用于计量仪表数据采集的图像降噪方法对比

崔亚琳，李 鑫，李一君

(山西省计量科学研究院,山西 太原 030032)

传统计量仪器仪表数据采集存在效率低等问题，因此利用机器视觉技术自动化数据采集，自动校正已经成为了一个非常有应用前景的课题。随着目标识别，深度学习技术的高速发展以及机器视觉[1,2]应用的普及，人们对数据自动化提取的要求越来越高，同时对图像有效数据提取的技术要求也越来越高。图像在形成、传输，接收和处理的过程中，不可避免地受到噪声损害。噪声污染恶化了图像质量，使图像特征淹没，给后继分析带来困难。因此图像处理的过程中降噪成为必不可少的一种预处理。

在平时图像处理有很多常规方法，如：均值滤波、中值滤波、维纳滤波[3]，以及以常规方法为基础，衍生出来降噪滤波器，如：自适应均值滤波器、模糊滤波器、基于边缘特征的滤波器、基于偏微分方程的图像降噪等，不同的滤波方法都可以在一定程度上滤除一些图像中存在的噪声。

1 噪声类型

常见的图像噪声模型有：高斯噪声、椒盐噪声和量化噪声等。在进行图像降噪前应先分析图像中的实噪声分布的特性，才能更好地选取滤波器。

1.1 高斯噪声

高斯分布的一般形式为：

(1)

复高斯噪声的幅度，一般表现为瑞利分布。其概率密度函数为：

1.2 椒盐噪声

椒盐噪声的特点就像脉冲一样，表现在图像上就是图像上随机出现的黑白点。常由于传输过程中的干扰导致：

(3)

这里α+β+γ=1。这个表达式是对受椒盐噪声污染后的图像以概率进行统计描述。

2 降噪方法

常规的降噪方法有均值滤波、中值滤波、维纳滤波、基于偏微分方程的图像降噪等方法。

2.1 均值滤波

均值滤波就是对被噪声污染的原始图像I(x，y)的每个像素点取邻域S，求得S中所有像素的平均值，作为处理后图像G(x，y)的像素值[4]。即：

.

(4)

式中S是不包括本点(x,y)的邻域中各像素点的集合，M为邻域S中像素的个数。

2.2 中值滤波

干扰脉冲和椒盐类噪声的特点为随机的黑白点，可采用中值滤波方法来消除噪声[5]。中值滤波的原理是：用一个滤波窗口W在图像上滑动，将窗口中像素的灰度值从大到小或从小到大排列，取排列在正中灰度值即作为窗口W中心所在像素的灰度值:

g(x,y)=med{I(x-m,y-n),(m,n)∈W}

.

(5)

2.3 维纳滤波

维纳滤波实质是要使估计误差最小化，也就是使原始图像和处理结果之间的均方误差最小,是基于统计的自适应滤波方法。首先要估计出像素的局部矩阵和方差[6]：

(6)

其中，S为图像中每个像素的M×N局部邻域，维纳滤波估计式为：

(7)

其中，δ2是噪声方差。

2.4 基于偏微分方程的图像降噪

基于偏微分方程的图像降噪，在平滑噪声的同时，可以使得图像的细节得到保护。Perona和Malik提出了各向异性扩散滤波[7](简称为P-M模型)使用最广。

(8)

3 结果分析

3.1 单独使用滤波器

本文首先给原始图像加入了椒盐、高斯噪声。然后对加入噪声的图像采用均值、中值、维纳、P-M模型四种滤波器进行了滤波。

对比可发现均值滤波对高斯噪声的抑制是比较好的，但是均值滤波对椒盐噪声的处理效果不是很好，处理后其噪声仍然存在。中值滤波对高斯噪声的抑制效果不明显，但对去除“椒盐”噪声可以起到很好的效果。对于维纳滤波来说，对于高斯以及椒盐噪声都有一定的效果，但是效果都不是很好。经过P-M模型处理后的加高斯噪声的指纹图像效果会好于直接用均值滤波处理的效果。然而P-M降噪模型对椒盐这类的高强度噪声较为敏感，在扩散的过程中保留了部分噪声,在处理后的图像中显示为一些椒盐噪声点。

图1 加椒盐噪声时的滤波效果

图2 加高斯噪声时的滤波效果

3.2 改进后滤波方法

由于不同的滤波器适用情况不同，所以在处理计量仪器仪表识别图像时可以混合适用滤波器以达到比较好的效果。例如P-M模型对噪声特别敏感，所以在处理噪声时可以先用普通滤波方法进行滤波，然后再对其进行偏微分处理，使细节更加明显。

由图3可以发现，由于P-M模型对噪声比较敏感，在运用P-M模型对图像进行降噪处理时，可以首先采用常规的一些办法来进行预处理，然后再对处理后的结果进行偏微分处理，这样就避免了一些高频噪声对处理结果的干扰。经中值滤波处理的加椒盐噪声的图像，图像质量有明显改善，但是边缘稍有模糊。经过P-M模型处理之后，细节部分更加清晰。

图3 中值滤波后加P-M处理效果

同时在P-M模型中，过小的α起不到锐化的作用，而α值过大，又会给图像带来锐化所造成的噪声。对比图3中(d)、(e)可发现，当α取0.1时,处理结果的测度明显好于不加锐化时的结果,也要好于当α取0.2时处理结果。

4 结语

在智能制造和物联网时代，实现仪表数值的自动识别非常重要，为了更好地进行目标识别，首先要选取合适的降噪方法。在滤波器的选取上，要依据实际图像要求，采用合适的滤波算法相结合，以达到很好的降噪效果。