中值滤波算法分析与设计 毕业设计(论文)

《中值滤波算法分析与设计 毕业设计(论文) 》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中值滤波算法分析与设计摘要：由于成像传感器噪声，相片颗粒及图像在传输过程中的通道传输误差等，会使得图像上会出现随机的、离散的、孤立的像素点，即图像噪声。图像噪声在视觉上通常和它们相邻像素明显不同，表现为黑区域上的白点或者白区域上的黑点，影响到图像的视觉效果和有关的处理工作。所以，需要对图像中的噪声进行消除，本论文主要阐述了中值滤波的工作原理及其他滤波方法的比较。关键词：图像处理、中值滤波、椒盐噪声、带权值的中值滤波引言由于图像在成像上,传输和转换过程中受设备条件、传输信道以及照明等客观因素的影响，获得的

2、图像往往存在某种程度上的质量下降。在大多数情况下，可以采用线性滤波方法，此方法可以有效将受到噪声污染而的图像复原。但是多数线性滤波的低通性,会使去除了噪声的同时也模糊了图像的边缘,复原的效果不够理想。直到1971年，由伟大的图像科学家Turky提出中值滤波技术，它带领着人们走进了一片崭新的天地。1中值滤波研究现状中值滤波因为其特殊的对输入信号序列的映射关系，在去除脉冲噪声上，有着较好的效果，但中值滤波也会有一定程度上的图像模糊。因此很多学者针对中值滤波技术进行研究与改进，希望可以得到更好的滤波技术，更好

3、的去解决去噪和保护图像细节这一矛盾。在1971年，由学者Tukey首次提出了非线性滤波器的概念，并随后在他的论文中介绍了最初的非线性滤波器：中值滤波器。后来，被其他学者称为标准中值滤波器(StandardMedianFilter,SM)[3]。SM采用一个固定大小的滑动窗口对图像进行过滤，对于当前窗口内像素点进行排序，采用序列中间的值作为模板窗口中心的输出值。后来Brownrigg基于标准的中值滤波器，提出了加权中值滤波(WeigthedMedianFilter,WM)[4]，在该方法中对序列中各个元素

4、加以权，通过权值改变窗口内各个像素点的重要程度，使噪声点更易被滤除，而信号点则更好的被保留。Ko和Lee分析WM滤波器，发现其权值设定的不确定性，改进了权值设定方式，提出了新的中值滤波算法：中心权值中值滤波器((Center-WeightedMedianFilter，CWM)[5]，该方法则是给予窗口中心像素点一个指定的权值，其他像素点则权值置为1，该方法较之WM显的更为简单，但同样具有WM的去噪效果。Hwang和Haddad在研究中值滤波方法的自适应方法后，也得到了比较好的结果[8]，并在其著作中提出

5、两种自适应算法：基于排序的自适应中值滤波（ranked-orderbasedadaptivemedianfilter，RAMF）和基于滑窗大小的自适应中值滤波（impulsesizebasedadaptivemedianfilter，SAMF），该两种算法通过自适应，更好的保护了图像的细节信息，但也在一定程度上降低了去噪的效率。这些方法在各自的研究领域中有着重大的贡献，对于改进中值滤波器的性能方面的研究与发展，起着重要的作用。2中值滤波第14页共14页中值滤波的原理是：采用一个含有奇数点的滑动窗口，将窗

6、口内的所有灰度值排序并用其中值代替窗口中心像素点的灰度值。中值滤波在二维数字图像中，对于滤波窗口为A的二维中值滤波可以定义为式2.1：2.1在该式中，MedA代表窗口A中的所有像素点灰度值的中值，xij用于定位窗口，代表窗口中心的像素点。通过用中值代替窗口中心灰度值的方式，可以有效的保持阶跃函数以及斜坡函数不发生变化，并将周期值小于窗口一半的脉冲抑制。根据中值滤波的这些特点，如果将其应用于数字图像去噪工作的话，可以较好的保留图像边缘信息，并且可以去除一定的均匀分布噪声和椒盐噪声[12]。然而这种中值滤波

7、方法需要对滑动窗口内的像素点灰度值进行排序，需要进行大量数学运算，而且在图像边缘区域还会保留一定的残留噪声。后来H.Hwang和R.A.Haddad提出一种基于自适应的中值滤波方法[8]，并在此文中提出两种自适应算法：基于排序的自适应中值滤波（ranked-orderbasedadaptivemedianfilter，RAMF）和基于滑窗大小的自适应中值滤波（impulsesizebasedadaptivemedianfilter，SAMF）。RAMF是对当前灰度值进行判断，如果是噪声点则进行中值滤波，

8、如果是信号点则不进行操作；SAMF则是通过在调整滑动窗口的大小来实现自适应。后来也有较多学者针对自适应中值滤波做出一些改进[9]。当前基于中值滤波的去噪方法还有噪声自适应软开关滤波(noise-adaptivesoftswitchingfilter，NASWF)[7]，模糊多极中值滤波(fuzzymultilevelmedianfilter，FMMF)[9]等。这些方法都较好的解决了去噪和保护图像边缘信息的矛盾，但由于算法的复杂度偏高，且需