CN103116875B - 自适应双边滤波图像去噪方法 - Google Patents

Abstract

本发明公开了一种自适应双边滤波图像去噪方法，包括：计算给定图像各像素处的梯度方向和梯度值大小；针对每个像素，根据当前像素的梯度方向相关性和梯度值大小设定该像素的双边滤波的值域滤波核函数的灰度值方差；设定当前像素双边滤波的值域滤波核函数的灰度均值，计算当前像素的像素值与灰度均值的差值；离散化得到的灰度值方差和差值，计算值域滤波核函数的值，得灰度滤波系数表格；根据灰度滤值波系数构建双边滤波函数，利用该函数对给定图像进行双边滤波处理，得去噪后的图像。本发明充分考虑了边缘信息的重要性以及标准双边滤波去噪效果上的弊端，针对不同特征的区域采用适应的系数增强了去噪的效果，同时采用查表的方式减少了计算量。

Description

自适应双边滤波图像去噪方法

技术领域

本发明涉及数字图像处理及计算机视觉技术领域，具体涉及一种自适应的双边滤波算法。

背景技术

随着计算机、手机等各种电子设备的普及以及网络技术的进步，数字图像的处理和应用越来越广泛。游戏娱乐、社交网络越来越受到现代人的推崇，这些领域都需要数字图像信号的支持。而且随着大规模数据可视化技术的研究和应用，对医疗、航天等传统行业提供了极大的便利。这些应用也对数字图像的获取和传输提出了更高的要求，而在这些过程中会无法避免地引入噪声。所以，数字图像的去噪工作是计算机视觉中重要的一个环节。

数字图像去噪算法一直以来被广泛研究，经典的算法包括高斯滤波算法、中值滤波算法、基于小波变换的算法和双边滤波算法等。

不过目前提出并被广泛应用的去噪算法在效果和计算量上均存在不足之处。中值滤波和基于小波变换的算法在计算量上劣势明显，高斯滤波会造成过于模糊的现象，而近几年比较常用的双边滤波算法去噪能力特别是对椒盐噪声不理想，而且算法中需要设定的系数太多，算法效果的稳定性不好。

现有多采用双边滤波进行去噪，双边滤波函数的表达式如下（Bilateralfiltering for gray and color images，Tomasi,C.and Manduchi,R.，ComputerVision,1998.Sixth International Conference on，839-846）：

$h\left(x\right)={\mathrm{\κ}}^{-1}\left(x\right)\underset{-\∞}{\overset{\∞}{\∫}}\underset{-\∞}{\overset{\∞}{\∫}}f\left(\mathrm{\ξ}\right)\·e^{-\frac{1}{2}{\left(\frac{\mathrm{\ξ}-x}{{\mathrm{\σ}}_d}\right)}^2}\·e^{-\frac{1}{2}{\left(\frac{f\left(\mathrm{\ξ}\right)-f\left(x\right)}{{\mathrm{\σ}}_r}\right)}^2}\mathrm{d\ξ}$

其中： $\mathrm{\κ}\left(x\right)=\underset{-\∞}{\overset{\∞}{\∫}}\underset{-\∞}{\overset{\∞}{\∫}}{e}^{-\frac{1}{2}{\left(\frac{\mathrm{\ξ}-x}{{\mathrm{\σ}}_d}\right)}^2}\·e^{-\frac{1}{2}{\left(\frac{f\left(\mathrm{\ξ}\right)-f\left(x\right)}{{\mathrm{\σ}}_r}\right)}^2}\mathrm{d\ξ};$ 是归一化常数；

ξ：是当前像素位置x周围的像素位置；

f（ξ）：是当前像素周围的像素值；f（x）是当前像素位置x的灰度均值；

是空间定义域滤波核函数，其中σ_d是位置方差（取值在0.4-2.0之间）；

是值域滤波核函数；σ_r是灰度值方差。

上述双边滤波函数表达式中，σ_r在标准算法中是一个设置的定值，不同区域的去噪效果差别较大，稳定性较差。

发明内容

本发明提供了一种自适应的双边滤波去噪方法，该方法根据周围像素值的特征设定双边滤波中对应的系数，保证了不同区域的去噪效果和对不同图像去噪的稳定性。

一种自适应双边滤波图像去噪方法，其实施步骤如下：

（1）对给定图像计算图像各像素处的梯度方向和梯度值大小；

（2）针对每个像素，根据当前像素的梯度方向相关性和梯度值大小设定该像素的双边滤波的值域滤波核函数的灰度值方差；

（3）根据当前像素的梯度方向相关性设定当前像素双边滤波的值域滤波核函数的灰度均值，计算当前像素的像素值与所述灰度均值的差值；

（4）离散化步骤（2）中所述灰度值方差以及步骤（3）中所述差值，然后计算值域滤波核函数的值，构建灰度值滤波系数（即值域滤波核函数的值）表格；

（5）查询所述灰度值滤波系数表格得到灰度值滤波系数，然后根据查询到的灰度值滤波系数构建双边滤波函数，利用该双边滤波函数对给定图像进行双边滤波处理，得到去噪后的图像。

所述步骤（2）中设定该像素的双边滤波的值域滤波核函数的灰度值方差时，判断当前像素的梯度方向与周围像素的梯度方向是否一致，若一致则用当前像素的梯度值乘以系数S（S的取值一般为0.1-0.8，S取0.5时效果最好），得到所述灰度值方差；若不一致，则设定所述灰度值方差为固定值。该灰度值方差相当于现有双边滤波函数中的σ_r。

所述步骤（3）中设定当前像素双边滤波的值域滤波核函数的灰度均值时，判断当前像素的梯度方向与周围像素的梯度方向是否一致，若一致则认为当前像素处在边缘上，沿该边缘方向在当前像素的两侧分别找到若干相邻像素，计算当前像素以及这些相邻像素的像素值均值，作为所述灰度均值；此时，所述相邻像素设置的数量可根据实际需要确定，一般设置4个，沿该边缘方向平均分布在当前像素的两侧。

所述步骤（3）中设定当前像素双边滤波的值域滤波核函数的灰度均值时，判断当前像素的梯度方向与周围像素的梯度方向是否一致，若不一致，则认为当前像素处在平滑区域上，在当前像素的周围找到若干相邻像素（例如可寻找8个相邻像素），计算当前像素以及这些相邻像素的像素值均值，作为所述灰度均值。步骤（3）中计算得到的当前像素的像素值与所述灰度均值的差值相当于现有双边滤波函数中的“f（ξ）-f（x）”。

步骤（4）中，计算值域滤波核函数的值相当于现有双边滤波函数中的步骤（5）中构建双边滤波函数可采用现有技术，包括查询灰度滤波系数表格得到灰度值滤波系数，空间定义域高斯函数的方差是定值，只有像素间的距离是变化的，可以预计算出一维的系数表。然后通过两个系数的乘积得到所选像素的权重系数，最后对周围像素值加权计算。

与现有技术相比，本发明具有下述优点：

1、根据像素处梯度的方向和大小判断周围的特征，可以获得更精确的灰度均值和周围像素的灰度方差，避免了噪声的干扰，特别是对均值获取的干扰，可以达到更好的去噪效果。

2、值域滤波核函数的均值和方差都是自适应取得的，省去了系数设置的提前判断和去噪效果的反复比较工作。相对于标准双边滤波的定值系数更加适合具体图像甚至图像的具体区域，具有更好的去噪稳定性。

3、利用系数离散化预计算的方式，大大提高了计算的速度。离散化预计算根据具体图像的特点进行，在去噪效果和表格大小上做了充分考虑。

附图说明

图1为本发明自适应双边滤波图像去噪方法的基本流程示意图。

图2为本发明实施例所用的Sobel算子的结构示意图，其中图2（a）为X方向的算子，图2（b）为Y方向的算子。

具体实施方式

如图1所示，本实施例采用现有的双边滤波函数，该函数的公式如下：

$h\left(x\right)={\mathrm{\κ}}^{-1}\left(x\right)\underset{-\∞}{\overset{\∞}{\∫}}\underset{-\∞}{\overset{\∞}{\∫}}f\left(\mathrm{\ξ}\right)\·e^{-\frac{1}{2}{\left(\frac{\mathrm{\ξ}-x}{{\mathrm{\σ}}_d}\right)}^2}\·e^{-\frac{1}{2}{\left(\frac{f\left(\mathrm{\ξ}\right)-f\left(x\right)}{{\mathrm{\σ}}_r}\right)}^2}\mathrm{d\ξ}$

其中： $\mathrm{\κ}\left(x\right)=\underset{-\∞}{\overset{\∞}{\∫}}\underset{-\∞}{\overset{\∞}{\∫}}{e}^{-\frac{1}{2}{\left(\frac{\mathrm{\ξ}-x}{{\mathrm{\σ}}_d}\right)}^2}\·e^{-\frac{1}{2}{\left(\frac{f\left(\mathrm{\ξ}\right)-f\left(x\right)}{{\mathrm{\σ}}_r}\right)}^2}\mathrm{d\ξ};$ 是归一化常数；

ξ：是当前像素位置x周围的像素位置；

f（ξ）：是当前像素周围的像素值；f（x）是当前像素位置x的灰度均值；

是空间定义域滤波核函数，其中σ_d是位置方差（取值在0.4-2.0之间）；

是值域滤波核函数；σ_r是灰度值方差。

上式（1）中，各参数可按照如下自适应双边滤波图像去噪方法确定，步骤为：

（1）对给定图像计算图像各像素处的梯度方向和大小。首先使用Sobel算子计算像素水平（即X方向）和竖直方向上（即Y方向）的梯度值，Sobel算子如图2所示。然后根据这两个梯度值分量计算梯度的方向和大小。可以使用一张三通道的与原图像大小相同的图像来记录以上信息，用两个通道记录对应像素的梯度方向，另一个通道记录梯度值大小。

（2）根据像素处的梯度方向相关性和梯度值大小自适应设定该处的双边滤波的值域滤波核函数的灰度值方差σ_r。首先沿着垂直于梯度方向的方向搜索，如果搜索到的像素与中心像素梯度方向一致则认为有边缘经过，方差根据梯度值的大小设定，与梯度值正相关，即用当前像素的梯度值乘以系数S（例如S为0.5）得到所述灰度值方差。否则认为该像素处在平滑区域，此处设置较大的方差，设定灰度值方差为固定值，该固定值的范围一般为20-80，一般设置为50（这是灰度值范围为0-255的情况）；也可以根据图像的情况，如果图像边缘比较明显，前景和背景色差值大则可以设置较大值，否则设置较小值。

（3）根据像素处梯度方向搜索边缘方向并且设定该像素双边滤波的值域滤波核函数的灰度均值f（x），计算当前像素的像素值f（ξ）与灰度均值f（x）的差值f（ξ）-f（x）。沿着垂直于当前像素梯度方向的方向搜索，设定夹角范围，根据这个方向上的点的梯度方向可以判断是否存在一条边缘经过这里，即判断当前像素的梯度方向与周围像素的梯度方向是否一致，若一致则认为当前像素处在边缘上，沿该边缘方向在当前像素的两侧分别找到若干相邻像素（例如可选择四个），计算当前像素以及这些相邻像素的像素值均值。若不一致，则认为当前像素处在平滑区域上，在当前像素的周围找到相邻像素（例如为8个），计算当前像素以及这些相邻像素的像素值均值，作为所述灰度均值。

（4）离散化得到的灰度值方差和当前像素的像素值与灰度均值的差值，然后计算灰度值滤波系数，即值域滤波核函数的值得到查询表格。离散化预计算根据具体图像的特点进行，先统计方差的最大值和最小值，以及像素值的最大值与最小值，然后均匀离散化，计算得到一张二维的表格，记录全部可能用到的值域滤波核函数的值。

（5）查询所述灰度滤波系数表格得到灰度值滤波系数，然后根据查询到的灰度滤值波系数构建双边滤波函数，利用该双边滤波函数对给定图像进行双边滤波处理，得到去噪后的图像。其中，空间定义域高斯函数的位置方差σ_d是定值，只有像素间的距离ξ-x是变化的，可以预计算出一维的系数表。然后通过两个系数的乘积得到周围像素对中心像素影响的权重，然后加权得到双边滤波函数的值。

Claims (3)

1.一种自适应双边滤波图像去噪方法，其特征在于，其实施步骤如下：

(1)对给定图像计算图像各像素处的梯度方向和梯度值大小；

(2)针对每个像素，根据当前像素的梯度方向相关性和梯度值大小设定该像素的双边滤波的值域滤波核函数的灰度值方差；

(3)根据当前像素的梯度方向相关性设定当前像素双边滤波的值域滤波核函数的灰度均值，计算当前像素的像素值与所述灰度均值的差值；

(4)离散化步骤(2)中所述灰度值方差以及步骤(3)中所述差值，然后计算值域滤波核函数的值，构建灰度值滤波系数表格；

(5)查询所述灰度值滤波系数表格得到灰度值滤波系数，然后根据查询到的灰度值滤波系数构建双边滤波函数，利用该双边滤波函数对给定图像进行双边滤波处理，得到去噪后的图像；

所述步骤(2)中设定该像素的双边滤波的值域滤波核函数的灰度值方差时，判断当前像素的梯度方向与周围像素的梯度方向是否一致，若一致则用当前像素的梯度值乘以系数S，得到所述灰度值方差；若不一致，则设定所述灰度值方差为固定值；所述S取值为0.1～0.8；

所述步骤(3)中设定当前像素双边滤波的值域滤波核函数的灰度均值时，判断当前像素的梯度方向与周围像素的梯度方向是否一致，若一致则认为当前像素处在边缘上，沿该边缘方向在当前像素的两侧分别找到若干相邻像素，计算当前像素以及这些相邻像素的像素值均值，作为所述灰度均值；若不一致，则认为当前像素处在平滑区域上，在当前像素的周围找到若干相邻像素，计算当前像素以及这些相邻像素的像素值均值，作为所述灰度均值。

2.根据权利要求1所述的自适应双边滤波图像去噪方法，其特征在于，所述当前像素的梯度方向与周围像素的梯度方向一致时，需要寻找的相邻像素个数为四个，且沿该边缘方向平均分布在当前像素的两侧。

3.根据权利要求1所述的自适应双边滤波图像去噪方法，其特征在于，所述当前像素的梯度方向与周围像素的梯度方向不一致时，需要寻找到的相邻像素数量为八个。