《电子技术应用》
您所在的位置：首页 > 其他 > 设计应用 > 一种基于噪声点邻域的形态学滤波算法研究
一种基于噪声点邻域的形态学滤波算法研究
2021年电子技术应用第3期
文福林1，张 凯2，蒲 锋1，汤素丽1
1.四川航天职业技术学院 电子系，四川 广汉618300；2.四川大学 机械工程学院，四川 成都610065
摘要： 以可疑噪声点为中心构建一定大小的邻域，对可疑椒噪声点邻域进行形态学闭滤波，对可疑盐噪声点邻域进行形态学开滤波，并以滤波后的该邻域中心点的灰度值替换可疑噪声点的灰度值，而非可疑噪声点的灰度值保持不变。实验表明，该方案切实可行，滤波后的图像具有均方误差小以及峰值信噪比高等优点。其滤波性能相比标准中值滤波算法、形态开闭组合滤波算法、自适应中值滤波算法等有一定程度的提高。
中图分类号： TP391
文献标识码： A
DOI：10.16157/j.issn.0258-7998.200294
中文引用格式： 文福林，张凯，蒲锋，等. 一种基于噪声点邻域的形态学滤波算法研究[J].电子技术应用，2021，47(3)：71-74.
英文引用格式： Wen Fulin，Zhang Kai，Pu Feng，et al. A morphological filtering algorithm research for neighbor noise[J]. Application of Electronic Technique，2021，47(3)：71-74.
A morphological filtering algorithm research for neighbor noise
Wen Fulin1，Zhang Kai2，Pu Feng1，Tang Suli1
1.Department of Electronics，Sichuan Aerospace Vocational College，Guanghan 618300，China； 2.School of Mechanical Engineering，Sichuan University，Chengdu 610065，China
Abstract： The suspicious noise points are taken as center to construct a certain size neighborhood in this paper. Morphological close filtering is performed by pepper noise neighborhood. Then, morphological open filtering is applied by neighborhood salt noise point. The gray values of suspected noise points are replaced by filtered gray value of neighborhood center point. During the transforming process, gray values of non-suspicious noise points remain unchanged. Experiments show that this scheme is practical and plausible. The filtered image has advantages of less mean square error and high peak signal-to-noise ratio. Compared with the median filtering algorithm, the morphological open-close filtering algorithm，and the adaptive filtering algorithm, this proposed improved algorithm provides a better filtering property.
Key words : salt-and-pepper noise；morphology；filter;structuring elements

0 引言

    椒盐噪声是图像在成像、信道传输、解码等处理过程中产生的黑白相间的亮点或暗点噪声，也称为双极脉冲噪声[1]。针对椒盐噪声的滤波方法有很多，如：标准中值滤波算法、自适应中值滤波算法、形态学滤波算法以及一些改进的滤波算法等[1-4]。

    标准中值滤波算法的思想就是选取一定大小的滤波窗口，比较该滤波窗口内的像素值的大小，取其中值作为这个滤波窗口的中心像素新的值。标准中值滤波器受滤波窗口大小的影响较大，如果窗口较小，则能较好地保护图像中的一些细节特征，但滤效果就会变差；反之，如果窗口尺寸较大则有较好的滤波效果，但会丢失更多的图像细节特征。且随噪声密度地增大，其滤波性能下降较为明显。

    自适应中值滤波算法是基于对标准中值滤波算法的改进，引入了噪声判断机制，动态调整滤波窗口尺寸大小来改进滤波性能，相比标准中值滤波算法，其滤波性能有了较大程度的提高，可获得较好的滤波效果。标准中值滤波算法以及自适应中值滤波算法因其使用滤波窗口的中值来代替中心像素的值，而滤波窗口的中值与中心像素值并不一定相等，从而引入额外的误差。

    形态学广泛应用于图像边缘检测、抑制噪声、纹理分析、特征提取等[2-12]。形态学开运算具有可去除比结构元素小的亮细节特性，而形态学闭运算具有可去除比结构元素小的暗细节特性[4]，利用形态学开运算和形态学闭运算可以构成多种滤波器，如常见的形态学开闭组合滤波算法[4，10]以及形态学同其他滤波算法相结合等[2]。该类算法对噪声图像实施先开后闭运算，或者先闭后开运算，或者以先开后闭运算与先闭后开运算的均值来求解[10]。然而，形态学开闭组合滤波算法受结构元素的影响较为敏感，当选取不同的结构元素时，其滤波效果会存在较大的差异。

    为此，本文借鉴噪声判断机制，先判断出噪声图像中存在的可疑噪声点。对于一幅归一化的8位灰度图像而言，灰度值为0或灰度值为1的点既有可能为噪声点，也有可能为非噪声点，即信号点[1，13]。在此，将灰度值为0的点定义为可疑椒噪声点，将灰度值为1的点定义为可疑盐噪声点。以可疑噪声点为中心，构建一个7×7大小的邻域，对可疑椒噪声点邻域进行形态学闭滤波，对可疑盐噪声点邻域进行形态学开滤波，并以滤波后的该邻域中心点的灰度值替换可疑噪声点的灰度值。对于非可疑噪声点，保留其灰度值不变。实验表明，该方案切实可行，滤波后的图像具有均方误差小以及峰值信噪比高等优点。其滤波性能相比标准中值滤波算法、形态学开闭组合滤波算法、自适应中值滤波算法等均有一定程度的提高。




本文详细内容请下载：http://www.chinaaet.com/resource/share/2000003438




作者信息：

文福林1，张  凯2，蒲  锋1，汤素丽1

(1.四川航天职业技术学院 电子系，四川 广汉618300；2.四川大学 机械工程学院，四川 成都610065)

此内容为AET网站原创，未经授权禁止转载。

相关内容