图像去噪算法

在移动终端摄像头实际拍摄每张答题卡过程中，每次光照环境都不一样，特别是光照环境差时，会带了大量的噪声点。我们需要通过图像处理去除掉这些噪声点，防止其对识别精度的影响。

噪声的来源主要有三个方面：环境光照度、摄像头元器件温度、图像处理过程带来的算法噪声。噪声的分类有椒盐噪声、高斯噪声、瑞丽噪声、伽马噪声等，常见的主要有椒盐噪声和高斯噪声^[[i]]。要去除这些噪声，需要了解这些噪声的概率分布函数。其中公式3-6是椒盐噪声概率分布函数：

                                              公式3-6

而高斯噪声的概率分布函数则是公式3-7，可以看到是正态分布函数，灰度值Grav的标准差是σ，期望是μ。

公式3-7

对噪声做了全面了解之后，我们即可对其进行消除，也即图像平滑或图像滤波。图像消噪根据方法不同又分为空域消噪和频率消噪，处理像答题卡这种颜色不太复杂的图像时，实际在OpenVC提供的函数库当中常用的还是空域消噪。空域消噪的算法有平均值滤波算法、中间值滤波算法、最值滤波算法等三种^[[ii]]。

（1）平均值滤波算法：如公式3-8，该算法是将要处理的像素点的领域所有像素点的灰度值求平均值，用平均值来替换掉目标像素点的灰度值，算法效率高，可以去掉大部分的噪声。

中间值滤波算法：该算法也比较简单，是将目标像素点邻近的像素点灰度值进行排序，取中间值来替换掉该目标像素

分布函数，灰度值Grav的标准差是σ，期望是μ。

对噪声做了全面了解之后，我们即可对其进行消除，也即图像平滑或图像滤波。图像消噪根据方法不同又分为空域消噪和频率消噪，处理像答题卡这种颜色不太复杂的图像时，实际在OpenVC提供的函数库当中常用的还是空域消噪。空域消噪的算法有平均值滤波算法、中间值滤波算法、最值滤波算法等三种^[[i]]。

（1）平均值滤波算法：该算法是将要处理的像素点的领域所有像素点的灰度值求平均值，用平均值来替换掉目标像素点的灰度值，算法效率高，可以去掉大部分的噪声。

（2）中间值滤波算法：该算法也比较简单，是将目标像素点邻近的像素点灰度值进行排序，取中间值来替换掉该目标像素点的灰度值^[[ii]]。其函数公式如3-9所示，在实际使用当中，中间值滤波算法主要用于去除椒盐噪声。

（3）最值滤波算法：该算法包括最大值和最小值滤波算法，均为简单的一类非线性滤波器，最大值和最小值结果正好相反。其公式分别为3-10和3-11所示。

综上所述和实验效果对比，我们选择平均值滤波算法更为恰当，可快速去掉大部分答题卡图像的噪声且失真度低。

[[i]] 周鼎. 基于立体视觉的非合作航天器相对状态估计[D]. 哈尔滨工业大学, 2015.

[[ii]] 段峥祺. 基于图像识别算法的电动汽车的自动充电接口的识别与定位及其控制方法[D]. 厦门大学, 2017.

[[i]] 杨辉. 智能视频监控中运动目标检测与预警的研究与实现[D]. 江苏科技大学, 2014.

[[ii]] 周鼎. 基于立体视觉的非合作航天器相对状态估计[D]. 哈尔滨工业大学, 2015.