陳松楠

(信陽農(nóng)林學(xué)院 信息工程學(xué)院， 河南 信陽 464000)

引言

在用高清攝像頭監(jiān)控生豬行為的過程中，由于受到生豬生活環(huán)境的影響，獲取的圖像中不僅包含生豬本身，而且還可能連帶著人、樹、墻壁、地板等背景。而且在圖像獲取和傳輸?shù)倪^程中往往會(huì)或多或少地受到外界環(huán)境、監(jiān)控設(shè)備等噪聲干擾源的影響。當(dāng)病變區(qū)域與正常區(qū)域的相關(guān)系數(shù)相差很小時(shí)，高噪聲的圖像將會(huì)無法正確分辨出病變區(qū)域。因此就需要對(duì)原圖進(jìn)行預(yù)處理研究以提高圖像的質(zhì)量，避免額外的噪聲對(duì)后續(xù)圖像處理造成干擾，進(jìn)一步降低圖像處理的難度[1-2]。

1 圖像的非線性濾波算法

通常，圖像中的噪聲點(diǎn)是隨機(jī)產(chǎn)生的，所以噪聲點(diǎn)在原圖像中的分布并未呈現(xiàn)規(guī)律性，噪聲點(diǎn)之間可能相互獨(dú)立，但也可能存在一定的聯(lián)系，所以針對(duì)不同的噪聲要采取各具特征優(yōu)勢(shì)的不同消除方法[3]。

由于線性濾波的低通性，使其在消除噪聲點(diǎn)的同時(shí)，也會(huì)在一定程度上影響到噪聲點(diǎn)在該點(diǎn)的像素值的計(jì)算，同時(shí)還會(huì)使圖像的邊緣變得模糊。而非線性濾波則可彌補(bǔ)線性濾波算法的不足，即在消除噪聲的過程中，也能有效保持圖像的原有信息。非線性濾波的算法原理主要是：對(duì)圖像任意點(diǎn)的鄰域灰度值進(jìn)行排序，根據(jù)排位順序選擇某一點(diǎn)來代替該任意的值。若選擇排序的中間值來代替，則該非線性濾波就可稱為中值濾波。自Turky在1971年提出中值濾波以來，該技術(shù)即吸引了來自各方的矚目研究并廣泛地應(yīng)用在圖像復(fù)原、語音處理等方面[4]。

中值濾波的設(shè)計(jì)過程可表述為：設(shè)序列{x1,x2,x3,…，xn-1,xn}為某一像素點(diǎn)P的鄰域，通過某一排序算法對(duì)該序列由小到大進(jìn)行排序，從而得到新序列，并進(jìn)一步計(jì)算新生成序列的中值。假設(shè)新序列可表示為{x1≤x2≤x3≤…≤xn-1≤xn}, 則對(duì)中值M的計(jì)算可如式(1)所示：

(1)

對(duì)于中值濾波而言，排序處理的成本很高，為此就推動(dòng)了對(duì)快速排序算法的重點(diǎn)研究，諸如快速排序算法等[5]。這就要求中值濾波的模板不要僅僅局限于正方形窗口，而其它的模板形狀則如圖1所示，因?yàn)檫@些模板包含的像素少，對(duì)其展開處理也將極為迅速。事實(shí)上，當(dāng)一個(gè)噪聲點(diǎn)出現(xiàn)在一個(gè)像素點(diǎn)的領(lǐng)域上時(shí)并不會(huì)當(dāng)作中值點(diǎn)，因?yàn)樵肼朁c(diǎn)和該像素點(diǎn)領(lǐng)域上的其它像素值的差別較大，或者會(huì)成為極小值點(diǎn)或成為極大值點(diǎn)，因而總會(huì)被替換為某個(gè)相鄰像素的值。由于中值算子在保留邊界信息的同時(shí)也能抑制噪聲污染，使其在應(yīng)用中也將具有良好的性能效果[6]。

(a)十字型模板 (b)水平型模板 (c)垂直型模板

(a) Cross type template (b) Horizontal template (c) Vertical template

圖1不同的濾波模板

Fig.1Severaldifferentfiltertemplates

2 一種改進(jìn)的中值濾波算法

雖然標(biāo)準(zhǔn)的中值濾波在圖像去噪和信息保留方面可獲得不錯(cuò)效果，但是研究可知運(yùn)行時(shí)卻會(huì)高度依賴模板窗口的選擇。模板窗口大，對(duì)噪聲有良好的消除效果，但是會(huì)讓邊緣變得模糊；如果模板窗口太小，雖然能有效地保持邊緣的信息，但是去噪效果隨即弱化[7]。所以本文通過對(duì)動(dòng)物圖像的分析，提出一種改進(jìn)的中值濾波算法，在降低算法時(shí)間的同時(shí)也能更好地抑制噪聲的污染和保持邊緣的信息。

研究中，設(shè)有n×n階二維圖像f(x,y),十字窗口濾波模板g(a,b)，則當(dāng)模板g(a,b)對(duì)二維圖像f(x,y)的任意一點(diǎn)f(xi,yj)進(jìn)行濾波處理時(shí)，窗口g(a,b)的中心位于像素點(diǎn)f(xi,yj)處，那么該點(diǎn)的任意鄰域f(xm,yn)到中心點(diǎn)f(xi,yj)的距離Dk可定義為：

(2)

基于公式(2)，就可推理得到下式：

(3)

其中,N-1表示模板覆蓋的像素點(diǎn)的個(gè)數(shù)，k表示第k個(gè)鄰域點(diǎn)。而由公式(3)還可以研究得到：

(4)

則閾值T的數(shù)學(xué)公式將可表示：

(5)

其中，參數(shù)λ為一個(gè)常量。

設(shè)r是一個(gè)3×3的矩陣，數(shù)學(xué)表述如下：

利用矩陣r對(duì)模板窗口g(a,b)進(jìn)行45°順時(shí)針旋轉(zhuǎn)，可得重定義后的窗口結(jié)果則如式(6)所示：

g(a,b)=g(a,b)×r

(6)

該方法在抑制噪聲點(diǎn)的同時(shí)又能顯著提高圖像去噪的效率，并且能最大限度地保持圖像的原始灰度值。改進(jìn)的中值濾波算法步驟可做如下具體表述：

Step1濾波模板從圖像g(x,y)左上角的像素點(diǎn)g(0,0)開始出發(fā)，逐行逐列地對(duì)圖像g(x,y)進(jìn)行濾波處理。其中,邊界采用”0”填充的方式進(jìn)行處理；

Step2在對(duì)圖像進(jìn)行濾波過程中，分別計(jì)算某一點(diǎn)的鄰域到該點(diǎn)的距離Dk；

Step3將得到的距離進(jìn)行統(tǒng)計(jì)分析，如果某一個(gè)鄰域像素點(diǎn)距離的開方值超過閾值T，則對(duì)濾波模板的窗口形狀進(jìn)行重新的定義，繼續(xù)重復(fù)Step 2；

Step4若存在多個(gè)鄰域像素點(diǎn)的距離超過閾值η，則認(rèn)為該點(diǎn)為噪聲點(diǎn)，然后對(duì)該像素點(diǎn)進(jìn)行中值濾波處理。否則判斷該點(diǎn)不是噪聲點(diǎn)，也無需處理。繼續(xù)重復(fù)Step 2～Step 4,直到整個(gè)圖像全部遍歷后，循環(huán)停止；

算法結(jié)束。

下面，本文以圖1中給出的十字型模板和單通道圖像為例對(duì)本算法的流程展開設(shè)計(jì)詳述，算法整體流程即如圖2所示。

圖2 改進(jìn)的算法詳細(xì)流程Fig. 2 The improved algorithm process

3 實(shí)驗(yàn)結(jié)果與分析

本文的仿真設(shè)計(jì)是在vs2012和opencv2.4的環(huán)境下展開實(shí)現(xiàn)的。實(shí)驗(yàn)中使用的生豬圖像均來自于廣東省東莞市動(dòng)物衛(wèi)生監(jiān)督所的遠(yuǎn)程監(jiān)控平臺(tái)。傳統(tǒng)的中值濾波和本文改進(jìn)的中值濾波算法是以圖3(a)、圖4(a)作為濾波原型，本文算法中取閾值T的參數(shù)λ=0.5，η=5，選取2幅灰度圖像進(jìn)行分割結(jié)果說明。

圖3、圖4列出了本文算法與傳統(tǒng)的中值濾波算法的實(shí)驗(yàn)結(jié)果對(duì)比。圖3(a)和圖4(a)是原始圖像的灰度圖，圖3(b)和圖4(b)是受噪聲干擾的灰度圖，圖3(c)和圖4(c)是傳統(tǒng)中值濾波的實(shí)驗(yàn)結(jié)果，圖3(d)和圖4(d)是本文算法的濾波結(jié)果。對(duì)比實(shí)驗(yàn)結(jié)果可以發(fā)現(xiàn)，本文算法具有較好的處理效果，并且能較大限度地保持圖像的原始信息。

(a) 原始圖像的灰度圖 (b) 受噪聲污染的圖像

(a) Grayscale image of original image (b) Image with noise

(c)中值濾波的結(jié)果 (d)改進(jìn)的中值濾波結(jié)果

(c) Result of median filtering (d) Result of improved median filtering

圖3實(shí)驗(yàn)結(jié)果1

Fig.3Experimentalresult1

(a) 原始圖像的灰度圖 (b) 受噪聲污染的圖像

(a) Grayscale image of original image (b) Image with noise

(c) 中值濾波的結(jié)果 (d) 改進(jìn)的中值濾波結(jié)果

(c) Result of median filtering (d) Result of improved median filtering

圖4實(shí)驗(yàn)結(jié)果2

Fig.4Experimentalresult2

4 結(jié)束語

本文針對(duì)生豬體表圖像傳輸過程中受到噪聲污染的預(yù)處理問題，提出并實(shí)現(xiàn)了一種基于改進(jìn)中值濾波的生豬體表圖像預(yù)處理算法。通過計(jì)算任意像素點(diǎn)與周圍像素的距離，來動(dòng)態(tài)調(diào)整濾波模板的形狀，實(shí)現(xiàn)對(duì)生豬體表圖像的濾噪功能。實(shí)驗(yàn)結(jié)果也表明本文的方法具有較好的濾噪效果，為后續(xù)生豬體表病變的分割提供了技術(shù)支撐。

[1] GONZALEZ R C，WOODS R E. 數(shù)字圖像處理[M]. 阮秋琦，阮宇智,等譯. 北京：電子工業(yè)出版社，2011.

[2] 王文慶,晏婷. 基于空間域的圖像去噪方法比較研究[J]. 西安郵電學(xué)院學(xué)報(bào)，2012，17(2)：75-79.

[3] 王香菊. 圖像去噪方法及應(yīng)用[J]. 科技情報(bào)開發(fā)與經(jīng)濟(jì)，2007，17(27): 213-215.

[4] 劉麗梅, 孫玉榮, 李莉. 中值濾波技術(shù)發(fā)展研究[J]. 云南師范大學(xué)學(xué)報(bào)(自然科學(xué)版), 2004, 24(1):23-27.

[5] HODGSON R M, BAILEY D G, NAYLOR M J, et al. Properties, implementations and applications of Rank filters[J]. Image Vision Computing,1985, 3(1):3-14.

[6] HUANG T S, YANG G J, TANG G Y. A fast two-dimensional median filtering algorithm[J]. IEEE Transactions on Acoustics, Speech and Signal Processing,1979, 27(1):13-18.

[7] GALLAGHER N C J, WISE G L.A theoretical analysis of properities of the median filters[J]. IEEE Transactions on Acoustics Speech,Signal Processing, 1981,29(6):1136-1141.