图像中值滤波的综述【文献综述】.doc

1、 1 毕业论文文献综述 电子信息工程 图像中值滤波的综述 摘要： 图像信号在产生、传输和记录过程中，经常会受到各种噪声的干扰，由于其严重地影响了图像的视觉效果，因此，在进行边缘检测、图像分割、特征提取、模式识别等工作之前，采用适当的方法减少噪声 (即：进行图像噪声的滤波 )，是一项非常重要的预处理步骤。对图像滤波的要求是，既能滤除图像中的噪声又能保持图像的细节。由于噪声和图像细节的混叠，所以在图像滤波中，图像的去噪与细节的保留往往是一对矛盾。图像滤波是图像处理中非常重要的技术环节，至今仍是图像处理领域的研究热点。而中值 滤波是图像滤波技术中关于去噪的一个重要组成部分。 关键词： 中值滤波；图像

2、处理 1.图像处理概述 数字图像处理 (Digital Image Processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术 1。 现实中的数字图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响，成为含噪图像。取出 或 减轻在获取数字图像中的噪声成为图像去噪。 图像去噪可以有很多方法，最常用的有领域平均法、空间域低通滤波、频率域低通滤波、多图像平均法、中值滤波。图像消噪过程如图 1 所示 1。 (a) 原始无噪图像 (b)含噪图像 (g)去噪后的图像 图 1 图像消噪过程 图像增强是 一个失真的过程，其目的是要改善图像的视觉效果，针对给定图

3、像的应用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。 图像增强过程如图 2 所示 2。 2 (a)原图 (b)增强后的图像 图 2 图像增强过程 图像复原是 对遥感图像资料进行大气影响的校正、几何校正以及对由于设备原因造成的扫描线漏失、错位等的改正，将降质图像重建成接近于或完全无退化的理想图像的过程。 图像复原过程如图 3 所示 3。 (a)原图像 (b)复原后的图像 (c)两者差异 图 3 图像复原过程 图像分割是

4、为后续工作有效进行而将图像划分为若干个有意义的区域的技术 。图像分割过程如下图 4 所示 4。 (a)原图像 (b)分割后的图像 图 4 图像分割过程 图像提取 特征是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。 2.中值滤波的定义 中值滤波是常用的一种非线性平滑滤波。它是一种领域运算 ， 类似于卷积 ， 但不是加权求和计算 ,而是把领域中的像素按灰度等级进行排序 ， 然后选择该组的中间值作为输出像素值， 它对脉冲干扰级 椒盐噪声的抑制效果

5、好，在抑制随机噪声的同时能有效保护边缘少受模糊 。它能减弱或消除傅里叶空间的高频分量 ， 但影响低频分量。因为高频分量对应图像中的区域边缘的灰度值具有较大较快变化的部分 ， 该滤波可将这些分量滤除 ,使图像平滑。 在一定条件下，可以克服线性滤波器所带来3 的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声最为有效，但对一些细节多，特别是点、线、尖顶细节多的图像不宜采用中值滤波的方法。 中值滤波的特征有两方面一是对某些特定的输入信号，滤波输出保持输入信号值不变，二是中值滤波可以用来减落随机干扰和脉冲干扰。正因为 有这些特征，所以中值滤波在地震、图像处理、遥测遥控等很多方面有它的应用领域。 3.中值

6、滤波的原理 中值滤波的基本原 理 是 ： 首先确定一个以某个像素为中心点的领域 ， 一般为方形领域 ； 然后将领域中的各个像素的灰度值进行排序 ， 取其中间值作为中心点像素灰度的新值 ， 这里的领域通常被称为窗口 。 当窗口在图像中上下左右进行移动后 ， 利用中值滤波算法可以很好地对图像进行平滑处理 5。 具体步骤如下 ： a) 将模板在图像中漫游 ,并将模板中心与图像中心某个像素的位置重合 ； b) 读取模板下各对应像素的灰度值 ； c) 将这些灰度值从小到 大排列成一列 ； d) 找出排在中间的一个值 ； e) 将这个中间值赋给对应模板中心位置的像素。 中值滤波的输出像素是由领域图像的中间

7、值决定的 ,因而中值滤波对极限像素值 (与周围像素灰度值差别较大的像素 )远不如平均值那么敏感 ,从而可以消除孤立的噪声点 ,又可以使图像产生较少的模糊。 中值滤波可定义为 g(x,y)=medf(x-i,y-i),(i,j) S，其中 g(x,y),f(x,y)为像素灰度值 ,S为模值。 4.中值滤波的实现 中值滤波的过程一般为： (1) 选择一个 (2n+1)， (2n+1)的窗口 (一般是 3x3)，使窗口沿图像数据的行方向和列方向从左至右、从上至下沿每个像素滑动。 (2) 每次滑动后，对窗 El内的像素灰度进行排序，并用中间值代替窗 El中心位置的像素灰度值。 中值滤波的输出像素是由领

8、域图像的中间值决定的 ,因而中值滤波对极限像素值 (与周围像素灰度值差别较大的像素 )远不如平均值那么敏感 ,从而可以消除孤立的噪声点 ,又可以使图像产生较少的模糊。在数字信号处理中，中值滤波的应用非常广泛，其特点是在滤除随机脉冲噪声的同时能较好地保护信号 6,7。 4 5.各种实现的比较 5.1.传统的中值滤波算法 标准窗中 中值滤波是以窗口中 N 个像素置换中心像素 8。设窗口大小为 A=N*N（ N 为奇数）对窗口内的各像素灰度值进行比较排序，用其中值取代窗口中心像素的灰度值，即图像中的第（ i,j）点的灰度值将通过对该领域 A 内 N2 个点的灰度值去中值得到 通常 ， 二维情况下的中

9、值滤波 8可定义为 ： Xij=MedianXmn (m,n) i,j (m,n) A 5.2.基于点检测的脉冲噪声中值滤波算法 一个噪声记录数组 A(i,j)中， 1 i X， 1 j Y， X 和 Y 为图像的总行数和总列数 A(i,j)与图像f(i,j)的像素点一一对应， A(i,j)值取为 0 或 1。当 A(i,j)的值为 1 时， (i,j)为噪声点；否则， (i,j)为非噪声点。脉冲噪声滤除算法如下： (1) 运行脉冲噪声点的判别算法 ,得到噪声记录数组 A(i,j)； (2) 对 i， j 赋初值， i=0， j=0； (3) 以 (i,j)为中心，用 3 3 的窗口对图像 f

10、(i,j)扫描； (4) 若 A(i,j)=0 且 iX，则 i=i+1，跳转到步骤 (3)，若 A(i,j)=0 且 i=X，则 i=0， j=j+1，跳转到步骤 (3)； (5) 依据噪声记录数组 A(i,j)将以 (i,j)为中心的 3 3 的窗口内的脉冲噪声点灰度值滤除，剩余像素点的灰度值由小到大进行排列； (6) 若剩余像素点为奇数个，则取此排列的中间值替换噪声的灰度值。若剩余像素点为偶数个，则取此排列中间两个灰度值的均值替换噪声的灰度值； (7) 若 i=X 且 j=Y，结束程序。若 iX，则 i=i+1，跳转到步骤 (3)。若 i=X，则 i=0， j=j+1，跳转到步骤 (3)

11、9。 (a) 原图像 (b) 经过点检测脉冲中值滤波后的图像 图 5 基于点检测的脉冲噪声中值滤波效果 5.3.基于 HVS 特性的图像自适应中值滤波算法 5 在滤波过程中，对判定为信号点的像素点不做任何处理，以保留更多的细节，而对噪声点的滤除采用窗口自适应的加权 10中值滤波算法。噪声滤波过程如下 11： (1) 给定初始滤波窗口大小为 3 3，对任意像素 I(i,j)，估计出像素 I(i,j)所处 3 3 邻域的噪声密度 (i,j)，进而确定滤波窗口尺寸 (2l+1) (2l+1)。 (2) 记以像素 I(i,j)为中心、大小为 (2l+1) (2l+1)的滤波窗口中所有信号点的中间值为

12、med(i,j)，则基于 HVS 特性的自适应中值 滤波的输出为： I(i,j)=N(i,j)med(i,j)+(1-N(i,j)I (i,j) (a) 原始图像 (b) 经过 HVS 特性的图像自适应中值滤波后代图像 图 6 基于 HVS 特性的图像自适应中值滤波效果 5.4.基于 FPGA 的 3*3 中值滤波算法 第一列 第二列 第三列 第一行 D11 D12 D13 第二行 D21 D22 D23 第三行 D31 D32 D33 最大值为： Maxl=maxD11,D12， D13； 中间值为： Medl=medD1l， D12， D13； 最小值为： Minl=minD11， D12

13、， D13； 同理得 Max2 Med2 Min2 Max3 Med3 Min3 Min-max=minMaxl， Max2， Max3； Med-med=medMedl， Med2， Med3； Max-min=maxMin1， Min2， Min3； Med-out=medMin-max， Med-med， Max-min12； 基于 FPGA 的滤波算法相对软件算法而言具有高度的并行性，能满足实现图像处理的要求，同时 也具有灵活的硬件可编程性 13。 6 (a)原图 (b)经过基于 FPGA 的中值滤波后的图像 图 7 基于 FPGA 的 3*3 中值滤波效果 5.5.基于发光二极管阵列

14、的光学中值滤波的实现 中值滤波是顺序统计滤波 ()S)的特殊情况。以二维图像为例 :用 N 义 N(N 为奇数 )韵顺序统计滤波作用于图像 f(i， j)上，则第 k 级 ()S 滤波输出为 2( , )1( ) ( , ) ( )Nkm i jmS f i j a W m ， 1, m0,a km 其 他（ 1） 中值滤波牵涉到滤波窗内的图像值的排序和取中值输出，很难直接用光学方法实现 .式 (1)和 (2)形式上基本相同，但它们表示两种实现中值滤波方法。要实现式 (1)，就需要排序，取中值；而要实现式 (2)，则需要计算交集中像元值为 1 的数目，也就是求滤波窗内图像值的和，并以 k 为闭

15、值取闭。很明显，用光学方法可以实现求和运算，加上电取闭，就可以实现光学二值中值滤波 .同时利用闭值分解技术 14可实现灰值图像的中值滤波，即将灰值图像分解成一系列二值化编码图像，分别进行中值滤波，再将其结果叠加 ，就得到灰值图像的中值滤波 15。 ( ) 1 f ( , , ( )0,( , )n i j i thr nf i j ， 其 他 （ 2）(a) 灰度图像 (b) 中值滤波后的图像 图 8 .基于发光二极管阵列的光学中值滤波的实现的效果 5.6.中值滤波算法的 C 语言程序实现 本算法采用对开辟的 3*512的缓冲区从左到右依次形成一个 3*3的窗口，然后将此 3*3的窗口放人一个

16、一维数组中，调用求中值子函数，通过排序得出 中值，当此中值不等于窗口中间位置的象素时，用此中值来代替窗口中间位置的象素灰度值，若此缓冲区处理完毕后，将缓冲区的第一行存人新建的文件中，将第二、第三行分别向上移动一行，若存人新建的文件中的行数小于或等于 511(即这样7 处理的行数小于或等于 511)，则从原文件中调人一行作为缓冲区第三行，按上述方法进行直到处理的总行数等于 511为止，最后，将缓冲区的第二、三行存人新建的文件，程序流程框图如图 916。 图 9 基于 C语言的中值滤波算法流程图 6总结 通过对中值滤波几种方法的比较，各种方法都有优势和缺点。基 于噪声点检测的脉冲噪声滤波方法可以在

17、滤除噪声的同时有效地保持图像的细节信息，在噪声点的判别中，比传统的中值滤波算法，在对脉冲噪声的滤波上有明显的优势，可以在去除噪声点的同时，较好地保留图像的细节信息。而基于 HVS 特性的图像自适应中值滤波算法在不同强度的脉冲噪声干扰下，取得了较好的图像处理效果，相比其他中值滤波算法具有更好的滤波能力。基于 FPGA 的滤波算法相对软件算法而言具有高度的并行性，能满足实现图像处理的要求，同时也具有灵活的硬件可编程性。 中值滤波算法的 C语言程序实现 采用对程序运行计时的方法，对中值滤波的 快速算法和普通算法进行精确的比较，结论可靠。 总而言之，在特定的环境下要使用特定的方法来进行中值滤波，做到在

18、这个环境下能够做到的最好的中值滤波，使图像更加清晰，能够更好的抑制干扰脉冲和点状噪声，保护好图像的边缘信息和图像细节。 8 参考文献 1 侯建华 , 基于小波及其统计特性的图像去噪方法研究 D.湖北武汉 :华中科技大学 ,2007. 2 顾建雄 , 红外图像增强算法研究 D.甘肃兰州 :兰州大学 .2009. 3 沈凤龙 , 雨天气条件下图像复原方法研究 D. 辽宁沈阳 :沈阳大学 ,2008. 4 邓晓郑 ,焦李成等 ,基于克隆选择和多重空间构造的彩色图像分割 J.电子与信息学报 ,201 0.8,32(8):1792-1797. 5 陈杨 ,陈荣娟 ,郭颖辉 . Matlab 6. X图形

19、编程与图像处理 M.西安 :西安电子科技大学出版社 ,2002. 6 Callage C N,Wise G L.A theoretical analysis of the properties of median filters. J.IEEE Tran s,1981,ASSP-29:1136-1141. 7 王积分 ,张新荣 . 计算机图象识别 M.北京中国铁道出版社 ,1988,5. 8 夏德深 . 现代图像处理技术及应用 M.南京 :东南大学出版社 ,1997,7. 9 卢洋 ,杨晓斌 . 基于点检测的脉冲噪声中值滤波算法 J.南昌工程学院学报 . 2009.2,28(1):1 2-15

20、. 10 Brownrigg D R K.The Weighted Median FilterJ.Communication of ACM,1984,27(8):807-8 18. 11 杨恒伏 ,孙光 ,田祖伟 基于 HVS特性的图像自适应中值滤波算法 J. 计算机工程 . 2009,3 5(11):231-234. 12 杨春玲 ,朱敏 EDA技术与试验 M.哈尔滨工业大学出版社 ,2009.4. 13 吴频 , 宣 祥 光 等 . 图 像 的 中 值 滤 波 算 法 及 其 FPGA 实现 J. 计 算 机 测 量 与 控制 .2008,16(11):1072-1076. 14 Wendt P D,Coyle E J,Gallagher N C, Digital Picture ProcessingJ.IEEE Trans.Acoust.,Spee ch,Signal Processing,1986,34:398-911. 15 张建明 ,刘颖 ,刘福来等 . 基于发光二极管阵列的光学中值滤波的实现 J. 红外与毫米波学报 ,1995,14(3):5-8. 16 熊金泉 ,李鉴庆 . 用 C 语言在微机上实现中值滤波及其快速算法 J. 江西教育学院学报 (自然科学 ), 1992,20(6):13-17.