一种基于边缘检测的改进中值滤波去除方法

招生简章

jisuanjlYux1ani(AI[IUA总第187期]文章编号： 1006-2475(201 ) 03-0063-03一种基于边缘检测的改进中值滤波去除方法张毛女、柳薇

(华南师范大学计算机学院.广东广州510631 )

摘要：中值滤波是一种消除椒盐噪声的有效算法，在现实生活中应用相当广泛。 传统的中值滤波器在去噪的同时容易丢失失去图像的边缘信息。 提出了一种基于边缘检测的改进中值滤波去噪算法。 首先检测舍弃声音的图像的边缘信息。然后，存储边缘信息，利用中值滤波器对含有原始噪声的图像进行图像去噪，并利用小模板对所存储的边缘信息进行去除用这个小模板将噪声中值滤波后的边缘信息替换为去噪的边缘信息区域。 最后通过实验表明，该去噪算法在去噪的同时更好地保护图像的边缘信息。关键词：中值滤波椒盐噪声； 去除噪声

图分类号： TP391.41文献识别码： adoi:10.3969/j.ISSN.1006-2475.2011.03.017animprovedmedianfilterdenoisingbasedonedgedetection张茅- NFI，刘圩(School of Computer Science，South China Normal University。 广州510631，China )

Abstract:To remove impulse noise，medianfilterisavalidmethodwhichisappliedinawiderangeofreallife.conventionalmedianfilterindenoisingimageslosestheedseinformationeasilywhileimagesaredenoised.thispaperpresentsanimprovededge detection-basedmedianfilteralgorithm.itfirstdetectsedgeinformationofnoisyimage，and then edge information is saved，andthentheoriginalnoisyimageisdenoisedwithmedianfilter，fortheedgeinformationwhichispreservedbeforedenosing； witha small template to remove the noise，then u嘲ittoreplacetheedgeinformationwhichisdenoisedbymedianfliter.finally。throughexperimentalverification，thedenoisingalgorithmcanbebetterinpreservingedgeinformationwhileimagesaredenoised。Key words:median fdter； salt&； pepper noise； 德诺ising0元1中值滤波原理

图像受获取和存储、处理以及各种噪声的影响而显示画面上出现噪音。 椒盐噪声很常见

的噪音。 椒盐噪声由图像传感器、传输线路、解码在处理等中产生黑白间的明暗噪声、椒盐噪声往往这是由于图像断开造成的。 为了减少噪声引起的负阴影要恢复尽可能清晰的真实画面，需要降噪滤波器处理图像数据。 针对不同噪声类

类型有各种各样的去噪算法。 中值滤波器是非常典型的消除椒盐噪声的方法。 传统中值滤波器容易丢失虽然是图像的边缘信息，但边缘信息非常重要。 失去的情况失去很多边缘信息会导致图像非常模糊，导致图像失真存在失真，不利于图像的后续处理，例如图像匹配。 因为这里提出一种基于边缘检测的改进中值滤波去除噪声筷子法的目的是更好地保护图像的边缘信息。的中值滤波是一种非线性的图像处理方法。根据对附近像素进行灰度排序的结果决定中心像素净的灰度。 中值滤波算法的基本原理是将数字图像的点值将替换为附近所有点值的中值，即全部值按升序或降序排列的中等值. 中央值计算侧法…如下设为x。X:…，x。 某一维点的值系列，按升序排列在列后x“xi2xi3……Xin，或按降序排列Xilxi2xi3……Xi。 的值如下。

rXI (河)/2 n为奇数x

smalian=Med fxi}2 hxit」，n/XI (州) ) n为偶数_，’l‘。 zJ …“n， I JJ -_，……

在实际应用中大多将n定为奇数

交际夫妻=Med{XiI=X； ()。”，2受理日期： 2010-11.24

作者：张毛女(1986 )，女，汀两新余人。 华南师范大学计算机学院硕士研究生。 研究方向：图像处理与图形学； 柳薇(1976-。 女，湖南岳阳人，讲师，博士。 研究方向：多媒体信息处理。万方数据-

计算机与现代化20l 1年第3期

二维情况。 记为I。的。 图像中点I:的n/2邻近点的值，按顺序排列可以得到I’…，其中值如下。l幽=med(I(L )以下.以下因为脉冲噪声在数字图像中是随机分布

图像中的胡椒(黑)和盐粉(白)的微粒。 所以脉冲噪声也称为椒盐噪声。 椒盐噪声点和信号点不同在于，椒盐噪声局部点的像素值太大。 中值滤波器是用有效消除椒盐噪声的算法，中值滤波怎么样？是什么清除了椒盐卷饼的噪音？ 其过程如下。中值滤波是指使用包含奇数点的滑动窗口模板在数据中移动，将模板中间的点的值指定给窗口中的每个点的中值进行替换。 将一维数据序列{fl，f2，b……，fn}，设模板大小为m(iti为奇数)，针对该一维数据序列中值滤波器是指从输入序列中每次提取m个{fi一，…，fi .fi、fl …、fi、’，其中，fi是窗口的中心点的值，v=(m—1 )/2。 按其数值大小按压这r11个点进行排序，将其号码位于中间的问题的数据作为过滤输出。

迎新生的欢迎词

…，n}-v=英孚((1) ) ) ) ) ) ) ) ) ) ) ) ) ) ) ) )。二维中值滤波器可以用以下公式表示：

Yi.j=握柄按钮I}(2) ) ) ) ) )。式)2)中，fi . 二维数据序列，s是过滤模板，通总是2幸2、2、2,33.5牛5区域，可以是不同的形状，例如线性、圆形、方形、"十"字形、" x "字形、圆环形及力矩形状等，在过滤的过程中，人们根据图像的内容和对应根据需要，选择模板的形状和大小。用中值滤波消除椒盐噪声的常用工艺为： (I )过滤模板在图像中漫游，使模板的中心与图像中的图像一致像素位置重叠； (2)读取模板下各对应像素的灰度值；)3)按从小到大顺序排列这些灰度值； (4)取该列数据的问题数据被分配给与模板中心位置对应的像素。中值滤波器的主要功能是保护周围和像素灰度值之差比较大的像素替换为与周围的像素接近的像素中描述的场景，使用以下步骤创建明细表，以便在概念设计中分析体量的体积。传统中值滤波器直接集中于所有像素点

值过滤器。 在像素位于物体边缘的情况下，在中值滤波处理后，该边缘变得模糊，容易丢失细节信息，且在算法的情况下之间的复杂度很高。基于双边缘检测的中值滤波改进2.1脉冲噪声特征

脉冲噪声‘21由传感器、解码器处理等产生

的脉冲在图像中引起的黑色、白点状的随机噪声。 脉冲噪声声音灰度是指该点的正常灰度与噪声的灰度的重合，是噪声的脉搏脉冲作为黑点(胡椒点)出现在图像上。 在同样的基础上这种噪声过冲和下冲与周围的相邻像素rP.z2a

烈幻5谥墓

在ba的情况下，灰度值b在图像中显示得较亮点，相反，a的值显示为暗点。 p .或Pb

为零时，脉冲噪声称为单极脉冲。 如果p .和p . 都不是能量为零，特别是在它们大致相等情况下，脉冲噪声值类似脉冲噪声也称为椒盐噪声。 脉冲噪声概率密度曲帕a图I脉冲噪声概率密度2.2边缘检测

本论文中使用的边缘检测算法是Sol觉l算子‘31。 边缘边缘的检测可以利用空域微分算子通过卷积进行。 导数计算子具有强调灰度变化的作用，对图像应用导数算子，在灰度变化较大的点上筱得的值较高，所以可以导出这些值数值作为对应点边界强度，通过设置阈值的方法，提取边界点集。一阶微分婺和婺是最简单的微分算子，是连续的dx oy|-翔

函数“x’y”在“，y”的位置Q=tan—l:f方向导数l磊j的最大值为lGf=【要(2(喷) 2】称为梯度模式、相万方数据J_=f地.中国衣服垃圾占很大位置的力量《旦》

…“《导读L ax J》

通过刮jfI梯子腰型芦苇测定边缘足种的非常角度的治疗方法。e逊肆哟位移不变性I； e“为同性n设宴时准备巾、垓卜一张数字采用梯度触摸的近f ()形jt .如snbel棒式：r1 2

I ) R10 (一o ) ) ) ) ) )。0 o 0 I 2 0 2IL-I(I )2(L ) l )0) 1Jx方向卷积核y方向卷积传递2.3改进中值滤波

奉史提出的改进中值滤波方法步骤如下

(I )基于Sobc[边缘丰盘测量法的噪声无差别图像边缘柱测定；)2)停止包含聊天在内的无差别且宽容的边缘信息的取出，给r保存；

)3)采用中值滤波法时，对整个无差别像进行去噪。 能扎下根I荆像干扰的污染程度.选择合适的(=小则形滤波横板：

(4)用小模型拍摄的含有提取出的干扰信息的图像的边缘信息中值滤波器可轻松去除包含噪声无差别像的边缘信息的噪声(5)将(步骤)3)置换为(4)去除噪声后的边缘信息去除噪声后边缘信息；(6)输出替换后的整个图像。2.4实验和结果分析

车文以k呻吟环(参照阵I 2 )为例增加了强度02的脉冲噪声(参照椒盐噪声.圈3 ) .然后分别使用传统中值滤波与奉史倡导的方冲对噪阿进行滤波在波浪处理.实验的过程中首先选择了3、3的方形滤波器波型板行宴骏，与传统中值滤波器相比，发现了车义的方法得到的还原无差别像较好地保存了圩像的亲缘关系气.但图像仍有明显的噪声点。 以及5 ) 5的触摸方形的滹渡板举行宴会时，噪音进一步减少，t、无差别雕像的细节受到精心的保护。 图像的清晰度优于传统的中值滤波得到了很大的改进。 网络4|五分州是传统取中值滤波器和55方形滤波器的米饭位于VisuM C实验得到的图像整体为I对阿5比无差别4教果更好.实验结果表明.本史方法与传统中值砖渡比在处理含有脉冲噪声的无差别边缘时.不仅是教地七隙r像的椒盐噪声点.计，并且更好地维持了像的边缘分信启。t痕迹73万方数据

2011年第三期原振伟：烟草企业设备管理信息化体系构建73result=source—fields-/b1c/zmm—fpjzENDIF结束方法； ' compute—ZPM—FBJYMETHOD invert—.ZPM.—FBJY结束方法； “invert—ZPM—FBJY结束类； “路由实施”8结束语

通过构建I层架构设备管理信息化系统实现

通过设备技术管理和经济管理的高度统一，实现了对设备的的全生命周期和全过程控制管理，实用性强，可行..在某烟草企业的应用过程中产生了明显的经济效益，为提高行业设备管理整体水平提供了实用案例。参考文献：[1]李葆文.全面规范的生产维护：从理念到实践[M] .北北京：冶金工业出版社。 2008年。

[2]徐保强，李葆文. TnPM推广实务与案例分析[M] .北北京：机械工业出版社。 2007年。

[3]原振伟、胡盛同、卢加磊.三层结构模式下的烟草行业CIMS体系研究EJ ) .计算机与现代化，2009(4):138-142[41 赵u东.商务情报[m] .北京：清华大学出版社，2009 .(5)李葆文.现场人员——机械系统精细管理[M] .北京：机械工行业出版社，2008年[6]李葆文.设备管理新思维新模式[m] .北京：机械工业出出版社，2003年。

[7]徐扬光.设备工程与管理[M] .上海：华东理工大学出版社. 1999。[8]徐保强。

提高教学质量

结束语3

在研究中值滤波法和特性的基础上，对椒盐卷饼进行了讨论噪声的特点改进并提出了传统的中值滤波方法给出了一种基于边缘检测的改进中值滤波去噪算法。实验证明取得了预期的去噪效果。 但是，这篇文章里有有很大的改善余地，寻找目前最好的边缘检测算法和当消除椒盐噪声的最好的筱法是将这两种算法有效结合，消除椒盐噪声，同时尽可能大保护图像边缘信息的方法。参考文献：

[1]李彦军，苏红旗，等.改进的中值滤波图像去噪方法研究

[J] .计算机工程与设计，2009，30 (12 ) 2995-2997。

[2]Gonzalez Rafael C，Woods Richard E .数字图像处理[M]。阮秋琦，阮字智，等潭.北京：电子工业出版社，2006。[3]季虎，孙即祥。 等.图像边缘提取方法与展望[j] .计算机械工程与应用，2004，40 (14 ) 70-73。

[4] Ko S J，leeyh.center Wei # tedmedianfiltersandtheirapplicationstoimageenhancement [ j ].IEEE传输on Circuits and Systems。 1991.38(9) 984-993。[5]Astola J，Haavisto P，Neuvo Y.Vector median filters[C]H处理of the IEEE。 1990，78 (4) 678-689。[6]张玉东。 wule nan.improvedimagefilterbasedonsp CNN [ j ].scienceinchinaseriesf:information sei。[7]在

[8]如：[9]在[10]在[11][12]在[13][14]在ences，2008，51 (12 ) 2115-2125。

Chang S Grace，Yu Bin，vettertimartin.spatially adaptive

waveletthresholdingwithcontextmodelingforimagedenoising [ j ].ieetransactionsonimageprocessing，2000，九(九) 1522—1531谢杰成，张大力，徐文立.小波图像去噪综述[J] .中国影像学报(a辑) 2002，7 )3) 209-217。

Maifait M，roo sed.wavelet-basedimagedenoisingusingaMarkov random field apriori model [ j ].IEEE transactions图像处理。 1997，6 (4) 549-565。

Unser M，Thevenaz P . aldroubia.shift-orthogonal waveletbases [ j ].ieetransactionsonsignalprocessing，1998，46(7) 1827-1836Unser M，Thevenaz P . aldroubia.shiftorthogonal waveletbasesusingsplines [ j ].ieesignalprocessingletters，一九九六年。 三(三) 85-88。Donoho D L 约翰斯通I

m.adaptingtounknownsmoothhessviawaveletshrinkage [ j ].journaloftheamericanstatisticalassociation。 一九九五年。 90(432 ) 1200-1224。Chang S G 虞b。 vetter lim.adaptivewaveletthresholding

forimagedenoisingandcompression [ j ].ieetransactionsonimageprocessing。 2000.9(9) 1532-1546。Baum le.aninequalityandassociatedmaximizationtechniqueinstatisticalestimationforprobabilisticfunctionsofMarkov processes [ c ]//proceedingsofthethirdsymposi打孔on Inequalities.1970.3:1.8。万方数据

一种基于边缘检测的改进中值滤波去除方法作者：张毛女，柳薇，张茅- n，刘圩作者单位：华南师范大学计算机学院，广东，广州，510631刊名：计算机与现代化英文刊名： COMPUTER AND MODERNIZATION年，卷(期) 2011(3)3)参考文献(第14条)

1.baumleaninequalityandassociatedmaximizationtechniqueinstatisticalestimationforprohabilisticfunctionsofmarkovprocesses 19702.Chang S G； 屿b； vetterlimadaptivewaveletthresholdingforimagedenoisingandcompression [外语期间]刊(二零零九)。

3.Donoho D L； johnstoneimadaptingtounknownsmoothnessviawaveletshrinkage 1995 (432 ) )。4.Unser M； Thevenaz P； aldroubiashift-orthognnalwaveletbasesusingsplines [外文期刊]1996(03 ) )。5.Unser M； Thevenas P； aldroubiashift-orthogonalwaveletbases [外文期刊]1998(07 )。6.Malfait M； roosedwavelet-basedimagedenoisingusingamarkovrandomfieldapriorimodel [外语期间]刊(1997(04 ) )7 .谢杰成； 张大力； 徐文立小波图像去噪综述[期刊论文]——中国图像图形学报(a辑(2002(03 ) )。

8.Chang S Grace； 虞宾；9 .张玉东； wulenanimprovedimagefilterbasedonspcnn [期刊论文]-Science in China Seriesf :信息方案2008 (12 )

10.Astola J； Haavisto P； Neuvo Y Vector median filters[外语期刊]1990(04 ) ) )。11.Ko S J； leyhcenterweightedmedianfiltersandtheirapplicationstoimageenhancement [外语期间]刊(1991(09 ) )。12 .季虎； 即孙祥图像边缘提取方法与展望[期刊论文]——计算机工程与应用2004(14 )。13.Gonzalez Rafael C : Woods Richard E； 阮秋琦； 阮智数字图像处理200614 .李彦军； 苏红旗改进的中值滤波图像去噪方法研究[期刊论文]——计算机工程与设计2009(12 ) )。本文链接： http://d.g.wanfang data.com.cn/periodical _ jsjyxdh 201103017.aspx