基于图像修复的去椒盐噪声算法

针对受椒盐噪声不同程度污染的灰度图像滤波问题，提出了一种基于图像修复的去椒盐噪声算法，本文采用Oliveria等提出的快速图像修复模型，并对其采用的是单边缘的像素值，容易对图像的边缘产生模糊的不足加以改进，去除椒盐噪声。

【关键词】椒盐噪声 去噪 图像修复1 引言图像在信号采集阶段和传输过程中，常受传输信道或外界干扰的影响产生一些脉冲噪声，其中椒盐噪声对图像质量的影响最大，即使是少量的椒盐噪声，也会给图像细节造成严重的影响。因此如何有效去除受污染图像的椒盐噪声，同时又能较好的保护图像的边缘细节成为数字图像处理最为重要的领域之一。2 滤波算法本文的算法与其他的去噪算法一样，只研究在噪声污染前为以边缘为界的、局部平滑变化的、自然的灰度图像。噪声的污染程度用噪声率r表示，r∈[0，1] 。2.1 噪声检测 为了避免对未受噪声污染的像素点进行滤波而造成的图像模糊，本文的算法首先对噪声点进行检测。为了标识噪声，首先定义与待检测图像的维数大小相同的矩阵为噪声标识矩阵MASK。在该矩阵中每个矩阵元素都与待处理的噪声图像中每个像素相对应。MASK（i，j）= （1）2.2 基于图像修复的去椒盐噪声算法将噪声标识矩阵中MASK（i，j）=1的像素点作为噪声点，MASK（i，j）=0的像素点作为信息点。信息点保持像素值不变，噪声点作为待修复区采用基于图像修复的去噪算法滤除。由于快速图像修复算法采用的是单边缘的像素值，对图像的边缘细节修复效果不佳，本文对此提出了改进，采用多窗口滤波。定义p（i，j）为噪声点，s1、s2、s3、s4为以p（i，j）为中心的4个不同方向的滤波窗口，具体算法如下：（1）根据以p（i，j）为中心的4个不同方向的滤波窗口中的信息点，计算代表各滤波窗口内灰度起伏程度的广义标准差 （i，j）： （i，j）= ∑ （x，y） 1 ≤t≤ 4 （2） 1 ≤t≤ 4 （3）以上两式中，为滤波窗口内信息点的个数，（i，j）为滤波窗口内信息点的灰度均值，（x，y）为滤波窗口内信息点的灰度值集合。（2）将SMin（i，j）广义标准差最小的滤波窗口作为p（i，j）的滤波窗口：SMin（i，j）=Min（（i，j）） 1 ≤t≤ 4 （4）（3）选择好所有噪声点的滤波窗口后，对噪声点进行重复迭代滤波操作，直到临近的滤波值之差小于预先设定的阈值T，停止滤波。3 实验结果与分析在本文实验中，选择灰度级L=256的图像Lena.bmp，大小为256 256。图1为Lena图像添加噪声率为0.1、0.3、0.5、0.9时的污染图像和滤波图像。实验结果表明，本文算法对低噪声率污染图像的滤波能保护图像细节；当噪声率达0. 9时也能较好地恢复出图像信息。如图1所示。表1是对Lena图像添加了不同噪声率的椒盐噪声后，用改进自适应中值滤波（Improvement Adaptive Median filter，IAM）算法、开关模糊滤波（Switching based fuzzy filter，SF）算法、本文算法滤波得到的图像PSNR值。4 结束语 实验结果表明，本文算法滤波后的图像不但在滤波性能客观评价指标上明显优于传统中值滤波及其改进算法，而且在主观视觉效果方面也最佳。参考文献[1]肖蕾，何坤，周激流等.改进自适应中值滤波的图像去噪[J].激光杂志，2009，30（2）：44-46.[2]刘茗.基于噪声检测的自适应中值滤波算法[J].计算机应用，2011，31（2）：390-392.[3]郭远华，侯晓荣.针对椒盐噪声的开关模糊滤波器[J].计算机应用，2012，32（5）：1293-1295.作者单位广东科技学院计算机系 广东省东莞市 523083