數(shù)字圖像處理技術(shù)的眾多處理方法中,，圖像濾波一直是研究中的重點(diǎn)和難點(diǎn),。去除圖像噪聲的運(yùn)算在圖像處理中稱為圖像的平滑濾波，主要是利用噪聲高頻,、孤立,、大偏差的特點(diǎn)進(jìn)行的。目前,，數(shù)字圖像平滑濾波有很多種方法,，如鄰域平均、中值濾波等,。這些方法雖然能夠有效地抑制脈沖和椒鹽噪聲,，但是這些算法都有一個共同的不足，不僅平滑噪聲,，而且造成圖像中的細(xì)節(jié)模糊化,。為了解決這個問題，保邊界平滑算法的研究開始興起,。
在過去的十幾年中,，許多專家學(xué)者提出了多種不同的濾波方法。Czerwin ski等人提出了一種采用線形模板的多方向中值濾波器,，但是由于模板都是采用線形的,，因此去噪效果并不理想，而且由于該算法以中值大小來選擇模板,，并將其作為進(jìn)行平滑的標(biāo)準(zhǔn)(選擇中值最大的模板)，因此,，使圖像中的白色線條加寬,，并且會產(chǎn)生白色的偽像[1]；Tomita和Tsuji提出了一種保邊界的算法,，該算法是用中心像素的5個矩形鄰域模板中最平滑的1個模板的灰度平均值來替代中心像素的灰度值,，但因?yàn)樵摲椒ú捎玫氖蔷匦文０澹詰?yīng)用于復(fù)雜圖像時,，并不能取得滿意的效果[2],；Nagao提出了一種新的保邊界平滑算法，其算法采用了9個鄰域模板(包括五邊形,、六邊形和正方形的模板),，然后尋找其中方差最小的1個來平滑中心像素，這種算法雖然能夠有效降低噪聲,，并保留邊界,，但是圖像平滑后會產(chǎn)生一些偽像，從而影響圖像質(zhì)量[3]；Wang等人提出了一種采用灰度倒數(shù)權(quán)的平滑濾波器算法,，即區(qū)域內(nèi)部的灰度變化小于區(qū)域之間的灰度變化,，但是由于其算法忽視了方向概念，因此平滑的效果也不太理想[4],。
針對上述問題,，本文在Nagao濾波器的基礎(chǔ)上，提出一種基于紋理分析的圖像自適應(yīng)濾波方法,。該方法首先對圖像進(jìn)行紋理分析,，然后根據(jù)紋理分析的結(jié)果決定Nagao濾波器采用何種模板(包括線形模板和矩形模板)在何種方向進(jìn)行自適應(yīng)濾波。采用該方法對圖像進(jìn)行降噪處理,，不僅能有效降低噪聲水平,，而且?guī)缀跬耆梢员Ａ暨吘壓图?xì)節(jié)；同時,，該算法簡單,、計(jì)算速度快，非常有利于計(jì)算機(jī)編程實(shí)現(xiàn)[5],。
1 Nagao濾波器原理
根據(jù)目前研究及應(yīng)用的情況,，自適應(yīng)濾波是解決圖像濾波比較行之有效的方法。而Nagao自適應(yīng)濾波正是其中的代表,，其基本原理為：以噪聲像素點(diǎn)作為中心點(diǎn),，圍繞這個中心像素在其周圍5×5的區(qū)域內(nèi)定義9個可能的模板(包括4個五邊形、4個六邊形和1個正方形),，如圖1所示,。首先計(jì)算每個模板內(nèi)灰度值的平均值mk和
方差，然后通過比較篩選出方差最小的模板,，用該模板內(nèi)的均值來替換中心像素[6],。
從Nagao濾波的思想不難看出其存在的缺點(diǎn)，即：每次都要計(jì)算9個模板的均值和方差,，計(jì)算時間長,，計(jì)算量大；另外,，由于有些噪聲與周圍像素點(diǎn)之間的區(qū)別并不是很大,，使用Nagao濾波以后會使圖像存在一些偽像，從而影響濾波效果,。為了克服這些缺點(diǎn),，在使用時應(yīng)該合理地選擇模板并且進(jìn)行有方向的濾波，這樣不僅可以保留圖像的真實(shí)原貌而且可以減少計(jì)算量提高計(jì)算機(jī)的處理速度,。
2 紋理分析
目前比較成熟的紋理特征提取方法大致分為4大類：結(jié)構(gòu)分析方法,、統(tǒng)計(jì)分析方法,、模型化方法以及信號處理方法，其中統(tǒng)計(jì)分析方法在紋理分析中擔(dān)任著非常重要的角色,。常用的統(tǒng)計(jì)紋理分析方法有：自相關(guān)函數(shù),、邊界頻率、空間灰度依賴矩陣等,，其中空間灰度依賴矩陣方法因其給出的是圖像的二階統(tǒng)計(jì)量,，所以在紋理描述方面取得了非常好的效果。Haralick定義了14個能從空間灰度依賴矩陣上計(jì)算出的二階統(tǒng)計(jì)量,，這些統(tǒng)計(jì)函數(shù)為：能量,、對比度、相關(guān)性,、方差,、逆差矩、和平均,、和方差,、和熵、熵,、差方差,、差熵、相關(guān)性信息度量,、另一個相關(guān)性信息度量以及最大相關(guān)性系數(shù),。在這14個紋理特征中，并不是每一個紋理特征都非常有效果,，有些特征計(jì)算復(fù)雜度很高,。通過實(shí)驗(yàn)，Conners,、Harlow建議用能量,、熵、相關(guān)性,、逆差距和對比度共5個特征來描述紋理就能達(dá)到非常好的效果[7-8]。
結(jié)合圖像自適應(yīng)濾波,，并且綜合考慮計(jì)算機(jī)處理速度等多方面因素,，本文選擇能量和熵2個統(tǒng)計(jì)量作為特征參數(shù)：
3 基于紋理分析的Nagao濾波器
通過上述分析，本文對Nagao濾波器進(jìn)行了如下改進(jìn)：首先,，計(jì)算噪聲點(diǎn)周圍區(qū)域的紋理,，根據(jù)紋理復(fù)雜程度，在變化急劇的地方使用線性模板,，在變化平緩的地方使用矩形模板,；其次,，從Nagao濾波器的模板不難看出，六邊形模板處在正方形區(qū)域的±45°角和±135°角方向,，而五邊形模板處在0°角和±90°角方向,，所以本文選擇以正方形區(qū)域中心點(diǎn)為端點(diǎn)，每隔45°確定1個方向,，共8個候選方向,，如圖2所示[9-11]。
在使用計(jì)算機(jī)編程實(shí)現(xiàn)時,，本文所述算法的具體步驟如下：
(1)對圖像進(jìn)行黑白二值化處理,。
(2)根據(jù)閾值搜尋噪聲點(diǎn)。
(3)在以噪聲點(diǎn)為中心點(diǎn)的5×5鄰域內(nèi)構(gòu)造空間灰度矩陣,。
(4)根據(jù)式(1)計(jì)算能量,。
(5)根據(jù)式(2)計(jì)算熵。
(6)根據(jù)式(3)計(jì)算紋理復(fù)雜度,。
(7)如果該區(qū)域內(nèi)的紋理復(fù)雜度小于閾值,，選擇使用矩形模板作為平滑模板轉(zhuǎn)步驟(10)，否則使用線性模板轉(zhuǎn)步驟(8),。
(8)分別計(jì)算8個線性模板灰度的均值和方差,。
(9)通過比較找出方差最小的模板，并用該模板作為平滑模板,。
(10)用平滑模板灰度的均值代替噪聲點(diǎn)的灰度值,。
(11)繼續(xù)搜尋下一個噪聲點(diǎn)重復(fù)步驟(3)~(10)，直到將所有噪聲點(diǎn)都濾除,。
從分析可知,，本文提出的改進(jìn)方法有效地避免了傳統(tǒng)Nagao濾波器每次需要計(jì)算全部9個模板的均值和方差的缺點(diǎn)，大大提高了計(jì)算機(jī)的處理速度,，易于實(shí)現(xiàn),。
4 應(yīng)用分析
根據(jù)本文所述算法，在處理器為Pentium D 2.80 GHz的計(jì)算機(jī)上用C++Builder6.0編程實(shí)現(xiàn)用于實(shí)驗(yàn)分析,。主要進(jìn)行了兩個方面的對比實(shí)驗(yàn)：(1)在處理效果方面,，首先在1幅圖片中隨機(jī)加入2 000點(diǎn)噪聲，然后分別用傳統(tǒng)Nagao濾波器和本文所提出的算法進(jìn)行濾波處理,，對比效果如圖3所示[12],。從圖3不難看出，傳統(tǒng)Nagao濾波器處理后的圖像明顯帶有一些偽像,，處理效果不是十分令人滿意,，而用本文提出改進(jìn)的Nagao濾波器處理后，不僅圖像噪聲全被濾除,，而且?guī)缀醪淮嬖趥蜗?，圖像質(zhì)量與原始圖像非常接近,，本文提出的改進(jìn)型Nagao濾波器的處理效果更好；(2)在處理速度方面,，本文分別選取了大小為160×160,、256×256格式為BMP和JPG的圖像各10幅，共40幅,，分為2組進(jìn)行了處理速度測試,，對比結(jié)果如表1所示[13]。從表1中可以看出,，無論是處理BMP格式的圖片還是JPG格式的圖片,，改進(jìn)的Nagao濾波器的處理速度都要明顯優(yōu)于傳統(tǒng)Nagao濾波器(大約為2.7倍)，這對于用計(jì)算機(jī)編程實(shí)現(xiàn)處理紋理比較復(fù)雜,、尤其是大尺寸高分辨率的圖像是十分有利的,。
本文詳細(xì)介紹了Nagao濾波器的實(shí)現(xiàn)原理，并分析了其存在的缺點(diǎn),，針對這些缺點(diǎn),，結(jié)合圖像紋理分析方法，提出了一種基于紋理分析的改進(jìn)型Nagao濾波器,。該方法以傳統(tǒng)Nagao濾波器為基礎(chǔ),，通過對圖像進(jìn)行紋理分析得到的紋理復(fù)雜度來指導(dǎo)平滑模板的選擇，不但克服了傳統(tǒng)Nagao濾波器在濾波處理后存在偽像的缺點(diǎn),，而且進(jìn)一步提高了計(jì)算機(jī)的處理速度,，通過應(yīng)用實(shí)驗(yàn)比較分析，該方法可以取得比較滿意的去噪效果,。