0 引言

    椒鹽噪聲是圖像在成像、信道傳輸、解碼等處理過程中產生的黑白相間的亮點或暗點噪聲，也稱為雙極脈沖噪聲^[1]。針對椒鹽噪聲的濾波方法有很多，如：標準中值濾波算法、自適應中值濾波算法、形態學濾波算法以及一些改進的濾波算法等^[1-4]。

    標準中值濾波算法的思想就是選取一定大小的濾波窗口，比較該濾波窗口內的像素值的大小，取其中值作為這個濾波窗口的中心像素新的值。標準中值濾波器受濾波窗口大小的影響較大，如果窗口較小，則能較好地保護圖像中的一些細節特征，但濾效果就會變差；反之，如果窗口尺寸較大則有較好的濾波效果，但會丟失更多的圖像細節特征。且隨噪聲密度地增大，其濾波性能下降較為明顯。

    自適應中值濾波算法是基于對標準中值濾波算法的改進，引入了噪聲判斷機制，動態調整濾波窗口尺寸大小來改進濾波性能，相比標準中值濾波算法，其濾波性能有了較大程度的提高，可獲得較好的濾波效果。標準中值濾波算法以及自適應中值濾波算法因其使用濾波窗口的中值來代替中心像素的值，而濾波窗口的中值與中心像素值并不一定相等，從而引入額外的誤差。

    形態學廣泛應用于圖像邊緣檢測、抑制噪聲、紋理分析、特征提取等^[2-12]。形態學開運算具有可去除比結構元素小的亮細節特性，而形態學閉運算具有可去除比結構元素小的暗細節特性^[4]，利用形態學開運算和形態學閉運算可以構成多種濾波器，如常見的形態學開閉組合濾波算法^[4，10]以及形態學同其他濾波算法相結合等^[2]。該類算法對噪聲圖像實施先開后閉運算，或者先閉后開運算，或者以先開后閉運算與先閉后開運算的均值來求解^[10]。然而，形態學開閉組合濾波算法受結構元素的影響較為敏感，當選取不同的結構元素時，其濾波效果會存在較大的差異。

    為此，本文借鑒噪聲判斷機制，先判斷出噪聲圖像中存在的可疑噪聲點。對于一幅歸一化的8位灰度圖像而言，灰度值為0或灰度值為1的點既有可能為噪聲點，也有可能為非噪聲點，即信號點^[1，13]。在此，將灰度值為0的點定義為可疑椒噪聲點，將灰度值為1的點定義為可疑鹽噪聲點。以可疑噪聲點為中心，構建一個7×7大小的鄰域，對可疑椒噪聲點鄰域進行形態學閉濾波，對可疑鹽噪聲點鄰域進行形態學開濾波，并以濾波后的該鄰域中心點的灰度值替換可疑噪聲點的灰度值。對于非可疑噪聲點，保留其灰度值不變。實驗表明，該方案切實可行，濾波后的圖像具有均方誤差小以及峰值信噪比高等優點。其濾波性能相比標準中值濾波算法、形態學開閉組合濾波算法、自適應中值濾波算法等均有一定程度的提高。

本文詳細內容請下載：http://www.viuna.cn/resource/share/2000003438

作者信息：

文福林1，張  凱2，蒲  鋒1，湯素麗1

(1.四川航天職業技術學院 電子系，四川 廣漢618300；2.四川大學 機械工程學院，四川 成都610065)