计算机光盘软件与应用ComputerCDSoftwareandApplications2012年第10期工程技术一种快速均值滤波算法王博（西安长远电子工程有限责任公司，西安710100）摘要：针对超声图像的噪声过大、质量很差的问题引入了一种快速均值滤波算法，它能够很好地对大噪声斑点进行抑制，为后续图像分割提供了条件。关键词：均值滤波；图像噪声；图像分割：TN911.7文献标识码：A：1007-9599(2012)10-0125-02一、引言超声医学图像中，由于其形成过程所造成的斑点噪声(speckle)是影响分割准确性的主要因素。在超声图像的形成过程中，大量的随机散射子会造成像素点灰度的随机起伏，由此便形成了超声图像特有的斑点噪声，斑点噪声属于乘性噪声，它的存在会掩盖超声图像灰度级之间本来的差别，降低图像的分辨率，使得图像分割变得十分困难。因此在超声医学图像分割前需要对原图像进行滤波预处理。图像滤波的实质是低通滤波器。在灰度连续变化的图像中，如果出现了与相邻像素的灰度相差很大的点，比如在一片暗区中突然出现一个亮点，人眼能很容易觉察到，这种情况被认为是一种噪声。灰度突变在频域中代表了一种高频分量，低通滤波器的作用就是滤除高频分量，从而达到抑制图像噪声的目的。传统的滤波方法一般包括中值滤波、高斯滤波以及均值滤波。本章针对上述问题引入一种快速均值滤波算法。并与均值滤波，中值滤波进行效果比较。二、中值滤波中值滤波是一种去除噪声的非线性滤波。其基本原理是用该像素的相邻像素的灰度中值来代替该像素的值。令Sxy表示中心在x,y点，尺寸为mn的矩形子图像窗口的坐标组，然后该窗口内各个像素按照灰度大小排队，用其中间位置的灰度值来代替原灰度g(x,y)，得到新的灰度值fˆ(x,y)。即：这个操作可以用其系数为1mn的卷积模板来实现。四、一种快速均值滤波算法该滤波算法为：首先由图像中(i,j)坐标位置的像素点，与x、y坐标轴以及坐标系原点(0,0)形成的矩形中，所包括的所有像素点的灰度值的和为该点的更新灰度值g(i,j)，对每个像素点更新完毕后，计算(i,j)点的均值fˆ(i,j)时，则只需利用其模板四yx(i,j)图1(0,0)xxx其算法实现为：设图像中某像素点的灰度值为g(i,j)，(i,j)表示该像素点所在的行与列。第一步，将第一行和第一列各像素点的灰度值分别用公式(3)，(4)进行计算，计算后的灰度值为：g(i,0)g(i,0)g(i–1,0)g(0,j)g(0,j)g(0,j–(iŠ1)(jŠ1)(3)(4)fˆ(x,y)median{g(s,t)}(s,t)Sxy(1)第二步，用公式(5)对其他像素点的灰度值进行计算，计算后的灰度值为：虽然中值滤波技术在衰减噪声的同时能较好的保护图像边缘，但由于其仅考虑滤波窗口内输入数据的排序信息，而未考虑输入数据的时序源信息，故在图像处理中会产生边缘抖动，并会删除一些重要的图像细节。三、均值滤波均值滤波是一种基本的图像处理方法，它是很多图像处理的基础。均值滤波用于模糊处理和减小噪声。模糊处理经常用于预处理，例如，在提取大的目标之前去除图像中一些琐碎的细节、桥接直线或曲线的缝隙。通过线性滤波器和非线性滤波器的模糊处理可以减少噪声。均值滤波的主要应用是去除图像中的不相干细节，其中“不相干”是指与掩模尺寸相比较小的像素区域。均值滤波的输出是包含在滤波掩模邻域内像素的简单平均值，它用滤波掩模确定的邻域内像素的平均灰度值去代替图像中每个像素点的值，这种处理减少了图像灰度的“尖锐”变化。令Sxy表示中心在x,y点，尺寸为mn的矩形子图像窗口的坐标组。算术均值滤波过程就是计算由Sxy定义的区域中被干扰图像g(x,y)的平均值。在任意点x,y处复原图像fˆ的值就是用Sxy定义的区域内像素计算出来的算术均值。即：g(i,j)g(i,j)g(i–1,j)g(i,j–1)–g(i–1,j–1)(iŠ1,jŠ1)(5)第三步，令Sxy表示中心在i,j点，尺寸为(2N1)(2N1)的矩形子图像窗口的坐标组，其中N为Sxy的半径，Sxy坐标组里的点集总数为M，则滤波后这点的灰度值为：–g(iN,j–N)g(i–N,j–N)]M(6)通过公式可以看出，在计算i,j点处的灰度均值时，无论选取的模板多大，该算法只需利用图像中八个点的灰度值，而不是将矩形子窗口中的每一个点的灰度值...