基于噪點(diǎn)檢測(cè)的中值濾波圖像去噪方法

唐寧，呂洋（桂林電子科技大學(xué)　信息與通信學(xué)院，廣西　桂林 541004）

基于噪點(diǎn)檢測(cè)的中值濾波圖像去噪方法

唐寧，呂洋
（桂林電子科技大學(xué)信息與通信學(xué)院，廣西桂林 541004）

圖像去噪是圖像處理中一個(gè)非常重要的環(huán)節(jié)。針對(duì)傳統(tǒng)中值濾波方法存在的不足，提出一種新的基于噪點(diǎn)檢測(cè)的自適應(yīng)中值濾波圖像去噪方法。該方法通過(guò)自適應(yīng)地改變?yōu)V波窗口的大小，局部檢測(cè)并判斷極值點(diǎn)是否為噪聲點(diǎn)，有效地降低了非噪聲點(diǎn)誤判為噪聲點(diǎn)的概率。實(shí)驗(yàn)結(jié)果表明，該方法能夠更有效地去除圖像中的噪聲，并較好地保持圖像細(xì)節(jié)和邊緣。

圖像去噪；中值濾波；噪點(diǎn)檢測(cè)方法

0　引言

圖像是對(duì)外界信息識(shí)別的重要途徑，圖像的清晰度直接影響到人們對(duì)外界的識(shí)別以及進(jìn)一步分析。在圖像采集傳輸過(guò)程中由于外界噪聲的干擾，會(huì)削弱或消除一些圖像基本信息，進(jìn)一步導(dǎo)致圖像質(zhì)量的降低。對(duì)加入噪聲的圖像可以通過(guò)平滑、濾波等一系列預(yù)處理來(lái)改善圖像質(zhì)量。

中值濾波被廣泛應(yīng)用于圖像去噪中。它不同于一般的模板，中值濾波采用周圍鄰域像素的中間值來(lái)代替，能夠較高地保留高頻信號(hào)，使圖像能更好地保持邊緣清晰［1］。本文通過(guò)對(duì)中值濾波及其改進(jìn)的算法進(jìn)行研究，提出了一種基于噪點(diǎn)檢測(cè)的中值濾波圖像去噪方法，通過(guò)實(shí)驗(yàn)對(duì)比進(jìn)一步體現(xiàn)改進(jìn)方法的優(yōu)勢(shì)，使其能夠更好地保留原始圖像的細(xì)節(jié)及邊緣。

1　圖像噪聲及圖像質(zhì)量評(píng)估方法

1.1圖像噪聲

圖像噪聲主要是源于圖像的獲取和傳輸，在此過(guò)程中受到了外界隨機(jī)信號(hào)的干擾，從而影響人們對(duì)其信息的接收。因而描述噪聲的方法完全可以借用隨機(jī)過(guò)程的描述，即使用概率分布函數(shù)和概率密度分布函數(shù)［2］。圖像中的噪聲，可以根據(jù)概率密度函數(shù)分為高斯噪聲、瑞利噪聲、脈沖噪聲等；依據(jù)噪聲頻譜分類可將其分為：白噪聲、1/f噪聲、三角噪聲等［2］。本文中將主要對(duì)椒鹽噪聲進(jìn)行去噪分析。

1.2圖像質(zhì)量評(píng)估方法

圖像質(zhì)量主要包含圖像的逼真度與可懂度［2］。目前，主要通過(guò)均方誤差和峰值信噪比來(lái)客觀地對(duì)圖像質(zhì)量進(jìn)行評(píng)估：

均方誤差：

峰值信噪比：其中 f（x，y）、f′（x，y）分別是原始圖像和降質(zhì)圖像復(fù)原后的圖像中點(diǎn)（x，y）的灰度值，M和 N分別是以像素點(diǎn)數(shù)表征的圖像的長(zhǎng)度和寬度［2］。L為數(shù)字圖像的灰度級(jí)數(shù)。根據(jù)以上數(shù)值來(lái)評(píng)估圖像質(zhì)量，MSE越小則表明圖像恢復(fù)后的質(zhì)量越高，PSNR越大則表明圖像視覺(jué)效果越好。

2　中值濾波

其中，f（x，y）為濾波輸出，sxy表示以（x，y）為中心的濾波窗口中的所有坐標(biāo)點(diǎn)；g（x，y）為坐標(biāo)點(diǎn)（x，y）處的灰度值，median表示對(duì)其進(jìn)行中值處理。傳統(tǒng)中值濾波算法通過(guò)設(shè)定不同大小的窗口進(jìn)行濾波，對(duì)該滑動(dòng)窗口內(nèi)的像素點(diǎn)灰度值排序，取中值作為當(dāng)前像素點(diǎn)的灰度值［3］。

中值濾波是對(duì)中心像素點(diǎn)的鄰域進(jìn)行處理，其處理方式不能用一個(gè)線性表達(dá)式來(lái)表示。某個(gè)像素點(diǎn)的濾波結(jié)果就是用濾波器包圍的圖像區(qū)域中像素的灰度值的中值來(lái)替代該像素的值。用數(shù)學(xué)公式表達(dá)如下：

3　算法分析

針對(duì)傳統(tǒng)中值濾波方法，參考文獻(xiàn)［4］提出了一種改進(jìn)的自適應(yīng)中值濾波方法，取得了較好的濾波效果，但對(duì)于去除高密度噪聲圖像效果較差，對(duì)于圖像邊緣細(xì)節(jié)處理不夠，容易噪聲邊緣模糊。

［5］中利用噪聲像素點(diǎn)的性質(zhì)，首先計(jì)算含噪聲圖像的噪聲污染率，通過(guò)求得污染率與中心權(quán)值的先驗(yàn)函數(shù)，提出了一種有效的自適應(yīng)濾波算法，但該算法計(jì)算較為復(fù)雜，并不易于實(shí)現(xiàn)。

參考文獻(xiàn)［6-7］提出了基于統(tǒng)計(jì)思想的中值濾波算法，其通過(guò)將像素模板中的一個(gè)灰度值與其他的值進(jìn)行比較［7］，分別統(tǒng)計(jì)出大于和小于這個(gè)灰度值的像素個(gè)數(shù)，若兩組像素個(gè)數(shù)相同，則表明此灰度值為中值，否則繼續(xù)選擇下一灰度值作為比較，該統(tǒng)計(jì)思想需要將選取灰度值與窗口內(nèi)每個(gè)像素點(diǎn)進(jìn)行比較。

參考文獻(xiàn)［8］提出一種有效的開關(guān)中值濾波算法，先通過(guò)對(duì)噪聲進(jìn)行分類，然后運(yùn)用迭代的方法對(duì)其進(jìn)行濾波，但該方法在強(qiáng)噪聲時(shí)迭代所需要的處理時(shí)間較長(zhǎng)。

傳統(tǒng)的濾波方法中，缺乏對(duì)椒鹽噪聲中極值點(diǎn)是否為噪聲點(diǎn)的判斷，從而容易造成圖像邊緣模糊，極大地增大了對(duì)非噪聲點(diǎn)誤判的可能性［9］。根據(jù)以上算法分析，本文提出了一種新的改進(jìn)算法。

4　改進(jìn)的中值濾波

4.1三態(tài)中值濾波算法原理

三態(tài)中值濾波［10］是將標(biāo)準(zhǔn)中值濾波和中心加權(quán)濾波算法結(jié)合，并對(duì)其進(jìn)行改進(jìn)的一種濾波算法。在三態(tài)中值濾波中，通過(guò)比較中值濾波及中心加權(quán)濾波的原始像素值和其中心像素值，得出合適的輸出像素值。其原理如圖1所示。

圖1　三態(tài)中值濾波原理圖

標(biāo)準(zhǔn)中值濾波算法 （Standard Median filter，SM），其定義為：

其中 g（x，y）為任意像素點(diǎn)的灰度值，Nf（x，y）表示 f（x，y）的實(shí)心鄰域［10］。

中心加權(quán)濾波算法 （Center Weighted Median filter，CWM），其可定義為：

其中 Npc（x，y）表示像素點(diǎn) p（x，y）的空心鄰域，f（x，y）表示像素點(diǎn)的灰度值，f（r，s）表示 Npc（x，y）內(nèi)所有像素點(diǎn)對(duì)應(yīng)的灰度值［2］。中心加權(quán)中值濾波主要是對(duì)中心像素加權(quán)后，將其鄰域像素進(jìn)行分組，在以中值分組的兩組中分別排序計(jì)算出中值，通過(guò)比較，來(lái)計(jì)算求得最終的輸出中值。

對(duì)于三態(tài)中值濾波 （Tri-State Median filter，TSM），其遵循下述公式：

在式（6）中 T為閾值，f（x，y）為像素點(diǎn)的灰度值，f（x，y）sm為標(biāo)準(zhǔn)中值，如式（4）所示，f（x，y）cwm中心加權(quán)濾波的輸出如式（5）所示，d1為像素灰度值與標(biāo)準(zhǔn)中值之差的絕對(duì)值，如式（7）所示，d2為像素灰度值與中心加權(quán)濾波輸出值之差的絕對(duì)值，如式（8）所示：

以上公式中，可以證明。

選取濾波窗口的大小為z=w×w，其中w為奇數(shù)，并定義fc為原像素灰度值。假設(shè)在濾波窗口中定義像素灰度值構(gòu)成的數(shù)組 F=｛f1，f2，…，fi，…，fws｝，將一維數(shù)組按照升序排列，即滿足 fi≤fi+1，因此 fSM=f（z+1）/2，d1=|fc-fSM|= |fc-f（z+1）/2|，其相對(duì)應(yīng)的中心加權(quán)算法的權(quán)重值為 wc，其中1≤wc≤z；在原濾波窗口中心元素fc的位置為c，其中1≤c≤z；根據(jù)上述情況可證明，當(dāng)（z+1）/2-（wc-1）/2≤c≤（z+1）/2+（wc-1）/2時(shí)，fcwm=fc，此時(shí)，d2=0≤d1；當(dāng) c＞（z+wc）/2時(shí)，可以得到 fcwm=f（z+wc）/2，此時(shí) d2=|fc-f（z+wc）/2|= fc-f（z+wc）/2≤fc-f（z+1）/2=|fc-f（z+1）/2|=d1；當(dāng) c＞（z+wc）/2時(shí)，可以得到 fcwm=f（z+wc）/2，此時(shí) d2=|fc-f（z+wc）/2|=fc-f（z+wc）/2≤fc-f（z+1）/2=|fc-f（z+1）/2|=d1，由以上三個(gè)公式可證明 d2≤d1。

三態(tài)中值濾波算法結(jié)合了標(biāo)準(zhǔn)中值濾波和中心加權(quán)濾波算法的優(yōu)點(diǎn)，通過(guò)設(shè)置閾值T作為判斷條件，更好地保留了圖像細(xì)節(jié)。

4.2本文改進(jìn)算法

椒鹽噪聲在圖像像素點(diǎn)中表現(xiàn)為極大值或極小值［10］。在對(duì)圖像進(jìn)行去噪之前，針對(duì)圖像像素點(diǎn)的特殊性，可將像素點(diǎn)分為非噪聲點(diǎn)、噪聲點(diǎn)和圖像細(xì)節(jié)點(diǎn)，從而在處理中保護(hù)非噪聲點(diǎn)［11］。在圖像噪聲點(diǎn)檢測(cè)中，處于極值點(diǎn)之間的噪聲點(diǎn)可以進(jìn)行全局檢測(cè)，從而判定其是否為噪聲點(diǎn)，但對(duì)于極值點(diǎn)并不能判定其是否為噪聲點(diǎn)。在本文中，基于噪點(diǎn)檢測(cè)的中值圖像去噪方法主要引進(jìn)一種局部圖像噪聲點(diǎn)檢測(cè)算法，先通過(guò)全局檢測(cè)判斷后，再對(duì)極值點(diǎn)進(jìn)行局部檢測(cè)，其主要目的是為了判別極值點(diǎn)的像素點(diǎn)是否為噪聲點(diǎn)，從而通過(guò)降低誤判率來(lái)保護(hù)圖像細(xì)節(jié)。

本文提出了基于噪點(diǎn)檢測(cè)的中值濾波圖像去噪方法，該方法主要在兩方面進(jìn)行了改進(jìn)：

（1）通過(guò)設(shè)置閾值，對(duì)圖像內(nèi)像素點(diǎn)判斷其是否為極值點(diǎn)，并對(duì)其進(jìn)行區(qū)分；

（2）在局部檢測(cè)時(shí)，通過(guò)自適應(yīng)地?cái)U(kuò)展窗口大小，判斷極值點(diǎn)是否為噪聲點(diǎn)。

最后通過(guò)與中心加權(quán)濾波和三態(tài)中值濾波算法進(jìn)行比較，從主觀圖像觀察和客觀數(shù)值比較來(lái)證實(shí)本文方法的優(yōu)越性。

4.2.1噪點(diǎn)檢測(cè)中濾波窗口的選擇

在篩選圖像噪點(diǎn)中，濾波窗口的大小對(duì)濾波效果有巨大的影響。當(dāng)濾波窗口取值較小時(shí)，易于保護(hù)圖像細(xì)節(jié)但去噪效果較差；當(dāng)濾波窗口較大時(shí)，去噪效果較好，但卻使圖像模糊程度增大。

如圖2所示，該圖表示加噪圖像中局部區(qū)域的灰度值，當(dāng)加入噪聲密度較大時(shí)，較小的濾波窗口不能正確判斷中心像素是否為噪聲點(diǎn)，增大了對(duì)中心像素誤判的可能性。在圖2（a）中，3×3的濾波窗口中有6個(gè)噪聲極大值點(diǎn)，在噪點(diǎn)檢測(cè)中該 F＜T（F為像素點(diǎn)與其窗口鄰域內(nèi)像素點(diǎn)灰度值的差的絕對(duì)值之和的均值），則該點(diǎn)被判定為非噪聲點(diǎn)；若增大濾波窗口，降低了極值點(diǎn)對(duì)F值的影響，如圖 2（b）所示，選取 5×5濾波窗口 F＞T，該中心像素被判定為噪聲點(diǎn)。

圖2　圖像局部像素灰度值

在濾除圖像噪點(diǎn)中，窗口的大小對(duì)于去噪效果有重要的影響，滑動(dòng)濾波窗口可以根據(jù)對(duì)圖像噪聲點(diǎn)的判斷自適應(yīng)地調(diào)節(jié)窗口大小。當(dāng)濾波窗口較小時(shí)，易于保護(hù)圖像細(xì)節(jié)，但去噪性能不好；當(dāng)濾波窗口較大時(shí)，去噪性能較好，但圖像易于被模糊。如圖 3中，圖 3（a）為原圖，圖3（b）為3×3濾波窗口，圖3（c）為5×5濾波窗口，圖3（d）為7×7濾波窗口。在圖3中明顯地可以看出，當(dāng)選取7×7濾波窗口時(shí)，圖像較為模糊，去噪性能大大降低。

圖3　lena選取不同濾波窗口濾波去噪效果

4.2.2改進(jìn)算法步驟

（1）輸入值為 f（x，y），F(xiàn)，Gmin，Gmax及閾值 T；其中f（x，y）為圖像像素點(diǎn)的灰度值，F(xiàn)為像素點(diǎn)與其窗口鄰域內(nèi)像素點(diǎn)灰度值的差的絕對(duì)值之和的均值，Gmin與Gmax分別為圖像全部像素灰度值的最大值和最小值，選取w=w×w為滑動(dòng)濾波窗口大小。

（2）首先對(duì)圖像所有像素點(diǎn)進(jìn)行檢測(cè)，若滿足式（9）：

則該像素點(diǎn)為非噪聲點(diǎn)，保持其灰度值不變。

（3）若不滿足式（9），則進(jìn)行局部檢測(cè)。選擇 3×3的滑動(dòng)濾波窗口，計(jì)算該滑動(dòng)窗口中像素點(diǎn)的三態(tài)中值濾波 fTSM，若滿足：則對(duì)于當(dāng)前滑動(dòng)窗口，計(jì)算F的值，若F小于其閾值T，則該像素點(diǎn)為非噪聲點(diǎn)；若其F大于T，則像素點(diǎn)為噪聲點(diǎn)。

（4）若不滿足式（10），擴(kuò)展濾波窗口為 5×5，即窗口大小為w=（w+2）×（w+2），則返回至步驟（3）重新計(jì)算F 及 fTSM進(jìn)行判別。

4.3算法流程圖

本文基于圖像噪點(diǎn)檢測(cè)的改進(jìn)三態(tài)中值濾波算法流程圖如圖4所示。

圖4　算法流程圖

4.4本文去噪算法結(jié)果分析

在實(shí)驗(yàn)仿真中，以 MATLAB作為仿真平臺(tái)，選取了256×256的 camerman.jpg圖像作為主要測(cè)試圖像，測(cè)試中加入了0.08的椒鹽噪聲，其閾值設(shè)定為15，5×5的滑動(dòng)窗口作為最大滑動(dòng)窗口，其權(quán)值設(shè)為11；選取 3×3的滑動(dòng)窗口作為最小的滑動(dòng)窗口，其權(quán)值設(shè)為3，依據(jù)以上算法，對(duì)中心加權(quán)濾波算法做了仿真測(cè)試，并進(jìn)行對(duì)比測(cè)試，結(jié)果如圖5～圖7所示。去噪后的MSE值及PSNR/dB值如表1、表2所示。

圖5　camerman.jpg的中心加權(quán)濾波圖像

圖6　camerman.jpg的三態(tài)中值濾波圖像

圖7　camerman.jpg本文方法

表1　圖5～圖7實(shí)驗(yàn)圖片去噪后分別對(duì)應(yīng)的MSE值

表2　圖5～圖7實(shí)驗(yàn)圖片去噪后分別對(duì)應(yīng)的PSNR/dB值

通過(guò)對(duì) camerman、lena、Peppers等多幅圖像進(jìn)行測(cè)試，結(jié)果表明中心加權(quán)濾波算法對(duì)鄰域像素的中心元素進(jìn)行了加權(quán)，權(quán)值的增大可能會(huì)導(dǎo)致輸入鄰域像素點(diǎn)灰度值的增大，它根據(jù)窗口內(nèi)像素權(quán)值的不同來(lái)調(diào)節(jié)圖像細(xì)節(jié)和噪聲的矛盾，但卻降低了消除噪聲的能力。

基于噪點(diǎn)檢測(cè)的中值濾波去噪方法結(jié)合了標(biāo)準(zhǔn)中值濾波和中心加權(quán)濾波，通過(guò)設(shè)定閾值T判斷像素點(diǎn)是否為極值點(diǎn)，并通過(guò)自適應(yīng)的調(diào)節(jié)窗口大小局部檢測(cè)極值點(diǎn)是否為噪聲點(diǎn)，其降低了誤判的可能性，能夠更好地篩選噪聲點(diǎn)，從而更好地保持了圖像細(xì)節(jié)并且更好地去除椒鹽噪聲。

5　結(jié)論

本文主要對(duì)加入椒鹽噪聲的圖像采用基于噪點(diǎn)檢測(cè)的中值濾波圖像去噪算法進(jìn)行去噪處理。在該方法中，首先對(duì)圖像像素點(diǎn)進(jìn)行極值點(diǎn)分類，通過(guò)自適應(yīng)的改變滑動(dòng)濾波窗口大小判斷極值點(diǎn)是否為噪聲點(diǎn)，從而降低了噪聲點(diǎn)誤判的概率，更為有效地去除了噪聲。實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)的中值濾波方法相比，基于噪點(diǎn)檢測(cè)的中值圖像去噪方法能夠有效地去除圖像中的椒鹽噪聲，并能夠較好的保持圖像特征完整。

參考文獻(xiàn)

［1］趙海麗，劉艷霞，陳智強(qiáng)，等.數(shù)字視頻圖像傳輸中基于FPGA的圖像去噪方法［J］.吉林大學(xué)學(xué)報(bào)：信息科學(xué)版，2012，29（6）：600-606.

［2］陸天華.數(shù)字圖像處理［M］.北京：清華大學(xué)出版社，2007.

［3］SHUKLA A K，BHATEJA V，VERMA R L，et al.An improved directional weighted median filter for restoration of images corrupted with high density impulse noise［C］. Optimization，Reliabilty，and Information Technology（ICROIT），2014 International Conference on.IEEE，2014：506-511.

［4］CHANG C C，HSIAO J Y，HSIEH C P.An adaptive median filter for image denoising［C］.Intelligent Information Technology Application，2008.IITA′08.Second International Symposium on.IEEE，2008：346-350.

［5］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.

［6］李元帥，張勇，周國(guó)忠，等.圖像中值濾波硬件算法及其在FPGA中的實(shí)現(xiàn)［J］.計(jì)算機(jī)應(yīng)用，2006，26（B06）：61-62.

［7］董付國(guó)，原達(dá)，王金鵬.中值濾波快速算法的進(jìn)一步思考［J］.計(jì)算機(jī)工程與應(yīng)用，2007，43（26）：48-49.

［8］WANG Z，ZHANG D.Progressive switching median filter for the removal of impulse noise from highly corrupted images［J］.Circuits and Systems II：Analog and Digital Signal Processing，IEEE Transactions on，1999，46（1）：78-80.

［9］王宇新，賀圓圓，郭禾，等.基于 FPGA的快速中值濾波算法［J］.計(jì)算機(jī)應(yīng)用研究，2009，26（1）：225-226.

［10］HORNG S J，HSU L Y，LI T，et al.Using sorted switching median filter to remove high-density impulse noises［J］.Journal of Visual Communication and Image Representation，2013，4（7）：956-967.

［11］RAMAMOORTHY K，CHELLADURAI T，SUNDARARAJAN P，et al.Noise suppression using weighted median filter for improved edge analysis in ultrasound kidney images［J］.Int.J.Comp.Sci.Mobile Comput，2014（3）：97-105.

Median filering image denoising method based on noise pixel detection

Tang Ning，Lv Yang
（College of Information and Communication，Guilin University of Electronic Technology，Guilin 541004，China）

Noise reduction is one of the most important parts of image processing.Based on the shortcomings of traditional median filtering algorithm，this paper puts forward a new adaptive median filter method based on noise pixel detection.The method detect and judge whether the extreme point is the noise point by adaptive-changing the size and local of the filter window，it reduces the probability of the non-noise point misjudgment into the noise points effectively.The experimental results show that the algorithm can eliminate noise and preserve the details and edge information of the original image effectively.

image denoising；median filter；noise detection method

TP317.4

A

1674-7720（2015）05-0035-04

（2014-11-13）

唐寧（1964-），男，本科，副教授，主要研究方向：數(shù)字專用集成電路設(shè)計(jì)與測(cè)試。

呂洋（1989-），通信作者，女，碩士，研究生，主要研究方向：圖像信號(hào)處理，E-mail：m15907888596@163.com。