CN104217416A - 灰度图像处理方法及其装置 - Google Patents

Abstract

本发明实施例提供一种灰度图像处理方法及其装置。该方法包括：计算原始灰度图像中边缘像素的均值和标准差，根据均值和标准差确定边缘像素的噪声方差；对边缘像素的第一邻近区域的图像进行二维DCT变换；根据该噪声方差，对二维DCT变换后的图像数据进行二维维纳滤波；接着进行二维DCT逆变换，获得滤波后的灰度图像；从滤波后的灰度图像中提取边缘像素的滤波后的像素值，将边缘像素的滤波后的像素值与该边缘像素的原始像素值进行加权求和，获得边缘像素的处理后的像素值。能够使得图像的边缘更加自然，并且使得图像的线边缘更加平直。

Description

灰度图像处理方法及其装置

技术领域

本发明涉及图像处理领域，特别涉及一种灰度图像处理方法及其装置。

背景技术

目前，随着数码相机、扫描仪等电子设备的流行与发展，很容易获得数码图像。然而，任何实体传感器（例如热传感器、电传感器或其他种类的传感器）都会受到一定程度噪声的影响，这些噪声将会影响信号测量的真实性，这样，获得的任何图像数据都包含了信号和噪声。各种各样与图像相关的应用，例如医学图像分析、图像分割、以及物体检测等，通常都需要有效的噪声抑制方法以进一步获得可靠的结果。因此，图像过滤已经成为图像处理以及计算机视觉中最为重要和广泛的研究课题之一。灰度图像是重要且广泛使用的图像类型之一，它的噪声抑制方法是非常重要的。但是，现有的滤波方法会使图像的边缘看起来不自然，并且，平直的边缘也可能看起来凹凸不平。

应该注意，上面对技术背景的介绍只是为了方便对本发明的技术方案进行清楚、完整的说明，并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本发明的背景技术部分进行了阐述而认为上述技术方案为本领域技术人员所公知。

发明内容

本发明实施例的目的在于提供一种灰度图像处理方法及其装置，能够使得图像的边缘更加自然，并且使得图像的线边缘更加平直。

根据本发明实施例的一个方面，提供了一种灰度图像处理方法，其中，所述方法包括：计算原始灰度图像中需要处理的每一个边缘像素的均值和标准差，根据所述均值和标准差确定每一个边缘像素的预先设定的噪声方差；对每一个边缘像素的第一邻近区域的原始灰度图像进行二维离散余弦变换；根据所述噪声方差，对二维离散余弦变换后的图像数据进行二维维纳滤波；对二维维纳滤波后的图像数据进行二维离散余弦逆变换，获得所述第一邻近区域的滤波后的灰度图像；从所述第一邻近区域的滤波后的灰度图像中提取每一个边缘像素的滤波后的像素值，将每一个边缘像素的滤波后的像素值与所述边缘像素的原始像素值进行加权求和，获得每一个边缘像素的处理后的像素值。

根据本发明实施例的另一个方面，提供了一种灰度图像处理装置，其中，所述装置包括：计算单元，所述计算单元用于计算原始灰度图像中需要处理的每一个边缘像素的均值和标准差；噪声方差确定单元，所述噪声方差确定单元用于根据所述均值和标准差确定每一个边缘像素的预先设定的噪声方差；二维离散余弦变换单元，所述二维离散余弦变换单元用于对每一个边缘像素的第一邻近区域的原始灰度图像进行二维离散余弦变换；滤波单元，所述滤波单元用于根据所述噪声方差，对二维离散余弦变换后的图像数据进行二维维纳滤波；二维离散余弦逆变换单元，所述二维离散余弦逆变换单元用于对二维维纳滤波后的图像数据进行二维离散余弦逆变换，获得所述第一邻近区域的滤波后的灰度图像；加权求和单元，所述加权求和单元用于从所述第一邻近区域的滤波后的灰度图像中提取每一个边缘像素的滤波后的像素值，将每一个边缘像素的滤波后的像素值与所述边缘像素的原始像素值进行加权求和，获得每一个边缘像素的处理后的像素值。

本发明实施例的有益效果在于：图像的边缘更加自然，并且，图像的线边缘更加平直。

参照后文的说明和附图，详细公开了本发明的特定实施方式，指明了本发明的原理可以被采用的方式。应该理解，本发明的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内，本发明的实施方式包括许多改变、修改和等同。

针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用，与其它实施方式中的特征相组合，或替代其它实施方式中的特征。

应该强调，术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在，但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。

附图说明

参照以下的附图可以更好地理解本发明的很多方面。附图中的部件不是成比例绘制的，而只是为了示出本发明的原理。为了便于示出和描述本发明的一些部分，附图中对应部分可能被放大或缩小。在本发明的一个附图或一种实施方式中描述的元素和特征可以与一个或更多个其它附图或实施方式中示出的元素和特征相结合。此外，在附图中，类似的标号表示几个附图中对应的部件，并可用于指示多于一种实施方式中使用的对应部件。在附图中：

图1是本发明实施例1的灰度图像处理方法的流程图；

图2是本发明实施例1的根据边缘像素的均值和标准差确定噪声方差的方法的流程图；

图3是本发明实施例2的灰度图像处理装置的结构示意图；

图4是本发明实施例2的噪声方差确定单元的结构示意图；

图5是本发明实施例3的灰度图像处理方法的流程图；

具体实施方式

参照附图，通过下面的说明书，本发明的前述以及其它特征将变得明显。在说明书和附图中，具体公开了本发明的实施方式，其表明了其中可以采用本发明的原则的部分实施方式，应了解的是，本发明不限于所描述的实施方式，相反，本发明包括落入所附权利要求的范围内的全部修改、变型以及等同物。

目前，现有的滤波方法会使图像的边缘看起来不自然，并且，平直的边缘也可能看起来凹凸不平。本申请的发明人在实现本发明的过程中发现，可以通过检测边缘像素并进行平滑处理的方法使得图像边缘看起来更自然。

对于边缘像素的检测，现有的方法例如有索贝尔法（Sobel method）、普瑞维特法（Prewitt method）、以及梯度法（Gradient method）等。其中，

索贝尔法基于水平和垂直方向上邻近像素的权值差异来检测边缘像素，其中，边缘像素的权值差异比其他像素的权值差异大得多。然而，该检测结果并不精确，并且，检测结果的范围太小，例如，仅为一个像素宽度。

普瑞维特法基于水平和垂直方向上邻近像素的强度差异来检测边缘像素，其中，边缘像素的强度差异比其他像素的权值差异大得多。但是，该方法存在与上述索贝尔法相同的问题。

梯度法基于梯度的强度值检测边缘像素，其中，边缘像素的强度值比其他像素的强度值大的多。但是，该方法对于图像噪声过于敏感。

对于平滑处理，现有的方法例如有高斯滤波法（Gaussian filter method）、非局部平均法（non-local means method）、以及中值滤波法（median filter method）等。其中，

高斯滤波法利用高斯滤波来平滑图像，计算量较小且效率较高。但是，该方法使得图像模式且不自然。

非局部平均法利用非局部平均滤波来平滑图像，滤波结果比高斯滤波法的滤波结果更加自然，但是，图像边缘的凹凸不平感并没有被有效抑制。

中值滤波法与高斯滤波法相似，不同之处在于该方法将当前像素的强度替换为邻近区域的中值。但是，该方法存在的问题与高斯滤波法相同。

因此，现有的方法并不能使得图像的边缘自然，且使得图像的线边缘平直。

以下结合附图对本发明的非线性补偿装置及其方法进行详细说明。

实施例1

图1是本发明实施例1的灰度图像处理方法的流程图。如图1所示，该方法包括：

步骤101：计算原始灰度图像中需要处理的每一个边缘像素的均值和标准差，根据该均值和标准差确定每一个边缘像素的预先设定的噪声方差；

步骤102：对每一个边缘像素的第一邻近区域的原始灰度图像进行二维离散余弦变换（2D-Discrete Cosine Transform，2D-DCT）；

步骤103：根据该噪声方差，对二维离散余弦变换后的图像数据进行二维维纳滤波；

步骤104：对二维维纳滤波后的图像数据进行二维离散余弦逆变换，获得该第一邻近区域的滤波后的灰度图像；

步骤105：从该第一邻近区域的滤波后的灰度图像中提取每一个边缘像素的滤波后的像素值，将每一个边缘像素的滤波后的像素值与该边缘像素的原始像素值进行加权求和，获得每一个边缘像素的处理后的像素值。

由上述实施例可知，通过根据边缘像素的均值和标准差确定噪声方差，并且在二维DCT域中基于该噪声方差进行二维维纳滤波，能够使得图像的边缘更加自然，并且使得图像的线边缘更加平直。

在步骤101中，对于如何确定需要处理的边缘像素，可使用现有技术中的任一种方法。在本发明中，例如可将原始灰度图像中的像素的差值和标准差分别与预先设定的第一阈值和第二阈值进行比较，当该像素的差值大于该第一阈值且标准差大于该第二阈值时，则将该像素作为需要处理的边缘像素。

其中，对于计算像素的差值的方法，可使用现有技术中的任一种方法。在本发明中，可利用下述公式（1）计算像素(i,j)的差值：

diff(i,j)=max(|x(i,j)-x(k,m)|)，k∈[i-Rd,i+Rd]，m∈[j-Rd,j+Rd]    （1）

其中，diff(i,j)表示像素(i,j)的差值，x(i,j)表示像素(i,j)的像素值，x(k,m)表示像素(k,m)的像素值，像素(k,m)是像素(i,j)的第二邻近区域内的像素，Rd表示该第二邻近区域的半径，Rd为大于等于1的整数，i和k为1～A的整数，j和m为1～B的整数，A和B分别是原始灰度图像的像素的行数和列数。

例如，对于像素(2,2)，可取Rd=1。那么，该第二邻近区域可表示为：

$\left\{\begin{array}{ccc}{x}_{\mathrm{1,1}}& x_{\mathrm{1,2}}& x_{\mathrm{1,3}}\\ x_{\mathrm{2,1}}& x_{\mathrm{2,2}}& x_{\mathrm{2,3}}\\ x_{\mathrm{3,1}}& x_{\mathrm{3,2}}& x_{\mathrm{3,3}}\end{array}\right\}$

此时，像素(2,2)的差值可利用下述公式（2）计算：

diff_ex=max(|x(2,2)-x(k,m)|)    k,m=1,2,3    （2）

其中，diff_ex表示像素(2,2)的差值，x(2,2)表示像素(2,2)的像素值，x(k,m)表示像素(k,m)的像素值，像素(k,m)是像素(2,2)的该第二邻近区域内的像素。

在本实施例中，对于计算像素的均值和标准差的方法，可使用现有技术中的任一种方法。在本发明中，可利用下述公式（3）和（4）计算像素(i,j)的均值和标准差：

$\mathrm{mean}(i,j)=\frac{\underset{k=i-\mathrm{Rsm}}{\overset{i+\mathrm{Rsm}}{\mathrm{\Σ}}}\underset{m=j-\mathrm{Rsm}}{\overset{j+\mathrm{Rsm}}{\mathrm{\Σ}}}x(k,m)}{{(2\×\mathrm{Rsm}+1)}^2},k\∈[i-\mathrm{Rsm},i+\mathrm{Rsm}],m\∈[j-\mathrm{Rsm},j+\mathrm{Rsm}]---\left(3\right)$

$\mathrm{std}(i,j)=\sqrt{\frac{1}{{(2\×\mathrm{Rsm}+1)}^2}\underset{k=i-\mathrm{Rsm}}{\overset{i+\mathrm{Rsm}}{\mathrm{\Σ}}}\underset{m=j-\mathrm{Rsm}}{\overset{j+\mathrm{Rsm}}{\mathrm{\Σ}}}{(x(k,m)-\mathrm{mean}(i,j))}^2}---\left(4\right)$

其中，mean(i,j)表示像素(i,j)的均值，std(i,j)表示像素(i,j)的标准差，x(k,m)表示像素(k,m)的像素值，像素(k,m)是像素(i,j)的第三邻近区域内的像素，Rsm表示该第三邻近区域的半径，Rsm为大于等于1的整数，i和k为1～A的整数，j和m为1～B的整数，A和B分别是原始灰度图像的像素的行数和列数。

例如，对于像素(5,5)，可取Rsm=4。那么，该第三邻近区域可表示为：

此时，像素(5,5)的均值和标准差可利用下述公式（5）和（6）计算：

${\mathrm{mean}}_{\mathrm{ex}}=\frac{\underset{k=1}{\overset{9}{\mathrm{\Σ}}}\underset{m=1}{\overset{9}{\mathrm{\Σ}}}x(k,m)}{{(2\×4+1)}^2}---\left(5\right)$

${\mathrm{std}}_{\mathrm{ex}}=\sqrt{\frac{1}{{(2\×4+1)}^2}\underset{k=1}{\overset{9}{\mathrm{\Σ}}}\underset{m=1}{\overset{9}{\mathrm{\Σ}}}{(x(k,m)-{\mathrm{mean}}_{\mathrm{ex}})}^2}---\left(6\right)$

其中，mean_ex表示像素(5,5)的均值，std_ex表示像素(5,5)的标准差，x(k,m)表示像素(k,m)的像素值，像素(k,m)是像素(5,5)的第三邻近区域内的像素。

这样，通过以上方法计算能够获得像素(i,j)的差值、均值和标准差。

在本实施例中，可根据实际需要预先设定第一阈值和第二阈值，当像素(i,j)的差值大于该第一阈值，并且像素(i,j)的标准差大于该第二阈值时，确定该像素(i,j)为边缘像素，需要对其进行处理。其中，该第一阈值例如可根据实际需要选择小于25的某个数值，该第二阈值例如可根据实际需要选择范围在10～30的某个数值。

在本实施例中，可基于实际需要，根据边缘像素的均值和标准差确定噪声方差，图2是本实施例的根据边缘像素的均值和标准差确定噪声方差的方法的流程图，但本发明不限于这种方法。如图2所示，该方法包括：

步骤201：当该标准差大于预先设定的第二阈值且该均值大于预先设定的第三阈值时，将该噪声方差设为第一参数；

步骤202：当该标准差大于该第二阈值且小于等于预先设定的第四阈值时，将该噪声方差设为第二参数；

步骤203：当该标准差大于该第四阈值时，将该噪声方差设为第三参数；

其中，第一参数、第二参数和第三参数满足以下关系：

第一参数＜第三参数＜第二参数。

其中，第二阈值的范围同上所述，第三阈值例如可根据实际需要选择范围在100以上的某个数值，第四阈值大于第二阈值，该第四阈值例如可根据实际需要选择范围在50～100的某个数值。

其中，该第一参数、第二参数和第三参数的选择，只要满足第一参数＜第三参数＜第二参数的关系即可，并不严格的限制。例如，第一参数可根据实际需要选择范围在10～50的某个数值，第二参数可根据实际需要选择范围在50～200的某个数值，第三参数可根据实际需要选择范围在30～100的某个数值。

在步骤102中，对每一个边缘像素的第一邻近区域的原始灰度图像进行二维离散余弦变换（2D-Discrete Cosine Transform，2D-DCT）。其中，对图像进行二维离散余弦变换属于现有技术，例如，本发明中对于边缘像素的第一邻近区域的原始灰度图像进行二维离散余弦变换可使用下述公式（7）和（8）进行变换：

$D(u,v)=\mathrm{DCT}\left[I(x,y)\right]=a\left(u\right)a\left(v\right)\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}I(x,y)\cos \left[\frac{(2x+1)\mathrm{u\π}}{2M}\right]\cos \left[\frac{(2y+1)\mathrm{v\π}}{2N}\right]---\left(7\right)$

$\left\{\begin{array}{cc}a\left(0\right)=\sqrt{\frac{1}{N}}& \\ a\left(u\right)=\sqrt{\frac{2}{N}}& u=\mathrm{1,2},...,M\\ a\left(v\right)=\sqrt{\frac{2}{M}}& v=\mathrm{1,2},...,N\end{array}\right.---\left(8\right)$

其中，D(u,v)表示原始灰度图像中边缘像素的第一邻近区域内的像素(x,y)经过二维离散余弦变换后的图像数据，I(x,y)表示像素(x,y)的像素值，a(0),a(u),a(v)为变换系数，x,u=0,1,...M-1,y,v=0,1,...N-1，M和N表示该第一邻近区域的长度方向和宽度方向的像素个数，M和N均为大于1的整数，优选为大于等于9的整数。

通过上述公式（7）和（8），获得了边缘像素(x,y)的第一邻近区域的经过二维离散余弦变换后的图像数据。

在步骤103中，根据步骤101中确定的噪声方差，对二维离散余弦变换后的图像数据进行二维维纳滤波。

在本实施例中，可使用现有的二维维纳滤波方法对二维离散余弦变换后的图像数据进行二维维纳滤波。

例如，可使用下述公式（9）至（11）实现二维维滤波：

$\mathrm{mean}(i,j)=\frac{\underset{k,m\∈M\′N\′}{\mathrm{\Σ}}x(k,m)}{M\′N\′},k,m\∈M\′\×N\′---\left(9\right)$

$\mathrm{var}(i,j)=\frac{1}{M\′N\′}\left(\underset{k,m\∈M\′N\′}{\mathrm{\Σ}}{(x(k,m)-\mathrm{mean}(i,j))}^2\right)---\left(10\right)$

$\mathrm{Wn}(i,j)=2\mathrm{DWN}\left[x(i,j)\right]=\mathrm{mean}(i,j)+\frac{\mathrm{var}(i,j)-\mathrm{nv}}{\mathrm{var}(i,j)}(x(i,j)-\mathrm{mean}(i,j))---\left(11\right)$

其中，mean(i,j)表示该第一邻近区域内的像素(i,j)的均值，x(k,m)表示像素(k,m)的像素值，像素(k,m)是像素(i,j)的第四邻近区域内的像素，var(i,j)表示像素(i,j)的方差，Wn(i,j)表示像素(i,j)经过二维维纳滤波后的图像数据，nv表示噪声方差，M'和N'表示该第四邻近区域的长度方向和宽度方向的像素个数，M'和N'均为大于1的整数。

对于二维离散余弦变换后的图像数据进行二维维纳滤波，即在DCT域中进行二维维纳滤波可在上述公式（11）的基础上，利用下述公式（12）进行：

$\mathrm{Wn}u(u,v)=2\mathrm{DWN}[du(u,v)]=\mathrm{mean}(u,v)+\frac{\mathrm{var}(u,v)-\mathrm{nv}}{\mathrm{var}(u,v)}(d(u,v)-\mathrm{mean}(u,v))---\left(12\right)$

其中，Wn(u,v)表示在DCT域中对应于像素(i,j)的图像数据经过二维维纳滤波后的图像数据，d(u,v)表示DCT域中对应于像素(i,j)的图像数据。

其中，噪声方差nv已经在上述步骤101中确定，根据该确定的nv，在DCT域中对于边缘像素(x,y)的第一邻近区域中的图像数据进行二维维纳变换，获得二维维纳滤波后的图像数据。

在步骤104中，对二维维纳滤波后的图像数据进行二维离散余弦逆变换，获得该边缘像素的第一邻近区域的滤波后的灰度图像。

其中，二维离散余弦逆变换可使用现有技术，例如，与上述公式（7）和（8）相对应，可使用下述公式（13）和（14）进行二维离散余弦逆变换：

$I_D(x,y)=\mathrm{IDCT}\left[D(u,v)\right]=\underset{u=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{v=0}{\overset{N-1}{\mathrm{\Σ}}}a\left(u\right)a\left(v\right)D(u,v)u\cos \left[\frac{(2x+1)\mathrm{u\π}}{2M}\right]\cos \left[\frac{(2y+1)\mathrm{v\π}}{2N}\right]---\left(13\right)$

$\left\{\begin{array}{cc}a\left(0\right)=\sqrt{\frac{1}{N}}& \\ a\left(u\right)=\sqrt{\frac{2}{N}}& u=\mathrm{1,2},...,M\\ a\left(v\right)=\sqrt{\frac{2}{M}}& v=\mathrm{1,2},...,N\end{array}\right.---\left(14\right)$

其中，I_D(x,y)表示边缘像素的第一邻近区域内像素(x,y)经过滤波后的像素值，D(u,v)表示表示原始灰度图像中边缘像素的第一邻近区域内的像素(x,y)经过二维离散余弦变换后的图像数据，a(0),a(u),a(v)为变换系数，x,u=0,1,...M-1,y,v=0,1,...N-1，M和N表示该第一邻近区域的长度方向和宽度方向的像素个数，M和N均为大于1的整数，优选为大于等于9的整数。

这样，就获得了获得一个边缘像素的该第一邻近区域的所有像素的滤波后的像素值，从而获得该边缘像素的第一邻近区域的滤波后的灰度图像。

在步骤105中，从一个边缘像素的该第一邻近区域的滤波后的灰度图像中提取该边缘像素的滤波后的像素值，将该边缘像素的滤波后的像素值与该边缘像素的原始像素值进行加权求和，获得该边缘像素的处理后的像素值。对于每一个边缘像素，重复以上步骤，则获得每一个边缘像素的处理后的像素值，从而获得处理后的灰度图像。

其中，可利用下述公式（15）进行像素值的加权求和：

ProImg=a*DCT-WN+(1-a)*OriImg                （15）

其中，ProImg表示该边缘像素处理后的像素值，DCT-WN表示该边缘像素的滤波后的像素值，OriImg表示该边缘像素的原始像素值，a为预先设定的加权系数，0＜a≤1，其数值可根据实际需要而定。

由上述实施例可知，通过根据边缘像素的均值和标准差确定噪声方差，并且在二维DCT域中基于该噪声方差进行二维维纳滤波，能够使得图像的边缘更加自然，并且使得图像的线边缘更加平直。

实施例2

图3是本发明实施例2的灰度图像处理装置300的结构示意图，对应于实施例1的灰度图像处理方法。如图3所示，该装置300包括：计算单元301、噪声方差确定单元302、二维离散余弦变换单元303、滤波单元304、二维离散余弦逆变换单元305以及加权求和单元306。其中，

计算单元301用于计算原始灰度图像中需要处理的每一个边缘像素的均值和标准差；

噪声方差确定单元302用于根据该均值和标准差确定每一个边缘像素的预先设定的噪声方差；

二维离散余弦变换单元303用于对每一个边缘像素的第一邻近区域的原始灰度图像进行二维离散余弦变换；

滤波单元304用于根据该噪声方差，对二维离散余弦变换后的图像数据进行二维维纳滤波；

二维离散余弦逆变换单元305用于对二维维纳滤波后的图像数据进行二维离散余弦逆变换，获得该第一邻近区域的滤波后的灰度图像；

加权求和单元306用于从该第一邻近区域的滤波后的灰度图像中提取每一个边缘像素的滤波后的像素值，将每一个边缘像素的滤波后的像素值与该边缘像素的原始像素值进行加权求和，获得每一个边缘像素的处理后的像素值。

在本实施例中，该灰度图像处理装置300还可包括：

边缘像素确定单元307，该边缘像素确定单元307用于确定需要处理的边缘像素。

在本实施例中，该边缘像素确定单元307为可选部件，在图3中用虚线表示。

在本实施例中，噪声方差确定单元302用于根据该均值和标准差确定每一个边缘像素的预先设定的噪声方差。图4是本实施例的噪声方差确定单元302的结构示意图，但本发明不限于这种结构。如图4所示，噪声方差确定单元302包括判断单元401和确定单元402，其中，

判断单元401用于判断是否该标准差大于预先设定的第二阈值且该均值大于预先设定的第三阈值、或者是否该标准差大于该第二阈值且小于等于预先设定的第四阈值、或者是否该标准差大于该第四阈值；

确定单元402用于在该标准差大于预先设定的第二阈值且该均值大于预先设定的第三阈值时，将该噪声方差设为第一参数；在所述标准差大于该第二阈值且小于等于预先设定的第四阈值时，将该噪声方差设为第二参数；在该标准差大于所述第四阈值时，将该噪声方差设为第三参数；

其中，第一参数、第二参数和第三参数满足以下关系：

第一参数＜第三参数＜第二参数。

在本实施例中，确定需要处理的边缘像素的方法、计算边缘像素的均值和标准差的方法、根据该均值和标准差确定噪声方差的方法、进行二维离散余弦变换及逆变换、在二维DCT域进行二维维纳滤波的方法以及对像素值进行加权求和的方法均与实施例1中的记载相同，此处不再重复。

由上述实施例可知，通过根据边缘像素的均值和标准差确定噪声方差，并且在二维DCT域中基于该噪声方差进行二维维纳滤波，能够使得图像的边缘更加自然，并且使得图像的线边缘更加平直。

实施例3

图5是本发明实施例3的灰度图像处理方法的流程图。如图5所示，该方法包括：

步骤501：计算原始灰度图像中的一个像素的差值diff、标准差std和均值mean；

其中，计算差值、标准差和均值的方法与实施例1中的记载相同，此处不再重复。

步骤502：将该像素的差值diff和标准差std分别与预先设定的第一阈值Thre_d和第二阈值Thre_sl进行比较，当该差值diff大于该第一阈值Thre_d且标准差std大于第二阈值Thre_sl时，将该像素确定为需要处理的边缘像素，进入步骤503；否则，当前像素处理结束；

其中，第一阈值和第二阈值的设定方法与实施例1中的记载相同，此处不再重复。

步骤503：将该边缘像素的标准差和均值分别与预先设定的该第二阈值Thre_sl以及第三阈值Thre_m进行比较，当该标准差大于该第二阈值，并且，该均值大于该第三阈值时，进入步骤504；否则，进入步骤505；

其中，第三阈值的设定方法与实施例1中的记载相同，此处不再重复。

步骤504：将噪声方差设为第一参数，进入步骤509；

步骤505：将该边缘像素的标准差分别与预先设定的该第二阈值以及第四阈值进行比较，当该标准差大于该第二阈值Thre_sl且小于等于该第四阈值Thre_sh时，进入步骤506，否则，进入步骤507；

其中，第四阈值的设定方法与实施例1中的记载相同，此处不再重复。

步骤506：将噪声方差设为第二参数，进入步骤509；

步骤507：当该边缘像素的标准差大于预先设定的该第四阈值时，进入步骤508；否则，当前像素处理结束；

步骤508：将噪声方差设为第三参数，进入步骤509；

其中，步骤504、506、508中的第一参数、第二参数和第三参数满足以下关系：

第一参数＜第三参数＜第二参数。

其中，第一参数、第二参数和第三参数的设定方法与实施例1中的记载相同，此处不再重复。

步骤509：对该边缘像素的第一邻近区域的原始灰度图像进行二维离散余弦变换；

其中，进行二维离散余弦变换的方法与实施例1中的记载相同，此处不再重复。

步骤510：根据该噪声方差，对二维离散余弦变换后的图像数据进行二维维纳滤波；

其中，在DCT域中进行二维维纳滤波的方法与实施例1中的记载相同，此处不再重复。

步骤511：对二维维纳滤波后的图像数据进行二维离散余弦逆变换，获得该边缘的第一邻近区域的滤波后的灰度图像；

其中，进行二维离散余弦逆变换的方法与实施例1中的记载相同，此处不再重复。

步骤512：从该边缘的第一邻近区域的滤波后的灰度图像中提取该边缘像素的滤波后的像素值，将该边缘像素的滤波后的像素值与该边缘像素的原始像素值进行加权求和，获得该边缘像素的处理后的像素值。

其中，像素值加权求和的方法与实施例1中的记载相同，此处不再重复。

重复上述步骤501至512，即能够获得所有需要处理的边缘像素的处理后的像素值，从而获得处理后的灰度图像。

由上述实施例可知，通过根据边缘像素的均值和标准差确定噪声方差，并且在二维DCT域中基于该噪声方差进行二维维纳滤波，能够使得图像的边缘更加自然，并且使得图像的线边缘更加平直。

本发明以上的装置和方法可以由硬件实现，也可以由硬件结合软件实现。本发明涉及这样的计算机可读程序，当该程序被逻辑部件所执行时，能够使该逻辑部件实现上文该的装置或构成部件，或使该逻辑部件实现上文该的各种方法或步骤。

本发明还涉及用于存储以上程序的存储介质，如硬盘、磁盘、光盘、DVD、flash存储器等。

以上结合具体的实施方式对本发明进行了描述，但本领域技术人员应该清楚，这些描述都是示例性的，并不是对本发明保护范围的限制。本领域技术人员可以根据本发明的精神和原理对本发明做出各种变型和修改，这些变型和修改也在本发明的范围内。

附记

附记1、一种灰度图像的处理方法，其中，所述方法包括：

计算原始灰度图像中需要处理的每一个边缘像素的均值和标准差，根据所述均值和标准差确定每一个边缘像素的预先设定的噪声方差；

对每一个边缘像素的第一邻近区域的原始灰度图像进行二维离散余弦变换；

根据所述噪声方差，对二维离散余弦变换后的图像数据进行二维维纳滤波；

对二维维纳滤波后的图像数据进行二维离散余弦逆变换，获得所述第一邻近区域的滤波后的灰度图像；

从所述第一邻近区域的滤波后的灰度图像中提取每一个边缘像素的滤波后的像素值，将每一个边缘像素的滤波后的像素值与所述边缘像素的原始像素值进行加权求和，获得每一个边缘像素的处理后的像素值。

附记2、根据附记1所述的方法，其中，所述方法还包括：确定需要处理的边缘像素；

其中，所述确定需要处理的边缘像素包括：将原始灰度图像中的像素的差值大于预先设定的第一阈值且标准差大于预先设定的第二阈值的像素作为需要处理的边缘像素。

附记3、根据附记2所述的方法，其中，

利用以下的公式（1）计算所述像素的差值：

diff(i,j)=max(|x(i,j)-x(k,m)|)，k∈[i-Rd,i+Rd]，m∈[j-Rd,j+Rd]    (1)

其中，diff(i,j)表示像素(i,j)的差值，x(i,j)表示像素(i,j)的像素值，x(k,m)表示像素(k,m)的像素值，像素(k,m)是像素(i,j)的第二邻近区域内的像素，Rd表示该第二邻近区域的半径，i和k为1～A的整数，j和m为1～B的整数，A和B分别是原始灰度图像的像素的行数和列数。

附记4、根据附记1所述的方法，其中，所述根据均值和标准差选择预先设定的噪声方差包括：

当所述标准差大于预先设定的第二阈值且所述均值大于预先设定的第三阈值时，将所述噪声方差设为第一参数；

当所述标准差大于所述第二阈值且小于等于预先设定的第四阈值时，将所述噪声方差设为第二参数；

当所述标准差大于所述第四阈值时，将所述噪声方差设为第三参数；

其中，所述第一参数、第二参数和第三参数满足以下关系：

所述第一参数＜所述第三参数＜所述第二参数。

附记5、根据附记1所述的方法，其中，所述将每一个边缘像素的滤波后的像素值与所述边缘像素的原始像素值进行加权求和，获得每一个边缘像素的处理后的像素值包括：

利用以下的公式（2）进行所述加权求和：

ProImg=a*DCT-WN+(1-a)*OriImg                （2）

其中，ProImg表示所述边缘像素处理后的像素值，DCT-WN表示所述边缘像素的滤波后的像素值，OriImg表示所述边缘像素的原始像素值，a为预先设定的加权系数，0＜a≤1。

附记6、根据附记1-5中的任一项附记所述的方法，其中，所述第一邻近区域是每一个边缘像素周围的尺寸为M×N的区域，M表示所述第一邻近区域高度方向的像素个数，N表示所述第一邻近区域宽度方向的像素个数，M和N均为大于等于9的整数。

附记7、一种灰度图像的处理装置，其中，所述装置包括：

计算单元，所述计算单元用于计算原始灰度图像中需要处理的每一个边缘像素的均值和标准差；

噪声方差确定单元，所述噪声方差确定单元用于根据所述均值和标准差确定每一个边缘像素的预先设定的噪声方差；

二维离散余弦变换单元，所述二维离散余弦变换单元用于对每一个边缘像素的第一邻近区域的原始灰度图像进行二维离散余弦变换；

滤波单元，所述滤波单元用于根据所述噪声方差，对二维离散余弦变换后的图像数据进行二维维纳滤波；

二维离散余弦逆变换单元，所述二维离散余弦逆变换单元用于对二维维纳滤波后的图像数据进行二维离散余弦逆变换，获得所述第一邻近区域的滤波后的灰度图像；

加权求和单元，所述加权求和单元用于从所述第一邻近区域的滤波后的灰度图像中提取每一个边缘像素的滤波后的像素值，将每一个边缘像素的滤波后的像素值与所述边缘像素的原始像素值进行加权求和，获得每一个边缘像素的处理后的像素值。

附记8、根据附记7所述的装置，其中，所述装置还包括：

边缘像素确定单元，所述边缘像素确定单元用于确定需要处理的边缘像素；

其中，所述边缘像素确定单元将原始灰度图像中的像素的差值和标准差分别大于预先设定的第一阈值和第二阈值的像素作为需要处理的边缘像素。

附记9、根据附记8所述的装置，其中，

所述计算单元利用以下的公式（1）计算所述像素的差值：

diff(i,j)=max(|x(i,j)-x(k,m)|)，k∈[i-Rd,i+Rd]，m∈[j-Rd,j+Rd]    (1)

其中，diff(i,j)表示像素(i,j)的差值，x(i,j)表示像素(i,j)的像素值，x(k,m)表示像素(k,m)的像素值，像素(k,m)是像素(i,j)的第二邻近区域内的像素，Rd表示该第二邻近区域的半径，i和k为1～A的整数，j和m为1～B的整数，A和B分别是原始灰度图像的像素的行数和列数。

附记10、根据附记7所述的装置，其中，所述噪声方差确定单元包括判断单元和确定单元，其中，

所述判断单元用于判断是否所述标准差大于预先设定的第二阈值且所述均值大于预先设定的第三阈值、或者是否所述标准差大于所述第二阈值且小于等于预先设定的第四阈值、或者是否所述标准差大于所述第四阈值；

所述确定单元用于在所述标准差大于预先设定的第二阈值且所述均值大于预先设定的第三阈值时，将所述噪声方差设为第一参数；在所述标准差大于所述第二阈值且小于等于预先设定的第四阈值时，将所述噪声方差设为第二参数；在所述标准差大于所述第四阈值时，将所述噪声方差设为第三参数；

其中，所述第一参数、第二参数和第三参数满足以下关系：

所述第一参数＜所述第三参数＜所述第二参数。

附记11、根据附记7所述的装置，其中，所述加权求和单元利用以下的公式（2）进行所述加权求和：

ProImg=a*DCT-WN+(1-a)*OriImg                （2）

其中，ProImg表示所述边缘像素处理后的像素值，DCT-WN表示所述边缘像素的滤波后的像素值，OriImg表示所述边缘像素的原始像素值，a为预先设定的加权系数，0＜a≤1。

附记12、根据附记7-11中的任一项附记所述的装置，其中，所述第一邻近区域是每一个边缘像素周围的尺寸为M×N的区域，M表示所述第一邻近区域高度方向的像素个数，N表示所述第一邻近区域宽度方向的像素个数，M和N均为大于等于9的整数。

Claims (10)

1.一种灰度图像的处理方法，其中，所述方法包括：

计算原始灰度图像中需要处理的每一个边缘像素的均值和标准差，根据所述均值和标准差确定每一个边缘像素的预先设定的噪声方差；

对每一个边缘像素的第一邻近区域的原始灰度图像进行二维离散余弦变换；

根据所述噪声方差，对二维离散余弦变换后的图像数据进行二维维纳滤波；

对二维维纳滤波后的图像数据进行二维离散余弦逆变换，获得所述第一邻近区域的滤波后的灰度图像；

从所述第一邻近区域的滤波后的灰度图像中提取每一个边缘像素的滤波后的像素值，将每一个边缘像素的滤波后的像素值与所述边缘像素的原始像素值进行加权求和，获得每一个边缘像素的处理后的像素值。

2.根据权利要求1所述的方法，其中，所述方法还包括：确定需要处理的边缘像素；

其中，所述确定需要处理的边缘像素包括：将原始灰度图像中的像素的差值大于预先设定的第一阈值且标准差大于预先设定的第二阈值的像素作为需要处理的边缘像素。

3.根据权利要求2所述的方法，其中，

利用以下的公式（1）计算所述像素的差值：

diff(i,j)=max(|x(i,j)-x(k,m)|)，k∈[i-Rd,i+Rd]，m∈[j-Rd,j+Rd]    (1)

其中，diff(i,j)表示像素(i,j)的差值，x(i,j)表示像素(i,j)的像素值，x(k,m)表示像素(k,m)的像素值，像素(k,m)是像素(i,j)的第二邻近区域内的像素，Rd表示该第二邻近区域的半径，i和k为1～A的整数，j和m为1～B的整数，A和B分别是原始灰度图像的像素的行数和列数。

4.根据权利要求1所述的方法，其中，所述根据均值和标准差选择预先设定的噪声方差包括：

当所述标准差大于预先设定的第二阈值且所述均值大于预先设定的第三阈值时，将所述噪声方差设为第一参数；

当所述标准差大于所述第二阈值且小于等于预先设定的第四阈值时，将所述噪声方差设为第二参数；

当所述标准差大于所述第四阈值时，将所述噪声方差设为第三参数；

其中，所述第一参数、第二参数和第三参数满足以下关系：

所述第一参数＜所述第三参数＜所述第二参数。

5.根据权利要求1所述的方法，其中，所述将每一个边缘像素的滤波后的像素值与所述边缘像素的原始像素值进行加权求和，获得每一个边缘像素的处理后的像素值包括：

利用以下的公式（2）进行所述加权求和：

ProImg=a*DCT-WN+(1-a)*OriImg                （2）

其中，ProImg表示所述边缘像素处理后的像素值，DCT-WN表示所述边缘像素的滤波后的像素值，OriImg表示所述边缘像素的原始像素值，a为预先设定的加权系数，0＜a≤1。

6.根据权利要求1-5中的任一项所述的方法，其中，所述第一邻近区域是每一个边缘像素周围的尺寸为M×N的区域，M表示所述第一邻近区域高度方向的像素个数，N表示所述第一邻近区域宽度方向的像素个数，M和N均为大于等于9的整数。

7.一种灰度图像的处理装置，其中，所述装置包括：

计算单元，所述计算单元用于计算原始灰度图像中需要处理的每一个边缘像素的均值和标准差；

噪声方差确定单元，所述噪声方差确定单元用于根据所述均值和标准差确定每一个边缘像素的预先设定的噪声方差；

二维离散余弦变换单元，所述二维离散余弦变换单元用于对每一个边缘像素的第一邻近区域的原始灰度图像进行二维离散余弦变换；

滤波单元，所述滤波单元用于根据所述噪声方差，对二维离散余弦变换后的图像数据进行二维维纳滤波；

二维离散余弦逆变换单元，所述二维离散余弦逆变换单元用于对二维维纳滤波后的图像数据进行二维离散余弦逆变换，获得所述第一邻近区域的滤波后的灰度图像；

加权求和单元，所述加权求和单元用于从所述第一邻近区域的滤波后的灰度图像中提取每一个边缘像素的滤波后的像素值，将每一个边缘像素的滤波后的像素值与所述边缘像素的原始像素值进行加权求和，获得每一个边缘像素的处理后的像素值。

8.根据权利要求7所述的装置，其中，所述装置还包括：

边缘像素确定单元，所述边缘像素确定单元用于确定需要处理的边缘像素；

其中，所述边缘像素确定单元将原始灰度图像中的像素的差值和标准差分别大于预先设定的第一阈值和第二阈值的像素作为需要处理的边缘像素。

9.根据权利要求7所述的装置，其中，所述噪声方差确定单元包括判断单元和确定单元，其中，

所述判断单元用于判断是否所述标准差大于预先设定的第二阈值且所述均值大于预先设定的第三阈值、或者是否所述标准差大于所述第二阈值且小于等于预先设定的第四阈值、或者是否所述标准差大于所述第四阈值；

所述确定单元用于在所述标准差大于预先设定的第二阈值且所述均值大于预先设定的第三阈值时，将所述噪声方差设为第一参数；在所述标准差大于所述第二阈值且小于等于预先设定的第四阈值时，将所述噪声方差设为第二参数；在所述标准差大于所述第四阈值时，将所述噪声方差设为第三参数；

其中，所述第一参数、第二参数和第三参数满足以下关系：

所述第一参数＜所述第三参数＜所述第二参数。

10.根据权利要求7所述的装置，其中，所述加权求和单元利用以下的公式（2）进行所述加权求和：

ProImg=a*DCT-WN+(1-a)*OriImg                （2）

其中，ProImg表示所述边缘像素处理后的像素值，DCT-WN表示所述边缘像素的滤波后的像素值，OriImg表示所述边缘像素的原始像素值，a为预先设定的加权系数，0＜a≤1。