一種基于邊緣檢測(cè)算法去除蚊式噪聲的方法及系統(tǒng)的制作方法
【專利摘要】本公開(kāi)提出了一種基于邊緣檢測(cè)算法的去除蚊式噪聲的方法及系統(tǒng)。本公開(kāi)認(rèn)為邊緣信息是連續(xù)的像素點(diǎn)，而噪聲點(diǎn)是孤立的點(diǎn)，因此所述方法提出了一種邊緣檢測(cè)算法，用來(lái)探測(cè)所得到的邊緣是連接的，還是孤立的點(diǎn)，從而來(lái)區(qū)別真假邊緣信息，探測(cè)到的連續(xù)像素點(diǎn)視為真邊緣，孤立的像素點(diǎn)為噪聲點(diǎn)，圖像中未檢測(cè)到的區(qū)域指定為遠(yuǎn)離邊緣的區(qū)域，之后保留真邊緣，對(duì)真邊緣附近的區(qū)域和假邊緣進(jìn)行強(qiáng)降噪，對(duì)遠(yuǎn)離邊緣區(qū)域進(jìn)行一般降噪。本公開(kāi)方法區(qū)別真假邊緣信息，保留了細(xì)節(jié)信息，避免了圖像處理后的模糊；由于采用降噪濾波為雙邊濾波，相比傳統(tǒng)采用均值濾波和中值濾波去除蚊式噪聲的方法，彌補(bǔ)了傳統(tǒng)方法對(duì)邊緣造成的模糊效應(yīng)，更好地去除了蚊式噪聲。
【專利說(shuō)明】
-種基于邊緣檢測(cè)算法去除蚊式噪聲的方法及系統(tǒng)
技術(shù)領(lǐng)域
[0001] 本公開(kāi)設(shè)及圖像處理領(lǐng)域，具體地講，設(shè)及一種基于邊緣檢測(cè)算法去除蚊式噪聲 的方法及系統(tǒng)。
【背景技術(shù)】
[0002] 隨著科技和互聯(lián)網(wǎng)的迅猛發(fā)展，如今數(shù)字圖像已成為人們獲取信息不可缺少的一 部分。但由于數(shù)字圖像有很大的數(shù)據(jù)量，所W傳輸前必須對(duì)數(shù)字圖像進(jìn)行壓縮編碼。現(xiàn)有一 些圖像/視頻壓縮編碼，如肝EG、MPEG和H. 26X系列等都是國(guó)際標(biāo)準(zhǔn)，大多采用"分塊DCT+量 化"的形式，運(yùn)些國(guó)際標(biāo)準(zhǔn)能夠有效地對(duì)圖像進(jìn)行壓縮編碼。雖然壓縮后圖像的尺寸被極大 的減少了，但在壓縮編碼時(shí)舍棄了被認(rèn)為視覺(jué)上不太重要的圖像信息，所W在圖像的壓縮 過(guò)程中必然會(huì)造成一些信息的損失，運(yùn)些損失的信息在圖像的解碼重建過(guò)程中就會(huì)產(chǎn)生一 些失真的現(xiàn)象。根據(jù)不同的現(xiàn)象運(yùn)些失真給了不同的名稱，例如蚊式噪聲（Mosquito Noise)、塊噪聲(Blocking Artifacts)和鈴噪聲等。運(yùn)些噪聲不但嚴(yán)重影響壓縮圖像的視 覺(jué)質(zhì)量，而且影響圖像的多種后續(xù)處理任務(wù)。因此，針對(duì)圖像壓縮引起的失真，進(jìn)行降噪技 術(shù)的研究具有重要意義。
[0003] 其中，蚊式噪聲為圍繞物體四周有一層像飛行物體的物質(zhì)(像蚊子圍繞飛）。由于 蚊式噪聲主要產(chǎn)生在邊緣附近，現(xiàn)有的去除蚊式噪聲的方法大多是基于邊緣檢測(cè)的方法。 對(duì)于一幅包含蚊式噪聲的壓縮圖片，通常做法是先將圖片分成若干像素塊，對(duì)包含邊緣的 像素塊進(jìn)行濾波W去除蚊式噪聲。但是蚊式噪聲也會(huì)被誤判為邊緣信息，如果不區(qū)分邊緣 信息是否是真邊緣，而直接對(duì)包含邊緣的像素塊進(jìn)行低通濾波，就會(huì)導(dǎo)致去除蚊式噪聲的 同時(shí)模糊了邊緣和細(xì)節(jié)信息。

【發(fā)明內(nèi)容】

[0004] 針對(duì)上述問(wèn)題，本公開(kāi)提供了一種基于邊緣檢測(cè)算法去除蚊式噪聲的方法及系 統(tǒng)。
[0005] -種基于邊緣檢測(cè)算法去除蚊式噪聲的方法，所述方法包括下述步驟：
[0006] S100、使用邊緣檢測(cè)算子檢測(cè)待處理圖像，獲取待處理圖像的邊緣信息；
[0007] S200、基于待處理圖像的邊緣信息，依次判斷每個(gè)像素點(diǎn)是否為邊緣像素點(diǎn)；
[000引S300、基于邊緣像素點(diǎn)判斷所述邊緣像素點(diǎn)是否為假邊緣像素點(diǎn)；
[0009] S400、對(duì)每個(gè)假邊緣像素點(diǎn)及非邊緣像素點(diǎn)進(jìn)行濾波處理；
[0010] 所述假邊緣像素點(diǎn)是孤立的像素點(diǎn)。
[0011] 進(jìn)一步地，所述假邊緣像素點(diǎn)通過(guò)下述方法判斷：
[0012] S301、對(duì)待處理圖像的每一個(gè)邊緣像素點(diǎn)，提取W該邊緣像素點(diǎn)為中屯、取5X5的 區(qū)域；
[0013] S302、在所述區(qū)域中，對(duì)于所述邊緣像素點(diǎn)沿水平對(duì)齊方向、垂直對(duì)齊方向、W及2 對(duì)角方向，若任何一個(gè)方向上的邊緣像素點(diǎn)數(shù)目累計(jì)小于等于3個(gè)，則所述邊緣像素點(diǎn)為假 邊緣像素點(diǎn)。
[0014] 優(yōu)選的，所述S400中所述濾波處理為雙邊濾波處理。
[0015] 優(yōu)選地，所述S400進(jìn)一步包括下述步驟：
[0016] S401、對(duì)所述假邊緣像素點(diǎn)進(jìn)行強(qiáng)濾波;在進(jìn)行強(qiáng)濾波時(shí)，濾波參數(shù)Or和Os根據(jù)下 述公式計(jì)算：
[0017]
[001引 LHZ刃獨(dú)繼做耶奶繼做巧芥網(wǎng)但；LHd刃繼做巧化樹(shù)值；
[0019] a為Os起始設(shè)定最小參數(shù)值;b為Or起始設(shè)定最小參數(shù)值;c+a為Os設(shè)定最大參數(shù)值； d+b為Os設(shè)定最大參數(shù)值；
[0020] 由于蚊式噪聲過(guò)多、典型地出現(xiàn)在物體附近，首先檢測(cè)該像素是否接近于物體，設(shè) 定一個(gè)檢測(cè)窗口，通過(guò)檢測(cè)當(dāng)前像素的亮度值和檢測(cè)窗口中的其它像素的灰度值之間的變 化，來(lái)確定物體是否位于檢測(cè)窗口中。具體地說(shuō)，就是在檢測(cè)窗口內(nèi)計(jì)算該像素與其它像素 之間的灰度最大變化(Gray化riation)，GV通過(guò)如下公式計(jì)算：
[0021] GV=max|Y(i,j)-Y(i+s,j+t)| ；
[0022] 式中；
[0023] Y(i,j)為當(dāng)前像素點(diǎn)
M為垂直檢測(cè)距離，N為水平 檢測(cè)距離。
[0024] S402、對(duì)所述非邊緣像素點(diǎn)進(jìn)行弱濾波;在進(jìn)行弱濾波時(shí)，濾波參數(shù)Or和Os根據(jù)下 述公式計(jì)算；
[0025]
[0026] 式中；
[0027] LHl為濾波起始闊值。
[0028] 優(yōu)選地，所述邊緣檢測(cè)算子優(yōu)選化nny算子。
[0029] 基于所述方法，在一個(gè)實(shí)施例中，實(shí)現(xiàn)一種基于邊緣檢測(cè)算法去除蚊式噪聲的系 統(tǒng)，其系統(tǒng)結(jié)構(gòu)示意圖如圖4所示，所述系統(tǒng)包括下述模塊：
[0030] 檢測(cè)模塊，用于：使用邊緣檢測(cè)算子檢測(cè)待處理圖像，獲取待處理圖像的邊緣信 息；
[0031] 判斷邊緣模塊，用于:基于待處理圖像的邊緣信息，依次判斷每個(gè)像素點(diǎn)是否為邊 緣像素點(diǎn)；
[0032] 判斷真假邊緣像素點(diǎn)模塊，用于:基于邊緣像素點(diǎn)判斷所述邊緣像素點(diǎn)是否為假 邊緣像素點(diǎn)；
[0033] 處理模塊，用于:對(duì)每個(gè)假邊緣像素點(diǎn)及非邊緣像素點(diǎn)進(jìn)行濾波處理；
[0034] 所述假邊緣像素點(diǎn)是孤立的像素點(diǎn)。
[0035] 優(yōu)選地，所述假邊緣像素點(diǎn)通過(guò)下述單元判斷：
[0036] 提取單元，用于:對(duì)待處理圖像的每一個(gè)邊緣像素點(diǎn)，提取W該邊緣像素點(diǎn)為中屯、 取5 X 5的區(qū)域，并輸出給判斷單元；
[0037] 判斷單元，用于:在所述區(qū)域中，對(duì)于所述邊緣像素點(diǎn)沿水平對(duì)齊方向、垂直對(duì)齊 方向、W及2對(duì)角方向，若任何一個(gè)方向上的邊緣像素點(diǎn)數(shù)目累計(jì)小于等于3個(gè)，則所述邊緣 像素點(diǎn)為假邊緣像素點(diǎn)。
[0038] 優(yōu)選地，所述處理模塊中所述濾波處理為雙邊濾波處理。
[0039] 優(yōu)選地，所述處理模塊進(jìn)一步包括下述單元：
[0040] 強(qiáng)濾波單元，用于:對(duì)所述假邊緣像素點(diǎn)進(jìn)行強(qiáng)濾波;在進(jìn)行強(qiáng)濾波時(shí)，濾波參數(shù) Or和Os根據(jù)下述公式計(jì)算：
[0041] ?
[0042] 巧中；
[0043] L肥為強(qiáng)濾波和弱濾波分界闊值;LH3為濾波終止闊值；
[0044] a為Os起始設(shè)定最小參數(shù)值;b為Or起始設(shè)定最小參數(shù)值;c+a為Os設(shè)定最大參數(shù)值； d+b為Os設(shè)定最大參數(shù)值；
[0045] GV為濾波窗口內(nèi)計(jì)算該像素與其它像素之間的灰度最大變化(Gray Variation) 即濾波窗口內(nèi)的灰度差值;其計(jì)算式如下：
[0046] GV=max I Y(i, j)-Y(i+s,j+t)
[0047] 式中；
[004引 Y(i,j)為當(dāng)前像素點(diǎn)，M為垂直檢測(cè)距離，N為水平檢測(cè) 距離；
[0049]弱濾波單元，用于:對(duì)所述非邊緣像素點(diǎn)進(jìn)行弱濾波;在進(jìn)行弱濾波時(shí)，濾波參數(shù) Or和Os根據(jù)下述公式計(jì)算；
[(K)加]
[0051 ]式中：LHl為濾波起始闊值。
[0052] 優(yōu)選地，所述邊緣檢測(cè)算子優(yōu)選化nny算子。
[0053] 本公開(kāi)方法使用了 5X5的檢測(cè)區(qū)域，基于真邊緣像素為連通區(qū)域，噪聲點(diǎn)為孤立 點(diǎn)的思想，對(duì)每一個(gè)邊緣像素點(diǎn)從水平、垂直和2對(duì)角四個(gè)方向進(jìn)行連通性的判定，由此判 定邊緣點(diǎn)是真邊緣還是假邊緣，對(duì)假邊緣點(diǎn)進(jìn)行強(qiáng)濾波，與傳統(tǒng)去除蚊式噪聲方法相比較， 通過(guò)區(qū)別真假邊緣信息，保留了細(xì)節(jié)信息，避免了圖像處理后的模糊；由于采用降噪濾波為 雙邊濾波局部降噪，相比傳統(tǒng)采用全局均值濾波和中值濾波去除蚊式噪聲的方法，彌補(bǔ)了 傳統(tǒng)方法對(duì)邊緣造成的模糊效應(yīng)，更好地去除了蚊式噪聲。
【附圖說(shuō)明】
[0054] 圖1為本公開(kāi)一個(gè)實(shí)施例中的5X5邊緣檢測(cè)算法示意圖；
[0055] 圖2為本公開(kāi)一個(gè)實(shí)施例中的基于邊緣檢測(cè)算法去除蚊式噪聲流程圖；
[0056] 圖3-1為本公開(kāi)一個(gè)實(shí)施例中蚊式噪聲圖像；
[0057] 圖3-2為本公開(kāi)一個(gè)實(shí)施例中對(duì)圖3-1采用均值濾波處理后的圖像；
[0058] 圖3-3為本公開(kāi)一個(gè)實(shí)施例中對(duì)圖3-1采用中值濾波處理后的圖像；
[0059] 圖3-4為本公開(kāi)一個(gè)實(shí)施例中對(duì)圖3-1采用本公開(kāi)方法處理后的圖像；
[0060] 圖4為本公開(kāi)一個(gè)實(shí)施例中的基于邊緣檢測(cè)算法去除蚊式噪聲系統(tǒng)結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0061] -種基于邊緣檢測(cè)算法去除蚊式噪聲的方法，所述方法包括下述步驟：
[0062] S100、使用邊緣檢測(cè)算子檢測(cè)待處理圖像，獲取待處理圖像的邊緣信息；
[0063] S200、基于待處理圖像的邊緣信息，依次判斷每個(gè)像素點(diǎn)是否為邊緣像素點(diǎn)；
[0064] S300、基于邊緣像素點(diǎn)判斷所述邊緣像素點(diǎn)是否為假邊緣像素點(diǎn)；
[0065] S400、對(duì)每個(gè)假邊緣像素點(diǎn)及非邊緣像素點(diǎn)進(jìn)行濾波處理；
[0066] 所述假邊緣像素點(diǎn)是孤立的像素點(diǎn)。
[0067] 由于蚊式噪聲會(huì)被誤判為邊緣信息，如果不區(qū)分邊緣信息是否是真邊緣，而直接 對(duì)包含邊緣的像素塊進(jìn)行低通濾波，就會(huì)導(dǎo)致去除蚊式噪聲的同時(shí)模糊了邊緣和細(xì)節(jié)信 息。在運(yùn)個(gè)實(shí)施例中，將含有蚊式噪聲的圖像使用邊緣檢測(cè)算子得到邊緣信息，采用本公開(kāi) 提出的方法對(duì)圖像每一像素的邊緣信息進(jìn)行判定真假邊緣，對(duì)真邊緣像素點(diǎn)不進(jìn)行處理， 而對(duì)假邊緣像素點(diǎn)進(jìn)行強(qiáng)濾波處理，對(duì)非邊緣像素點(diǎn)進(jìn)行弱濾波處理，從而實(shí)現(xiàn)去除蚊式 噪聲的同時(shí)，保護(hù)細(xì)節(jié)和邊緣信息。
[0068] 在一個(gè)實(shí)施例中，提供了所述假邊緣像素點(diǎn)的判斷方法，即：
[0069] S301、對(duì)待處理圖像的每一個(gè)邊緣像素點(diǎn)，提取W該邊緣像素點(diǎn)為中屯、取5X5的 區(qū)域；
[0070] S302、在所述區(qū)域中，對(duì)于所述邊緣像素點(diǎn)沿水平對(duì)齊方向、垂直對(duì)齊方向、W及2 對(duì)角方向，若任何一個(gè)方向上的邊緣像素點(diǎn)數(shù)目累計(jì)小于等于3個(gè)，則所述邊緣像素點(diǎn)為假 邊緣像素點(diǎn)。
[0071] 基于邊緣信息是連續(xù)的像素點(diǎn)，而噪聲點(diǎn)是孤立的，因此通過(guò)對(duì)檢測(cè)待處理圖像 的邊緣是連通的還是孤立的點(diǎn)，W此來(lái)區(qū)別真假邊緣像素點(diǎn)。在運(yùn)個(gè)實(shí)施例中，提供了假邊 緣像素點(diǎn)的判斷方法，比如每個(gè)方向上，當(dāng)被檢測(cè)像素點(diǎn)周圍的邊緣像素點(diǎn)數(shù)目為1個(gè)或2 個(gè)或3個(gè)時(shí)，則被檢測(cè)像素點(diǎn)為假邊緣像素點(diǎn);所述方向包括水平對(duì)齊、垂直對(duì)齊、和2對(duì)角。 運(yùn)個(gè)實(shí)施例也同時(shí)掲示了真邊緣像素點(diǎn)的判斷方法，即：對(duì)S201中提取的W該邊緣像素點(diǎn) 為中屯、取5X5的區(qū)域，如圖1所示，判斷該邊緣像素點(diǎn)沿水平對(duì)齊、垂直對(duì)齊、和2對(duì)角四個(gè) 方向上沿水平對(duì)齊、垂直對(duì)齊、和2對(duì)角四個(gè)方向上是否在存在一個(gè)方向上的邊緣像素累計(jì) 超過(guò)3個(gè)像素點(diǎn)，若超過(guò)3個(gè)，則該邊緣像素點(diǎn)為真邊緣像素點(diǎn)。
[0072] 優(yōu)選的，所述S400中所述濾波處理為雙邊濾波處理。雖然傳統(tǒng)的濾波方法如均值 濾波和中值濾波可W良好的抑制蚊式噪聲，并且保持圖像的邊緣，但是對(duì)于圖像的細(xì)節(jié)還 會(huì)產(chǎn)生一定的模糊效應(yīng)。為此本公開(kāi)方法的降噪濾波采用雙邊濾波，雙邊濾波在濾波的同 時(shí)能較好的保持邊緣細(xì)節(jié)。
[0073] 在一個(gè)實(shí)施例中，在判斷出假邊緣像素點(diǎn)后，對(duì)假邊緣像素點(diǎn)及非邊緣點(diǎn)進(jìn)行進(jìn) 一步區(qū)分處理，即：所述S400進(jìn)一步包括下述步驟：
[0074] S401、對(duì)所述假邊緣像素點(diǎn)進(jìn)行強(qiáng)濾波;在進(jìn)行強(qiáng)濾波時(shí)，濾波參數(shù)Or和Os根據(jù)下 述公式計(jì)算：
[0075]
[0076] 式中；
[0077] L肥為強(qiáng)濾波和弱濾波分界闊值;LH3為濾波終止闊值；
[0078] a為Os起始設(shè)定最小參數(shù)值;b為Or起始設(shè)定最小參數(shù)值;c+a為Os設(shè)定最大參數(shù)值； d+b為Os設(shè)定最大參數(shù)值；
[0079] GV為濾波窗口內(nèi)計(jì)算該像素與其它像素之間的灰度最大變化(Gray Variation) 即濾波窗口內(nèi)的灰度差值;其計(jì)算式如下：
[0080] GV=max I Y(i, j)-Y(i+s,j+t)
[0081 ]式中；
[0082] Y(i,j)為當(dāng)前像素點(diǎn)
€%垂直檢測(cè)距離，N為水平檢測(cè) 距離；
[0083] S402、對(duì)所述非邊緣像素點(diǎn)進(jìn)行弱濾波;在進(jìn)行弱濾波時(shí)，濾波參數(shù)Or和Os根據(jù)下 述公式計(jì)算；
[0084]
[0085] 式中；
[00化]LHl為濾波起始闊值。
[0087]由于雙邊濾波器的兩個(gè)參數(shù)Or和Os決定著對(duì)圖像濾波的整體平滑效果，使用參數(shù) 曰r和Os的定值應(yīng)用于整幅噪聲圖像，將不可避免的在完全去除蚊式噪聲的同時(shí)模糊圖像細(xì) 節(jié)區(qū)域，因此在本實(shí)施例中通過(guò)設(shè)置雙邊濾波的參數(shù)Or和Os在不同情況下的取值，來(lái)調(diào)節(jié)雙 邊濾波的濾波強(qiáng)度，W達(dá)到對(duì)真邊緣附近和假邊緣進(jìn)行強(qiáng)濾波，對(duì)遠(yuǎn)離邊緣區(qū)域進(jìn)行一般 濾波的效果，所述遠(yuǎn)離邊緣區(qū)域即為S302中所述非邊緣像素點(diǎn)所構(gòu)成的區(qū)域。本公開(kāi)通過(guò) 計(jì)算邊緣上像素點(diǎn)與檢測(cè)窗口之間的灰度最大變化的大小即灰度差值GV來(lái)調(diào)節(jié)雙邊濾波 的不同參數(shù)，依據(jù)計(jì)算的不同灰度差值所在的灰度差值闊值范圍來(lái)計(jì)算相應(yīng)的濾波參數(shù)曰r 和曰S。本公開(kāi)設(shè)置S個(gè)灰度差值闊值:濾波起始闊值LHl，強(qiáng)濾波和弱濾波分界闊值LH2,濾 波終止闊值LH3?；叶炔钪到橛贚H2和LH3之間進(jìn)行強(qiáng)濾波?；叶炔钪到橛贚Hl和LH2之間的進(jìn) 行弱濾波。灰度差值小于LHl不進(jìn)行濾波。
[0088] 通過(guò)上述濾波處理的區(qū)域，從運(yùn)個(gè)實(shí)施例還可W看出本方法對(duì)真邊緣像素點(diǎn)的保 護(hù)，即：對(duì)真邊緣像素點(diǎn)及此真邊緣像素點(diǎn)相鄰的上、下、左、右運(yùn)五個(gè)像素點(diǎn)不處理。
[0089] 優(yōu)選地，所述邊緣檢測(cè)算子優(yōu)選化nny算子。經(jīng)典的邊緣檢測(cè)算子主要包括W-階 導(dǎo)數(shù)為基礎(chǔ)的邊緣檢測(cè)算子PrewUt算子，Robeds算子，Sobel算子和W二階導(dǎo)數(shù)為基礎(chǔ)的 邊緣檢測(cè)算子化nny算子，Laplacian算子，LOG算子等運(yùn)兩種類型cXanny算子由于是基于了 最優(yōu)邊緣檢測(cè)思想進(jìn)行邊緣檢測(cè)，所W提取的邊緣十分完整，細(xì)節(jié)表現(xiàn)明晰，邊緣的連續(xù)性 也很好，而且抗噪能力也相對(duì)較強(qiáng)，效果明顯優(yōu)于其它算子。本公開(kāi)采用化nny邊緣檢測(cè)算 子進(jìn)行邊緣檢測(cè)。
[0090] 在一個(gè)實(shí)施例中，如圖2所示，提供了一種基于邊緣檢測(cè)算法去除蚊式噪聲方法的 一種實(shí)現(xiàn)方式，包括下述步驟：
[0091] Sl、輸入圖像；
[0092] S2、判斷是否遍歷完圖像中的區(qū)域，若是，則執(zhí)行步驟S8;否則執(zhí)行步驟S3;
[0093] S3、使用邊緣檢測(cè)算子檢測(cè)待處理圖像，獲取待處理圖像的邊緣信息；
[0094] S4、判斷每個(gè)像素點(diǎn)是否為邊緣像素點(diǎn);若是，則執(zhí)行步驟S5;否則，執(zhí)行步驟S7;
[00M] S5、判斷每個(gè)邊緣像素點(diǎn)是否為假邊緣像素點(diǎn);若是，執(zhí)行步驟S6;否則，返回步驟 S2；
[0096] S6、進(jìn)行強(qiáng)濾波，返回步驟S2;
[0097] S7、進(jìn)行弱濾波，返回步驟S2;
[009引 S8、輸出圖像。
[0099] 在一個(gè)實(shí)施例中，提供了圖3-1所示的帶有蚊式噪聲的原圖。對(duì)待處理圖像的每一 個(gè)邊緣像素點(diǎn)，提取W該邊緣像素點(diǎn)為中屯、取5X5的區(qū)域。在所述區(qū)域中，對(duì)所述邊緣像素 點(diǎn)沿水平對(duì)齊方向、垂直對(duì)齊方向、W及2對(duì)角方向的邊緣像素點(diǎn)進(jìn)行統(tǒng)計(jì)，若任何一個(gè)方 向上的邊緣像素點(diǎn)數(shù)目累計(jì)小于等于3個(gè)，則所述邊緣像素點(diǎn)為假邊緣像素點(diǎn)。對(duì)所述假邊 緣像素點(diǎn)進(jìn)行強(qiáng)濾波，對(duì)所述非邊緣像素點(diǎn)進(jìn)行弱濾波。進(jìn)行強(qiáng)濾波和弱濾波時(shí)，用于計(jì)算 濾波參數(shù)〇1'和〇3所設(shè)及的參數(shù)在本實(shí)施例中依次設(shè)置為:曰=15,6 = 10，。= 15，(1 = 10，起始 闊值Ull = 100，強(qiáng)濾波和弱濾波分界闊值LH2 = 150，濾波終止闊值L冊(cè)=230。采用均值濾波 處理后的圖像如圖3-2所示，采用中值濾波處理后的圖像如圖3-3所示，采用本公開(kāi)方法處 理后的圖像如圖3-4所示，從運(yùn)S幅圖可W看出：
[0100] A)處理后圖片最大限度的去除了蚊式噪聲，圖像更清晰，質(zhì)量更高；
[0101] B)保存了更多的紋理和邊緣信息，與傳統(tǒng)去除蚊式噪聲相比，用本公開(kāi)方法所處 理后圖片更加接近于原始圖片，只對(duì)蚊式噪聲進(jìn)行了處理而對(duì)其它圖像信息不處理。
[0102] 基于所述方法，在一個(gè)實(shí)施例中實(shí)現(xiàn)了一種基于邊緣檢測(cè)算法去除蚊式噪聲的系 統(tǒng)，所述系統(tǒng)包括下述模塊：
[0103] 檢測(cè)模塊，用于：使用邊緣檢測(cè)算子檢測(cè)待處理圖像，獲取待處理圖像的邊緣信 息；
[0104] 判斷邊緣模塊，用于:基于待處理圖像的邊緣信息，依次判斷每個(gè)像素點(diǎn)是否為邊 緣像素點(diǎn)；
[0105] 判斷真假邊緣像素點(diǎn)模塊，用于:基于邊緣像素點(diǎn)判斷所述邊緣像素點(diǎn)是否為假 邊緣像素點(diǎn)；
[0106] 處理模塊，用于:對(duì)每個(gè)假邊緣像素點(diǎn)及非邊緣像素點(diǎn)進(jìn)行濾波處理；
[0107] 所述假邊緣像素點(diǎn)是孤立的像素點(diǎn)。
[0108] 進(jìn)一步地，所述假邊緣像素點(diǎn)通過(guò)下述單元判斷：
[0109] 提取單元，用于:對(duì)待處理圖像的每一個(gè)邊緣像素點(diǎn)，提取W該邊緣像素點(diǎn)為中屯、 取5 X 5的區(qū)域，并輸出給判斷單元；
[0110] 判斷單元，用于:在所述區(qū)域中，對(duì)于所述邊緣像素點(diǎn)沿水平對(duì)齊方向、垂直對(duì)齊 方向、W及2對(duì)角方向，若任何一個(gè)方向上的邊緣像素點(diǎn)數(shù)目累計(jì)小于等于3個(gè)，則所述邊緣 像素點(diǎn)為假邊緣像素點(diǎn)。
[0111] 優(yōu)選地，所述處理模塊進(jìn)一步包括下述單元：
[0112] 強(qiáng)濾波單元，用于:對(duì)所述假邊緣像素點(diǎn)進(jìn)行強(qiáng)濾波；
[0113] 弱濾波單元，用于:對(duì)所述非邊緣像素點(diǎn)進(jìn)行弱濾波。
[0114] 在一個(gè)實(shí)施例中，所述系統(tǒng)的系統(tǒng)結(jié)構(gòu)示意圖如圖4所示，在該系統(tǒng)結(jié)構(gòu)，包括檢 巧順塊，判斷邊緣模塊，判斷真假邊緣像素點(diǎn)模塊W及處理模塊。其中，判斷真假邊緣像素 點(diǎn)模塊進(jìn)一步包括提取單元和判斷單元;處理模塊進(jìn)一步包括強(qiáng)濾波單元和弱濾波單元。
[0115] 優(yōu)選地，所述處理模塊中所述濾波處理為雙邊濾波處理，則對(duì)于處理模塊中的強(qiáng) 濾波單元進(jìn)行強(qiáng)濾波時(shí)，其濾波參數(shù)Or和Os根據(jù)下述公式設(shè)置：
[0116]
[0117]式中；
[011引 L肥為強(qiáng)濾波和弱濾波分界闊值;L冊(cè)為濾波終止闊值；
[0119] a為Os起始設(shè)定最小參數(shù)值;b為Or起始設(shè)定最小參數(shù)值;C+a為Os設(shè)定最大參數(shù)值； d+b為Os設(shè)定最大參數(shù)值；
[0120] GV為濾波窗口內(nèi)計(jì)算該像素與其它像素之間的灰度最大變化(Gray Variation) 即濾波窗口內(nèi)的灰度差值;其計(jì)算式如下：
[0121] GV=Hia 巧(i,j)-Y(i+s,j+t)
[0122] 式中；
[0123] Y(i,j)為當(dāng)前像素點(diǎn) M為垂直檢測(cè)距離，N為水平檢測(cè) 距離；
[0124] 弱濾波單元，用于:對(duì)所述非邊緣像素點(diǎn)進(jìn)行弱濾波;在進(jìn)行弱濾波時(shí)，濾波參數(shù) Or和Os根據(jù)下述公式計(jì)算；
[0125]
[0126] 式中:LHl為濾波起始闊值。
[0127] 在一個(gè)實(shí)施例中，所述邊緣檢測(cè)算子優(yōu)選化nny算子。
[0128] W上對(duì)本公開(kāi)進(jìn)行了詳細(xì)介紹，本文中應(yīng)用了具體個(gè)例對(duì)本公開(kāi)的原理及實(shí)施方 式進(jìn)行了闡述，W上實(shí)施例的說(shuō)明只是用于幫助理解本公開(kāi)的方法及其核屯、思想；同時(shí)，對(duì) 于本領(lǐng)域技術(shù)人員，依據(jù)本公開(kāi)的思想，在【具體實(shí)施方式】及應(yīng)用范圍上均會(huì)有改變之處，綜 上所述，本說(shuō)明書(shū)內(nèi)容不應(yīng)理解為對(duì)本公開(kāi)的限制。
【主權(quán)項(xiàng)】
1. 一種基于邊緣檢測(cè)算法去除蚊式噪聲的方法，其特征在于，所述方法包括下述步驟： S100、使用邊緣檢測(cè)算子檢測(cè)待處理圖像，獲取待處理圖像的邊緣信息； S200、基于待處理圖像的邊緣信息，依次判斷每個(gè)像素點(diǎn)是否為邊緣像素點(diǎn)、非邊緣像 素點(diǎn)； 5300、 判斷所述邊緣像素點(diǎn)是否為假邊緣像素點(diǎn)； 5400、 對(duì)每個(gè)假邊緣像素點(diǎn)及非邊緣像素點(diǎn)進(jìn)行濾波處理； 所述假邊緣像素點(diǎn)是孤立的像素點(diǎn)。2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，優(yōu)選的，所述步驟S300進(jìn)一步包括下述步 驟： 5301、 對(duì)待處理圖像的每一個(gè)邊緣像素點(diǎn)，提取以該邊緣像素點(diǎn)為中心取5X5的區(qū)域； 5302、 在所述區(qū)域中，對(duì)于所述邊緣像素點(diǎn)沿水平對(duì)齊方向、垂直對(duì)齊方向、以及2對(duì)角 方向，若任何一個(gè)方向上的邊緣像素點(diǎn)數(shù)目累計(jì)小于等于3個(gè)，則所述邊緣像素點(diǎn)為假邊緣 像素點(diǎn)。3. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述S400中所述濾波處理為雙邊濾波處 理。4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，所述S400進(jìn)一步包括下述步驟： 5401、 對(duì)所述假邊緣像素點(diǎn)進(jìn)行強(qiáng)濾波;在進(jìn)行強(qiáng)濾波時(shí)，濾波參數(shù)~和~根據(jù)下述公 式計(jì)算：式中： LH2為強(qiáng)濾波和弱濾波分界閾值;LH3為濾波終止閾值； a為〇3起始設(shè)定最小參數(shù)值;IdSo1?起始設(shè)定最小參數(shù)值;c+aS〇 s設(shè)定最大參數(shù)值;d+b 為〇8設(shè)定最大參數(shù)值； GV為濾波窗口內(nèi)計(jì)算該像素與其它像素之間的灰度最大變化(Gray Variation)即濾 波窗口內(nèi)的灰度差值;其計(jì)算式如下：4為垂直檢測(cè)距離，N為水平檢測(cè)距 離； 5402、 對(duì)所述非邊緣像素點(diǎn)進(jìn)行弱濾波;在進(jìn)行弱濾波時(shí)，濾波參數(shù)~和~根據(jù)下述公 式計(jì)算；式中： LHl為濾波起始閾值。5. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述邊緣檢測(cè)算子為Canny算子。6. -種基于邊緣檢測(cè)算法去除蚊式噪聲的系統(tǒng)，其特征在于，所述系統(tǒng)包括下述模塊： 檢測(cè)模塊，用于:使用邊緣檢測(cè)算子檢測(cè)待處理圖像，獲取待處理圖像的邊緣信息； 判斷邊緣模塊，用于:基于待處理圖像的邊緣信息，依次判斷每個(gè)像素點(diǎn)是否為邊緣像 素點(diǎn)； 判斷真假邊緣像素點(diǎn)模塊，用于:基于邊緣像素點(diǎn)判斷所述邊緣像素點(diǎn)是否為假邊緣 像素點(diǎn)； 處理模塊，用于:對(duì)每個(gè)假邊緣像素點(diǎn)及非邊緣像素點(diǎn)進(jìn)行濾波處理； 所述假邊緣像素點(diǎn)是孤立的像素點(diǎn)。7. 根據(jù)權(quán)利要求6所述的系統(tǒng)，其特征在于，所述假邊緣像素點(diǎn)通過(guò)下述單元判斷： 提取單元，用于:對(duì)待處理圖像的每一個(gè)邊緣像素點(diǎn)，提取以該邊緣像素點(diǎn)為中心取5 X5的區(qū)域，并輸出給判斷單元； 判斷單元，用于:在所述區(qū)域中，對(duì)于所述邊緣像素點(diǎn)沿水平對(duì)齊方向、垂直對(duì)齊方向、 以及2對(duì)角方向，若任何一個(gè)方向上的邊緣像素點(diǎn)數(shù)目累計(jì)小于等于3個(gè)，則所述邊緣像素 點(diǎn)為假邊緣像素點(diǎn)。8. 根據(jù)權(quán)利要求6所述的系統(tǒng)，其特征在于，所述處理模塊中所述濾波處理為雙邊濾波 處理。9. 根據(jù)權(quán)利要求8所述的系統(tǒng)，其特征在于，所述處理模塊進(jìn)一步包括下述單元： 強(qiáng)濾波單元，用于:對(duì)所述假邊緣像素點(diǎn)進(jìn)行強(qiáng)濾波;在進(jìn)行強(qiáng)濾波時(shí)，濾波參數(shù) 根據(jù)下述公式計(jì)算：式中： LH2為強(qiáng)濾波和弱濾波分界閾值;LH3為濾波終止閾值； a為〇3起始設(shè)定最小參數(shù)值;IdSo1?起始設(shè)定最小參數(shù)值;c+aS〇 s設(shè)定最大參數(shù)值;d+b 為〇8設(shè)定最大參數(shù)值； GV為濾波窗口內(nèi)計(jì)算該像素與其它像素之間的灰度最大變化(Gray Variation)即濾 波窗口內(nèi)的灰度差值;其計(jì)算式如下：YdU)為當(dāng)前像素點(diǎn) M為垂直檢測(cè)距離，N為水平檢測(cè)距J 離； 弱濾波單元，用于:對(duì)所述非邊緣像素點(diǎn)進(jìn)行弱濾波;在進(jìn)行弱濾波時(shí)，濾波參數(shù)~和〇8 根據(jù)下述公式計(jì)算；式中:LHl為濾波起始閾值。10.根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于，所述邊緣檢測(cè)算子優(yōu)選Canny算子。
【文檔編號(hào)】G06T5/00GK106023204SQ201610340089
【公開(kāi)日】2016年10月12日
【申請(qǐng)日】2016年5月20日
【發(fā)明人】肖冰, 劉璐, 郭麗, 馬君亮
【申請(qǐng)人】陜西師范大學(xué)