CN102034227A - 一种图像去噪的方法 - Google Patents

Abstract

本发明涉及视频图像处理方法，本发明公开了一种步骤A：计算图像的联合概率分布P(I,J)；步骤B：根据P(I,J)确定灰度的阈值范围[LI,UI]；步骤C：Wi,j是N*N的窗口，其中心点坐标为(i,j),x用来表示窗口Wi,j的中心象素点，所述窗口Wi,j移至图像的左上角；步骤D：对Wi,j中的N*N个象素点按照灰度值的大小进行排序,找出排序灰度值的中值(N*N+1)/2对应的灰度值J，若J落在步骤B中的阈值范围[LI,UI]内该点不进行处理；否则窗口Wi,j中心点x用灰度值J代替。本发明的有益效果是避免了现有滤波方法对去除脉冲噪声会造成图像细节信息的丢失，图像变得模糊的问题。

Description

一种图像去噪的方法

技术领域

本发明涉及视频图像处理方法，尤其涉及一种图像去噪的方法。

背景技术

在智能交通领域广泛应用视频分析与识别技术，视频分析与识别(video analyzing　and recognition)技术指的是使用计算机从视频中通过计算算法软件进行运算和分析，提取视频中的有用信息，完成这一信息提取和理解的一项技术，图像中的噪声会妨碍人们对图像的理解，同时也会妨碍计算机视觉技术(CV，Computer Vision)准确提取视频中有用信息，而图像去噪的目的就是去除图像中的噪声，提高人们对图像的认识程度，提高对图像作进一步的有用信息提取与理解；为相关的视频应用提供优质的视频源。现有技术中的中值滤波去噪法是一种非线性平滑技术，它将每一象素点的灰度值设置为该点某邻域窗口内的所有象素点灰度值的中值。通过从图像中的某个采样窗口取出奇数个数据进行排序；用排序后的中值取代要处理的数据即可。但是该方法在去除脉冲噪声会造成图像细节信息的丢失，从而使图像变得模糊。而基于噪声点检测的脉冲噪声滤波方法可以在滤除噪声的同时有效地保持图像的细节信息。基于噪声点检测的脉冲噪声滤波方法关键是:一是噪声点的检测;二是对噪声点的滤除。

发明内容

本发明克服了现有技术的在去除脉冲噪声会造成图像细节信息的丢失，图像变得模糊的问题，因此有必要提供一种图像去噪的方法。

一种图像去噪的的方法，其包含以下步骤：步骤A：计算图像的联合概率分布P(I,J) ；步骤B：根据P(I,J)确定灰度的阈值范围[LI,UI]；步骤C：W_i,j是N*N的窗口，其中心点坐标为(i,j), x用来表示窗口W_i,j的中心象素点，所述窗口W_i,j移至图像的左上角；步骤D：对W_i,j中的N*N个象素点按照灰度值的大小进行排序,找出排序灰度值的中值(N*N+1)/2对应的灰度值J，若J落在步骤B中的阈值范围[LI,UI]内该点不进行处理；否则窗口W_i,j中心点x用灰度值J代替。

所述方法还包括步骤E：窗口W_i,j向右移动一位,若窗口W_i,j移动到图像的最右端则跳至下一行；若窗口W_i,j若未超出图像的右下角,则转至步骤D继续执行，否则整个去噪过程结束。

所述窗口W_i,j移至图像的左上角是指窗口W_i,j的左、上边缘和图像的左上边缘重合。所述方法还包括步骤F：输出去噪后的图象数据。所述步骤B为每一灰度级别都设定一个阈值范围，在步骤C中判定某一灰度级别的象素点是否为噪声点时，都与其灰度级别对应的一组阈值范围进行比较。所述窗口W_i,j应向外延拓，延拓的行数为(N-1)/2。

与现有技术相比，本发明的有益效果是避免了现有滤波方法对去除脉冲噪声会造成图像细节信息的丢失，图像变得模糊的问题。基于噪声点检测的脉冲噪声滤波方法可以在滤除噪声的同时有效地保持图像的细节信息。

附图说明

图1为为本发明步骤示意图。

具体实施方式

下面结合附图对本发明作进一步阐述。本发明提供一种图像去噪的方法。其包含以下步骤：

步骤A：计算图像的联合概率分布P(I,J) ；

步骤B：根据P(I,J)确定灰度的阈值范围[LI,UI]；

步骤C：W_i,j是N*N的窗口，其中心点坐标为(i,j), x用来表示窗口W_i,j的中心象素点，所述窗口W_i,j移至图像的左上角；

步骤D：对W_i,j中的N*N个象素点按照灰度值的大小进行排序,找出排序灰度值的中值(N*N+1)/2对应的灰度值J，若J落在步骤B中的阈值范围[LI,UI]内该点不进行处理；否则窗口W_i,j中心点x用灰度值J代替。

所述图像去噪的方法还包括步骤E：窗口W_i,j向右移动一位,若窗口W_i,j移动到图像的最右端则跳至下一行；若窗口W_i,j若未超出图像的右下角,则转至步骤D继续执行，否则整个去噪过程结束。

所述窗口W_i,j移至图像的左上角是指窗口W_i,j的左、上边缘和图像的左上边缘重合。本发明还包括步骤F：输出去噪后的图象数据。

优选地，步骤B中为每一灰度级别都设定一个阈值范围，在步骤C中判定某一灰度级别的象素点是否为噪声点时，都与其灰度级别对应的一组阈值范围进行比较。通过这样的方式，可以达到更好地还原图像的真实值。例如，8位的256色灰度图有256组阈值，每一组阈值都是由下限LI和上限UI组成。假设S是含有脉冲噪声的N*N的8位256色灰度图，Wi,j是N*N的窗口，其中心点坐标为(i,j) ，x用来表示窗口Wi,j的中心象素点，其灰度值为I。为了判定x是否为噪声点，首先要为S确定256组阈值范围，为此本项技术定义了一个联合概率分布P(I,J), I为窗口Wi,j中心像素点x的灰度值，J为该点中值滤波的值. 其具体定义如下:

                                                   

公式 1

公式 2

式中I∈[0 ,255],J∈[0 ,255]，而med（中值滤波程式）(Wi,j)表示窗口Wi,j的中值滤波结果。实际上P(I,J)反映了图像每一灰度级与其可能的中值结果之间的分布关系。根据P(I,J)确定每一灰度级的阈值范围[LI,UI],其中LI,UI的定义:

     

公式 3

       

公式 4

上式中，a表示图像S中灰度级为I的中值滤波值，k代表滑动窗口长度为，此处为3，t为阈值，经过实验，当t取2时，去噪效果最好。

更进一步的技术方案步骤C与步骤D中，经过步骤A与步骤B确定了阈值范围[LI,UI]之后, 步骤C与步骤D中要判定x是否为噪声点,首先要计算x在对应窗口Wi,j,的中值滤波结果,若该结果落在阈值[LI,UI]内,则判定该点为图像有用信息点，若结果落在阈值[LI,UI]之外，则判定该点为噪声点，则滤除。

更进一步的技术方案步骤E中，窗口Wi,j向右(若移动到了图像的最右端则跳到至下一行)移动一位，若未超出图像的右下角，则转至步骤D继续执行，否则整个滤波过程结束 。

下面以8位的512*512的灰度图作为实验对象，分别加上了10％、20％、30％的低照度噪声，Wi,j是一N*N的窗口，其中心点坐标为(i,j), x用来表示窗口Wi,j的中心象素点。为了正确处理图像的边界点，首先应对图像进行边界扩边（本文采用图像对称扩边方法），而扩边的行数取决于Wi,j中N的大小， 当N=3时，Wi,j是一个3*3的窗口，3*3的窗口图像边界应向外扩一行；当N=5时，Wi,j是一个5*5的窗口，5*5的窗口应向外扩二行，总之扩边的行数为(N-1)/2。本发明的实施例采用3*3的窗口应向外外扩二行。

扩边完成之后设定公式3与公式4中的t的值为2并按照步骤A到步骤F的方法流程进行噪声滤除处理并输出图像。实验证明在t=2时滤波效果最佳。

实践表明该噪声滤波方法可以在滤除噪声的同时有效地保持图像的细节信息。在低照度情况下更能体现出该方法的优势，与现有技术相比低照度视频图像细节得到非常好的细节保留，为计算机视觉技术提供全天候的优质视频图像。

Claims (6)

1.一种图像去噪的的方法，其包含以下步骤：

步骤A：计算图像的联合概率分布P(I,J) ；

步骤B：根据P(I,J)确定灰度的阈值范围[LI,UI]；

步骤C：Wi,j是N*N的窗口，其中心点坐标为(i,j), x用来表示窗口Wi,j的中心象素点，所述窗口Wi,j移至图像的左上角；

步骤D：对Wi,j中的N*N个象素点按照灰度值的大小进行排序,找出排序灰度值的中值(N*N+1)/2对应的灰度值J，若J落在步骤B中的阈值范围[LI,UI]内该点不进行处理；否则窗口Wi,j中心点x用灰度值J代替。

2.如权利要求1所述的图像去噪的的方法，其特征在于所述方法还包括步骤E：窗口Wi,j向右移动一位,若窗口Wi,j移动到图像的最右端则跳至下一行；若窗口Wi,j若未超出图像的右下角,则转至步骤D继续执行，否则整个去噪过程结束。

3.如权利要求2所述的图像去噪的的方法，其特征在于所述窗口Wi,j移至图像的左上角是指窗口Wi,j的左、上边缘和图像的左、上边缘重合。

4.如权利要求3所述的图像去噪的的方法，其特征在于所述方法还包括步骤F：输出去噪后的图象数据。

5.如权利要求4所述的图像去噪的的方法，其特征在于所述步骤B为每一灰度级别都设定一个阈值范围，在步骤C中判定某一灰度级别的象素点是否为噪声点时，都与其灰度级别对应的一组阈值范围进行比较。

6.如权利要求5所述的图像去噪的的方法，其特征在于所述窗口Wi,j向外延拓，延拓的行数为(N-1)/2。