绝热层C扫描脱粘图像处理方法研究

清华大学2010届毕业论文

的边缘特征，见图3.3。

图3.3 利用带阻滤波器将条纹噪声滤除后的扫描图

3.2 三种背景滤波比较研究 3.2.1三种滤波理论分析 （1）均值滤波理论分析

邻域平均滤波是对待处理的当前像素，选择一个模板，该模板为其近邻的若干像素组成，用模板中的像素的均值来替代原像素值的方法。设一幅图像f (i,j)为M×N阵列，平滑后的图像为，其每个像素的灰度级由包含在点的预定邻域的几个像素的灰度级的平均值决定，即用下式得到平滑的图像：

g(i,j)?1M(i,j)?S?f(i,j) ( 3.3)

式中的i,j=0,1,2,…N-1，S是(i,j)点邻域中心点的坐标的集合（不包括点(i ,j)），M是S内坐标点的总数。

邻域均值滤波的优点是算法简单且对高斯白噪声有很好的平滑能力，但在降低噪声的同时使图像产生模糊，特别是在边沿和细节处，邻域越大，模糊越厉害，并且对脉冲噪声十分敏感。其根本原因在于均值运算中，各个像素的权值都一样，当滤波窗内存在奇异点（脉冲噪声）时，奇异点在很大程度上影响滤波结果，同时奇异点的存在经均值滤波后还会影响到其周围像素，从而容易造成细节和边缘模糊。 （2） Wiener滤波

第13页 共 37页

清华大学2010届毕业论文

Wiener滤波又称为最小二乘滤波，它是使原始信号f(x,y)与恢复图像f(x,y)之间的均方误差最小的复原方法。Wiener滤波器的频率响应可表示为

H?(u,v)Hw(u,v)?Sn(u,v) (3.4)

H(u,v)?Sf(u,v)式中，H*(u,v)——H(u,v)的共轭复数；

Sn(u,v)——噪声的功率谱密度； S f(u,v)——未退化图像的功率谱密度。

H(u,v)可从实验或数学模拟中获得，Sn(u,v)可从图像的平坦区域或背景噪声中

取得，S f(u,v)是不可能准确获得的，因为它是未知图像的功率谱，但可由一定的先验知识对未退化图像的大致形状做出估计，然后计算出S f(u,v)。

Wiener滤波以其易于快速傅里叶变换和硬件易实现等优点，一直在图像滤波领域中占有重要地位，它克服了逆滤波对噪声的敏感性和奇异性，对受高斯白噪声干扰的图像有很好的恢复能力，但在实际中噪声与图像的功率谱密度无法直接确切得知，因此常以常数代替噪声与未退化图像功率谱之比，而这种粗糙的近似必然会对恢复结果产生影响，并且其存在计算复杂，不便于实时处理等缺点。 （3）中值滤波

中值滤波是广泛应用于去除脉冲噪声的一种非线性降噪方法，它是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术。1971年，著名学者图基在他的开拓性论文中首先提出了中值滤波器的概念并应用在一维信号处理技术（时间序列平滑）中，后来人们又将其引入到二维图像处理技术中。这种滤波器的优点是运算简单、实现方便，而且速度较快，在一定的条件下可以克服线性滤波器如均值滤波等带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声最为有效。中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点的中值代替。中值的定义如下：

一组数x1,x2,....xn,，把这n个数按值的大小顺序排列如下xi1?xi2?...xin，则

)y?Med{x1,x2,.....xn}?{xi(n?1/2?xi(n/2)xi(n/2?1)n为奇数n为偶数(3.5)

第14页 共 37页

清华大学2010届毕业论文

y称为序列x1,x2,....xn,的中值。把一个点的特定长度或形状的邻域称作窗口。在一维情况下，中值滤波就是用一个有奇数个点的滑动窗口，将窗口中心点的值用窗口内各点的中值来代替。其算法定义如下：设有一个一维序列{xi,i?I},I为自然数集合或其子集，取窗口长度为2k +1，对此一维序列进行中值滤波，就是从输入序列中相继抽出2k+1个数xi-k,...xi,.....xi?k，其中为窗口中心点值，再将2k+1个点值按其数值大小排序，取其序号为中心点的那个数作为滤波器输出，可记为：

y?Med{xi-k,...xi,.....xi?k}(3.6)

在一维情况下，中值滤波器不影响阶跃函数和斜坡函数，并可有效地消除单、双脉冲，使三角函数的顶端变平。在二维情况下，可以利用某种形式的二维窗口。设

{xi,j,(i,j)?I2}表示数字图像各点的灰度值，其中I为自然数集合或其子集，滤波窗口为A的二维中值滤波定义如下 [54]

yi.j?Med{xi,j}A?Med{xi?r,j?s,(r,s)?A(i,j)}(3.7)

二维中值滤波的窗口形状和尺寸对滤波器效果影响很大。不同的图像内容和不同的应用要求往往选用不同的窗口形状和尺寸。常见的二维中值滤波窗口形状有线形、方形、圆形、十字形及圆环形等，其中心点一般位于被处理点上，窗口尺寸一般先用3再取5逐点增大，直到其滤波效果满意为止。一般来说，对于有缓变的较长轮廓线物体的图像，采用方形或者圆形窗口为宜，对于包含有尖顶角物体的图像，适用十字形窗口，而窗口的大小则以不超过图像中最小有效物体的尺寸为宜。 3.2.3 用MATLAB比较三种滤波效果

第15页 共 37页

清华大学2010届毕业论文

（a）均值滤波部分图

（b）wiener滤波部分图

（c）中值滤波部分图

图3.4 三种滤波效果比较

从图3.4中可以看出，均值滤波后的图像仍存在一定的纹理噪声，与图3.1（b）相比，只是黑白相间趋于灰白相间，即图像的灰度值有所平均，但脱粘区域的边缘出现模糊。Wiener滤波后的脱粘检测图像也存在灰白相间的纹理噪声，纹理相间的程度较其它两种程度都较轻，但脱粘区域边界的模糊程度比均值滤波大，滤波效果比均值滤波差。在图3.4（c）中，原图像中值滤波后较均值滤波和Wiener滤波处理结果明显偏好，边缘清晰可见，从而边缘信息得到了较好的保留，图像灰度值比较平均，但是图像存在较大的纹理特征。

综上所述，超声脱粘检测图像处理方案如下：首先采用带阻滤波的方法滤除图像的纹理噪声然后采用中值滤波的方法滤除背景噪声。通过上述方法对超声脱粘检测图像进行降噪处理，处理图像结果如下。

第16页 共 37页