［高聰］

1 引言

在工業(yè)產(chǎn)品表面質(zhì)量檢測(cè)中，降噪處理是數(shù)字圖像處理技術(shù)中一項(xiàng)重要的處理方法，也是工業(yè)產(chǎn)品質(zhì)量檢測(cè)中關(guān)鍵的一步。降噪處理的效果直接影響到產(chǎn)品檢測(cè)結(jié)果[1,2]。隨著對(duì)工業(yè)生產(chǎn)效率和產(chǎn)品質(zhì)量檢測(cè)要求的提高，從而對(duì)數(shù)字圖像處理的降噪提出了新的挑戰(zhàn)[3]。針對(duì)這一難題，提出一種具有顯著特征圖像的降噪處理算法。

本課題圖像降噪處理算法采用“顯著特征標(biāo)記圖像”設(shè)計(jì)方案。該方案是以一個(gè)疊加椒鹽噪聲的顯著特征標(biāo)記圖像為作為圖像處理的核心，并給出具體降噪處理算法和處理方法。在顯著特征標(biāo)記圖像處理過程中，首先通過疊加不同概率密度的椒鹽噪聲作為降噪處理的樣本。其次，采用多種濾波算法對(duì)顯著特征標(biāo)記圖像進(jìn)行降噪處理和特征分析。最后，提出一種新的自適應(yīng)濾波器降噪處理方法。該圖像降噪算法具有較好的處理效果，適用于對(duì)工業(yè)產(chǎn)品表面質(zhì)量檢測(cè)有較高要求的場(chǎng)合，同時(shí)也適用于在線檢測(cè)。

2 工業(yè)檢測(cè)降噪處理算法

2.1 鄰域均值法

領(lǐng)域均值法是常用的一種降噪濾波器[4,5]。其工作原理為：假設(shè)f(i，j)是一幅含有噪聲的圖像，(i，j)為圖像f(i，j)的一個(gè)像素點(diǎn)。S為像素點(diǎn)(i，j)的領(lǐng)域。在領(lǐng)域S內(nèi)計(jì)算出所有像素點(diǎn)的平均灰度值，將該平均灰度值替換為像素點(diǎn)(i，j)的值。

含有噪聲的圖像f(i，j)的表達(dá)式可描述為公式(1)所示。通過采用鄰域平均法降噪處理后的圖像為g(i，j)，其表達(dá)式如公式（2）所示。

在實(shí)際工程應(yīng)用中，圖像的降噪處理方法主要依據(jù)噪聲特點(diǎn)來確定。通常采用不同的平滑模板。比較常用的濾波模板有平均平滑和高斯平滑兩種。以3×3 濾波模板為例，其濾波模板如圖1 所示。

圖1 平均平滑模板和改進(jìn)平滑模板

圖1（a）中濾波方法在圖像降噪處理過程中，算法簡(jiǎn)單，計(jì)算速度快，也比較容易實(shí)現(xiàn)。該算法在抑制噪聲方面也具有較好的效果。但是在濾除噪聲的過程中，會(huì)造成圖像模糊，導(dǎo)致圖像邊緣細(xì)節(jié)特征丟失。因此，鄰域平均法并不適用于對(duì)檢測(cè)精度有較高要求的場(chǎng)合。

圖1（b）是對(duì)平均平滑模板的一種改進(jìn)，它的基本工作原理是在均值濾波器的基礎(chǔ)上進(jìn)行加權(quán)平均，也稱為高斯濾波器。該算法是在領(lǐng)域內(nèi)不同的像素點(diǎn)采用不同的加權(quán)值，即距離中心點(diǎn)較近的像素點(diǎn)加權(quán)值較大，對(duì)降噪結(jié)果影響較大。距離中心點(diǎn)較遠(yuǎn)的像素點(diǎn)加權(quán)值較小，對(duì)降噪結(jié)果影響較小。該方法在圖像降噪方面有所提升，但同樣會(huì)使圖像模糊，造成邊緣細(xì)節(jié)特征丟失。

2.2 中值濾波算法

式中，g(i，j)為中值濾波后的圖像。

在工程應(yīng)用中，通常采用不同尺寸的平滑模板。以3×3 濾波模板為例，其中值濾波模板如圖2 所示。

圖2 中值濾波模板

濾波模板窗口S的大小對(duì)圖像降噪效果的影響較大。如果濾波模板窗口S取值過大，則表示在較大的窗口下對(duì)更多的像素點(diǎn)處理。雖然降噪效果好，但是計(jì)算速度變慢。如果濾波模板窗口S取值過小，則在較小的窗口下對(duì)較少的像素點(diǎn)處理。雖然計(jì)算速度較快，但是降噪效果變差。所以濾波模板窗口S的取值應(yīng)根據(jù)圖像的特征來確定。

中值濾波器在圖像降噪的同時(shí)能夠保留圖像邊緣細(xì)節(jié)特征，在圖像降噪處理方面有一定的優(yōu)勢(shì)。該方法對(duì)于椒鹽噪聲的降噪效果較好，但是當(dāng)椒鹽噪聲概率密度較大時(shí)，該方法的降噪效果下降。同時(shí)濾波模板窗口的大小難以確定。

3 自適應(yīng)濾波器算法

圖像降噪處理在圖像預(yù)處理過程中占有重要地位。在工業(yè)生產(chǎn)領(lǐng)域，往往要求在線實(shí)時(shí)檢測(cè)[8～9]。這對(duì)圖像處理的效果提出了很高的要求。為了解決這一難題，這里提出一種自適應(yīng)濾波器降噪處理算法。

（2）引導(dǎo)交流：有沒有什么發(fā)現(xiàn)？（茉莉的特點(diǎn)：平淡無奇、潔白純凈、縷縷幽香、充滿詩意；茉莉是本文的線索，讓文章形散意不散，主題突出。）

圖3 自適應(yīng)濾波流程圖

如果第一層級(jí)處理過程中，檢索到一個(gè)脈沖，即A1＞0 且A2＜0 不成立。則該算法會(huì)調(diào)整濾波模板窗口的尺寸，然后將執(zhí)行第一層。在循環(huán)遍歷過程中達(dá)到了最大窗口，即不成立時(shí)，則立即返回。此時(shí)，并不能判別是噪聲。該算法在濾波器窗口下對(duì)圖像中的每一個(gè)像素點(diǎn)進(jìn)行計(jì)算，直到處理完整幅圖像結(jié)束，并輸出結(jié)果。

該自適應(yīng)濾波器的一大優(yōu)點(diǎn)在于能夠?yàn)V除不同概率密度的椒鹽噪聲，也能夠有效的平滑其它類型的噪聲，同時(shí)能夠有效的保護(hù)圖像邊緣細(xì)節(jié)特征信息。

4 圖像降噪實(shí)驗(yàn)

該實(shí)驗(yàn)通過對(duì)顯著特征標(biāo)記圖像加入椒鹽噪聲來對(duì)比各種濾波方法的效果。實(shí)驗(yàn)分為兩組進(jìn)行，首先對(duì)顯著特征標(biāo)記圖像加入概率密度為0.1 和0.25 的椒鹽噪聲，然后采用不同的降噪方法進(jìn)行降噪處理。

（1）對(duì)顯著特征標(biāo)記圖像加入椒鹽噪聲，其概率密度為Pa=Pb=0.1。

圖4 椒鹽噪聲圖像去噪（Pa=Pb=0.1）

（2）對(duì)顯著特征標(biāo)記圖像加入椒鹽噪聲，該噪聲的概率為Pa=Pb=0.25。

分別采用均值濾波算法、中值濾波算法和自適應(yīng)濾波算法對(duì)含有噪聲的顯著特征標(biāo)記圖像進(jìn)行降噪處理。其中，均值濾波算法和中值濾波算法均采用3×3 的濾波模板窗口尺寸，自適應(yīng)濾波算法模板窗口的最大尺寸設(shè)置為10。則圖像降噪結(jié)果如圖5 所示。

圖5 椒鹽噪聲圖像去噪（Pa=Pb=0.25）

圖4 中，對(duì)顯著特征標(biāo)記圖像加入概率為Pa=Pb=0.1的椒鹽噪聲。均值濾波算法能夠?yàn)V除一部分椒鹽噪聲，但是處理結(jié)果并不理想，并且使圖像的邊緣細(xì)節(jié)變得模糊，圖像特征點(diǎn)丟失。由此得出，均值濾波算法降噪的代價(jià)是使圖像模糊，同時(shí)邊緣細(xì)節(jié)特征丟失。中值濾波和自適應(yīng)濾波不僅可以較好地去除噪聲，同時(shí)還可以保護(hù)圖像的邊緣細(xì)節(jié)特征信息。該組實(shí)驗(yàn)中，中值濾波和自適應(yīng)濾波處理結(jié)果沒有明顯的區(qū)別。

圖5 中，對(duì)顯著特征標(biāo)記圖像加入概率為Pa=Pb=0.25的椒鹽噪聲。由于疊加的噪聲概率密度較大，使顯著特征標(biāo)記圖像變的較為模糊。此時(shí)，均值濾波算法降噪能力很差，并且使圖像邊緣細(xì)節(jié)變得模糊。中值濾波算法雖然在很大程度上去除了椒鹽噪聲，但是還有部分椒鹽噪聲沒有被濾除。自適應(yīng)濾波算法則可以很好的去除噪聲，同時(shí)保護(hù)了圖像的邊緣細(xì)節(jié)特征。由此得出，中值濾波算法對(duì)于概率密度較大的噪聲圖像去噪能力有限。而自適應(yīng)濾波算法的去噪能力相對(duì)較好。

針對(duì)實(shí)時(shí)性測(cè)試，該實(shí)驗(yàn)采用275 個(gè)顯著特征標(biāo)記圖像進(jìn)行測(cè)試。其中，主機(jī)采用K178-3L-GPI0 型；CPU 為Intel 奔騰G3250 型；主頻為3.0 GHz。檢測(cè)平均速度實(shí)驗(yàn)數(shù)據(jù)如表1 所示。

表1 檢測(cè)平均速度實(shí)驗(yàn)數(shù)據(jù)

由表1 可知，該算法每秒處理顯著特征標(biāo)記圖像數(shù)F1為公式（4）所示。

設(shè)定傳送帶的速度為35 m/min；其檢測(cè)精度要求為0.01 mm；CCD 分辨率為1296×960px。則傳送帶每秒傳送速度ν 如公式（5）所示。

根據(jù)CCD 分辨率可知每個(gè)顯著特征標(biāo)記圖像大小為12.96×9.6 mm，以標(biāo)記圖像縱向進(jìn)給計(jì)算，則每秒傳送的套印標(biāo)記圖像數(shù)F2由公式（6）計(jì)算所得。

由F1＞F2可知，該算法能夠滿足設(shè)計(jì)要求。

5 結(jié)語

本文對(duì)顯著特征標(biāo)記圖像降噪算法進(jìn)行了研究。通過分析工業(yè)產(chǎn)品質(zhì)量檢測(cè)對(duì)圖像降噪處理要求，提出一種自適應(yīng)濾波算法。該算法具有較好的處理效果，能夠保護(hù)顯著特征標(biāo)記圖像的邊緣細(xì)節(jié)特征，從而提高了圖像降噪質(zhì)量。該顯著特征標(biāo)記圖像去噪算法適用于對(duì)圖像降噪處理有較高要求的場(chǎng)合。