均值濾波和中值濾波的比較分析

均值濾波和中值濾波的比較分析一、圖像系統(tǒng)中的常見噪聲一般在圖像中常見的噪聲有：1、按噪聲幅度分布形狀而分，成高斯分布的稱為高斯噪聲，主要由阻性元器件內(nèi)部產(chǎn)生。2、按噪聲和信號之間的關(guān)系分為加性噪聲和乘性噪聲。加性噪聲與輸入圖像信號無關(guān)，含噪圖像可表示為fey）=g3,y）+心,y）。乘性噪聲往往隨圖像信號的變化而變化其含噪圖像可表示為f（x，y）=g（x，y）+n（x，y）g（x，y）3、椒鹽（Saltandpepper）噪聲:主要是圖像切割引起的黑圖像上的白點噪聲或光電轉(zhuǎn)換過程中產(chǎn)生泊松噪聲。4、量化噪聲：此類噪聲與輸入圖像信號無關(guān)，是量化過程存在量化誤差，再反映到接收端而產(chǎn)生，其大小顯示出數(shù)字圖像和原始圖像差異。本文為了分析不同去噪方法的應(yīng)用范圍，將原圖像分別加入高斯噪聲及椒鹽噪聲，運用Matalab編程實現(xiàn)兩種不同濾波方法的去噪結(jié)果，并據(jù)此進(jìn)行比較得出相應(yīng)結(jié)論。下面幾幅圖為本文所選用的經(jīng)過灰度變換后得到的圖像、添加椒鹽噪聲和高斯噪聲后的圖像：去噪的兩種常用方法均值濾波均值濾波也稱為線性濾波，其采用的主要方法為鄰域平均法。其基本原理是用均值替代原圖像中的各個像素值，即對待處理的當(dāng)前像素點(尤，^)，選擇一個模板，該模板由其近鄰的若干像素組成，求模板中所有像素的均值，再把該均值賦予當(dāng)前像素點3,W,作為處理后圖像在該點上的灰度g3,刃，即g3,J)=方rE3,j)，其中，s為模板，M為該模板中包含當(dāng)前像素在內(nèi)的像素總個數(shù)。如下即分別為用中值濾波對加有高斯噪聲、椒鹽噪聲、的圖像處理后的對比圖：:>3的椒鹽噪聲均值濾波*3高斯噪聲均值濾波中值濾波中值濾波是基于排序統(tǒng)計理論的一種能有效抑制噪聲的非線性信號處理技術(shù)。其實現(xiàn)原理如下:將某個像素鄰域中的像素按灰度值進(jìn)行排序,然后選擇該序列的中間值作為輸出的像素值,讓周圍像素灰度值的差比較大的像素改取與周圍的像素值接近的值，從而可以消除孤立的噪聲點。其具體的操作是:首先確定一個以某個像素為中心點的領(lǐng)域，一般為方形領(lǐng)域(如3*3、5*5的矩形領(lǐng)域)，然后將領(lǐng)域中的各個像素的灰度值進(jìn)行排序。假設(shè)其排序為：氣-%-%...-x,=Med{x,x,x,x}-x((1+n)/2),n為奇數(shù)，123n=Med{x,x,x,x}=1/2x[x(n/2)+x((1+n)/2)],n為偶數(shù)，取排好序的序列的123n取排好序的序列的中間值作Y為中心點像素灰度的新值，這里的鄰域通常被稱為窗口。當(dāng)窗口在圖像中上下左右進(jìn)行移動后，利用中值濾波算法可以很好地對圖像進(jìn)行平滑處理。如下即分別為用中值濾波對加有高斯噪聲、椒鹽噪聲的圖像處理后的對比圖：

椒鹽噪聲中值濾波處理高斯噪聲中值濾波處理結(jié)果對比與分析椒鹽噪聲中值濾波處理高斯噪聲中值濾波處理根據(jù)以上實驗結(jié)果進(jìn)行對比分析,可以得出以下結(jié)論：(1)對于均值濾波，由以上處理后的圖像可以看到：均值濾波對高斯噪聲的抑制是比較好的,處理后的圖像邊緣模糊較少。但對椒鹽噪聲的影響不大，因為在削弱噪聲的同時整幅圖像內(nèi)容總體也變得模糊，其噪聲仍然存在。(2)對于中值濾波，由圖像處理的結(jié)果可以看出，它只影響了圖像的基本信息，說明中值濾波對高斯噪聲的抑制效果不明顯。這是因為高斯噪聲使用隨機大小的幅值污染所有的點，因此無論怎樣進(jìn)行數(shù)據(jù)選擇,得到的始終還是被污染的值。而由圖還可以看出，中值濾波對去除“椒鹽”噪聲可以起到很好的效果，因為椒鹽噪聲只在畫面中的部分點上隨機出現(xiàn)，所以根據(jù)中值濾波原理可知，通過數(shù)據(jù)排序的方法，將圖像中未被噪聲污染的點代替噪聲點的值的概率比較大，因此噪聲的抑制效果很好，同時畫面的輪廓依然比較清晰