[发明专利]最小十字窗中值与均值迭代滤波的图像噪声滤除方法

说明书

本发明公开了一种基于最小十字窗中值与均值迭代滤波的图像去噪方法，主要解决现有的图像去噪方法去噪同时难以保护边缘细节和参数设置困难等问题。实现步骤为：(1)通过极值方法找出噪声点，构建与图像大小相同的二值映射图；(2)计算噪声密度p；(3)如果p<=0.525，则使用最小十字窗迭代中值滤波，即：对于噪声图像中的每个噪声点，用最小十字窗口中非噪声点的中值取代噪声点的值，如此再迭代处理2次，每次判断噪声点是否已经处理完，如果处理完，输出去噪结果；(4)如果p>0.525，则使用最小十字窗迭代均值滤波进行处理，处理方式同最小十字窗迭代中值滤波方法。本发明具有无需考虑窗口大小、易操作、去噪效率高、图像细节保持度好和更适合实时应用的优点。

技术领域

本发明属于图像处理技术领域，特别涉及一种可用于航空航天、工业、农业、医学，军事等领域的数字图像处理的最小十字窗中值与均值迭代滤波的图像噪声滤除方法。

背景技术

图像在景物成像、空间采样和量化等过程中经常受外界各种噪声干扰，使图像质量下降。而图像噪声是影响人眼观察最直接、最有害和最关键的问题。为尽可能减小噪声影响，对噪声污染的图像必须进行去噪处理。1971年，著名学者Tukey在他的开拓性论文中，提出了一种非线性滤波器－中值滤波器。研究表明，中值滤波在一定的条件下可以克服线性滤波所带来的图像模糊，而且是消除图像脉冲噪声的最佳办法。其原理是一个含有奇数像素的滑动窗口，窗口中心的像素灰度值用窗口内像素灰度值的中值代替。然而正如众多文献指出，中值滤波从一维信号扩展到多维信号处理，尽管中值滤波具有良好的窄脉干扰抑制能力，但在二维图像中的点、细线、尖锐顶角，经中值滤波后，可能丢失；另外其去噪效果与窗口大小有关，窗口小，去噪效果差一点，保护细节好一点，运行速度快一点，反之，窗口大，去噪效果好些，运行速度慢些，保护细节差些。因为标准中值滤波的缺陷，各种中值滤波的改进算法应运而生，例如自适应中值滤波算法、开关中值滤波算法、加权中值滤波算法、三态中值滤波算法、软切换中值滤波等等，这些算法在去噪和保护细节方面都有较好的改进效果，但处理速度并不理想，不能满足实时要求。如传统的中值滤波算法对每个窗口内的像素进行排序求中值，其复杂度（以比较次数来衡量）均正比于排序对象个数之平方，且当窗口尺寸增大时，计算量将按四次方增大，很难满足数字图像处理的实时性要求。基于此，张新明等人提出了一种基于十字滑动窗口的快速自适应图像中值滤波方法(张新明，党留群，徐久成. 基于十字滑动窗口的快速自适应图像中值滤波. 计算机工程与应用, 2007,43(27)：37-39.)，提高了细节保护能力和运行速度，但这种方法由于图像非噪声点的信息利用率不高，且采用是非裁剪中值滤波等原因，所以去噪效果有限。

发明内容

本发明的目的在于克服上述已有技术的不足，提出了一种最小十字窗中值与均值迭代滤波的图像噪声滤除方法。本发明不仅是因为最小十字窗口是最少像素排序窗口，能提高滤波速度，而且能很好地保护图像细节。

本发明的目的是这样实现的：

一种最小十字窗中值与均值迭代滤波的图像噪声滤除方法，包括如下步骤：

步骤1：输入大小为m×n，灰度级为0到L之间的含噪声图像I，其中最小灰度级为0，最大灰度级为L，它常取255；

步骤2：用极值方法判断噪声像素点，产生噪声0-1二值映射矩阵N^I，即：，x=1, 2, …, m，y=1, 2, …, n；

步骤3：计算噪声密度p：；