CN100454970C - 空间域像素数据处理方法 - Google Patents
空间域像素数据处理方法 Download PDFInfo
- Publication number
- CN100454970C CN100454970C CNB2006100219870A CN200610021987A CN100454970C CN 100454970 C CN100454970 C CN 100454970C CN B2006100219870 A CNB2006100219870 A CN B2006100219870A CN 200610021987 A CN200610021987 A CN 200610021987A CN 100454970 C CN100454970 C CN 100454970C
- Authority
- CN
- China
- Prior art keywords
- pixel
- neighborhood
- pixel data
- processing method
- spatial domain
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及数字图像信号的处理,特别涉及像素数据的滤波降噪和还原增强的方法。本发明针对现有技术的滤波方法,针对性强,综合滤波效果差的缺点,公开了一种能够滤出多种噪声的像素数据处理方法。本发明的技术方案,综合了求均值(或加权均值)等线性滤波方法,以及求中值(或加权中值)等非线性滤波方法的优点,将二者有机结合起来,从而达到可有效滤除多种噪声,同时又能保证图像细节清晰的目的。在滤波处理之前先进行噪声判断,然后只针对噪声点进行处理,从而避免了滤波操作对有用信号带来的负面影响。本发明的有益效果是,能够同时针对多种不同类型的噪声进行滤除,运算量小,程序简单,能较好地保持图像细节。
Description
技术领域
本发明涉及数字图像信号的处理,特别涉及像素数据的滤波降噪和还原增强的方法。
背景技术
一幅数字图像由有限大小的像素(pixel)组成,像素反映了图像特定位置处的色彩和亮度信息。为了用计算机进行处理,一般采用矩阵这样的离散数据结构来表达图像。我们可以用两维矩阵来表示一幅数字图像,其中的元素就是像素,其数量为整数。像素数据对应于像素的亮度和色度范围内的量化级别。在像素矩阵中由一些彼此邻接的像素组成的重要集合,我们称之为邻域。
图像数据受图像获取和存储、处理过程中电路硬件的物理特性的影响,以及传输通道中的各种干扰信号等因素的影响而遭受污染,表现在图像上就是画面上出现了噪声。为了减少这些影响和随之导致的图像变差,或者为了恢复被破坏的图像,或者仅仅是希望增强图像以突出其中有用的特征,就需要用到数字滤波器对图像数据进行处理。
根据不同的特性,图像噪声有多种。比如加性噪声(和图像信号强度不相关,通常在传输过程中引入)、乘性噪声(和图像信号相关,往往随图像信号的变化而变化)、量化噪声(数字图像量化过程中产生)、椒盐噪声(一般由图像分割、变换域处理等过程中引入)、脉冲噪声(也叫“冲激噪声”,即在图像中叠加的一个个正脉冲或负脉冲灰度突变点)、高斯噪声(一种强度服从高斯或正态分布的随机噪声,例如摄像机的电子干扰)等。
常见的图像滤波方法,有在图像本身所处的空间域进行的,也有将图像数据经过傅立叶等变换以后转到频域中进行的。其中频域里的滤波需要涉及复杂的域转换运算,相对而言实现起来会耗费更多的资源和时间。
在空间域使用的滤波器又有线性和非线性之分。线性滤波器中常用的方法是,对所有的像素点都用以此点为中心的某个,或几个邻域的灰度平均值(或加权以后的灰度平均值),来代替该点的灰度值。非线性滤波器中常用的方法是,对所有的像素点都用以此点为中心的某个,或几个邻域的灰度中间值(或加权后的中间值)来代替该点的灰度值。此外,还有对所有像素点的数据,都取以其为中心点的某个或几个邻域的像素数据的最小均方差值为其输出值的方法,用高斯函数取加权系数的均值方法,以及平均值或中间值的多次迭代的方法,等等。
实践表明,以上方法虽然在一定程度上都有滤波降噪效果,但遗憾的是各自都有其局限性。比如线性的求加权平均值的滤波方法在细节损失上比较明显;取中间值的方法对脉冲干扰很有效,而对高斯噪声却无能为力;取均方差值的方法虽然对高斯噪声有效,但对脉冲噪声的滤除却远不如取中值的方法,且计算相对复杂。
事实上,图像中的噪声往往和信号交织在一起,如果滤波处理不当,就会使图像本身的细节如边界轮廓、线条等变得模糊不清,反而降低图像质量。此外,由于各类噪声特性不同,体现出来的对图像的影响也不一样,而这些噪声往往并非单一存在,而是几种同时并存的,所以若单纯采用一种针对某一类噪声模型比较有效的滤波器,并不能达到满意的效果。
发明内容
本发明所要解决的技术问题,就是针对现有技术的滤波方法,针对性强,综合滤波效果差的缺点,提供一种能够滤出多种噪声的像素数据处理方法。
本发明解决所述技术问题,采用的技术方案是,空间域像素数据处理方法,包括以下步骤:
(1)初始化噪声判定阈值T1、T2及滤波系数a、b;
(2)计算像素fx数据与其邻域内其他像素fi数据的差值,当差值大于T1的像素数目超过T2时,判断像素fx为噪声点;
(3)如判断像素fx为噪声点,进入以下步骤,否则输出像素fx的数据;
(4)计算像素fx邻域内的像素数据的加权平均值g1;
(5)计算像素fx邻域内的像素数据的中间值g2;
(6)以a×g1+b×g2作为像素fx的数据输出。
本发明的有益效果是,能够同时针对多种不同类型的噪声进行滤除,运算量小,程序简单,能较好地保持图像细节。
附图说明
图1是以fx为中心的3×3矩形邻域的示意图;
图2是以fx为中心的十字型邻域的示意图;
图3是以fx为中心的X形邻域的示意图;
图4是实施例的流程图。
具体实施方式
下面结合附图及实施例,详细描述本发明的技术方案。
本发明不仅充分考虑了求均值(或加权均值)等线性滤波方法对高斯加性噪声的有效性,同时也考虑到求中值(或加权中值)等非线性滤波方法对细节的良好保护以及对脉冲椒盐噪声的有效性,将二者有机结合起来,从而达到可有效滤除多种噪声,同时又能保证图像细节清晰的目的。此外,在滤波处理之前先进行噪声判断,然后只针对噪声点进行处理,从而避免了滤波操作对有用信号带来的负面影响。
本发明的技术方案是,空间域像素数据处理方法,包括以下步骤:
(1)初始化噪声判定阈值T1、T2及滤波系数a、b;
(2)计算像素fx数据与其邻域内其他像素fi数据的差值,当差值大于T1的像素数目超过T2时,判断像素fx为噪声点;
(3)如判断像素fx为噪声点,进入以下步骤,否则输出像素fx的数据;
(4)计算像素fx邻域内的像素数据的加权平均值g1;
(5)计算像素fx邻域内的像素数据的中间值g2;
(6)以a×g1+b×g2作为像素fx的数据输出;
具体的是,所述像素为静止图像或运动图像的单一图像帧的像素;
更具体的是,所述像素数据为像素的灰度值、发光值、亮度值或YUV空间的Y通道数据;
步骤(1)中,推荐的取值范围是:噪声判定阈值T1:30~60;噪声判断阈值T2:190~240;滤波系数a、b应满足:a/b:0~1,同时a+b≤1的条件。
具体的加权平均值的加权系数为1/9型、1/16型、1/25型、1/49型或高斯函数型;
进一步的是,所述邻域为以像素fx为中心的n×m的矩形邻域;其中n、m为大于等于3的奇数;
优选的邻域为:n=m的正方形邻域;
比较简单的邻域为以像素fx为中心的,对称十字形和对称X形邻域;
此时中间值g2由下式得到:
上式中,“med10”表示十字形邻域内像素数据的中间值;“medx”表示X形邻域内的中间值;“max(med10,medx)”表示取二者中的最大值;“min(med10,medx)”表示取二者中的最小值。
实施例
1、初始化噪声判定阈值T1、T2及滤波系数a、b以后,首先选取一个像素fx,其像素数据为fx。
2、然后以3×3的矩形邻域内包含的八个附近的像素点为邻域像素点,其像素数据为fi,i=1,2,...8。参见图1。
3、求出差值Δi:
Δi=fi-fx(i=1,2,…8);
4、累计Δi大于T1的fi的个数N。
5、进行噪声判断:当0<N<T2时,表示像素fx为信号点,跳转至下面第9步;否则为噪声点,继续下面的步骤。T2的取值与噪声污染程度相关。
6、计算所选像素fx邻域内像素数据的加权(此处的加权包括九分之一型、十六分之一型或高斯加权型等多种加权方式,也即可采用不同的卷积模板)平均值,该加权平均值用g1示。比如可以取3×3高斯型加权,则卷积模板和计算公式为:
g1=1/16×(f1+2×f2+f3+2×f4+4×fx+2×f5+f6+2×f7+f8);
7、计算像素fx对应的十字形邻域、X形邻域的中间值,这里用g2表示;
上式中,“med10”表示十字形邻域内像素的中间值,即图2中f2、f4、f5、f7的中间值。“medx”表示X形邻域内的中间值,即图3中f1、f3、f6、f8的中间值。“max(med10,medx)”表示取二者中的最大值;“min(med10,medx)”表示取二者中的最小值。
8、按照下式计算出滤波的最后输出值,即像素fx的像素数据:
fx=a×g1+b×g2;
a和b分别是针对不同噪声类型选择的线性和非线性滤波系数,其取值与N的大小相关。
9、重复第一到第八步,直到扫描处理完空间域像素矩阵中的所有像素数据。
本发明优选的参数取值范围是:
噪声判定阈值T1:30~60;T2:190~240;
滤波系数a、b满足a/b:0~1,同时a+b≤1的条件。
上述实施例像素数据的计算,是以3×3的矩形邻域为例进行的,随着矩形邻域的扩大,计算量将会迅速增加。对于5×5的矩形邻域,邻域中的像素为25个,几乎是3×3的矩形邻域像素的3倍。但其对应的十字型和X形邻域的像素却只增加了1倍,所以十字型邻域和X形邻域是一种最简单的邻域。
本例的程序流程参见图4。以上的步骤可以迭代进行,直到滤波效果满意为止。每一次采用的像素数据都是前一次滤波以后的数据。
本发明分像素数据可以是图像的灰度值、发光值、亮度值或YUV空间的Y通道数据等,其中像素可以是构成静止图像的像素,也可以是运动图像单一帧图像的像素。
Claims (9)
1.空间域像素数据处理方法,包括以下步骤:
(1)初始化噪声判定阈值T1、T2及滤波系数a、b;
(2)计算像素fx数据与其邻域内其他像素fi数据的差值,当差值大于T1的像素数目超过T2时,判断像素fx为噪声点;
(3)如判断像素fx为噪声点,进入以下步骤,否则输出像素fx的数据;
(4)计算像素fx邻域内的像素数据的加权平均值g1;
(5)计算像素fx邻域内的像素数据的中间值g2;
(6)以a×g1+b×g2作为像素fx的数据输出。
2.根据权利要求1所述的空间域像素数据处理方法,其特征在于,所述像素为静止图像或运动图像的单一图像帧的像素。
3.根据权利要求1所述的空间域像素数据处理方法,其特征在于,所述像素数据为像素的灰度值、发光值、亮度值或YUV空间的Y通道数据。
4.根据权利要求1所述的空间域像素数据处理方法,其特征在于,步骤(1)中,所述噪声判定阈值T1、T2的取值范围是:T1:30~60;T2:190~240;滤波系数a、b应满足:a/b:0~1,同时a+b≤1的条件。
5.根据权利要求1所述的空间域像素数据处理方法,其特征在于,步骤(4)中,所述加权平均值的加权系数为1/9型、1/16型、1/25型、1/49型或高斯函数型。
6.根据权利要求1-5任意一项权利要求所述的空间域像素数据处理方法,其特征在于,所述邻域为以像素fx为中心的n×m的矩形邻域;所述n、m为大于等于3的奇数。
7.根据权利要求6所述的空间域像素数据处理方法,其特征在于,所述n=m。
8.根据权利要求1-5任意一项权利要求所述的空间域像素数据处理方法,其特征在于,所述邻域为以像素fx为中心的,对称十字形和对称X形邻域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2006100219870A CN100454970C (zh) | 2006-09-30 | 2006-09-30 | 空间域像素数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2006100219870A CN100454970C (zh) | 2006-09-30 | 2006-09-30 | 空间域像素数据处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1929552A CN1929552A (zh) | 2007-03-14 |
CN100454970C true CN100454970C (zh) | 2009-01-21 |
Family
ID=37859322
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2006100219870A Expired - Fee Related CN100454970C (zh) | 2006-09-30 | 2006-09-30 | 空间域像素数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100454970C (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101472058B (zh) * | 2007-12-29 | 2011-04-20 | 比亚迪股份有限公司 | 图像噪声去除装置和方法 |
CN102447817B (zh) * | 2010-09-30 | 2014-11-26 | 瑞昱半导体股份有限公司 | 图像处理装置与空间图像噪声消除方法 |
CN103714522A (zh) * | 2014-01-06 | 2014-04-09 | 海信集团有限公司 | 图像降噪方法和图像降噪系统 |
CN104994397B (zh) * | 2015-07-08 | 2018-11-09 | 北京大学深圳研究生院 | 基于时域信息的自适应视频预处理方法 |
CN105915763A (zh) * | 2015-11-24 | 2016-08-31 | 乐视云计算有限公司 | 视频去噪与细节增强方法及装置 |
CN106022277B (zh) * | 2016-05-26 | 2019-08-27 | 湖南明康中锦医疗科技发展有限公司 | 一种用于呼吸机的滤波方法及装置 |
CN110544261B (zh) * | 2019-09-04 | 2023-08-29 | 东北大学 | 一种基于图像处理的高炉风口喷煤状态检测方法 |
CN110738621B (zh) * | 2019-10-17 | 2022-05-17 | 内蒙古工业大学 | 线性结构滤波方法、装置、设备和存储介质 |
CN113570507B (zh) * | 2020-04-29 | 2024-03-26 | 浙江宇视科技有限公司 | 一种图像降噪方法、装置、设备及存储介质 |
CN116977228B (zh) * | 2023-09-25 | 2024-02-09 | 广东匠芯创科技有限公司 | 图像降噪方法、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5490094A (en) * | 1992-09-14 | 1996-02-06 | Thomson Consumer Electronics, S.A. | Method and apparatus for noise reduction |
CN1622637A (zh) * | 2004-12-27 | 2005-06-01 | 北京中星微电子有限公司 | 图像死点和噪声的消除方法 |
CN1633159A (zh) * | 2005-01-26 | 2005-06-29 | 北京中星微电子有限公司 | 一种去除图像噪声的方法 |
-
2006
- 2006-09-30 CN CNB2006100219870A patent/CN100454970C/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5490094A (en) * | 1992-09-14 | 1996-02-06 | Thomson Consumer Electronics, S.A. | Method and apparatus for noise reduction |
CN1622637A (zh) * | 2004-12-27 | 2005-06-01 | 北京中星微电子有限公司 | 图像死点和噪声的消除方法 |
CN1633159A (zh) * | 2005-01-26 | 2005-06-29 | 北京中星微电子有限公司 | 一种去除图像噪声的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN1929552A (zh) | 2007-03-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100454970C (zh) | 空间域像素数据处理方法 | |
CN105046677B (zh) | 一种用于交通视频图像的增强处理方法和装置 | |
US20190294931A1 (en) | Systems and Methods for Generative Ensemble Networks | |
CN100379259C (zh) | 使用模式自适应滤波来使视频信号平滑的设备和方法 | |
KR101341099B1 (ko) | 노이즈 저감 방법 및 장치 | |
CN103985097B (zh) | 一种非均匀照度的图像增强方法 | |
KR20210125425A (ko) | 미지의 저하가 발생한 실제 초 고해상도의 신경망을 학습시키는 시스템 및 방법 | |
CN107492077B (zh) | 基于自适应多方向总变分的图像去模糊方法 | |
CN112862753B (zh) | 噪声强度估计方法、装置及电子设备 | |
Woo et al. | Image interpolation based on inter-scale dependency in wavelet domain | |
CN111210395A (zh) | 基于灰度值映射的Retinex水下图像增强方法 | |
US20100225789A1 (en) | Image noise filter and method | |
CN104318529A (zh) | 处理在恶劣环境中所拍摄低照度图像的方法 | |
CN104657951A (zh) | 图像乘性噪声移除方法 | |
CN106981052B (zh) | 基于变分框架的自适应亮度不均变分校正方法 | |
CN110830043B (zh) | 一种基于混合加权全变分和非局部低秩的图像压缩感知重构方法 | |
CN104616259A (zh) | 一种噪声强度自适应的非局部均值图像去噪方法 | |
CN107025641A (zh) | 基于对比度分析的图像融合方法 | |
CN105469358A (zh) | 一种图像处理方法 | |
CN113129300A (zh) | 一种降低误检率的排水管道缺陷检测方法、装置、设备及介质 | |
CN101478690B (zh) | 一种基于色域映射的图像光照校正方法 | |
CN116883259A (zh) | 一种基于去噪扩散概率模型的水下图像增强方法 | |
Sadaka et al. | Efficient super-resolution driven by saliency selectivity | |
CN104767909A (zh) | 图像传感器的直方图均衡化模数转换电路及方法 | |
CN113066023B (zh) | 一种基于自校准卷积神经网络的sar图像去斑方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20090121 Termination date: 20170930 |
|
CF01 | Termination of patent right due to non-payment of annual fee |