浅谈图像噪声处理中的三种滤波

沈阳理工大学　赵贵琳

1.引言

在深度学习和人工智能的浪潮下，催生除了对各个方面的深入研究。本文切合图像处理中的噪声处理，进行了初步探讨，为日后对滤波方式的进一步探讨研究，打下基础。

2.三种滤波

均值滤波，采用一个平均值来代替原有的像素，破坏了图像的峰值谷值的像素信息， 从而造成图像的模糊，不利于边缘的检测，难以分辨阈值处理后的黑白边际。

中值滤波，采取一个数列从小到大排列的中间值，作为图像中心的像素值，再进行相应处理。图像处理中一般采用3*3的矩阵作为模板，再去水平竖直方向上，相应的移动模版，进行图像的滤波。中值滤波可以很好的消除椒盐噪声。缺点是难以选择适合图像的3*3矩阵，作为模板来移动，以及选择窗口的大小。窗口太大，则造成边缘的模糊，太小则去噪效果不佳。

自适应中值滤波，既能满足图像的边缘细节部分，又能提高对椒盐噪声的去噪效果。任意选取中值，确定模板大小，如选取像素点的中值，使图像噪声明显，则再次选择中值点；如果满足图像噪声要求，再进一步扩大模板窗口范围，待模板达到最大时，得到最优的滤波效果。

图1　原图

图2　噪声影响效果图

图3　自适应中值滤波效果图

3.结束语

本文对图像噪声处理中的三种滤波进行了初步讨论，通过分析了滤波方法的执行过程，从而得到初步方法。它简单易行，但也存在一些问题，如现实生活中的图像噪声分布复杂，中值邻域的选取有一定的难度．如更好的选取中值，影响着滤波的效果，导致后续图像处理的效果不理想。这也是下一步要做的工作。

[1]谭永杰,曹彦,王永亮.图像噪声类型识别研究[J].周口师范学院学报,2013,9.

[2]刘嘉豪,刘海刚,张建伟,关天洛.智能车图像处理与识别算法研究[J].工业控制计算机,2014年第27卷第8期.