自适应中值滤波RAMF

一、回顾一下传统的中值滤波

    中值滤波就是选择一定形式的窗口，使其在图像的各点上移动，用窗内像素灰度值的中值代替窗中心点处的像素灰度值。它对于消除孤立点和线段的干扰十分有用，能减弱或消除傅里叶空间的高频分量，但也影响低频分量。高频分量往往是图像中区域边缘灰度值急剧变化的部分，该滤波可将这些分量消除，从而使图像得到平滑的效果。对于一些细节较多的复杂图像，还可以多次使用不同的中值滤波。传统中值滤波算法的具体实现过程如下：

(1)选择一个(2n+1)×(2n+1)的窗口(通常为3×3或5×5)，并用该窗口沿图像数据进行行或列方向的移位滑动；

(2)每次移动后，对窗内的诸像素灰度值进行排序；

(3)用排序所得中值替代窗口中心位置的原始像素灰度值。

 

二、自适应中值滤波

 

     首先，采用3×3的×字形窗口进行计算，计算图像的中值滤波值Zmed、最大值滤波值Zmax和最小值滤波值Zmin，并判断噪声敏感度，即：如果Zmec，不在Zmax和Zmin之间就自动增加×字形窗口的大小，然后重复以上的过程；对于Zmed在Zmax和Zmin之间的点先用原像素值与最大滤波值和最小滤波值进行判断，如果在其间，原值不做修改，反之就用Zmed取代原值。这一过程有如下的作用：

 

(1)使得未受脉冲噪声污染的点不用修改，很好地保护了图像的点、线等细节及边界信息；

(2)当检测到的噪声很强时，自动增大窗口，提高了去噪能力；

(3)当检测到的噪声不是很强时，就不用增加窗口的大小，既体现出自适应性，又减少了时间开销，提高了速度。

                                   

下面上传一个原图，一个中值滤波图，一个自适应中值滤波图，lena的眼神告诉你效果0.0