CN102034227A - 一种图像去噪的方法 - Google Patents
一种图像去噪的方法 Download PDFInfo
- Publication number
- CN102034227A CN102034227A CN 201010610864 CN201010610864A CN102034227A CN 102034227 A CN102034227 A CN 102034227A CN 201010610864 CN201010610864 CN 201010610864 CN 201010610864 A CN201010610864 A CN 201010610864A CN 102034227 A CN102034227 A CN 102034227A
- Authority
- CN
- China
- Prior art keywords
- image
- window
- gray
- denoising
- threshold range
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Image Processing (AREA)
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
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: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。
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。
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。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Wi,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: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。
所述图像去噪的方法还包括步骤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。
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。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:
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:
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010106108647A CN102034227B (zh) | 2010-12-29 | 2010-12-29 | 一种图像去噪的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010106108647A CN102034227B (zh) | 2010-12-29 | 2010-12-29 | 一种图像去噪的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102034227A true CN102034227A (zh) | 2011-04-27 |
CN102034227B CN102034227B (zh) | 2012-06-06 |
Family
ID=43887080
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010106108647A Active CN102034227B (zh) | 2010-12-29 | 2010-12-29 | 一种图像去噪的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102034227B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102413338A (zh) * | 2011-11-21 | 2012-04-11 | 苏州希图视鼎微电子有限公司 | 点状噪声的图像处理方法及装置 |
CN102890819A (zh) * | 2012-09-07 | 2013-01-23 | 浙江工业大学 | 一种基于像素空间相关性判别的图像去噪方法 |
CN105976341A (zh) * | 2016-06-17 | 2016-09-28 | 天津工业大学 | 图像自适应中值滤波方法 |
CN108198146A (zh) * | 2017-12-29 | 2018-06-22 | 努比亚技术有限公司 | 一种降噪方法、设备和计算机可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5012524A (en) * | 1989-02-27 | 1991-04-30 | Motorola, Inc. | Automatic inspection method |
CN1640113A (zh) * | 2002-02-28 | 2005-07-13 | 皇家飞利浦电子股份有限公司 | 图像中的噪声滤波 |
WO2006032855A2 (en) * | 2004-09-21 | 2006-03-30 | Isis Innovation Limited | Improvements in image processing |
US20060087703A1 (en) * | 2004-10-26 | 2006-04-27 | Yunqiang Chen | Mutual information regularized Bayesian framework for multiple image restoration |
CN101126810A (zh) * | 2007-09-21 | 2008-02-20 | 北京航空航天大学 | 一种合成孔径雷达图像自适应斑点噪声抑制方法 |
CN101650439A (zh) * | 2009-08-28 | 2010-02-17 | 西安电子科技大学 | 基于差异边缘和联合概率一致性的遥感图像变化检测方法 |
-
2010
- 2010-12-29 CN CN2010106108647A patent/CN102034227B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5012524A (en) * | 1989-02-27 | 1991-04-30 | Motorola, Inc. | Automatic inspection method |
CN1640113A (zh) * | 2002-02-28 | 2005-07-13 | 皇家飞利浦电子股份有限公司 | 图像中的噪声滤波 |
WO2006032855A2 (en) * | 2004-09-21 | 2006-03-30 | Isis Innovation Limited | Improvements in image processing |
US20060087703A1 (en) * | 2004-10-26 | 2006-04-27 | Yunqiang Chen | Mutual information regularized Bayesian framework for multiple image restoration |
CN101126810A (zh) * | 2007-09-21 | 2008-02-20 | 北京航空航天大学 | 一种合成孔径雷达图像自适应斑点噪声抑制方法 |
CN101650439A (zh) * | 2009-08-28 | 2010-02-17 | 西安电子科技大学 | 基于差异边缘和联合概率一致性的遥感图像变化检测方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102413338A (zh) * | 2011-11-21 | 2012-04-11 | 苏州希图视鼎微电子有限公司 | 点状噪声的图像处理方法及装置 |
CN102890819A (zh) * | 2012-09-07 | 2013-01-23 | 浙江工业大学 | 一种基于像素空间相关性判别的图像去噪方法 |
CN102890819B (zh) * | 2012-09-07 | 2015-03-04 | 浙江工业大学 | 一种基于像素空间相关性判别的图像去噪方法 |
CN105976341A (zh) * | 2016-06-17 | 2016-09-28 | 天津工业大学 | 图像自适应中值滤波方法 |
CN105976341B (zh) * | 2016-06-17 | 2018-10-09 | 天津工业大学 | 图像自适应中值滤波方法 |
CN108198146A (zh) * | 2017-12-29 | 2018-06-22 | 努比亚技术有限公司 | 一种降噪方法、设备和计算机可读存储介质 |
CN108198146B (zh) * | 2017-12-29 | 2020-11-24 | 深圳市烨弘数码科技有限公司 | 一种降噪方法、设备和计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN102034227B (zh) | 2012-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108898610B (zh) | 一种基于mask-RCNN的物体轮廓提取方法 | |
US10108835B2 (en) | Method and system for decoding two-dimensional code using weighted average gray-scale algorithm | |
Fu et al. | Removing rain from single images via a deep detail network | |
CN108280823B (zh) | 一种工业生产中光缆表面弱边缘瑕疵的检测方法及*** | |
CN102682428B (zh) | 一种基于方向场的指纹图像计算机自动化修补方法 | |
CN109241973B (zh) | 一种纹理背景下的字符全自动软分割方法 | |
CN110309765B (zh) | 一种视频运动目标高效检测方法 | |
CN108229247A (zh) | 一种移动车辆检测方法 | |
CN101908205B (zh) | 基于幻方编码的中值滤波方法 | |
CN102034227B (zh) | 一种图像去噪的方法 | |
CN105590301B (zh) | 自适应正斜双十字窗均值滤波的脉冲噪声消除方法 | |
CN115311507B (zh) | 基于数据处理的建筑板材分类方法 | |
CN112085126B (zh) | 一种侧重于分类任务的单样本目标检测方法 | |
CN112634301A (zh) | 设备区域图像提取方法及装置 | |
CN110276759A (zh) | 一种基于机器视觉的手机屏坏线缺陷诊断方法 | |
CN111222514A (zh) | 一种基于视觉定位的局部地图优化方法 | |
CN114419006A (zh) | 一种随背景变化的灰度视频文字类水印去除方法及*** | |
Shi et al. | Image enhancement for degraded binary document images | |
CN113205136A (zh) | 一种用于电源适配器外观缺陷的实时高精度检测方法 | |
CN108205678A (zh) | 一种含有亮斑干扰的铭牌文字识别处理方法 | |
CN104102911A (zh) | 一种基于aoi的子弹表观缺陷检测***的图像处理算法 | |
CN104239864A (zh) | 一种基于图像处理的货车车号识别*** | |
CN110826564A (zh) | 一种复杂场景图像中的小目标语义分割方法及*** | |
CN110298838A (zh) | 一种确定样本图像的方法、装置、设备和存储介质 | |
CN105354823A (zh) | 树木年轮图像边缘提取与分割的*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210517 Address after: No. 6, Jiuhua Road, khuchuang Park, Mianyang, Sichuan Patentee after: Sichuan Jiuzhou Investment Holding Group Co.,Ltd. Address before: 621000 No. 16 Yuejin Road, Fucheng District, Sichuan, Mianyang Patentee before: SICHUAN JIUZHOU ELECTRIC GROUP Co.,Ltd. |
|
TR01 | Transfer of patent right |