基于纹理分析的改进型Nagao滤波器

在使用计算机编程实现时，本文所述算法的具体步骤如下：
(1)对图像进行黑白二值化处理。
(2)根据阈值搜寻噪声点。
(3)在以噪声点为中心点的5×5邻域内构造空间灰度矩阵。
(4)根据式(1)计算能量。
(5)根据式(2)计算熵。
(6)根据式(3)计算纹理复杂度。
(7)如果该区域内的纹理复杂度小于阈值，选择使用矩形模板作为平滑模板转步骤(10)，否则使用线性模板转步骤(8)。
(8)分别计算8个线性模板灰度的均值和方差。
(9)通过比较找出方差最小的模板，并用该模板作为平滑模板。
(10)用平滑模板灰度的均值代替噪声点的灰度值。
(11)继续搜寻下一个噪声点重复步骤(3)~(10)，直到将所有噪声点都滤除。
从分析可知，本文提出的改进方法有效地避免了传统Nagao滤波器每次需要计算全部9个模板的均值和方差的缺点，大大提高了计算机的处理速度，易于实现。
4 应用分析
根据本文所述算法，在处理器为Pentium D 2.80 GHz的计算机上用C++Builder6.0编程实现用于实验分析。主要进行了两个方面的对比实验：(1)在处理效果方面，首先在1幅图片中随机加入2 000点噪声，然后分别用传统Nagao滤波器和本文所提出的算法进行滤波处理，对比效果如图3所示[12]。从图3不难看出，传统Nagao滤波器处理后的图像明显带有一些伪像，处理效果不是十分令人满意，而用本文提出改进的Nagao滤波器处理后，不仅图像噪声全被滤除，而且几乎不存在伪像，图像质量与原始图像非常接近，本文提出的改进型Nagao滤波器的处理效果更好；(2)在处理速度方面，本文分别选取了大小为160×160、256×256格式为BMP和JPG的图像各10幅，共40幅，分为2组进行了处理速度测试，对比结果如表1所示[13]。从表1中可以看出，无论是处理BMP格式的图片还是JPG格式的图片，改进的Nagao滤波器的处理速度都要明显优于传统Nagao滤波器(大约为2.7倍)，这对于用计算机编程实现处理纹理比较复杂、尤其是大尺寸高分辨率的图像是十分有利的。

本文详细介绍了Nagao滤波器的实现原理，并分析了其存在的缺点，针对这些缺点，结合图像纹理分析方法，提出了一种基于纹理分析的改进型Nagao滤波器。该方法以传统Nagao滤波器为基础，通过对图像进行纹理分析得到的纹理复杂度来指导平滑模板的选择，不但克服了传统Nagao滤波器在滤波处理后存在伪像的缺点，而且进一步提高了计算机的处理速度，通过应用实验比较分析，该方法可以取得比较满意的去噪效果。