馬云++曾祥忠

摘 要：圖像、聲音等是社會生產(chǎn)生活中重要的信息來源，通過圖像處理人們能夠更加直觀形象地理解信息內(nèi)涵。但是在我們獲得的圖像里會夾雜很多噪聲，圖像的噪聲會大大阻礙人們對圖像內(nèi)涵的理解。圖像去噪成為信息領(lǐng)域一個(gè)重要的研究方向，其目的就是去除圖像中的噪聲，提高圖像的識別程度，更加方便人們的生產(chǎn)生活。目前，圖像去噪的方法已經(jīng)比較成熟。簡要介紹了一些常用的去噪方法，并分析了各種方法的優(yōu)劣。

關(guān)鍵詞：圖像；噪聲；去噪方法；反變換

中圖分類號：TP391.41 文獻(xiàn)標(biāo)識碼：A DOI：10.15913/j.cnki.kjycx.2016.23.084

1 圖像的噪聲

當(dāng)人們通過感覺器官接收信息源發(fā)出的信息時(shí)，由于源頭或者傳輸過程的干擾，接收到的信息會受到一定的阻礙，我們通常把這種對感覺器官對信息接收產(chǎn)生阻礙的因素稱為“噪聲”。如果我們用維度來解釋，一張黑白圖片，我們就可以把f（x，y）定義為其平面亮度分布，而R（x，y）表示對這個(gè)黑白圖片接收過程中產(chǎn)生的干擾的亮度分布，也就是我們所說的圖像噪聲。對于黑白電視，由于其圖像是動態(tài)的，其亮度分布需要用三維表示，其噪聲就可以表示為R（x，y，t）；對于彩色電視圖像噪聲，需要用四維的R（x，y，t，λ）表示。

噪聲實(shí)際上是隨機(jī)的不能預(yù)測的，理論上用概率統(tǒng)計(jì)來認(rèn)識的一種“隨機(jī)誤差”。結(jié)合上述多維噪聲分布，我們用多維隨機(jī)來描述噪聲更加合適。既然噪聲符合多維隨機(jī)，我們就可以用概率密度函數(shù)和概率分布函數(shù)來對其進(jìn)行描述分析。理論上雖然可行，但是概率密度函數(shù)和概率分布函數(shù)處理起來還是非常復(fù)雜的。另外，在實(shí)際中也沒有必要進(jìn)行如此復(fù)雜的處理。在綜合考慮噪聲特征和實(shí)際的情況下，我們通常采用數(shù)值特征（均值方差、相關(guān)函數(shù)）來分析。數(shù)值特征分析簡單，同時(shí)又能反映噪聲特點(diǎn)。

在現(xiàn)在的很多數(shù)字圖像系統(tǒng)中，光圖像的傳輸處理都不是直接傳輸?shù)?，而是要?jīng)過先凍結(jié)再掃描的過程，最后以電信號傳輸。電信號是一維的，而圖像是多維的。這就需要對圖像進(jìn)行凍結(jié)處理再進(jìn)行掃描，然后進(jìn)行存儲、傳輸?shù)燃庸?，最后再把電信號還原為多維的圖像信號。由于圖像的噪聲與圖像是一體的，所以圖像噪聲也要經(jīng)歷這個(gè)復(fù)雜的過程。電氣系統(tǒng)和外界影響會給圖像噪聲帶來很多影響，使得圖像噪聲的分析變得十分復(fù)雜，也很難十分精確。圖像是人們通過視覺系統(tǒng)對其理解獲取信息的媒介，由人的噪聲視覺特性發(fā)現(xiàn)，對于不同的圖像噪聲，人們的感覺是不一樣的。關(guān)于這方面的研究其實(shí)很早就已經(jīng)開始了，不過現(xiàn)在人們對視覺系統(tǒng)本身都沒有完全搞清楚，所以視覺系統(tǒng)對圖像噪聲的理解不同原因還無法得到解決，現(xiàn)在只能對圖像噪聲進(jìn)行一些主觀的評價(jià)研究，客觀因素還有待解決。

目前，雖然圖像噪聲分析還不是十分完善，不過圖像噪聲分析在數(shù)字圖像處理方面的作用越發(fā)重要。像Χ射線圖像系統(tǒng)噪聲去除、航拍圖像高放大倍數(shù)的判讀等都需要圖像噪聲處理技術(shù)，而像全息技術(shù)、圖像信息的偽裝、圖像空間頻率特性的某些性能測試等，也都涉及到圖像噪聲分析。

2 圖像噪聲的分類

由于圖像噪聲的成因各不相同，所以種類很多，對圖像信號的幅度和相位影響也就十分復(fù)雜。有些噪聲之間是相互獨(dú)立的，有些則是相關(guān)的；有些跟圖像是相互獨(dú)立的，有些則是有影響的。所以，要想有效地進(jìn)行圖像降噪，就需要針對具體情況采取特定的方法。只有這樣，才能獲得滿意的處理效果。接下來我們就簡單介紹一下常見的噪聲種類。

2.1 加性噪聲

加性噪聲是電視攝像機(jī)掃描圖像產(chǎn)生的噪聲或在圖像傳輸過程中產(chǎn)生的“信道噪聲”。這類噪聲是獨(dú)立的，與圖像信號不相關(guān)。這類圖像（g）可以表示成理想無噪圖像（f）與噪聲（n）之和，即：

2.2 乘性噪聲

乘性噪聲是在膠片顆粒、電視掃描光柵、飛點(diǎn)掃描圖像等中造成的噪聲。這類噪聲是與圖像信號相關(guān)的。乘性噪聲與圖像的關(guān)系為：

2.3 “椒鹽”噪聲

“椒鹽”噪聲是因切割引起的，黑圖像上的白點(diǎn)、白圖像上的黑點(diǎn)在變換域引入誤差，在圖像反變換后造成的變換噪聲。

2.4 量化噪聲

量化噪聲是數(shù)字化圖像的主要噪聲，根據(jù)它的大小可以判斷出數(shù)字圖像與原始圖像的差異，通常采取按灰度級概率密度函數(shù)選擇量化級的最優(yōu)量化措施來進(jìn)行降噪處理。

3 圖像中去噪方法概述

圖像的噪聲來源多種多樣，像電磁波或經(jīng)電源串進(jìn)系統(tǒng)而引起的外部噪聲，這些屬于外部干擾；而電器機(jī)械振動產(chǎn)生的抖動噪聲或攝像機(jī)的熱噪聲則屬于內(nèi)部干擾。對于不同的噪聲，目前常用的去噪方法通常在空間域或變換域處理。

圖像空間域去噪方法很多，也很常用，有鄰域平均法、低通濾波法、多幅圖像平均法、中值濾波法等。鄰域平均法是一種局部空間域算法，但是這種方法要想達(dá)到降噪的目的，需要以犧牲圖像的清晰為代價(jià)；低通濾波法通過低通卷積模板在圖像空間域進(jìn)行二維卷積來達(dá)到去除圖像噪聲的目的；多幅圖像平均法是通過同一景物的多幅圖像進(jìn)行分析，然后取平均來進(jìn)行降噪處理；中值濾波法是一種比較方便的方法，它屬于空間域非線性濾波，不需要進(jìn)行圖像的統(tǒng)計(jì)，由于是非線性的，就避免了線性濾波器造成的圖像細(xì)節(jié)模糊尷尬，尤其對脈沖干擾最有效。

右擊“結(jié)果”→ 一維繪圖組→全局→電流→阻抗→修改表達(dá)式為180×arg（ec.Z11）/pi→繪圖；右擊“導(dǎo)出”→動畫→阻抗相位。具體如圖4所示。

4 結(jié)論

全局仿真圖反應(yīng)了阻抗大小、相位的特性、空腔的阻抗對稱。當(dāng)空腔經(jīng)過電極正下方時(shí)，阻抗值出現(xiàn)一個(gè)尖峰，大小為

2 800左右，相位為-22.5. 在此情況下，通過阻抗可以推測空腔的位置，也可以根據(jù)位置推測阻抗值。動畫效果式的繪圖形象增強(qiáng)了人們的感性認(rèn)識。

參考文獻(xiàn)

[1]郝麗玲.經(jīng)絡(luò)研究中的磁探測電阻抗成像[D].天津：天津大學(xué)，2010.

〔編輯：張思楠〕