CN109859133B - 一种中值滤波图像去噪方法 - Google Patents

Abstract

本发明公开了一种中值滤波图像去噪方法，对模板内像素值的排序方法做出改进，对像素灰度值进行筛选，选择符合要求的灰度值进行下一步的排序，使其能够准确快速的锁定模板内的像素值中值，从而提高中值滤波的运算速度，避免了不必要的时间和资源的浪费。同时在确保图像效果的前提下，大大提高了图像处理的运算速度，有效的解决了传统中值滤波排序时时间浪费和资源浪费的问题。

Description

一种中值滤波图像去噪方法

技术领域

本发明涉及图像预处理的技术领域，特别涉及一种改进的中值滤波图像去噪方法。

背景技术

数字图像的采样或传输在经过传感器或传输通道时经常受到噪声的干扰。为了方便图像的处理，如：边缘检测、图像分割和模式识别等，有必要甚至是必须对受噪声污染的图像进行滤波。中值滤波是由Tukey发明的一种非线性信号处理技术，由于其在滤除噪声的同时，能够很好地保护图像的边缘，因此得到了广泛的应用。但通常的中值滤波中的数据排序费时较多，特别在大窗口下，需要进行大量的数据比较工作，不利于图像快速实时的处理，因而有必要研究一种快速的中值滤波。

传统的中值滤波是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值，是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升(或下降)的为二维数据序列。将二维滑动模板内的像素值进行排序，这种方法简单能够准确的找出二维滑动模板内像素值的中值，但没有考虑到依次按照像素值大小排序时所消耗的运行时间，虽然近年来计算机硬件快速发展，中值滤波的处理速度越来越快，但是结果依然有提升的空间。

综上所述，传统的中值滤波在像素值排序时，缺乏对像素值排序方法和排序时间的考虑，使得图像中值滤波处理的时间效果上得不到很好的提高，最终造成时间和资源的浪费。因此需要对模板内像素值的排序方法做出改进，使其能够准确快速的锁定模板内的像素值中值。从而提高中值滤波的运算速度，避免了不必要的时间和资源的浪费。本发明能很好的解决上述问题。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供一种中值滤波图像去噪方法，解决传统中值滤波在像素大小排序时，缺乏对滤波时间和资源利用率问题上的考虑，传统中值滤波排序方法对时间和资源造成了一定浪费的问题。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种中值滤波图像去噪方法，对模板内像素值的排序方法做出改进，使其能够准确快速的锁定模板内的像素值中值。从而提高中值滤波的运算速度，避免了不必要的时间和资源的浪费，包括以下步骤：

步骤1，读取图像 ，将滤波模板放置在图像的左上角；

步骤2，将滤波模板中心与图中所在位置中的某个像素位置重合，读取滤波模板中各对应像素的灰度值，将滤波模板中读取到的灰度值按顺序依次赋值得到灰度矩阵D_[i,j]中，

步骤3，将灰度矩阵D_[i,j]分别与四个模板矩阵A₁、A₂、A₃、A₄相乘，得到结果A_1[i,j]、A_2[i,j]、 A_3[i,j]、A_4[i,j]；

步骤4，分别取A_1[i,j]、A_2[i,j]、A_3[i,j]、A_4[i,j]对应矩阵中元素除0值外的最小值得到矩阵模板筛选后剩余元素对应的灰度值，分别记为Min(A_1[i,j])、Min(A_2[i,j])、Min(A_3[i,j])、Min(A_4[i,j])；

步骤5，记矩阵模板筛选后剩余元素对应的灰度值Min(A_1[i,j])、Min(A_2[i,j])、Min(A_3[i,j])、 Min(A_4[i,j])、P_[i,j]分别为H₁、H₂、H₃、H₄、H₅，将H₁、H₂、H₃、H₄、H₅按数值从大到小或从小到大顺序依次排序，取中间值为H；将得出的灰度值H替换原滤波模板中心位置的像素P_[i,j]所代表的灰度值；

步骤6，将滤波模板在图像的位置依次从左到右、从上到下放置，重复步骤2～5，遍历整个图像 ，完成图像的去噪。

优选的：步骤2中灰度矩阵D_[i,j]

P_[i,j]表示滤波模板中心位置的像素，i表示中心位置像素的行号，j表示中心位置像素的列号。

优选的：步骤3中A_1[i,j]、A_2[i,j]、A_3[i,j]、A_4[i,j]公式如下：

其中，

优选的：步骤4中矩阵模板筛选后剩余元素对应的灰度值Min(A_1[i,j])、Min(A_2[i,j])、 Min(A_3[i,j])、Min(A_4[i,j])：

Min(A_1[i,j])＝min(P_[i-1,j+1],P_[i+1,j-1]) (6)

Min(A_2[i,j])＝min(P_[i,j+1],P_[i,j-1]) (7)

Min(A_3[i,j])＝min(P_[i+1,j+1],P_[i-1,j-1]) (8)

Min(A_4[i,j])＝min(P_[i-1,j],P_[i+1,j]) (9)。

优选的：步骤5中的中间值H为

H＝Med(H₁、H₂、H₃、H₄、H₅) (10)。

本发明相比现有技术，具有以下有益效果：

本发明通过改进中值滤波排序方法，将像素灰度值提前大小比对，并筛选出后期排序所需要的灰度值。传统中值滤波排序方法对时间和资源造成了一定浪费，这可以很好的解决传统中值滤波中灰度值大小排序时间长和资源利用率低的问题，简化了中值滤波的排序方法，提高了图像滤波的运算速度。

附图说明

图1基于中值滤波改进的图像去噪流程图 图2 3×3的模板窗口图图3筛选极值冒泡排序方法图

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明，应理解这些实例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

一种中值滤波图像去噪方法，是在采用传统中值滤波滑动模板的基础上，通过改进滑动模板内像素值的排序方法和策略，改进传统的中值滤波，使其在滤波处理时提高了运算速度，避免了资源的浪费。

传统的中值滤波的基本思想是把局部区域的像素按灰度等级进行排序，取该领域中灰度的中值作为当前像素的灰度值。一般二维模板取3×3、5×5模板,中值的计算在于对滑动窗口内像素的排序操作。要进行排序，就必须对序列中的数据像素做比较和交换，数据元素之间的比较次数是影响排序速度的一个重要因素。传统的排序串行算法是基于冒泡排序法，若窗口内像素为m个，则每个窗口排序需要做m(m-2)/2次像素的比较操作，时间复杂度为O (m²)。此外，常规的滤波算法使窗口每移动一次，就要进行一次排序，这种做法实际上包含了大量重复比较的过程。若一幅图像的大小为N×N，则整个计算需要时间O(m²N²)，当窗口较大时计算量很大，较费时。

方法流程：

如图1所示，本发明提出一种改进的中值滤波方法，其包括如下步骤：

1、像素灰度值的筛选

为进一步改进中值滤波方法的实现速度，以3×3中值滤波模板为例，将3×3模板窗口内的各像素分别定义为如图2。分别取如下四个3×3矩阵模板A₁、A₂、A₃、A₄。在 M×N大小的图像中，记3×3矩阵模板中心像素点为P_[i,j],其3×3邻域像素的灰度值矩阵为D_[i,j]。

将D_[i,j]分别与四个模板矩阵相乘结果分别记为A_1[i,j]、A_2[i,j]、A_3[i,j]、A_4[i,j]。

分别取A_1[i,j]、A_2[i,j]、A_3[i,j]、A_4[i,j]对应矩阵中元素除0值外的最小值分别记为Min(A_1[i,j])、 Min(A_2[i,j])、Min(A_3[i,j])、Min(A_4[i,j])，即：

Min(A_1[i,j])＝min(P_[i-1,j+1],P_[i+1,j-1]) (6)

Min(A_2[i,j])＝min(P_[i,j+1],P_[i,j-1]) (7)

Min(A_3[i,j])＝min(P_[i+1,j+1],P_[i-1,j-1]) (8)

Min(A_4[i,j])＝min(P_[i-1,j],P_[i+1,j]) (9)

经过公式(6)、(7)、(8)、(9)筛选后，得到中心像素点P_[i,j]l周围四个点的灰度值。

具体步骤如下：

步骤1)读取图像 ，将滤波模板(含有若干个点的滑动窗口，以3×3模板为例)放置在图像的左上角，并将模板中心与图中左上角某个像素位置重合，读取模板中各对应像素的灰度值，将模板中读取到的3×3个灰度值按顺序依次赋值到3×3的灰度矩阵D_[i，j]中记公式(1)，图2即为所示模板。

步骤2)根据公式(2)、公式(3)、公式(4)、公式(5)，将D_[i，j]分别与A₁、A₂、A₃、A₄四个模板矩阵相乘，得到结果A_1[i,j]、A_2[i,j]、A_3[i,j]、A_4[i,j]。

步骤3)根据公式(6)、公式(7)、公式(8)、公式(9)，分别得到A_1[i,j]、A_2[i,j]、A_3[i,j]、A_4[i,j]矩阵中元素最小值Min(A_1[i,j])、Min(A_2[i,j])、Min(A_3[i,j])、Min(A_4[i,j])。

2、筛选极值冒泡排序

记矩阵模板筛选后剩余元素对应的灰度值Min(A_1[i,j])、Min(A_2[i,j])、Min(A_3[i,j])、Min(A_4[i,j])、 P_[i,j]分别为H₁、H₂、H₃、H₄、H₅。采用冒泡排序方法将H₁、H₂、H₃、H₄、H₅按数值从大到小或从小到大顺序依次排序，取中间值为H，公式记为H，如图3所示：

H＝Med(H₁、H₂、H₃、H₄、H₅) (10)

最后将得出的灰度值H替换原P_[i,j]所代表的灰度值。若筛选前窗口内像素为m个，则筛选后窗口内像素个数记为n，

n＝m-(m-1)/2 (11)

则每个窗口排序还需要做n(n-2)/2次像素的比较操作，时间复杂度为O(n²N²)，远小于原时间复杂度O(m²N²)。

具体步骤如下：

步骤1)读取图象，将滤波模板(含有若干个点的滑动窗口，以3×3模板为例)放置在图像的左上角，并将模板中心与图中左上角某个像素位置重合，读取模板中各对应像素的灰度值，将模板中读取到的3×3个灰度值按顺序依次赋值到3×3的灰度矩阵D_[i，j]中记公式(1)，根据公式(2)、公式(3)、公式(4)、公式(5)，将D_[i，j]分别与A₁、A₂、A₃、A₄四个模板矩阵相乘，得到结果A_1[i,j]、A_2[i,j]、A_3[i,j]、A_4[i,j]，图2即为所示模板。

步骤2)根据公式(6)、公式(7)、公式(8)、公式(9)，分别得到A_1[i,j]、A_2[i,j]、A_3[i,j]、A_4[i,j]矩阵中元素最小值Min(A_1[i,j])、Min(A_2[i,j])、Min(A_3[i,j])、Min(A_4[i,j])。

步骤3)根据公式(10)，采用冒泡排序方法取矩阵模板筛选后得到剩余灰度值Min(A_1[i,j])、 Min(A_2[i,j])、Min(A_3[i,j])、Min(A_4[i,j])及中心灰度值P_[i,j]的中间值H，将H赋值给对应模板中心位置的像素。

将滤波模板在图像的位置依次从左到右、从上到下放置，重复步骤1-3，遍历整个图像 ，完成图像的去噪。

本发明在确保图像效果的前提下，大大提高了图像处理的运算速度，有效的解决了传统中值滤波排序时时间浪费和资源浪费的问题。传统的中值滤波算法在排序上缺乏对像素值排序方法和排序时间的考虑，使得图像中值滤波处理的时间效果上得不到很好的提高，最终造成时间和资源的浪费。本发明对模板内像素值的排序方法做出改进，对像素灰度值进行筛选，选择符合要求的灰度值进行下一步的排序。该方法在理论、实践中都取得了很不错的效果。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (3)

1.一种中值滤波图像去噪方法，其特征在于包括以下步骤：

步骤1，读取图像 ，将滤波模板放置在图像的左上角；

步骤2，将滤波模板中心与图中左上角中的某个像素位置重合，读取滤波模板中各对应像素的灰度值，将滤波模板中读取到的灰度值按顺序依次赋值得到灰度矩阵D_[i,j]中，

灰度矩阵D_[i,j]：

P_[i,j]表示滤波模板中心位置的像素，i表示中心位置像素的行号，j表示中心位置像素的列号；

步骤3，将灰度矩阵D_[i,j]分别与四个模板矩阵A₁、A₂、A₃、A₄相乘，得到结果A_1[i,j]、A_2[i,j]、A_3[i,j]、A_4[i,j]；

A_1[i,j]、A_2[i,j]、A_3[i,j]、A_4[i,j]公式如下：

其中，

步骤4，分别取A_1[i,j]、A_2[i,j]、A_3[i,j]、A_4[i,j]对应矩阵中元素除0值外的最小值得到矩阵模板筛选后剩余元素对应的灰度值，分别记为Min(A_1[i,j])、Min(A_2[i,j])、Min(A_3[i,j])、Min(A_4[i,j])；

步骤5，记矩阵模板筛选后剩余元素对应的灰度值Min(A_1[i,j])、Min(A_2[i,j])、Min(A_3[i,j])、Min(A_4[i,j])、滤波模板中心位置的像素P_[i,j]分别为H₁、H₂、H₃、H₄、H₅，将H₁、H₂、H₃、H₄、H₅按数值从大到小或从小到大顺序依次排序，取中间值为H；将得出的灰度值H替换原滤波模板中心位置的像素P_[i,j]所代表的灰度值；

步骤6，将滤波模板在图像的位置依次从左到右、从上到下放置，重复步骤2～5，遍历整个图像 ，完成图像的去噪。

2.根据权利要求1所述中值滤波图像去噪方法，其特征在于：步骤4中矩阵模板筛选后剩余元素对应的灰度值Min(A_1[i,j])、Min(A_2[i,j])、Min(A_3[i,j])、Min(A_4[i,j])：

Min(A_1[i,j])＝min(P_[i-1,j+1],P_[i+1,j-1]) (6)

Min(A_2[i,j])＝min(P_[i,j+1],P_[i,j-1]) (7)

Min(A_3[i,j])＝min(P_[i+1,j+1],P_[i-1,j-1]) (8)

Min(A_4[i,j])＝min(P_[i-1,j],P_[i+1,j]) (9)。

3.根据权利要求2所述中值滤波图像去噪方法，其特征在于：步骤5中的中间值H为：

H＝Med(H₁、H₂、H₃、H₄、H₅) (10)。

Images