基于MATLAB中值濾波算法的優(yōu)化與實現(xiàn)＊

趙建春 劉力源

（陸軍軍官學院研究生管理大隊 合肥 230031)

1 引言

非線性濾波［1］較傳統(tǒng)的線性濾波在濾除噪聲的同時，能最大限度地保持圖像信號的邊緣細節(jié)，使圖像清晰、逼真，從而得到廣泛研究和應(yīng)用。常用的中值濾波是非線性濾波的代表。雖然典型的中值濾波能夠減少圖像中的椒鹽噪聲，但是當椒鹽噪聲在空間出現(xiàn)的概率較大時，中值濾波器為了濾除噪聲，不得不增大濾波窗口，在濾除噪聲的同時損失了信號的高頻信息，使圖像的邊緣等細節(jié)模糊，產(chǎn)生較嚴重的失真［2～3］。本文對中值濾波算法進行分析，給出中值濾波優(yōu)化算法，使圖像在有效濾除噪聲的同時，能較好地保護圖像的邊緣細節(jié)，以提高圖像處理效果。

2 中值濾波

中值濾波［4］是基于排序統(tǒng)計理論的一種能有效抑制脈沖噪聲的非線性信號處理技術(shù)。一個中值濾波器的輸出可寫為

式中，f（s，t)，g（x，y)分別為原始圖像和處理后圖像，N（x，y)是以（x，y)為中心的n×n矩形濾波窗口（n為奇數(shù))，median是將濾波窗口中的n2個像素點按灰度值大小排序后取中值，其流程圖如圖1所示。

圖1 中值濾波流程圖

由圖1可知，中值濾波器的主要功能就是把數(shù)字圖像中一點的值用該點的一個領(lǐng)域中各點值的中值代替，從而消除孤立的噪聲點。

部分源程序及相關(guān)功能的注解如下：

3 改進型中值濾波

中值濾波是去除脈沖噪聲的最常用、最有效的方法之一，而椒鹽噪聲是一種在圖像中產(chǎn)生黑色-白色點的脈沖噪聲［5～6］，即在圖像信息是黑色的地方產(chǎn)生白色的噪聲，在圖像信息是白色的地方產(chǎn)生黑色的噪聲，噪聲點與原圖像像素點相比有兩個明顯的特征：1)噪聲的灰度值非常大或者非常??；2)噪聲點與鄰域內(nèi)信號點灰度值相差較大。針對椒鹽噪聲點的特征，筆者對以上中值濾波算法作以下改進，即在噪聲濾波之前，先判斷待處理點是否為噪聲點，然后再對噪聲點進行處理。

設(shè)濾波窗口內(nèi)所有像素點構(gòu)成的集合N＝｛N（x，y)｝為n×n矩陣，f（s，t)為其中心點，記該點與濾窗內(nèi)其它像素點灰度值偏差Z＝｜f（s，t)－N（x，y)｜，其最大值Zmax＝max｛Z｝，對于一般不含噪聲的圖像，統(tǒng)計所有像素點對應(yīng)的Zmax，由直方圖可以看出，99.2%的Zmax取值范圍在10～150之間，故設(shè)定一個檢測閾值T1＝150，如果Zmax＞T1，則判定該中心點為噪聲點。這樣可以判別最大偏差在150～255之間的椒鹽噪聲，而對于最大偏差在50～150之間的噪聲點，用Zmax＞T1判定該中心點是否為噪聲點就會失效。椒鹽噪聲分為椒噪聲（黑色)和鹽噪聲（白色)，在背景較黑區(qū)域上的椒噪聲或者背景較白區(qū)域上的鹽噪聲，與背景像素灰度的最大偏差較小，在50～150之間。由于椒鹽噪聲點有較強的孤立性，使得該點與濾窗內(nèi)其它像素點灰度值偏差Z有超過半數(shù)大于某一門限值，通常這一門限值與背景的灰度值有關(guān)，在50～100之間。故另設(shè)定一個檢測閾值T2＝50，統(tǒng)計Z＞T2的數(shù)量k，如果k大于窗口像素個數(shù)一半（n2－1)/2時，同樣判定該點為噪聲點。流程圖如圖2所示。

圖2 優(yōu)化算法流程圖

由圖2可以看出，通過該點的灰度值f（x，y)與鄰域灰度最大差值是否達到閾值T1，以及灰度值差達到閾值T2的數(shù)量k是否大于（n2－1)/2，來判斷該像素點是否為噪聲點，若是則進行中值濾波處理，若不是則不予處理，這樣可以避免大面積濾波造成的圖像模糊。

部分源程序及相關(guān)功能的注解如下：

4 仿真結(jié)果分析

本實驗所使用的飛行器圖像為MATLAB圖庫自帶圖像，原始圖像如圖3所示，添加系數(shù)為0.3的椒鹽噪聲后的圖像如圖4所示。采用標準中值濾波3×3和5×5后的圖像如圖5、圖6所示，改進型中值濾波后的圖像如圖7所示。

圖3 原始圖像

圖4 加噪圖像

圖5 3×3中值濾波圖

圖6 5×5中值濾波圖

圖7 改進型中值濾波圖

參數(shù)設(shè)置：采樣窗口為5×5矩形，T1＝200，T2＝100。

從仿真結(jié)果可以發(fā)現(xiàn)，對于高密度的噪聲，標準中值濾波通過調(diào)整窗口的大小可以有效地濾除噪聲，但隨著窗口的變大圖像的輪廓會變得模糊。而同樣是5×5濾波窗口，改進型中值濾波后的圖像邊緣效果比標準中值濾波要好。為了檢驗本文算法的濾波效果，選擇歸一化均方誤差NMSE、峰值均方誤差PMSE、峰值信噪比PSNR作為客觀評價的標準［7］。三種不同圖像處理算法結(jié)果的對比如表1所示。

表1 三種不同圖像處理算法結(jié)果對比

由表1可以看出，標準中值濾波隨著窗口增大，相對濾波性能有所改善，但圖像中有用的信息在加大濾窗的同時也被濾除，改進型中值濾波算法與標準中值濾波相比，不僅能有效去除噪聲，而且圖像邊緣更加清晰，解決了以往濾波過程中去除噪聲與保護圖像細節(jié)的矛盾。

5 結(jié)語

本文分別選取3×3濾波窗口和5×5濾波窗口進行標準中值濾波，驗證了隨著濾波窗口的增大濾波性能增強，但模糊程度也隨之加劇。針對其局限性，提出了一種改進型中值濾波算法，該算法依據(jù)噪聲信號相鄰點灰度值偏差大和超過門限的樣點統(tǒng)計量多的特點，通過設(shè)立兩個閾值先來判斷是否為噪聲點，而后只對噪聲點進行中值濾波，使得在抑制噪聲的同時邊緣重要細節(jié)損失最小。仿真結(jié)果顯示，經(jīng)中值濾波優(yōu)化算法得到的圖像視覺效果好、層次感較為豐富，具有良好的噪聲抑制和邊緣保持能力。

［1］劉進，厲樹忠，張媛.基于混合中值濾波的圖像去噪處理［J］.甘肅科技，2006，22（9)：41.

［2］劉偉.自適應(yīng)中值濾波在數(shù)字圖像處理中的應(yīng)用［J］.河北理工大學學報，2007，11（4)：111113.

［3］任洪海，紀玉波，張飛俠，等.一種去椒鹽噪聲中值濾波的改進算法［J］.電腦開發(fā)與應(yīng)用，2005，18（5)：38.

［4］張毓晉.圖像工程［M］.北京：清華大學出版社，2006.

［5］謝劍斌.一種用于抑制椒鹽噪聲的自適應(yīng)快速濾波算法［J］.中國圖像圖形學報，2009，14（5)：843847.

［6］王秀芳.數(shù)字圖像的噪聲及其去噪的幾種方法研究［J］.黑龍江科技信息報，2010，28（6)：5355.

［7］景曉軍，李劍峰，熊玉慶.靜止圖像的一種自適應(yīng)平滑濾波算法［J］.通信學報，2002，23（10)：67.

［8］張旭明，徐濱士，董世運.用于圖像處理的自適應(yīng)中值濾波［J］.計算機輔助設(shè)計與圖形學學報，2005，2（17)：8789.

［9］趙高長，張磊，武風波.改進的中值濾波算法在圖像去噪中的應(yīng)用［J］.應(yīng)用光學，2011，4（32)：5658.

［10］張霞，葛蘆生.自適應(yīng)中值濾波算法的研究與應(yīng)用［J］.微計算機信息，2007，2（3)：217220.