摘要：本文針對實際應用項目采用一種固定模版維數、固定模版結構的快速的中值濾波算法，對實時的視頻圖像進行分析，比對傳統的中值濾波算法，通過實驗數據表明，快速的中值濾波算法有效的提高了運算速度，不僅較好的滿足了實際項目中對實時性的需求，而且更易于動態目標的跟蹤。
　　關鍵詞：中值濾波；實時性；時間復雜度；目標跟蹤
　　在處理實時圖像的過程中，難免會遇到噪聲的干擾，這種干擾在不同程度上影響到圖像處理的后續工作，針對此類問題，1971年Turky提出了中值濾波算法，中值濾波法是一種非線性平滑技術，它將每一象素點的灰度值設置為該點某鄰域窗口內的所有象素點灰度值的中值。作為圖像處理中的常用濾波方法，中值濾波能夠有效的排除圖像的極值奇異點并能保持圖像的階躍邊緣。因此，中值濾波普遍的應用于圖像的去噪平滑過程中。傳統的中值濾波算法重點考慮的是濾波的效果，但針對于實際項目往往無法滿足實時性的要求。本文正是在實際項目的基礎上，對傳統的中值濾波算法進行了約束和算法上的設計，并在VisualC++開發平臺上進行了算法測試。實驗數據表明，本文采用的快速中值濾波算法既有效的縮短了運行時間，提高了系統處理速度，滿足了實際項目的實時性的要求，更使對實時運動目標的位置跟蹤更加準確。
　　1中值濾波算法
　　1.1傳統中值濾波算法
　　中值在序列中是這樣定義的：
　　若為一組序列，先把其按大小排列為，則該序列的中值y為
　　
　　中值濾波原理是把序列或數字圖像中一點的值用該點鄰域中各點值的中值來代替。
　　1.2快速的中值濾波算法 
　　針對該算法應用于的實際項目，考慮到系統實時性的需求，需要對圖像數據進行降維壓縮并保留有用細節變換，因此采用中值濾波算法，對中值濾波算法的模版維數及模版結構分別進行了合理性的約束。
　　1.2.1模版維數
　　在只考慮圖像處理分析效果的前提下，傳統的中值濾波算法多選用9維、25維甚至更多維數的模版。針對項目應用，在綜合權衡識別效果和識別速度的基礎上，快速的算法選用維數為5的模版。實驗測試表明，5維模版是中值濾波算法在保證一定的過濾效果的基礎上所能選用的維數最低的模版，在算法時間復雜度上以9維模版為例與本算法中選用的5維模版進行比較。如表1所示。
　　表1時間復雜度比對
　　
　　如表1數據所示，5維模版在時間復雜度中明顯優于9維模版，可節省3倍以上運算時間，更符合實際項目對實時性的需要。
　　1.2.2模版結構
　　在確定5維模版的情況下，本算法比較了圖1，圖2兩種模版結構，考慮到實際項目中主要的干擾來自于垂線方向，而圖2所示的模版結構能夠更好的消除此類干擾，所以選用圖2所示的模版結構。
　　1.2.3算法設計
　　在模版維數和模版結構確定后，唯一要解決的就是模版濾波窗口的中值，這也正是中值濾波算法的關鍵所在，傳統中值濾波算法之所以時間復雜度高，很大程度上是因為對模版濾波窗口的像素點的灰度值進行了排序操作，通過冒泡算法得到中間值。本算法就是在不使用排序算法的前提下，快速的找到模版濾波窗口的中間值。算法思路如下：
　　1） 定義4個數組，分別為er[2],sn[3],si[4],
　　wu[5]；數組wu[5]用來存放模版濾波窗口的5個像素點的灰度值；er[2],sn[3],
　　si[4],作為中間過渡數組。
　　2） 比較wu[0]，wu[1]大小，并將比較結構存放到er[2]數組中，即較小的灰度值放入er[0]中，較大的灰度值放入er[0]中。
　　3） 將wu[5]數組中第3個元素，即wu[2]分別與er[0]，er[1]進行比較，并將比較結果從小到大分別存入sn[3]中。
　　4） 將wu[5]數組中第4個元素，即wu[3]與sn[1]進行比較，若wu[3]小于sn[1]，再將wu[3]與sn[0]進行比較，并將比較結果從小到大分別存入si[4]中。若wu[3]大于sn[1]，則將wu[3]與sn[2]進行比較，并將比較結果從小到大分別存入si[4]中。
　　5） 將wu[5]數組中第5個元素，即wu[4]與si[1]進行比較，若wu[4]小于si[1]，則si[1]即為所求的中值，若wu[4]大于si[1]，繼續用wu[4]與si[2]比較，若wu[4]大于si[2]，則si[2]即為所求的中值，若wu[4]小于si[2]，則wu[4]即為所求的中值。
　　6） 返回所求的中值。
　　2實驗結果
　　在VisualC++開發平臺下，分別對傳統中值濾波算法與快速的中值濾波算法進行了運行時間測試，隨機設定10組5維有限序列，進行中值濾波計算，數據如表2所示。
　　表2原始測試數據

　　對這10組數據分別采用兩種算法進行1000次循環運算，運算耗時如下表所示。
　　表3算法運行時間表

　　從測試數據可以看出，快速的算法在同等硬件配置環境下，提升運算速度平均在3倍以上。
　　對同一視頻文件分別采用兩種算法進行車輛檢測，檢測效果圖如圖3—圖6所示。
　　圖3，圖4同為第174幀圖片在兩種算法下的檢測效果截圖，圖3中綠色矩形框為干擾信號造成的車輛檢測誤判，采用本文算法的圖4則將這一干擾有效的過濾掉，可見本文采用的算法具有更好的目標篩選能力。圖5，圖6同為第1179幀圖片在兩種算法下的檢測效果截圖，圖6比圖5更準確的獲得了車輛的更多的信息，可見本文采用的算法具有更好的運動目標跟蹤能力。
　　3結論
　　本文從實際項目出發，不僅對中值濾波算法的模版維數和模版結構進行了合理的約束，更擺脫了在求中值的過程中對排序算法的依賴。實驗結果表明，快速后的中值濾波算法有效的提高了計算效率，達到了實際項目對于實時性的要求，而且在提高運算速度的同時，使系統具有更好的目標跟蹤能力。
　　4參考文獻
　　[1]阮秋琦.數字圖像處理學[M].北京:電子工業出版社,2001.
　　[2]張麗，陳志強，趙自然，劉胤兵.MMF—一種快速中值濾波算法在集裝箱系統中的應用[J].北京：第三屆全國核儀器應用學術會議論文集

 1/2    1 2 下一頁 尾頁