利用中值滤波处理图像

中值滤波法在图像处理中的应用摘要：从人眼的结构和视觉特性出发，研究了图像中噪声产生的机理和消除的方法；提出了利用中值滤波法消除图像噪声的实用方法，对影响图像信号的不同噪声采用了不同的滤波方法，并对信号的频谱和滤波的效果进行了研究和分析。利用中值滤波法消除图像中的随机噪声是图像噪声处理的最佳方法。关键词：图像处理；中值滤波；视觉特征；噪音处理ImageprocessingwithmediumvaluefilterAbstract:Fromthestructureofthehumaneyeandvisualcharacteristicsofstartingtostudythemechanismofimagenoisegenerationandeliminationmethods;proposedtheuseofmedianfilteringinapracticalwaytoeliminatetheimagenoise,whichaffecttheimagesignalswithdifferentnoiseusingadifferentfilteringmethod,andthesignalspectrumandfilteringeffectsoftheresearchandanalysis.Theuseofmedianfilteringmethodtoeliminatetheimageoftherandomnoiseisthebestwaytodealwithimagenoise.Keywords:imageprocessing;medianfilter;visualcharacteristics;noiseprocessing1引言在图像处理过程中，传输系统和外部干扰给图像造成的噪声如何消除是影响显示图像质量的关键问题，不影响人眼观察的噪声信号对显示图像并不产生干扰，图像质量的好坏和人眼的感光特性是密切相关的。由于人眼对图像的感觉是以亮度感觉为主的，而亮度感觉主要是由人眼的杆状细胞来完成的，杆状细胞对显示图像的感光是人眼多个细胞的平均光。人眼的锥状细胞感觉色彩，杆状细胞感觉亮高，每只人眼含有60~80万个锥状细胞，并集中分布在人眼视轴与视网膜相交的黄斑区内；含有7600~15000万个杆状细胞，并广泛分布于整个视网膜表面，人眼的锥状细胞每个细胞连接一根神经末梢，而杆状细胞是若干个细胞同时连接在一根神经末梢上。人眼对亮度的感觉主要来自杆状细胞。因此，人眼感受的是若干个杆状细胞，对平均光的刺激，而中值滤波所取的图像信号的中值正好适合于人眼杆状细胞的感光。对图像进行中值滤波后，可以很好地消除分布在图像上的各类随机噪声，且不影响图像给人的感觉。在图像传输过程中，外部干扰和系统内部干扰会给图像带来很多的随机噪声干扰，利用中值滤波就能很好地消除这些干扰，而中值滤波对图像信号的衰减又不影响人眼对图像的感觉。因此，利用中值滤波法来消除图像的随机干扰噪声是图像随机噪声消除的最佳方法。2图像的生成与图像噪声的处理成像设备所产生的图像，跟人眼有所不同，它们通常是确定的或唯一的)所生成的图像主要分为两类：一类是物理光学图像，一类是电子学图像。在图像处理学中主要涉及的是电子学图像，它是由电子设备（摄像机、数码像机、计算机、扫描仪等）所产生的。在对图像进行处理时，一般应首先将电子设备所产生的图像送入数字化仪（digitizer），使其变为一幅数字化的图像，从而对数字化的图像进行处理。图像数字化需要经过以下步骤：（1）按一定空间位置选取取样孔隙，忽略图像的其它部分，由取样孔隙获取每个像素。（2）将取样孔隙依一定模式在图像上移动，可使图像像素按某种顺序排列，从而满足对图像的扫描。（3）采用光感应器（Sensor）来量度光透过取样孔隙所获得的图像亮度；并将光强信号转化成电流或电压信号。（4）采用量化器将感应器产生的图像进行量化，使图像变成有限个可能的取值，从而完成图像的量化过程。（5）量化后的图像还需进行数字化编码，从而完成对模拟信号数字化的过程及图像的A/D转换过程。将数字化的图像信号送入计算机进行各类变换和处理。各类处理的目的是为了用最少的信息来表述最多的图像内容，并且能够合理的消除图像中的各类噪声。如何处理图像中的噪声是我们最关心的问题。处理图像的关键问题是要解决图像中的干扰、失真和噪声。高斯白噪声和随机噪声是图像传送中最常出现的两种噪声。高斯噪声常来自于设备，随机噪声主要来自于信道和外部系统。随机脉冲干扰噪声和随机椒盐噪声对图像的影响特别大，这类噪声的处理，对图像处理有着十分重要的意义。中值滤波法就能很好地消除这类噪声。对于随机噪声，若采用简单的平滑滤波（低通滤波），优点是电路简单方便，且对图像中随机噪声的消除具有很好的效果；但它同时又使得图像的边缘变的模糊，造成人眼视觉上的失真。若既想消除噪声，又不想让图像变得模糊，采用平滑滤波时，必须增加锐化图像的锐化滤波电路，即平滑锐化滤波（也叫LUM滤波）；平滑锐化滤波是噪声消除的实用方法之一，在图像分割预处理中常常采用，它具有实用的程序和电路，该方法主要采用图像高低的统计平均值和图像样本中值进行比较，通过运算得到图像的输出值；此过程含有了图像中值、统计平均值、输出值的运算过程，对图像处理具有明显的效果。采用中值滤波进行图像随机噪声的处理，能够很好的消除图像中的随机干扰噪声和其他噪声给图像带来的影响，并能保持图像的原有效果，在后面的图像处理效果图中得到了印证。3中值滤波法综述中值滤波法是一种非线性平滑技术，它将每一象素点的灰度值设置为该点某邻域窗口内的所有象素点灰度值的中值.实现方法：1、通过从图像中的某个采样窗口取出奇数个数据进行排序；2、用排序后的中值取代要处理的数据即可。中值滤波法对消除椒盐噪音非常有效，在光学测量条纹图象的相位分析处理方法中有特殊作用，但在条纹中心分析方法中作用不大。中值滤波在图像处理中，常用于用来保护边缘信息，是经典的平滑噪声的方法。中值滤波原理：中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个拎域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是去某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升（或下降）的为二维数据序列。二维中值滤波输出为g（x,y）=med{f(x-k,y-l),(k,l∈W)}，其中，f(x,y)，g(x,y)分别为原始图像和处理后图像。W为二维模板，通常为2*2，3*3区域，也可以是不同的的形状，如线状，圆形，十字形，圆环形等。4算法实验针对图像的中值滤波的过程为，首先将模板内（窗口）所涵盖的像素按灰度值由小到大排列，再取序列中间点的值作为中值，并以此值作为滤波器的输出值。在有很强的胡椒粉式（或脉冲）干扰的情况下，因为这些灰度值的干扰值与其邻近像素的灰度值有很大的差异，因此经排序后取中值的结果是强迫将此干扰点变成与其邻近的某些像素的灰度值一样，从而达到去除干扰的效果。应当注意的是中值滤波的过程是一个非线性的操作过程，它即能保持图像的轮廓，又能消除强干扰脉冲噪声。中值滤波除直接采用图像像素作中值外，还可采用其它的方法，例如平滑锐化滤波就含有取中值和样点计算的过程。另一种方法是先计算周边像素灰度的平均值，若所考虑像素的灰度与此平均值的差异超过一定临界值时，则判定此像素为干扰，该点的值应采用先前计算所得的平均值来替代，若不超出临界则用该点实际像素的灰度值作为滤波器的输出，此种方法更接近于人眼的实际感觉。利用中值滤波法消除图像噪声要经过如下过程：（1）输入图像；（2）加入模拟噪声；（3）中值滤波。源代码：%中值滤波clc,clear;f=imread('2.bmp');subplot(221),imshow(f);f1=imnoise(f,'gaussian',0.002,0.0008);subplot(222),imshow(f1);k1=floor(3/2)+1;k2=floor(3/2)+1;X=f1;[M,N]=size(X);uint8Y=zeros(M,N);funBox=zeros(3,3);fori=1:M-3forj=1:N-3funBox=X(i:i+3,j:j+3);s=sum(funBox(:));h=s/9;Y(i+k1,j+k2)=h;end;end;Y=Y/255;subplot(223),imshow(Y);算法实现：中值滤波的效果见图1。由图1可以看出，中值滤波对于消除高斯白噪声效果不是特别理想，但对消除随机干扰噪声效果却非常好。因此，中值滤波在图像处理中是比较理想的的滤波电路。（a）原图像（b）高斯白噪音图像（c）对图（b）进行中值滤波图像（d）加有椒盐噪音的图像（e）对图（d）进行中值滤波图像图15总结因为中值滤波的原理是取合理的邻近像素值来替代噪声点，所以只适合于椒盐噪声的去除，不适合高斯噪声的去除。在图像处理过程中，消除图像的随机噪声干扰是一个非常重要的问题，采用中值滤波对消除图像的随机干扰噪声效果非常好，经滤波后的图像既适合人眼的视觉感觉，又能够消除图像的干扰影响。因此，中值滤波是图像处理所不可缺少的，许多类型的随机图像噪声信号都可利用中值滤波法加以消除。参考文献：[1]朱虹等.数字图像处理基础[M].北京：科学出版社，2008.[2]王晓丹，王崇明.基于MATLAB的系统分析与设计[M].西安：西安电子科技大学出版社，2000.[3]王能超.数值分析简明教程[M].北京：高等教育出版社，2003.[4]中国期刊网