MATLAB中值滤波在灰度图像处理中的应用研究和仿真(3)
3.2 中值滤波的仿真
3.2.1 中值滤波仿真函数介绍
MATLAB能够支持多种图像类型,如灰度图像、二进制图像、RGB图像等。但是在对某些特定图像操作过程中,对图像类型有所要求。MATLAB软件应用在传统中值滤波中。首先不同的灰度图像对应的有不同的格式，如“. ”、“. ”等，通过 或 输入要处理的图像，再通过 显示要处理的图像；其次，通过 函数对原图像分别载入 、 、 三种噪声，通过 函数显示含有噪声的图像。最后借助 函数对载入噪声的图像分别进行中值滤波， 显示滤除后的图像。综合原图像，载入噪声的图像，滤除噪声后的图像对比视觉效果，判断中值滤波最适合滤除何种噪声。再进一步借助 这一针对不同窗口的传统中值滤波函数通过 、 、 、 滤波，比较得出最佳传统中值滤波法。
3.2.2常见几种噪声的特点
椒盐噪声的特征:出现在图像中的位置是随机的，为黑白相间的杂点。但噪声的幅值是基本相同的。高斯噪声的特征：出现在图像中的位置是一定的（每一点上），但噪声的幅值是随机变化的。poisson噪声的特征：大小围绕拟合线上下波动，可以用频率公式来表示，当取值 不等于0的时候便会出现噪声，噪声的强烈程度取决于 可以取多少个数值，和计算出结果与理想曲线之间差距[3]。
3.2.3 传统中值滤波的仿真结果
基于MATLAB汇编语言，对灰度图像分别载入椒盐噪声、高斯噪声、泊松噪声，并采用传统中值滤波法分别滤除噪声。其中图8为未经过处理的图像，其用于后续处理以及与滤出噪声后的图像对照。图9对原图像载入椒盐噪声，图像上呈现黑白相间的杂点。图10对原图像载入高斯噪声，该噪声覆盖于图像整体，图像被污染最严重，最模糊。图11对原图像载入泊松噪声，图像模糊程度最轻。图12为滤除椒盐噪声后图像，滤波后的图像最接近原图像。图13为滤除高斯噪声后图像，图像仍然很模糊。图14为滤除泊松噪声后图像。
图8 未经过处理的图像 图9 加椒盐噪声后的图像
图10 加高斯噪声后的图像 图11 加泊松噪声后的图像
图12 滤除椒盐噪声后图像 图13 滤除高斯噪声后图像
图14 滤除泊松噪声后图像
如以上各图所示：从整体上看，传统中值滤波法对处理每一种加噪声的图像都起到一定的效果。但是经过中值滤波后的图像，都会存在不同程度的失真。由图8和图9、图10、图11比较得出，每一种噪声都会使原图像变模糊，根据各噪声的特点不同，图像变模糊的程度不同。图8、图9、图12是对原图像载入椒盐噪声，然后在滤波的过程图像，图12的清晰度与图8最接近。图8、图10、图13由原图像载入高斯噪声，然后滤波的过程图。图8、图11、图14是对眼图像载入泊松噪声，然后滤波，泊松噪声虽然对原图像污染程度不大，但滤出效果不佳。图12、图13、图14比较可以看出，图13最模糊，说明中值滤波法不适合处理高斯噪声。图12最清晰，不仅保持了原图像的细节，而且保护了边缘信息。说明中值滤波法最适合处理椒盐噪声,但是相对原图像，图像变模糊。
3.2.4 3 3、5 5、7 7、9 9中值滤波效果比较
针对上小节中通过滤波前后图像比较判断出中值滤波最适合处理椒盐噪声，但是滤波后图像仍然出现模糊的特点。所以本小节通过不同窗口中值滤波进一步研究最适合滤除椒盐噪声的传统中值滤波法。其处理前后图像如下图所示。图15为待处理的图像，图16对原图像载入0.25的椒盐噪声，图17为 中值滤波后图像，图18为 中值滤波后图像，图19为 中值滤波后图像，图20为 中值滤波后图像[4]。