均值滤波和中值滤波.pdf

均值滤波与自适应中值滤波的仿真与实现 摘 要 图像是一种重要的信息源，通过图像处理可以帮助人们了解信 息的内涵 , 然而在图像使用和传输过程中 , 不可避免会受到噪声的干 扰，因此为了恢复原始图像，达到好的视觉效果，需要对图像进行滤 波操作。根据噪声种类不同，可以采用不同的滤波方法，均值滤波是 典型的线性滤波算法， 能够有效滤波图像中的加性噪声， 而中值滤波 器是能够有效滤除脉冲噪声的非线性滤波器， 但传统中值滤波去脉冲 噪声的性能受滤波窗口尺寸的影响较大 , 在抑制图像噪声和保护细 节两方面存在矛盾。 本文首先对不同均值滤波器在处理不同噪声方面 的优缺点进行了分析， 然后分别用中值滤波器和自适应中值滤波器对 被椒盐噪声污染的图像进行了滤波操作， 发现自适应中值滤波方法不 仅可以有效滤波椒盐噪声， 同时还可以有效地克服中值滤波器造成图 像边缘模糊的缺点。 1. 均值滤波 均值滤波是典型的线性滤波算法， 它是指在图像上对目标像素给 一个模板， 该模板包括了其周围的临近像素点和其本身像素点。 再用 模板中的全体像素的平均值来代替原来像素值。 均值滤波也称为线性 滤波，其采用的主要方法为邻域平均法。 线性滤波的基本原理是用均 值代替原图像中的各个像素值，即对待处理的当前像素点（ x ，y ）， 选择一个模板， 该模板由其邻近的若干像素组成， 求模板中所有像素 的均值，再把该均值赋予当前像素点（ x ，y ），作为处理后图像在该 点上的灰度值 g （x ，y ），即 g （x ，y ）=1/m ∑f （x，y ）， m 为该 模板中包含当前像素在内的像素总个数。 均值滤波能够有效滤除图像 中的加性噪声， 但均值滤波本身存在着固有的缺陷， 即它不能很好地 保护图像细节， 在图像去噪的同时也破坏了图像的细节部分， 从而使 图像变得模糊。 均值滤波主要有算术均值滤波，几何均值滤波，谐波 均值滤波以及逆谐波均值滤波， 本文只对算术均值滤波， 几何均值滤 波和逆谐波均值滤波进行研究。 其中几何均值滤波器所达到的平滑度 可以与算术均值滤波器相比 , 但在滤波过程中丢失更少的图象细节。 逆谐波均值滤波器更适合于处理脉冲噪声 , 但它有个缺点 , 就是必须 要知道噪声是暗噪声还是亮噪声 , 以便于选择合适的滤波器阶数符号 , 如果阶数的符号选择错了可能会引起灾难性的后果。 下面分别对算术 平均滤波，几何平均滤波和逆谐波均值滤波对不同噪声的滤波效果进 行仿真分析。 1.1 算术平均滤波，几何平均滤波和逆谐波均值滤波对高斯噪声 进行滤波 A 原 始 图 像 B 高 斯 噪 声 污 染 的 图 像 C 用 3x3 算 术 均 值 滤 波 器 滤 波 后 图 像 D 用 3x3 几 何 均 值 滤 波 器 滤 波 后 图 像 E Q=-1.5 的 逆 谐 波 滤 波 器 滤 波 后 图 像 F Q=1