第２７卷第６期计算机应用Ｖｏｌ。２７Ｎｏ．６２００７年６月ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓＪｕｎｅ２００７文章编号：ｌ∞ｌ一购８ｌ（２０。７）。６一１４５５一∞低照度图像去嗓算法的研究与实现彭渡，王一嚼（中国农业火学信息与电气工程学院，北京１０００８３）（ｐｅｎ曲。一ｃａｕ＠１２６．ｃｏｍ）摘要：舒对低照度麓像存在火量噪声赡情琵，分析了主要噪声添及各秘常霓的麓像去噪算法，在综合考虑图像去噪平滑效果、图像的清晰程度及图像击噪时间复杂度的基础上，提出了结合数学形态学方法和中值滤波方法的图像去噪算法。通过试验数据验证了本算法的可行性、实时性和鲁棒性。关键词：低照度；霹像去噪；数学影态擎；中值滤波中图分类号：ＴＰ３９１．４１；唧ｌｌ文献标识码：Ａ融ｓｅａｒｃｈａ魏ｄ妇讲ｅｍｅｎ怯ｔ主弧ｏｆｌＯｗ．ＩＵ嘲ｉｌｌａｔｉｏｎｄｅｎｏｉｓｉ鹕ａｌｇｏｒｉｔｌｌｌｎｆｏｒｉｌｎａｇｅ《撇鲈勾酗黼＃幻嚣口艇酸搿秘旌两薛戮嗽静蕊螽珏恕娩勰群蕊渤敝措妨＆彩螽塔ｌ∞０８３，貔∞》ＰＥＮＧＢｏ，ＷＡＮＧＹｉ－ｍｉｎｇＡｂｓｔｒａｃｔ：Ｔｈｉ８ｐａｐｅｒ锄ａｌｙｚｅｄｔｌｌｅｍａｉｎｎｏｉｓｅｓｏｕｒｃｅｓｆ矗Ｌｃ｝ｗ—ｍ１１Ｉｎｉｎａｔｉｏｎ‰ａｇｅ．Ａｎｄａｄｅｒｌｏｉｓｉｎｇｍｅｔｌｌｏｄ，ｃｏＩＩｌｂｉｎｉｎｇＭａｔｈｅｍａ畦ｃ８ｍｏ印ｈｏｌｏ醪ｗｉ＿瞰！垤ｅｄｉ蹰￡ｌｔｅｒ，ｗ酗ｄｅｓｉｇｎｅｄ娃ｅｒｂ丑ｌａｎｃｉｎｇｉｍａｇｅ８ｍ∞ｌｌｌ舱ｓｓ，ｃｌｅ栅ｅｓｓ黝ｄｔｉｍｅｃｏｍｐｌ然姆氇ｒｏ娃痨臻ｅｅ】【ｐｅ畦搬ｅｎｔｓ《ｃｏ撒黼ｏｎ纛ｅ珏。主ｓｉｎｇ藤商矗豫ｓ。簟瓠ｅｅｘｐｅｆ主ｍｅｎ协越ｓｏ∞Ｉ燕糯氇８ｔ｜圭ｌｅ蠢ｇｏｒｉ氇ｍｉｓｆｅ８８ｉ№，砖藏一蠢ｍｅ趴ｄｒｏｂｕｓｔ．Ｋｅｙｗｏｒｄｓ：ｌｏｗ—ｍ删ｎ蒯ｏｎ；ｉｍａｇｅｄｅｎｏｉ８ｉＩＩｇ；ｍａｔｈｅｍａｔｉｃｓｍｏｒｐｈ０１０９ｙ；ｍｅｄｉ蛆壬ｉｌｔｅｒ引言仉减小，获褥图像的信噪鲢：较低，图像中的读出噪声比较严重。低照发塑像含有隧槐分布的囊点噪声，虽光照越弱，躁像读出噪声怒一耪光电流噪声。光电流噪声是由光的统计中噪声越大。当使用ＭＰＥＧ一４Ｈ０１压缩标准对含有大量嗓声本质和图像传感器中光电转换过程弓ｌ起的。在嚣光照的情况的低照度图像压缩合成时，得到的数据量比正常情况下的录下，其噪声模型可用具有泊松密度分布的随机变量来描述；且像码流数据量增大１５％一２０％，如果对这样的玛流进褥存具有光电流噪声的图像，其信号幅度与噪声幅度无关。２）量纯嗓声：指摄像飘使尾放大稻处淫电路对信号进行晰程度及算法效率的基础上，提出了结合数学形态学法和中采样／量化处理时产生的擞化噪声垆Ｊ。值滤波法的低照度图像去噪算法。放大处理甑瞎埝出信号的信噪比公式为№１：ｌ低照度图像主要噪声源分析ｃ，音＝６．０２嚣＋１．７６＋ｌｏｌｇ（；｝）（２）ｏ’‘：，ｍⅡ图像中存在着各种不同性质的噪声，在不同的客观环境其中：曰是模／数转换器分辨率航是采样速率沈。是输下会成兔影晌蚕像震爨酶主导嚣豢。这些曝声大致霉泼分免入信号麓最高羧率。以下３类－ｊ：３）脉冲噪声：包括传输过程中产生的脉冲噪声和存储图１）随机噪声：包括客观环境中的干扰噪声和摄像管摄像像带来的噪声。辣狰噪声怒信号在数字电路孛黄送潜，受到瞧骆豹辣漳影响而产生的噪声。虽然对于不同电路分布的情况，含有脉ＣＣＤ摄像管读出噪声输出信噪比公式为哺＇４】：冲噪声的信号的信噪比会荫所不同，但总体来说，这种噪声主昙。羔Ⅳ２仃柏℃《１）要耄电路孛邀猪趣活动情熬决定，露与客溪环境巾豹亮度无”７关㈨】。其中：Ｑ。是１个光敏单元所存贮的电荷量，Ｑ。＝Ｂ帆；批综上所述，图像包含的噪声中，信噪比随图像拍摄的客观是１个光敏单元所承载的光电子数目；ｅ是１个光电子所狂贮强境亮度改变褥改变的只穗热性噪声类中的ｃｅＤ摄像管摄的电荷量；Ｇ是输入泡容；ｒ是绝对温度。像产生的读出噪声，其信嗓院公式也诞瞬了此噪声会随着客由武（１）可知，当客观环境光线充足时，帆相应升高，即观环境亮度的降低而增大。在低照度图像中ｃｃＤ摄像管摄热增大，信噪比较高；薅当客观环境光线不充足时，弧下降，像产生的读出噪声为影响图像质量的主导噪声。收稿豳期：２００６—１２—２０；修订日期：２００６一０２—２６作者简介：彭波（１９６０一），女，北窳人，教授，童簧研究方向：图像处理、视频传输技术；正一鸣ｑ９４０一），男，北京人。教授，主要研究方向：智能化检测、控制技术．万 方数据０储，会占用更多空闻。本文在综合考虑图像去嗪乎滑效果、清产垒酶读出噪声，其挚黠图像爱爨起主要影响缒是￡￡Ｄ摄像管摄像产生的读出嗓声。１４５６计算机应用２００７年２）图像的清晰程度。虽然对图像去噪效果好可以减少录２低照度图像去噪算法设计及实现２．１数学形态学法及中值滤波法１）数学形态学法数学形态学图像处理表现为一种邻域运算形式，一种特殊定义的邻域称为“结构元素”，在每个像素位置上它与二值图像对应区域进行特定的逻辑运算，逻辑运算结果为输出图像的相应像素。形态算效果取决于结构元素大小、内容及逻辑运算性质。常见的形态算有腐蚀和膨胀。给定二值图像，（ｘ，ｙ）和作为结构元素的二值模板丁（ｉ，＿『），腐蚀与膨胀运算可表示成式（３）和式（４）：像码流的数据量，但也需要保证一定的图像清晰度。３）图像去噪时间复杂度。由于监控系统需要对图像进行实时处理以合成监控码流，所以对图像去噪时间复杂度必须较低才能保证图像与实际拍摄时问相对应，从而保证监控码流实时性。２．２．２算法设计思想根据以上设计标准，通过大量实验对各种常见的去噪算法进行分析和研究，结果表明：１）频域去噪算法虽然可以对图像起到一定去噪作用，但算法时间复杂度很高，低通梯形滤波和维纳滤波的时间复杂度为０（Ｊ７、『ｌ０９２Ⅳ），小波滤波为０（Ⅳ２），所以不符合图像去噪时间复杂度低的标准。２）空域去噪算法中的滑动窗口滤波法和直方图均衡法，虽然时间复杂度为０（Ⅳ），但对摄像管的随机加性噪声几乎不起去除作用，所以不符合图像去噪效果好的标准。３）空域去噪算法中的中值滤波法和邻域平均滤波法可对图像起到一定的去噪作用，时间复杂度也较低，但去噪后会使图像变得很模糊，所以不符合图像清晰程度要好的标准。４）数学形态学法时间复杂度为０（Ⅳ），可以对图像起到一定的去噪作用，又不会使图像变得模糊不清，基本符合图像去噪增强标准。使用数学形态学法去噪可去除部分噪声，且由于开／闭运算具有聚类功能，即能把图像中某个范围内灰度相近且数量占优势的图像信息聚到一起，从而使得图像信息不易丢失，因此可获得较清晰的图像；缺点是去除噪声不够彻底，去噪后的图像不够平滑。使用中值滤波法去噪可获得很好的效果，去噪后的图像变得很平滑，从而使得压缩合成后的录像码流数据量有效减小；但由于低照度图像中噪声与周围图像信息亮度值差别不大，所以去噪后图像不够清晰，会丢失较多图像信息。对于含有噪声的低照度监控图像，提出新的算法设计思想：首先使用数学形态学法，滤除部分噪声；并利用数学形态学法聚类功能，将图像信息聚集成相对集中的部分。然后使用中值滤波法对图像进行处理，滤除剩余噪声，使图像变得比较平滑，而这时由于图像信息相对集中，且图像信息部分只含有较少噪声，所以在去噪过程中不会丢失过多的图像信息，使处理后的图像相对比较清晰。得到的算法时间复杂度为０（Ⅳ）。综上所述，将结合数学形态学法与中值滤波法对低照度监控图像进行去噪处理，从理论上可以获得较好的效果。２．３图像去噪算法实现低照度图像去噪算法具体实现主要分为以下两个步骤：１）对图像ＹｕＶ系统的Ｙ分量进行数学形态学滤波。由于图像采用ＲＧＢ系统，所以需要先将图像的ＲＧＢ系统转换为ＹｕＶ系统，以获取图像的灰度值Ｙ分量；然后对图像像素灰度值即Ｙ分量进行数学形态学滤波ｏ７．８｜，具体实现如下：①由于图像噪声表现为随机的亮点和毛刺，根据数学形态学性质，选用开运算进行滤波，即先对图像进行腐蚀运算，再对图像进行膨胀运算。②由于图像噪声信号直径较小，所以选用３×３的结构元素窗口。２）对经过数学形态学滤波的Ｙ分量进行中值滤波。对图像像素的Ｙ分量进行数学形态学滤波后消除了部分噪声，并把图像细节聚合在一起。这时使用中值滤波法一。就可以Ｅ（龙，ｙ）＝（，ｏｒ）（戈，），）＝ＡＮｐ［，（髫＋ｉ，ｙ＋，）＆ｒ（ｉ，，）］－Ｊ—ｕ（３）Ｄ（茗，ｙ）＝（，ｏ丁）（互，ｙ）＝Ｑ醚［，（茗＋ｉ，ｙ＋Ｊ）＆ｒ（ｉＪ）］‘Ｊ—Ｖ（４）使用结构元对原始图像进行膨胀和腐蚀的效果如图１所示。（ａ）原始图像（ｂ）结构元素豳蕊淞：鳓翻（ｃ）膨胀结果（ｄ）腐蚀结果图１使用结构元对原始图像进行膨胀和腐蚀在定义膨胀和腐蚀运算的基础上，可定义开运算和闭运算。灰度图像开运算和闭运算可解释为：让结构元素沿，（茹，），）滚动，开运算沿，（算，ｙ）的下沿滚动，而闭运算沿，（ｘ，ｙ）的上沿滚动。经过滚动处理后，所有直径比结构元素小的灰度阶越点都被去除了。所以从直观上看，灰度图像开运算和闭运算具有聚类功能，即能把图像中某个范围内灰度相近数量占优势的点聚到一起。在应用中，对开运算：使用直径比噪声信号直径略大的结构元素，去除图像中亮度和毛刺，保留所有的灰度和较大的亮区特征不变；腐蚀操作可去除较小亮细节，再施以膨胀处理增加图像亮度而不再引入已去除部分。对闭运算：去除图像中较小暗点（相对结构元素而言），保留原来较大亮度特征；膨胀操作可去除较小暗细节，再施以腐蚀运算将图像亮度调暗，而不重新引入已去除部分。２）中值滤波法中值滤波法是一种非线性信号处理方法，用一个含有奇数点的滑动窗口，将窗口正中的那个点的值用窗口内各点的中值代替。假设有一个一维序列工正，…Ｚ，取窗口长度为ｍ（ｍ为奇数），对此序列进行中值滤波，就是从输入序列中相继抽出ｍ个黼。…Ｚ一。ＺＺ小…Ｚ“其中Ｚ为窗口中心点值，”＝（ｍ一１）／２。将这ｍ个点值按其数值大小排序，取其序号为正中间的那个数作为滤波输出。中值滤波法用数学公式表示为：，，ｆ＝ｍｅｄ｛Ｚ一，，…，Ｚ，…，Ｚ＋。｝，ｉ∈ｚ；口＝（ｍ一１）／２（５）２．２２．２．１图像去噪算法设计算法设计标准在针对低照度图像进行去噪算法的设计时，主要考虑以下３个因素：１）图像去噪平滑效果，即去噪后图像的信噪比。去噪后图像越平滑，经过压缩后的录像码流数据量越小。消除图像中剩余的噪声，使得图像平滑，且不会丢失图像细万方数据 第６期彭波等：低照度图像去噪算法的研究与实现帧频为２５帧／ｓ。比较结果如表１所示。１４５７节。本算法中，为了保持图像细节，在进行中值滤波时选用３×３的二维滑动窗口。３试验结果分析分别使用３×３中值滤波算法、数学形态学算法和数学形态学开运算与３ｘ３中值滤波相结合的算法对亮度不足的单帧图像去噪，比较结果如图２所示。比较结果表明：使用３×３中值滤波算法去噪后的图像非常平滑，但变得模糊不清，图像信息丢失现象严重；使用数学形态学算法处理的图像比较清晰，但残存较多噪声，图像不够平滑；使用数学形态学开运算与３×３中值滤波相结合算法处理后的图像中只存在较少噪声，比较平滑，同时图像信息丢失很少，所以图像也比较清晰。对在高照度环境下和低照度下拍摄的录像码流进行压缩前后的比较。使用符合ＭＰＥＧ一４视频编码标准的Ｄｉｖｘ５．０２Ｐｒｏ图２三种不同去噪算法对噪声图像去噪结果比较对在低照度环境下拍摄的录像码流进行分解，使用各种去噪算法对每一帧分解后的图像进行处理，然后用上述的ＭＰＥＧ一４编码配置合成压缩成新的录像码流，试验数据对比效果如表２所示。Ｃｏｄｅｃ（３２）编码器对码流进行压缩，压缩设置：编码速度为７８０ｂｉ∥ｓ，图像质量为ｆａｓｔｅｓｔ，输出大小为３５２×２８８ｐｉｘ，输出表１不同亮度环境下拍摄的录像码流对比理的码流数据量明显降低；表２不同去噪方法处理及压缩后的录像码流对比去噪方法—毒｝匡堕号箐３）由于此算法的时间复杂度比较低，所以可以将此算法直接移植到监控录像系统中，而不会影响监控录像系统的实时性。参考文献：【１】钟玉琢，王琪，贺玉文．基于对象的多媒体数据压缩编码国际标准——ＭＰＥＧ４及其校验模型【Ｍ】．北京：科学出版社，２０００．马小虎，张明敏，严华明．多媒体数据压缩标准及实现【Ｍ】．北京：清华大学出版社，１９９６．何斌，马天予。王运坚，等．Ｖｉｓｕａｌｃ＋＋数字图像处理【Ｍ】．北京：人民邮电出版社，２００１．ｆ２】【３】【４】伯连发，周建勋，张保民．微光ｃｃＤ噪声测试研究【Ｊ】．南京理工大学学报，１９９４，７５（３）：５４—５６．【５】阮秋琦．数字图像处理学【Ｍ】．北京：电子工业出版社，２００１．【６】（美）ｃＡｓｒｒＬＥＭＡＮＫＲ．数字图像处理【Ｍ】．朱志刚，林学闫，石４结语【７】定机，译．北京：电子工业出版社，１９９８．杨雪荣，康戈文，任文伟．数字视频图像噪声特征分析【Ｊ１．实用测试技术，２００２，２８（２）：２９—３０．ＭＡＲＰＤ，ＣＹｃｏＮＨＬ，ｚＡＮＤＥＲｉｎｇｏｆｌｍａｇｅ８由以上试验数据可以看到，本文提出的结合数学形态学法与中值滤波法的低照度图像去噪增强算法，兼顾了图像去噪平滑效果、图像清晰程度和算法时间复杂度３方面的标准。主要优点是：１）去噪后监控图像比较清晰平滑；２）去噪后由监控图像压缩合成的码流数据量比未经处【９】【８】Ｇ＇甜以Ｃ∞ｔｅ对一ｂ８ｓｅｄＤ衄ｏｉｓ－ｕｓｉｎｇｌｔｅｒａｔｉｖｅｗａＶｅｌｅｔ【Ｄ】．ｕｎｉｖｅｒ８ｉｔｙｏｆＡｐｐＨｅｄｓｃｉ—ｅｎｃ∞（ＦＨＴＷＢｅｒｌｉｎ），２００１．ＤＯＮＯＢ０ＤＬ．Ｄｅ－ＮｏｉｓｉｎｇＢｙＳｔａｔｉｓｔｉｃ８ＳｔａｌｌｆｂｒｄＳｏｆｔ・Ｔｈｒｅ８ｈ０１ｄｉｎｇ【Ｄ】．ＤｅｐａｒｔｍｅｎｔｏｆＵｎｉｖｅｒ８ｉ吼２０００．（上接第１４５４页）【６】ＨＯＵＷＤ，ＭＯＹＬ．Ｖｅｒｙｌ洲ｂｉｔ・ｍｔｅｖｉｄｅｏｃ砌ｎｇｕ８ｉｎｇｍｏｔｉｏｎ—【８】ＹＵａｒＩｄＴＨ，Ｍ１１＇】认ＳＫ．Ａｉｔｓｓｉｍｐｌｅｉｍａｇｅ粕ａｌｙｓｉｓ／８”ｔｈｅ８ｉ８ｔｅｃｈｎｉｑＩＩｅｃｏｍｐｅｎ强ｔｅｄ３Ｄｗａ、ｒｅｌｅｔ嘶舶ｍ【Ｊ】．Ｃｏｍｍｕ抽ｃａｔｉ佣１ｋｌｌＩｌｏｌｏ盯２０００．Ｉｎｔ锄ａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅａｐｐｌｉｃ“０ｎｉｎｉｍａｇｅｃｏｄｉｎ班Ｊ】．ＳＰＩＥ，１９９０，１２４４（ＩＰＡＤ：Ｐｒｏｃｅｅｄｉｎ昂，２０００．ＷＣＣ—ＩＣＣＴ２０００．２：１１６９—１１７２．１６１—１６９．【９】ｍｏＵＬ０．Ｏｎｔｈｅｃｈｏｉｃｅｏｆｗ盯ｅｌｅｔｆｉｌｔｅ墙ｆｏｒ８ｔｉｌｌ８ｉｏｎ【Ａ】．Ｉｎ：ｌＣＡＳＳＰ，９３【Ｃ】．１９９３．５Ｓ０—５５３．ｉｒｎａｇｅｃｏｍｐ瑚－【７】ⅥｕＡｓＥＮＳＯＲＪＤ，ＢＥＬｚＥＲＢ，ＵＡＯＪ．Ｗａｖｄｅｌｍｔｅｒ删ａｌｕｔｉ∞ｆｏｒｉｍａｇｅ１０５９．ｃ咖ｐ地８８ｉ∞【Ｊ】．ＩＥＥＥ１．眦８ＩＰ，１９９５，４（８）：１０５３—【１０】沈兰荪．图像编码与异步传输【Ｍ】．北京：人民邮电出版社，２００１．万方数据
