圖像去噪中的小波變換應(yīng)用策略

李萬(wàn)程

[摘要]圖像信息在人們認(rèn)識(shí)世界和了解世界中扮演著重要的角色。但是，由于圖像在實(shí)際應(yīng)用或者是傳輸過(guò)程中經(jīng)常被噪聲等因素所干擾，導(dǎo)致圖像的質(zhì)量下降，無(wú)法達(dá)到使人們滿(mǎn)意的效果，所以對(duì)于圖像也應(yīng)該進(jìn)行去噪處理，減少噪聲對(duì)于圖像的干擾。在早期對(duì)圖像進(jìn)行處理，主要是指使用數(shù)字計(jì)算機(jī)技術(shù)對(duì)圖像進(jìn)行加工處理，以此來(lái)獲得自己所需要的圖像信息。本文基于這個(gè)背景，分析了小波變換在圖像去噪的中使用的處理方法，主要探討了小波變換在圖像去噪中的使用。

[關(guān)鍵詞]圖像處理；圖像去噪；去噪方法；小波變換

一幅圖像經(jīng)常會(huì)受到各種各樣因素的和破壞，這種干擾有可能發(fā)生在實(shí)際應(yīng)用中，也有可能出現(xiàn)在傳輸過(guò)程中和量化等的處理中。由于受到這些因素的干擾，圖像的質(zhì)量會(huì)下降，甚至產(chǎn)生畸變。其中噪聲的對(duì)圖像的干擾是比較常見(jiàn)的。所以去噪是圖像處理的基本方法，也是比較重要的方法。去噪后的圖像質(zhì)量可以提高，圖像的信噪比也可以得到加強(qiáng)，圖像特征也會(huì)凸顯。所以，對(duì)于一幅圖像進(jìn)行去噪處理后，消除噪聲的干擾，也為后續(xù)的圖像處理提供了條件。

1傳統(tǒng)的圖像去噪方法

傳統(tǒng)上采用的圖像去噪方法，主要可以歸結(jié)為兩種，即空間域法和頻域法兩種類(lèi)型。

1.1空間域去噪方法

空間域去噪的方式，實(shí)際上就是是著眼于圖像的像素這一信息，對(duì)于圖像像素采取一系列具體的操作。在空間域去噪的方法中，空間域?yàn)V波器的作用非常重要。在同一幅圖像中，不同的濾波器對(duì)于就會(huì)產(chǎn)生不同的去噪效果。對(duì)于濾波器的選擇就決定著得到的圖像去噪的結(jié)果，所以應(yīng)該根據(jù)自己的需要通過(guò)充分的對(duì)比和篩選選擇恰當(dāng)?shù)臑V波器，以此來(lái)得到想要的去噪結(jié)果。常用的空間域?yàn)V波器主要有三種，均值濾波器、中值濾波器以及高斯平滑濾波器。

1.1.1均值濾波

均值濾波器主要適用于對(duì)一些圖像中經(jīng)過(guò)泡面得到的顆粒噪聲的去除。均值濾波主要是一種空間域平滑的噪聲技術(shù)，圖像的顆粒噪音經(jīng)過(guò)均值濾波器的過(guò)濾后，噪聲的均值并沒(méi)有發(fā)生什么樣的變化，但是噪聲的方差卻相對(duì)來(lái)說(shuō)減小了，這樣一來(lái)，噪聲的強(qiáng)度就會(huì)減弱，從而有效的抑制了噪聲。

1.1.2中值濾波

中值濾波是一種抑制噪聲的一種方法，但是這種方法是非線(xiàn)性的處理方法。它可以將圖像的像素點(diǎn)的灰度值進(jìn)行人為的設(shè)置，可以把它們?cè)O(shè)置為該點(diǎn)鄰域中所有圖像像素灰度值的中間值，這就叫中值濾波法。

1.1.3高斯平滑濾波

高斯平滑濾波其實(shí)是一種信號(hào)的濾波器，它主要應(yīng)用于圖像信號(hào)的平滑處理，后期應(yīng)用等。主要適用于消除高斯噪聲，減少圖像的噪聲干擾。

1.2圖像頻域去噪方法

圖像頻域去噪方法主要是通過(guò)離散傅里葉的變換來(lái)實(shí)現(xiàn)圖像的去噪。具體來(lái)講，圖像的頻率主要是集中在低頻域，而噪聲相對(duì)來(lái)講集中在高頻域中，所以使用圖像頻域去噪的方法，主要就是選擇濾波器，把不同頻域的信號(hào)分開(kāi)，濾去高頻部分，從而減少噪聲，恢復(fù)圖像的平滑。在由于圖像的頻率主要是在低頻域，所以一般圖像頻域去噪使用低通濾波器進(jìn)行。

2小波變換去噪的含義

小波變換是八十年代后期快速發(fā)展起來(lái)的一種新型的數(shù)學(xué)分析的工具。這種圖像去噪的方法主要是通過(guò)離散小波變換將空間域圖像變換到小波域中區(qū)。小波變換去噪法保留了大部分包含圖像信號(hào)的一系列的小波系數(shù)，而且小波變換還可以傳達(dá)出信號(hào)的時(shí)域和頻域等相關(guān)的信息，對(duì)于這些領(lǐng)域的變化特征也能夠很好的表現(xiàn)出來(lái)，可以較好的對(duì)圖像進(jìn)行保存。近年來(lái)，小波變換理論發(fā)展和應(yīng)用較為迅速，受到人們廣泛重視。

3小波變換圖像去噪法的原理

圖像主要是在二維空間中存在，因此圖像的信號(hào)也是二維的，圖像的小波變換能夠?qū)D像帶有的能量集中在一些較大的小波系數(shù)上。但是噪聲的能量分布在整個(gè)的小波域中。所以，在這種情況下，通過(guò)對(duì)小波系數(shù)采用不同的處理分析技術(shù)，可以獲得不一樣的小波變換地去噪方法。小波變換去噪方法的流程如圖1所示：

4小波變換圖像去噪的發(fā)展過(guò)程

Mallat在1992年建立了快速小波變換這樣的算法，這一階段小波變換理論可以稱(chēng)為Mallat奇異性檢測(cè)理論。所出現(xiàn)的小波變換的算法是模極大值法。到了第二個(gè)階段，開(kāi)始出現(xiàn)了Donoho閾值去噪理論，并且取得了許多研究的成果，出現(xiàn)了小波系數(shù)閾值去噪的方法。而第三階段，就是GHM多小波理論的階段，這一時(shí)期流行的小波變換去噪方法主要是多小波去噪法。它保持了單小波具有的優(yōu)點(diǎn)，同時(shí)又克服了其局限性。Dowinc在1998面提出了多小波的通用閾值公式，使得小波變換去噪法向前邁進(jìn)了一大步。在第四階段流行的理論是小波系數(shù)統(tǒng)計(jì)特征的概率模型，同時(shí)，這一階段與此配套的方法是基于小波系數(shù)模型的去噪方法。在后來(lái)的階段，主要流行的是脊波、曲波的理論，同時(shí)出現(xiàn)的去噪方法是脊波、曲波去噪方法。

5小波變換去噪的方法

小波變換去噪的方法主要可以分為三大類(lèi)：模極大值法、相關(guān)性去噪方法以及閾值去噪的方法。具體介紹如下：

5.1模極大值法

模極大值法的去噪算法的基本根據(jù)主要是利用圖像的信息來(lái)進(jìn)行。在不同的尺度上小波變換的模極大值的集合就是小波系數(shù)集的子集，圖像的最重要的信息都包含在這上邊。

5.2相關(guān)性法去噪

相關(guān)性去噪的方法主要原理如下：小波變換的系數(shù)直接進(jìn)行相乘，這樣可以增強(qiáng)信號(hào)的原理來(lái)進(jìn)行。在增強(qiáng)圖像信號(hào)的同時(shí)，還可以減少噪聲。這種方法主要采用SSNF的算法來(lái)進(jìn)行。SSNF算法的步驟主要是首先對(duì)圖像進(jìn)行DWT，然后計(jì)算鄰域尺度中小波系數(shù)的相關(guān)數(shù)值。再利用每個(gè)尺度下保留的小波系數(shù)的數(shù)值進(jìn)行重新構(gòu)圖，得到的圖像就是去噪后的圖像。

5.3閾值法去噪

小波變換閾值去噪方法的原理主要是：將圖像信號(hào)的小波系數(shù)幅值與噪聲的系數(shù)幅值相比較，一般來(lái)講，小波系數(shù)幅值會(huì)大于噪聲的系數(shù)幅值，這樣一來(lái)，就可以對(duì)閾值進(jìn)行設(shè)定，把信號(hào)系數(shù)進(jìn)行保留，同時(shí)將噪聲系數(shù)歸為零。

這幾種小波變換去噪的方法都各有適用的范圍，也各有優(yōu)缺點(diǎn)，具體的比較情況如表1所示。

綜合上邊的討論，分析了傳統(tǒng)的圖像去噪的方法，然后對(duì)于小波變換去噪的含義進(jìn)行了分析，對(duì)于小波變換去噪的方法原理及去噪主要流程也都進(jìn)行了深入的探究。同時(shí)，小波變換去噪主要有三種方法，對(duì)這三種方法進(jìn)行列表比較，更清楚的看到其優(yōu)缺點(diǎn)和適用范圍，從而對(duì)小波變換去噪這一圖像去噪方法進(jìn)行了具體深入的分析，這對(duì)應(yīng)用小波變換去噪的方法有極大的好處。

[責(zé)任編輯：王偉平]