本發(fā)明涉及一種圖像處理方法，具體涉及一種對(duì)受到椒鹽噪聲污染的圖像進(jìn)行噪聲去除的方法。

背景技術(shù)：

椒鹽噪聲是圖像在產(chǎn)生、傳輸、獲取過(guò)程中比較常見(jiàn)的一種噪聲污染，該噪聲的特點(diǎn)為被污染的像素灰度值急劇增大或縮小，形成與近鄰像素點(diǎn)不同的黑色或者白色的像素點(diǎn)，這給圖像處理的后續(xù)處理帶來(lái)了極大干擾，比如對(duì)圖像的邊緣檢測(cè)、模式識(shí)別等會(huì)產(chǎn)生直接影響。所以采取合適的方法對(duì)椒鹽噪聲圖像進(jìn)行預(yù)處理是非常重要的。

傳統(tǒng)中值濾波是可以用來(lái)去除椒鹽噪聲的一種非線性濾波器。中值濾波器將濾波窗口內(nèi)所有像素灰度值進(jìn)行排序，然后取中值作為濾波窗口中心點(diǎn)的輸出，與線性平滑濾波器相比，能夠相對(duì)地減少圖像模糊，并且能夠?yàn)V除低密度的椒鹽噪聲。中值濾波在面對(duì)高密度椒鹽噪聲時(shí)需要增大濾波窗口，隨著濾波窗口的增大，雖然能夠有效去除噪聲，但是恢復(fù)出的像素失真情況嚴(yán)重，圖像細(xì)節(jié)遭到破壞。

為了更好地保護(hù)圖像細(xì)節(jié)，一些改進(jìn)型中值濾波器應(yīng)運(yùn)而生，例如，《模糊系統(tǒng)與數(shù)學(xué)》2012年第1期166-174，“基于模糊中值濾波的椒鹽噪聲去除方法”一文中，通過(guò)比較圖像各像素點(diǎn)的灰度值，定義基于圖像梯度信息的各點(diǎn)被類別為噪聲點(diǎn)的模糊隸屬函數(shù)，利用此模糊隸屬函數(shù)對(duì)中值濾波方法進(jìn)行加權(quán)，得到一種加權(quán)中值濾波器，可實(shí)現(xiàn)邊緣處椒鹽噪聲的有效濾除?！队?jì)算機(jī)工程與應(yīng)用》2014，50（17）：134-136，“一種新型的自適應(yīng)模糊中值濾波算法”中，通過(guò)比較濾波窗口內(nèi)像素點(diǎn)的灰度值與像素點(diǎn)灰度值的均值定義了模糊濾波系統(tǒng)，利用此模糊濾波系數(shù)對(duì)濾波方法進(jìn)行加權(quán)，得到加權(quán)中值濾波器。

模糊加權(quán)算法的主要內(nèi)容是設(shè)計(jì)規(guī)則，基于窗口內(nèi)各個(gè)像素不同的權(quán)值，最后求出中心像素的灰度值。該方法的難點(diǎn)是模糊規(guī)則的產(chǎn)生，因?yàn)樯袥](méi)有理論能夠證明采取的規(guī)則是否科學(xué)合理，很多模糊規(guī)則的閾值都是進(jìn)行大量實(shí)驗(yàn)然后依賴于結(jié)果來(lái)取閾值的，并且閾值對(duì)于不同圖像不具有普遍的適應(yīng)性，很可能需要重新取值。

因此，有必要提供新的圖像椒鹽噪聲的去除方法。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的發(fā)明目的是提供一種圖像椒鹽噪聲的去除方法，在保證去噪效果的同時(shí)，不使用模糊規(guī)則，不需要進(jìn)行閾值的選取，從而提高計(jì)算效率。

為達(dá)到上述發(fā)明目的，本發(fā)明采用的技術(shù)方案是：一種圖像椒鹽噪聲的去除方法，包括下列步驟：

(1) 輸入含椒鹽噪聲的數(shù)字圖像，圖像中的像素點(diǎn)(i,j)的灰度值為g(i,j)，經(jīng)過(guò)去噪處理后的灰度值為f(i,j)，其中，(i,j)為像素點(diǎn)在整幅圖像中的坐標(biāo)；

(2) 如果g(i,j)為0或255，則進(jìn)行步驟(3)，否則該像素點(diǎn)視為未受椒鹽噪聲污染，f(i,j) = g(i,j)，轉(zhuǎn)向步驟(7)；

(3) 以(i,j)為中心點(diǎn)，其上、下、左、右四個(gè)相鄰像素點(diǎn)作為四連通區(qū)域構(gòu)成濾波窗口，剪切掉濾波窗口內(nèi)所有灰度值為0或255的像素點(diǎn)，若剩余像素點(diǎn)個(gè)數(shù)大于等于2，對(duì)剩余像素點(diǎn)灰度值進(jìn)行平均運(yùn)算得到該點(diǎn)的輸出f(i,j)，轉(zhuǎn)向步驟(7)，否則轉(zhuǎn)步驟(4)；

(4) 以(i,j)為中心點(diǎn)，其周圍八個(gè)相鄰像素點(diǎn)作為八連通區(qū)域構(gòu)成濾波窗口，剪切掉濾波窗口內(nèi)所有灰度值為0或255的像素點(diǎn)，如果剩余像素點(diǎn)為空集，轉(zhuǎn)向步驟(5)，否則對(duì)剩余像素點(diǎn)進(jìn)行平均運(yùn)算得到輸出f(i,j)，轉(zhuǎn)向步驟(7)；

(5) 以(i,j)為中心點(diǎn)的5×5區(qū)域中，外周的16個(gè)像素點(diǎn)構(gòu)成濾波窗口W ，剪切掉濾波窗口內(nèi)所有灰度值為0或255的像素點(diǎn)，如果剩余像素點(diǎn)為空集，轉(zhuǎn)向步驟(6)，否則

其中集合N表示濾波窗口內(nèi)外層16個(gè)像素點(diǎn)中灰度值在0到255之間的像素值的集合，sum(N)表示集合N中各元素之和，card(N)為集合N中的元素個(gè)數(shù)，轉(zhuǎn)向步驟(7)；

(6) 采用遞歸形式的濾波窗口，輸出灰度值為：

；

(7) 對(duì)待處理圖像中的各像素點(diǎn)重復(fù)步驟(2)至(6)，直至完成所有像素點(diǎn)的處理，得到濾波處理后的圖像。

由于上述技術(shù)方案運(yùn)用，本發(fā)明與現(xiàn)有技術(shù)相比具有下列優(yōu)點(diǎn)：

1、本發(fā)明基于一致權(quán)重均值濾波實(shí)現(xiàn)圖像的椒鹽噪聲去除，在濾波窗口內(nèi)剪切掉椒鹽噪聲后對(duì)剩余像素點(diǎn)給予相同權(quán)重進(jìn)行加權(quán)計(jì)算，最后得到輸出圖像，因此無(wú)需設(shè)計(jì)模糊規(guī)則；不需要進(jìn)行閾值的選取，提高了計(jì)算效率。

2、本發(fā)明通過(guò)濾波窗口中剪切掉椒鹽噪聲后的剩余像素點(diǎn)的數(shù)量判斷污染嚴(yán)重程度，從而選擇相對(duì)應(yīng)的濾波窗口進(jìn)行均值濾波，能適應(yīng)不同污染程度的圖像的噪聲去除。

附圖說(shuō)明

圖1是本發(fā)明實(shí)施例的流程圖；

圖2是實(shí)施例中四連通區(qū)域的示意圖；

圖3是實(shí)施例中八連通區(qū)域的示意圖；

圖4是實(shí)施例中5×5區(qū)域的示意圖；

圖5是實(shí)施例中遞歸窗口的示意圖；

圖6是實(shí)施例中濾波效果示意圖，其中，a為原始圖像，b為80%噪聲圖像，c為實(shí)施例去噪后的圖像。

具體實(shí)施方式

下面結(jié)合附圖及實(shí)施例對(duì)本發(fā)明作進(jìn)一步描述：

實(shí)施例一：參見(jiàn)圖1所示，一種圖像椒鹽噪聲的去除方法，包括下列步驟：

(1) 輸入含椒鹽噪聲的數(shù)字圖像，圖像中的像素點(diǎn)(i,j)的灰度值為g(i,j)，經(jīng)過(guò)去噪處理后輸出的灰度值為f(i,j)，其中，(i,j)為像素點(diǎn)在整幅圖像中的坐標(biāo)；

(2) 如果g(i,j)為0或255，則進(jìn)行步驟(3)，否則該像素點(diǎn)視為未受椒鹽噪聲污染，不做任何處理直接輸出，對(duì)應(yīng)的輸出圖像的像素點(diǎn)f(i,j)的值為：f(i,j) = g(i,j)，轉(zhuǎn)向步驟(7)；

(3) 以(i,j)為中心點(diǎn)，其上、下、左、右四個(gè)相鄰像素點(diǎn)作為四連通區(qū)域構(gòu)成濾波窗口，剪切掉濾波窗口內(nèi)所有灰度值為0或255的像素點(diǎn)，若剩余像素點(diǎn)個(gè)數(shù)大于等于2，對(duì)剩余像素點(diǎn)灰度值進(jìn)行平均運(yùn)算得到該點(diǎn)的輸出f(i,j)，例如，如附圖2所示，假設(shè)g(i,j)四連通區(qū)域里只有g(shù)(i-1,j)是0或255，其他三個(gè)像素點(diǎn)均在0到255之間，即存在1個(gè)被剪切的像素，則輸出為

，

完成后轉(zhuǎn)向步驟(7)；

否則，四連通區(qū)域中只剩下1個(gè)像素點(diǎn)時(shí)，轉(zhuǎn)步驟(4)；

(4) 以(i,j)為中心點(diǎn)，其周圍八個(gè)相鄰像素點(diǎn)作為八連通區(qū)域構(gòu)成濾波窗口，剪切掉濾波窗口內(nèi)所有灰度值為0或255的像素點(diǎn)，如果剩余像素點(diǎn)為空集，轉(zhuǎn)向步驟(5)，否則對(duì)剩余像素點(diǎn)進(jìn)行平均運(yùn)算得到輸出f(i,j)，轉(zhuǎn)向步驟(7)；

例如，如附圖3所示，假設(shè)g(i,j)八連通區(qū)域剪切掉0或255灰度值后只剩下圖中三個(gè)像素，則輸出為

(5) 如附圖4所示，以(i,j)為中心點(diǎn)的5×5區(qū)域中，外周的16個(gè)像素點(diǎn)構(gòu)成濾波窗口W，剪切掉濾波窗口內(nèi)所有灰度值為0或255的像素點(diǎn)，如果剩余像素點(diǎn)為空集，轉(zhuǎn)向步驟(6)，否則

其中集合N表示濾波窗口內(nèi)外層16個(gè)像素點(diǎn)中灰度值在0到255之間的像素值的集合，sum(N)表示集合N中各元素之和，card(N)為集合N中的元素個(gè)數(shù)，即，此時(shí)的輸出為最外層16個(gè)像素剪切掉0或者255后的均值，轉(zhuǎn)向步驟(7)；

(6) 采用遞歸形式的濾波窗口，輸出灰度值為：

；

當(dāng)椒鹽噪聲密度很大時(shí)，5×5的濾波窗口有可能全被灰度值為0或255的噪聲充滿，所有像素都被極值剪切掉了，則進(jìn)入本步驟。此時(shí)，采用如附圖5所示的遞歸形式的濾波窗口，當(dāng)處理g(i,j)時(shí)，在它的上方區(qū)域以及左邊的像素都已經(jīng)處理好了，可以利用這些基本不含噪聲的像素來(lái)求得f(i,j)；

(7) 對(duì)待處理圖像中的各像素點(diǎn)重復(fù)步驟(2)至(6)，直至完成所有像素點(diǎn)的處理，得到濾波處理后的圖像。

如圖6所示，其中，a為原始的Lake圖像，b為加入80%椒鹽噪聲后的圖像，采用上述方法對(duì)其進(jìn)行處理。

c為濾波處理后的效果圖?？梢?jiàn)，本實(shí)施例能有效去除椒鹽噪聲。

分別采用中值濾波法（MF，median filtering algorithm）、模糊中值濾波法（FMF，fuzzy median filtering）、自適應(yīng)模糊中值濾波法（NAMF，adaptive fuzzy median filtering）和本實(shí)施例的方法對(duì)加入不同椒鹽噪專用密度的Lake圖像進(jìn)行處理，獲得的恢復(fù)信噪比（PSNR，peak signal to noise ratio）如表1所示。

從表中數(shù)據(jù)可見(jiàn)，當(dāng)噪聲密度較大時(shí)，MF和FMF兩種方法效果都較差，幾乎無(wú)法恢復(fù)圖像，而NAMF算法和本文算法能夠在噪聲密度較大的情況下較好的恢復(fù)圖像；而相對(duì)于NAMF算法，本文方法在噪聲密度較低時(shí)亦能夠大幅提高去噪效果，因此本發(fā)明所提供方法具有較好效果。

表1 Lake圖像上各方法的PSNR實(shí)驗(yàn)結(jié)果

。