椒盐滤波matlab,基于Matlab的椒盐噪声滤波算法研究与实现

Image & Multimedia Technology·图像与多媒体技术 Electronic Technology & Software Engineering 电子技术与软件工程 • 85 【关键词】椒盐噪声 Matlab 均值滤波 中值滤波 1 引言 数字图像在形成、传输和处理过程中，因受到外部及内部干扰，不可避免会被噪声污染，噪声不但影响图像的视觉效果，而且影响图像识别、分割、特征提取等处理，因此滤除图像中的噪声具有重要的现实意义。椒盐噪声又称脉冲噪声，是一种常见噪声，图像在传输、编码及解码等过程中，经过含有噪声的线路或被电子感应噪声污染时，会染上一定程度的椒盐噪声。椒盐噪声涉及两种噪声，一种是盐噪声，属于高灰度噪声，一种是胡椒噪声，属于 基于 Matlab 的椒盐噪声滤波算法研究与实现文/李琳芳 赵欣 张利伟 介绍了图像去噪流程，研究了图像椒盐噪声处理中的两种算法，均值滤波算法和中值滤波算法，详细阐述了两种算法的基本原理和实现方法，在 Matlab 环境下利用两种算法对图像进行去噪处理，并对去噪结果进行比较、分析，实验结果表明两种算法都能有效滤除图像中的椒盐噪声，中值滤波算法在保护图像细节方面要优于均值滤波算法。 摘 要 低灰度噪声，两种噪声同时出现，呈现在图象上就是黑白相间的杂点。 图像去噪技术常见的有线性滤波技术和非线性滤波技术，以均值滤波为代表的线性滤波技术理论完善，数学运算简单，被广泛应用于图像处理中，但线性滤波技术在滤除椒盐噪声的同时，会使得图像细节变得模糊。以中值滤波为代表的非线性滤波技术在滤除椒盐噪声的同时，很好地保护了图像细节及边缘信息。通过 Matlab 仿真，对比分析了均值滤波和中值滤波处理椒盐噪声的效果。 2 图像去噪流程 基于 Matlab 的椒盐噪声滤除流程如图 1 所示。在仿真实验过程中，为了控制噪声密度以及对比图像处理前后效果，首先将原始图像加入椒盐噪声，然后通过均值滤波和中值滤波算法对图像进行复原，对比分析复原前后的图像以验证两种算法在图像去噪方面的有效性。 3 算法描述 3.1 均值滤波算法 均值滤波是将一个像素点及其邻域中所有像素点的平均值赋给输出图像中相应的像素点，以达到平滑目的。算法的具体步骤如下：(1)选取合适的滤波窗口作为像素点的实心邻域，本文选择的是 3×3 和 5×5 的窗口区域； (2)利用均值滤波公式计算各个像素点的灰度值； (3)用所求的均值替换像素点 原来的灰度值 。 均值滤波运算公式为： 代表像素点 的灰度值，M 代表以 为中心的邻域像素点的集合，N 代表该邻域内像素点总数， 代表灰度值 对应的输出，即用窗口像素的平均值取代 原来的灰度值。 图 1：椒盐噪声滤除流程 图(a)原图像 图(b)4% 椒盐噪声图像 86 • 电子技术与软件工程 Electronic Technology & Software Engineering 图像与多媒体技术·Image & Multimedia Technology 3.2 中值滤波算法 中值滤波原理是采用一个奇数点的移动窗口，将窗口内所有灰度值排序，用窗口各点的中间值代替窗口中心点的灰度值。算法具体步骤如下： (1)选取合适的滤波窗口作为像素点的实心邻域，本文选择的是 3×3 和 5×5 的窗口区域； (2)对滤波窗口内所有像素点的灰度值从小到大进行排序； (3)排序后处于中间位置的灰度值就是所求的中值； (4)用所求的中值替换像素点 原来 的灰度值 。 中值滤波运算公式为： 代表滤波窗口内任意像素点的灰度值， 代表 的实心邻域