一種基于中值濾波的圖像預(yù)處理改進(jìn)算法

肖莉

一種基于中值濾波的圖像預(yù)處理改進(jìn)算法

肖莉

（安徽三聯(lián)學(xué)院 電子電氣工程學(xué)院，安徽 合肥 230601）

對(duì)于圖像處理領(lǐng)域中常見的椒鹽噪聲來(lái)說(shuō)，比較經(jīng)典的去噪算法是中值濾波去噪算法．但是，中值濾波算法是直接選取一定形狀的區(qū)域塊，再對(duì)此區(qū)域塊內(nèi)圖像的所有灰度值進(jìn)行重排序，選取重排序后的灰度中值作為區(qū)域內(nèi)新的灰度值，此方法簡(jiǎn)單但未去除噪聲點(diǎn)對(duì)整體圖像傳輸帶來(lái)的影響．基于椒鹽噪聲在圖片傳輸中的非白即黑特點(diǎn)，提出了一種去除噪聲點(diǎn)影響的新算法．首先，在選定區(qū)域內(nèi)去除異常噪聲點(diǎn)，使用非噪聲灰度值進(jìn)行替代；然后，通過(guò)反復(fù)實(shí)驗(yàn)找到合理的椒鹽噪聲密度閾值；最后，在此閾值的情況下，進(jìn)行新灰度值的排序，排序的中心值替代原始灰度排序的中心值．通過(guò)仿真驗(yàn)證了新算法在椒鹽噪聲密度比較大的場(chǎng)景，去噪效果較中值濾波算法更優(yōu)越．

椒鹽噪聲；中值濾波；圖像去噪；峰值信噪比；結(jié)構(gòu)相似度

圖像在傳輸過(guò)程中不可避免地會(huì)受到各種噪聲的干擾[1]，使圖像的質(zhì)量嚴(yán)重退化，從而影響后續(xù)基于圖像的各種實(shí)際應(yīng)用．

根據(jù)噪聲的性質(zhì)，可以把噪聲分為椒鹽噪聲[2]和高斯噪聲[3]兩類．為了在傳輸中能最大程度地去除噪聲對(duì)系統(tǒng)的影響，在圖像處理領(lǐng)域中陸續(xù)出現(xiàn)各種各樣的去噪算法，其中最受學(xué)者喜愛的算法有中值濾波法、均勻?yàn)V波法、高斯濾波法等，目前的圖像算法大都是基于這些算法進(jìn)行相關(guān)的優(yōu)化和改進(jìn)的結(jié)果．

中值濾波算法能夠非常好地去除椒鹽噪聲的影響，還可以較好地保留圖像的細(xì)節(jié)特征，所以得到很多學(xué)者的關(guān)注．本文基于中值濾波算法的理論思想提出了一種改進(jìn)的圖像處理算法（預(yù)去噪濾波算法），此算法通過(guò)MATLAB軟件仿真驗(yàn)證了其在椒鹽噪聲密度比較高的場(chǎng)景下，性能優(yōu)于傳統(tǒng)的中值濾波算法，并通過(guò)量化指標(biāo)進(jìn)行對(duì)比，也證明了其優(yōu)越性．

1 中值濾波算法

中值濾波算法[4-5]基于排序統(tǒng)計(jì)邏輯的思想，能有效抑制噪聲．這種濾波算法的優(yōu)點(diǎn)是運(yùn)算簡(jiǎn)單、速度快，濾除噪聲的同時(shí)還能很好地保留圖像的細(xì)節(jié)信息，在濾除椒鹽噪聲存在的場(chǎng)景有著較好的優(yōu)勢(shì)．

中值濾波算法是一種鄰域概念的算法，主要實(shí)現(xiàn)邏輯是：

（1）對(duì)鄰域區(qū)域進(jìn)行確立，以某一像素點(diǎn)為中心選取一定的形狀區(qū)域，如方形、十字形、圓形等．

（2）確定新中心點(diǎn)，將上面選擇的形狀范圍內(nèi)的各個(gè)像素灰度值進(jìn)行排序，取排序后的中間值作為中心點(diǎn)像素灰度的新值．

簡(jiǎn)單地來(lái)說(shuō)，中值濾波算法就是使用一個(gè)窗口，讓這個(gè)窗口沿著第一步驟中的形狀進(jìn)行移動(dòng)，窗口中心位置的像素灰度用排序后所有像素灰度的中值代替．

中值濾波算法處理起來(lái)比較簡(jiǎn)單，但是其排序把噪聲也放在了里面，所以給圖像傳輸帶來(lái)了影響．本文基于椒鹽噪聲的特點(diǎn)，在進(jìn)行像素點(diǎn)灰度值排序之前先將噪聲進(jìn)行最大限度地預(yù)處理，之后將得到的新的像素灰度值進(jìn)行排序，選取中值，最后通過(guò)MATLAB軟件仿真、量化計(jì)算和經(jīng)典的中值濾波算法進(jìn)行對(duì)比，驗(yàn)證了新算法的優(yōu)越性．

2 預(yù)去噪濾波算法

2.1 算法原理

本算法針對(duì)椒鹽噪聲的非白即黑的突出特點(diǎn)，即其圖形灰度值[6]常表現(xiàn)的范圍為0或者255的灰度值，正是基于此特點(diǎn)對(duì)傳輸中的圖像灰度值進(jìn)行了預(yù)處理[7]，刪除這些存在明顯異常的灰度值．

在實(shí)驗(yàn)中使用強(qiáng)大的數(shù)學(xué)處理工具M(jìn)ATLAB軟件，選擇20幅不同的圖像加入椒鹽噪聲，通過(guò)對(duì)這些圖片的灰度值進(jìn)行觀察，發(fā)現(xiàn)軟件讀取的圖像灰度信息中相對(duì)于其他灰度值有特別明顯的灰度值0和255，這些異常的灰度值就是椒鹽噪聲的灰度值．

本文提出的預(yù)去噪濾波算法是在此基礎(chǔ)上進(jìn)行的圖形處理過(guò)程，具體流程見圖1．

2.1.6窗口移動(dòng)移動(dòng)窗口逐步對(duì)圖形中的所有像素點(diǎn)進(jìn)行掃描，直至所有圖像灰度值掃描完成為止．

2.2　仿真驗(yàn)證

使用MATLAB軟件對(duì)預(yù)去噪算法進(jìn)行仿真驗(yàn)證，分別選擇噪聲密度值為0.1，0.4，0.7三種場(chǎng)景進(jìn)行對(duì)比（見圖2～4）．

圖2　噪聲密度為0.1時(shí)算法仿真對(duì)比

圖3　噪聲密度為0.4時(shí)算法仿真對(duì)比

圖4　噪聲密度為0.7時(shí)算法仿真對(duì)比

通過(guò)圖2～4三種不同噪聲密度時(shí)中值濾波和預(yù)去噪算法的仿真結(jié)果可以看出，當(dāng)椒鹽噪聲密度越高時(shí)，經(jīng)過(guò)新算法去噪處理后的圖形會(huì)更清晰，噪聲點(diǎn)也較少．從而說(shuō)明了中值濾波的去噪處理性能不如本文提出的預(yù)去噪算法的性能，驗(yàn)證了本文提出的新算法性能的優(yōu)越．

2.3　量化數(shù)據(jù)驗(yàn)證分析

由圖2～4可見，仿真效果從視覺(jué)主觀上能明顯看出新算法的優(yōu)越性，通過(guò)量化數(shù)據(jù)對(duì)這兩種算法進(jìn)行對(duì)比，以期說(shuō)明中值濾波算法和預(yù)去噪算法之間性能的差異性．

2.3.1 圖像的峰值信噪比（Peak Signalto Noise Ratio，PSNR） PSNR[10]一般是最大值信號(hào)和噪音之間的一個(gè)比值．圖像在傳輸中會(huì)經(jīng)過(guò)壓縮，導(dǎo)致最終的輸出與原始圖像之間存在差距，在圖形處理領(lǐng)域經(jīng)常會(huì)用到PSNR作為量化指標(biāo)．通常會(huì)使用PSNR值來(lái)判斷某個(gè)算法對(duì)圖形處理得是否理想，PSNR的值越高代表圖像處理后的質(zhì)量越好，即表示算法的去噪效果越好．

2.3.2 結(jié)構(gòu)相似度（Structural Similarity，SSIM） SSIM是一種從亮度、對(duì)比度、結(jié)構(gòu)三方面度量圖像相似性的質(zhì)量評(píng)價(jià)指標(biāo)．它的取值范圍為[0，1]，值越接近1，表示去噪處理后圖像的質(zhì)量越好．

2.3.3 量化值對(duì)比 分別采用椒鹽噪聲密度值為0.1，0.4，0.7三種情況計(jì)算中值濾波算法和預(yù)去噪算法的兩個(gè)量化指標(biāo)PSNR和SSIM值（這里選擇黑白熊貓圖片作為標(biāo)本），經(jīng)過(guò)反復(fù)實(shí)驗(yàn)[11]得到表1的結(jié)果．

表1 算法PSNR和SSIM的驗(yàn)證對(duì)比

從表1可以看出，當(dāng)選擇噪聲密度為0.1時(shí)，新算法預(yù)去噪算法的PSNR值沒(méi)有原中值濾波算法高，即性能沒(méi)有原算法優(yōu)越，且新算法預(yù)去噪算法SSIM值小于原中值算法，即性能沒(méi)有原中值算法優(yōu)越；但是當(dāng)噪聲密度為0.4和0.7時(shí)，新算法預(yù)去噪算法的PSNR值高于原中值濾波算法，即性能優(yōu)于原算法，且新算法預(yù)去噪算法SSIM值大于原中值算法，即性能也優(yōu)于原中值算法．所以，可以看出當(dāng)噪聲密度值大于0.4時(shí)，新算法預(yù)去噪算法的去噪性能優(yōu)于原中值濾波算法．

實(shí)驗(yàn)為了進(jìn)一步驗(yàn)證新算法的優(yōu)越性，選擇了大量不同的圖片進(jìn)行測(cè)試驗(yàn)證（熊貓、長(zhǎng)頸鹿、企鵝、樹、玫瑰花、城堡、人物、兔子、水壺、鳥等）發(fā)現(xiàn)，本文提出的新算法預(yù)去噪算法當(dāng)圖形結(jié)構(gòu)簡(jiǎn)單時(shí)，如玫瑰花，其椒鹽噪聲密度在閾值超過(guò)0.2時(shí)，即可實(shí)現(xiàn)PSNR和SSIM的結(jié)果都優(yōu)于中值濾波算法．隨著圖形逐漸復(fù)雜，閾值在0.4時(shí)也都會(huì)實(shí)現(xiàn)性能優(yōu)于經(jīng)典的中值濾波算法．

通過(guò)不斷地測(cè)試驗(yàn)證結(jié)果都表明，當(dāng)椒鹽噪聲密度增大時(shí)，可選擇本文提出的預(yù)去噪算法來(lái)進(jìn)行圖像的去噪處理，其相對(duì)于經(jīng)典中值濾波算法有較好的去噪處理性能．

3 結(jié)語(yǔ)

椒鹽噪聲是圖像處理過(guò)程中比較常見的一種噪聲，中值濾波算法能夠很好地去除椒鹽噪聲對(duì)圖形傳輸?shù)挠绊懀疚奶岢隽艘环N預(yù)去噪算法，根據(jù)椒鹽噪聲的特征在領(lǐng)域區(qū)域中去除灰度值跳躍比較大的點(diǎn)，能更好地去掉了噪聲對(duì)圖形的影響．通過(guò)仿真驗(yàn)證及量化計(jì)算兩種分析方法，都說(shuō)明在椒鹽噪聲密度比較大時(shí)，新算法的抗噪聲性能更佳，對(duì)受到椒鹽噪聲影響的圖像處理有一定的參考價(jià)值．

[1]張娜娜，張媛媛，丁維奇．經(jīng)典圖像去噪方法研究綜述[J]．化工自動(dòng)化及儀表，2021，48（5）：409-412，423．

[2]劉曉明，白宗化．基于濾波方法的遙感圖像去噪算法[J]．中國(guó)電子科學(xué)研究院學(xué)報(bào)，2022，17（10）：952-958．

[3]關(guān)雪梅．一種基于中值濾波和小波變換的圖像去噪處理算法的研究[J]．中州大學(xué)學(xué)報(bào)，2020，37（1）：121-124．

[4]托乎提努爾，張海龍，王杰，等．基于圖形處理器的高速中值濾波算法[J]．吉林大學(xué)學(xué)報(bào)（工學(xué)版），2019，49（3）： 979-985．

[5]劉曉婷．基于自適應(yīng)中值濾波的指紋脈沖噪聲去除方法[J]．警察技術(shù)，2022（4）：62-63．

[6]申彥春．基于DSP的圖形變換算法研究與實(shí)現(xiàn)[J]．唐山學(xué)院學(xué)報(bào)，2013，26（3）：85-87．

[7]何英杰，石秀東，陳昊，等．基于小波變換的W18Cr4V圖像去噪算法研究[J]．輕工機(jī)械，2023，41（1）：59-65．

[8]衛(wèi)洪春．一種改進(jìn)的多邊形區(qū)域填充算法[J]．電腦知識(shí)與技術(shù)，2016，12（2）：210-212

[9]邵云虹，周曉晶，野金花，等．改進(jìn)小波閾值函數(shù)圖像去噪[J]．通化師范學(xué)院學(xué)報(bào)，2022，43（4）：65-68．

[10]徐磊，張虹，閆善文，等．圖像處理過(guò)程中影響PSNR的因素分析[J]．通化師范學(xué)院學(xué)報(bào)，2021，42（4）：44-48．

[11]王倩，丁建偉，張琪．圖像去噪系統(tǒng)綜合實(shí)驗(yàn)設(shè)計(jì)[J]．電子技術(shù)與軟件工程，2021（24）：89-92．

Improved image preprocessing algorithm based on median filter

XIAO Li

（School of Electronic and Electrical Engineering，Anhui Sanlian University，Hefei 230601，China）

The classic image denoising algorithm is the median filter denoising algorithm for the common salt and pepper noise in the field of image processing．But the median filtering algorithm is to select an area block of a certain shape directly，and then reorder all gray values of the image in this area block．The median gray value is selected as the new gray value in the area after reordering，this method is simple however does not remove the influence of noise points on the overall image transmission．A new algorithm to remove the influence of noise points is proposed，based on the non-white and black characteristics of salt and pepper noise in image transmission．Firstly，the exceptional noise points are removed in the selected area， and the non-noise grayscale value is used instead．Then，a reasonable salt and pepper noise density threshold was found through repeated experimentations．Finally，the sorting of the new grayscale values is carried out in the case of this threshold，and the center value of the sort replaces the center value of the original grayscale sort．Simulation verifies that the new algorithm has superior denoising effect than the median filtering algorithm in scenarios with relatively large salt and pepper noise density．

salt and pepper noise；medianfilter；image denoising；PSNR；SSIM

1007-9831（2023）10-0041-04

TP391.41

A

10.3969/j.issn.1007-9831.2023.010.008

2023-04-12

安徽三聯(lián)學(xué)院校級(jí)科研基金項(xiàng)目（KJZD2022009）；安徽省教育廳自然科學(xué)重點(diǎn)項(xiàng)目（2023AH051705，2022AH051992，2022AH052001）

肖莉（1987-），女，安徽合肥人，助教，碩士，從事通信與信息系統(tǒng)研究．E-mail：393523081@qq.com