论文导读：图像去噪就是要保留图像中的有用信息,减少或消除图像中的干扰和噪声,这是图像处理中一个关键性环节。中值滤波是一种空域非线性滤波方法。中值滤波是一种空域非线性滤波方法,由于它在实际运算过程中并不需要图像的统计特性,所以比较方便。
关键词：图像去噪，线性滤波，中值滤波，频域滤波
图像处理的目的,就是对数字化后的图像信息进行某些运算或处理,以提高图像的质量或达到人们所要求的预期效果。数字图像在采集和传输处理的过程中经常受到设备，环境等因素的影响,如光电转换过程中敏感元器件灵敏度的不均匀性，数字化过程中的量化噪声，传输过程中的误差以及人为因素等,均使图像质量变差。图像去噪就是要保留图像中的有用信息,减少或消除图像中的干扰和噪声,这是图像处理中一个关键性环节。在实际应用中,它往往作为图像处理与识别的预处理,是图像后续更高层次处理如图像分割，图像识别等的基础。
图像噪声有很多种,主要表现为脉冲噪声和高斯噪声。本文对图像中最常见的高斯噪声的滤除方法进行了分析。
1 数字图像去噪的常用方法
图像去噪方法可以分为两类：空域去噪和变换域去噪。空域去噪是在原图像上直接进行数据运算,对像素的灰度值进行处理。变换域去噪是在图像的变换域如频域或小波域上进行处理。这里要求首先对图像进行某种变换,将图像从空间域转换到变换域,再对变换后的系数进行相应的处理,最后将处理后的系数通过反变换再转换到空间域来达到去除图像噪声的目的。
空域去噪（滤波）是在图像空间通过邻域操作完成的。实际中实现的方式基本都是利用模板进行卷积来进行。空域滤波根据其特点可分成线性的和非线性两类[1]。空域去噪的方法很多。邻域平均法就是一种线性滤波方法,也称均值滤波,
即用一像素邻域内所有像素的灰度平均值来代替该像素原来的灰度值。多幅图像平均法是利用对同一景物的多幅图像取平均来消除噪声。中值滤波是一种空域非线性滤波方法。
图像变换域去噪首先要将图像从空间域转换到变换域，变换方法很多，傅里叶变换是一种最经典的方法，即频域法。由于噪声的空间相关性较弱，对应较高的空间频率，可以采用低通滤波器进行滤波, 最后将滤波后的图像变换值逆变换到空域就可以达到图像去噪的目的。
2 上述几种方法在MATLAB中的实现
（1）线性滤波：k=imfilter(j,h)；%j：带有噪声的输入图像，h：模板，k：输出图像
（2）多幅图像平均法，这里取100幅图像，部分程序：
K=zeros(size(J));%预分配一个数组，其大小等于图片J
for i=1:100
…………..
J1=im2double(J);
K=K+J1;
end
K=K/100;
（3）中值滤波 k=medfilt2(j); %j：带有噪声的输入图像，k：输出图像
（4）采用傅里叶变换，将图像变换到频域，然后设计低通滤波器滤波噪声。
部分程序：
F=fft2(f1);%傅里叶变换
F2=fftshift(F);
……………
H1(125:325,280:420)=1;%滤波器1
H2(200:250,340:380)=1;%滤波器2
……………
LOWPASS1=F2.*H1;%滤波
C1=ifft2(LOWPASS1);%傅里叶逆变换
……………
上述几种方法在MATLAB实现结果见下图。
（1）高斯噪声图像 (2)100幅图像相加求平均 （3）线性滤波
  
（4）中值滤波（5）两种低通滤波器分别滤波后的结果
  
3 分析
多幅图像平均法是利用对同一景物的多幅图像取平均来消除噪声的,可出看出去噪效果还是不错的，但是图像需求量较大（本文采用100幅图像）。空域线性滤波方法实际上是通过一个低通卷积模板在图像空域进行二维卷积来达到去除图像噪声的目的，但是图像变得模糊。中值滤波是一种空域非线性滤波方法,由于它在实际运算过程中并不需要图像的统计特性,所以比较方便。由于它不是简单的取平均，所以产生的模糊相对比较少。
在频域内进行低通滤波，从上图5可以看出，两种低通滤波器滤波效果截然不同，因此只要合理地设计滤波器的参数，是可以有效地去除噪声的。当信号和噪声的频带相互分离时这种方法比较有效。但当信号和噪声的频带相互重叠时比如当信号中混有白噪声时,则效果较差,因为低通滤波器在抑制噪声的同时,也将信号的边缘部分变得模糊。因此,基于傅里叶变换的去噪方法存在着保护信号局部性和抑制噪声之间的矛盾,其原因是傅里叶变换方法在时域不能局部化,难以检测到局域突变信号,在去除噪声的同时也损失了图像的边沿信息。
4 结语
本文分析了空域和频域去噪方法，从上述分析可以看出各种方法各有优缺点。其共同的缺点是去噪的同时图像变得模糊，特别是容易损失边沿信息[2]。小波变换的出现，克服了上述方法的不足，它可以在去噪的同时保存边沿信息[3，4]，近年来在去噪领域受到了许多学者的重视。这是下一步的研究重点。
参考文献
[1]章毓晋. 图像工程（上册）[M] .清华大学出版社，2006年3月
[2]M ITSUO K, SHOJ I O, KAZVYOSH I T, et al . Somecolorimetric properties included in the color characterization data of p rocessprints[J ]. Bulletin of the Japanese Society of Printing Science and Technology,2001, 38 (2) : 91 - 109.
[3]谢杰成,张大力,徐文立. 小波图象去噪综述[J]. 中国图象图形学报, 2002, 7 (3A) : 209～217.
[4]程正兴. 小波分析算法与应用[M]. 西安交通大学出版社,1998.
|
