图像去噪（阿尔法均值滤波器）

---

图像噪音

获取图像的过程中由于环境条件和硬件质量的影响，会出现图像噪声。图像上的噪声会影响有效信息的提取，甚至最终会导致误检，因此需要对图像先进行去噪处理。
电子元器件的图像采集的过程中，噪声主要来源于两个方面，一方面是由于不良的照明条件和传感器温度过高引起的，该类噪声属于高斯噪声；另一方面，由于电子元器件的质量检测过程在生产车间中进行，环境复杂，存在大量的电磁干扰，在图像上表现为脉冲噪声。因此电子元器件的图像去噪处理主要是去除这两类噪声。
为描述噪声的特点，常用噪声的灰度值的统计分布规律来建立数学模型，用其概率密度函数来表示。

1. 高斯噪声
   高斯噪声是最常见的噪声类型，光照强度低和高温引起的传感器噪声是采集图像上高斯噪声的主要来源，其概率密度函数服从正态分布。
   其中，z 表示噪声的灰度值， 其特征曲线如图所示。
   

2. 脉冲噪声
   脉冲噪声主要表现为成像中的短暂停留，其概率密度函数可以表示如下：
   

若 b>a，则 b 在图像将显示为一个亮点；若 b

滤波器

1.均值滤波器

均值滤波器以该像素的邻域内点的灰度值的均值来代替其灰度值来实现图像去噪。其中，使用不同的均值计算方法可以得到不同的均值滤波器，如几何均值滤波器、算术均值滤波器、谐波均值滤波器等。这类滤波器可以较好的去除高斯噪声，但会丢失掉很多图像的细节。

2.中值滤波器

中值滤波器是通过该像素的邻域内点的灰度值的中值来代替其灰度值来实现图像去噪。中值滤波器对各种随机噪声都具有良好的去噪能力，在相同尺寸下，相较于均值滤波器对图像的模糊更少，中值滤波器特别是对脉冲噪声的去除有良好的效果。

3.自适应阿尔法均值滤波器

在电子元器件的图像去噪中需要过滤高斯噪声和脉冲噪声，由上述可知阿尔法均值滤波器更适合处理电子元器件图像的噪声情况，但需要选取合适的修正参数。为实现图像的自动去噪，通过峰值信噪比（Peak Signal to Noise Ratio，PSNR）评价图像的去噪情况，在保证最小失真的情况下自动选取修正参数。PSNR可以用于评价去噪后图像和原图像相比的质量，值越大表明失真越小。

在matlab环境下运行阿尔法滤波器，得到结果如下：