基于×字形窗口的自適應(yīng)中值濾波算法

1、    基于×字形窗口的自適應(yīng)中值濾波算法王艷俠，張有會，康振科，張金棟(1河北師范大學(xué)數(shù)學(xué)與信息科學(xué)學(xué)院，河北石家莊050016；2解放軍理工大學(xué)通信工程學(xué)院，江蘇南京210007)由于種種原因，圖像在生成、傳輸、變換等過程中往往會受到各種噪聲的污染，從而導(dǎo)致圖像質(zhì)量退化。噪聲信號的濾波是圖像處理的基本任務(wù)之一，主要有線性濾波和非線性濾波兩種方法。線性濾波方法一般具有低通特性，而圖像的邊緣信息對應(yīng)于高頻信號，因此線性濾波方法往往導(dǎo)致圖像邊緣模糊，不王艷俠，張有會，康振科，張金棟(1河北師范大學(xué) 數(shù)學(xué)與信息科學(xué)學(xué)院，河北石家莊050016；2解

2、放軍理工大學(xué)通信工程學(xué)院，江蘇 南京210007)由于種種原因，圖像在生成、傳輸、變換等過程中往往會受到各種噪聲的污染，從而導(dǎo)致圖像質(zhì)量退化。噪聲信號的濾波是圖像處理的基本任務(wù)之一，主要有線性濾波和非線性濾波兩種方法。線性濾波方法一般具有低通特性，而圖像的邊緣信息對應(yīng)于高頻信號，因此線性濾波方法往往導(dǎo)致圖像邊緣模糊，不能取得很好的復(fù)原效果。中值濾波是一種使邊緣模糊較輕的非線性濾波方法，是由Tukey發(fā)明的一種非線性信號處理技術(shù)，早期用于一維信號處理，后來很快被用到二維數(shù)字的圖像平滑中。該算法不僅能夠去除或減少隨機(jī)噪聲和脈沖噪聲干擾，而且能夠很大程度地保留圖像的邊緣信息，近年來在圖像平滑和數(shù)據(jù)分

3、析與處理等多個(gè)領(lǐng)域中得到廣泛應(yīng)用。盡管如此，由于它對窗口和數(shù)據(jù)點(diǎn)的高度依賴，使其在處理空間密度較大的沖激噪聲時(shí)，處理效果和效率受到了限制。文獻(xiàn)4提出一種自適應(yīng)中值濾波算法，通過擴(kuò)大窗口來相對減少?zèng)_激噪聲空間密度，但它是基于方形窗口的，當(dāng)窗口尺寸增大時(shí)，計(jì)算量將按平方增大，因此在速度方面還不夠理想。在數(shù)字圖像處理中，作為一種典型的非線性濾波方法，中值濾波應(yīng)用得非常廣泛，因而對提高其算法效率是非常有意義的。本文對Matlab工具箱中的中值濾波算法進(jìn)行改進(jìn)，提出一種基于×字形濾波窗口的自適應(yīng)中值濾波算法，在有效去除噪聲的同時(shí)，較好地保持了圖像細(xì)節(jié)，縮短了運(yùn)行時(shí)間。1中值濾波的基本原理及傳統(tǒng)

4、算法信號中值(medians)是按信號值大小順序排列的中間值。長為n的一維信號X，nN的中值用下式表示：相對二維圖像信號Xij:i，jN，二維中值濾波器定義為：式(1)、式(2)中：N表示自然數(shù)集；A為截取圖像數(shù)據(jù)的窗口尺寸；r為窗口水平尺寸；s為窗口垂直尺寸；Xij為被處理圖像平面上的一個(gè)像素點(diǎn)，坐標(biāo)為(i，j)；Yij是以Xij為中心，窗口W所套中范圍內(nèi)像素點(diǎn)灰度的中值，即中值處理的輸出值。窗口A可以采用不同的形式，通常有線段窗、方形窗、圓形窗、十字窗和圓環(huán)窗等。文獻(xiàn)6對中值濾波的多種形態(tài)及其發(fā)展有詳細(xì)的介紹。中值濾波就是選擇一定形式的窗口，使其在圖像的各點(diǎn)上移動(dòng)，用窗內(nèi)像素灰度值的中值代

5、替窗中心點(diǎn)處的像素灰度值。它對于消除孤立點(diǎn)和線段的干擾十分有用，能減弱或消除傅里葉空間的高頻分量，但也影響低頻分量。高頻分量往往是圖像中區(qū)域邊緣灰度值急劇變化的部分，該濾波可將這些分量消除，從而使圖像得到平滑的效果。對于一些細(xì)節(jié)較多的復(fù)雜圖像，還可以多次使用不同的中值濾波。傳統(tǒng)中值濾波算法的具體實(shí)現(xiàn)過程如下：(1)選擇一個(gè)(2n+1)×(2n+1)的窗口(通常為3×3或5×5)，并用該窗口沿圖像數(shù)據(jù)進(jìn)行行或列方向的移位滑動(dòng)；(2)每次移動(dòng)后，對窗內(nèi)的諸像素灰度值進(jìn)行排序；(3)用排序所得中值替代窗口中心位置的原始像素灰度值。圖1是傳統(tǒng)中值濾波算法的框圖。其中，M，

6、N分別表示濾波圖像的行數(shù)和列數(shù)。2自適應(yīng)中值濾波的基本原理及改進(jìn)算法中值濾波是當(dāng)前應(yīng)用最廣泛的濾波方法之一，然而，中值濾波的去噪效果和處理速度依賴于濾波窗口的大小及參與中值計(jì)算的像素點(diǎn)數(shù)目。當(dāng)脈沖噪聲概率小于0.2時(shí)，中值濾波是很有效的方法，當(dāng)脈沖噪聲概率超過0.2時(shí)，則使用自適應(yīng)中值濾波方法。×字形窗口的自適應(yīng)中值濾波算法是對中值濾波的一種改進(jìn)。相對于中值濾波而言，它能夠處理空間密度更大的沖激噪聲，并且在平滑非沖激噪聲時(shí)，還可保存更多的圖像細(xì)節(jié)；效率方面也較一般的自適應(yīng)中值濾波有所改善。常見窗口及本文提出窗口如圖2所示。基本原理如下：首先，采用3×3的×字形窗口

7、進(jìn)行計(jì)算，計(jì)算圖像的中值濾波值Zmed、最大值濾波值Zmax和最小值濾波值Zmin，并判斷噪聲敏感度，即：如果Zmec，不在Zmax和Zmin之間就自動(dòng)增加×字形窗口的大小，然后重復(fù)以上的過程；對于Zmed在Zmax和Zmin之間的點(diǎn)先用原像素值與最大濾波值和最小濾波值進(jìn)行判斷，如果在其間，原值不做修改，反之就用Zmed取代原值。這一過程有如下的作用：(1)使得未受脈沖噪聲污染的點(diǎn)不用修改，很好地保護(hù)了圖像的點(diǎn)、線等細(xì)節(jié)及邊界信息；(2)當(dāng)檢測到的噪聲很強(qiáng)時(shí)，自動(dòng)增大窗口，提高了去噪能力；(3)當(dāng)檢測到的噪聲不是很強(qiáng)時(shí)，就不用增加窗口的大小，既體現(xiàn)出自適應(yīng)性，又減少了時(shí)間開銷，提高了

8、速度。其中，×字形窗口的實(shí)現(xiàn)方法如下：(1)先得到一個(gè)對角矩陣A；(2)將對角矩陣A從左向右翻轉(zhuǎn)，得到一個(gè)矩陣B；(3)將矩陣A與矩陣B取或運(yùn)算，得到X字形矩陣C。3基于×字形窗口自適應(yīng)中值濾波算法的Matlab實(shí)現(xiàn)中值濾波是數(shù)字圖像處理中一個(gè)很重要的部分，Matlab工具箱中有該函數(shù)，用到中值濾波算法時(shí)可直接調(diào)用。因此，用Matlab編程具有簡單、方便、快捷等優(yōu)點(diǎn)。另外，還可以對其內(nèi)部函數(shù)進(jìn)行改進(jìn)。本文的算法就是通過另外編程修改中值濾波有關(guān)的內(nèi)部函數(shù)實(shí)現(xiàn)的。下面就是自適應(yīng)中值濾波算法的實(shí)現(xiàn)流程，添加新的庫函數(shù)adpmedianXzi對圖像處理工具箱進(jìn)行擴(kuò)展，以實(shí)現(xiàn)數(shù)字圖像

9、自適應(yīng)中值濾波(部分偽代碼)。4實(shí)驗(yàn)結(jié)果及其分析在實(shí)驗(yàn)中，選擇了大小為256×256像素、灰度為256級的Lena圖像。實(shí)驗(yàn)環(huán)境為IBM R52，Matlab7.0軟件。實(shí)驗(yàn)結(jié)果如圖3、圖4所示。圖3(b)顯示了被“椒鹽”噪聲污染了的圖像，該噪聲的概率為Pa=Pb=0.25。這里噪聲水平非常高，能夠模糊圖像的大部分細(xì)節(jié)。作為比較的基礎(chǔ)，圖像首先用7×7的中值濾波器進(jìn)行濾波，消除大部分可見的脈沖噪聲痕跡(見圖3(b)。雖然噪聲被有效消除了，但是濾波器在圖像上也引起了明顯的細(xì)節(jié)損失。圖3(d)顯示了使用Smax=7的方形窗口自適應(yīng)中值濾波器的效果，噪聲消除水平同中值濾波器相似。圖3(e)為基于×型窗口的自適應(yīng)中值濾波效果。自適應(yīng)濾波器保持了點(diǎn)的尖銳性和細(xì)節(jié)?？梢?，改進(jìn)是很明顯的，而且通過對比方形窗口與×字形窗口發(fā)現(xiàn)，×字形窗口的運(yùn)行效率也提高了不少。5結(jié)語通過對Matlab圖像處理工具箱中算法的改進(jìn)，實(shí)現(xiàn)了一種快速自適應(yīng)中值濾波算法。在對圖像濾波前，首先判斷是否為脈沖，然后采取變化×字形窗口大小來對噪聲進(jìn)行濾波，這