一種非下采樣輪廓波變換域水果圖像預處理方法

摘要：水果圖像在獲取過程中受到拍攝系統(tǒng)自身的缺陷、復雜多變的成像環(huán)境等多重因素的限制，導致圖像被摻雜進一些噪聲，降低了圖像的清晰度。結合非下采樣輪廓波變換（nonsubsampled contourlet transform，NSCT），提出了該類圖像的有效預處理方法。該方法首先對圖像進行多尺度NSCT分解，獲得低頻分解系數(shù)和高頻分解系數(shù)；然后對低頻分解系數(shù)進行模糊增強處理，對高頻系數(shù)采用二維多級中值濾波算法（two-dimensional multi-stage median filtering algorithm）進行處理；最后進行分解系數(shù)重構，獲得清晰度較高的水果圖像。分別將此算法與已有的幾類同類型算法對水果圖像進行去噪處理，并引入峰值信噪比（peak signal noise to ratio，PSNR）作為處理效果評價指標，結果表明，此算法性能明顯優(yōu)于已有的同類型算法。

關鍵詞：水果圖像；隨機噪聲；非下采樣輪廓波變換；二維多級中值濾波算法

中圖分類號： S126；TP391文獻標志碼： A文章編號：1002-1302（2015）11-0499-03

收稿日期：2014-11-25

基金項目：廣州市科技和信息化局應用基礎研究專項（編號：2013J410007）

作者簡介：許健才（1978—），男，廣東清遠人，碩士，講師，研究方向為移動互聯(lián)網(wǎng)技術、計算機圖像處理。 E-mail：xujiancaimaster@126.com。近年來，關于圖像去噪的研究成果大體上可以分為2類：一類為變換域去噪算法，該類算法通過對噪聲圖像進行多尺度變換，通過多層變換實現(xiàn)對圖像中噪聲與信號的分離，如小波變換[1]、輪廓波變換[2]、曲波變換[3]等；另一類為空間域去噪算法，該類算法直接對噪聲圖像進行處理，如中值濾波[4]、均值濾波[5]、二維多級中值濾波[6]等。對于水果圖像的處理，一方面要求提高圖像的對比度，突出圖像中果實邊緣等信息；另一方面要去除圖像中由成像系統(tǒng)固有的缺陷以及復雜的成像環(huán)境等因素導致的隨機噪聲。本研究借助非下采樣輪廓波變換（NSCT）圖像分析方法，提出了一種水果圖像有效預處理方法，對NSCT分解系數(shù)分別進行增強和濾波處理，通過系數(shù)重構獲得較為清晰的圖像，旨在為開展圖像去噪研究提供依據(jù)。

1方法理論基礎

1.1圖像非下采樣輪廓波變換

非下采樣輪廓變換（NSCT）[7]作為一種新型的圖像分析框架，相對于小波變換而言，能夠更為有效地刻畫圖像中的線、面等信息，對于輪廓信息豐富的水果圖像而言較為適合。水果圖像NSCT分解步驟如下：（1）采用一種非下采樣塔形濾波器（nonsubsampled pyramid，NSP）對水果圖像進行多尺度分解操作，得到一個低頻圖像、一個高頻圖像。低頻圖像主要包含了水果圖像中背景信息，高頻圖像則包含了水果圖像中圖像輪廓邊緣等細節(jié)信息以及絕大多數(shù)的噪聲信息，該環(huán)節(jié)即為圖像多尺度分解操作。（2）對步驟（1）中獲得的高頻圖像采用一種非下采樣多方向濾波器（nonsubsampled directional filter bank，NSDFB）進行多方向的分解操作，獲得代表各個方向上的水果圖像高頻信息的方向帶通圖像序列，該環(huán)節(jié)即為圖像的多方向剖分操作。（3）對步驟（1）中的低頻圖像繼續(xù)執(zhí)行多尺度分解、多方向分解，達到對圖像多尺度分析的目的。

1.2模糊增強方法

模糊增強方法的基本思想是通過構建模糊隸屬映射函數(shù)，將圖像由空間域變換至模糊域，在模糊域中采用非線性增強函數(shù)進行處理，在此基礎上進行逆變換獲得增強后的圖像[8]。為了更為有效地實現(xiàn)對水果圖像的增強處理，提高圖像的對比度，對經(jīng)典的Pal-King增強算法進行改進，改進算法中的模糊映射函數(shù)如下：

1.3二維多級中值濾波算法

二維多級中值濾波算法[6]通過將噪聲點的一定鄰域劃分成4個不同方向的濾波模板（圖1），分別進行中值濾波，然后將各模板中的濾波結果進行適當取舍從而獲得噪聲點的濾波值。

對于圖像中處于（i，j）處的噪聲點，鄰域大小為（2N+1）×（2N+1） （N為正整數(shù)）采用二維多級中值濾波算法濾波過程為：

2方法實現(xiàn)步驟

經(jīng)過以上分析，可以梳理出本研究水果圖像預處理方法的基本步驟：（1）采用非下采樣輪廓波變換（NSCT）對水果圖像進行2層分解，對應“1.1”節(jié)中的步驟（1）、步驟（2）、步驟（3），獲得了水果高頻系數(shù)、水果低頻系數(shù)；（2）對于水果低頻系數(shù)，由于其中包含了圖像的絕大多數(shù)背景信息，圖像對比度較低，為此，采用“1.2”節(jié)提出的模糊增強方法進行處理；（3）對于水果高頻系數(shù)，采用“1.3”節(jié)中的二維多級中值濾波算法進行處理，著重濾除其中的噪聲；（4）對步驟（2）、步驟（4）的處理結果進行系數(shù)重構，得到處理后的水果圖像。

3試驗仿真及分析

在MATLAB平臺上編寫相關程序對2幅水果圖像進行仿真試驗并與經(jīng)典二維多級中值濾波算法、改進二維多級中值濾波算法[6]進行比較，同時引入峰值信噪比（PSNR）[9-10]（PSNR值越大，越能體現(xiàn)出對應算法的性能）對上述幾類算法的性能進行客觀評估。為了有效測試本方法對較為模糊且含有大量噪聲圖像的處理效果，對其中加了一些隨機噪聲，相關試驗結果見圖2、圖3、表1。

圖2-a、圖3-a為2幅添加了20%隨機噪聲后形成的噪聲圖像，對圖2-a、圖3-a采用經(jīng)典二維多級中值濾波算法進行處理，結果如圖2-b、圖3-b所示，圖像整體比較模糊，特別是圖3-b中存在一些黑色斑塊，說明圖像中殘留噪聲密度較大，圖中草莓、山楂果實的輪廓比較模糊。圖2-c、圖3-c為參考文獻[6]中所提出的改進二維多級中值濾波算法處理結果，圖像中噪聲殘留程度略低于圖2-b、圖3-b，圖中的草莓、山楂果實的輪廓模糊程度有所降低。相對于上述2類算法，本研究算法基本去除了2幅圖像中的噪聲，圖像清晰度得到最大程度地恢復，如圖2-d、圖3-d所示，圖中草莓、山楂果實表面的細小斑點均能夠清晰地辨認出來。由表1可知，經(jīng)典二維多級中值濾波與參考文獻[6]中的改進二維多級中值濾波算法的PSNR值比較接近，說明參考文獻[6]中的改進二維多級中值濾波算法對細節(jié)信息較為豐富的水果圖像的處理效果整體不理想。本研究算法的PSNR值明顯高于其余2類算法，說明該算法去噪性能較優(yōu)。

4結論

本研究結合非下采樣輪廓波變換（NSCT），提出了一種水果圖像高效預處理方法。該方法分別對輪廓波變換的低頻系數(shù)、高頻系數(shù)進行模糊增強和二維多級中值濾波處理，通過系數(shù)重構獲得了高質量的水果圖像。該方法適合于處理細節(jié)信息豐富的水果圖像，對于處理農業(yè)圖像有一定的參考價值。

參考文獻：

[1]衛(wèi)娟，孫冬. 基于提升小波變換的農產品圖像有效處理方法[J]. 江蘇農業(yè)科學，2014，42（6）：364-366.

[2]Shen X H，Wang K，Guo Q. Local thresholding with adaptive window shrinkage in the contourlet domain for image denoising[J]. Science China Information Sciences，2013，56（9）：1-9.

[3]Binh N T，Khare A. Multilevel threshold based image denoising in curvelet domain[J]. Journal of Computer Science and Technology，2010，25（3）：632-640.

[4]周大鵬，何遠智，張自友，等. 一種改進的變系數(shù)圖像去噪方法[J]. 沈陽農業(yè)大學學報，2013，44（3）：381-384.

[5]楊青. 基于農業(yè)視覺圖像的高效濾波處理方法[J]. 江蘇農業(yè)科學，2014，42（4）：361-362，363.

[6]王明常，邢立新，楊毅恒，等. 動態(tài)方向加權二維多級中值濾波的圖像處理[J]. 吉林大學學報：信息科學版，2006，24（1）：18-21.

[7]Cunha A L，Zhou J，Do M N. The nonsubsample contourlet theory design and application[J]. Transaction Image Processing，2006，15（10）：1780-1792.

[8]劉習文，薛家祥. 紙幣接觸式傳感器圖像模糊增強與邊界檢測[J]. 科學技術與工程，2013，13（34）：10381-10385，10391.

[9]宋懷波，何東健，韓韜.Contourlet變換為農產品圖像去噪的有效方法[J]. 農業(yè)工程學報，2012，28（8）：287-292.

[10]王小兵，孫久運，湯海燕，等. 基于小波變換的圖像混合噪聲自適應濾波算法[J]. 微電子學與計算機，2012，29（6）：91-95.郭華，王軍林，張立勇，等. 村鎮(zhèn)綠色建筑水系統(tǒng)規(guī)劃設計[J]. 江蘇農業(yè)科學，2015，43（11：502-504.