一種自適應雙閾值模糊中值濾波演算法範文

噪聲對影象處理十分重要，其會影響影象處理的輸入、採集、處理的各個環節以及輸出結果的全過程。其中，椒鹽噪聲一般是由於傳輸誤差或位元丟失造成的。椒鹽噪聲與其他的畫素點有明顯的區別，一般是鄰域中的畫素值的極值點。但是極值點並不一定是噪聲點。椒鹽噪聲在影象上表現出黑白相間的亮暗點，會嚴重影響影象的質量。傳統中值濾波演算法(smf)[1]能夠減弱或消除傅立葉空間的高頻分量，但是同時會影響低頻分量。由於高頻分量對應影象中的邊沿灰度值具有較大較快變化的部分，所以smf演算法可將這些分量濾除，使影象平滑，破壞影象的邊緣和細節。

文獻[2]提出了模糊開關中值濾波演算法(fsm)，fsm演算法處理效果比smf演算法要好一點。提出了自適應模糊開關中值濾波(nafsm)演算法。文獻提出了edpa演算法。文獻[5]和文獻[6]提出基於神經網路的模糊中值濾波演算法，對於受密度噪聲汙染的影象取得了不錯的效果，但是計算量很大。文獻[7]、文獻[8]、文獻[9]、文獻[10]提出了一種自適應模糊中值濾波演算法(afm)。afm演算法對傅立葉空間的低頻分量具有較好的濾除效果，但對高頻分量的處理效果不是很好，主要是沒有考慮椒鹽噪聲對影象的汙染程度。所以本文在afm的基礎上提出了一種雙閾值模糊中值濾波演算法，該演算法能很好地保護影象的細節，具有高效地處理椒鹽噪聲的能力。

利用模糊系統，計算輸入引數的模糊係數權值。因為處理的是椒鹽噪聲，所以只需輸入濾波視窗中原值與中值的差，最後通過去模函式去模糊化，濾波輸出。

濾波視窗s由w×w(w預設值為3，一般為奇數)的方陣組成。對s裡的畫素點值進行快排序，可得濾波視窗中畫素的最小值為smin，最大值為smax，中值為smed，均值為smean。x(i，j)表示噪聲影象在(i，j)的灰度值。模糊系統首先是計算引數s1(i，j)=x(i，j)-smed。在影象處理的時候一般對畫素的汙染程度進行閾值的設定。這裡假設最小閾值為tmin，最大閾值為tmax，同時設定引數s2=|x(i，j)-smean|。當s2tmax時，認為畫素點嚴重汙染，這時就用最近鄰域已處理的畫素點求均值代替。