CN103514586B - 一种基于图像局部区域最小值或最大值的快速滤波方法 - Google Patents
一种基于图像局部区域最小值或最大值的快速滤波方法 Download PDFInfo
- Publication number
- CN103514586B CN103514586B CN201310429544.5A CN201310429544A CN103514586B CN 103514586 B CN103514586 B CN 103514586B CN 201310429544 A CN201310429544 A CN 201310429544A CN 103514586 B CN103514586 B CN 103514586B
- Authority
- CN
- China
- Prior art keywords
- image
- notequal
- minima
- maximum
- regional area
- 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.)
- Active
Links
Landscapes
- Image Processing (AREA)
Abstract
一种基于图像局部区域最小值或最大值的快速滤波方法,涉及计算机视觉及模式识别领域。包括单通道图像转化,图像扩充,局部区域最小值或最大值图像提取,局部区域最小值或最大值比较四部分。该方法基于有限存储空间增加换取计算时间大幅减少的策略思想,通过建立并存储局部区域最小值或最大值图像,进而利用局部区域最小值或最大值图像进行比较,从而获取局部区域最小值或最大值。该方法解决了现有技术的不足,仅仅需要线性复杂度的数据计算及较小的空间存储代价,就能够提取出图像的局部区域最小值或最大值,大大减少了数据计算的时间,增加了其通用性。
Description
技术领域
本发明涉及计算机视觉及模式识别领域,具体的涉及一种基于图像的局部区域最小值或最大值的快速滤波方法。
背景技术
图像分析及研究已广泛应用于影视影像领域,工业生产领域,临床医学领域,公共安全领域等多个领域。而在图像分析中滤波是最为基础且应用广泛的方法。目前,滤波方法被广泛应用于图像增强,图像分割,图像配准,图像匹配等多个图像研究相关方向。如医学图像中X光图片的处理,由于其本身固有的低对比度和低清晰度的特性,基于滤波的图像增强处理是必不可少的。
当前,图像滤波方法可分为线性滤波方法及非线性滤波方法两个方向。线性滤波方法基础理论较为简单,实现方便,且在特定领域有着较好效果。然而其适用范围较窄,鲁棒性较差,已难以满足日益增加的图像处理需求。
非线性滤波方法是基于线性滤波方法衍生而来。随着数学理论及应用在图像领域的不断深入,以数学形态学为代表的非线性滤波方法在图像增强及图像特征提取等领域取得了显著发展。形态学滤波方法是近年来出现的一种重要的非线性滤波器,它在模式识别、边缘检测、角点提取、图像恢复、噪声消除等方向都有着广泛的应用。形态学滤波方法充分利用形态学运算所具有的良好数学性质来进行形态学开闭运算,从而进行滤波操作。在这其中,以滑动窗口为代表的局部区域最小值或最大值滤波方法是一个重要的分支。
发明内容
本发明提供了一种基于图像的局部区域最小值或最大值快速滤波方法,解决了现有技术的不足,该方法仅仅需要线性复杂度的数据计算及较小的空间存储代价,就能够提取出图像的局部区域最小值或最大值,大大减少了数据计算的时间,增加了其通用性。
本发明采用的技术方案:一种基于图像的局部区域最小值或最大值快速滤波方法,采用有限存储空间增加换取计算时间大幅减少的策略思想,以基本的比较操作为基础,对图像进行处理。
一种基于图像的局部区域最小值或最大值快速滤波方法,包括单通道图像转化、图像扩充、局部区域最小值或最大值图像提取、局部区域最小值或最大值比较四部分。假设区域窗口Q大小为k*k,图像I大小为m*n,单位均为像素。其步骤如下(以最小值为例):
第一步,单通道图像转化
若图像I为多通道彩色图像,取通道间最小值,得到单通道图像S(x,y)。
第二步,图像扩充
对m,n按如下公式进行调整
m=m-m%k+k (2)
n=n-n%k+k (3)
第三步,局部区域最小值图像提取建立大小为m*n的四幅单通道图像A,B,C,D,其所有像素的初始像素值均为255。按照以下公式对A,B,C,D中像素进行操作:
第四步,局部区域最小值比较
对区域Q,假设左上角坐标为(x,y),其最小值求取如下:
若为求取最大值,步骤名称中最小值均替换为最大值。第三步中像素点初始像素值为0。公式(1),(4),(5),(6),(7),(8)中所用的取最小值操作均替换为取最大值操作。
本发明基于有限存储空间增加换取计算时间大幅减少的策略思想,通过建立并存储局部区域最小值或最大值图像,进而利用局部区域最小值或最大值图像进行比较,从而获取局部区域最小值或最大值。
附图说明
附图1是本发明的操作流程图。
101源图像,102为单通道图像,103,104,105,106为局部区域最小值图像,107为对区域依次取最小值并赋值后的区域最小值图像。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及具体实例,对本发明做进一步详细说明。这些实例仅仅是说明性的,而并非对本发明的限制。
本发明提出了一种基于图像的局部区域最小值或最大值快速滤波方法,该方法具体实施步骤(以最小值为例):首先,将窗口区域大小设置为15*15,加载源图像101,图像大小为600*400。根据公式(1)将其转化为单通道图像102,根据公式(2),(3)对图像大小进行扩充,根据公式(4),(5),(6),(7)依次建立局部区域最小值图像103,104,105,106。根据公式(8)对区域依次取最小值,并对区域赋值得到区域最小值图像107。
Claims (1)
1.一种基于图像局部区域最小值或最大值的快速滤波方法,包括单通道图像转化、图像扩充、局部区域最小值或最大值的图像提取和局部区域的最小值或最大值比较四部分;其特征在于该快速滤波方法具体包括以下步骤,
设区域窗口Q大小为k*k,图像I(x,y)大小为m*n,单位均为像素;
以最小值滤波为例,步骤如下:
第一步,单通道图像转化
若图像I(x,y)为多通道彩色图像,取通道间最小值,得到单通道图像S(x,y);
第二步,图像扩充
对图像I(x,y)的大小m和n按如下公式进行调整,从而对图像进行扩充;
m=m-m%k+k (2)
n=n-n%k+k (3)
第三步,局部区域最小值图像提取
建立大小为m*n的四幅单通道图像A(x,y)、B(x,y)、C(x,y)和D(x,y),其所有像素的初始像素值均为255;按照以下公式对A(x,y),B(x,y),C(x,y),D(x,y)中像素进行操作:
第四步,局部区域最小值比较
对区域Q,设左上角坐标为(x,y),按下述公式求取其最小值:
若求取最大值,步骤同最小值,将步骤中的最小值均替换为最大值,局部区域最大值图像提取部分中像素点初始像素值为0,公式(1),(4),(5),(6),(7),(8)中所用的取最小值操作均替换为取最大值操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310429544.5A CN103514586B (zh) | 2013-09-18 | 2013-09-18 | 一种基于图像局部区域最小值或最大值的快速滤波方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310429544.5A CN103514586B (zh) | 2013-09-18 | 2013-09-18 | 一种基于图像局部区域最小值或最大值的快速滤波方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103514586A CN103514586A (zh) | 2014-01-15 |
CN103514586B true CN103514586B (zh) | 2016-08-17 |
Family
ID=49897264
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310429544.5A Active CN103514586B (zh) | 2013-09-18 | 2013-09-18 | 一种基于图像局部区域最小值或最大值的快速滤波方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103514586B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111387978B (zh) * | 2020-03-02 | 2023-09-26 | 京东科技信息技术有限公司 | 一种表面肌电信号的动作段检测方法、装置、设备及介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6731806B1 (en) * | 1999-10-08 | 2004-05-04 | Eastman Kodak Company | Region growing based noise reduction method for digital images |
CN102663694A (zh) * | 2012-03-30 | 2012-09-12 | 大连理工大学 | 一种基于暗原色通道先验的雾效数字滤镜方法 |
-
2013
- 2013-09-18 CN CN201310429544.5A patent/CN103514586B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6731806B1 (en) * | 1999-10-08 | 2004-05-04 | Eastman Kodak Company | Region growing based noise reduction method for digital images |
CN102663694A (zh) * | 2012-03-30 | 2012-09-12 | 大连理工大学 | 一种基于暗原色通道先验的雾效数字滤镜方法 |
Non-Patent Citations (2)
Title |
---|
Local Maximum Filtering for the Extraction of Tree Locations and Basal Area from High Spatial Resolution Imagery;Mike Wulder 等;《Remote Sensing of Environment》;20000731;103-114 * |
基于噪声估计和双加权的彩色图像矢量中值滤波;刘松涛 等;《光电子。激光》;20110131;第22卷(第1期);131-135 * |
Also Published As
Publication number | Publication date |
---|---|
CN103514586A (zh) | 2014-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102867313B (zh) | 一种融合区域颜色和HoG特征的视觉显著性检测方法 | |
CN104268847A (zh) | 一种基于交互非局部均值滤波的红外与可见光图像融合方法 | |
CN103996191B (zh) | 一种基于最小二乘优化的黑白棋盘格图像角点的检测方法 | |
Liu et al. | A multi-step method with signal quality assessment and fine-tuning procedure to locate maternal and fetal QRS complexes from abdominal ECG recordings | |
CN103971340A (zh) | 一种高位宽数字图像动态范围压缩和细节增强方法 | |
CN102184534B (zh) | 一种利用多尺度高帽选择变换的图像融合方法 | |
CN102800094A (zh) | 一种快速彩色图像分割方法 | |
CN101901472B (zh) | 一种基于矩阵秩最小化的非刚性鲁棒批量图像对齐方法 | |
CN105046676A (zh) | 一种基于智能终端的图像融合方法及设备 | |
WO2007012098A3 (de) | Verfahren und einrichtung zur segmentierung von bereichen | |
CN103514586B (zh) | 一种基于图像局部区域最小值或最大值的快速滤波方法 | |
CN102663384A (zh) | 基于贝塞尔控制点搜索的曲线识别方法及装置 | |
CN104239883B (zh) | 纹理特征提取方法及装置 | |
CN103985140B (zh) | 一种基于频域处理的抗噪运动目标检测方法 | |
CN107610074A (zh) | 一种提高遥感图像质量的方法 | |
CN105184790A (zh) | 一种烟田图像分割方法 | |
CN103971354A (zh) | 低分辨率红外图像重建高分辨率红外图像的方法 | |
CN105761292A (zh) | 一种基于颜色转移和修正的图像着色方法 | |
CN103268587A (zh) | 利用仿建筑用地指数获取城市建筑用地信息的方法 | |
CN102982015A (zh) | 利用电子白板制作电子课件的方法及相应的展现方法 | |
CN106056565A (zh) | 一种基于多尺度形态学双边滤波分解和对比度压缩的mri与pet图像融合方法 | |
CN107590782A (zh) | 一种基于全卷积网络的高分辨率光学图像厚云去除方法 | |
CN108960281A (zh) | 一种基于非随机掩盖数据增强方式的黑色素瘤分类方法 | |
CN103006332B (zh) | 手术刀跟踪方法与装置及数字立体显微镜系统 | |
CN106709874A (zh) | 一种基于人脸结构相关的压缩低分辨率人脸图像复原方法 |
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 |