1 引言
        随着科学技术的发展，煤矿工业电视监控系统在各大煤矿得到了广泛的应用。然而由于煤矿井下环境较为恶劣，光照不足，亮度低，而且井下粉尘较多，使得摄像机的镜头常常覆盖一层粉尘，另外，工业电视图像信号在传输过程中不可避免地会受到多种干扰控制工程网版权所有，因此最终的监控图像画面通常因含噪声而模糊不清，图像对比度低而导致视觉效果差。本文正是针对煤矿监控系统图像含噪声、对比度低的特点设计了一种基于自适应中值滤波和灰度变换的去噪增强方法，并通过仿真实验证明其有效性。
        2 传统中值滤波算法
        中值滤波(Median f ilter)是基于排序统计理论的 一种能有效抑制噪声的非线性信号处理技术。1971年 J.W.Tukey在进行时间序列分析时提出中值滤波器的概念，后来人们又将其引入到图像处理中。它的基本原理是将邻域中的所有像素值按灰度级排列，强迫其中间值为输出像素值：
        f (x,y) = median{g (s,t)}
        (s,t)∈Sxy
        中值滤波器的应用非常普遍，它的优点是运算简单而且速度较快，同时对于随机噪声有良好的去噪能 力，且在相同尺寸下比线性平滑滤波器引起更少的模糊。中值滤波器尤其对单极或双极脉冲噪声非常有效。
        3 自适应中值滤波算法
        只要冲激噪声的空间密度不大，中值滤波器的性能将会很好。而自适应中值滤波器可以处理具有更大概率的冲激噪声，它的另一个优点是，平滑非冲激噪声时可以保存细节，这是传统中值滤波器做不到的。
        自适应中值滤波算法说明如下：
        （1）定义说明
        Sxy表示一个中心在（x,y）处的子图像；
        Zmin表示Sxy中的最小亮度值；
        Zmax表示Sxy中的最大亮度值；
        Zmed表示Sxy中的亮度中值；
        Zxy表示坐标（x,y）处的亮度值；
        Smax表示允许的最大自适应滤波器窗口的大小。
        （2）算法流程
        自适应中值滤波算法工作在两个层面，分别表示为LevelA和LevelB，即：
        LevelA：若Zmin<Zmed<Zmax，则转向LevelB，否则增加窗口尺寸；若窗口尺寸≤Smax，则重复LevelA，否 则输出Zxy。
        LevelB：若Zmin<Zxy<Zmax，则输出Zxy；否则输出 Zmed。
        4 灰度变换
        灰度变换方法是图像增强的重要手段，它使图像的动态范围加大，使图像的对比度扩展，图像更加清 晰，特征更加明显。灰度变换的基本思想可简单表示为：

        式（2）中：
        g和f分别为变换后和变换前的灰度值；
        T代表某种映射关系。
        图像变换前灰度g的实际范围为[ f1, f2],变换后灰度的要求范围为[g1,g2]。利用（3）式可将灰度比例拉伸或压缩,使之满足[g1,g2]的整个范围,从而达到增强对比度的效果。
        灰度变换处理的关键在于设计一个合适的映射函数（曲线）。映射函数的设计有两类方法，一类是根据图像特点和处理工作需求CONTROL ENGINEERING China版权所有，人为设计映射函数，试探其处理效果；另一类设计方法是从改变图像整体的灰度分布出发，设计一种映射函数，使变换后图像灰度直方图达到或接近预定的形状。映射变换的类型取决于所需增强特性的选择。常用的灰度变换有如下几种：线性变换，分段线性变换和非线性变换。
        分段线性灰度变换可以使图像上有用信息的灰度范围得以扩展，增大对比度，而相应噪声的灰度范围被压缩到端部较小的区域内。图1列举了4种典型的分 段线性变换函数，其中（a）用于两端裁剪而中间扩展； （b）用于显现图像的轮廓线，把不同的灰度范围变换 成相同的灰度范围输出；（c）用于图像的反转并裁剪 高亮区部分；（d）用于图像的二值化。本文方法中采用 了分段线性灰度变换。

        5 本文去噪增强方法
        基于自适应中值滤波和灰度变换的煤矿监控图像 去噪增强方法步骤如下：
        （1）导入含噪低对比度煤矿监控图像；
        （2）设定自适应中值滤波器窗口大小，进行自适 应中值滤波处理；
        （3）分析滤波后图像直方图，设定灰度变换函数 参数，进行对比度增强；
        （4）导出去噪增强处理后图像。
        6 仿真结果及分析
        本文选取了两幅256×256的含噪低对比度煤矿监 控图像，运用MATLAB7.0软件分别进行了中值滤波、 自适应中值滤波和本文的基于自适应中值滤波和灰度 变换的方法进行了处理，结果如图2所示。其中，中值 滤波使用的是7×7的中值滤波器，自适应中值滤波中 Smax="7"。

        从实验结果可看出，传统的中值滤波能够较好地滤除了图像含有的噪声，但图像的边缘等细节变得 模糊，视觉效果不好；自适应中值滤波则在有效去除 噪声的基础上很好的展现了图像的细节，图像相对清 晰，视觉效果较好；本文的基于自适应中值滤波和灰 度变换的方法控制工程网版权所有，在滤除噪声、保留细节的同时，增强 了图像的对比度，使图像质量进一步得到了完善，视 觉效果更好，达到了煤矿监控系统的对图像质量的要 求。
        7 结束语
        本文针对煤矿监控图像的特点提出的基于自适应中值滤波和灰度变换的去噪增强方法，实验结果证明能有效地去除图像噪声，增强图像对比度CONTROL ENGINEERING China版权所有，能够满足煤矿监控系统的要求。同时，该方法还可广泛应用于其他诸多恶劣条件下的监控图像的处理，如大雾下的道路监控图像、光照不足、高粉尘的建 筑施工现场、工厂车间的监控图像以 及低照度的水下监控图像等。
        本文方法主要是针对监控图像中通常主要含有的椒盐噪声进行的去噪处理，但由于拍摄环境的复杂，监控图 像中含有的噪声可能更多的是混合噪声，再者，图像的去噪增强本身就是一项极具挑战性的研究课题CONTROL ENGINEERING China版权所有，各种方法都有其自身的局限性，因此，更为完善的方法还有待于进一步地研究。