一种基于形态变换的图像去噪方法
王亚文+赵明
摘要:图像去噪是一种图像预处理方法。图像去噪能够从复杂的信号中提取所需要的信号,便于对图像作进一步的处理。数学形态学是一种对图像进行分析的数学工具,其分析的基础是图像的形态。文章利用数学形态学以图像形态为主要研究对象这一特点,对一幅含噪的典型图像进行实验。通过实验,表明该方法可以较好地保留图像原有的特征。
关键词:图像处理;滤波;灰度形态学
在图像处理中,为了避免噪声将对进一步的图像分析和识别造成的影响,对图像作去除噪声的处理是进行其他图像处理前的必要步骤。在图像处理中数学形态学属于非线性滤波方法。数学形态学有多种形态变换,其最基本的概念是结构元素。形态变换结果的好坏取决于结构元素的选择是否适当。不仅可以利用数学形态学进行图像去噪,而且在其他图像处理方面也有广泛应用。本文利用数学形态学方法,提出了一种新的图像去噪方法。实验证明该方法具有较强的去噪能力。
1数学形态学图像变换
利用数学形态学进行图像分析:(a)首先在目标图像中提取几何结构特征;(b)然后依据模型选择相应的结构要素,结构要素要简单,模式表现力最强;(c)为了使得到的图像更突出物体特征信息,用选定的结构元素对图像进行形态学变换。在得到了相应的变量之后,便可以定量描述改结构模式;(d)最后,图像在经过形态变换后,所需要的信息突显出来,有利于进一步提取。
2数学形态学滤波原理
在形态变换中,有处理集合较为方便的二值变换形式和处理函数较为迅速的灰度变换形式。本文仅限于离散形式的灰度形态变换。其基本形态变换包括腐蚀、膨胀、开运算和闭运算。
结构元素是形态变换最基本的概念。形态变换的结果越好,说明结构元素大小、形状设计越适当。结构元素的优点在于能将繁杂的形态变换转变为简单的逻辑运算处理,难点在于能否选择合理的结构元。
3实验结果与分析
首先将Lena图像转换为灰度图像得到原始图像,如图1所示,再添加椒盐噪声得到噪声污染图像,如图2所示,对图2进行第一阶段滤波得到第一阶段滤波图像,如图3所示,再进行第二阶段滤波得到第二阶段滤波图像,如图4所示。
由图1—4可见,本文方法通過两个阶段连续去躁有效地抑制了噪声,而且较好地保持了图像的几何特征,方便对图像进一步的处理分析。
4结语
图像去噪在数学形态学方法中有广泛的应用。首先介绍了数学形态学图像分析的基本步骤。然后,基于尽可能多地保留图像细节的原则,从灰度形态变换方面,设计出一种数学形态学去噪算法。通过实验证明,在去除图像椒盐噪声时这种去噪算法表现出了比较好的去噪效果。