CN103065277A - 数字图像信息处理方法及装置 - Google Patents

Abstract

本发明公开一种数字图像信息处理方法及装置，其方法包括：将原始图像的像素作为目标像素，以所述目标像素为中心，采用预置的图像矩阵对原始图像进行横向处理和纵向处理，得到处理后的图像矩阵；用所述处理后的图像矩阵内的全体像素的平均值来代替所述目标像素的原来的值，得到降噪后的图像。本发明提出的一种数字图像信息处理方法及装置，将传统的矩阵式均值滤波处理过程分解为横向处理和纵向处理两个步骤，辅以减少相邻矩阵的冗余加运算的方法，不仅能极大的提高均值滤波的执行效率，更使得均值滤波的执行效率不受矩阵大小的影响，在实际应用中能够很好的满足需要。

Description

数字图像信息处理方法及装置

技术领域

本发明涉及数字图像处理领域，尤其涉及一种数字图像信息处理方法及装置。

背景技术

图像在采集、获取、编码和传输等过程中，经常会被外界各种噪声干扰，使得数字图像点的灰度值不能真实反映物体，即产生所谓的噪声。均值滤波作为一种降噪算法，在数字图像信息处理中被广泛的应用。

传统的矩阵式均值滤波是以目标像素为中心，采用一定大小的矩阵，用矩阵内的全体像素的平均值来代替目标像素的原来的值。假设对一张分辨率为h*v（h表水平分辨率，v表示垂直分辨率）的图像采用m*n（m表示行数，n表示列数）的矩阵，那么进行一次矩阵式均值滤波需要进行m*n*h*v次加运算和h*v次除运算。

当采用的矩阵较小时，矩阵式均值滤波的执行效率在实际应用中差强人意；但是当采用较大的矩阵进行处理的时候，一次均值滤波的执行时间甚至长达数小时，这样的执行效率十分低下，无法满足实际需要，在降噪处理过程中没有实际应用价值。

目前主流的快速均值滤波算法基本都是通过减少相邻区域的冗余运算来提升效率，虽然快速均值滤波算法（矩阵式）能够很好的提升均值滤波的执行效率，但是其执行效率会受到矩阵大小的影响，当矩阵比较大的时候其执行效率会相应的降低，在实际应用中有局限性。目前正处于高清时代，视频的分辨率越来越高，在对视频的每帧图像进行处理的时候必然要求算法的高执行效率，而较低的执行效率无法满足需要。

发明内容

本发明的主要目的在于提供一种数字图像信息处理方法及装置，旨在提高数字图像信息处理的执行效率且该执行效率不受矩阵大小的影响。

为了达到上述目的，本发明提出一种数字图像信息处理方法，包括：

将原始图像的像素作为目标像素，以所述目标像素为中心，采用预置的图像矩阵对原始图像进行横向处理和纵向处理，得到处理后的图像矩阵；

用所述处理后的图像矩阵内的全体像素的平均值来代替所述目标像素的原来的值，得到降噪后的图像。

优选地，所述对原始图像进行横向处理和纵向处理的步骤包括：

对原始图像进行横向处理；对所述横向处理后的图像进行纵向处理；或者

对原始图像进行纵向处理；对所述纵向处理后的图像进行横向处理。

优选地，所述对原始图像进行横向处理的步骤包括；用横向的条带矩阵对所述原始图像进行求和处理。

优选地，对所述横向处理后的图像进行纵向处理的步骤包括；用纵向的条带矩阵对所述横向处理后的图像进行求和处理。

优选地，还包括：采用减少相邻矩阵的冗余加运算方式对原始图像进行横向处理和纵向处理。

本发明还提出一种数字图像信息处理装置，包括：

处理模块，用于将原始图像的像素作为目标像素，以所述目标像素为中心，采用预置的图像矩阵对原始图像进行横向处理和纵向处理，得到处理后的图像矩阵；

计算获取模块，用于将所述处理后的图像矩阵内的全体像素的平均值来代替所述目标像素的原来的值，得到降噪后的图像。

优选地，所述处理模块包括：

横向处理单元，用于对原始图像进行横向处理；纵向处理单元，用于对所述横向处理后的图像进行纵向处理；或者

所述纵向处理单元，还用于对原始图像进行纵向处理；所述横向处理单元，还用于对所述纵向处理后的图像进行横向处理。

优选地，所述横向处理单元还用于：用横向的条带矩阵对所述原始图像进行求和处理。

优选地，所述纵向处理单元还用于：用纵向的条带矩阵对所述横向处理后的图像进行求和处理。

优选地，所述处理模块还用于采用减少相邻矩阵的冗余加运算方式对原始图像进行横向处理和纵向处理。

本发明提出的一种数字图像信息处理方法及装置，将传统的矩阵式均值滤波处理过程分解为横向处理和纵向处理两个步骤，辅以减少相邻矩阵的冗余加运算的方法，不仅能极大的提高均值滤波的执行效率，更使得均值滤波的执行效率不受矩阵大小的影响，在实际应用中能够很好的满足需要。

附图说明

图1是本发明数字图像信息处理方法较佳实施例的流程示意图；

图2是本发明数字图像信息处理方法较佳实施例中对原始图像进行横向处理和纵向处理的一种流程示意图；

图3是本发明数字图像信息处理方法较佳实施例中对原始图像进行横向处理和纵向处理的另一种流程示意图；

图4是本发明数字图像信息处理装置较佳实施例的结构示意图；

图5是本发明数字图像信息处理装置较佳实施例中处理模块的结构示意图。

为了使本发明的技术方案更加清楚、明了，下面将结合附图作进一步详述。

具体实施方式

本发明较佳实施例的解决方案主要是：将传统的矩阵式均值滤波处理过程分解为横向处理和纵向处理两个步骤，辅以减少相邻矩阵的冗余加运算的方法，不仅能极大的提高均值滤波的执行效率，更使得均值滤波的执行效率不受矩阵大小的影响，在实际应用中能够很好的满足需要。

如图1所示，本发明较佳实施例提出一种数字图像信息处理方法，包括：

步骤S101，将原始图像的像素作为目标像素，以所述目标像素为中心，采用预置的图像矩阵对原始图像进行横向处理和纵向处理，得到处理后的图像矩阵；

其中，对原始图像进行横向处理和纵向处理可以采用以下方式：

首先对原始图像进行横向处理，然后对所述横向处理后的图像进行纵向处理；或者首先对原始图像进行纵向处理，然后对所述纵向处理后的图像进行横向处理。

步骤S102，用所述处理后的图像矩阵内的全体像素的平均值来代替所述目标像素的原来的值，得到降噪后的图像。

具体地，如图2所示，作为一种实施方式，上述步骤S101中对原始图像进行横向处理和纵向处理的步骤可以包括：

步骤S1011，对原始图像进行横向处理；用横向的条带矩阵对所述原始图像进行求和处理。

步骤S1012，对所述横向处理后的图像进行纵向处理；用纵向的条带矩阵对所述横向处理后的图像进行求和处理。

在具体实施过程的例子中，假设对一张原始图像I₁采用3*3的矩阵进行均值滤波，P_i,j为该图像i行j列的像素点，S_i,j为3*3矩阵内所有像素的和，则：

$\begin{array}{c}{S}_{i,j}=P_{i-1,j-1}+P_{i-1,j}+P_{i-1,j+1}+\\ P_{i,j-1}+P_{i,j}+P_{i,j+1}+\\ P_{i+1,j-1}+P_{i+1,j}+P_{i+1,j+1}\end{array}---\left(1\right)$

根据本实施例提出的数字图像信息处理方法，首先通过步骤S101，将原始图像I₁的像素作为目标像素，以所述目标像素为中心，采用预置的图像矩阵对原始图像进行横向处理和纵向处理，得到处理后的图像矩阵。

具体地，对原始图像进行横向处理，用1*3的横向的条带矩阵对所述原始图像I₁进行求和处理，图像I₂为处理后得到的图像，A_i,j为该图像i行j列的像素点，则：

A_i,j=P_i,j-1+P_i,j+P_i,j+1               （2）

然后，对所述横向处理后的图像I₂进行纵向处理，对图像I₂的每个像素点用3*1的纵向的条带矩阵进行求和处理。得到图像I₃，设图像I₃i行j列的像素点为B_i,j，则：

B_i,j=A_i-1,j+A_i,j+A_i+1,j        （3）

由上述公式（2）、（3）可得：

$\begin{array}{c}{B}_{i,j}=P_{i-1,j-1}+P_{i-1,j}+P_{i-1,j+1}+\\ P_{i,j-1}+P_{i,j}+P_{i,j+1}+\\ P_{i+1,j-1}+P_{i+1,j}+P_{i+1,j+1}\end{array}---\left(4\right)$

由上述公式（1）、（4）可知：S_i,j=B_i,j，将3*3矩阵推广到m*n矩阵，可以得到同样的结果，传统的矩阵式均值滤波是指以目标像素为中心，采用一定大小的矩阵，用矩阵内的全体像素的平均值来代替目标像素的原来的值。在上述例子中，传统的矩阵式均值滤波即用S_i,j的平均值来代替目标像素的原来的值，而由上述例子可知，由于S_i,j=B_i,j，所以对原始图像进行本实施例提出的数字图像信息处理方法的处理和矩阵式均值滤波处理的结果是一样的，假设对一张分辨率为h*v（h表水平分辨率，v表示垂直分辨率）的图像采用m*n（m表示行数，n表示列数）的矩阵进行处理，那么进行一次传统的矩阵式均值滤波需要进行m*n*h*v加运算和h*v次除运算。而在本实施例提出的数字图像信息处理方法的处理过程中， 对原始图像进行横向处理过程中需要进行n*h*v次加运算，对所述横向处理后的图像进行纵向处理过程中需要进行m*h*v次加运算，整个处理过程则需要进行（m+n）*h*v次加运算和h*v次除运算。由此可以看出。本实施例提出的数字图像信息处理方法加运算上比矩阵式均值滤波有明显的优势，执行效率也更高。

进一步的，考虑到目前比较传统的快速均值滤波算法主要通过减少相邻矩阵的冗余加运算来实现，所述减少相邻矩阵的冗余加运算的原理是：均值滤波算法首先要采用一定大小的以目标像素为中心的矩阵，然后对原始图像中若干以目标像素为中心的矩阵进行求和计算，相邻矩阵间会出现重合的部分，在求和过程中，当一矩阵完成其所有元素求和计算后，对其相邻矩阵进行求和时，只用计算该相邻矩阵除去与之前矩阵重合的部分的元素和，再加上之前矩阵已经计算的重合部分的元素和即可，这样减少了相邻矩阵重合部分元素的重复加法计算，从而提高算法效率。

这些算法都是针对于传统的的矩阵式均值滤波进行加速的，使矩阵式均值滤波的加运算由m*n*h*v次减少为m*n*v+2*m*h*v次，很好的提高了算法的执行效率，但是其执行效率会受到矩阵大小的影响，当矩阵比较大的时候其执行效率会相应的降低，在实际应用中有局限性。而本实施例中还是可以采用减少相邻矩阵的冗余加运算方式对原始图像进行横向处理和纵向处理，在对原始图像进行横向处理和对所述横向处理后的图像进行纵向处理过程中辅以减少相邻矩阵的冗余加运算方法，在求和过程中通过减少相邻矩阵的冗余加运算方法减少重复部分的加法计算，能使加运算由（m+n）*h*v次减少为4*h*v+m*h+n*v次，相比现有技术，不仅具有更高效的执行效率，而且基本排除了矩阵大小对执行效率的影响，应用性更广泛。

本实施例提出的数字图像信息处理方法可以应用于图像处理领域。由于图像在采集、获取、编码和传输等过程中，经常会被外界各种噪声干扰，为了显示终端呈现较好的显示效果，使影像看起来平滑，就可以采用本实施例提出的数字图像信息处理方法来完成降噪功能。

而且，目前正处于高清时代，视频的分辨率越来越高，在对视频的每帧图像进行处理的时候必然要求算法的高执行效率。比如，在安防监控领域，为了使网络摄像机采集的图像在监视器终端能够得到较好的显示效果，有时候会采用均值滤波进行降噪处理。低效率的图像处理会降低显示终端的显示帧率，使视频看起来不连贯。应用本算法可以高效的对视频进行降噪处理，使视频看起来平滑并且对帧率的影响很小。

另外，在批量生产摄像头或者网络摄像机的时候，经常会对产品的成像效果进行检测，检测算法通常会用到均值滤波，高效的均值滤波处理，可以提高检测速度，降低企业的成本。

如图3所示，作为另一种实施方式，上述步骤S101中对原始图像进行横向处理和纵向处理的步骤可以包括：

步骤S1013，对原始图像进行纵向处理；用纵向的条带矩阵对所述原始图像进行求和处理。

步骤S1014，对所述纵向处理后的图像进行横向处理；用横向的条带矩阵对所述纵向处理后的图像进行求和处理。

此种实施方式与上述实施方式的区别在于：在对原始图像进行横向处理和纵向处理过程中，先对原始图像进行纵向处理；再对所述纵向处理后的图像进行横向处理。效果及其他步骤均一致，具体参照上述实施方式，在此不再赘述。

如图4所示，本发明较佳实施例提出一种数字图像信息处理装置，包括：

处理模块401，用于将原始图像的像素作为目标像素，以所述目标像素为中心，采用预置的图像矩阵对原始图像进行横向处理和纵向处理，得到处理后的图像矩阵；

其中，对原始图像进行横向处理和纵向处理可以采用以下方式：

首先对原始图像进行横向处理，然后对所述横向处理后的图像进行纵向处理；或者首先对原始图像进行纵向处理，然后对所述纵向处理后的图像进行横向处理。计算获取模块402，用于将所述处理后的图像矩阵内的全体像素的平均值来代替所述目标像素的原来的值，得到降噪后的图像。

具体地，如图5所示，上述处理模块401可以包括：

横向处理单元4011，用于对原始图像进行横向处理；

纵向处理单元4012，用于对所述横向处理后的图像进行纵向处理。

具体的例子中，假设对一张原始图像I₁采用3*3的矩阵进行均值滤波，P_i,j为该图像i行j列的像素点，S_i,j为3*3矩阵内所有像素的和，则：

$\begin{array}{c}{S}_{i,j}=P_{i-1,j-1}+P_{i-1,j}+P_{i-1,j+1}+\\ P_{i,j-1}+P_{i,j}+P_{i,j+1}+\\ P_{i+1,j-1}+P_{i+1,j}+P_{i+1,j+1}\end{array}---\left(1\right)$

根据本实施例提出的数字图像信息处理装置，首先通过处理模块401，将原始图像I₁的像素作为目标像素，以所述目标像素为中心，采用预置的图像矩阵对原始图像进行横向处理和纵向处理，得到处理后的图像矩阵；具体地，通过横向处理单元4011对原始图像进行横向处理，用1*3的横向的条带矩阵对所述原始图像I₁进行求和处理，图像I₂为处理后得到的图像，A_i,j为该图像i行j列的像素点，则：

A_i,j=P_i,j-1+P_i,j+P_i,j+1               （2）

然后，通过纵向处理单元4012对所述横向处理后的图像I₂进行纵向处理，对图像I₁的每个像素点用3*1的纵向的条带矩阵进行求和处理。得到图像I₃，设图像I₃ i行j列的像素点为B_i,j，则：

B_i,j=A_i-1,j+A_i,j+A_i+1,j        （3）

由上述公式（2）、（3）可得：

$\begin{array}{c}{B}_{i,j}=P_{i-1,j-1}+P_{i-1,j}+P_{i-1,j+1}+\\ P_{i,j-1}+P_{i,j}+P_{i,j+1}+\\ P_{i+1,j-1}+P_{i+1,j}+P_{i+1,j+1}\end{array}---\left(4\right)$

由上述公式（1）、（4）可知：S_i,j=B_i,j，将3*3矩阵推广到m*n矩阵,可以得到同样的结果，传统的矩阵式均值滤波是指以目标像素为中心，采用一定大小的矩阵，用矩阵内的全体像素的平均值来代替目标像素的原来的值。在上述例子中，传统的矩阵式均值滤波即用S_i,j的平均值来代替目标像素的原来的值，而由上述例子可知，由于S_i,j=B_i,j，所以对原始图像进行本发明第一实施例提出的数字图像信息处理方法的处理和矩阵式均值滤波处理的结果是一样的，假设对一张分辨率为h*v（h表水平分辨率，v表示垂直分辨率）的图像采用m*n（m表示行数，n表示列数）的矩阵进行处理，那么进行一次传统的矩阵式均值滤波需要进行m*n*h*v加运算和h*v次除运算。而在本实施例提出的数字图像信息处理方法的处理过程中，横向处理单元4011对原始图像进行横向处理过程中需要进行n*h*v次加运算，纵向处理单元4012对所述横向处理后的图像进行纵向处理过程中需要进行m*h*v次加运算，整个处理过程则需要进行（m+n）*h*v次加运算和h*v次除运算。由此可以看出。本实施例加运算上比矩阵式均值滤波有明显的优势，执行效率也更高。

进一步的，考虑到目前比较传统的快速均值滤波算法主要通过减少相邻矩阵的冗余加运算来实现，所述减少相邻矩阵的冗余加运算的原理是：均值滤波算法首先要采用一定大小的以目标像素为中心的矩阵，然后对原始图像中若干以目标像素为中心的矩阵进行求和计算，相邻矩阵间会出现重合的部分，在求和过程中，当一矩阵完成其所有元素求和计算后，对其相邻矩阵进行求和时，只用计算该相邻矩阵除去与之前矩阵重合的部分的元素和，再加上之前矩阵已经计算的重合部分的元素和即可，这样减少了相邻矩阵重合部分元素的重复加法计算，从而提高算法效率。

这些算法都是针对于传统的的矩阵式均值滤波进行加速的，使矩阵式均值滤波的加运算由m*n*h*v次减少为m*n*v+2*m*h*v次，很好的提高了算法的执行效率，但是其执行效率会受到矩阵大小的影响，当矩阵比较大的时候其执行效率会相应的降低，在实际应用中有局限性。而本实施例中还是可以采用减少相邻矩阵的冗余加运算方式对原始图像进行横向处理和纵向处理，在横向处理单元4011对原始图像进行横向处理和纵向处理单元4012对所述横向处理后的图像进行纵向处理过程中辅以减少相邻矩阵的冗余加运算方法，在求和过程中通过减少相邻矩阵的冗余加运算方法减少重复部分的加法计算，能使加运算由（m+n）*h*v次减少为4*h*v+m*h+n*v次，相比现有技术，不仅具有更高效的执行效率，而且基本排除了矩阵大小对执行效率的影响，应用性更广泛。

本实施例提出的数字图像信息处理装置可以应用于图像处理领域。由于图像在采集、获取、编码和传输等过程中，经常会被外界各种噪声干扰，为了显示终端呈现较好的显示效果，使影像看起来平滑，就可以采用本实施例提出的数字图像信息处理装置来完成降噪功能。

而且，目前正处于高清时代，视频的分辨率越来越高，在对视频的每帧图像进行处理的时候必然要求算法的高执行效率。比如，在安防监控领域，为了使网络摄像机采集的图像在监视器终端能够得到较好的显示效果，有时候会采用均值滤波进行降噪处理。低效率的图像处理会降低显示终端的显示帧率，使视频看起来不连贯。应用本算法可以高效的对视频进行降噪处理，使视频看起来平滑并且对帧率的影响很小。另外，在批量生产摄像头或者网络摄像机的时候，经常会对产品的成像效果进行检测，检测算法通常会用到均值滤波，高效的均值滤波处理，可以提高检测速度，降低企业的成本。

此外，作为另一种实施方式，处理模块401对原始图像进行横向处理和纵向处理还可以采用以下方式的：在对原始图像进行横向处理和纵向处理过程中，先进通过纵向处理单元4012对原始图像进行纵向处理；再通过横向处理单元4011对所述纵向处理后的图像进行横向处理，同样可以实现对原始图像进行横向处理和纵向处理，并达到同样的效果。

本发明实施例数字图像信息处理方法及装置，将传统的矩阵式均值滤波处理过程分解为横向处理和纵向处理两个步骤，辅以减少相邻矩阵的冗余加运算的方法，不仅能极大的提高均值滤波的执行效率，更使得均值滤波的执行效率不受矩阵大小的影响，在实际应用中能够很好的满足需要。

以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种数字图像信息处理方法，其特征在于，包括：

将原始图像的像素作为目标像素，以所述目标像素为中心，采用预置的图像矩阵对原始图像进行横向处理和纵向处理，得到处理后的图像矩阵；

用所述处理后的图像矩阵内的全体像素的平均值来代替所述目标像素的原来的值，得到降噪后的图像。

2.根据权利要求1所述的方法，其特征在于，所述对原始图像进行横向处理和纵向处理的步骤包括：

对原始图像进行横向处理；对所述横向处理后的图像进行纵向处理；或者

对原始图像进行纵向处理；对所述纵向处理后的图像进行横向处理。

3.根据权利要求2所述的方法，其特征在于，所述对原始图像进行横向处理的步骤包括；

用横向的条带矩阵对所述原始图像进行求和处理。

4.根据权利要求3所述的方法，其特征在于，对所述横向处理后的图像进行纵向处理的步骤包括；

用纵向的条带矩阵对所述横向处理后的图像进行求和处理。

5.根据权利要求1-4中任一项所述的方法，其特征在于，还包括：

采用减少相邻矩阵的冗余加运算方式对原始图像进行横向处理和纵向处理。

6.一种数字图像信息处理装置，其特征在于，包括：

处理模块，用于将原始图像的像素作为目标像素，以所述目标像素为中心，采用预置的图像矩阵对原始图像进行横向处理和纵向处理，得到处理后的图像矩阵；

计算获取模块，用于将所述处理后的图像矩阵内的全体像素的平均值来代替所述目标像素的原来的值，得到降噪后的图像。

7.根据权利要求6所述的装置，其特征在于，所述处理模块包括：

横向处理单元，用于对原始图像进行横向处理；

纵向处理单元，用于对所述横向处理后的图像进行纵向处理；

或者

所述纵向处理单元，还用于对原始图像进行纵向处理；

所述横向处理单元，还用于对所述纵向处理后的图像进行横向处理。

8.根据权利要求7所述的装置，其特征在于，所述横向处理单元还用于：

用横向的条带矩阵对所述原始图像进行求和处理。

9.根据权利要求7所述的装置，其特征在于，所述纵向处理单元还用于：

用纵向的条带矩阵对所述横向处理后的图像进行求和处理。

10.根据权利要求6-9中任一项所述的装置，其特征在于，

所述处理模块还用于采用减少相邻矩阵的冗余加运算方式对原始图像进行横向处理和纵向处理。

Images