基于硬件描述语言的图像快速中值滤波算法

针对井下视频监控图像夹杂大量椒盐噪声的情况,提出采用中值滤波的方法进行图像处理。由于视频图像处理具有较高的实时性要求,故设计了基于硬件描述语言的快速中值滤波算法。实验证明,该算法能对椒盐噪声污染严重的视频图像进行快速恢复,且满足实时性要求。     

基于PCB图像预处理的研究及其实现

为改进印刷电路板(PCB,Printed Circuit Board)图像的质量,针对后续对PCB图像的识别率的提高,运用MATLAB语言对原始图像进行了前期处理,主要包括图像空间域的灰度变换以及图像平滑滤波来消除噪声。首先研究了噪声门限,中值滤波以及快速中值滤波方法,并且提出了一种快速加权中值滤波算法,通过MATLAB处理图像,灰度直方图以及频谱图进行对比分析,结果表明快速加权中值滤波算法解决了PCB图像对比度差,噪声大,细节模糊等方面的问题,使图像质量有了很大的改善。     

基于FPGA实现传真图像处理算法的方法

为了更快速地实现对传真图像的预处理,提出了以FPGA为平台的硬件传真图像处理算法.应用HDL硬件描述语言设计并实现中值滤波,边缘锐化,像域分离等图像处理算法.此外还提出了一种改进的快速中值滤波算法,通过验证表明,该算法不但加快了处理速度,也节省了硬件资源.     

基于不同窗口形状下的CT图像中值滤波算法

CT作为医学影像工具,对CT图像的去噪声处理是医学图像预处理中的重要环节,中值滤波是传统滤波算法中对滤除椒盐噪声有较好滤波性能的方法之一,滤波窗口形状有着多样性。文中对于不同形状窗口进行了程序编写,研究了不同形状的滤波窗口、不同窗口大小的中值滤波算法对CT图像的去噪效果,这些影响到中值滤波中心像素值的选取以及滤波处理的计算量。实验结果表明,中值滤波的效果有差别,为改进中值滤波算法及对CT图像的去噪声处理提供了参考,同时也有利于研究中值滤波与其他滤波方法结合进行去噪声处理,可以更好地保留图像的细节。     

水下图像的噪声滤波与仿真

对于水下图像预处理的滤波中,采用Non-local means算法,其效果很好,在保持图像边缘的同时,较大程度地剔除了噪声,适合于水下颗粒噪声较明显的图像预处理。通过与中值滤波、均值滤波等常用算法对比,也证明了这一点,较大地提高了信噪比。     

CO2激光成像雷达图像处理分析

针对实际处理单幅CO_2激光成像雷达图像的问题,提出了算法简单快速的有阈值限定的中值滤波和同态均值滤波组合的图像处理方法,其处理后的图像散斑指数为0.1489;研究比较了中值滤波、邻域均值滤波、有阈值限定的中值滤波和同态邻域均值滤波及后两种滤波组合对去除噪声清晰图像的影响。     

基于横向拓展窗口的快速图像中值滤波算法

中值滤波是一种基于空域排序统计的图像降噪方法,可在滤除噪声的同时有效保护图像的细节信息。传统中值滤波一般采用冒泡排序法来对方形窗口内的像素灰度值进行排序操作,像素之间的比较次数多,处理时间长,不利于实时图像处理。基于图像并行处理的思想,提出了一种基于横向拓展窗口的快速中值滤波算法。算法将传统的方形窗口进行横向拓展,从而改变滤波窗口漫游的滑动步长,同时可以有效利用算法执行过程中的比较信息,达到提高整幅图像处理速度的目的。实验结果表明,算法能够满足图像降噪高精度、高实时性要求。所提出的算法通过牺牲芯片面积来换取处理速度,适宜于在现场可编程门阵列等硬件上实现。     

基于CMOS图像传感器混合噪声的自适应滤波算法

针对中值滤波导致部分图像细节损失和均值滤波出现模糊现象,设计了一种适用于椒盐和高斯混合噪声的自适应滤波算法.该算法先用最小邻域的均值和阈值判断噪声类型,然后使用加权中值滤波处理椒盐噪声,再利用拉普拉斯算子和相应阈值判断图像边缘细节,最后对高斯噪声进行加权均值滤波.实验仿真结果表明,从图像视觉效果来看,相比单独使用中值和均值滤波降噪,自适应滤波算法对图像的还原效果更好,图像细节保存较好,模糊程度相对较弱,图像更清晰.通过对比峰值信噪比(PSNR)和均方误差(MSE),对混合噪声进行处理时,滤波算法的PSNR和MSE值优于中值和均值滤波,有效还原了噪声图像.整个算法是在最小邻域空间进行,易于实现,对混合噪声的处理效果较好,为图像处理的系统集成化设计提供了技术支持.     

基于三维轴距的图像去噪算法

图像去噪是图像处理邻域的重要课题,该文在3维直方图的基础上定义图像的3维轴距,分析无噪声及椒盐噪声影响下图像3维轴距的分布特点,提出基于3维轴距的去噪算法。算法首先对图像进行边沿扩展,再利用3维轴距来检测噪声,最后用非噪声中值滤波来消除噪声。仿真比较了3维轴距去噪算法与中值滤波、自适应开关中值、快速自适应均值滤波、修正方向加权中值滤波和自适应模糊开关中值滤波算法的去噪性能,结果证明该文算法的有效性。     

一种针对图像脉冲噪声的改进中值滤波算法北大核心

针对中值滤波算法在图像脉冲噪声处理中存在的不足,提出一种新的改进中值滤波算法。该方法根据噪声图像的极值和像素点滤波窗口的局部信息对滤波窗口内像素点(含待处理像素点)是否为噪声点进行判断,剔除滤波窗口内的噪声点,然后根据新的滤波窗口及待滤波的中心像素点灰度值信息进行滤波操作。以迭代的方法更新噪声图像中的每个像素点,从而去除图像中的脉冲噪声。实验结果表明,与传统中值、加权中值、多级中值滤波方法相比,该方法能有效去除图像中的脉冲噪声,并保持图像细节特征完整。     

一种消除椒盐噪声的迭代自适应中值滤波算法

针对传统中值滤波算法对高密度椒盐噪声图像滤波效果差的问题,基于循环迭代处理思想,提出一种消除椒盐噪声的迭代自适应中值滤波算法。在传统基于决策滤波方法基础上,所提算法自适应调整滤波窗口尺寸并计算滤波窗口内非椒盐像素中值以替换噪声像素,进而根据噪声密度自适应决定算法迭代次数,以完全消除椒盐噪声并恢复原始图像。仿真结果表明,对噪声密度为10%～99%的图像,与标准中值滤波及其4种改进算法相比,所提算法能较快消除椒盐噪声且可较好恢复原始图像细节。     

基于图像传感器的图像画质增强算法研究

针对图像在传输过程中易引入噪声、色彩质量下降、中值滤波导致图像细节丢失和均值滤波出现模糊等问题,提出了一种可以应用于CMOS图像传感器的图像画质增强和滤波算法.该算法对插值后的Bayer图像数据进行一维空间的增强和降噪处理,首先将图像从RGB空间转换到YUV空间,在Y通道上用改进的直方图均衡化方法实现图像明暗程度的对比度增强调节,对U、V通道采用分段式线性调节方法实现饱和度调节;然后对Y通道进行自适应降噪,对U、V通道进行加权中值滤波降噪,以满足后续处理对图像质量的要求;最后在Y通道上,采用基于Laplace算子的锐化掩模进行锐化处理,保证图像的细节清晰可见.实验结果表明:从图像视觉效果来看,相比单独使用中值和均值滤波,所提出的自适应滤波得到的效果更好,图像细节保存较好、模糊程度低、图像更为清晰,且色彩质量更高.通过对比峰值信噪比(PSNR),对混合噪声进行处理时,该滤波算法的PSNR优于中值和均值滤波,有效地抑制了噪声.整个算法在一维邻域空间进行,更容易在有限的硬件上实现较好的图像处理结果,满足小面积低功耗的要求.     

一种针对图像脉冲噪声的改进中值滤波算法

针对中值滤波算法在图像脉冲噪声处理中存在的不足,提出一种新的改进中值滤波算法.该方法根据噪声图像的极值和像素点滤波窗口的局部信息对滤波窗口内像素点(含待处理像素点)是否为噪声点进行判断,剔除滤波窗口内的噪声点,然后根据新的滤波窗口及待滤波的中心像素点灰度值信息进行滤波操作.以迭代的方法更新噪声图像中的每个像素点,从而去除图像中的脉冲噪声.实验结果表明,与传统中值、加权中值、多级中值滤波方法相比,该方法能有效去除图像中的脉冲噪声,并保持图像细节特征完整.     

两种改进型中值滤波算法比较

重点介绍了综合型中值滤波算法以及一种自适应中值滤波算法．针对这两种改进型中值滤波算法,对含有高斯噪声,椒盐噪声,混合噪声以及高密度噪声图像进行去噪处理,比较综合型中值滤波算法（文中采用了十字型和交叉型）和自适应中值滤波算法对不同图像的去噪效果．     

一种快速的二维中值滤波算法及其硬件实现

为了实现实时图像预处理，介绍了中值滤波器的原理，详细研究了一种快速的二维中值滤波算法，给出了Verilog程序流程，并在现场可编程门阵列（FPGA）上用硬件编程语言实现了此中值滤波器。通过对不同算法的仿真结果进行了详细分析和比较，表明此算法大幅度降低了FPGA的资源占用率，能有效控制系统成本，适合用于硬件实现。     

一种快速去除高密度椒盐噪声的滤波算法

为了更好地恢复被高密度椒盐噪声污染的图像,在传统的自适应中值滤波算法的基础上提出了一种改进的自适应滤波算法。该算法将3×3矩形滤波窗口内极值点视为可疑噪声点,对可疑噪声点自适应调节滤波窗口大小进一步判断是否为噪声点;将噪声点区分为低密度噪声区噪声点和高密度噪声区噪声点,并分别用改进后的中值滤波算法、自适应修正后均值滤波算法处理,信号点保持不变。仿真结果表明,该算法处理速度快并且能够有效恢复被椒盐噪声(密度达80%)污染的图像,在去噪的同时能够很好地保护图像的细节。     

一种改进的中值滤波算法的研究

去除图像中的椒盐噪声是图像处理中的一个重要问题。传统的中值滤波算法,对所有的像素点采用相同的处理,使图像的细节变得模糊,同时降低了效率。本文针对这个问题,在多级中值滤波的基础上,提出了基于噪声点检测的多级中值滤波算法。通过Matlab仿真研究表明,该算法可以有效去除图像的椒盐噪声,并能更好的保护图像细节,同时具有很高的效率。     

基于Matlab的椒盐噪声滤波算法研究与实现

介绍了图像去噪流程,研究了图像椒盐噪声处理中的两种算法,均值滤波算法和中值滤波算法,详细阐述了两种算法的基本原理和实现方法,在Matlab环境下利用两种算法对图像进行去噪处理,并对去噪结果进行比较、分析,实验结果表明两种算法都能有效滤除图像中的椒盐噪声,中值滤波算法在保护图像细节方面要优于均值滤波算法。     

复杂背景下红外小目标检测流水线快速预处理算法

提出了一种实现红外小目标检测的流水线预处理快速算法:在图像增强中,利用中值滤波和Laplace滤波抑制干扰和噪声;在阈值分割中,通过子图像动态阈值分离背景和目标.同时叙述了硬件流水线实现滤波和阈值的具体步骤和组织方式,做到了图像数据和处理结果的同步输入同步输出,最后给出实验结果.     

噪声密度不敏感的随机采样椒盐噪声滤波算法

中值滤波系列算法在处理被不同密度椒盐噪声污染的细节图像和平坦图像时,降噪性能不一致。本文借鉴开关中值滤波和压缩感知的思想,提出了随机采样滤波算法去除椒盐噪声。算法以噪声检测为基础,将被椒盐噪声污染的图像分为疑似噪声像素和信号像素,随机采样仅对信号像素采样。然后,利用正交匹配追踪算法重构出被污染前的图像,替代了中值滤波对噪声像素的估计。由于随机采样滤波基于压缩感知理论,对稀疏信号的重构具有最少测量次数的条件,因此随机采样点的数量具有一定的浮动空间,表现为对噪声密度不敏感。以被不同噪声密度污染图像的纹理、平坦局部区域进行验证,实验表明,当噪声密度在一定范围内变化时,算法可以实现对噪声密度不敏感。在高密度噪声污染的情况下,相较于中值滤波系列算法,随机采样滤波算法具有更好的细节保留能力和滤波能力。对标准测试图像进行了全局滤波,不同噪声密度具有一致的滤波效果,与自适应滤波算法相比,随机采样滤波算法在处理包含密集边缘特征的区域时更具备优势。