适用于多种噪声模型的图像滤波器 噪声滤波器

　　基本原理 　　 　　图像受获取和存储、处理及各种干扰的影响，显示时画面上会出现噪声。为了减少噪声带来的负面影响，尽可能地还原干净真实的画面，就需要用到降噪滤波器对图像数据进行处理。
　　图像的噪声有多种类型。如加性噪声、乘性噪声、椒盐噪声、高斯噪声等。常见的降噪方法有在空间域进行的，也有将图像数据经过傅里叶等变换以后转到频域中进行的。其中频域里的滤波需要涉及复杂的域转换运算，相对而言硬件实现起来会耗费更多的资源和时间。在空间域进行的方法有均值或加权后均值滤波、中值或加权中值滤波、最小均方差值滤波和均值或中值的多次迭代等。
　　实践证明，这些方法虽有一定的降噪效果，但都有其局限性。比如加权均值在细节损失上非常明显；而中值仅对脉冲干扰有效，对高斯噪声却无能为力。
　　事实上，图像噪声总是和有效数据交织在一起，若处理不当，就会使边界轮廓、线条等变得模糊不清，反而降低了图像质量。此外，由于各类噪声往往不是单一存在而是同时并存，所以单纯采用一种滤波器，往往达不到满意的效果。
　　本文所述算法，就是针对这一问题，提出了一种新型的可同时滤除多种噪声的数字图像滤波器方法，其滤波效果优于单纯的某一种滤波器，同时计算量也不太复杂，硬件上较易实现。
　　
　　算法描述
　　
　　本文所采用的滤波算法包括以下主要步骤。
　　・在某邻域窗口内选择多个邻域像素fi，(i=1，2，…，n)；
　　・噪声检测：累计中心像素与邻域内其他像素之间的差值中大于T1的个数N，T1是一个与图像的细节程度有关的阀值；当0