【正文】 窗口值達(dá)到最大值時(shí)仍沒有極值存在，則輸出預(yù)濾波 點(diǎn)的值 ；當(dāng)判斷窗口的內(nèi)存在極值后，進(jìn)一步判斷窗口內(nèi)存在的極值是否是預(yù)濾波點(diǎn)，若是，則對(duì)預(yù)濾波點(diǎn)進(jìn)行中值濾波（用窗口內(nèi)所有像素值的均值代替預(yù)濾波點(diǎn)的值）并輸出中值，若不是，則將預(yù)濾波點(diǎn)的值原樣輸出。 為了直觀，所用自適應(yīng)中值濾波算法流程圖表示如下： 文中所用自適應(yīng)中值濾波算法流程圖 將加噪圖像分為三原色圖 ，選擇其中一幅 載入 原圖并加噪 判斷濾窗內(nèi)是否存在極值 輸出濾波后的值 否 判斷預(yù)濾波點(diǎn)是否為極值 進(jìn)行中值濾波 是 增大濾波窗口 否 是 判斷窗口值是大于 允許的最大值 否 是 以點(diǎn)（ x， y）建立初始濾窗，大小 為 3*3 判斷預(yù)濾波點(diǎn)是否為圖像的最后一點(diǎn) 窗口移動(dòng)到下一濾波點(diǎn) 否 結(jié)束濾波，并輸出濾波后的圖像 是 . . 下面 對(duì)流程圖 所顯示 的功能進(jìn)行說明： 開始之后 首先進(jìn)行原圖像的載入并對(duì)圖像加入一定密度的椒鹽噪聲，下一步實(shí)現(xiàn)的功能則是將加噪后的圖像分成三原色圖（ 紅色分量、綠色分量、藍(lán)色分量 ） 。 在 A 層判斷出濾窗內(nèi) 有極值的情況下，需要利用 B層判斷極值是否為預(yù)濾波點(diǎn) Zxy，設(shè)定這樣的判定條件： B10 且 B20 時(shí)，說明預(yù)濾波點(diǎn) Zxy 不是濾窗內(nèi). . 的極值，判定其為信號(hào)點(diǎn)，原樣輸出。 基本的噪聲點(diǎn)判斷 思想 可以描述為，當(dāng)濾波窗口中心（預(yù)濾波點(diǎn)）的 像素 值是窗口內(nèi)所有 像素 值的最大或最小值時(shí)，可以判定其為噪聲點(diǎn)， 若不是最大值或最小值則判定其為信號(hào)點(diǎn) 2 窗口自適應(yīng)中值濾波算法 具體的算法實(shí)現(xiàn)過程 可分為兩層； A 層和 B層 A： A1=ZmedZmin A2=ZmedZmax； B： B1=ZxyZmin B2=ZxyZmax； A層用來判斷窗口內(nèi) 像素 值存在極值與否，若存在極值轉(zhuǎn)入 B層作進(jìn)一步判定，若不存在極值，增大濾波窗口尺寸 。 本次設(shè)計(jì)采用極值檢測(cè)法進(jìn)行噪聲檢測(cè) 。 設(shè)計(jì) 所用自適應(yīng)中值濾波 算法 1 噪聲點(diǎn)檢測(cè)的基本判斷思想 對(duì)于 傳統(tǒng)中值濾波來說，處理對(duì)象是所有的像素點(diǎn)，不僅 改變了噪聲點(diǎn)，也改變了信號(hào)點(diǎn)，這就造成了圖像邊緣信息的丟失 [19]。所以對(duì)過程 1與過程 2不再有過多的敘述。B=X(:,:,3)。pepper表示所加噪聲為椒鹽噪聲（脈沖噪聲）， a 表示所加噪聲的噪聲密度； 由R=X(:,:,1)。 pepper39。 對(duì)于過程 1與過程 2，利用 MATLAB 自帶函數(shù)可以實(shí)現(xiàn)： P=imnoise(x,39。具體結(jié)構(gòu)如下： 1 自適應(yīng)中值濾波的研究與應(yīng)用現(xiàn)狀及設(shè)計(jì)的提出 ； 2 窗口自適應(yīng)中值濾波器的設(shè)計(jì) ； 3 利用 MATLAB 軟件進(jìn)行 實(shí)驗(yàn) ； 4 設(shè)計(jì) 結(jié)論 。 論文結(jié)構(gòu)安排 本文首先 對(duì)自適應(yīng)中值濾波的研究現(xiàn)狀、應(yīng)用現(xiàn)狀進(jìn)行相關(guān)敘述，了解自適應(yīng)中值濾波的 作用及不足，然后在傳統(tǒng)中值濾波的基礎(chǔ)上提出窗口自適應(yīng)中值濾波的設(shè)計(jì)。 . . 本文將在傳統(tǒng)中值濾波的基礎(chǔ)上，采用矩形窗，結(jié)合極值噪聲檢測(cè)法，設(shè)定一定條件并根據(jù)條件改變?yōu)V波窗口的大小 ，對(duì)被椒鹽噪聲污染的圖像進(jìn)行自適應(yīng)中值濾波。 設(shè)計(jì)題目的提出及基本設(shè)計(jì)目標(biāo) 從（ ）的敘述中 ， 可以得知，自適應(yīng)中值濾波 無論在圖像濾波的研究還是在涉及到圖像濾波的實(shí)際應(yīng)用中都有 著重要的作用。文中的研究過程首先就采用了自適應(yīng)形態(tài)濾波對(duì)淋巴細(xì)胞圖像進(jìn)行去噪增強(qiáng)，既去除了噪聲又保護(hù)了圖像細(xì)節(jié)。這種算法目前已應(yīng)用于虛擬內(nèi)窺鏡系統(tǒng)中，取得了令人滿意的效果。 醫(yī)學(xué)方面： 利用自適應(yīng)中值濾波算法濾除醫(yī)學(xué)圖像脈沖噪聲 [14]是文獻(xiàn) 14 的主要研究?jī)?nèi)容。通過 自適應(yīng) 中值濾波的圖像可以保留相當(dāng)?shù)娜~片細(xì)節(jié)特征，因此根據(jù)處理后的圖片能夠比較精確的計(jì)算葉片的面積，從而有效的確定植物的種類和生長(zhǎng)狀態(tài)。此文中提及一種計(jì)算 葉片面積的方法。文獻(xiàn) 12 提出并研究了汽車夜視系統(tǒng)中圖像增強(qiáng) [12]的問題，利用中值濾波算法提高夜視系統(tǒng)對(duì)圖像的處理，從而增加夜間行車的安全性。通過自適應(yīng)中值濾波不但可以濾除噪聲而且能夠保證對(duì)焊縫實(shí)時(shí)跟蹤的要求。這屬于自適應(yīng)中值濾波在工業(yè)上的應(yīng)用。 自適應(yīng)中值濾波的應(yīng)用現(xiàn)狀 近些年來，自適應(yīng)中值濾波的應(yīng)用越來越廣泛 ，包括 通信、工業(yè)、農(nóng)業(yè)、醫(yī)療保健、航空航天 、氣象 ，軍事等諸多領(lǐng)域， 其 在國(guó)民經(jīng)濟(jì)的發(fā)展中所起的作用越來越大。 因此， 可以 這樣 說，相對(duì)于傳統(tǒng)中值濾波來講，無論是哪種算法，自適應(yīng)中值濾波 主要解決的問題為： 1 噪聲點(diǎn)的檢測(cè) 2 保持濾波后圖像細(xì)節(jié)與整體均有較好效果。將同時(shí)含有椒鹽噪聲和高斯噪聲的混合含噪圖像分為若干區(qū)域，對(duì)每個(gè)區(qū)域進(jìn)行噪聲檢測(cè)實(shí)現(xiàn)兩種噪聲的分離，然后采用自適應(yīng)中值濾波和自適應(yīng)加權(quán)均值濾波分別濾去椒鹽噪聲和高斯噪聲。文獻(xiàn) 4 中結(jié)合自適應(yīng)中值濾波和小波變換的閾值濾波 [4]的各自優(yōu)點(diǎn)，先對(duì)圖像進(jìn)行自適應(yīng)中值濾波去除椒鹽噪聲，然后利用小波變換去除剩余的高斯噪聲，從而對(duì)同時(shí)含有椒鹽噪聲和高斯噪聲 的混合含噪圖像進(jìn)行有效的濾波處理。 許多對(duì)圖像混合噪聲的濾波方法中應(yīng)用了自適應(yīng)中值濾波。在現(xiàn)實(shí)中，一 幅 圖像所受的污染可能只有一種，也可能是兩種或兩種以上。且采用最小無污染點(diǎn)集合恢復(fù)噪聲點(diǎn)，消除了鄰域噪聲點(diǎn)的影響。經(jīng)過證明此算法對(duì)椒鹽噪聲有較強(qiáng)的抑制作用。 文獻(xiàn) 2 提出一種基于四分法噪聲檢測(cè)的開關(guān)中值濾波算法 [2]，首先對(duì)窗. . 口內(nèi)像素值進(jìn)行大小排序，然后通過差分法劃分出高、低階信號(hào)塊和高、低階噪聲塊。 文獻(xiàn) 1提出一種基于十字滑動(dòng)窗口快速自適應(yīng)中值濾波算法 [1]，與矩形窗相比，此方法計(jì)算速度快，并利用前一窗口信息，通過兩個(gè) 十字相交向量退化和推進(jìn)，降低運(yùn)算復(fù)雜度，加快運(yùn)算速度；依據(jù)噪聲強(qiáng)度調(diào)整窗口大小來提高去噪效果。 研究者們提出了關(guān)于自適應(yīng)中值濾波的多種算法，如自適應(yīng)定向加權(quán)中值濾波 [6]，基于相似度函數(shù)的自適應(yīng)加權(quán)中值濾波 [7],自適應(yīng)開關(guān)中值濾波[8][9]。 自適應(yīng)中值濾波通過一定的判定條件改變?yōu)V波窗口的大小，從而在濾波過程中兼顧細(xì)節(jié)與整體，從而較好的恢復(fù)被污染的圖像。 可以知道，傳統(tǒng)的中值濾波在濾波效果和保持圖像細(xì)節(jié)方面存在矛盾：當(dāng)濾波窗口較小時(shí)，圖像細(xì)節(jié)會(huì)得到較好的保持；當(dāng)濾波窗口較大時(shí)，對(duì)圖像會(huì)有較好的整體濾波效果。椒鹽噪聲也叫脈沖噪聲，是一種黑白相間的亮暗點(diǎn) 噪聲，它會(huì)嚴(yán)重影響圖像的質(zhì)量。為了重現(xiàn)圖像傳遞信息的功能， 就必須對(duì)受污染或受損壞的圖像進(jìn)行處理。. . 1 引言 自適應(yīng)中值濾波的研究現(xiàn)狀 不可否認(rèn) ，圖像可以帶給人們?cè)S多有用的信息，前提是保證圖像足夠清晰，至少能夠處于人眼的識(shí)別范圍之內(nèi)。 但從圖像中獲取信息的時(shí)候，人們不可避免的遇到圖像受污染或損壞的情況，污染或損壞較為嚴(yán)重 的圖像已然失去了傳遞信息的功能。 圖像污染一般是由各種噪聲造成的 ，其中在圖像傳輸過程中，經(jīng)由圖像傳感器、傳輸信道、解碼器等傳輸通道時(shí)，容易產(chǎn)生一種常見的噪聲：椒鹽噪聲。在各種濾波方法中，經(jīng)研究表明中值濾波對(duì)椒鹽噪聲有較理想的濾除效果。為了解決這一矛盾，人們 提出了自適應(yīng)中值濾波。 自適應(yīng)中值濾波在算法上的研究現(xiàn)狀 近些年來，隨著對(duì)圖像處理要求越來越高，對(duì)自適應(yīng)中值濾波 的研究也越來越多。 運(yùn)算速度相對(duì)于一種濾波算法來說是比較重要的 ，但同時(shí)也要注意算法精度的要求，盡量做到速度與精度之間的平衡 。 運(yùn)算速度的要求除外，自適應(yīng)中值濾波對(duì)噪聲點(diǎn)的檢測(cè)也非常重要，噪聲點(diǎn)判斷正確與否直接決定濾波效果的好壞。當(dāng)待測(cè)像素屬于信號(hào)塊時(shí)，視其為信號(hào)點(diǎn)，否則根據(jù)噪聲塊與信號(hào)塊內(nèi)像素比例關(guān)系確定是否為噪聲點(diǎn)或可能噪聲點(diǎn)，若為可能噪聲點(diǎn)，增大濾波窗口進(jìn)一步判斷，若為噪聲點(diǎn)，進(jìn)行中值濾波。 文獻(xiàn) 3 在對(duì)噪聲點(diǎn)進(jìn)行檢測(cè)中引入了最小集合距離測(cè)度 [3]，有效避免了將高頻細(xì)節(jié)信號(hào)誤 判為噪聲。結(jié)果表明這種噪聲檢測(cè)方法正確率高，降噪與保留細(xì)節(jié)性好。因此，對(duì)混合噪聲進(jìn)行濾波顯得尤為重要。文獻(xiàn) 4和文獻(xiàn) 5中都提及了自適應(yīng)中值濾波在混合噪聲濾波上的作用。文獻(xiàn) 5 中提及一種基于自適應(yīng)中值濾波和自適應(yīng)加權(quán)均值濾波的混合濾波方法[5]。相關(guān)實(shí)驗(yàn)表明這是一種濾除混合噪聲的有效方法。到目前為止，沒有一種方法能夠完全滿足人 們?cè)趫D像濾波上的要求，隨著時(shí)代的發(fā)展，對(duì)圖像要求也會(huì)更高，這勢(shì)必會(huì)驅(qū)使人們不斷的進(jìn)行這方面的研究，或是在已有成熟算法的基礎(chǔ)上加以改進(jìn)達(dá)到所要的目標(biāo)，或是根據(jù)新的理論提出新的有更好處理效果的算法。 工業(yè)方面： . . 文獻(xiàn) 10 研究了自適應(yīng)中值濾波在焊縫跟蹤過程的應(yīng)用 [10]。焊縫圖像在采集、傳遞、 轉(zhuǎn)化過程中也易受到噪聲的污染 ，嚴(yán)重影響對(duì)焊縫的后續(xù)處理。 文獻(xiàn) 11 說明了發(fā)電廠鍋爐火焰圖像 [11]的研究，通過對(duì)火焰圖像進(jìn)行濾波處理，了解鍋爐內(nèi)部的溫度分布及煤的燃燒狀態(tài)，從而對(duì)發(fā)電廠的安全經(jīng)濟(jì)運(yùn)行提供重要的指導(dǎo)作用。 農(nóng)業(yè)方面： 文獻(xiàn) 13 對(duì)于植物葉片面積的計(jì)算中就利了對(duì)圖像的 自適應(yīng) 中值濾波 [13]。首先利用 CCD 進(jìn)行葉片圖像采集，通過圖像 像素 變換和閾值分割獲得二值圖像，隨后利用 自適應(yīng)