袁 智,羅桂娥
(中南大學(xué),湖南 長沙 410083)
在數(shù)字圖像的獲取或傳輸過程中,由于圖像傳感器、傳輸信道等經(jīng)常會帶來脈沖噪聲,使圖像中出現(xiàn)一些黑白相間的點。這種噪聲常稱為椒鹽噪聲。它是使圖像質(zhì)量下降的一個主要原因,同時它對圖像的后期處理有著直接的影響。目前去除噪聲的方法主要是圖像濾波,如何能在有效地濾除圖像中的椒鹽噪聲的同時較好地保護圖像的細(xì)節(jié)信息一直是圖像處理領(lǐng)域的熱點研究方向之一。
中值濾波是目前針對椒鹽噪聲應(yīng)用最為廣泛的一種濾波方法[1],后來許多學(xué)者在此基礎(chǔ)上提出了相關(guān)的改進中值濾波算法,例如加權(quán)中值濾波算法[2]和中心加權(quán)中值濾波算法,它們通過給濾波窗口中不同像素點或中心像素點賦予不同的權(quán)值來保護細(xì)節(jié),但缺少噪聲點判斷,即將所有的像素點做統(tǒng)一處理,造成了圖像的模糊。后來又出現(xiàn)了一種極大極小值算法[3],如在畢萍的“一種改進的椒鹽噪聲非線性濾波算法”中將窗口中最大值和最小值附近的像素點視為噪聲點。在一定的區(qū)域內(nèi),必然存在最大值和最小值,但不一定是噪聲點,所以該方法缺乏一定的準(zhǔn)確性。根據(jù)椒鹽噪聲的特點,董繼揚、張軍英提出了“一種簡單的椒鹽噪聲濾波算法”[4]及劉繼業(yè)和費如純的“一種濾除椒鹽噪聲的改進的中值濾波算法”,他們把椒鹽噪聲灰度值設(shè)定在[0,δ]和[255-δ,255]2個范圍內(nèi)。該方法是一種較為有效的去除椒鹽噪聲的方法,但是這種方法在圖像中的邊和線處理不夠妥當(dāng),會造成一定的邊界模糊。
由于椒鹽噪聲的灰度值一般分布在[0,δ]和[255-δ,255](其中δ為設(shè)定閾值)2個范圍內(nèi),因此這種兩極門限檢測法非常適合椒鹽噪聲的檢測。根據(jù)這一點本文提出了一種基于模糊推理的方向中值椒鹽濾波算法,該算法首先根據(jù)兩極門限檢測法判斷一個像素點是否為椒鹽噪聲點,如果滿足該條件則認(rèn)為該像素點為椒鹽噪聲點,再對該像素的周圍像素點進行簡單濾波,然后對該像素所在的區(qū)域進行四向模糊推理,判斷滑動窗口中是否存在邊和線,最后找到一個最合適的中值來替代中心噪聲點的灰度值。這種算法能有效地在滑動窗口中檢測出邊和線,對高密度的椒鹽噪聲有很好的濾波效果。
在一般的灰度圖像中,由于大部分像素的灰度值都遠離0和255,即灰度值集中于0和255的像素點的圖像大多為椒鹽噪聲點。根據(jù)這一特點,下面給出一種基于模糊推理的方向中值濾波算法。
(1)設(shè)椒鹽噪聲的灰度值范圍為[0,δ]和[255-δ,255],如果圖像的某一像素點的灰度值落入這一范圍則該像素點為噪聲點,反之為信號點,信號點給予保留;
圖1 5×5窗口內(nèi)的像素標(biāo)記
(4)為了判斷當(dāng)前滑動窗口中是否存在線條和邊界,4個方向的索引由下式給出:
將E11=1,2,3,4作為模糊推理的輸入,并將E1賦值給 D1=1,2,3,4,并將 D1進行排序。
用如下3條模糊規(guī)則來檢測噪聲所處的滑動窗口的類型,即平滑窗口、含有線條或邊界的滑動窗口或者復(fù)雜窗口。
規(guī)則 1:如果 D4很小,而 D1、D2、D3也都很小,則當(dāng)前滑動窗口為平滑窗口。
規(guī)則 2:如果 D1很小,而 D2、D3、D4都很大,則當(dāng)前滑動窗口為含有線條或邊界的滑動窗口。
規(guī)則3:其他,則窗口為復(fù)雜窗口。
如果符合規(guī)則1,表明在該窗口處在一個平滑區(qū)域,則用外圍像素點的中值來代替中心點的像素點灰度值。如果符合規(guī)則2,表明在該窗口中的D1方向上存在一條線或者一個邊界,則用排序后D1相應(yīng)方向上的2個像素點采取靠中原則,選取一個像素點的灰度值代替中心像素點的灰度值,如圖 2所示,E1=2,E2=120,E3=236,E4=118, 排序后 D1=2,D2=118,D3=120,D4=236,符合規(guī)則 2,且 D1=E1,則在 E1所對應(yīng)的方向上的 2個像素點 143、142中選擇142來代替中心像素點的灰度值。如果符合規(guī)則3,則同樣用外圍像素點的中值來代替中心點的像素點灰度值。
圖2 簡單濾波后得到的 3×3窗口
本文采用如圖3所示的lena灰度圖像進行濾波算法測試實驗,對原圖像添加噪聲密度為 30%、40%、50%的椒鹽噪聲,并用PSNR性能做標(biāo)準(zhǔn)來衡量。
本文算法與標(biāo)準(zhǔn)中值濾波、與董繼揚和張軍英提出的“一種簡單的椒鹽噪聲濾波算法”(下稱簡單濾波算法)在椒鹽噪聲為 30%、40%、50%時的比較結(jié)果如圖4、圖5、圖6所示。以上各種算法的PSNR對比情況如表1所示。
表1 各種算法的PSNR對比
上述實驗結(jié)果表明,本文提出的基于模糊推理的方向中值椒鹽濾波算法比標(biāo)準(zhǔn)中值濾波算法在對椒鹽噪聲的去除和圖像細(xì)節(jié)保護方面效果有明顯的提高,相對于董繼揚、張軍英提出的“一種簡單的椒鹽噪聲濾波算法”在圖像細(xì)節(jié)保護方面略有提高。
[1]ASTOLA J,KUOMANEN P.Fundamentals of nonlinear digital filtering.Boca Raton.FL:CRC,1977.
[2]BROWNRIGG D.The weighted median filter[J].Commun Assoc Computer,1984.
[3]邢藏菊,王守覺,鄧浩江,等.一種基于極值中值的新型濾波算法[J].中國圖像圖形學(xué)報,2001,6(6):537-541.
[4]董繼揚,張軍英.一種簡單的椒鹽噪聲濾波算法[J].計算機工程與應(yīng)用,2003,5(20).
[5]任洪海,紀(jì)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,(5).
[6]劉繼業(yè),費如純.一種濾除椒鹽噪聲的改進的中值濾波算法[J].遼寧科技學(xué)院學(xué)報,2008(04).
[7]畢萍.一種改進的椒鹽噪聲非線性濾波算法[J].科技創(chuàng)新導(dǎo)報,2008(20).