| 自适应中值滤波算法的主要思想[1]：以待处理的像素点为正方形中心(即中心像素)，选择以该点为端点的八条射线方向为一维窗口方向，同时选择两种不同尺度的正方形窗口，如图2所示。计算十个窗口的灰度方差，判断大尺度二维窗口的方差是否足够小，即和最小方差的差值小于指定阈值。如果是，则用大尺度二维窗口来平滑。否则，判断小尺度二维窗口，若小尺度二维窗口的方差足够小，则用小尺度二维窗口来平滑。如果两个二维窗口的方差与最小方差的差值都不小于指定的阈值，则选择方差最小的一维窗口进行平滑。毕业论文，中值滤波。
多级加权中值滤波属于一种混合滤波器[2]，结合了中值滤波和平均加权算法。令原始图像在 行 列的灰度值为 ，以待处理像素点为中心，取边长 为奇数的矩形窗口，并把该窗口分成四个子窗口。设某一时刻窗口内像点为 ，
 ，其四个子窗口定义为
它们分别表示沿水平、垂直、和水平方向成 45°及 135°的一维窗口，如图3所示。
设 分别为这四个窗口内像素灰度中值，即
则多级加权中值滤波的输出被定义为
上述两种方法具有良好的保边性能，对细胞图像的细节产生了良好的保护作用，但由于一维窗口滤波具有一定的局限性，所以在去除噪声方面的性能较差[38]。4 改进的多级加权滤波算法
中值滤波算法性能的好坏取决于窗口的形状和尺寸。大尺寸的窗口有较强的去噪声能力，但是会使细节丢失；小尺度的窗口的去噪声能力比较差，但能保留细节。因此窗口大小的选择以能兼顾两者为佳。就骨髓细胞图像处理结果来看，中值滤波对于骨髓细胞图像的去噪性能不是很好。因此由上面的分析得出一种改进的多级加权滤波。
统计排序滤波器是一种非线性空间滤波器，它的响应基于图像滤波器包围的图像区域中像素的排序，然后由统计排序结果决定的值代替中心像素的值。毕业论文，中值滤波。统计排序滤波最常见的例子就是中值滤波，也可以用作最大滤波与最小滤波。因此，改进的多级加权滤波算法采用统计排序滤波代替单纯的中值滤波，分别对骨髓细胞图像沿水平、垂直、与水平方向成45°及 135°的一维窗口滤波，然后进行加权运算。
 分别表示四个方向的一维滤波窗口
设 为原始图像直方图均衡化后的灰度图像， 分别为这四个窗口内像素灰度的统计排序滤波值，即
| (d) 多级加权中值滤波 (e) 改进的多级加权滤波 (d) Multilevel the value filter (e) Improved Multi- value filter
|
则改进的多级加权滤波的输出为
 改进的多级加权滤波算法流程图如图4所示。
4 实验结果及分析
| (d) 多级加权中值滤波 (e) 改进的多级加权滤波 (d) Multilevel the value filter (e) Improved Multi- value filter
|
| (b) 中值滤波 (c) 自适应中值滤波 (b) median filter (c) adaptive median filter
|
 
 
图5 骨髓细胞图像不同滤波算法效果
Fig.5 The effect of the marrow-cell image through thedifferent method filter
| (a)原始图像 (a) Original image
|
| (b) 中值滤波 (c) 自适应中值滤波 (b) median filter (c) adaptive median filter
|
 
 
图6 另外一张细胞图像采用不同滤波算法效果
Fig.6 The effect of another cell imagethrough the different method filter
由图5及图6可以看出，传统的中值滤波具有良好的去噪声能力，与平滑滤波比较有较好的保边性；但细节方面有一定的损失，与文中其它算法比较，处理后的细胞图像变得较模糊。前人的自适应中值滤波、多级加权中值滤波两种滤波器比传统的中值滤波器有更好的保边性能和保细节性能，但去噪声的能力稍差些，细胞图像中的孤立突变点不能很好地去除。改进的多级加权滤波算法对文中的骨髓细胞图像具有很好的去噪声效果和保边、保细节性能，处理后的图像较清晰，原图像中的孤立突变点(噪声)也很好地被清除掉了，达到了去噪和保边、保细节的双重效果。
5细胞图像去噪效果评价 图像去噪效果评价[8]包括两个方面：定量分析与定性分析。
(1) 定量分析
图像去噪的定量分析，目前并没有统一的评价标准，一般可以从图像的标准差、均值、纹理度量值和具体研究对象的光谱特征值等几个方面与原始图像进行比较评价。以上几种滤波方法对文中骨髓细胞图像处理的定量分析如表1所示。
从表1中可以看出，经过中值处理后图像标准差有明显降低，均值也有所降低。标准差降低说明对比度下降，也就是说去除噪声是以图像出现一定模糊为代价的，均值降低说明图像的亮度也未得到提升。这说明选取的骨髓细胞图像不适合中值滤波。对于改进的多级加权滤波算法，从表1可以看出，均值跟标准偏差均有所增加。也就是说，标准差增加，图像对比度增加，可能会导致骨髓细胞图像出现部分信息丢失，均值增加说明图像的亮度得到提升。毕业论文，中值滤波。综合而言，改进的多级加权滤波算法对骨髓图像的处理效果较好。
定量分析虽然比较客观公正，但通常是对一幅图像从整体上进行统计分析，很难对图像的局部具体对象进行评价。因此，对图像去噪效果的评价一般以定性分析为主。
表1 不同滤波去噪处理定量分析表
Table.1 Table of different value filter processingquantitative analysis
|
|
均值 |
标准偏差 |
| 原始图像 |
129.88 |
75.03 |
| 中值滤波 |
128.40 |
73.13 |
| 自适应中值滤波 |
128.84 |
74.19 |
| 多级加权中值滤波 |
128.64 |
73.37 |
| 改进的多级加权滤波 |
135.71 |
80.57 |
(2) 定性分析
定性分析主要从人的主观感觉出发，依靠图像的视觉效果进行分析，从图像的清晰度、色调、纹理等几方面进行主观评价。定性分析尽管具有主观性，但却可以从一幅图像中有选择地对感兴趣的具体研究对象进行重点比较和评价，因此定性分析可以对图像的局部或具体研究目标进行评价。
参考文献
[1][1]何斌，马天予，王运坚，朱红莲.Visual C++ 数字图像处理（第二版）[M]．北京:人民邮电出版社,2002
[2]M. KASS,A.WITKIN, and D. TERZOPOULOS. Snakes: active contour models [J]. Computer Vision,1(4):321–331, 1987.
[3]L. D.COHEN. On active contour models and balloons. [C]: Image Understanding, 53(2):211–218,1991.
[4]V.V. CASELLES, F. CATTE, T. COLL, and F. DIBOS. A geometric model for activecontours [J]. Numerische Mathematik, 66:1–31, 1993.
[[5]Rafael C.Gonzalez, Richard E.Woods. Digital image processing [M].BEIJING:Publishing House of Electronics Industry, 2003:496
[5][7[6]Wermser D, Haussmann G, Liedtke C E. Segmentation of blood smears byhierarchical thresholding[J].Computer Vision Graphics and Image Processing,1984,25(2):151-168
[7]S.S.Reddi, et al. An Optimal Multiple Threshold Scheme for ImageSegmentation [J].IEEE
[8]Transactions on System Man and Cybernetics, 1984,4(14):
661-665
2/2 首页 上一页 1 2 |
