打开文本图片集
摘要:数学图像在获取与传输过程中很容易受到噪声的污染,本文主要采用对图像信号直接进行处理的空间域滤波法,运用了线性空域滤波与非线性空域滤波对加有椒盐噪声与高斯噪声的图像进行了处理与结果比较发现,均值滤波比中值滤波更适于去除含有高斯噪声类的图像,但是会使图像边缘变得比处理前更模糊;中值滤波能够比均值滤波更适于去除还有椒盐噪声类的图像,并能较好的保留图像边缘。
关键词:matlab 图像去噪 滤波 椒盐噪声 高斯噪声
中图分类号:TP391 文献标识码:A 文章编号:1007-9416(2015)04-0082-01
Abstract:the mathematical images in the process of acquisition and transmission are vulnerable to noise pollution, this article mainly USES the image signal processing spatial domain filtering method directly, using the linear spatial filtering and nonlinear spatial filtering of images with salt and pepper noise and gaussian noise added to the treatment compared with the results found that average filtering is better than median filtering is suitable for removing containing gaussian noise images of the class, but can make the image edge has become more than before processing fuzzy; Median filtering can be more than the average filtering is suitable for removing and salt and pepper noise images of the class, and can better retain image edge.
Key Words:salt and pepper noise image denoising matlab filtering gaussian noise
1 空域滤波
“空域滤波法”是指图像信号采用时域表示形式,对于图像中每个像素为中心的领域进行一系列的运算,将得到的结果代替原来的像素值[1]。
1.1 线性空域滤波
均值滤波算法是最简单的线性空域滤波算法,采用的主要方法为邻域平均法,即以图像目标像素为中心的周围8个点的像素的平均值来代替原点的像素值[2]。
1.2 非线性空域滤波
中值滤波算法是一种保护边缘的非线性图像平滑方法,采用了排序统计理论,把目标像素周围的8个像素中排序,用居中的值来代替原点的像素值,当n为奇数时,原点像素值是由处于位置的像素值代替,n为偶数时,原点像素值则由处于与的两点像素值的平均值来代替。
2 噪声
图像噪声是指在图像数据中出现的除有效信号之外的所有信号。在图像和视觉分析中,图像噪声有许多来源。例如:在天文成像中,来源于大气中诸如密度,温度、折射率等的不均质;在医学成像中,来源于自发运动和组织或器官的成分不均质;在夜视中,来源于热涨落、温度和红外辐射;而在一般图像的获取中:则来源电光学成像装置固有的热噪声、被成像的目标系统中的物理或化学噪声[4],以及媒介的不均质,因为画面出现较多是点状,也称为噪点。
2.1 高斯噪声
高斯噪声是一种概率密度函数服从高斯分布的噪声,该噪声主要来源于电子设备噪声和低照明度或高温度所带来的传感器噪声[3]。
2.2 椒盐噪声
椒盐噪声是一种表现为“胡椒加盐”效果的噪声,噪声点表现为黑色噪声点(椒噪声点)与白色噪声点(盐噪声点)相间且随机分布,该噪声主要来源于感光片的不正确曝光。
3 结果分析(图2)
本文使用matlab软件采用线性空域滤波算法中的均值滤波与非线性空域滤波算法中的中值滤波对含有高斯噪声与椒盐噪声的图像进行了去噪处理发现均值滤波方法处理含有高斯噪声的图像较好,中值滤波方法对去含有除椒盐噪声的图像效果较好。(图2)
4 结语
在采用的线性线空域滤波算法中的均值滤波与非线性空域滤波算法中的中值滤波对高斯与椒盐这2种典型噪声处理进行视觉效果比较,发现上述两种滤波技术对含有不同噪声图像的处理中:均值滤波比中值滤波更适于去除含有高斯噪声类的图像,但是会使图像边缘变得比处理前更模糊;中值滤波能够比均值滤波更适于去除还有椒盐噪声类的图像,并能较好的保留图像边缘。上述结论对于不同类型噪声及应用背景的图像选取适当的滤波方法具有一定的指导意义,而如何使图像能够即得到较好的细节保护又能使得噪声得到较好的抑制,是图像处理需要进一步研究的。
参考文献
[1]杨丹,赵海滨,龙哲等.图像处理实例详解[M].北京:清华大学出版社,2013.
[2]林晓梅,李琳娜,薄万宝,牛刚.空间域图像去噪方法[J].长春工业大学学报(自然科学版),2004,01:29-31.
[3]王姣斐,王双喜.基于MATLAB软件的图像去噪方法比较[J].甘肃农业大学学报,2011,04:157-160.
[4]TonyF.Chan,Jianhong(Jackie)Shen.图像处理与分析[M].北京:科学出版社,2011.