众所周知,在现代医疗体系中,医学超声成像是最受大家欢迎的诊断技术之一。然而,受到超声成像机制和系统设计等因素的限制,不可避免地将会引入一些噪声。其中,污染超声图像最严重的噪声是斑点噪声。这种斑点噪声的出现降低了图像的分辨率,从而干扰了医生对病人的疾病作出正确诊断,也限制了计算机辅助诊断技术的发展。因此,对于医生诊断或后续的一些高级图像处理工作(如组织分割和配准)而言,去除斑点噪声并保留图像的边缘细节是一个重要的预处理步骤。考虑到非局部平均滤波算法能够充分利用图像的冗余信息,本文结合该算法的贝叶斯模型,提出了一套适应于斑点噪声环境下的滤波算法。所做主要工作如下:1、详细研究了贝叶斯非局部平均滤波模型,并结合斑点噪声的统计特性,提出了实现该模型的数学形式,从而为迭代滤波去斑算法的设计打下基础。2、设计了一套迭代滤波去斑算法:在第一次迭代中,将噪声图像本身作为滤波模型的输入,并产生初始的估计结果。然后进一步提供更好的滤波模型输入。这样不断迭代,当达到设置的最大迭代次数时停止,进而可以获得一幅令人满意的恢复图像。同时,采用块预选择和块滤波的方式降低迭代滤波去斑算法的时间复杂度,将处理一幅超声图像的时间控制在较短时间之内。3、利用Visual Studio和OpenCV视觉库开发了一个超声图像去斑软件系统,将去斑算法应用于其中,可实现对任意一幅图像进行模拟加斑处理及去除全过程,或对真实超声图像进行去斑处理。