摘 要：数字图像在成像和传输过程中可能会夹杂一些噪声，如椒盐噪声和高斯噪声等。这些噪声可能会对图像处理结果产生消极影响，所以在图像处理前要对该图像进行平滑操作。本文对几种典型的图像滤波方法进行了比较，能够为图像预处理提供一定的借鉴。
　　关键词：数字图像；滤波；噪声
　　引言
　　图像滤波是图像预处理的重要环节，不同的滤波器适用于不同的噪声。在图像处理中，有中值滤波器、均值滤波器、形态学滤波器等滤波方法。
　　中值滤波是一种典型的低通滤波器，属于非线性滤波器技术，它的目的是保护图像边缘的同时去除噪声[1]。均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（以目标象素为中心的周围8个像素，构成一个滤波模板，即去掉目标像素本身），再用模板中的全体像素的平均值来代替原来像素值[2]。形态学滤波是用具有一定形态的结构元素去量度和提取图像中的对应形状以达到对图形分析和识别的目的。
　　1 基本原理
　　為比较三种滤波器的作用效果，用256×256，256级Lena灰度图像，进行实验。实验步骤如图1所示。对各种滤波方法的优劣采用主观评价和客观评价标准相结合的方法。其中客观评价标准包括均方误差PMSE和最高峰值噪比PSNR。
　　2 椒盐噪声实验
　　椒盐噪声是图像中常见的一种噪声，表现为随机出现的白点或黑点。主要是由于影像信号受到突如其来的干扰形成的。如图2所示为针对椒盐噪声，不同滤波结果直观对比。表1是客观分析结果对比。从图表中可以发现，在去除椒盐噪声上，中值滤波最好，形态学滤波次之，均值滤波最差。
　　3 高斯噪声实验
　　高斯噪声是指它的概率密度函数服从正态分布的一类噪声。常见的有宇宙噪声、热噪声等。在数字图像中，高斯噪声主要是在采集时候，不良照明或高温引起的传感器噪声。如图3所示为针对高斯噪声，不同滤波结果直观对比。表2是客观分析结果对比。从图表中可以发现，三种滤波器对高斯噪声的滤波效果不够明显，需要新的滤波方法（如高斯平滑）来滤除高斯噪声。
　　4 结论
　　本文通过对椒盐噪声、高斯噪声实验，分析比较了中值滤波器、均值滤波器、形态学滤波器的滤波效果。结果表明滤除椒盐噪声时，中值滤波器优势明显，形态学滤波器较好，均值滤波器一般；三者均不适合滤除高斯噪声。此外当单一的滤波效果不佳时，可以考虑不同的方法相结合，互相取长补短[3]，需要对混合滤波方法进行进一步研究。
　　参考文献
　　[1]王科俊，熊新炎.高效均值滤波算法[J].计算机应用研究，2010，27（2）：433-438.
　　[2]张涛，张欣.一种改进的自适应中值滤波算法[J].通信技术，2014（8）：873-876.
　　[3]项力领，刘智.图像去燥的混合滤波方法[J].吉林大学学报（信息科学版），2013，31（3）：266-271.