基于中值濾波與維納復(fù)原的圖像預(yù)處理方法

高琦煜+張賽

摘要：圖像預(yù)處理是機器視覺、模式識別等研究領(lǐng)域中不可獲取的重要組成部分，在算法的研究與設(shè)計過程中，圖像的質(zhì)量與完整度都是影響算法準(zhǔn)確率的主要因素，而通過圖像預(yù)處理可以很大程度上的弱化這些影響。該文在研究傳統(tǒng)的圖像預(yù)處理方法的同時將圖像濾波與圖像復(fù)原方法相結(jié)合，提出加權(quán)自適應(yīng)中值濾波結(jié)合維納復(fù)原法。即首先采用加權(quán)自適應(yīng)中值濾波對圖像進行濾波，然后使用維納復(fù)原法對圖像進行復(fù)原。通過實驗證明該方法對改善圖像質(zhì)量有著很好的效果。

關(guān)鍵詞：圖像預(yù)處理；加權(quán)自適應(yīng)中值濾波；維納復(fù)原

中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2016）34-0208-02

隨著計算機技術(shù)的發(fā)展，模式識別與人工智能領(lǐng)域的研究已經(jīng)進入了更加深入的階段，研究人員們對算法的正確率與準(zhǔn)確度有了更高的要求，這導(dǎo)致人們對樣本集（包括訓(xùn)練集與測試集）的要求也越來越高?，F(xiàn)階段，大部分的自制樣本都是通過相機拍攝或者通過錄像截取的方式獲取，這種方法在圖像生成與傳輸過程中存在著一些弊端，即圖像的質(zhì)量極易受到外界因素的干擾，產(chǎn)生大量的脈沖噪聲并丟失局部信息。脈沖噪聲主要有隨機值脈沖噪聲與椒鹽噪聲，現(xiàn)階段處理脈沖噪聲的主要方法為非線性濾波法，其代表方法是中值濾波法[1]，隨著研究人員對樣本的質(zhì)量要求越來越高，由于傳統(tǒng)的中值濾波在保存圖像細(xì)節(jié)方面效果欠佳，已經(jīng)不能滿足人們的要求。為了解決這個問題，本文作者提出采用加權(quán)自適應(yīng)中值濾波方法結(jié)合維納復(fù)原法的圖像預(yù)處理方法，使其能在濾波效果最好的情況下最大程度上的保證圖像的細(xì)節(jié)和邊緣。通過實驗驗證，通過本文方法處理的樣本在清晰度與完整度上較傳統(tǒng)算法有很大的提高。

1 中值濾波算法原理

1.1經(jīng)典中值濾波算法

經(jīng)典的中值濾波算法SMF（standard median filter）是一種非線性濾波方法，該算法依賴于快速排序法，在犧牲部分圖像細(xì)節(jié)與邊緣信息的基礎(chǔ)上能去除部分脈沖噪聲。

其基本思想為：從待排序的元素集合中任選一個元素，將其作為基元素分別于其他元素比較，將其作為分割中點，將比它小的元素放在前邊、大的元素放在后邊分成兩個集合。然后分別對這兩個集合重復(fù)以上動作，當(dāng)所有排序結(jié)束后，取中間的元素值作為中值即輸出值。

這種方法在處理大圖像時存在計算量很大的問題，同時其去噪性能受到濾波窗口尺寸的影響較大，在噪聲抑制與保護細(xì)節(jié)方面存在著一定的矛盾[2]。

1.2加權(quán)自適應(yīng)中值濾波原理

其基本思想是：設(shè)A（x，y）表示中心像素點（x，y）在濾波時所對應(yīng)的掩模窗口。令Zmin為A（x，y）中的灰度最小值，Zmax為A（x，y）的灰度最大值，Zmed為A（x，y）的灰度中值。其中灰度中值的計算方法結(jié)合了均值思想。把排序得到的中值與窗口中所有像素點的均值相加得到灰度中值（中值權(quán)重為0.3，均值權(quán)重為0.7）。

2 維納復(fù)原法

維納（wiener）濾波復(fù)原法是屬于反卷積算法一類[3]，它是由Winner首先提出并應(yīng)用于一維信號，取得了很好效果。研究人眼將其引入二維信號處理，尤其是在圖像復(fù)原領(lǐng)域效果良好，計算量較低，并且抗噪聲性能優(yōu)良，因而在圖像復(fù)原領(lǐng)域得到了廣泛的應(yīng)用。

2.1維恩濾波原理

在這里，本文對維納濾波器進行一個小的改進。即在信噪比的倒數(shù)項中加入?yún)?shù)[γ]，其取值一般在0-1之間，其作用為修正信噪比，并改善濾波器抗噪聲性能的目的。通過實驗研究[γ]一般取值為0.1-0.3效果較明顯。

3 實驗驗證與分析

本文采用的實驗工具為Matlab軟件，所有算法的編寫與實現(xiàn)都是用其完成。

3.1實驗過程

1）選取原始lina圖像，并對其進行灰度化。

2）在原始lina圖像中加入高斯噪聲如圖2所示。

3）使用傳統(tǒng)中值濾波法對噪聲圖像進行濾波如圖3所示。

4）采用維納復(fù)原法對圖3進行復(fù)原。

5）采用自適應(yīng)中值濾波法對噪聲圖像進行濾波如圖5所示

6）使用維納復(fù)原法對圖5進行復(fù)原。

3.2 實驗分析

如圖1到圖6所示，在實驗過程中首先對原圖像進行灰度化并加入高斯噪聲，當(dāng)采用傳統(tǒng)中值濾波時發(fā)現(xiàn)去噪效果明顯。但是也模糊了圖像的邊緣，如圖3。當(dāng)采用本文設(shè)計的自適應(yīng)中值濾波法進行濾波時效果較好，如圖5。但是這兩種濾波方法都在某種程度上模糊了圖像的邊緣和細(xì)節(jié)，在采用了維納復(fù)原法處理后如圖4、圖6，我們可以觀察到圖像的細(xì)節(jié)與邊緣得到了更好的描述。說明本文算法的正確性與有效性。

4 總結(jié)

本文提出采用圖像濾波與圖像復(fù)原的圖像預(yù)處理組合方法，針對單一的圖像濾波會對圖像的邊緣以及細(xì)節(jié)信息造成傷害的問題進行研究。實驗結(jié)果證明，本文提出的方法在有效的抑制噪聲的同時，能提高圖像的質(zhì)量并保證邊緣與細(xì)節(jié)信息不丟失。

參考文獻(xiàn) ：

[1] KO S J，LEE S J.Center weighted median filter and their applications to image enhancement [J].IEEE Transactions on Circuits and System，1991，38（1）：984-993.

[2] 劉進，厲數(shù)忠，張媛.基于混合中值濾波的圖像去噪處理[J].甘肅科技，2006，22（9）.

[3] Choi H，baraniuk R.Analysis of wavelet-domain Winner filters[C]. Proceedings of the IEEE-SP International Symposiumon Time-frequency and Time-Scale Analysis.