【文章內(nèi)容簡(jiǎn)介】 人們從圖像中提取信息，因此，非常有必要在利用圖像之前消除噪聲，而尋求一種行之有效的去噪方法也是人們一直在進(jìn)行的工作 [5]。 圖像濾波國(guó)內(nèi)外研究現(xiàn)狀 圖像去噪的方法從不同處理域的角度可以劃分空域和頻域兩種處理方法：前者是在圖像本身存在的二維空間里對(duì)其進(jìn)行處理，根據(jù)不同的性質(zhì)又可以分為線性處理方法和非線性處理方法；而后者則是用一組正交函數(shù)系來(lái)逼近原信號(hào)函數(shù)，獲得相應(yīng)的系數(shù)，將對(duì)原 信號(hào)的分析轉(zhuǎn)化到了系數(shù)空間域，即頻域中進(jìn)行。 空間域的線性濾波算法理論發(fā)展較為成熟，數(shù)字分析簡(jiǎn)單，對(duì)濾除與信號(hào)不相關(guān)的隨機(jī)噪聲效果顯著，但是它本身存在著明顯的缺陷，如需要隨機(jī)噪聲的先驗(yàn)統(tǒng)計(jì)知識(shí)，對(duì)圖像邊緣細(xì)節(jié)保護(hù)能力較差等，特別是后者使得線性濾波無(wú)法很好地適應(yīng)于圖像的噪聲濾除處理。 與線性濾波相對(duì)應(yīng)的非線性濾波大都考慮到了人的視覺(jué)標(biāo)準(zhǔn)和最佳濾波準(zhǔn)則，提高了圖像分辨率和邊緣保護(hù)能力，特別是一些改進(jìn)后的非線性濾波方法一般都具有了一定的自適應(yīng)性，這就使得非線性濾波的功能更為強(qiáng)大，可以廣泛地應(yīng)用到醫(yī)學(xué)、遙感等領(lǐng)域的 圖像處理中。 1971年，圖基提出了中值濾波的思想，并首先應(yīng)用于時(shí)間序列的分析中，后來(lái)這種方法被引入到圖像處理中，用來(lái)濾除圖像的噪聲，收到了良好的效果。隨之而來(lái)的是各種中值濾波的改進(jìn)方案 [2]。其中有一種被稱為自適應(yīng)加權(quán)中值濾波的改進(jìn) 基于 DSP 的圖像濾波設(shè)計(jì)與實(shí)現(xiàn)方法 第 3 頁(yè) 共 46 頁(yè) 算法引起了人們的關(guān)注，這種方法最突出的特點(diǎn)是具有自適應(yīng)的性能并且對(duì)圖像的邊緣保護(hù)能力較傳統(tǒng)算法具有明顯提高。數(shù)學(xué)形態(tài)學(xué)和統(tǒng)計(jì)學(xué)的引入為數(shù)字濾波技術(shù)開(kāi)辟了新的途徑， 1982年 serra出版的專著《 Image Analysis and Mathematic Morphology》成為 數(shù)學(xué)形態(tài)學(xué)應(yīng)用于數(shù)字圖像領(lǐng)域的里程碑，由此孕育出很多相關(guān)的濾波算法，這些算法大都考慮了像素點(diǎn)附近不同的區(qū)域形態(tài)并結(jié)合統(tǒng)計(jì)學(xué)的知識(shí)，使得算法對(duì)圖像的處理具有自適應(yīng)性并且提高了邊緣保護(hù)能力。 對(duì)機(jī)器視覺(jué)研究的不斷深入使人們開(kāi)始重視偏微分方程的數(shù)學(xué)理論，在這個(gè)領(lǐng)域的實(shí)質(zhì)性創(chuàng)始工作應(yīng)該歸功于 Koenderink和 Witkin各自獨(dú)立的工作，他們?cè)趫D像中引入了尺度空間嚴(yán)格的理論，使之成為偏微分方程在數(shù)字圖像處理學(xué)應(yīng)用的基礎(chǔ)。而在偏微分方程理論應(yīng)用于數(shù)字信號(hào)非線性濾波領(lǐng)域中最有影響的人物是 Perona和 Malik。他們 提出了一種具有非線性濾波能力的偏微分方程，在圖像去噪和邊緣保護(hù)上獲得良好效果，后來(lái) Weickert基于他們的理論將這種方程發(fā)展成為各向異性擴(kuò)散方程，進(jìn)一步提升了去噪能力，并且具有中值濾波、數(shù)學(xué)形態(tài)學(xué)濾波以及很多傳統(tǒng)算法不具備的圖像邊緣保護(hù)功效。因此這些方法在不久的后來(lái)被廣泛地應(yīng)用到了醫(yī)學(xué)、遙感圖像的濾波去噪處理之中，獲得了令人滿意的結(jié)果 [4]。 基于頻域的數(shù)字濾波方法最早可以追溯到傅里葉變換的使用。 1822年法國(guó)數(shù)學(xué)家Fourier在研究熱傳導(dǎo)理論時(shí)提出并證明了將周期函數(shù)展開(kāi)為正弦級(jí)數(shù)的原理，奠定了傅里葉變 換的理論基礎(chǔ)。 1946年 Gabor在傅里葉變換的基礎(chǔ)上提出了一種加窗傅里葉變換(也稱為短時(shí)傅里葉變換 )，通過(guò)特定的平移窗函數(shù)來(lái)分解信號(hào)的頻譜，提取出的它的局部信息，提高時(shí)間分辨能力。這種思想為后來(lái)的小波多尺度分析信號(hào)思想的引入起到了啟發(fā)作用。小波分析的概念是由法國(guó)從事石油勘測(cè)信號(hào)處理的地球物理學(xué)家 Mallet在1984年提出來(lái)的。 1986年著名數(shù)學(xué)家 Meyer和 Mallat合作建立了構(gòu)造小波函數(shù)的統(tǒng)一方法小波多尺度分析，從此小波分析開(kāi)始廣泛地應(yīng)用到了信號(hào)分析領(lǐng)域并得到了蓬勃發(fā)展。近年來(lái)，小波分析已經(jīng)深入到了 非線性逼近、統(tǒng)計(jì)信號(hào)處理等領(lǐng)域，其特殊的對(duì)頻分辨能力已經(jīng)使它基本取代了昔日傳統(tǒng)頻域分析方法。 總體說(shuō)來(lái)，數(shù)字濾波技術(shù)是以數(shù)學(xué)理論為依托，涉及數(shù)學(xué)領(lǐng)域不同方面的知識(shí)，隨著各種理論的不斷成熟和完善，數(shù)字濾被技術(shù)已經(jīng)獲得了長(zhǎng)足的進(jìn)步，并廣泛地應(yīng)用到了醫(yī)學(xué)、遙感、紅外等多個(gè)領(lǐng)域?，F(xiàn)在國(guó)內(nèi)外很多大學(xué)、科研機(jī)構(gòu)都設(shè)有專門(mén)的機(jī)器視覺(jué)實(shí)驗(yàn)室對(duì)這方面的技術(shù)進(jìn)行更加深入的研究，相信隨著這方面研究的不斷深入，更新更好的方法將會(huì)不斷被提出和應(yīng)用。 基于 DSP 的圖像濾波設(shè)計(jì)與實(shí)現(xiàn)方法 第 4 頁(yè) 共 46 頁(yè) 本文工作內(nèi)容 (1) 濾波技術(shù)是常用的圖像增強(qiáng)技術(shù)，掌握中值濾波的算法及原理 。 (2) DSP是一種具有快速處理能力的信號(hào)處理專用芯片，尤其對(duì)于圖像這種大數(shù)據(jù)量的信號(hào)處理，要求使用 DSP對(duì)圖像進(jìn)行快速處理。 (3) 掌握基于 TMS320DM642的視頻開(kāi)發(fā)平臺(tái)的原理，開(kāi)發(fā)流程。 (4) 設(shè)計(jì)一種優(yōu)化的中值濾波器，并進(jìn)行數(shù)值算法設(shè)計(jì)，綜合 DSP技術(shù)，使用視頻 處理開(kāi)發(fā)平臺(tái)，實(shí)現(xiàn)交通系統(tǒng)中汽車(chē)圖像的濾波，并對(duì)結(jié)果進(jìn)行分析。 基于 DSP 的圖像濾波設(shè)計(jì)與實(shí)現(xiàn)方法 第 5 頁(yè) 共 46 頁(yè) 2 數(shù)字圖像濾波技術(shù) 噪聲圖像 噪聲主要在數(shù)字圖像的獲取 (量化 )和傳輸中產(chǎn)生，可以理解為妨礙人的視覺(jué)器官或系統(tǒng) 傳感器對(duì)所接收?qǐng)D像源信息進(jìn)行理解或分析的各種因素，一般是不可預(yù)測(cè)的隨機(jī)信號(hào)，只能用概率統(tǒng)計(jì)的方法去認(rèn)識(shí)。噪聲對(duì)圖像處理十分重要，影響圖像處理的輸入、采集、處理的各個(gè)環(huán)節(jié)以及輸出結(jié)果的全過(guò)程。 圖像噪聲按不同方法可以分成不同類別，如果從數(shù)學(xué)角度按照使圖像退化的方式可分為加性噪聲和乘性噪聲。這兩種關(guān)系可由下式表示： nff ??~ （ 21） nff ??~ （ 22） 其中 n代表噪聲， (21)代表加性噪聲， (22)代表乘性噪聲。 如果按照噪聲產(chǎn)生的物理因素來(lái)劃分，可以分成如下幾類： (1) 電子噪聲：由圖像采集電路阻性器件中的電子運(yùn)動(dòng)發(fā)熱而產(chǎn)生的噪聲。 (2) 光電子噪聲：由圖像的光電轉(zhuǎn)換器引起，特別是在弱光的條件下，噪聲尤為強(qiáng) 烈。 (3) 感光顆粒噪聲：一般存在膠片圖像中。它是由于在膠片曝光和顯影中，感光劑 鹵化銀顆粒轉(zhuǎn)化為金屬銀顆粒時(shí)的形狀不均和分布的隨機(jī)性造成的。 (4) 散斑噪聲：在一些相干成像系統(tǒng) (如醫(yī)學(xué)超聲成像、合成孔徑雷達(dá)成像、激光成像 )中，由于聲波或者光波的相干作用而在圖像中產(chǎn)生的噪聲。它還與成像組織表面的粗糙度有關(guān)系。 Goodman分析了輻照度相關(guān)情況下散斑噪聲的性質(zhì)， Abbott和 Thurstone指出了激光散斑和超聲散斑在干涉和形成方面的區(qū)別 [7]。 濾波方法分 類 圖像的去噪處理方法基本上可分為空間域法和變換域法兩大類。前者是在原圖像上直接進(jìn)行數(shù)據(jù)運(yùn)算，對(duì)像素的灰度值進(jìn)行處理。它又分為兩類：一類是對(duì)圖像作逐點(diǎn)運(yùn)算，稱為點(diǎn)運(yùn)算；另一類是在與處理像素點(diǎn)鄰域有關(guān)的空間域上進(jìn)行運(yùn)算，稱為局部運(yùn)算。交換域法是在圖像的變換域上進(jìn)行變換，對(duì)變換后的系數(shù)進(jìn)行相應(yīng)的處理，然后進(jìn) 基于 DSP 的圖像濾波設(shè)計(jì)與實(shí)現(xiàn)方法 第 6 頁(yè) 共 46 頁(yè) 行反變換達(dá)到圖像去噪的目的。 在圖像濾波中，目前有兩種方法。一種是空域?yàn)V波，還有一種是頻域?yàn)V波。頻域?yàn)V波是利用圖像的頻譜信息進(jìn)行圖像濾波處理。頻域?yàn)V波以卷積定理為基礎(chǔ)。頻域?yàn)V波過(guò)程如下 [8]： (1) 需要濾 波的圖像 ),( yxf 進(jìn)行傅里葉變換，得到 ),( yxF ； (2) 選定一個(gè)濾波器函數(shù) ),( vuH 與 ),( vuF 相乘得到 ),( vuG ，濾除圖像噪聲； (3) 對(duì) ),( vuG 進(jìn)行傅里葉反變換，得到濾波后的圖像 ),( yxg ； 在進(jìn)行圖像頻域?yàn)V波時(shí)，通常針對(duì)整幅圖像，而且在確定轉(zhuǎn)換函 數(shù)時(shí)也是基于整個(gè)圖像的統(tǒng)計(jì)量，這樣進(jìn)行卷積運(yùn)算，需要長(zhǎng)時(shí)間的處理，并且難于保證局部區(qū)域內(nèi)的噪聲被完全濾除。 而空域?yàn)V波是在圖像空間中利用模板進(jìn)行圖像濾波，它同樣也利用了卷積定理，使用模板對(duì)像素進(jìn)行卷積運(yùn)算?？沼?yàn)V波則可以克制頻域?yàn)V波長(zhǎng)時(shí)間處理這一缺點(diǎn)?？沼?yàn)V波的過(guò)程如下： (1) 將模板在圖像中游動(dòng)，順序?qū)⒛０逯行呐c圖像中的某個(gè)像素位置重合； (2) 將該像素值與對(duì)應(yīng)模板值進(jìn)行某種運(yùn)算； (3) 將運(yùn)算結(jié)果賦給圖像中對(duì)應(yīng)模板中心的像素； 空間域?yàn)V波 均值濾波 鄰域平均法是一種局部空間域處 理的算法。設(shè)一幅圖像 ),( yxf 為 NM? 的陣列，處理后的圖像為 ),( yxg ，它的每個(gè)像素的灰度值由包含 ),( yx 鄰域的幾個(gè)像素的灰度值的平均值所決定。即用下式得到處理后的圖像： ??? Sji jifnyxg ),( ),(1),( （ 23）其中 Mx??1 ， Ny??1 ， S 是以 ),( yx 為中心的鄰域的集合， n 是 S 內(nèi)坐標(biāo)點(diǎn)的總數(shù)。有 4鄰域點(diǎn)和 8鄰域點(diǎn)的集合。 圖像均值濾波的處理效果與所用的鄰域半徑有關(guān)。半徑越大，則圖像的模糊程度也越大。另外圖像鄰域平均法算法簡(jiǎn)單，計(jì)算速度快，但它的主要缺點(diǎn)是在降低噪聲的同時(shí)使圖像產(chǎn)生模糊，特別在邊緣和圖像細(xì)節(jié) 處，鄰域越大，模糊越厲害。為了減少這種 基于 DSP 的圖像濾波設(shè)計(jì)與實(shí)現(xiàn)方法 第 7 頁(yè) 共 46 頁(yè) 效應(yīng)，可以采取閾值法，也就是根據(jù)下列準(zhǔn)則形成處理圖像。 ????? ??? ????其他若),(),(1),(),(1),(),(),(yxfTjifnyxfjifnyxgSjiSji （ 24） 其中 T是一個(gè)規(guī)定的非負(fù)閾值，當(dāng)一些點(diǎn)和它們鄰值的差值不超過(guò)規(guī)定的 T閾值時(shí)，仍保留這些點(diǎn)的像素灰度值。這樣處理后的圖像比直接采用式 (23)的模糊度要小。當(dāng)某些點(diǎn)的灰度值與各鄰點(diǎn)灰度的均值差別較大時(shí)，它很可能是噪聲，則取其鄰域平均值作為該點(diǎn)的灰度值，它的處理效果仍然是很好的。 多幅圖像平均法 多幅圖像平均法是利用對(duì)同一景物的多幅圖像平均來(lái)消除噪聲。設(shè)原圖像為),( yxg ，圖像噪聲為加性噪聲 ),( yxn ，則有噪聲的圖像 ),( yxg 可表示為： ),(),(),( yxnyxfyxg ?? （ 25）若圖像噪聲是互不相關(guān)的加信噪聲，且均值為 0，則 )],([),( yxgEyxf ? （ 26） 其中 )],([ yxgE 是 ),( yxg 的期望值，對(duì) M 幅有噪聲的圖像平均后有： ),(1),(),([),( yxgMyxgyxgEyxfi???? （ 27） 2 ),(2 ),( 1 yxnyxg M ?? ? （ 28） 式中 2 ),( yxg? 和 2 ),( yxn? 是 g 和 n 在點(diǎn) ),( yx 處的方差。 式 （ 28） 表明對(duì) M 幅圖像平均可把噪聲方差減少 M 倍，當(dāng) M 增大時(shí)， ),( yxg 將更加接近于 ),( yxg 。 多幅圖像取平均處理常用于攝像機(jī)的視頻圖像中，用以減少電視攝像機(jī)光電攝像管或 CCD器件所引起的噪聲。這時(shí)對(duì)同一景物連續(xù)攝取多幅圖像并數(shù)字化，再對(duì)多幅圖像平均，一般選用 8幅圖像取平均，這種方法的實(shí)際應(yīng)用中的難點(diǎn)在于如何把多幅圖像配準(zhǔn)起來(lái)，以便使相應(yīng)的像素能正確地對(duì)應(yīng)排列 [7]。 中值濾波 中值濾波的基本原理是把圖像或序列中心點(diǎn)的的灰度值用該點(diǎn)某種鄰域的中值替代。它把模板中心的值改為與周?chē)袼亟咏闹?(即中值 )，從而可消除奇異的點(diǎn)狀噪聲。該方法中的模板形狀和大小的選擇很重要，若選擇不當(dāng)，會(huì)丟失掉圖像中的細(xì)線和小塊 基于 DSP 的圖像濾波設(shè)計(jì)與實(shí)現(xiàn)方法 第 8 頁(yè) 共 46 頁(yè) 區(qū)域，降低濾波效果。通常模板的形狀根據(jù)圖像的統(tǒng)計(jì)特征來(lái)選擇，而模板的尺寸則根據(jù)圖像中的噪聲寬度來(lái)確定。中值濾波的優(yōu)點(diǎn)是運(yùn)算簡(jiǎn)單、速度快、濾波效果好，但在濾除噪聲的同時(shí)也損失了信號(hào)的高頻信息，使圖像的邊緣細(xì)節(jié)模糊，為此，提出了很多改進(jìn)的中值濾波方案。 順序統(tǒng)計(jì)濾波器也是空域?yàn)V波理論發(fā)展的一個(gè)重要成果。該濾波器的響應(yīng)是基于由濾波器包圍的圖像區(qū)域中像素點(diǎn)的排序 ，濾波器在任何點(diǎn)的響應(yīng)由排序結(jié)果