CN109377450A - 一种边缘保护的去噪方法 - Google Patents

Abstract

本发明提供了一种边缘保护的去噪方法，包括以下步骤：步骤1，根据图像中心像素与邻域像素的灰度域关联性，对输入图像进行像素分类，将像素分为图像均质区域或边缘区域像素、单点噪声像素、噪块区域像素三种类型；步骤2，对于3类不同属性的像素，采取多结构模板下的空间域、灰度域联合自适应滤波。

Description

一种边缘保护的去噪方法

技术领域

本发明涉及一种图像处理技术，特别是一种边缘保护的去噪方法。

背景技术

图像获取与传输过程中常受各类噪声源干扰使得图像质量下降，使得人眼或机器对于图像中目标的探测与识别能力减弱，同时检测图像图像的边缘信息作为目标检测跟踪的一种方式，因此在数字图像处理中，滤除噪声，保留边缘，对于提升图像清晰度、改善视觉效果具有重要意义。常采用低通滤波平滑图像，去除噪声，高通滤波锐化图像，增强边缘，这属于两个相互矛盾的处理方向。

传统的图像预处理方法如中值滤波，高斯滤波去除噪声平滑图像时会模糊边缘，近年来提出很多边缘保留的滤波方式，如导向滤波通过导向图像与滤波输出图像存在的局部线性关系去指示边缘与非边缘区域，非边缘区域进行平滑，边缘信息进行保留；双边滤波通过同时考虑空间域与像素值域信息来计算权重，达到保护边缘的滤波效果；最小二乘滤波通过输入图像水平和垂直方向的梯度调节正则项参数，约束平滑项权重，梯度越小，输出图像越平滑，梯度越大，输出图像结构信息保留越完整。但他们都会将高频噪声误判为边缘进行保留，噪声处理能力存在较大的局限性，对于椒盐噪声等无法有效滤除。

发明内容

本发明的目的在于提供一种边缘保护的去噪方法，该方法能对图像进行自适应滤波，去除噪声的同时保持边缘信息。

实现本发明目的的技术方案为：一种边缘保护的去噪方法，包括以下步骤：

步骤1，根据图像中心像素与邻域像素的灰度域关联性，对输入图像进行像素分类，将像素分为图像均质区域或边缘区域像素、单点噪声像素、噪块区域像素三种类型；

步骤2，对于3类不同属性的像素，采取多结构模板下的空间域、灰度域联合自适应滤波。

本发明与现有技术相比，具有以下优点：相比于传统滤波方法难以满足图像去噪并同时保护边缘的缺陷，本发明能对噪声图像进行自适应滤波、滤除噪声、保持边缘，是一种综合图像平滑去噪，又能保护边缘的有效滤波方法。

下面结合说明书附图对本发明作进一步描述。

附图说明

图1是本发明方法的流程图。

图2是使用本发明方法与传统技术分别对加入0.05强度噪声的lena图进行滤波处理的结果对比图。

图3是使用本发明方法与传统技术分别对加入0.25强度噪声的lena图进行滤波处理的结果对比图。

图4是使用本发明方法与传统技术分别对加入0.05强度噪声的lena图进行滤波处理后进行边缘检测的结果对比图。

图5是使用本发明方法与传统技术分别对带噪微光图进行滤波处理后进行边缘检测的结果对比图。

具体实施方式

结合图1，一种边缘保护的去噪方法，包括以下步骤：

步骤1，根据图像中像素与邻域像素的灰度相关性，对输入图像进行像素分类，将像素分为图像均质区域或边缘区域像素、单点噪声像素、噪块区域像素三种类型；

步骤2，对分类完成的像素选取对应方式与模板进行滤波去噪处理，包括：对图像均质区域像素与图像边缘像素进行双边滤波处理；对单点噪声像素采取八邻域中值滤波处理；对噪块区域采取异型均质滤波处理。

步骤1中的像素指图像中的所有像素，但对于每个模板来说，每次只能判断出中心像素的属性，通过模板位置在图像中的移动调整，就能或得所有像素点的属性。

步骤2中的模板指图像中的一个矩阵方块区域(特殊情况下也可以是按一定规律选取的某些区域块)，一般将图像处理在这个区域内进行。

步骤1的具体过程为：

步骤1.1，设定像素间的灰度关联法则：令进行灰度相关性判断的模板大小为m×m,i为中心像素点，每个模板下像素灰度为i_x，t代表邻域像素与中心像素的距离，k_t为灰度差阈值，t越大，阈值k_t越大；将中心像素与该邻域像素具备完全关联性的表达式定义为：

|i-i_x|＜＝k_t (1)

其中，k_t值可根据实际场景与成像器件性能参数进行设定。

步骤1.2，计算模板中与中心像素具备完全关联性的邻域像素个数z，z存在以下几种情况：

z＝0 (3)

步骤1.3，根据步骤1.2得到的结果判断像素属性：当z满足式(2)，则表明邻域像素至少在模板一侧与中心像素灰度相似，该像素为图像均质区域像素或图像边缘像素；当z满足式(3)，表明各个方向邻域像素没有与中心像素满足关联性，判断该像素为单点噪声像素；当z满足式(4)时，此时的中心像素点存在处于噪声块区域和图像弧形边缘或角点两种情况，再结合灰度变化趋势去判断该像素具体属性；

首先在3阶模板(指一个3*3大小的区域，就是在大的图像中划分一个3*3大小的小区域出来)上找到与中心像素灰度最接近的像素点，记为i_g，然后找到将中心像素与该像素点连线延长线上的外层像素点，记为i_h，将i_h灰度值与中心像素点灰度值比较，存在的情况是：

i≈i_g&|i-i_h|<＝k_t (5)

i≈i_g&|i-i_h|>k_t (6)

式(5)表明像素i与i_h满足相关性，则中心像素位于弧形边缘或角点上，式(6)表明中心像素位于噪声块区域内，且噪声污染方向为中心像素点指向与其灰度最接近像素点的方向，此时该方向上的像素是噪声点的可能性较大，选择该方向反向的像素作为参与滤波的像素对中心点进行滤波操作。

到此即完成步骤1的操作，得到像素分类结果为：满足式(2)、(5)的像素为图像均质区域像素或边缘像素；满足式(3)的像素为单点噪声像素；满足式(6)的像素为噪块区域像素。

步骤2中，对于3类不同属性的像素，分别采取不同的方式进行滤波处理。具体为：

步骤2.1，对于图像均质区域像素或边缘区域像素，需做到平滑强度减弱，边缘保护加强，取邻域内与其灰度域相似的像素作为滤波模板，按空间关联性分配权重，对图像进行滤波，其中，双边滤波是典型的具备这种效果的方法，取其作为这一类图像的滤波方式。包括两个方面的内容：分别是：(1)空域滤波：对像素点空间上邻近像素进行加权平均；(2)值域滤波：对与像素点像素值邻近的像素进行加权平均。空域滤波和值域滤波共同构成双边滤波，表现为权重的相乘，即只有空间域邻近，灰度域相似的邻域像素，才能对滤波结果构成较大的影响。

令待处理图像为I，其中坐标点p＝(x,y)是待处理像素点的位置，灰度值为I_p，令经过滤波的图像为U，在坐标点p＝(x,y)的灰度为U_p。S是以p点为中心，N为邻域半径的区域，令q＝(u,v)为S区域内像素p的邻域像素点，灰度值为I_q。则双边滤波输出图像为：

其中：

上式中，C_d,r为归一化因子，w_d为空间邻近度因子，w_r为灰度相似度因子，σ_d为空间距离权系数参数，σ_r为亮度权系数参数。

步骤2.2：邻域内与其灰度关联的像素个数为0，为去除噪声，又做到边缘模糊效应最小化，在小空间域内对其进行处理，典型的方式是低阶模板中值滤波。对于单点噪声像素，使用低阶模板中值滤波。在确定该像素为单点噪声像素时，低阶模板的中值滤波可以尽可能的保护处于图像边缘的像素，避免像素点处于图像边缘上时受到过度平滑模糊。单点噪声像素中值滤波输出图像为：

i_f＝med(i_k-N,i_k-N+1,…,i_k+N-1,i_k+N) (11)

其中，2N+1＝m×m，为滤波模板内像素个数，i代表像素灰度值，i的下角标代表模板内的不同位置，组合起来就是模板内不同位置的像素。在模板内，通过取k的值，可以限定用于中值滤波的像素个数范围。。

步骤2.3：对于噪声块区域像素，在像素邻域内，存在一个或多个灰度异于无污染图像灰度的像素，如果采取简单的中值滤波或均值滤波，输出结果受邻域内其他噪点影响，易偏离预期处理值，因此通过判断噪声变化趋势，选取噪声蔓延方向反向像素作为滤波模板像素，进行异型均质滤波。噪块区域像素滤波输出为：

其中为归一化系数，n表示权重等级数，S_n表示各权重等级像素所在区域，N_Sn表示各权重等级上像素个数；k_n表示权重系数。权重系数大小与距离中心像素点的距离成反比。

根据权重等级，将像素划分到为了n个区域，每个部分的i_p都代表这个区域对应的像素的灰度值(是一个区域的像素，而不是某个单独的像素，用于加权求和)。

根据模板内像素离噪声块区域的距离判断，可根据需求划分为几个距离等级(精度高就多划分几个等级，精度低就可以少划分几个)，将距离相同的像素就划分到一个区域里。

为了体现本发明的优势，进行了一下几组试验：

试验1：使用本发明方法与传统技术分别对加入0.05强度噪声的lena图进行滤波处理，得到效果图2。

试验2：使用本发明方法与传统技术分别对加入0.25强度噪声的lena图进行滤波处理，得到效果图3。

试验3：使用本发明方法与传统技术分别对实验1中的滤波结果图进行边缘提取实验，得到边缘提取效果图4。

实验4：使用本发明方法与传统技术分别对带噪声微光图进行边缘提取实验，得到边缘提取效果图5。

图2、图3所示的滤波结果表明：通过几种滤波方法处理加噪声图像，椒盐噪声得到明显滤除的是中值滤波与本发明方法，而导向滤波与双边滤波不能有效滤除椒盐噪声。

图4、图5表明：对于加入0.05强度椒盐噪声的Lena图和含噪声微光图，不加滤波平滑处理的原图，较多的噪点被误检为边缘；中值滤波能滤除噪声但是使得边缘信息损失严重，边缘断裂，信息丢失；导向滤波和双边滤波算法去噪的图像，其边缘信息比较完整，但其受限于去噪性能，边缘检测结果中，存在有较多的将噪声误检为边缘的部分；经过本文算法滤波去噪的图像，边缘检测结果受噪声影响最小，且边缘信息丰富，断点少，轮廓完整且较导向滤波与双边滤波具有更细致精确的图像轮廓，边缘检测效果理想。

综上所述，借助于本发明的上述技术方案，发明的一种边缘保护的去噪方法，实现了将图像分类与自适应滤波处理相结合的处理方法。取得了良好的实验结果。本发明方法与传统方法相比，更能有效的滤除噪声、平滑图像、保护图像边缘。含有噪声的图像经本发明方法滤波输出后，其边缘提取结果中噪声误检，边缘漏检现象得到了明显抑制，所得图像轮廓比较理想。

Claims (5)

1.一种边缘保护的去噪方法，其特征在于，包括以下步骤：

步骤1，根据图像中心像素与邻域像素的灰度域关联性，对输入图像进行像素分类，将像素分为图像均质区域或边缘区域像素、单点噪声像素、噪块区域像素三种类型；

步骤2，对于3类不同属性的像素，采取多结构模板下的空间域、灰度域联合自适应滤波。

2.根据权利要求1所述的方法，其特征在于，步骤1的具体过程为：

步骤1.1，模板内邻域像素与模板中心像素灰度差在一定范围内，若在表明该邻域像素与中心像素具备灰度域关联性；其中模板为图像中的一个矩阵方块区域；

步骤1.2，计算模板中与中心像素具备灰度关联的邻域像素个数z，

z＝0 (2)

其中，中m×m是进行灰度相关性判断的模板大小；

步骤1.3，在3阶模板上找到与中心像素灰度最接近的像素点，记为i_g；

找到将中心像素与该像素点i_g连线延长线上的外层像素点，记为i_h；

将i_h灰度值与中心像素点灰度值比较，存在以下两种情况

i≈i_g&|i-i_h|<＝k_t (4)

i≈i_g&|i-i_h|>k_t (5)

其中，k_t为灰度差阈值，i为中心像素；

步骤1.5，若z满足式(1)(4)，则像素为图像均质区域或边缘区域像素；

若z满足式(2)，则像素为单点噪声像素；

若z满足式(5)，则像素为噪块区域像素。

3.根据权利要求1所述的方法，其特征在于，步骤2中对于图像均质区域像素或边缘区域像素采用双边滤波进行平滑去噪，具体过程为：

步骤2.1.1，令待处理图像为I，其中坐标点p＝(x,y)是待处理像素点的位置，灰度值为I_p；令经过滤波的图像为U，在坐标点p＝(x,y)的灰度为U_p；另S是以p点为中心，N为邻域半径的区域，令q＝(u,v)为S区域内像素p的邻域像素点，灰度值为I_q；

步骤2.1.2，获取双边滤波输出图像U(p)为：

其中，

C_d,r为归一化因子，w_d为空间邻近度因子，w_r为灰度相似度因子，σ_d为空间距离权系数参数，σ_r为亮度权系数参数。

4.根据权利要求1所述的方法，其特征在于，步骤2中对于单点噪声像素滤波后的输出图像i_f为：

i_f＝med(i_k-N,i_k-N+1,…,i_k+N-1,i_k+N) (11)

其中2N+1＝m×m，为滤波模板内像素个数，i为像素灰度值，i的下角标代表模板中的不同位置。

5.根据权利要求1所述的方法，其特征在于，步骤2中对于噪声块区域像素滤波后的输出图像为

其中，为归一化系数，

i_p代表这个区域对应的像素的灰度值，

n表示权重等级数，S_n表示各权重等级像素所在区域，N_Sn表示各权重等级上像素个数；

k_n表示权重系数。