2.2 图像去噪

   在视频图像采集过程中，由于环境因素等方面的影响使得图像信息被淹没或者丢失，这种情况下在对图像进行进一步处理如：模式的识别、特征的提取、图像的分割、边缘的检测等之前，应先进行旨在去噪的滤波处理，以便于图像有效信息的识别和处理。 

影响视频图象质量的噪声根据其产生机理不同大致分为三类：椒盐噪声、散粒噪声和高斯噪声。其中散粒噪声主要由感光的过程引起；椒盐噪声主要由于电光转换的过程引起；高斯噪声的产生主要是由元器件内部的因素引起。其具体影响如图2.1：

（a）原始图像              (b)椒盐噪声图像                (c)高斯噪声图像

    图 2.1 灰度图像噪声示意图

在视频图像处理过程中，主要的去噪方式有均值滤波、高斯滤波、中值滤波。各种方式的主要算法和特点如下：

2.2.1 中值滤波

    基于统计学理论的视频图像中值滤波是一种非线性视频图像处理技术，可有效地抑制和祛除图像噪声，用视频图像中周围数值的平均值代替目标值，让目标值接近真实值，从而消除噪点是中值滤波基本的原理。具体方法是用某种结构的二维的滑动性模板，将板内像素点按照象素点值的大小来排序，生成单调下降（或上升）的是二维的数据排列。二维的中值滤波法的输出是g（x,y）=med{f(x-k,y-l) (k,l∈W)} ，其中,f(x,y)，g(x,y)分别为处理后图像和原始图像。W是二维模板，通常为2*2，3*3区域，也能是不同的的形状，如十字形，圆环形，线状，圆形等。实现方法：

    1：从图像中的某一个采样窗口中取出奇数个数据来进行排序文献综述

    2：用排序后得到的中值取代待处理的数据即可

中值滤波法对于消除椒盐噪声非常有效，在光学测条纹视频图象的相位分析处理法中也具有特殊作用，但是在条纹中心分析法中作用不大.

中值滤波在视频图像处理中往往用于保护边缘性信息,是很经典的平滑噪声方法。

对 cameraman 图象分别增加椒盐噪声与的高斯噪声（方差 0.01、均值 0）后进行中值滤波操作