圖像去噪是指減少數(shù)字圖像中噪聲的過程?，F(xiàn)實(shí)中的數(shù)字圖像在數(shù)字化和傳輸過程中常受到成像設(shè)備與外部環(huán)境噪聲等的影響，在這種條件下得到的圖像稱為含噪圖像或噪聲圖像。噪聲是干擾圖像的重要因素。一幅圖像在實(shí)際應(yīng)用中可能存在各種各樣的噪聲，這些噪聲可能在傳輸過程中產(chǎn)生，也可能在量化處理等過程中產(chǎn)生。

?

圖像噪聲包括以下幾個方面：

l? 存在于圖像數(shù)據(jù)中的不必要的或多余的干擾信息。

l? 圖像中各種妨礙人們對其信息進(jìn)行接收的因素。

噪聲的特點(diǎn)如下：

l? 噪聲在圖像中的分布和大小不規(guī)則。

l? 噪聲與圖像之間具有相關(guān)性。

l? 噪聲具有疊加性。

圖像中去噪可采用圖像增強(qiáng)的方法如下：

l? 空間域法：在原圖像上直接進(jìn)行數(shù)據(jù)運(yùn)算，對像素的灰度值進(jìn)行處理，具體分為以下兩類。

? 點(diǎn)運(yùn)算：對圖像做逐點(diǎn)運(yùn)算。

? 局部運(yùn)算：在與處理像素鄰域有關(guān)的空間域上進(jìn)行運(yùn)算。

l? 頻域法：在圖像的變換域上進(jìn)行處理，增強(qiáng)感興趣的頻率分量，然后進(jìn)行反變換。

?

均值濾波

均值濾波（MeanFilter）是由當(dāng)前像素鄰近的若干像素組成的模板的均值來替代原像素的值的方法，公式如下。

新的像素值為原像素值與鄰近像素值和的平均值。均值濾波的優(yōu)點(diǎn)為算法簡單，計算速度快；缺點(diǎn)為降低噪聲的同時會使圖像模糊，特別是景物的邊緣和細(xì)節(jié)部分。

原圖像中的許多噪點(diǎn)被過濾掉了。在處理噪聲的同時也存在一個問題：處理后一些細(xì)節(jié)變得模糊了。

?

高斯濾波

空間頻率又稱圖像頻率，反映了圖像像素灰度在空間中變化的情況。例如，一面墻壁的圖像，由于灰度值分布平坦，其低頻成分就較強(qiáng)，高頻成分就較弱；而對于國際象棋棋盤或者溝壑縱橫的衛(wèi)星圖這類具有快速空間變化的圖像來說，其高頻成分相對較強(qiáng)，低頻成分相對較弱?；叶戎狈綀D是圖像最基本的統(tǒng)計特征，用來表達(dá)一幅圖像的灰度級分布情況。

低頻分量是指圖像中強(qiáng)度（亮度/灰度）變化比較平緩的部分。高頻分量是指圖像中強(qiáng)度（亮度/灰度）變化比較劇烈的部分。例如圖像中的噪點(diǎn)就是高頻分量，通俗點(diǎn)講，變化劇烈的就是高頻分量，變化平緩的就是低頻分量。低通濾波就是去掉高頻信號，留下低頻信號。相反，高通濾波就是去掉低頻信號，留下高頻信號。

高斯濾波（GaussFilter）是線性濾波中的一種。在OpenCV圖像濾波處理中，高斯濾波用于平滑圖像，或者說是進(jìn)行圖像模糊處理。其原理是將正態(tài)分布（又名高斯分布）用于圖像處理，相當(dāng)于在圖像上產(chǎn)生“模糊”效果，“中間點(diǎn)”會失去細(xì)節(jié)，所以高斯濾波屬于低通濾波。

高斯濾波對被高斯噪聲污染的圖像具有很好的處理效果。均值濾波是基于平均權(quán)重，無法克服邊緣像素信息丟失的缺陷。高斯濾波部分克服了該缺陷，但是無法完全克服，因?yàn)闆]有考慮像素值的不同，對邊緣信息權(quán)值較低。

?

中值濾波

對受到噪聲污染的圖像可以采用線性濾波的方法來處理，但是很多線性濾波有低通性，在去噪聲的同時也使得邊緣信息被模糊了。中值（MedianFilter）（中位值）濾波在某些情況下可以做到既能去除噪聲又能保護(hù)圖像的邊緣，是一種非線性的去除噪聲的方法。

中值濾波的實(shí)現(xiàn)原理是把數(shù)字圖像中某一點(diǎn)的值用該點(diǎn)所在的一個區(qū)域內(nèi)的各個點(diǎn)的值的中值代替。

中值濾波相較于均值濾波在去除噪聲的同時更多地保留了圖像的細(xì)節(jié)。中值濾波處理對濾除脈沖噪聲比較有效。脈沖噪聲也稱椒鹽噪聲，是圖像中經(jīng)常見到的一種噪聲，它是一種隨機(jī)出現(xiàn)的白點(diǎn)或者黑點(diǎn)，可能是在亮的區(qū)域有黑色像素或是在暗的區(qū)域有白色像素（或是兩者皆有）。

?

雙邊濾波

雙邊濾波（BilateralFilter）是一種非線性的濾波方法，是結(jié)合圖像的空間鄰近度和像素值相似度的一種折中處理，同時考慮空域信息和灰度相似性，達(dá)到保邊去噪的目的。均值濾波、中值濾波和高斯濾波都屬于各向同性濾波，它們對待噪聲和圖像的邊緣信息都采取一樣的態(tài)度，結(jié)果在噪聲被磨平的同時，圖像中具有重要地位的邊緣、紋理和細(xì)節(jié)也同時被抹平了，這是我們所不希望看到的。相比較而言，雙邊濾波可以很好地保護(hù)邊緣，即可以在去噪的同時，保護(hù)圖像的邊緣特性。

雙邊濾波的基本思想是通過將高斯濾波（空間鄰近）原理中各個點(diǎn)到中心點(diǎn)的空間鄰近度計算的各個權(quán)值進(jìn)行優(yōu)化，將其優(yōu)化為空間鄰近度計算的權(quán)值和像素值相似度計算的權(quán)值的乘積，優(yōu)化后的權(quán)值再與圖像做卷積運(yùn)算，從而達(dá)到保邊去噪的效果。

可以看出雙邊濾波方法在濾除噪聲、平滑圖像的同時，又做到了邊緣保護(hù)。

?

參考資料：

[1]彭凌西, 彭紹湖, 唐春明. 從零開始: 數(shù)字圖像處理的編程基礎(chǔ)與應(yīng)用 [M]. 北京人民郵電出版社, 2022. ?P75-P83

?

本文轉(zhuǎn)載于公眾號：BFT智能機(jī)器人研究