:10035850(200505003802一种去椒盐噪声中值滤波的改进算法AnNewMedianFilteringAlgorithmforSaltandPeperNoise任洪海纪玉波张飞侠艾志强(辽宁石油化工大学抚顺113000【摘要】根据椒盐噪声所具有的两个特征,提出一种中值滤波的改进算法:将每个像素区分为信号像素或可能的噪声像素;只对可能的噪声像素进行中值滤波处理,而对信号像素不作处理。实验结果表明该算法具有良好的去噪和图像细节保持的能力。【关键词】图像恢复,椒盐噪声,中值滤波:TP391.41文献标识码:AABSTRACTAccordingtothetwocharacteristicsofsaltandpeppernoise,anewmedianfilteringalgorithmispresentedinthispaper.Inthisalgorithm,eachpixelisclassifiedtobesignalpixelorpossiblenoisepixel.Medianfilteringisemployedtothepossiblenoisepixels,whilethesignalpixelsarekeptuntouched.Theresultsofexperimentsshowthatthenewalgorithmhasagoodnoiseremovinganddetailoftheimagepreservingcapability.KEYWORDSimagerestoration,saltandpeppernoise,medianfiltering椒盐噪声是一种在图像中产生黑色——白色点的脉冲噪声。该噪声在图像中显现较为明显,对图像分割、边缘检测、特征提取等后续处理具有很严重的破坏作用。目前去除椒盐噪声的方法主要是进行图像滤波。传统的滤波算法有以局部平均法为代表的线性滤波和以中值算法为代表的非线性滤波。其中,中值滤波是一种很早提出的、对椒盐噪声效果较好的滤波方法。中值滤波思想是:在定义窗口范围内对作用样本X(n-N…X(n…X(n+N取中值即:Y(n=med[X(n-N…X(n…X(n+N],这里med[]表示窗口内所有数按从小到大的顺序排列后,取中间值。中值滤波虽然能滤除图像中比较分散的椒盐噪声,但因为算法对所有像素进行处理,包括那些没受噪声污染的信号,结果导致图像模糊;并且当图像噪声密度较大,有很多彼此靠近的噪声点时,标准中值滤波效果变得很差。因为椒盐噪声点与原图像像素点相比有明显的不同,在噪声滤波之前,先将噪声点与信号分开,只对噪声点进行滤波处理,这是一种有效、并且可行的滤波思路。有人根据像素灰度是否大于或小于邻域点灰度值来判断该点为椒盐噪声点,“比如邢藏菊、王守觉、邓浩江、罗予晋提出的一”种基于极值中值的新型波滤算法,将窗口内灰度值最大或最小的视为噪声。但由于一定区域内,最大值和最小值必然存在,但也不一定为噪声点,从而也使图像有一定模糊;此外当几个相差不大的噪声点相临时,“会出现漏检现象。李树涛、王耀南提出的图像椒盐噪声的非线性自适”应滤除,该方法先在噪声图像的滤波窗口中去除具有最大和最小灰度值的像素,然后求取剩余像素的均值,通过计算均值与对应像素灰度值的差值,设定阈值决定是否用均值代替原像素的灰度值。该方法在滤波之前仍然是先判断像素点是否为噪声点,但如果噪声密度较大,去除其最大和最小值,中间像素也可能包含有噪声点,并且应用均值替代原像素会使图像模糊。作为噪声点本身它是图像中灰度很大或很小的污染点,根据这一特征,董继扬、张军“”英提出一种简单的椒盐噪声滤波方法把椒盐噪声设定在[0,]和[255-,255]两个范围内。该方法是一种较为有效的去除椒盐噪声的方法,但只应用椒盐噪声灰度在两个边界区域这一特征来区分信号点与噪声点,当图像某区域灰度接近噪声范围时,高灰度或低灰度区域内像素点又有可能当作噪声点来处理。椒盐噪声点在图像中有两个与一般信号点不同的特征,本文综合应用这两个特征达到较好的滤除效果。椒盐噪声一个特点是噪声灰度值非常大,或非常小。如果设定一个阈值,可把[255,255-]与[0,]作为图像中椒盐噪声的灰度范围,在这范围的像素点就可能为噪声点;而椒盐噪声的另一个特点是:噪声点与邻域内信号点灰度值相差较大,可以取邻域内信号点的中值,与当前像素点的灰度值相比较,再设定阈值,如果它们之间灰度差异>,可能为噪声点。如果*20041118收到,20050326改回**任洪海,男,1977年生,在读硕士,研究方向:计算机图像处理及计算机视觉。・38・(总312一种去椒盐噪声中值滤波的改进算法2005年两个条件都满足,本文就把当前中心像素点作为噪声点处理,在窗口中心点的领域内除去可能噪声点后取所剩下的信号点,并用它们排序...