CN101344963A - 计算机图像处理的平滑滤波方法 - Google Patents
计算机图像处理的平滑滤波方法 Download PDFInfo
- Publication number
- CN101344963A CN101344963A CNA2008100128847A CN200810012884A CN101344963A CN 101344963 A CN101344963 A CN 101344963A CN A2008100128847 A CNA2008100128847 A CN A2008100128847A CN 200810012884 A CN200810012884 A CN 200810012884A CN 101344963 A CN101344963 A CN 101344963A
- Authority
- CN
- China
- Prior art keywords
- image
- gray
- image processing
- filtering method
- smooth filtering
- 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.)
- Pending
Links
Abstract
本发明涉及图像处理方法。计算机图像处理的平滑滤波方法，通过先计算灰度级图像进行平滑处理前后的灰度值，然后将二者的绝对值差与选定的阈值相比较的方法决定平滑后图像的灰度值。本发明克服了原有图像处理方法需要已知图像噪声的统计信息和处理后易产生模糊现象的缺点，对抑制噪声，保护微小灰度差的图像细节有较好的保护效果。
Description
一、技术领域：
本发明涉及图像处理方法，特别是计算机图像处理的平滑滤波方法。
二、背景技术：
在图像的生成和传输过程中常会受到诸如电传感器噪声、相片颗粒噪声等噪声源的影响，影响图像的质量，因此，必须要对图像进行平滑处理来消除噪声的影响。目前，通常使用的消除噪声的方法主要有两类：一类是对图像进行全局处理，即在变换域中使用的Wiener滤波、最小二乘滤波和应用一维或二维Kalman滤波等技术；另一类是对噪声图像使用局部算子，常用的是非加权邻域平均法。前者所述的方法在使用时需要知道信号和噪声的统计模型，而这在实际情况中很难准确地获得，而且使用上述技术所用的时间很长。后者虽然计算方法简单，计算速度快，但是在降低噪声的同时使图像产生模糊。
三、发明内容：
本发明的目的是克服上述不足问题，提供一种用于计算机图像处理的平滑滤波方法，通过事先设定的阈值决定处理后图像的灰度值。对抑制噪声，保护微小灰度差的图像细节有较好的保护效果。
本发明为实现上述目的所采用的技术方案是：计算机图像处理的平滑滤波方法，先将真彩色图像转化为灰度级图像，计算所得到的灰度级图像进行平滑处理前后的灰度值，然后将二者的绝对值差与选定的阈值相比较，决定平滑后图像的灰度值。
所述的计算机图像处理的平滑滤波方法，在将真彩色图像转化为灰度级图像时，应用C语言软件中的grayvalue命令实现。
所述计算平滑处理后的灰度级图像的灰度值时采用以下公式
f*(x，y)＝∑(μ，v)∈S f(μ，v)/M
其中图像中某像素的灰度值为f(x，y)，它的邻域为N×N的矩阵窗口，点集的总数为M。
所述根据选定的阈值T，判断平滑处理前后的图像灰度值的绝对差值与T的近似程度，应用以下方法实现：
若|f*(x，y)-f(x，y)|＞T，则g(x，y)＝f*(x，y)；
否则，g(x，y)＝f(x，y)。
本发明的特点：采用比较局部像素点在特定阈值下的近似程度的方法处理图像，在有效降低噪声的同时，保证了图像的清晰性，并且不需要获得信号和噪声的统计模型。对于保护微小灰度差的图像细节有很好的效果。
四、具体实施方式：
下面结合具体实施方式对本发明作进一步详细说明，但不限于具体实施例。
按照下面步骤对图像进行平滑滤波处理：先将真彩色图像转化为灰度级图像，具体做法是将真彩色图像保存为固定文件picture.bmp，调用C语言中的grayvalue(picture)命令，对真彩色图像进行转换，并将得到的灰度级图像保存为picturel.gif。
对灰度级图像picturel.gif，按照下列公式计算平滑处理后的图像在各个点的灰度值。
f*(x，y)＝∑(μ，v)∈S f(μ，v)/M
其中图像中某像素的灰度值为f(x，y)，它的邻域为N×N的矩阵窗口，点集的总数为M。
选定阈值T为0.5，根据选定的阈值T，判断平滑处理前后的图像灰度值的绝对差值与T的近似程度，决定最终平滑后的图像的灰度值g(x，y)，具体方法如下：
若|f*(x，y)-f(x，y)|＞T，则g(x，y)＝f*(x，y)；
否则，g(x，y)＝f(x，y)
g(x，y)就是处理后的图像灰度值。
按照上述步骤，该方法应用于著名的真彩色Lina图像，处理后的图像比其他图像在边界上更加清晰。边界的轮廓更加明显。
Claims (4)
1、计算机图像处理的平滑滤波方法，其特征是：先将真彩色图像转化为灰度级图像，计算所得到的灰度级图像进行平滑处理前后的灰度值，然后将二者的绝对值差与选定的阈值相比较，决定平滑后图像的灰度值。
2、根据权利要求1所述的计算机图像处理的平滑滤波方法，其特征是：在将真彩色图像转化为灰度级图像时，应用C语言软件中的grayvalue实现。
3、根据权利要求1所述的计算机图像处理的平滑滤波方法，其特征是：计算平滑处理后的灰度级图像的灰度值时采用以下公式
f*(x，y)＝∑(μ，v)∈sf(μ，v)/M
其中图像中某像素的灰度值为f(x，y)，它的邻域为N×N的矩阵窗口，点集的总数为M。
4、根据权利要求1所述的计算机图像处理的平滑滤波方法，其特征是：根据选定的阈值T，判断平滑处理前后的图像灰度值的绝对差值与T的近似程度，应用以下方法实现：
若|f*(x，y)-f(x，y)|＞T，则g(x，y)＝f*(x，y)；
否则，g(x，y)＝f(x，y)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNA2008100128847A CN101344963A (zh) | 2008-08-20 | 2008-08-20 | 计算机图像处理的平滑滤波方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNA2008100128847A CN101344963A (zh) | 2008-08-20 | 2008-08-20 | 计算机图像处理的平滑滤波方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN101344963A true CN101344963A (zh) | 2009-01-14 |
Family
ID=40246962
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CNA2008100128847A Pending CN101344963A (zh) | 2008-08-20 | 2008-08-20 | 计算机图像处理的平滑滤波方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101344963A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102509265A (zh) * | 2011-11-02 | 2012-06-20 | 天津理工大学 | 基于灰度值差和局部能量的数字图像去噪方法 |
| CN103824258A (zh) * | 2012-11-19 | 2014-05-28 | 株式会社Pfu | 图像处理装置以及图像处理方法 |
| CN106056547A (zh) * | 2016-05-20 | 2016-10-26 | 安徽工业大学 | 一种基于非因果分数阶次积分滤波的图像平滑方法 |
-
2008
- 2008-08-20 CN CNA2008100128847A patent/CN101344963A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102509265A (zh) * | 2011-11-02 | 2012-06-20 | 天津理工大学 | 基于灰度值差和局部能量的数字图像去噪方法 |
| CN103824258A (zh) * | 2012-11-19 | 2014-05-28 | 株式会社Pfu | 图像处理装置以及图像处理方法 |
| CN103824258B (zh) * | 2012-11-19 | 2017-07-28 | 株式会社Pfu | 图像处理装置以及图像处理方法 |
| CN106056547A (zh) * | 2016-05-20 | 2016-10-26 | 安徽工业大学 | 一种基于非因果分数阶次积分滤波的图像平滑方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107403422B (zh) | 用以增强图像对比度的方法及其系统 | |
| US11127122B2 (en) | Image enhancement method and system | |
| KR102104403B1 (ko) | 단일영상 내의 안개 제거 방법 및 장치 | |
| Singh et al. | A novel dehazing model for remote sensing images | |
| CN109377450B (zh) | 一种边缘保护的去噪方法 | |
| CN111105371A (zh) | 一种低对比度红外图像的增强方法 | |
| CN108182671B (zh) | 一种基于天空区域识别的单幅图像去雾方法 | |
| EP1755082A3 (en) | Image processing apparatus for reducing noise from image | |
| CN108133463B (zh) | 一种直方图均衡化图像的降噪方法及系统 | |
| WO2020124873A1 (zh) | 图像处理方法 | |
| Pei et al. | Effective image haze removal using dark channel prior and post-processing | |
| CN114022383A (zh) | 一种文字图像的摩尔纹祛除方法、装置及电子设备 | |
| CN107292834B (zh) | 红外图像细节增强方法 | |
| CN101344963A (zh) | 计算机图像处理的平滑滤波方法 | |
| CN105023246B (zh) | 一种基于对比度和结构相似度的图像增强方法 | |
| CN113344801A (zh) | 一种应用于燃气计量设施环境下的图像增强方法、系统、终端及存储介质 | |
| CN110298796B (zh) | 基于改进Retinex与对数图像处理的低照度图像增强方法 | |
| CN110992287B (zh) | 一种非均匀光照视频的清晰化方法 | |
| KR101881883B1 (ko) | 휘도-색차신호 색좌표계에서 안개/야간 영상의 가시성 향상을 위한 영상 시스템 | |
| WO2006131866A3 (en) | Method and system for image processing | |
| JP5624859B2 (ja) | 画像中の空間的に局在する現象のコントラストを強調する方法 | |
| CN111754413A (zh) | 图像处理方法、装置、设备及存储介质 | |
| CN113393394B (zh) | 基于伽马变换的低照度灰度图像增强方法、装置及存储介质 | |
| CN105303529A (zh) | 一种基于直方图均衡化的数字图像去雾方法 | |
| Zhang et al. | Entropy-based local histogram equalization for medical ultrasound image enhancement |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20090114 |