[发明专利]基于菱形模板的自适应加权均值滤波方法

说明书

技术领域

本发明涉及一种基于菱形模板的自适应加权均值滤波方法，特别适用于滤除图像椒盐噪声，属于图像处理技术领域。

背景技术

随着计算机和各类电子成像设备的日益发展和普及，数字图像在与人们社会生活息息相关的各个领域中得到越来越广泛的应用，如：医学所用的CT图像、航天器拍摄的遥感SAR图像、验证纸币支票真伪的数字水印图像、对人们身份进行识别的人脸虹膜图像等等。这就要求人们能够对图像进行更精确地处理，从而有效地提取和分析出更多的信息和特征。

噪声是影响图像质量和视觉效果的主要因素之一，其产生的主要原因是图像在获取和传输过程中由于图像采集系统、传输媒介以及成像系统的不完善和外界环境的干扰，使图像质量受到了损害。噪声妨碍人们接受图像原有信息从而影响对图像后续的高级处理，如边缘检测、图像分割、特征提取、模式识别等。所以研究如何滤除图像噪声，提高图像质量就成为数字图像研究领域中一项非常重要且具有现实意义的课题。

图像去噪就是应用有效的滤波方法将图像中所含有的噪声尽可能的去除，即对图像上的信息缺损区域进行信息填充，使滤波后的图像能最大程度地接近原始图像。

目前比较常见的滤波模板有n×n正方形(通常n为大于等于3的奇数)模板、十字形模板、×形模板、八方向模板等。其中正方形模板应用最为广泛，当处理某一个像素时，取其n×n正方形模板内的像素参与滤波计算。它利用了该像素周围的大量像素信息，在程序设计方面也比较容易实现，很多情况下可以取得比较好的效果。

传统的滤波方法是中值滤波和均值滤波。中值滤波是非线性滤波方法, 也是图像处理技术中最常用的预处理技术，基本思想是：对于给定图像中的每个像素,将以其为中心的n×n正方形模板内所有像素的灰度值进行排序，然后取中间值作为该像素的最终灰度值。该方法可以克服线性滤波器给图像带来的模糊, 在有效清除颗粒噪声的同时, 又能保持良好的边缘特性, 从而获得较满意的滤波效果, 特别适合于去除图像的椒盐噪声；均值滤波是线性滤波算法, 又叫邻域平均法，基本思想是: 对于给定图像中的每个像素, 取以其为中心的

n×n正方形模板内所有像素灰度值的平均值作为当前像素的灰度值，该方法运算简单, 对高斯噪声具有良好的去噪能力。                              

      使用n×n正方形模板滤波虽然利用了当前像素周围的大部分像素的灰度信息，但它并未充分发挥当前像素邻域中的所有灰度信息和距离信息在滤波中的作用。

发明内容

本发明所要解决的技术问题是提供一种基于菱形模板的自适应加权均值滤波方法。

本发明解决技术问题所采用的技术方案：

本发明包括以下步骤：

（1）读入一幅图像，令第一个像素为当前像素；

（2）判断当前像素是否为噪声：

判断噪声的方法是极值和阈值区间相结合的方法，即若当前像素的灰度值为其3×3菱形模板邻域内所有像素灰度值的极大值或极小值，且其灰度值在[251，255]或[0，4]时，判定此像素为噪声，否则为正常信号；所述噪声称之为噪声像素，所述正常信号称之为信号像素；

所述菱形模板是指对角线长度相等的、对角线分别为水平方向和竖直方向的中心对称和轴对称图；所述3×3菱形模板是指两条对角线涉及的像素个数都为3，以距菱形中心为3/2个像素距离的上、下、左、右四个点为顶点构造的所述菱形模板；

当所述当前像素是噪声像素时，执行第（3）步；

当所述当前像素是信号像素时，执行第（2.1）步；

（2.1）置下一个像素为当前像素，然后返回第（2）步；

（3）以噪声像素为中心，构造一个所述3×3菱形模板：

当以图像边界的像素为中心构造菱形模板时，菱形模板中超出图像范围的部分不予考虑，防止超出边界时发生计算错误；

（4）判断菱形模板内信号像素的个数是否≥2：

当菱形模板内信号像素的个数≥2时，执行第（5）步；

当菱形模板内信号像素的个数小于2时，执行第（4.1）步；

（4.1）菱形模板扩充：

菱形模板的扩充方法如下：

每次扩充时，以当前像素为中心将两条对角线上的像素各增加2个，构成新的菱形模板，依次扩充，直至扩充至n×n菱形模板，其中n为奇数；

菱形模板每次扩充完毕后返回转第（4）步；

（5）按下述公式（1）计算菱形模板内每个信号像素的面积权重P_i，