濾去圖像中的噪聲同時(shí)保持其中的細(xì)節(jié)是圖像處理中的一個(gè)重要內(nèi)容?，F(xiàn)實(shí)中由于照相機(jī)的性能和光線強(qiáng)弱的變化，噪聲在圖像中不可避免。去除噪聲的方法大致分為兩類：線性方法和非線性方法。線性濾波和含噪圖像的卷積能有效地去除高斯噪聲以及其他呈均勻分布的噪聲，但由于這種方法把邊界處灰度變化較大位置的點(diǎn)也當(dāng)作椒鹽噪聲處理，因此他對(duì)這樣的噪聲效果甚微，并且還經(jīng)常對(duì)圖像造成模糊。為了克服這些問題，采用非線性濾波，中值濾波進(jìn)行處理是最常用的一種方法。當(dāng)考慮一個(gè)小鄰域時(shí)，椒鹽噪聲能得到高效的抑制。然而中值濾波的最大缺點(diǎn)是他作用于整幅圖像，因此損失其中的大部分細(xì)節(jié)。為此找一種既能有效去除噪聲又能保持細(xì)節(jié)的方法是許多人感興趣的問題。
為了解決這個(gè)問題，大家已研究了不少基于中值濾波的改進(jìn)方法如：權(quán)衡中值濾波，最大最小值的方法，中心權(quán)衡的中值濾波，強(qiáng)有力的最大最小值的方法，自適應(yīng)的消減均值濾波，正則化的方法等。為了防止改變非噪聲點(diǎn)的值，這些方法都涉及噪聲點(diǎn)的識(shí)別問題?；谧畲笞钚≈档牟ǚ宀ü确椒ㄊ且环N非迭代的快速算法，但他對(duì)噪聲點(diǎn)的毀壞程度(即恢復(fù)后的圖像與原圖像相比灰度值不同點(diǎn)的百分?jǐn)?shù))比較高，造成了細(xì)節(jié)的不小損失。去除脈沖噪聲的高效方法對(duì)噪聲的探索比較有效，但對(duì)噪聲的濾除卻使用了簡(jiǎn)單的標(biāo)準(zhǔn)中值方法，使得最終的實(shí)驗(yàn)結(jié)果不是很好。本文綜合兩者的優(yōu)點(diǎn)，提出了一種既能去除噪聲又能比較好的保持細(xì)節(jié)的有效方法。他分兩步達(dá)到去噪目的：第一步在文獻(xiàn)[7]的基礎(chǔ)上同時(shí)考慮了與中心點(diǎn)灰度最接近的幾個(gè)象素點(diǎn)的均值與一個(gè)客觀的閾值做比較，來更加有效地識(shí)別噪聲點(diǎn);第二步采用了文獻(xiàn)[7]中的最大最小值的方法。
2 中值濾波
中值濾波是基于統(tǒng)計(jì)學(xué)的一種最常用的非線性濾波方法。我們考慮5×5模板，如圖1所示。
這里的dki是25個(gè)輸入統(tǒng)計(jì)量，常數(shù)ai可以根據(jù)具體問題進(jìn)行選擇。中值濾波是當(dāng)式(1)的系數(shù)狳了a13以外的ai均取零時(shí)的一種特殊情況。當(dāng)噪聲點(diǎn)數(shù)量少手窗中抽樣的一半時(shí)，中值濾波是非常有效的。
3 基于最大最小值的波峰波谷濾波
基于最大最小值的波峰波谷濾波是一種基于排序來消除圖像噪聲的非線性非l迭代的濾波方法。他分兩步完成，具體算法如下：
值得注意的是按這種方法的第一步探索的點(diǎn)不一定是噪聲點(diǎn)，因?yàn)樵诜治龅拇爸腥绻麤]有噪聲點(diǎn)，最大或最小值點(diǎn)仍被視為噪聲點(diǎn)，比如窄的邊緣，細(xì)線及部分平坦灰度區(qū)域，他們的灰度值也有可能等于窗內(nèi)的極值。因此這種濾波方法可能對(duì)邊緣造成平滑，把細(xì)線當(dāng)作噪聲除掉，還有可能對(duì)平坦區(qū)域的細(xì)節(jié)造成模糊，如圖2所示。
圖2(a)為不含噪聲的原圖像;圖2(b)為噪聲密度5%的污染圖像;圖2(c)為基于最大最小值的波峰波谷濾波方法結(jié)果;圖2(d)為建議的方法得到的結(jié)果。
