...以及自适应滤波算法运算都在INT?-TMS320VC5509实现有源噪声控...

沈德海等

摘 要： 为了有效地去除图像中的高斯噪声，提出一种多子窗口中值加权的滤波算法。算法采用5×5滤波窗口，并将其划分为9个3×3子窗口区域，先找出每个子窗口的中值像素点，然后求出每个中值像素点与它们的中值点差的绝对值，利用这些绝对值的平均值采用归一化方法计算出权值。最后将各子窗口的中值进行加权运算作为滤波窗口中心像素点的滤波输出。实验结果表明，该算法对图像中的高斯噪声具有较好的滤除性能，并且较好地保持了图像的细节，效果优于传统的滤波算法。

关键词： 多子窗口； 中值加权； 均值滤波； 峰值信噪比

中图分类号： TN911.73?34； TP391.41 文献标识码： A 文章编号： 1004?373X（2015）09?0051?03

Abstract： In order to remove the Gauss noise in an image effectively， the filtering algorithm based on multi?subwindow median weighting is proposed. The 5×5 filtering windows are applied to the algorithm， and the windows are divided into nine 3×3 sub?window areas. The median pixels of every subwindow are found out， then the absolute value of difference between every median pixel and its median point is calculated. The weight is calculated by the method of normalization with the average of the absolute values. The weighted calculation for median of all subwindows is carried out， whose result is taken as the filtering output of center pixel in the filtering window. The experiment results indicate that the proposed algorithm has good filtering performance on Gauss noise images， and keeps the image details well. Its effect is superior to the traditional filtering algorithms.

Keywords： multi?subwindow； median weighting； mean filtering； PSNR

0 引 言

数字图像在采集和传输的过程中，由于受到外部因素及传感器或信道等内部因素的干扰，不可避免地会产生噪声，使得图像质量下降。噪声的存在不仅会影响图像的视觉效果，而且对图像的分析和理解及后续处理带来困难[1]。图像滤波主要目的是去除图像中存在的各种噪声，同时尽可能地保持图像细节信息。图像滤波算法总体上分为两大类：线性滤波算法和非线性滤波算法。均值滤波算法[2?5]是一种典型的线性滤波算法，传统均值滤波算法采用小窗口邻域均值代替原图像中各个像素的灰度值，对高斯噪声具有较好的平滑作用，但对脉冲噪声（如椒盐噪声）滤除效果不好，且图像细节容易模糊。中值滤波算法[6?10]是非线性滤波算法的典型代表，传统中值滤波算法采用小窗口邻域中值替代图像中各个像素的灰度值，能够较好地保持图像细节，对较低密度脉冲噪声滤除效果较好，但在噪声密度较高时，该算法的滤波性能急剧下降。

为了有效地滤除图像中的高斯噪声，分析了传统中值滤波算法及传统均值滤波算法的优缺点，提出一种多子窗口中值加权的滤波算法。算法较好地利用了均值滤波在去除高斯噪声的优势及中值滤波算法良好的细节保持性能，对较高强度的高斯噪声图像具有很好的去噪效果，而且细节保护较好。

1 传统均值滤波算法

为中心滤波窗口内像素点的集合；[M]是集合[S]中像素点的总数。传统均值滤波算法简单、计算速度快，对高斯噪声平滑效果较好，但图像易模糊，细节容易丢失，对脉冲噪声平滑效果较差。

2 传统中值滤波算法

传统中值滤波算法是基于排序统计理论的一种非线性滤波算法。算法原理是：对图像中所有像素点，均用其滤波窗口内所有像素点的灰度中值替换滤波窗口中心像素灰度值，以此消除孤立的噪声点。为中心的滤波窗口；Median（）是中值函数，表示取滤波窗口内像素的灰度中值。用算法邻域像素的中值替换中心点灰度值，较好地克服了均值滤波算法所带来的图像细节模糊的缺点，对低密度脉冲噪声具有良好的抑制作用，但由于该算法对所有像素点均采用统一的方法，平滑噪声的同时也改变了非噪声点原有的像素值，当脉冲噪声密度较高时（超过50%），该算法的去噪能力几乎完全丧失。

3 本文算法

针对高斯噪声的滤除，本文结合中值滤波算法较好地保持图像细节及均值滤波算法较好地平滑高斯噪声的优点，提出了一种多子窗口中值加权的滤波算法。为充分利用邻域像素点的相关性原理，算法选择5×5大小的滤波窗口，能够较好地滤除较强的高斯噪声。算法首先将滤波窗口划分为9个3×3子窗口，并取各子窗口内的中值像素点存入数组，作为参与加权运算的原始像素点。然后计算这些中值像素点的灰度均值，再将各个子窗口像素中值与该均值做差，并求出绝对值，利用这些绝对值的均值采用归一化方法计算滤波窗口权值。最后将数组内的中值点与该权值进行加权运算作为滤波窗口的输出。算法具体步骤设计如下：

3.1 子窗口划分

4 仿真实验

为了验证文中算法的有效性，在Windows 7系统下，用Matlab 2010a作为实验环境对传统中值滤波算法、传统均值滤波算法及本文算法进行实验对比。实验中对256×256标准灰度图像lena分别加入不同强度的高斯噪声，各算法的滤波窗口均为5×5。

实验效果如图3～图5所示。为了检验算法的客观性能，引用峰值信噪比（PSNR）评价指标，对几种算法的PSNR值进行计算，对比结果如表1所示。

对原始图像加了均值为0、方差为0.01的高斯噪声，从主观效果来看，在图像含有较低强度高斯噪声情况下，几种算法滤波效果较好，本文算法和传统均值滤波算法的图像更清晰，纹理较为细腻；图4对原始图像加了均值为0、方差为0.1的高斯噪声，可以看出，随着高斯噪声强度的增大，传统中值滤波算法的性能下降较为明显，而传统均值滤波算法和本文算法滤波性能下降较慢，图像比较清晰。在细节保持上，本文算法要优于传统均值滤波算法；图5对原始图像加了均值为0、方差为0.4的高斯噪声，可以看出，当高斯噪声强度较高时，传统中值和传统均值滤波算法性能不如本文算法的滤波性能，无论在图像的清晰度和细节上，本文算法均明显优于两种算法。

5 结 语

通过对传统均值滤波算法及传统中值滤波算法的分析，提出一种新的滤除高斯噪声滤波算法。算法结合了均值滤波算法较好的去高斯噪声的优点及中值滤波算法良好的细节保持能力，采用多子窗口中值加权的方法对高斯噪声图像进行滤波处理。仿真实验分别从主观效果和客观评价指标上对算法的有效性进行了验证，结果表明，本文算法对不同强度的高斯噪声图像具有较好的抑制效果，且具有一定的细节保护能力，滤波性能优于传统的滤波算法。

参考文献

[1] 陈乃金，周鸣争，潘冬冬.一种新的维纳滤波图像去高斯噪声算法[J].计算机系统应用，2010，19（3）：111?114.

[2] 朱士虎，游春霞.一种改进的均值滤波算法[J].计算机应用与软件，2013，30（12）：97?99.

[3] 谭茹，李婷婷，李伟伟，等.图像去噪的自适应非局部均值滤波方法[J].小型微型计算机系统，2014，35（1）：137?141.

[4] 朱维文，赵跃进，朱慧时，等.改进的均值滤波算法在太赫兹成像中的应用[J].红外与激光工程，2013，42（5）：1241?1246.

[5] 潘梅森，肖政宏.用于图像处理的自适应均值滤波算法[J].微计算机信息，2006，22（3）：309?311.

[6] 王艳侠，张有会，康振科，等.基于x字形窗口的自适应中值滤波算法[J].现代电子技术，2010，33（10）：90?92.

[7] 马学磊，商泽利.基于噪声点检测的中值滤波方法[J].现代电子技术，2008，31（1）：150?153.

[8] 华显立，许贵阳.数字图像中值滤波技术研究[J].电子设计工程，2014，22（11）：191?193.

[9] 柴宝仁.中值滤波在气象传真图中降噪的分析[J].北京理工大学学报，2011，31（4）：417?419.

[10] 鲍华，樊瑜波，饶长辉，等.基于均值查找的快速中值滤波算法[J].四川大学学报：工程科学版，2011，43（2）：76?79.