崔亞琳，李 鑫，李一君

(山西省計(jì)量科學(xué)研究院,山西 太原 030032)

傳統(tǒng)計(jì)量儀器儀表數(shù)據(jù)采集存在效率低等問題，因此利用機(jī)器視覺技術(shù)自動(dòng)化數(shù)據(jù)采集，自動(dòng)校正已經(jīng)成為了一個(gè)非常有應(yīng)用前景的課題。隨著目標(biāo)識(shí)別，深度學(xué)習(xí)技術(shù)的高速發(fā)展以及機(jī)器視覺[1,2]應(yīng)用的普及，人們對數(shù)據(jù)自動(dòng)化提取的要求越來越高，同時(shí)對圖像有效數(shù)據(jù)提取的技術(shù)要求也越來越高。圖像在形成、傳輸，接收和處理的過程中，不可避免地受到噪聲損害。噪聲污染惡化了圖像質(zhì)量，使圖像特征淹沒，給后繼分析帶來困難。因此圖像處理的過程中降噪成為必不可少的一種預(yù)處理。

在平時(shí)圖像處理有很多常規(guī)方法，如：均值濾波、中值濾波、維納濾波[3]，以及以常規(guī)方法為基礎(chǔ)，衍生出來降噪濾波器，如：自適應(yīng)均值濾波器、模糊濾波器、基于邊緣特征的濾波器、基于偏微分方程的圖像降噪等，不同的濾波方法都可以在一定程度上濾除一些圖像中存在的噪聲。

1 噪聲類型

常見的圖像噪聲模型有：高斯噪聲、椒鹽噪聲和量化噪聲等。在進(jìn)行圖像降噪前應(yīng)先分析圖像中的實(shí)噪聲分布的特性，才能更好地選取濾波器。

1.1 高斯噪聲

高斯分布的一般形式為：

(1)

復(fù)高斯噪聲的幅度，一般表現(xiàn)為瑞利分布。其概率密度函數(shù)為：

1.2 椒鹽噪聲

椒鹽噪聲的特點(diǎn)就像脈沖一樣，表現(xiàn)在圖像上就是圖像上隨機(jī)出現(xiàn)的黑白點(diǎn)。常由于傳輸過程中的干擾導(dǎo)致：

(3)

這里α+β+γ=1。這個(gè)表達(dá)式是對受椒鹽噪聲污染后的圖像以概率進(jìn)行統(tǒng)計(jì)描述。

2 降噪方法

常規(guī)的降噪方法有均值濾波、中值濾波、維納濾波、基于偏微分方程的圖像降噪等方法。

2.1 均值濾波

均值濾波就是對被噪聲污染的原始圖像I(x，y)的每個(gè)像素點(diǎn)取鄰域S，求得S中所有像素的平均值，作為處理后圖像G(x，y)的像素值[4]。即：

.

(4)

式中S是不包括本點(diǎn)(x,y)的鄰域中各像素點(diǎn)的集合，M為鄰域S中像素的個(gè)數(shù)。

2.2 中值濾波

干擾脈沖和椒鹽類噪聲的特點(diǎn)為隨機(jī)的黑白點(diǎn)，可采用中值濾波方法來消除噪聲[5]。中值濾波的原理是：用一個(gè)濾波窗口W在圖像上滑動(dòng)，將窗口中像素的灰度值從大到小或從小到大排列，取排列在正中灰度值即作為窗口W中心所在像素的灰度值:

g(x,y)=med{I(x-m,y-n),(m,n)∈W}

.

(5)

2.3 維納濾波

維納濾波實(shí)質(zhì)是要使估計(jì)誤差最小化，也就是使原始圖像和處理結(jié)果之間的均方誤差最小,是基于統(tǒng)計(jì)的自適應(yīng)濾波方法。首先要估計(jì)出像素的局部矩陣和方差[6]：

(6)

其中，S為圖像中每個(gè)像素的M×N局部鄰域，維納濾波估計(jì)式為：

(7)

其中，δ2是噪聲方差。

2.4 基于偏微分方程的圖像降噪

基于偏微分方程的圖像降噪，在平滑噪聲的同時(shí)，可以使得圖像的細(xì)節(jié)得到保護(hù)。Perona和Malik提出了各向異性擴(kuò)散濾波[7](簡稱為P-M模型)使用最廣。

(8)

3 結(jié)果分析

3.1 單獨(dú)使用濾波器

本文首先給原始圖像加入了椒鹽、高斯噪聲。然后對加入噪聲的圖像采用均值、中值、維納、P-M模型四種濾波器進(jìn)行了濾波。

對比可發(fā)現(xiàn)均值濾波對高斯噪聲的抑制是比較好的，但是均值濾波對椒鹽噪聲的處理效果不是很好，處理后其噪聲仍然存在。中值濾波對高斯噪聲的抑制效果不明顯，但對去除“椒鹽”噪聲可以起到很好的效果。對于維納濾波來說，對于高斯以及椒鹽噪聲都有一定的效果，但是效果都不是很好。經(jīng)過P-M模型處理后的加高斯噪聲的指紋圖像效果會(huì)好于直接用均值濾波處理的效果。然而P-M降噪模型對椒鹽這類的高強(qiáng)度噪聲較為敏感，在擴(kuò)散的過程中保留了部分噪聲,在處理后的圖像中顯示為一些椒鹽噪聲點(diǎn)。

圖1 加椒鹽噪聲時(shí)的濾波效果

圖2 加高斯噪聲時(shí)的濾波效果

3.2 改進(jìn)后濾波方法

由于不同的濾波器適用情況不同，所以在處理計(jì)量儀器儀表識(shí)別圖像時(shí)可以混合適用濾波器以達(dá)到比較好的效果。例如P-M模型對噪聲特別敏感，所以在處理噪聲時(shí)可以先用普通濾波方法進(jìn)行濾波，然后再對其進(jìn)行偏微分處理，使細(xì)節(jié)更加明顯。

由圖3可以發(fā)現(xiàn)，由于P-M模型對噪聲比較敏感，在運(yùn)用P-M模型對圖像進(jìn)行降噪處理時(shí)，可以首先采用常規(guī)的一些辦法來進(jìn)行預(yù)處理，然后再對處理后的結(jié)果進(jìn)行偏微分處理，這樣就避免了一些高頻噪聲對處理結(jié)果的干擾。經(jīng)中值濾波處理的加椒鹽噪聲的圖像，圖像質(zhì)量有明顯改善，但是邊緣稍有模糊。經(jīng)過P-M模型處理之后，細(xì)節(jié)部分更加清晰。

圖3 中值濾波后加P-M處理效果

同時(shí)在P-M模型中，過小的α起不到銳化的作用，而α值過大，又會(huì)給圖像帶來銳化所造成的噪聲。對比圖3中(d)、(e)可發(fā)現(xiàn)，當(dāng)α取0.1時(shí),處理結(jié)果的測度明顯好于不加銳化時(shí)的結(jié)果,也要好于當(dāng)α取0.2時(shí)處理結(jié)果。

4 結(jié)語

在智能制造和物聯(lián)網(wǎng)時(shí)代，實(shí)現(xiàn)儀表數(shù)值的自動(dòng)識(shí)別非常重要，為了更好地進(jìn)行目標(biāo)識(shí)別，首先要選取合適的降噪方法。在濾波器的選取上，要依據(jù)實(shí)際圖像要求，采用合適的濾波算法相結(jié)合，以達(dá)到很好的降噪效果。