数字图像降噪方法详解

由于数字成像过程中的噪声是不可避免的，这些高频噪声信号会叠加在有用的文本信息及材质背景信息中，印品数字图像中的噪声对诸如线属性等质量属性指标的求解带来困难，因此降噪成为一个提取印刷图像信息首要的和必需的处理环节，降噪效果也将直接影响到所计算线属性指标的客观性。

图像的噪声主要分为两大类：加性噪声和乘性噪声。实际应用中，图像的噪声一般是加性白噪声，图像模型可建立为

式中，f（x，y）为原始图像，g（x，y）为含噪图像， σ（x，y）为加性白噪声图像。

图6-12为由一款喷墨打印机输出的设计宽度为42.33μm线条图像的数字图像，经响应值到反射系数ρ变换后的（1-ρ）灰度图像。其中，水平黑线所示行的（1-ρ）信号如图6-12（a）中波动剧烈的“原信号”线所示。可以看到，这一行中处于输出基材（白纸）的背景部分信号强度出现了高频波动，也叠加在线条信号中，其他行的信息也具同样的特点，这对于ISO/IEC TS 24790标准线条属性定义公式中各个阈值点的确定带来困难。于是，需对该图像在保真线条的边缘起伏特征下，平滑背景的高频噪声，以得到背景及各个特征点反射系数的准确数值。

图6-12　线条印品光度量灰度图像的降噪及线属性求解(www.xing528.com)

数字图像的降噪方法有很多，诸如均值滤波法、中值滤波法、自适应维纳滤波法、形态学噪声滤除、小波降噪等。

采用邻域平均法的均值滤波器适用于去除通过扫描得到的图像中的颗粒噪声，可有力地抑制噪声，但同时也因平均而引起模糊现象。

中值滤波是一种常用的非线性平滑滤波器，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的中值代换，其主要功能是让周围像素灰度值的差比较大的像素改取与周围的像素值接近的值，从而可以消除孤立的噪声点。所以中值滤波对于滤除图像的椒盐噪声非常有效。中值滤波器可以做到既去除噪声又能保护图像的边缘，从而获得较满意的复原效果。而且，在实际运算过程中不需要图像的统计特性，这也带来不少方便。但对一些细节多，特别是点、线、尖顶细节较多的图像则不宜采用中值滤波的方法。

自适应维纳滤波能根据图像的局部方差来调整滤波器的输出。局部方差越大，滤波器的平滑作用就越强。它的最终目标是使恢复图像与原始图像的均方误差最小。该方法的滤波效果比均值滤波器效果要好，对保留图像的边缘和其他高频部分很有用，不过计算量较大。

小波滤波可以保留大部分包含信号的小波系数，因而可较好地保持图像细节。这是一种实现简单又效果较好的降燥方法。

针对图6-12（a）中“原信号”线的高频变化噪声，实验选择使用SymN（N=5）小波对其进行降噪，得到了降噪后的信号如图6-12（a）中“降噪后信号”所示。表现出降噪后的线条信息得到了较好保留，且对背景的高频成分又给予了充分滤除，既尽可能地降低了噪声信号又较好地保留了有用信息。这一处理后的图像，为后续线条边缘各阈值点的提取打下了良好基础。由此得到的线条边界信息提取结果如图6-12（c）所示，组成线条内容的分散的墨点仍被有效保留在线条的外边界内，且处于线条的外边界线与边界线之间，合理地分解出了线条的主题信息和分散墨点构成的干扰信息。

当然，并非所有的印品质量属性值的求解都需要首先降噪，如实地平网印品的面属性量颗粒度和斑点，其本身就是一种噪声的度量，而数字成像过程产生的噪声会和印品的噪声加合在一起难以分开。这种情况恐怕只能通过其他方法加以抵除了。