改进的多级加权滤波算法在细胞图像滤波中的应用

1、改进的多级加权滤波算法在细胞图像滤波中的应用论文导读：图像预处理是图像分割的准备工作。去除噪声。传统的中值滤波器能减少图像中的椒盐噪声。中值滤波，改进的多级加权滤波算法在细胞图像滤波中的应用。关键词：图像分割，噪声，中值滤波1 引言随着计算机和光电技术的发展，图像处理在生物学和医学领域正得到越来越多的应用，检测手段从过去的人工主观检测逐步发展到现在的主观检测和客观检测指标相结合。细胞图像的处理与识别在细胞的智能化诊断、血细胞自动计数和结构的自动分析等方面已有了较好的应用2。完整的细胞图像分析系统结构如图1所示。图像获取是将显微镜下细胞光学图像通过镜头变为电信号，由视频采集卡数字化输入计算机；图

2、像预处理是图像分割的准备工作，去除噪声，增强目标与背景的差别。主要方法有校正、平滑、噪声滤波等；图像分割是图像自动分析的关键。是用有关算法将图像分成一些有用的，具有类似特性的区域；提取图像特征，目的是进行定量分析、分类和识别。反映细胞图像的特征主要分为三类：形态特征、光密度特征和纹理特征。通过计算出这些分割得到的单个物体的各种参数如周长面积等，进行类型判别，最终得到对这些目标物体的统计认识。2 图像噪声滤除噪声4可以理解为“妨碍人们感觉器官对所接受的信源信息理解的因素”。一些常见的噪声有椒盐(Salt & Pepper)噪声、脉冲噪声4,5、高斯噪声等。椒盐噪声含有随机出现的黑白亮度值，脉冲噪

3、声含有随机的白强度值(正脉冲噪声)或黑强度值(负脉冲噪声)，高斯噪声含有亮度服从高斯正态分布的噪声。噪声给细胞图像处理带来很多困难，它对图像分割，特征提取6，图像识别具有直接的影响，因此为了抑制噪声、改善细胞图像质量，需进行图像平滑或去噪，数字图像平滑处理可以在空间域或频域中进行。设待处理(含有噪声)的图像为，处理后的图像为。则有：空间域内的图像噪声处理表示为为低通滤波器的脉冲响应函数，为的作用域，为正整数。频域内的图像噪声处理表示为为的傅氏变换；为的傅氏变换；为低通滤波器的传递函数。图像滤波要求能去除图像以外的噪声，同时又要保持图像的细节。当噪声为高斯噪声时，最常使用线性滤波器，易于分析和实

4、现；但线性滤波器对椒盐噪声的滤波效果很差，传统的中值滤波器能减少图像中的椒盐噪声，但效果不算理想，即分散的噪声被去掉，而彼此靠近的噪声会被保留下来，所以当椒盐噪声严重时，它的滤波效果明显变坏。这需要寻找一种滤波方法，兼顾去掉噪声、而轮廓和边缘不模糊两者的需要。3细胞图像滤波算法3.1 线性滤波线性滤波技术一般用于消除图像中的随机噪声，从而起到图像平滑的作用。其思想是通过一点和周围几个点的运算(通常为平均运算)来去除突然变化的点，从而滤掉一定的噪声，但图像有一定程度的模糊3。线性滤波器的响应函数是包含在滤波掩模邻域内像素的简单平均值。因此线性滤波器也称作均值滤波器。常用的线性滤波器掩模，也就是低

5、通滤波器的脉冲响应函数有这三种的作用域为3*3共有9个象素灰度参加运算，它用掩模确定邻域内像素的平均灰度值代替图像每个像素点的值，减小图像灰度的尖锐变化。毕业论文，中值滤波。但是图像边缘也是由图像灰度尖锐变化带来的特征，所以线性滤波会产生边缘模糊的负效应。一个的线性滤波器掩模，应有的归一化常数，也就是说掩模矩阵的元素之和与矩阵前面的系数相乘的结果为1，保证滤波处理结束的像素灰度不超过允许的像素最大灰度值。3.2 邻域平均法滤波邻域平均法的突出特点是消减麻点状噪声。它应用某一模板对每个像素与其周围邻域的所有像素进行某种数学运算得到该像素的新的灰度值(即输出值)，输出值的大小不仅与该像素的灰度值有

6、关，而且还与其邻域内的像素的灰度值有关。若设为待处理的图像，为处理后的图像，则邻域平均法滤波的数学表达式为是预先确定的邻域（该邻域不包括点），M是邻域内所包含的象素总数。位于的像素有4个水平和垂直的相邻像素，称为的4邻域的4个对角邻域像素与的4邻域合称做8邻域式(5)也可以用卷积式表示，即很容易可以看出，对应4领域，其可表示为而对应8邻域，其可表示为3.3 空域滤波空域滤波8包括平滑滤波与中值滤波。毕业论文，中值滤波。平滑滤波属于线性滤波，中值滤波属于非线性滤波。非线性滤波具有抑制噪声和保存细节的双重功能，非线性滤波器较线性滤波器更易于实现。到目前为止，根据参数估计理论，非线性滤波器可归结为三

7、类3：(1) L型滤波器基于线性最小均方误差估计理论；(2) M型滤波器基于最大似然估计理论；(3) R型滤波器基于秩检验理论。M型滤波器7具有优良的综合滤波性能，选择适当的参数，可使滤波器具有良好的保边性能和保线性能，同时具有良好的噪声抑制能力；L型滤波器7的高斯噪声抑制和保边性能优越，但保线性能较差；R型滤波器37的保线性强于L型滤波器。中值滤波3的理论基础：中值滤波采用一个含有奇数点的滑动窗口，将窗口中各点灰度值的中值来代替指定点的灰度值。对于奇数元素，中值是指按大小排序后的中间数值；对于偶数元素，中值是指排序后中间两个元素灰度值的平均值。中值滤波器具有良好的保护边缘和清除脉冲噪声特性，因而非常适用于细胞图像的噪声滤除1。二维中值滤波所采用的方法是取边长为奇数的矩形窗口，把该窗口沿图像的行和列逐点滑动。图像在任一像素点