MATLAB改进型中值滤波图像去噪算法源码

资 源 简 介

本项目主要基于MATLAB平台开发了一套改进型的中值滤波算法源码，旨在解决图像处理中常见的噪声干扰问题，特别是针对椒盐噪声的去除效果显著。传统的标准中值滤波在平滑噪声的同时往往会模糊图像的边缘细节，而本改进算法通过优化滤波策略（如自适应窗口大小或加权处理），在有效抑制噪声的同时，能够最大程度地保留图像的边缘信息和纹理特征。该程序代码经过开发者亲自调试验证，确保逻辑正确、运行稳定且可行。代码结构设计清晰、注释详尽，整体简单易懂，不仅适用于实际的图像预处理环节，也非常适合作为学习图像增强算法的参考案例。系统支持读取标准图像，模拟添加噪声，并展示滤波前后的视觉对比效果。

详 情 说 明

基于改进型自适应中值滤波的图像去噪算法

项目简介

本项目实现了一套基于MATLAB的改进型中值滤波算法，专门针对图像处理中常见的高密度椒盐噪声进行优化。传统的标准中值滤波在去除噪声的同时容易模糊图像的纹理和边缘细节，而本项目的改进算法引入了噪声检测机制和自适应窗口策略。该算法能够在有效滤除噪声的同时，智能识别并保护图像的边缘信息，显著提升了图像的视觉质量和客观评价指标（PSNR/SSIM）。

主要功能特性

• 智能噪声检测：算法不盲目处理所有像素，而是优先检测像素点是否为噪声（极值），仅对受污染的像素进行滤波，完好保留非噪声像素的原始细节。
• 自适应窗口调整：摒弃固定尺寸窗口，根据局部噪声密度动态调整滤波窗口的大小。如果在当前窗口无法找到有效信息，则自动扩大搜索范围，直至找到可靠的邻域像素或达到预设上限。
• 优化的恢复策略：在计算中值时，仅利用窗口内的“有效像素”（非噪声点）参与计算，避免了噪声点对滤波结果的干扰。
• 全流程演示：代码包含了图像读取、预处理、高密度噪声模拟、两种算法（标准vs改进）的对比处理、性能评估以及结果的可视化展示。

算法原理与实现逻辑

本项目核心在于对标准中值滤波的局限性进行了针对性改进，具体实现逻辑如下：

1. 噪声检测 (Noise Detection)

算法首先遍历图像的每一个像素。基于椒盐噪声的特性（通常表现为图像灰度级的最大值255或最小值0），算法将像素分为两类：

• 信号像素：灰度值在 $(0, 255)$ 之间。此类像素被认为是未被污染的真实数据，算法直接保留其原始值，不做任何修改，从而最大限度地保护图像细节。
• 噪声像素：灰度值等于0或255。此类像素被标记为待处理对象，进入自适应滤波流程。

2. 自适应窗口滤波 (Adaptive Filtering)

针对被判定为噪声的像素，算法采用动态窗口机制进行修复：

• 初始状态：以当前像素为中心，初始化窗口半径为1（即3x3窗口）。
• 有效性搜索：提取当前窗口内的所有像素，剔除其中的噪声点（0和255），仅筛选出有效的信号像素。
• 条件判断：

* 如果窗口内存在有效像素，计算这些有效像素的中值，并用该中值替换当前的噪声点。此时该点修复完成，停止搜索。 * 如果窗口内全是噪声（即没有有效信息），则说明该区域噪声密度极高。此时算法自动扩大窗口半径（例如从3x3扩展到5x5），并在更大的范围内重复上述搜索过程。

• 最大限制：为了防止计算量过大或引入过远的无关信息，窗口扩大设有上限（代码中设定最大窗口尺寸为7x7）。

3. 极端情况处理

在极少数情况下，即使扩大到最大窗口，邻域内仍全为噪声。此时算法将退化为标准中值滤波策略，直接计算整个窗口内所有像素的中值作为修复值，确保程序不会崩溃且能给出一个近似解。

代码结构与关键函数分析

代码设计为单文件脚本，结构清晰，逻辑分层明确：

主程序流程

• 图像获取：优先读取MATLAB内置的 cameraman.tif 图像。如果未找到文件，系统会自动生成一张含有正弦波纹理的合成图像，确保代码在任何环境下均可运行。
• 噪声模拟：使用 imnoise 函数向图像添加密度高达 40% (0.4) 的椒盐噪声，模拟严重的信号干扰环境。
• 算法对比：

* 使用 MATLAB 内置的 medfilt2 函数执行标准的3x3中值滤波作为基准（Benchmark）。 * 调用自定义的改进型算法函数处理同一张噪点图。

• 评估与展示：计算并从控制台输出两种算法的运行耗时、峰值信噪比 (PSNR) 提升量。同时绘制包含原始图、噪点图、标准滤波结果、改进算法结果的对比图。

核心功能函数说明

• adaptive_switching_median_filter:

这是本项目的核心自定义函数。它实现了上述的“噪声检测+自适应窗口”逻辑。函数内部使用了对称填充 (padarray) 来处理图像边缘问题，并通过嵌套循环遍历像素，实现了精细的像素级操作逻辑。

• calculate_psnr:

用于客观评价图像质量。计算去噪后图像与原始无噪图像之间的峰值信噪比（Peak Signal-to-Noise Ratio）。该指标越高，代表去噪效果越好，失真越小。

• calculate_ssim_simplified:

用于计算结构相似性（Structural Similarity）。通过统计图像的均值、方差和协方差，评估处理后图像与原图在亮度、对比度和结构上的相似程度。这是一个简化的全局实现，用于辅助PSNR进行综合评价。

系统要求与运行方法

• 运行环境：MATLAB R2016a 及以上版本（代码依赖基础矩阵操作和图像处理工具箱）。
• 工具箱要求：Image Processing Toolbox (用于 imread, imshow, imnoise, medfilt2, padarray)。
• 运行方式：直接在 MATLAB 中打开脚本文件并运行。程序将自动完成所有步骤并弹出结果对比窗口。

实验结果预期

运行程序后，您将观察到：

1. 视觉效果：标准中值滤波虽然去除了噪声，但图像变得模糊；而改进型算法处理后的图像清晰度更高，边缘锐利，且没有明显的模糊现象。
2. 数据指标：改进型算法的 PSNR 值通常显著高于标准中值滤波（在40%噪声密度下通常有明显的dB提升），证明了算法在去噪性能上的优越性。