一种新的椒盐噪声去除方法
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
揖Abstract铱To remove salt-and-pepper noise, median filter is improved in this paper. We determine the pixels in the scope of noise as true noise pixels or not, and then median filter is used to remove noise pixels. The other pixels are remained.
2 实验仿真
Edition[M]. Beijing: Publishing House of Electronics Industry,2002. 咱圆暂杨明,陈玲玲.基于线性预测的图像去噪[J].吉林化工学院学报,2014,31(5):72-
仿真实验中袁 在 Lena 图像中加入椒盐噪声袁 密度分别为 0.2 和
噪声密度 0.5
18.8092
11.0628
27.5053
22.6332
杉山 1 0 0 0 0 0 煽衫 杉山 0 0 0 1 煽衫
山 山
0
1
0
0
0
0 衫 山
衫山
0
0
1
0
衫 衫
山 山
0
0
-4
0
0
0 衫 山
衫山
0
-4
0
0
衫 衫
袁
记为方向核
山 山
0 山 1 删山
1 0
0 0
0 0
0 0
衫山 衫山 衫山 闪衫 删山
图 1 噪声密度为 0.2 时的实验结果
图 2 噪声密度为 0.5 时的ቤተ መጻሕፍቲ ባይዱ验结果
噪声点袁 也可能是图像真实的像素点遥 对处在范围内的像素点袁本文采用了文献[3]的噪声点检测方法袁来确定 噪声点的真实性遥
均有所提高遥
表 1 实验结果比较
f(i,j)为落在噪声范围内的像素点袁设有四个方向检测算子院
杉山 0 0 0 0 0 0 煽衫 杉山 0 1 0 0 煽衫
揖关键词铱图像去噪曰椒盐噪声曰中值滤波 A New Method to Remove Salt-and-pepper Noise YANG Ming1 LI Jing2
(1.College of Information and Control Engineering, Jilin Institute of Chemical Technology, Jilin Jilin 132022, China; 2.Jilin Information Engineering School, Jilin Jilin 132022, China)
咱责任编辑院刘帅]
Science & Technology Vision 科技视界 111
. Al1l 噪R声i点gh检t测s Reserved.
(a)加噪图像
(b)3伊3 窗口中值滤波
(a)加噪图像
(b)3伊3 窗口中值滤波
图像椒盐噪声一个明显的特点就
是灰度值分布具有两极性袁集中出现在
(c)5伊5 窗口中值滤波
(d)本文算法
(c)5伊5 窗口中值滤波
(d)本文算法
0 和 255 的附近袁即处在[0,啄]胰[255-啄, 255]中遥 但并不是所有范围内的点都是
V al=min嗓 Xij茚Kh 袁h=1,2,3,4 瑟 根据下式确定噪声点的真实性院
渊1冤 为噪声点的像素点进行中值滤波袁其他像素点不进行处理袁保留了更 多的图像信息遥
嗓 f(i,j)沂
噪声点袁ifV al逸Tol 非噪声点袁else
渊2冤
揖参考文献铱
其中袁Tol 为阈值遥
咱员暂Rafael C. Gonzalez and Richard E. Woods. Digital ImageProcessing. Second
0.5遥 实验结果显示袁本文对中值滤波的改进方法是有效的遥 无论是在
75. 咱猿暂 金 良 海 , 李 德 华 . 基 于 噪 声 检 测 的 图 像 去 噪 算 法 [J]. 模 式 识 别 与 人 工 智 能 ,
2008,21(3):298-302.
主观视觉袁还是在峰值信噪比的对比中袁本文算法较之传统中值滤波
山 山
0
0
0
0
0
0 衫 山
衫山
0
1
0
0
衫 衫
山 山
1
1
-4
1
1
0 衫 山
衫山
0
-4
0
0
衫 衫
山 山
0 山 0 删山
0 0
0 0
0 0
0 0
衫山 衫山 衫山 闪衫 删山
0 0
0 0
1 1
0 0
0 0
衫 衫 衫 闪衫
实验方法
3伊3 窗口中值滤波 5伊5 窗口中值滤波
峰值信噪比渊PSNR冤
噪声密度 0.2
0 1
1 0
0 0
0 0
0 0
衫 衫 衫 闪衫
Kh渊h=1,2,3,4冤袁Xij 为以 f(i,j)为中心的 5伊5 图像袁V al 为 Xij 与四个方向
检测算子卷积的最小值袁即院
本文算法
30.9032
27.3061
3 结论
本文提出了一种新的椒盐噪声去除方法袁对传统的中值滤波方法 进行了改进遥 首先对分布在噪声范围内的点进行噪声点检测袁对确定
揖Key words铱Image denoising; Salt-and-pepper noise; Median filter
在图像处理领域袁影响图像质量的 噪声主要有指数噪声尧均匀噪声尧椒盐 噪声等遥 其中袁椒盐噪声的去除是图像 处理里面一个研究很久的课题袁 出现最 早的有效方法是中值滤波[1]遥 它是一种非 线性滤波方法袁 对图像的所有像素点均 进行处理袁改变了图像中真实的像素点袁 这是传统中值滤波的一个重大缺点[2]遥 针 对这一问题袁本文对传统中值滤波进行 了改进袁先检测图像中的噪声点袁只对 噪声点进行中值滤波袁而对非噪声点不 作处理袁保留了图像信息遥
Science & Technology Vision
科技视界
一种新的椒盐噪声去除方法
杨 明1 李 晶2 (1.吉林化工学院信息与控制工程学院袁吉林 吉林 132022曰
2援吉林信息工程学校电子教研组袁吉林 吉林 132022)
揖摘 要铱本文对中值滤波算法进行了改进袁提出了一种基于噪声点检测的椒盐噪声去除方法遥对分布在噪声范围内的点进行噪声点检测袁 对确定为噪声点的像素点进行中值滤波袁其他像素点保持不变遥
2 实验仿真
Edition[M]. Beijing: Publishing House of Electronics Industry,2002. 咱圆暂杨明,陈玲玲.基于线性预测的图像去噪[J].吉林化工学院学报,2014,31(5):72-
仿真实验中袁 在 Lena 图像中加入椒盐噪声袁 密度分别为 0.2 和
噪声密度 0.5
18.8092
11.0628
27.5053
22.6332
杉山 1 0 0 0 0 0 煽衫 杉山 0 0 0 1 煽衫
山 山
0
1
0
0
0
0 衫 山
衫山
0
0
1
0
衫 衫
山 山
0
0
-4
0
0
0 衫 山
衫山
0
-4
0
0
衫 衫
袁
记为方向核
山 山
0 山 1 删山
1 0
0 0
0 0
0 0
衫山 衫山 衫山 闪衫 删山
图 1 噪声密度为 0.2 时的实验结果
图 2 噪声密度为 0.5 时的ቤተ መጻሕፍቲ ባይዱ验结果
噪声点袁 也可能是图像真实的像素点遥 对处在范围内的像素点袁本文采用了文献[3]的噪声点检测方法袁来确定 噪声点的真实性遥
均有所提高遥
表 1 实验结果比较
f(i,j)为落在噪声范围内的像素点袁设有四个方向检测算子院
杉山 0 0 0 0 0 0 煽衫 杉山 0 1 0 0 煽衫
揖关键词铱图像去噪曰椒盐噪声曰中值滤波 A New Method to Remove Salt-and-pepper Noise YANG Ming1 LI Jing2
(1.College of Information and Control Engineering, Jilin Institute of Chemical Technology, Jilin Jilin 132022, China; 2.Jilin Information Engineering School, Jilin Jilin 132022, China)
咱责任编辑院刘帅]
Science & Technology Vision 科技视界 111
. Al1l 噪R声i点gh检t测s Reserved.
(a)加噪图像
(b)3伊3 窗口中值滤波
(a)加噪图像
(b)3伊3 窗口中值滤波
图像椒盐噪声一个明显的特点就
是灰度值分布具有两极性袁集中出现在
(c)5伊5 窗口中值滤波
(d)本文算法
(c)5伊5 窗口中值滤波
(d)本文算法
0 和 255 的附近袁即处在[0,啄]胰[255-啄, 255]中遥 但并不是所有范围内的点都是
V al=min嗓 Xij茚Kh 袁h=1,2,3,4 瑟 根据下式确定噪声点的真实性院
渊1冤 为噪声点的像素点进行中值滤波袁其他像素点不进行处理袁保留了更 多的图像信息遥
嗓 f(i,j)沂
噪声点袁ifV al逸Tol 非噪声点袁else
渊2冤
揖参考文献铱
其中袁Tol 为阈值遥
咱员暂Rafael C. Gonzalez and Richard E. Woods. Digital ImageProcessing. Second
0.5遥 实验结果显示袁本文对中值滤波的改进方法是有效的遥 无论是在
75. 咱猿暂 金 良 海 , 李 德 华 . 基 于 噪 声 检 测 的 图 像 去 噪 算 法 [J]. 模 式 识 别 与 人 工 智 能 ,
2008,21(3):298-302.
主观视觉袁还是在峰值信噪比的对比中袁本文算法较之传统中值滤波
山 山
0
0
0
0
0
0 衫 山
衫山
0
1
0
0
衫 衫
山 山
1
1
-4
1
1
0 衫 山
衫山
0
-4
0
0
衫 衫
山 山
0 山 0 删山
0 0
0 0
0 0
0 0
衫山 衫山 衫山 闪衫 删山
0 0
0 0
1 1
0 0
0 0
衫 衫 衫 闪衫
实验方法
3伊3 窗口中值滤波 5伊5 窗口中值滤波
峰值信噪比渊PSNR冤
噪声密度 0.2
0 1
1 0
0 0
0 0
0 0
衫 衫 衫 闪衫
Kh渊h=1,2,3,4冤袁Xij 为以 f(i,j)为中心的 5伊5 图像袁V al 为 Xij 与四个方向
检测算子卷积的最小值袁即院
本文算法
30.9032
27.3061
3 结论
本文提出了一种新的椒盐噪声去除方法袁对传统的中值滤波方法 进行了改进遥 首先对分布在噪声范围内的点进行噪声点检测袁对确定
揖Key words铱Image denoising; Salt-and-pepper noise; Median filter
在图像处理领域袁影响图像质量的 噪声主要有指数噪声尧均匀噪声尧椒盐 噪声等遥 其中袁椒盐噪声的去除是图像 处理里面一个研究很久的课题袁 出现最 早的有效方法是中值滤波[1]遥 它是一种非 线性滤波方法袁 对图像的所有像素点均 进行处理袁改变了图像中真实的像素点袁 这是传统中值滤波的一个重大缺点[2]遥 针 对这一问题袁本文对传统中值滤波进行 了改进袁先检测图像中的噪声点袁只对 噪声点进行中值滤波袁而对非噪声点不 作处理袁保留了图像信息遥
Science & Technology Vision
科技视界
一种新的椒盐噪声去除方法
杨 明1 李 晶2 (1.吉林化工学院信息与控制工程学院袁吉林 吉林 132022曰
2援吉林信息工程学校电子教研组袁吉林 吉林 132022)
揖摘 要铱本文对中值滤波算法进行了改进袁提出了一种基于噪声点检测的椒盐噪声去除方法遥对分布在噪声范围内的点进行噪声点检测袁 对确定为噪声点的像素点进行中值滤波袁其他像素点保持不变遥