该阶段的非噪声点检测是根据全局范围内的图像灰度值分布情况，通过对像素点灰度值特征进行判断分析是否有可能被脉冲噪声污染。因为在受噪声影响的图像中，噪声点定分布在图像灰度值的极大值端或者极小值端。如果其灰度值与图像的极大值或极小值接近，则当前像素点极有可能是噪声点。反之若处在极大和极小值中间，则可以断定当前点未被噪声干扰，可以不用处理保留原值。当然，对于处于极值的像素点，我们还不能断定它就为噪声点，它也有可能是图像的细节或者边缘点，对图像信息的完整性有着重要的作用。在本文中通过设个阈值，设图像灰度值中极大值为，极小值为，对于当前像素点灰度值，若满足下式关系，则可以说明当前像素点并未受到噪声污染，无须进行滤波操作。并且由于在实验中，我们更多的是通过对原始图像进行加噪，以得到噪声图像。对于色的灰度图，所采用的加噪函数所加入的噪声始终为最大值或者最小值，因此实验中采用的值为。对于通过扫描或其他途径得到的噪声图像，可适当的加大值从而更科学的判定非噪声点。保持图像细节的滤波算法研究第页共页细节点与噪声点检测通过第阶段的非噪声点检测，可以区分大部份的非噪声点。但对于处在图像极值的像素点，还不能确定它是否有被噪声感染。因为对于不同的图像，其灰度值分布也不样，不排除存在定数量的像素值极大或极小的细节点。如何保证细节信息点不被滤波，或者滤波后不至于与周围差异较大的像素点进行错位，这需要充分结合像素点周围的信息进行分析。根据窗口内像素点的分析，可以看出滤波窗口中心像素点对于窗口其他像素点联系越多，则越可能是边缘或细节点。为此本论文提出种基于动态窗口的细节点判断算法。假定图像的全局极大值为，极小值为，滤波窗口可选取的最大值为，对于图像中任意像素点有以为中心，设置窗口大小为的滤波窗口。计算该窗口内标准中值滤波结果，记为若满足，则转到，否则转到。对于当前滤波窗口，计算像素点与另外个像素点灰度值差值的均值若，则将像素点归类为细节点，否则归结为噪声点。在该判定算法中，通过计算窗口中心值与其它像素点的灰度值之差，并统计差额的均值，然后以均值来反应窗口中心像素点与其它像素点的关联程度。其中的选取对于判定的结果有着重要的意义。经实验表明，取到是效果最佳的。当滤波窗口取较小值的时候，滤波器可以有效的保护图像，而去噪效果则有定程度的减弱而当滤波窗口取较大值的时候，滤波器的去噪效果得以加强，但同时图像的模糊程序也会加大。因此要考虑窗口的大小对滤波的影响。图表示的是噪声图像中局部区域灰度值矩阵。当图像中噪声密度达到以上时图例为，较小的窗口则无法保证正确表示出窗口中心值与边其他像素点的关系。如中，窗口内含有个噪声点，但极值都为极大值，因此窗口中心与其它个像素点的差额均值仍为左右，此时窗口中心被判断为细节点而当窗口扩大后，噪声点虽然增加了，但极大值与极小值的比例发生变化，从而降低了噪声极值点对的影响，所求得的也正确的反映了窗口中心值为噪声基于噪声检测的模糊自适应中值滤波第页共页点，在中可以看出，当采取窗口时，经计算是大于的，可以判定窗口中心为噪声点。图噪声密度为图像局部信息对于滤波窗口大小的选取条件，则是使窗口内噪声点对的影响最小，此处采用计算标准中值滤波的值进行比较。若的值处于极大值与极小值之间，则可以说明极大值与极小值在该滤波窗口中的分布较均匀。当然，滤波窗口的自适应调整的作用不仅仅体现在噪声点判断上，对于噪声的滤除操作方面，窗口自适应也有着重要的作用，这内容将在下小节中详细说明。椒盐噪声滤除方法在前文中介绍了种基于动态滤波窗口的噪声检测机制。通过该检测机制，可以准确的判断区分出噪声点非噪声点和细节点。因此可以根据像素点的类型，采用相应折滤波方法进行处理。通过这种自适应选择，可以使各类像素点采用更合适的方法进行滤波去噪，提高滤波图像的质量。在此噪声检测机制的基础下，笔者提出了种基于动态窗口的自适应中值滤波器,保持图像细节的滤波算法研究第页共页，其结构如图所示。在滤波器中，通过噪声检测机制控制自适应开关，若当前像素点判断为噪声点，则输出结果为采用滤波后的若是非噪声点或图像细节点，则不进行任何处理，保留其输入值不变。噪声滤除策略在前面曾介绍过种自适应滤波方法，在该文献中，作者等人曾对中心加权中值滤波进行分析，证实了文献中当中心权值设为时去噪效果可达到最佳的观点，并通过实验进行分析，发现若对于标准中值滤波器，权值为的所引入的两个额外的像素点可近似的看为中值左右所邻近的两个像素点。等人也通过实验证实了，中值及其左右邻近两个像素值对滤波器去噪效果有着重要的影响作用，于是设计了这个自适应滤波算法。其滤波方法可用式表示表式窗口大小，表示序列中第个元素的值，表示元素在序列中的位置，点,为窗口中心像素点。对于点经过滤波后的输出值即为。该式可以概括的理解为对于给定窗口内像素点的序列，式表示为将其窗口中心像素点与序列中心像素点的距离映射到中值与其左右相邻像素点灰度值的线性关系。假定存在个通过窗口大小为的滤波窗口得到的序列，其窗口中心像素点值为，经过稳定排序后形成序列。给定的中值和其左值以及中值位置，假定在序列中，处于第个元素，则经过滤波的输出值与可建立如下线性关系,对于则是类似的，在与之间建立映射关系。通过该线性变换，可以保证滤波器的输出值被限定在与之间，并且当越离中值位置越远时，滤波结果也相应的与差距越大。由于滤波方法在噪声滤除上的优越性，笔者吸取了该滤波线性映射的思想。对于滤波方面在细节丰富图像的去噪上性能的不足，通过两方面改进以进行弥基于噪声检测的模糊自适应中值滤波第页共页补，提升其去噪能力。是前文中提到的噪声检测机制，二是下文将说明的动态窗口策略。动态窗口策略在上文中曾介绍过窗口自适应策略在噪声检测过程中的应用。通过窗口自适应策略，可以更精确的区分噪声点与图像细节点，从而更好的保护了图像细节信息。不仅如此，窗口的自适应还可以调整滤波器的去噪性能，有效的弥补了般滤波器对于含有高密度噪声的图像处理上的不足。以图为例，可以看出，采用窗口时次滤波后噪声点无法完全滤除，而采用窗口后，虽然噪声都已经滤除，但图像相对于原图有了较大的模糊。由此可知，窗口的大小对于滤波器去噪效果有重要的影响。当滤波窗口越小时，图像细节的保留越丰富，但去噪性能不佳而当窗口增大时，去噪性能有了明显提升，但图像细节也随之被模糊。当图像所含噪声密度较高时，窗口大小的影响更为明显。以图为例，当噪声密度达到时，该窗口中经过的中值及其左右邻值全都为噪声点，此时进行任何滤波操作也不会改变其灰度值，滤波也失去其意义了。此时需要扩大窗口大小，以获取更多的图像信息来弥补噪声带来的影响。当窗口中心值不再是噪声值时，说明此时采用滤波算法可以根据窗口内些非噪声点进行计算，从而保证滤波算法可以有效的去除噪声。在噪声去除过程中，采用的窗口变化策略与噪声检测机制中介绍的自适应窗口原理基本致，不同之处在于判断是否需要将窗口扩展时，采用进行判断。因为的输出值与窗口中值及其左右邻值相关，因此可以假定当滤波结果非极值时，此时的窗口大小即可作为去噪所用的窗口。经过分析可以发现，该种条件比噪声检测机制中的窗口变化条件更宽松当值非极值时，值也非极值但当值为极值时，由于是通过值与其左右邻值进行判定，值也极有可能不是极值。因此采用这种判定方法有可能获得更小的窗口进行滤波。通过前文分析我们知道，较小的窗口，保留图像细节能力更强，因此采用该策略会达到更好的效果。保持图像细节的滤波算法研究第页共页滤波方法前文给出了种自适应的噪声滤除策略以及种新的动态窗口策略。通过分析可知，该自适应中值滤波算法所引入的线性自适应策略可以很好的去除噪声，但对于高密度噪声及细节丰富图像的处理效果相对于其它算法要差。而动态窗口策略则可以自适应选取合适的滤波窗口进行处理，有效的处理高密度噪声及细节丰富图像。在本文中所设计的基于动态窗口的自适应中值滤波方法即是将两种策略结合所得到的。滤波器的算法流程如下所示假定图像的全局极大值为，极小值为，滤波窗口可选的最大值为，对于图像中任意像素点有以为中心，设置窗口大小为的滤波窗口。计算当前滤波窗口下，采用滤波算法的结果，记为若满足基于噪声检测的模糊自适应中值滤波第页共页，则转到，否则转到。记当前为，做为像素点的滤波结果，并将更新为像素点滤波后的灰度值。以下是滤波算法的主要代码基于噪声检测的自适应中值滤波,,请选择图像文件您没有正确选择文件保持图像细节的滤波算法研究第页共页横坐标综坐标大循环大循环确定最大最小值基于噪声检测的模糊自适应中值滤波第