一些彩色图像滤噪算法工作在RGB彩色空间或者YcbCr彩色空间。但是在这些空间中，亮度分量和色度分量不是独立的，改变其中之一会带来亮度分量和色度分量的同时改变。因此，在RGB彩色空间或者YcbCr彩色空间中，图像平滑的同时会产生新的颜色，带来颜色混乱。CIELAB彩色空间通过径向距离和角度分别表示颜色的饱和度和色调。这使得在CIELAB彩色空间中更容易操作亮度分量和保持颜色的一致性。

1.改进的双边滤波

对图4.24a所示图像的双边滤波滤噪结果如图4.26所示。可以看出，随着σ_r和σ_d的增大，噪声被去除的同时图像也变得模糊了。尽管双边滤波可以在一定程度保持图像的高频细节，但是仍然会使图像变模糊。为了进一步降低双边滤波对图像清晰度的影响。本文提出对双边滤波的一种改进算法。主要改进如下：

图4.26 对图4.24a双边滤波滤噪结果

（1）利用4.2.2.1节中边缘检测得到map A，通过map A估计噪声范围，仅对map A中等于1的像素点做双边滤波，见式（4.105）。其中，f（x_i，j）为M×N的原图像，h_b（x_i，j）为双边滤波输出图像。

（2）噪声的污染点本身的值不具有参与平滑的价值，将其加权系数置0，见式（4.106）。其中，s（ε，x）表示彩色空间矢量f（ε）与f（x）之间的相似度，c（ε，x）表示平面坐标ε与x之间的相似度。

（3）将噪声的污染点f（x_i，j）与附近点f（ε）之间的彩色空间距离修改为f′（x_i，j）与点f（ε）之间的彩色空间距离，f′（x_i，j）为f（x_i，j）空心邻域的CIELAB彩色空间矢量均值，见式（4.109）。双边滤波输出图像h_b（x_i，j）修改为式（4.107）。k_b（x）为归一化因子，见式（4.108）。

对图4.24a所示图像用上述方法滤噪结果如图4.27所示。可以看出随着σ_r和σ_d的增大，噪声被更好去除的同时，图像的清晰度未见明显损失。

(www.daowen.com)

图4.27 对图4.24a所示图像改进的双边滤波滤噪结果

2.彩色图像滤噪后增强

尽管在上面的滤噪过程中，彩色图像的边缘信息被很大程度地保留，但是现实系统中得到的彩色图像仍然会有一定程度的模糊。造成图像模糊的原因主要有以下几个：

1）目标位置移动造成的镜头聚焦不准；

2）目标移动引起的成像模糊；

3）光学镜头的非理想性引起的成像模糊，尤其在图像的四角位置。

图4.28 对图4.27d所示图像增强后的结果（算法最终结果）σ_d=10，σ_r=100

因此彩色图像滤噪后的增强环节是必要的。这里可以采用一种简单有效的彩色图像增强方法^[31]。利用前面得到的边缘滤波后的边缘图map B，仅对对应边缘点的亮度分量进行增强。由于上文提出的边缘检测算法得到的不是单像素边缘，事实上是包含边缘两边很小区域的“边缘邻域”。在“边缘邻域”内扩大边缘两侧的亮度差，就可以达到增强图像的效果。具体做法如下：利用1.中边缘滤波得到的边缘图map B，仅对边缘图map B中等于1的像素点做增强，其中ϕ为亮度值的增强比例。大于邻域均值的点按比例增加其亮度，小于邻域均值的点按比例减小其亮度，见式（4.110）、式（4.111）。