基于噪聲分析的椒鹽噪聲降噪處理方法

韓麗娜

(咸陽(yáng)師范學(xué)院圖形圖像處理研究所，陜西 咸陽(yáng) 712000)

0 引言

椒鹽噪聲一般在圖像中呈現(xiàn)顆粒狀的點(diǎn)，它會(huì)大大降低圖像的質(zhì)量，破壞細(xì)節(jié)，對(duì)后續(xù)的識(shí)別工作造成影響。目前已經(jīng)有很多去除椒鹽噪聲的方法，例如中值濾波算法就是公認(rèn)的去除椒鹽噪聲較好的非線性濾波器，一些學(xué)者在此基礎(chǔ)上，提出了許多去除椒鹽噪聲的算法［1-2］。其基本思想是根據(jù)高椒鹽噪聲圖像的特性，在中值濾波算法中引入噪聲判定閾值的方法來(lái)進(jìn)行的，但是由于大量的椒鹽噪聲點(diǎn)匯集在一定的區(qū)域范圍，因此原始的灰度信息已經(jīng)受到了極大干擾和破壞，憑借其鄰域灰度信息的中值濾波效果也將受到影響。因此應(yīng)該對(duì)噪聲進(jìn)行分析，明確標(biāo)識(shí)被噪聲污染的點(diǎn)和沒(méi)有污染的點(diǎn)，然后僅僅對(duì)噪聲污染的點(diǎn)進(jìn)行濾波。

1 椒鹽噪聲分析

1.1 椒鹽噪聲的特點(diǎn)

在Matlab中，通過(guò) J=IMNOISE(I，'salt＆ pepper'，D)［3］，為圖像 I添加椒鹽噪聲，其中 D 為噪聲分布，缺省值為0.05。

椒鹽噪聲的模型如公式(1)所示［2］。

其中F(x，y)為原圖像，G(x，y)為帶噪圖像，p1和p2為像素受噪聲影響的概率，兩者幾乎相等，設(shè)為p，因此，不受噪聲影響的像素概率為p3=1-2p。

1.2 Lena圖像椒鹽噪聲分析

為了對(duì)椒鹽噪聲進(jìn)行分析，研究了Lena圖像加入D=0.05噪聲前后圖像和數(shù)據(jù)對(duì)比，如圖1所示。

圖1 lena圖像加入椒鹽噪聲前后圖像和數(shù)據(jù)的對(duì)比圖

對(duì)比圖1(c)和圖1(d)，可以發(fā)現(xiàn)椒鹽噪聲均勻分布在Lena圖像中，它僅僅改變了部分像素的灰度值，使其變?yōu)?和255，如圖中畫(huà)圈的像素，其余的灰度值并未發(fā)生變化。如果采用傳統(tǒng)的中值濾波算法，根據(jù)鄰域的像素灰度中值，能夠去除圖像中的0和255的噪聲點(diǎn)像素，但是，它也改變了其它的非噪聲點(diǎn)的數(shù)據(jù)，如圖1(e)中數(shù)據(jù)。因此本文根據(jù)椒鹽噪聲的特點(diǎn)，結(jié)合中值濾波器，設(shè)計(jì)基于椒鹽噪聲特點(diǎn)的中值濾波降噪方法。

2 基于椒鹽噪聲特點(diǎn)的中值濾波降噪方法

降噪方法思路如下。對(duì)圖像像素進(jìn)行檢測(cè)，若是信號(hào)像素就直接保存;若是椒鹽噪聲信號(hào)，則根據(jù)鄰域的情況進(jìn)行處理。實(shí)驗(yàn)發(fā)現(xiàn)，此種方法能夠有效地去除椒鹽噪聲，保留圖像的細(xì)節(jié)信息。具體的步驟為，首先檢測(cè)圖像I，并對(duì)其像素I(i，j)進(jìn)行判斷。

(1)若0＜I(x，y)＜255，該像素為信號(hào)像素;

(2)若I(x，y)=0或 I(x，y)=255，該像素為噪聲信號(hào)，統(tǒng)計(jì)鄰域中信號(hào)的個(gè)數(shù)，并查看其鄰域中值:

①若為信號(hào)，則用此鄰域中值代替噪聲;

②若為噪聲，則用鄰域中值的信號(hào)像素代替噪聲，否則若鄰域中信號(hào)個(gè)數(shù)為1，則可以擴(kuò)大鄰域窗口，重新檢測(cè);若鄰域中信號(hào)的個(gè)數(shù)大于1，則直接使用鄰域中信號(hào)的均值來(lái)替代噪聲。

經(jīng)過(guò)如上的過(guò)程，就完成了對(duì)帶有椒鹽噪聲的圖像降噪處理。

3 實(shí)驗(yàn)結(jié)果及分析

圖2 圖像椒鹽噪聲降噪方法對(duì)比圖

本文采用Matlab軟件進(jìn)行模擬實(shí)驗(yàn)，采用峰值信噪比(PSNR)評(píng)價(jià)去噪效果。為了檢驗(yàn)本文方法的有效性，選擇標(biāo)準(zhǔn)Cameraman圖像進(jìn)行對(duì)比研究。針對(duì)不同噪聲分布的椒鹽噪聲，采用5×5中值濾波方法以及本文方法對(duì)添加椒鹽噪聲的Cameraman圖像進(jìn)行降噪處理。圖2(a)、圖2(d)和圖2(g)為添加椒鹽噪聲后的Cameraman圖。

表1 圖像去噪方法的PSNR值

圖2中帶有椒鹽噪聲的圖像是采用Matlab6.0中的 IMNOISE(I，'salt＆ pepper'，D)函數(shù)產(chǎn)生，分別為隨機(jī)產(chǎn)生的不同強(qiáng)度的椒鹽噪聲圖像。從主觀上看，圖2(c)、圖2(f)與圖2(i)的視覺(jué)效果明顯優(yōu)于圖2(a)、圖2(d)與圖2(g)。所以對(duì)于像添加椒鹽噪聲的圖像來(lái)說(shuō)，基于噪聲分析的方法能夠去除椒鹽噪聲，并能保留圖像的細(xì)節(jié);從表1的PSNR值來(lái)看，中值濾波算法對(duì)低密度的椒鹽噪聲圖像去噪效果好，但是對(duì)于高密度的噪聲圖像來(lái)說(shuō)，隨著噪聲概率的不斷增加，出現(xiàn)了大面積的噪聲現(xiàn)象，因而圖像的PSNR值迅速下降，中值濾波算法的效果相對(duì)不好。而本文的算法簡(jiǎn)單易實(shí)現(xiàn)，降噪圖像的PSNR值較高，運(yùn)行時(shí)間較短，不管在低密度還是高密度噪聲下處理效果都比較好。尤其是對(duì)一些添加噪聲的標(biāo)準(zhǔn)圖像來(lái)說(shuō)，處理效果更好。但同時(shí)也具有一定的局限性，因?yàn)榻?jīng)過(guò)噪聲分析以后，在噪聲判斷時(shí)會(huì)出現(xiàn)一定誤判現(xiàn)象，從而影響圖像的濾波質(zhì)量。

4 結(jié)束語(yǔ)

本文從椒鹽噪聲的特點(diǎn)出發(fā)，改變?cè)械闹兄禐V波算法中使用閾值判斷噪聲，然后根據(jù)鄰域信息進(jìn)行噪聲去除的思路。算法采用先對(duì)噪聲進(jìn)行分析判斷，明確標(biāo)識(shí)噪聲點(diǎn)和信號(hào)點(diǎn)，然后僅僅對(duì)噪聲污染的點(diǎn)，借助鄰域信號(hào)點(diǎn)的個(gè)數(shù)決定采用某個(gè)鄰域的中值進(jìn)行處理。實(shí)驗(yàn)表明，算法不僅去除了椒鹽噪聲，而且還較好地保留了圖像的細(xì)節(jié)。

［1］陳勇，黃席樾，唐高友，等.基于機(jī)器視覺(jué)的車(chē)道檢測(cè)與二維重建方法［J］.儀器儀表學(xué)報(bào)，2007，28(7):1205-1210.

［2］郭春，艾玲梅.基于決策分析的高椒鹽噪聲輪胎痕跡圖像濾波方法［J］.計(jì)算機(jī)工程與應(yīng)用，2012，48(5):171-173，200.

［3］劉剛.Matlab數(shù)字圖像處理［M］.北京:機(jī)械工業(yè)出版社，2010.

［4］藺鵬.數(shù)字圖像噪聲處理典型方法的分析［J］.蘭州工業(yè)高等專(zhuān)科學(xué)校學(xué)報(bào)，2004，11(2):23-26.

［5］張旗，梁徳群，樊鑫，等.基于小波域的圖像噪聲類(lèi)別識(shí)別與估計(jì)［J］.紅外與毫米波學(xué)報(bào)，2004，23(4):281-285.

［6］謝杰成，張大力，徐文立.小波圖象去噪綜述［J］.中國(guó)圖象圖形學(xué)報(bào):A版，2002，7(3):209-217.

［7］崔穎冀，楊存典，韓麗娜.概率論和數(shù)理統(tǒng)計(jì)［M］.西安:陜西人民出版社，2010.

［8］韓麗娜，耿國(guó)華.基于小波變換的真彩圖像降噪與增強(qiáng)［J］.計(jì)算機(jī)工程，2010，36(12):224-225，228.

［9］章毓晉，等.圖像處理和分析［M］.北京:清華大學(xué)出版社，1999.

［10］閻靜文.數(shù)字圖像處理［M］.北京:國(guó)防工業(yè)出版社，2007.

［11］阮秋琦.數(shù)字圖像處理［M］.北京:電子工業(yè)出版社，2001.

［12］高建貞，任明武，唐振民，等.路面裂縫的自動(dòng)檢測(cè)與識(shí)別［J］.計(jì)算機(jī)工程，2003，29(2):149-150.

［13］Gonzalez R C.Digital Image Processing Using Matlab［M］.Prentice Hall，2004.

［14］高志，余嘯海.Matlab小波分析工具箱原理與應(yīng)用［M］.北京:國(guó)防工業(yè)出版社，2004.

［15］韓麗娜.基于YCbCr空間的多尺度同態(tài)濾波真彩圖像增強(qiáng)［J］.咸陽(yáng)師范學(xué)院學(xué)報(bào)，2011，26(2):54-56.