濾去圖像中的噪聲同時保持其中的細節(jié)是圖像處理中的一個重要內容。現(xiàn)實中由于照相機的性能和光線強弱的變化，噪聲在圖像中不可避免。去除噪聲的方法大致分為兩類：線性方法和非線性方法。線性濾波和含噪圖像的卷積能有效地去除高斯噪聲以及其他呈均勻分布的噪聲，但由于這種方法把邊界處灰度變化較大位置的點也當作椒鹽噪聲處理，因此他對這樣的噪聲效果甚微，并且還經(jīng)常對圖像造成模糊。為了克服這些問題，采用非線性濾波，中值濾波進行處理是最常用的一種方法。當考慮一個小鄰域時，椒鹽噪聲能得到高效的抑制。然而中值濾波的最大缺點是他作用于整幅圖像，因此損失其中的大部分細節(jié)。為此找一種既能有效去除噪聲又能保持細節(jié)的方法是許多人感興趣的問題。
為了解決這個問題，大家已研究了不少基于中值濾波的改進方法如：權衡中值濾波，最大最小值的方法，中心權衡的中值濾波，強有力的最大最小值的方法，自適應的消減均值濾波，正則化的方法等。為了防止改變非噪聲點的值，這些方法都涉及噪聲點的識別問題?；谧畲笞钚≈档牟ǚ宀ü确椒ㄊ且环N非迭代的快速算法，但他對噪聲點的毀壞程度(即恢復后的圖像與原圖像相比灰度值不同點的百分數(shù))比較高，造成了細節(jié)的不小損失。去除脈沖噪聲的高效方法對噪聲的探索比較有效，但對噪聲的濾除卻使用了簡單的標準中值方法，使得最終的實驗結果不是很好。本文綜合兩者的優(yōu)點，提出了一種既能去除噪聲又能比較好的保持細節(jié)的有效方法。他分兩步達到去噪目的：第一步在文獻[7]的基礎上同時考慮了與中心點灰度最接近的幾個象素點的均值與一個客觀的閾值做比較，來更加有效地識別噪聲點;第二步采用了文獻[7]中的最大最小值的方法。
2 中值濾波
中值濾波是基于統(tǒng)計學的一種最常用的非線性濾波方法。我們考慮5×5模板，如圖1所示。
這里的dki是25個輸入統(tǒng)計量，常數(shù)ai可以根據(jù)具體問題進行選擇。中值濾波是當式(1)的系數(shù)狳了a13以外的ai均取零時的一種特殊情況。當噪聲點數(shù)量少手窗中抽樣的一半時，中值濾波是非常有效的。
3 基于最大最小值的波峰波谷濾波
基于最大最小值的波峰波谷濾波是一種基于排序來消除圖像噪聲的非線性非l迭代的濾波方法。他分兩步完成，具體算法如下：
值得注意的是按這種方法的第一步探索的點不一定是噪聲點，因為在分析的窗中如果沒有噪聲點，最大或最小值點仍被視為噪聲點，比如窄的邊緣，細線及部分平坦灰度區(qū)域，他們的灰度值也有可能等于窗內的極值。因此這種濾波方法可能對邊緣造成平滑，把細線當作噪聲除掉，還有可能對平坦區(qū)域的細節(jié)造成模糊，如圖2所示。
圖2(a)為不含噪聲的原圖像;圖2(b)為噪聲密度5%的污染圖像;圖2(c)為基于最大最小值的波峰波谷濾波方法結果;圖2(d)為建議的方法得到的結果。
