圆园19年7月机械设计与制造
酝葬糟澡蚤灶藻则赠阅藻泽蚤早灶驭酝葬灶怎枣葬糟贼怎则藻177改进门限中值滤波算法在水果图像噪声中应用研究2
胡智元1，刘祚时1，，程素平1
江西赣州341000；江西赣州341000）（1.江西理工大学电气工程与自动化学院，2.江西理工大学机电工程学院，
摘要：针对目前水果深加工产生水果图像检测算法中存在图片失真的问题，提出了一种改进门限型中值滤波算法；首
先，该算法通过恰当改变门限阈值，利用均值和标准差的和，可以有效保留图像的细节和边缘信息，能够有效的去除水果其次，图像的噪声；经过多组仿真实验并对比普通的中值滤波方法，可以明显的观察出改进后的中值滤波算法有较好的效果；最后，根据大量的数据对比分析与比较，结果表明：该算法能有效的去除噪声并且保留了图像细节，比较其他中值滤波更好。
中值滤波；图像细节关键词：改进型中值滤波；水果图像；中图分类号：TH16；TP751.1
文献标识码：A
文章编号：员园园员-3997（圆园19）07-0177-03
TheImprovedThresholdMedianFilteringAlgorithmAppliedinFruitImageNoise
（InstituteofElectricalEngineeringandAutomation，JiangxiUniversityofScienceandTechnology，JiangxiGanzhou341000，China；2.SchoolofMechanicalandElectricalEngineering，JiangxiUniversityofScienceandTechnology，JiangxiGanzhou341000，China）
2
HUZhi-yuan1，LIUZuo-shi1，，CHENGSu-ping1
粤遭泽贼则葬糟贼：Inordertosolvetheproblemofimagedistortioninfruitimagedetectionalgorithm，animprovedthresholdmedianfilteringalgorithmisproposed.Firstly，Thealgorithmcaneffectivelyremovethenoiseofthefruitimagebyusingthemeanandstandardofthethreshold，whichcaneffectivelypreservethedetailsoftheimageandtheedgeinformation.Secondly，Afterseveralsimulationexperimentandcomparisonofcommonmedianfiltermethod，itisobviousthatimprovedmedianfilteralgorithmhasagoodeffect；Finally，Accordingtoalargeamountofdataanalysisandcomparison，theresultsshowthattheKeyWords：ModifiedMedianFiltering；FruitImages；MedianFiltering；ImageDetailValueFilteringBetteralgorithmcaneffectivelyremovethenoiseandprotecttheimagedetails，andthenormalmedianfilterisbetter.
1引言
用被大量引用，但是现在传统的改进中值滤波算法含有一些问题和不足，运算速度较缓慢，原因是邻域中含有的像素按照灰度值受到条件限制，大小排序不能满足实时性要求。会显示各种噪声，滤去除噪声和窗口的大小有关，并且相互之间有影响，存在矛盾。普通滤波波算法对发现噪声点，进行进一步改进，但是效果不好。算法平滑噪声效果不好，目前很多文献有进行说明的，尝试用改进滤波算法进行处理，这种滤波算法执行效果比其他滤波算法执行快，图像效果也明显好些[9]。但是对于应用在高密度图像脉冲噪声，滤波算法效果变的不好。采用改变窗口大小内非噪声平均值替换中心噪声点，计算量较少，失真效果明显[8]。滤波算法执行过程中，通过对窗口内像素不断改进，噪声密度低是还可以，当密度增大时，误差升高[10]。国外很多学者也提出了不同的改进型滤波算法，通过对噪声的分析分成噪声信号和目标信号，保持信号像素的不变等方法进行了不同的处理分析。对滤波算法分析研究，
物质生活快速发展，人们生活日益改善，对健康要求日益提
高。自动水果榨汁机也越来越多的出现在日常生活中，但是也有例如，一些问题需要解决。定位过程中水果图像清晰度问题，图像在对其他改进型经典算法学习与的噪声对定位准确性影响极大。
应用的基础上，研究提出了改进门限阈值的思想，具有实现的可行性[1]。因此，研究水果图像去除噪声的应用是非常必要的，利用现有的Matlab仿真技术对算法进行验证，图像噪声出现是随机显现出来，情况多变而复杂，用随机方式进行分析，虽然可应用，为了提高图像质量，但是描述方法很复杂，甚至是不可能完成的。削弱水果图像上噪声，才用一种改进方法进行处理效果良好。
现在常用中值滤波方法，可以去除一些噪声，但是效果并不在其应用过程中，是适合各个应用领域。会受到环境等因素影响，让图形质量变差，处理效果不是很明显。因为处理效果有一定作
来稿日期：2018-12-30
（71361014）（2015BBE50038）基金项目：国家自然科学基金；江西省科技计划项目
作者简介：胡智元，（1990-），男，河南洛阳人，硕士研究生，主要研究方向：智能机器人技术；
（1963-）硕士研究生，智能机器人技术刘祚时，，男，江西永新人，教授，主要研究方向：
178胡智元等：改进门限中值滤波算法在水果图像噪声中应用研究第7期
得出了一种改进型滤波算法，效果明显，细节保留清晰，质量好。
（5伊5）改进门限型滤波算法设计规则：窗口在图像上移动，（256伊256）理一幅的图像，会有65536个像素值进行比较运算，每个像素需要比较300次。要分析好脉冲噪声来源，对像素点灰度对目标图像进行噪声分析，将其归类为噪声点和非噪声点，然后根据（5伊5）窗口内像素点灰度值进行处理分析，得出一个合适门限阈值，将大于该阈值灰度值点判断为噪声滤除掉。该算法通过计2算中设置门限阈值，达到了去除水果表面噪声的效果。
针对值水滤波
果形状各具不同，也需要考虑使用不同噪声去除方
式，能够有效滤波，中值滤波技术就是可靠非线性滤波技术。并且能够很好消除脉冲噪声带来图像质量下降的问题，普通的线性滤波也能做到还原图像清晰度的目的，但是缺点是低通性，去除噪声同时导致图像边缘不清晰，中值滤波属于非线性滤波算法，可以有效的去除噪声还可以保护图像的边缘。普通中值滤波的输出如下所示：g（x，y）=median
（孜，t）｛沂N（f（x，sy）
，t）｝（1）
由于滤波算法是一个非线性滤波方法，它数学模型对于随机噪声图像来说是相对复杂。相对于一个在正态分布下图像脉冲噪声图像，滤波算法方差公式近似写为[6]：
滓2
=4nf12滓2
（n）抑i
n+仔·仔（2）式中：（fs，t），g（x，y）—原2-12始图像和处理后的图像；N（x，y）是以（x，y）—中心的（n伊n）滤波窗口n为奇数；median—n2
个像素灰度值大小排序后的中值。采用改进门限滤波算法，实现采集窗口，实现（5伊5）过程，
如图1所示。图1从小到大排序：124Fig.15620Grey灰度21Value
值
222225323445454754545656626262636465。用中值替换中间灰度值，如图2所示。替换后像素Fig.2图Median2中值Filter滤波后and的灰Gray度值
灰度值参与下一次滤波算Value
法应用，直到完成所有3像改素点修改[2]。
图像的像进型素中是值从左滤波
到右，由上到下分布的，以（5伊5）窗口处
值分类对比，分别进行处理。相对于非噪声点应该保留本身灰度值不变，而脉冲噪声点灰度值用门限阈值将其代替即可。水果图像主要特点是灰度值分布较均匀，有明显的轮廓信息，基于这些特点建立数学模型[3]。
在进行图像处理过程中，运用（5伊5）滤波窗口，选取目标像素为（i，j）灰度值为f（i，j），窗口内部像素值集合：
si，j算=法f（
中i+k自动，j+r移）动，k窗，r=-2口，，进-1行，0精，1确，2的求解计算，并且进行自动
（3）
修改求出窗口内像素平均2
值2
：
Average（si，j）=1限滤波25移k=-2移r=-2
（fi+k，j+r）（4）改进门算法，首先应以x（5伊5）滤波窗口取出25个像
素点灰度值，得出軃x算数平均值：x=1+x2+x3…x25（进行s标准差运算：
255）
s=sqrt（（（x1-x）2+（x2-x）2+…（x252
门限值为：R-x））/25）（6）
阈值x=x+s（7）
改进门限滤波算法执行情况如下：（1）进行窗口大小设置为（5伊5）；（2）计算出目标窗口25个像素点平均值x以及标准差s；（3）根据上面的计算值，计算出门限阈值Rx；（4）目标像素点灰度
值与门限阈值大小分析比较，如果目标像素点灰度值大，将其改为门限阈值大小，如果门限阈值的值大，则中心像素点值保持不
变；（5）中心像素点修改完后，进入下一次的图像提取与比较，直到所有的像素点比较完成[5]。通过对一些滤波算法学习研究，优化目标分析，步骤明确。相比于目前国内外对于改进型中值滤波的算法，有明显的优势，获取的像素点个数合理，分配均匀。当遇到边界时可以很好的保留边界信息，由于，改进型中值滤波要比其他方式滤波有更高的门限，可以很好的保护图像细节信息。进行了不同滤波窗口的比较和实验分析，也得出了很好的实验效果。实验的流程图，
如图3所示。选择水果图片将图片处理成灰度图像确定滤波窗口读取中心点像素值x计算x，s，求和Rx改进型中值滤波NRx>XY该点像素值不变Fig.3Modified图3改进4实对滤波验结果及分算法进行实验析
Median型中值滤波Filtering流程
Process
分析，现场拍摄几组照片，进行去高斯
噪声比较试验，如图4、图5所示。对光照要求十分苛刻，不能有
No.7July.2019
机械设计与制造
179
阴影，选择合适的角度，进行拍摄，并且加入高密度噪声。高斯噪声密度较高，能够有效分析去噪能力。
高斯噪声原图普通Fig.4图4的中Original原始图像值滤波Image图
算法，在MatlabFig.5图仿真Gaussian5高斯噪声效果，
如图Noise图像6Image
所示。原图灰度图像加入高斯噪声中值滤波窗口3伊3中值滤波窗口5伊5中值滤波窗口7伊7中值滤波窗口9伊9改进门限滤波算Fig.6图法，在Median6中值滤波MatlabFilter图像
仿真Image
效果，可以精确看出，目标执行有效处理一些脉冲噪声强度较大图像，具有明显优于中值滤波算法，运用在背景去噪效果更佳明显，通过大量实验对比与分析，可以明显观察到背景的黑色更黑，如图7所示。
原图灰度图像加入高斯噪声改进型中值滤波窗口3伊3改进型中值滤波窗口5伊5改进型中值滤波窗口7伊7改进型中值滤波窗口9伊9根据仿真结果可以得出Fig.7图Improve7改进型：Median中值滤波相对于较高Filter图像
密Image
度高斯脉冲噪声，对普通滤波算法来说，可以设置不同滤波窗口，处理效果不是很好，并且随着滤波窗口增大图像清晰度越来越模糊。然而同样大小窗口，改进门限滤波算法图像处理噪声要比普通的滤波算法要好，并且随着窗口大小增加图像轮廓没有明显模糊。为了更好分析滤波算法的效果，采取均方误差NMSE、峰值均方误差PMSE、峰值信噪比PSNR分析处理数据标准[4]。5种不同窗口图像处理算法数据对比分析，如表1所示。由表1可以看出来：随着中值滤波窗口不断的增大，滤波效果明显变好，但是图像失真也逐渐显现，因此不能无限制的增大滤波窗口，改进滤波算法与普通滤波算法相比，去噪声效果明显，还保留了清晰的图像效果，但是也存在滤波
窗口不能无限制增加的情况。基本上完成了去噪声的效果并且
最大程度保护图像细节。
表1图像处理算法数据比较结果
Tab.1DataImageComparisonProcessingResults
Algorithm
误差（均NMSE方误差）（峰PMSE值误差）（峰值信PSNR噪比）
（3伊3）模板0.01100.013517.2642（5伊5）模板0.00980.012618.1240（7伊7）模板0.01300.014016.2251（9伊9）模板
0.01340.015315.6632改进型（3伊3）模板0.00250.003525.4622改进型（5伊5）模板0.00110.001627.6945改进型（7伊7）模板0.00150.002127.2315改进型（9伊9）模板
0.00200.002726.1354
5结目前论，常见滤波算法是除去脉冲噪声普遍采用，可是使用滤
波算法去噪，造成图片失真。然而，改进型中值滤波通过运用标准算法对图像进行噪声检测，对噪声点门限值进行适当的调整，通
过对目标像素点不停修改与调整，以期望达到最好效果。验证了滤波窗口不可以无限定的增大，导致图像失真加剧。仿真的结果显示：改进型中值滤波算法处理的图像效果更好，清晰，失真小，很好的噪声处理和图像保持效果。而且，有效保护了图像细节边
缘信息，这为脉冲噪声去除提供方法。
参考文献
1］杨明，宋丽华.改进的快速中值滤波算法在图像去噪中的应用［J］.测
绘工程，2011，20（3）：65-69.
（YangMing，SongLi-hua.Theimprovedrapidmedianfilteringalgorit-（hmin3）：65-69.image）
denoisingapplications［J］.MappingEngineering，2011，20
2］王红君，施楠，赵辉.改进中值滤波方法的图像预处理技术［J］.计算机
系统应用，2015，24（5）：237-240.
（WangHong-jun，ShiNan，ZhaoHui，.Improvedmediandilteringmethod
3］张2015ofimage明源，24，（王宏5preprocessing）：力，237-240郑佳）华.
technology［J］.ComputerSystemApplication，
.改进型中值滤波器在图像去噪中的应用［J］.
兵工自动化，2007，26（8）：45-47.
（ZhangMing-yuan，WangLi-hong，ZhengJia-hua.Theapplicationof
the2007improved，26（8）：45-47.median）
filterinimagedenoising［J］.AutomationofThese，4］刘颖，陈谨女.自适应中值滤波算法在图像处理中的应用［J］.物联网
技术，2013（3）：51-52.
（LiuYing，ChenJin-nv.Theapplicationoftheadaptivemedianfiltering5］邓algorithm秀勤，熊in勇image.用于processing图像处理的［J加］.Techology权中值滤波of算Iot法，2013［J］（.计3）算：51-52.机技术与
）发展，2009，19（3）：46-48.
（DengXiu-qin，XiongYong.Theweightedmedianfilteringalgorithmfor（image3）：46-48.processing）
［J］.ComputerTechologyandDevelopment，2009，196］ZhuY，HuangC.AnImprovedMedianFilteringAlgorithmforImage
NoiseReduction［J］.PhysicsProcedia，2012，25（22）（：609-616.
下转第183页）
［［［［［［No.7July.2019
三号轴承正常振动曲线及报警线三维图
正常振动报警线
机械设计与制造
2011-7-8（009）.）
183［J］［2］饶美婉.地铁设计中的公共交通型重载自动扶梯.都市快轨交通，
（RaoMei-wan.Inthedesignofpublictrafficheavy-dutyescalator［J］.
15
负载（电机电流）
20
1050
0
10
20
2008，21（5）：74-78.
武平.地铁扶梯客伤事故的成因及预防研究［J］［3］刘莲花，.中国铁路，
（LiuLian-hua，WuPing.Guestssubwayescalatoraccidentcausesand［4］IngADD，IngHDD.Centralremoteescalatormonitoringarrangement，［5］KleeweinG，BlondiauD.Escalatorormovingwalkwaywithhandrail［6］张明，冯坤，江志农.基于动态自学习阈值和趋势滤波的机械故障智能
monitoringdevice.EP0960847［P］.1999.DE3611597［P］.1987.
preventionof［J］.Chinarailway，2011，12（05）：70-73.）2011，12（5）：70-73.
UrbanRapidRailTransit，2008，21（5）：74-78.）
30
40
5060
时间（t）
7080
10
图7三号轴承正常振动及报警线三维图
Fig.7No.3BearingNormalVibrationandAlarmLine3DDrawing
三号轴承故障振动曲线及报警线
报警线
故障振动曲线
201510500
10
20
30
4050（t）时间
60
70
8010
15
负载（电机电流）
20
预警方法［J］.振动与冲击，2014，33（24）：8-14.
（ZhangMing，FengKun，JiangZhi-nong.Intelligentearlywarningmethodformechanicalfaultsbasedondynamicselflearningthresholdand马纯青.载荷对球轴承振动特性的影响［J］［7］赵联春，马家驹，.轴承，
（ZhaoLian-chun，MaJia-ju，MaChun-qing.Effectsofloadonvibration顾金芳.低噪音深沟球轴承振动特性研究［J］［8］邓四二，孙朝阳，.振动与
冲击，2015，34（10）：12-19.
（DengSi-er，SunZhao-yang，GuJin-fang.Vibrationcharacteristicsofdeepgrooveballbearingswithlownoise［J］.VibrationandShock，2015，［9］皮骏，王辉，张银波.时频分析在轴承故障诊断中的应用研究［J］.机械
设计与制造，2009（2）：64-65.
（PiJun，WangHui，ZhangYin-bo.StudyonApplicationoftimefrequencyanalysisinbearingfaultdiagnosis［J］.MechanicalDesignandManufac-［D］［10］杨浩东.永磁同步电机电磁振动分析.杭州：浙江大学，2011.
（YangHao-dong.Electromagneticvibrationanalysisofpermanentmag-［J］［11］孙雪明.通过测试电机负载振动查找质量隐患.电机与控制应用，
（SunXue-ming.Throughtestingmotorloadvibrationtofindqualityhiddentrouble［J］.MotorandControlApplication，2002，29（1）：60-61.）2002，29（1）：60-61.
netsynchronousmotor［D］.Hangzhou：ZhejiangUniversity，2011）.ture，2009（2）：64-65.）34（10）：12-19）
characteristicsofballbearings［J］.bearing，2003（5）：38-41.）2003（5）：38-41.
trendfiltering［J］.VibrationandShock，2014，33（24）：8-14.）
4.3实验结论
图8三号轴承内圈缺陷，其振动变化与报警线关系
Fig.8RelationshipBetweenVibrationChangesandAlarmLine
whentheInnerRingDefectExistsinNo.3Bearing
根据实验结果可知，当轴承内圈存在缺陷时，其振动加速度幅值明显高于正常数值，尤其高负载时更为突出。根据正常振动数据拟合出报警线，当振动幅值超出超出报警线设置上限值，即会引发报警。由实验结果可知，通过采用扶梯变负载故障预警方法可以较为有效地解决变负载故障预警不及时甚至是无法预警的问题。
5总结
地铁自动扶梯变负载故障预警方法可以实现地铁扶梯在变
负载运行状态下的故障预警，针对不同的负载，设置不同的报警上限值。一旦振动数值超出报警值，即发出报警。通过搭建地铁自动扶梯故障模拟试验台，模拟轴承内圈故障，验证了该方法的可行性与必要性。
参考文献
［N］［1］刘冕.事故批次电梯设计缺陷.北京日报，2011-7-8（009）.
（LiuMian.Accidentbatchelevatordesigndefects［N］.BeijingDaily，
（上接第179页）
［7］MaS，ShenZ，ChenS.Calibrationandoptimizationoftheeffectiveresol-utionofanopticalprofilerusingthewhite-noisemethodandamedian126（24）：4841-4845.
filter［J］.Optik-InternationalJournalforLightandElectronOptics，2015，［J］［8］黄晶晶.基于噪声检测的矿井视频监控图像投票中值滤波.金属矿
山，2017（2）：117-120.
（HuangJing-jing.Thevaluefilteringbasedonnoisedetectionofmine［J］［9］陈亮，卓康花.基于改进的自适应中值滤波算法研究.武夷学院学
报，2016，35（9）：46-49.
（ChenLiang，ZhouKang-hua.Researchontheadaptivemedianfilteringvideo［J］.MetalMine，2017（2）：117-120.）
［10］王德娇，史晋芳，吴倩.一种混合降噪方法在辐射图像降噪处理中的
［J］应用.机械设计与制造，2017（1）：97-100.
（WangDe-jiao，ShiJin-fang，WuQian.Ahybridnoisereductionmeth-JourmalofMechanicalDesignandManufacturing，2017（1）：97-100.）odintheapplicationofradiationimagenoisereductionprocessing［J］.algorithmin［J］.JournalofWuyiCollege，2016，35（9）：46-49.）
［11］王金凤，侯德文，庞乐.一种基于噪声迭代检测的中值滤波改进算法
［J］.山东师范大学学报自然科学版，2015，30（2）：31-34.
（WangJin-feng，HouDe-wen，PangLe.Amedianfilteralgorithmbasedonnoiseiterativedetection［J］.JournalofShandongNormalUniversityNaturalScienceEdition，2015，30（2）：31-34.）
因篇幅问题不能全部显示，请点此查看更多更全内容