210 敏字图像处理（第三版） 进程B: B,=乙wm B,=2w2 如果B,>0且B2<0,则输出 否则输出 理解该算法机理的关键在于，要记住它有3个主要目的：去除椒盐（脉冲）噪声，平滑其他非脉 冲噪声，并减少诸如物体边界细化或粗化等失真。值z和：在算法统计上认为是类脉冲噪声分量。 即使它们在图像中并不是最低和最高的可能像素值。 利用这些观察结果，我们看到进程A的目的是确定中值滤波器的输出是否是一个脉冲（黑 或白)。如果条件<<乏有效，则根据前节提到的原因，乏不可能是脉冲。在这种情况下，我 们转到进程B进行测试，看窗口乙，的中心点本身是否是一个脉冲（回忆可知，是正被处理的点）。若 条件B,>0“与”(AND)B,<0为真，则z<<:,2n就不是脉冲，原因与z不是脉冲相同。在 这种情况下，算法输出一个不变的像素值z。通过不改变这些“中间灰度级”的点，减少图像中的 失真。如果条件B,>0“与”(AND)B,<0为假，则乙，=2m或乙w2。在任何一种情祝下，像素值 都是一个极端值，且算法输出中值，从进程A可知乙不是噪声脉冲。最后一步是执行标准的中 值滤波。问题是，标准中值滤波器使用图像中相应邻域的中值代替该图像中的每一点，这会引起不必 要的细节损失 继续上面的说明，假设进程A确实找到了一个脉冲（若失败则测试会将它转到进程B)。然后，算法 会增大窗口尺寸并重复进程A。该循环会一直继续，直到算法找到一个非脉冲的中值（并跳转到进程B) 或者达到了窗口的最大尺寸。如果达到了窗口的最大尺寸，则算法返回：值。注意，不能保证该值不 是一个脉冲。噪声的概率P。和/或P,越小，或者S在允许的范围内越大，过早退出条件发生的可能性 就会越小。这似乎是合理的。随着脉冲密度的增大，我们会需要更大的窗口来消除尖峰噪声 算法每输出一个值，窗口S,就被移到图像中的下一个位置。然后，算法重新初始化并应用到新 位置的像素。如习题3.18指出的那样，仅使用新像素就可以反复更新中值，因而减少了计算开销 例5.5自适应中值滤波的说明。 图5.14()显示了被概率为P=P=025的“椒盐”噪声污染的电路板图像.该噪声的概率为图5.10(a) 中所用噪声概率的25倍。此处噪声水平非常高，以至于模糊了图像的大部分细节。作为比较的基础。图 像首先使用最小中值滤波器进行滤波，消除大部分可见的脉冲噪声痕迹。做这种处理需要一个大小为7× 的中值滤波器。并且处理结果显示在图5.146)中。虽然噪声被有效地消除了，但该滤波明显导致了图像细 节的损失。例如，图像顶部的一些连接片出现了失真或裂。其他的图像细节也同样失真了 a b c 图5.14(被概率P,=P,=025的椒盐噪声污染的图像：()使用大小为7×7的中值滤波器 的对图像滤波的结果；（⊙使用了=7的自适应中值滤波器对图像滤波的结 图5.14(c)显示了使用S=7的自适应中值滤波器的结果。噪声消除性能与中值滤波器相似。但是， ☒自适应滤波器在保持清嘴度和细节方面的确做得要好。连接片几乎没有失真，使用中值滤波器时被模脚