针对基于数学形态学的去除高浓度椒盐噪声不足问题,采用了一种基于数学形态学的噪声去除方法。所提滤波方法分为预滤波和滤波两个阶段。在预滤波阶段,设定一个简单的检测算子用于构造逐点自适应的3×3像素大小结构元素;在滤波阶段,...针对基于数学形态学的去除高浓度椒盐噪声不足问题,采用了一种基于数学形态学的噪声去除方法。所提滤波方法分为预滤波和滤波两个阶段。在预滤波阶段,设定一个简单的检测算子用于构造逐点自适应的3×3像素大小结构元素;在滤波阶段,对预滤波过的像素进行中值滤波。仿真结果表明所提的滤波方法不仅能有效地去除高浓度椒盐噪声,并能很好地保留图像的原有细节信息,而且PSNR值比其他滤波方法平均高出3 d B左右,并具有较短的滤波时间。展开更多
文摘针对基于数学形态学的去除高浓度椒盐噪声不足问题,采用了一种基于数学形态学的噪声去除方法。所提滤波方法分为预滤波和滤波两个阶段。在预滤波阶段,设定一个简单的检测算子用于构造逐点自适应的3×3像素大小结构元素;在滤波阶段,对预滤波过的像素进行中值滤波。仿真结果表明所提的滤波方法不仅能有效地去除高浓度椒盐噪声,并能很好地保留图像的原有细节信息,而且PSNR值比其他滤波方法平均高出3 d B左右,并具有较短的滤波时间。
