聲進(jìn)行處理.在均值操作前,先進(jìn)行 Roberts邊緣檢測(cè),以防止均值操作使邊緣細(xì)節(jié)模糊.Roberts算子 GM定義為

如果GM大于某個(gè)閾值T2,則將中心點(diǎn)I(x,y)判為圖像邊緣點(diǎn)保留下來;否則,如果窗口內(nèi)像素標(biāo)準(zhǔn)差大于某個(gè)閾值T3,說明中心點(diǎn)受到高斯噪聲污染,可采用窗口內(nèi)像素均值代替中心點(diǎn)像素值.

(4)若沒有受到噪聲污染,則不改變中心點(diǎn)像素值.

如果去噪過程選擇的閾值不變,可能造成噪聲點(diǎn)誤判的情況.因此可將閾值設(shè)置為與濾波窗像素均值相關(guān)的閾值,自適應(yīng)地選取閾值,提高噪聲點(diǎn)判斷正確率.閾值的選擇與圖像的局部性質(zhì)有關(guān).

根據(jù)韋伯定理,人的視覺在亮區(qū)域?qū)υ肼暤拿舾谐潭缺仍诎祬^(qū)域時(shí)小[6].在亮區(qū)域適當(dāng)降低閾值,保護(hù)邊緣;在暗區(qū)域盡量抑制噪聲.因此,閾值T=-k·Hav+Tmax.其中:k為調(diào)節(jié)系數(shù);Hav為濾波窗內(nèi)像素灰度均值;Tmax為閾值T的最大值.

2 實(shí)驗(yàn)結(jié)果與性能分析

為了能從客觀的角度對(duì)不同的濾波方式進(jìn)行評(píng)價(jià),除了圖像的主觀視覺效果外,可采用信噪比改善因子FSNR(SNR Improvement Factor)進(jìn)行衡量[6].即

式中:M,N分別為圖像的長度和寬度;f′(x,y)為濾波輸出;f(x,y)為標(biāo)準(zhǔn)圖像;fN(x,y)為噪聲圖像.若FSNR為正數(shù),則說明濾波后噪聲被抑制,且FSNR值越大,去噪效果越好;反之,去噪效果越差.

為了驗(yàn)證濾波算法的去噪質(zhì)量,采用大小為256 px×256 px,256灰度級(jí)的Lena圖像做算法仿真實(shí)驗(yàn).椒鹽噪聲發(fā)生概率P與高斯噪聲的方差σ值噪聲的濾除評(píng)價(jià)數(shù)據(jù),如表1所示.

從表1可以看出,隨著椒鹽噪聲概率系數(shù)P的增大,FSNR值越大,去噪效果越好;但當(dāng)高斯噪聲標(biāo)準(zhǔn)差增大時(shí),去除噪聲的能力有所下降.

表1 噪聲濾除評(píng)價(jià)數(shù)據(jù)Tab.1 Noise filtering evaluation data

將改進(jìn)算法對(duì)混有椒鹽和高斯噪聲的去噪效果與其他算法的去噪效果進(jìn)行比較,如圖1所示.其中:圖1(a)～(d)是被σ=0.001,P=0.05噪聲污染的,而圖1(e),(f)是被σ=0.001,P=0.1噪聲污染的.去噪過程是先去除椒鹽噪聲,后去除高斯噪聲,圖1(c),(d)是個(gè)中間步驟,即未進(jìn)行高斯噪聲的去除.從圖1(c)和圖1(d)進(jìn)行對(duì)比說明,改進(jìn)算法在去除椒鹽噪聲時(shí)比中值算法具有更好的效果.從圖1可以看出,改進(jìn)算法的圖像去噪后,顯得更清晰,達(dá)到去噪的同時(shí)很好地保留圖像細(xì)節(jié)如頭發(fā)、帽沿等地方,比原算法去噪效果好.

圖1 不同算法去噪效果比較圖Fig.1 Results of mixed noise removal based on different algorithms

3 結(jié)束語

所提算法屬于空間域算法,直接對(duì)圖像像素值處理,具有運(yùn)算量少、算法簡單、易于實(shí)現(xiàn)等優(yōu)點(diǎn).在去除混合噪聲時(shí),先把椒鹽噪聲、高斯噪聲、細(xì)節(jié)判斷出來,利用噪聲的特點(diǎn)對(duì)其進(jìn)行處理,這在一定程度上改進(jìn)了由于算法帶來的圖像模糊問題.

[1]金良海,熊才權(quán),李德華.自適應(yīng)型中心加權(quán)的中值濾波器[J].華中科技大學(xué)學(xué)報(bào):自然科學(xué)版,2008,36(8):9-12.

[2]W INDYGA P S.Fast impulsive noise removal[J].IEEE Trans on Image Processing,2001,10(1):173-179.

[3]KAORU ARA KAWA.Median filter based on fuzzy rules and its application to image restoration[J].Fuzzy Sets and System s,1996,77(1):3-13.

[4]周剛,賈振紅,覃錫忠.一種新的圖像去噪混合濾波方法[J].激光雜志,2007,28(1):57-59.

[5]孟君.數(shù)字圖像復(fù)原算法研究[D].貴陽:貴州大學(xué),2006:16-18.

[6]張政,張宇,馬樟萼,等.基于均值濾波的快速自適應(yīng)濾波器[J].中國圖像圖形學(xué)報(bào),2000,5(6):533.

(責(zé)任編輯:錢筠英文審校:吳逢鐵)

A Method of Mixed Noise Removal in Digital Image

CHEN Hua-ling,FENG Gui
(College of Information Science and Engineering,Huaqiao University,Quanzhou 362021,China)

In this paper,a mixture noise filter method is proposed for images corrupted by Gaussian noise and salt-pepper noise.Firstly,if the current pixel is corrupted by noises,rep lace it with the value of the pixel that has a minimal absolute value in a specifical window;if not,retain it.The experimental results show that the proposed method can effectively preserve the image details and reduce image blurring while removing mixed noise.Thanks to time-domain algorithm,the method is easy to implement and has a less computing.

Gaussian noise;salt-pepper noise;mixture noise filter method;image details

TP 391.41

A

1000-5013(2011)02-0150-03

2009-07-22

馮桂(1960-),女,教授,主要從事圖像信息處理和虛擬現(xiàn)實(shí)仿真的研究.E-mail:fengg@hqu.edu.cn.

福建省自然科學(xué)基金資助項(xiàng)目(2006J0037);華僑大學(xué)科研基金資助項(xiàng)目(07HZR28)