基于Malab GUI空域滤波增强的设计.doc

1、 目 录1 绪论11.1 课题研究背景11.2 图像去噪的研究现状21.3 本文主要工作3第2章 Matlab简介52.1 Matlab概况52.1.1 Matlab发展过程62.1.2 Matlab的语言特点82.2 Matlab图像处理常用函数8第3章 图像去噪算法113.1 图像噪声概述113.1.1 图像噪声的概念113.1.2 图像噪声的分类123.2 邻域平均法图像去噪133.2.1 模板操作和卷积运算133.2.2 邻域平均法原理163.3 中值滤波法图像去噪183.3.1 中值滤波原理183.3.2 中值滤波主要特性213.3.3 复合型中值滤波243.4 维纳滤波法图像去噪2

2、53.4.1 维纳滤波原理253.4.2 维纳滤波器特性27第4章 基于Matlab GUI的空域增强设计294.1 Matlab GUI设计的介绍294.2 Matlab GUI界面的操作304.2.1 启动GUIDE304.2.2 GUI文件的介绍314.2.3 GUIDE环境的设置324.3 基于Matlab GUI空域增强软件平台的设计334.3.1 启动GUIDE334.3.2 加入菜单项编辑344.3.3 增加子菜单和布局344.4 各种方法的仿真374.4.1 邻域平均法的仿真374.4.2 中值滤波的仿真394.4.3 维纳滤波的仿真424.4.4 几种去噪方法的比较分析444

3、.5 Matlab GUI软件界面处理的结果47致 谢49参考文献50摘 要在许多情况下图像信息会受到各种各样噪声的影响，严重时会影响图像中的有用信息，所以对图像的噪声处理就显得十分重要。根据噪声的频谱分布的规律和统计特征以及图像的特点，出现了多种多样的去噪方法。经典去噪方法有：空间域合成法、频域合成法和最优线性合成法等。与之相适应的出现了许多应用方法：如均值滤波器、中值滤波器、低通滤波器、维纳滤波器、最小失真法等。这些方法广泛地应用，促进数字信号处理的极大发展，并且能够显著提高图像质量。本文的主要工作就是研究四种常用去噪方法：邻域平均法、中值滤波法、维纳滤波法和模糊小波变换法的原理，并进行相

4、应的仿真。本文首先介绍了本课题的研究背景以及国内外的研究现状，之后简单介绍了Matlab软件的发展过程以及特点。第二，介绍了滤波器的工作原理以及分类。第三，在了解滤波器的基本工作原理的基础上，针对不同的数字滤波器所采用最合适的设计方法,根据基于matlab空域滤波当中的均值,中值,维纳等滤波器来设计所需要的内容为了改善图像质量.从图像中提取有效信息，必须对图像进行去噪预处理。第四，设计Matlab GUI的空域滤波软件,利用Matlab GUI操作界面设计了一个空域增强滤波器，该滤波器具有三种滤波方法，分别为均值滤波、中值滤波以及维纳滤波。最后根据不同的去噪算法（邻域平均法、中值滤波法、维纳滤

5、波法），运用Matlab软件编写代码，对一张含噪图片（含高斯噪声或椒盐噪声）进行仿真去噪，并对结果分析讨论，比较几种方法的优缺点，并设计了相应的空域增强软件。通过Matlab GUI界面软件设计，可以方便地进行图像空域增强处理，即使对Matlab软件不熟练的人也可以较为方便和快速地进行操作。只要点击操作界面，载入图像，即可进行相应的图像处理。关键词:中值滤波；均值滤波；维纳滤波；小波变换法；Matlab GUIAbstractIn many cases images information can be affected by various noises, seriously affect

6、the useful information of a image, so getting rid of noise of image is very important.According to the noise spectrum distribution and statistical characteristics and image characteristics, appeared a variety of denoising method. Classical denoising methods are: spatial domain synthesis, frequency s

7、ynthesis method and optimal linear synthesis. To adapt to the emergence of many application methods: such as the mean filter, median filter, low-pass filter, Wiener filter, minimum distortion method. These methods are widely used, and promote the great development of digital signal processing, and c

8、an significantly improve the quality of images. The main work of this paper is to study the four kinds of denoising methods: neighborhood average, median filtering, Wiener filtering method and fuzzy wavelet transform method, and the corresponding simulation.This paper first introduces the research b

9、ackground of this topic and the present research situation at home and abroad, then simply introduced the Matlab software development process and characteristics. Second, introduces the working principle and classification of filter. In third, understanding filter based on the principle, according t

10、o different digital filter by using the appropriate design method, based on MATLAB spatial filtering of the mean, median, Wiener filter to design the content needed in order to improve the image quality. Extracted from image information effectively, must the image denoising pretreatment. Fourth, des

11、ign Matlab GUI spatial filtering software, using Matlab GUI interface design of a spatial enhancement filter, the filter has a three filtering methods, respectively mean filtering, median filtering and Wiener filtering.Finally, according to the different denoising algorithm ( neighborhood average, m

12、edian filtering, Wiener filtering method), using the software of Matlab code, to a sheet containing noise images (including Gauss noise and salt and pepper noise denoising ) simulation, and the results analyzed, compared the advantages and disadvantages of several methods, and designs corresponding

13、airspace enhancement software.Through the Matlab GUI interface software design, can be easily carried out in spatial domain image enhancement processing, even for Matlab software unskilled person can also be more convenient and rapid operation. Just click interface, load images, corresponding to ima

14、ge processing.分享到 翻译结果重试抱歉，系统响应超时，请稍后再试 支持中英、中日在线互译 支持网页翻译，在输入框输入网页地址即可 提供一键清空、复制功能、支持双语对照查看，使您体验更加流畅Keywords:Median Filtering;Mean Filtering;Wiener Filtering;Wavelet Transform;Matlab GUI河北经贸大学毕业论文第1章 绪论1.1 课题研究背景21世纪，人类已经进入了信息化时代，计算机在处理各种信息中发挥着重要作用。据统计，人类从自然界获取的信息中，视觉信息占75%85%。俗话说“百闻不如一见”，有些场景或事物，不

15、管花费多少笔墨都难以表达清楚，然而，若用一幅图像描述，可以做到一目了然。可见，在当代高度信息化的社会中，图形和图像在信息传播中所起的作用越来越大，在图像处理领域，数字图像处理得到了飞速发展。图像是信息社会人们获取信息的重要来源之一。在通过图像传感器将现实世界中的有用图像信号进行采集、量化、编码、传输、恢复的过程中，存在大量影响图像质量的因素。因此图像在进行使用之前，一般都要经过严格的预处理如去噪、量化、压缩编码等。噪声的污染直接影响着对图像边缘检测、特征提取、图像分割、模式识别等处理，使人们不得不从各种角度进行探索以提高图像的质量。所以采用适当的方法尽量消除噪声是图像处理中一个非常重要的预处理

16、步骤。图像处理技术在20世纪首先应用于图像的远距离传送，而改善图像质量的应用开始于1964年美国喷气动力实验室用计算机对“徘徊者七号”太空船发回的月球照片进行处理，并获得巨大成功。现在图像处理技术已深入到科学研究、军事技术、工农业生产、医学、气象及天文学等领域。科学家利用人造卫星可以获得地球资源照片、气象情况；医生可以通过X射线或CT对人体各部位的断层图像进行分析。但在许多情况下图像信息会受到各种各样噪声的影响，严重时会影响图像中的有用信息，所以对图像的噪声处理就显得十分重要。1.2 图像去噪的研究现状图像处理中，输入的是质量低的图像，输出的是改善质量后的图像。常用的图像处理方法有图像增强、复

17、原、编码、压缩等。光学相干层析成像是近些年来发展较快的一种层析成像技术。因为其对生物组织无辐射损伤、具有微米级的分辨率、高探测灵敏度和越来越快的扫描速率等优点，在医学诊断病变组织方面，尤其是对生物组织活体检测具有诱人的应用前景。由于噪声干扰的存在，这些生理信号可能失真。甚至面目全非，这给图像处理带来了难度。因此，必须对含噪的图像进行处理，从而改善图像质量，最大程度地显现图像本来的特点。在所处理的图像中，相邻像素的灰度之间大多具有很高的相关性，也就是说，一幅图像中大多数像素的灰度差别不大。因为这种灰度相关性的存在，一般图像的能量主要集中在低频区域中，只有图像的细节部分的能量才处于高频区域中。因为

18、在图像的数字化和传输中常有噪声出现，而这部分干扰信息主要集中在高频区域内，所以消除噪声的一般方法是衰减高频分量或称低通滤波，但与之同时带来的负面影响是图像的细节也有一定的衰减，从视觉效果上来看图像比处理前模糊。一个较好的去噪方法应该是既能消去噪声对图像的影响又不使图像细节变模糊。为了改善图像质量，从图像中提取有效信息，必须对图像进行去噪预处理。根据噪声的频谱分布的规律和统计特征以及图像的特点，出现了多种多样的去噪方法。经典去噪方法有：空间域合成法、频域合成法和最优线性合成法等。与之相适应的出现了许多应用方法：如均值滤波器、中值滤波器、低通滤波器、维纳滤波器、最小失真法等。这些方法广泛应用，促进

19、数字信号处理的极大发展，显著提高了图像处理的质量。近年来，小波变换去除噪声的方法得到广泛的应。与传统的去噪方法相比，它利用非线性域值，在时间域和频率域同时具有良好的局部化性质，而且时窗和频窗的宽度可以调节。对高频成分采用逐渐精细的时域或空域取样步长，从而可以聚焦到对象的任意细节。因此可以提高散斑高散射特性的噪声对比度，很好的消除散斑噪。小波变换去除噪声的方法在不断地发展，去噪方法很多，如非线性小波变换阈值法去噪、小波变换模极大值去噪及基于小波变换域的尺度相关性去噪法等。1.3 本文主要工作图像在获取和传输过程中，往往受到噪声的干扰，而降噪的目的是尽可能保持原始信号主要特征的同时，除去信号中的噪

20、声。目前的图像去噪方法可以将图像的高频成分滤除，虽然能够达到降低噪声的效果，但同时破坏了图像细节。边缘特性是图像最为有用的细节信息，本文对邻域平均法、中值滤波法、维纳滤波法及模糊小波变换法的图像去噪算法进行了研究分析和讨论。第1章 绪论：主要介绍本课题的研究背景以及国内外的研究现状。第2章 Matlab简介：介绍软件Matlab的概况、发展历程、语言特点、图像处理应用时的常用函数及其用法。第3章 图像去噪算法：简要说明了图像噪声的概念及分类，详细阐述了邻域平均法、中值滤波法、维纳滤波法及模糊小波变换法的去噪原理及特点。第4章 基于Matlab GUI的空域增强设计：根据邻域平均法、中值滤波法、

21、维纳滤波法的原理，运用Matlab仿真软件编写代码，对一张含噪图片（含高斯噪声或椒盐噪声）进行仿真去噪，并对结果分析讨论，比较几种方法的优缺点。最后设计了一个Matlab GUI空域增强软件，方便他人的操作。第2章 Matlab简介2.1 Matlab概况Matlab(Matrix Laboratory)为美国Mathworks公司1983年首次推出的一套高性能的数值分析和计算软件，其功能不断扩充，版本不断升级，目前的最新版本为7.1版。Matlab将矩阵运算、数值分析、图形处理、编程技术结合在一起，为用户提供了一个强有力的科学及工程问题的分析计算和程序设计工具，它还提供了专业水平的符号计算、

22、文字处理、可视化建模仿真和实时控制等功能，是具有全部语言功能和特征的新一代软件开发平台。Matlab已发展成为适合众多学科，多种工作平台、功能强大的大型软件。在欧美等国家的高校，Matlab已成为线性代数、自动控制理论、数理统计、数字信号处理、时间序列分析、动态系统仿真等高级课程的基本教学工具。成为攻读学位的本科、硕士、博士生必须掌握的基本技能。在设计研究单位和工业开发部门，Matlab被广泛的应用于研究和解决各种具体问题。在中国，Matlab也已日益受到重视，短时间内就将盛行起来，因为无论哪个学科或工程领域都可以从Matlab中找到合适的功能。当今的信息化社会，图像是人类赖以获取信息的最重要

23、的来源之一。随着计算机技术的迅猛发展，图像技术与计算机技术不断融合，产生了一系列图像处理软件，如VC、Matlab，这些软件的广泛应用为图像技术的发展提供了强大的支持。Matlab已成为国际公认的最优秀的科技应用软件之一，具有编程简单、数据可视化功能强、可操作性强等特点，而且配有功能强大、专业函数丰富的图像处理工具箱，是进行图像处理方面工作必备的软件工具。2.1.1 Matlab发展过程 Matlab名字由MATrix和LABoratory 两词的前三个字母组合而成。那是20世纪七十年代后期的事：时任美国新墨西哥大学计算机科学系主任的Cleve Moler教授出于减轻学生编程负担的动机，为学生

24、设计了一组调用LINPACK和EISPACK库程序的“通俗易用”的接口，此即用FORTRAN编写的萌芽状态的Matlab。经几年的校际流传，在Little的推动下，由Little、Moler、Steve Bangert合作，于1984年成立了MathWorks公司，并把MATLAB正式推向市场。从这时起，Matlab的内核采用C语言编写，而且除原有的数值计算能力外，还新增了数据图视功能。Matlab仅短短几年，就以其良好的开放性和运行的可靠性，使原先控制领域里的封闭式软件包。在时间进入20世纪九十年代的时候，Matlab已经成为国际控制界公认的标准计算软件。MathWorks公司于1993年推

25、出Matlab4.0版本，从此告别DOS版。4.X版在继承和发展其原有的数值计算和图形可视能力的同时，出现了以下几个重要变化：（1）推出了SIMULINK。这是一个交互式操作的动态系统建模、仿真、分析集成环境。它的出现使人们有可能考虑许多以前不得不做简化假设的非线性因素、随机因素，从而大大提高了人们对非线性、随机动态系统的认知能力。（2）开发了与外部进行直接数据交换的组件，打通了Matlab进行实时数据分析、处理和硬件开发的道路。（3）推出了符号计算工具包。1993年MathWorks公司从加拿大滑铁卢大学购得Maple的使用权，以Maple为“引擎”开发了Symbolic Math Tool

26、box 1.0。（4）构作了Notebook 。MathWorks公司瞄准应用范围最广的Word，运用DDE和OLE，实现了MATLAB与Word的无缝连接，从而为专业科技工作者创造了融科学计算、图形可视、文字处理于一体的高水准环境。1997年仲春，Matlab5.0版问世，现今的Matlab拥有更丰富的数据类型和结构、更友善的面向对象、更加快速精良的图形可视、更广博的数学和数据分析资源、更多的应用开发工具。诚然，到1999年底，Mathematica也已经升到4.0版，它特别加强了以前欠缺的大规模数据处理能力。在国际学术界，Matlab已经被确认为准确、可靠的科学计算标准软件。在许多国际一流

27、学术刊物上，（尤其是信息科学刊物），都可以看到Matlab的应用。在设计研究单位和工业部门，Matlab被认作进行高效研究、开发的首选软件工具。2.1.2 Matlab的语言特点 Matlab语言有如下特点：（1）编程效率高（2）用户使用方便（3）扩充能力强 （4）语句简单，内涵丰富（5）高效方便的矩阵和数组运算（6）方便的绘图功能由于Matlab的上述特点，该软件已经广泛地应用于各行各业，例如数值分析、图像处理、模拟仿真等等。 2.2 Matlab图像处理常用函数Matlab7.0为用户在进行图像处理中提供了一些常用的函数：（1）文件的读入与显示函数imread作用是读入文件，其调用格式如下

28、：X,map=imread(filename,fmt)，其中，filename为需要读入图像的文件名。fmt为图像格式。函数imshow作用是显示文件，其语法格式如下：imshow(BW)imshow(X,map)（2）计算二维卷积函数conv2格式：C=conv2(A,B) 作用是算矩阵A和B的卷积。（3）噪声及其噪声的 Matlab实现函数imnoise 格式：J=imnoise(I,type)J=imnoise(I,type,parameter) 返回对图像I添加典型噪声后的有噪图像J，参数 type和parameter用于确定噪声的类型和相应的参数。（4）二维离散小波变换函数dwt2格

29、式：cA,cH,cV,cD=dwt2(X,wname) 是使用指定的小波基函数 “wname”对二维信号X进行二维离散小波变换，cA，cH，cV，cD分别为近似分量、水平细节分量、垂直细节分量和对角细节分量。cA,cH,cV,cD=dwt2(X,Lo_D,Hi_D) 是使用指定的分解低通和高通滤波器 Lo_D和Hi_D分解信号X。（5）二维信号的多层小波分解函数wavedec2 格式：C,S=wavedec2(X,N,wname) 使用小波基函数 “wname”对二维信号X进行N层分解。C,S=wavedec2(X,N,Lo_D,Hi_D) 使用指定的分解低通和高通滤波器 Lo_D 和 Hi_

30、D 分解信号X。（6）二维离散小波反变换函数idwt2格式：X=idwt2(cA,cH,cV,cD,wname) 由信号小波分解的近似信号 cA 和细节信号 cH、cH、cV、cD 经小波反变换重构原信号X。X=idwt2(cA,cH,cV,cD,Lo_R,Hi_R) 使用指定的重构低通和高通滤波器 Lo_R 和 Hi_R重构原信号X。X=idwt2(cA,cH,cV,cD,wname,S) 返回中心附近的 S 个数据点。（7）二维信号的多层小波重构函数waverec2格式：X=waverec2(C,S,wname) 由多层二维小波分解的结果C、S重构原始信号X。X=waverec2(C,S,

31、Lo_R,Hi_R) 使用重构低通和高通滤波器Lo_R和Hi_R重构原信号。第3章 图像去噪算法3.1 图像噪声概述3.1.1 图像噪声的概念噪声可以理解为“妨碍人们感觉器官对所接收的信源信息理解的因素”。例如一幅黑白图片，其平面亮度分布假定为，那么对其接收起干扰作用的亮度分布即可称为图像噪声。但是，噪声在理论上可以定义为“不可预测，只能用概率统计方法来认识的随机误差”。因此将图像噪声看成是多维随机过程是合适的，因而描述噪声的方法完全可以借用随机过程的描述，即用其概率分布函数和概率密度分布函数。但在很多情况下，这样的描述方法是很复杂的，甚至是不可能的。而实际应用往往也不必要。通常是用其数字特征

32、，即均值方差，相关函数等。因为这些数字特征都可以从某些方面反映出噪声的特征。 目前大多数数字图像系统中，输入图像都是采用先冻结再扫描方式将多维图像变成一维电信号，再对其进行处理、存储、传输等加工变换。最后往往还要在组成多维图像信号，而图像噪声也将同样受到这样的分解和合成。在这些过程中电气系统和外界影响将使得图像噪声的精确分析变得十分复杂。另一方面图像只是传输视觉信息的媒介，对图像信息的认识理解是由人的视觉系统所决定的。不同的图像噪声，人的感觉程度是不同的，这就是所谓人的噪声视觉特性课题。图像噪声在数字图像处理技术中的重要性越来越明显，如高放大倍数航片的判读，X射线图像系统中的噪声去除等已经成为

33、不可缺少的技术步骤。3.1.2 图像噪声的分类图像噪声按其产生的原因可以分为：外部噪声，即指系统外部干扰以电磁波或经电源串进系统内部而引起的噪声。如电气设备，天体放电现象等引起的噪声。 内部噪声：一般又可分为以下四种： （1）由光和电的基本性质所引起的噪声。如电流的产生是由电子或空穴粒子的集合，定向运动所形成。因这些粒子运动的随机性而形成的散粒噪声；导体中自由电子的无规则热运动所形成的热噪声；根据光的粒子性，图像是由光量子所传输，而光量子密度随时间和空间变化所形成的光量子噪声等。（2）电器的机械运动产生的噪声。如各种接头因抖动引起电流变化所产生的噪声；磁头、磁带等抖动或一起的抖动等。（3）器材

34、材料本身引起的噪声。如正片和负片的表面颗粒性和磁带磁盘表面缺陷所产生的噪声。随着材料科学的发展，这些噪声有望不断减少，但在目前来讲，还是不可避免的。（4）系统内部设备电路所引起的噪声。如电源引入的交流噪声；偏转系统和箝位电路所引起的噪声等。图像噪声从统计理论观点可以分为平稳和非平稳噪声两种。在实际应用中，不去追究严格的数学定义，这两种噪声可以理解为：其统计特性不随时间变化的噪声称其为平稳噪声。其统计特性随时间变化而变化的称其为非平稳噪声。3.2 邻域平均法图像去噪3.2.1 模板操作和卷积运算模板操作是数字图像处理中常用的一种运算方式，图像的平滑、锐化、细化、边缘检测等都要用到模板操作。例如，

35、有一种常见的平滑算法是将原图中的一个像素的灰度值和它周围邻近8个像素的灰度值相加，然后将求得的平均值作为新图像中该像素的灰度值。可用如下方法来表示该操作： （3-1）上式有点类似矩阵，通常称之为模板（Template），带星号的数据表示该元素为中心元素，即这个元素是将要处理的元素。如果模板为： （3-2）该操作的含义是：将原图中的一个像素的灰度值和它右下相邻的8个像素值相加，然后将求得的平均值作为新图像中该像素的灰度值。图3-1 卷积处理过程模板操作实现了一种邻域运算，即某个像素点的结果不仅和本像素灰度有关，而且和其邻域点的值有关。模板运算的数学含义是卷积（或互相关）运算。卷积是一种用途很广的

36、算法，可用卷积来完成各种变换，图3-1说明了卷积的处理过程。卷积运算中的卷积核就是模板运算中的模板，卷积就是做加权求和的过程。邻域中的每个像素（假定邻域为33大小，卷积核大小与邻域相同），分别和卷积核中的每一个元素相乘，乘积求和所得的结果即为中心像素的新值。卷积核中的元素称作加权系数（亦称为卷积系数），卷积核中的系数大小及排列顺序，决定了对图像进行区处理的类型。改变卷积核中的加权系数，会影响到总和的数值与符号，从而影响到所求像素的新值。在模板或卷积的加权运算中，还存在一些具体问题需要解决：首先是图像边界问题，当在图像上移动模板（卷积核）至图像边界时，在原图像中找不到与卷积核中的加权系数相对应的

37、9个像素，即卷积核悬挂在图像缓冲区的边界上，这种现象在图像的上下左右四个边界上均会出现。例如，当模板为 （3-3）设原图像为 （3-4）经过模板操作后的图像为 （3-5）“”表示无法进行模板操作的像素点。解决这个问题可以采用两种简单的方法：一种方法是忽略图像边界的数据，另一种方法是在图像四周复制原图像边界像素值，从而使卷积核悬挂在图像四周时可以进行正常的计算。实际应用中，多采用第一种方法。3.2.2 邻域平均法原理邻域平均法是一种利用Box模板对图像进行模板操作（卷积操作）的图像平滑方法，所谓Box模板是指模板中所有系数都取相同值的模板，常用的33和55模板如下： （3-6）中间的黑点表示以该

38、像素为中心元素，即该像素是要进行处理的像素。Box模板对当前像素及其相邻的像素点都一视同仁，统一进行平均处理，这样就可以滤去图像中的噪声。例如，用33Box模板对一幅数字图像处理结果，如图3-2所示（图中计算结果按四舍五入进行了调整，对边界像素不进行处理）。图3-2 33Box模板平滑处理示意图最简单的平滑滤波是将原图中一个像素的灰度值和它周围邻近像素的灰度值相加，然后将求得的平均值作为新图中该像素的灰度值。它采用模板计算的思想，模板操作实现了一种邻域运算，即某个像素点的结果不仅与本像素灰度有关，而且与其邻域点的像素值有关。设为给定的含有噪声的图像，经过邻域平均处理后的图像为 ，则邻域平均法也

39、可以用数学公式表达： （3-7）式中：x， y=0，1，2，N-1；S是以为中心的邻域的集合，M是S内的点数。邻域平均法的思想是通过一点和邻域内的像素点求平均来去除突变的像素点，从而滤掉一定的噪声，其主要在实际应用中，也可以根据不同的需要选择使用不同的模板尺寸，如33、55、77、99等。邻域平均处理方法是以图像模糊为代价来减小噪声的，且模板尺寸越大，噪声减小的效果越显著。如果是噪声点，其邻近像素灰度与之相差很大，采用邻域平均法就是用邻近像素的平均值来代替它，这样能明显消弱噪声点，使邻域中灰度接近均匀，起到平滑灰度的作用。因此，邻域平均法具有良好的噪声平滑效果，是最简单的一种平滑方法。3.3

40、中值滤波法图像去噪中值滤波是一种非线性信号处理方法，与其对应的中值滤波器也就是一种非线性滤波器。中值滤波器于1971提出并应用在一维信号时间序列分析中，后来被二维图像信号处理技术所引用。它在一定条件下可以克服线性滤波器（如邻域平滑滤波等）所带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声最为有效。在实际运算过程中并不需要图像的统计特性，这也带来不少方便。但是对一些细节多，特别是点、线、尖顶细节多的图像不宜采用中值滤波。由于中值滤波是一种非线性运算，对随机输入信号的严格数学分析比较复杂，下面采用直观的方法简要介绍中值滤波的原理。3.3.1 中值滤波原理中值滤波就是用一个奇数点的移动窗口，将窗

41、口中心点的值用窗口内个点的中值代替。假设窗口内有五点，其值为80、90、200、110、120，那么此窗口内各点的中值即为110。设有一个一维序列，取窗口长度（点数）为m（m为奇数），对其进行中值滤波，就是从输入序列中相继抽出m个数（其中为窗口的中心点值，），再将这m个点按其数值大小排序，取其序号为中心点的那个数作为滤波输出。用数学公式表示为： （3-8）例如，有一序列0，0，3，4，7，则Med0，0，3，4，7=3。此列若用平滑滤波，窗口也是取5，那么平滑滤波输出为(0+3+4+0+7)/5=2.8。图3-3使用内含5个像素的窗口对离散阶跃函数、斜坡函数、脉冲函数以及三角函数进行中值滤波和

42、平均值滤波的示例。左边一列为原波形，中间为平均值滤波结果，右边为中值滤波结果。可以看出，中值滤波器不影响阶跃函数和斜坡函数。周期小于m/2（窗口之半）的脉冲受到抑制，另外三角函数的顶部变平。图3-3 中值滤波和平均值滤波比较a)阶跃；b)斜坡；c)单脉冲；d)双脉冲； e)三脉冲；f)三角波二维中值滤波可由下式表示： （3-9）式中：A为窗口；为二维数据序列。二维中值滤波的窗口形状和尺寸对滤波效果影响较大，不同的图像内容和不同的应用要求，往往采用不同的窗口形状和尺寸。常用的二维中值滤波窗口有线状、方形、圆形、十字形以及圆环形等。窗口尺寸一般先用33，再取55逐渐增大，直到滤波效果满意为止。就一

43、般经验来讲，对于有缓变的较长轮廓线物体的图像，采用方形或圆形窗口为宜。对于包含有尖顶物体的图像，用十字形窗口，而窗口大小则以不超过图像，用十字形窗口，而窗口大小则以不超过图像中的最小有效物体的尺寸为宜。如果图像中点、线、尖角细节较多，则不宜采用中值滤波。3.3.2 中值滤波主要特性（1）对某些输入信号中值滤波的不变性对某些特定的输入信号，如在窗口内单调增加或减少的序列，中值滤波输出信号仍保持输入信号不变，即：或，则。a) b)图3-4 中值滤波不变性示例 a)原始图像；b)中值滤波输出一维中值滤波这种不变性可以从图3-3中a)和b)上看出来。二维中值滤波的不变性如图3-4所示。它不但与输入信号

44、有关，而且还与窗口形状有关。一般与窗口对顶角连线垂直的边缘线保持不变性。利用这个特点，可以使中值滤波既能去除图像中的噪声，又能保持图像中一些物体的边缘。对于一些周期性的数据序列，中值滤波对此序列保持不变性。例如，下列一维周期性的数序列若设窗口长度为9，则中值滤波对此序列保持不变性。对于二维周期序列不变性，如周期网状结构图案，分析起来就更复杂了，可以通过试验改变窗口形状和尺寸来获取。（2）中值滤波去噪声性能对于零均值正态分布的噪声输入，中值滤波输出的噪声方差近似为 （3-10） 式中：为输入噪声功率（方差），为中值滤波窗口长度（点数），为输入噪声均值，为输入噪声密度函数。而均值滤波的输出噪声方差

45、为 （3-11）比较两公式，可以看出，中值滤波的输出与输入噪声的密度分布有关。对随机噪声的抑制能力，中值滤波比均值滤波要差一些。但对脉冲干扰，特别是脉冲宽度小于m/2、相距较远的窄脉冲干扰，中值滤波的效果较好。（3）中值滤波的频谱特性设G为输入信号频谱，F为输出信号频谱，定义中值滤波的频率响应特性为 （3-12） 试验表明，中值滤波频谱特性起伏不大，其均值比较平坦。可以认为信号经中值滤波后，频谱基本不变。这一特点对设计和使用中值滤波器很有意义。3.3.3 复合型中值滤波对一些内容复杂的图像，可以使用复合型中值滤波。如中值滤波线性组合、高阶中值滤波组合、加权中值滤波以及迭代中值滤波等。（1）中值滤波的线性组合是将几种窗口尺寸大小和形状不同的中值滤波器复合使用，只要个窗口都与中心对称，滤波输出可保持几个方向上的边缘跳变，而且跳变幅度可调节。其线性组合方程如下： （3-13） 式中：为窗口。（2）高阶中值滤波组合如下式所示：