自适应多阀值中值滤波算法研究

王角凤　黄斌

摘 要：文章主要讨论在保证还原后的图像具备一定清晰度的前提下，通过自适应多阀值的设置来解决去除噪声过程中的图像的平滑度、边界细节，重点对不同算法进行比较和探讨，取长补短，给出改进后的方法，能够达到更好的图像还原效果。

關键词：自适应；多阀值；改进中值滤波

1 概述

在图像去除噪声的领域里，传统的方法各有优势，问题主要集中在去噪的同时如何实现对图像细节的保护。高斯、脉冲等噪声特点不仅是密度大，波动范围宽，而且被污染的图像不仅仅是灰度级受到影响，而且同一灰度级受污染的程度也可能存在较大的差异。最早出现的空域平滑方法在图像处理的初期得到广泛应用和发展，利用所选区域像素的灰度平均值代替中心像素的灰度值，方法虽然简便快捷，但是在平滑噪声的同时也模糊了图像的细节，在实际工程应用过程中受到了限制。在实际的图像处理过程中，由于图像自身的多样性和复杂性以及噪声分布的不确定性，使得处理时先对图像的情况做出预判，利用算法自身自适应性进行调整，从而还原接近于图像真实情况的细节和特点。对于传统的中值滤波，文献[1-6]提出不同的改进型算法。其共同特征就是借助于预先设定的阀值，将像素点与阀值进行比较，从而分辨出像素点和噪声点。由于阀值预先给定，所以处理复杂图像时容易丢失细节，边界识别不够清晰，并且阀值固定导致部分噪点无法识别。

2 噪声识别步骤

2.1 检测可能的噪声点

利用这种方法，首先找出待检测的噪点，然后利用二次检测加以确定，其根本目的就是降低第一次检测是的误检率，提高正确识别噪点的效率。

2.4 自适应窗口大小设置

2.6 算法分析

从表1和表2数据可以看出，在相同的噪声密度下，本滤波算法对应的PSNR较其它三种滤波方法有不同程度的提高；而MAE值则低于其它方法，因此具有较佳的滤波效果。图像仿真测试效果比较（如图1）。

四种滤波方法中，通过上面图像仿真测试，可以发现，图像在7×7窗口下，TM滤波后残存的噪声点较多，EM滤波去噪效果略好，PSM滤波仍有一定量噪声点未被滤除，且图像中的某些细节也遭到破坏。本算法则有效消除了图像中的噪声点且对图像中的细节起到了很好的保护作用。

参考文献

[1]梁雯，刘松林.图像加权中值滤波及其分级实现方法[J].安徽大学学报（自然科学版），1997（2）：42-47.

[2]李佐勇，汤可宗，胡锦美，等.椒盐图像的方向加权均值滤波算法[J].中国图像图形学报.

[3]杨明，宋丽华.改进的快速中值滤波算法在图像去噪中的应用[J].测绘工程，2011（6）：65-69.

[4]周绍光，贾凯华，王港淼，等.一种改进的去噪阈值混合滤波算法[J].测绘科学，2013（7）：77-79.

[5]赵高长，张磊，武风波.改进的中值滤波算法在图像去噪中的应用[J].应用光学，2011（7）：678-682.

[6]万洪林，彭玉华，郭锐.基于方向的自适应多级中值滤波[J].通信学报，2006，27（4）：119-123.