CN104778672A - 一种混合双边图像滤波方法 - Google Patents
一种混合双边图像滤波方法 Download PDFInfo
- Publication number
- CN104778672A CN104778672A CN201510191714.XA CN201510191714A CN104778672A CN 104778672 A CN104778672 A CN 104778672A CN 201510191714 A CN201510191714 A CN 201510191714A CN 104778672 A CN104778672 A CN 104778672A
- Authority
- CN
- China
- Prior art keywords
- filtering
- pixel
- point pixel
- bilateral
- edge point
- 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.)
- Granted
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明提供一种混合双边图像滤波方法。技术方案是:用拉普拉斯边缘检测算子计算出待滤波图像中每一个像素点的拉普拉斯输出值;利用双峰法或指定阈值对所有拉普拉斯输出值进行检测,得到初始边缘点像素;对初始边缘点像素进行形态学膨胀,得到最终的边缘点像素和非边缘点像素;对边缘点像素进行双边滤波,对非边缘点像素进行高斯滤波,得到最终滤波结果。本发明的有益效果是,可在不降低滤波效果的情况下,有效提高双边滤波的速度。
Description
技术领域
本发明属于图像增强技术领域,涉及一种联合双边滤波和高斯滤波的混合双边图像滤波方法,在不影响滤波效果的情况下提高滤波速度。
背景技术
滤波是图像处理和计算机视觉的重要内容之一,其基本原理是将图像中的每个像素点与其邻域内的像素点的亮度值作邻域运算,即进行局部加权平均卷积运算。经典的高斯滤波即由此思想而来,然而其在平滑图像的同时,也会模糊图像的边缘。
双边滤波是一种既能有效平滑图像,同时可以保持图像边缘的滤波方法,其具有非迭代、局部和简单等特性。同经典高斯滤波一样,双边滤波也仅仅利用了局部加权平均的思想;不同的是双边滤波具有两个滤波核,一个为空间核,另一个为亮度核,通常二者均基于高斯分布。双边滤波保持边缘的能力得益于亮度核能够防止空间核对边缘的模糊。双边滤波的这种特性也使得计算消耗非常大。
另外,双边滤波并没有考虑图像内容等先验信息,而是对图像所有像素点全部进行复杂的双边滤波计算。由于在灰度变化较小的均匀区域内,双边滤波将弱化为高斯滤波,这将造成极大的计算浪费;一种极端情况即是对一幅纯色图像进行处理,双边滤波和高斯滤波得到的是相同的结果,但是双边滤波的计算复杂度却大为提高。
发明内容
本发明通过图像边缘检测将双边滤波和高斯滤波结合起来,得到混合双边滤波方法。该方法能够在不降低滤波效果的情况下,有效提高滤波的速度,同时可通过一个阈值控制结合的程度,从而得到预期的滤波效果。
本发明的技术方案是:
利用拉普拉斯边缘检测算子计算出待滤波图像中每一个像素点的拉普拉斯输出值;
利用双峰法或指定阈值对所有拉普拉斯输出值进行检测,得到初始边缘点像素;
对初始边缘点像素进行形态学膨胀,得到最终的边缘点像素和非边缘点像素;
对边缘点像素进行双边滤波,对非边缘点像素进行高斯滤波,得到最终滤波结果。
本发明的有益效果是:
1.采用本发明提出的技术方案,可在不降低滤波效果的情况下,有效提高
双边滤波的速度。
2.采用本发明中双峰法自适应阈值分割边缘点像素和非边缘点像素,可在
滤波效果和时间消耗之间取得较好的平衡。
3.通过人工调节阈值大小,可控制双边滤波和高斯滤波结合的程度,从而
得到预期的滤波效果。
附图说明
图1为本发明实验数据Lena256;
图2为本发明流程图;
图3为本发明实验结果对比图;
图4为本发明实验节省时间比例图;
图5为本发明不同阈值下的实验性能图。
具体实施方式
图1为本发明实验数据Lena256,来源于M.Wakin,“Standard test images,”http://www.ece.rice.edu/~wakin/images/,2003-05-13/2007-07-03,其大小为256×256。
图2为本发明流程图,具体实施步骤如下:
第一步,利用拉普拉斯边缘检测算子计算出图像中每个像素点的拉普拉斯输出值。
设待滤波图像中任意位置(x,y)处的像素点亮度值为I(x,y),则其拉普拉斯输出值▽2I(x,y)可由下式得出:
▽2I(x,y)=I(x+1,y)+I(x-1,y)+I(x,y+1)+I(x,y-1)-4I(x,y) (公式一)
由于像素点拉普拉斯输出值的大小可以代表边缘特征的强弱,因此计算出像素点拉普拉斯输出值有利于进行下一步边缘像素点的检测。
第二步,利用双峰法自适应或由人工指定阈值对所有拉普拉斯输出值▽2I(x,y)进行检测,得到初始边缘点像素和非边缘点像素。
双峰法计算阈值具体步骤可参考文献P.K.Sahoo,S.Soltani and A.K.Wong,“A survey of thresholding techniques,”Computer Vision,Graphics and ImageProcessing,vol.41,no.2,pp.233-260,1988。利用双峰法计算阈值或人工指定阈值均可,拉普拉斯输出值大于阈值的像素点标记为初始边缘点像素。
双峰法是一种自适应计算阈值的方法,可以有效定位拉普拉斯输出值直方图中的谷点,自动确定合适的阈值,检测出边缘点像素。人工指定阈值则可以通过灵活而方便地人工控制边缘点像素的数量来实现对滤波效果的控制。
第三步,对检测得到的边缘点像素进行形态学膨胀得到更多的边缘点像素,其它像素点则为非边缘点像素。
形态学膨胀可以在初始边缘点像素的基础上获得更多的边缘点像素,防止遗漏部分边缘点像素,使得滤波效果更佳。
第四步,对最终的边缘点像素进行双边滤波,对非边缘点像素进行高斯滤波,得到最终结果。
由于双边滤波和高斯滤波的效果不同之处主要体现在边缘点像素部分,因此对边缘点像素进行双边滤波,对非边缘点像素进行高斯滤波,可以防止滤波效果的下降,同时提高滤波速度。
图3为本发明实验结果对比图,(a)为现有双边滤波实验结果,(b)为本发明方法实验结果,其中在双边滤波中涉及的空间参数σs设为4,亮度参数σr分别设为0.05、0.2、0.8(图像排列由左至右),阈值由双峰法自适应设置。由图3可看出,本发明方法和现有双边滤波方法滤波效果非常相似,人眼难以察觉其差别。
此外,通过对Lena256图像分别添加5%、10%、20%、30%的高斯噪声得到四幅噪声图像,采用现有双边滤波方法和本发明方法分别对噪声图像进行复原。以原图像为参考图像,计算出两种方法复原图像的峰值信噪比(Peaksignal-to-noise rate,PSNR)如表1所示。由表1可以看出,两种方法复原图像的效果非常相近。
表1两种滤波结果PSNR对比结果(单位:dB)
图4为本发明实验节省时间比例图。为了更好地体现本发明方法的时间消耗性能,通过双三次插值方法对Lena256进行插值,分别得到大小为512×512和1024×1024的图像Lena512和Lena1024,并采用不同滤波邻域半径进行了实验,其中阈值由双峰法自适应设置。图中横坐标是滤波邻域半径值,纵坐标为节省的时间比例,该比例值=(现有的双边滤波方法时间-本发明的滤波时间)/现有的双边滤波方法时间。对于Lena512,本发明可节省超过80%以上的运算时间;对于Lena1024,本发明可节省超过90%以上的运算时间;且图像尺寸越大,滤波邻域半径越大,节省的时间比例越大。
图5为本发明不同阈值下的实验性能图,其中空间参数σs和亮度参数σr分别设为4和0.1。其中,(a)为现有双边滤波方法实验结果,时间消耗为625ms;,(b)为本发明方法实验结果,人工设定阈值为10,时间消耗为328ms;(c)为本发明方法实验结果,双峰法自适应设定阈值为42,时间消耗为156ms;(d)为本发明方法实验结果,人工设定阈值为100,时间消耗为93ms;(e)为本发明方法实验结果,人工设定阈值为250,时间消耗为62ms;(f)为高斯滤波方法实验结果,时间消耗为47ms。由图5可看出,阈值越小,本发明方法滤波效果越趋近于现有双边滤波效果,消耗时间越长;反之,本发明方法滤波效果越趋近于高斯滤波效果,消耗时间越短。本发明方法中使用的双峰法得到的自适应阈值能够在滤波效果和时间消耗之间取得较好的平衡。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (1)
1.一种混合双边图像滤波方法,其特征在于,包括下述步骤:
利用拉普拉斯边缘检测算子计算出待滤波图像中每一个像素点的拉普拉斯输出值;
利用双峰法或指定阈值对所有拉普拉斯输出值进行检测,得到初始边缘点像素;
对初始边缘点像素进行形态学膨胀,得到最终的边缘点像素和非边缘点像素;
对最终的边缘点像素进行双边滤波,对非边缘点像素进行高斯滤波,得到最终滤波结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510191714.XA CN104778672B (zh) | 2015-04-22 | 2015-04-22 | 一种混合双边图像滤波方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510191714.XA CN104778672B (zh) | 2015-04-22 | 2015-04-22 | 一种混合双边图像滤波方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104778672A true CN104778672A (zh) | 2015-07-15 |
CN104778672B CN104778672B (zh) | 2017-10-17 |
Family
ID=53620120
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510191714.XA Active CN104778672B (zh) | 2015-04-22 | 2015-04-22 | 一种混合双边图像滤波方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104778672B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106023204A (zh) * | 2016-05-20 | 2016-10-12 | 陕西师范大学 | 一种基于边缘检测算法去除蚊式噪声的方法及系统 |
CN109087266A (zh) * | 2018-08-09 | 2018-12-25 | 苏州大学 | 一种结合双边滤波的图像散斑迭代减少方法 |
CN112819733A (zh) * | 2021-01-29 | 2021-05-18 | 成都国科微电子有限公司 | 一种定向双边图像滤波方法及装置 |
CN113744239A (zh) * | 2021-09-02 | 2021-12-03 | 广东奥普特科技股份有限公司 | 一种基于机器视觉的聚合物软包锂电池底角自动检测装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080101717A1 (en) * | 2006-11-01 | 2008-05-01 | Quanta Computer Inc. | Image edge enhancing apparatus and method |
CN103413276A (zh) * | 2013-08-07 | 2013-11-27 | 清华大学深圳研究生院 | 一种基于纹理分布特征的深度增强方法 |
CN104240203A (zh) * | 2014-09-09 | 2014-12-24 | 浙江工业大学 | 基于小波变换和快速双边滤波的医学超声图像去噪方法 |
CN104657947A (zh) * | 2015-02-06 | 2015-05-27 | 哈尔滨工业大学深圳研究生院 | 针对碱基图像的一种降噪方法 |
-
2015
- 2015-04-22 CN CN201510191714.XA patent/CN104778672B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080101717A1 (en) * | 2006-11-01 | 2008-05-01 | Quanta Computer Inc. | Image edge enhancing apparatus and method |
CN103413276A (zh) * | 2013-08-07 | 2013-11-27 | 清华大学深圳研究生院 | 一种基于纹理分布特征的深度增强方法 |
CN104240203A (zh) * | 2014-09-09 | 2014-12-24 | 浙江工业大学 | 基于小波变换和快速双边滤波的医学超声图像去噪方法 |
CN104657947A (zh) * | 2015-02-06 | 2015-05-27 | 哈尔滨工业大学深圳研究生院 | 针对碱基图像的一种降噪方法 |
Non-Patent Citations (2)
Title |
---|
余博 等: "红外图像的自适应混合双边滤波算法", 《红外与激光工程》 * |
徐艾 等: "滤波参数对印刷图像再现质量的影像", 《中国印刷与包装研究》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106023204A (zh) * | 2016-05-20 | 2016-10-12 | 陕西师范大学 | 一种基于边缘检测算法去除蚊式噪声的方法及系统 |
CN106023204B (zh) * | 2016-05-20 | 2018-11-09 | 陕西师范大学 | 一种基于边缘检测算法去除蚊式噪声的方法及系统 |
CN109087266A (zh) * | 2018-08-09 | 2018-12-25 | 苏州大学 | 一种结合双边滤波的图像散斑迭代减少方法 |
CN112819733A (zh) * | 2021-01-29 | 2021-05-18 | 成都国科微电子有限公司 | 一种定向双边图像滤波方法及装置 |
CN112819733B (zh) * | 2021-01-29 | 2024-04-16 | 成都国科微电子有限公司 | 一种定向双边图像滤波方法及装置 |
CN113744239A (zh) * | 2021-09-02 | 2021-12-03 | 广东奥普特科技股份有限公司 | 一种基于机器视觉的聚合物软包锂电池底角自动检测装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104778672B (zh) | 2017-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105608676B (zh) | 一种视频图像的增强方法及装置 | |
Wang et al. | Dehazing for images with large sky region | |
CN107767349B (zh) | 一种图像局部对比度增强的方法 | |
CN105046658B (zh) | 一种低照度图像处理方法和装置 | |
CN103136766B (zh) | 一种基于颜色对比和颜色分布的物体显著性检测方法 | |
CN104778672A (zh) | 一种混合双边图像滤波方法 | |
CN104166967B (zh) | 提升视频图像清晰度的方法 | |
WO2020124873A1 (zh) | 图像处理方法 | |
CN108205804A (zh) | 图像处理方法、装置及电子设备 | |
CN109345490B (zh) | 一种移动播放端实时视频画质增强方法及系统 | |
CN104484864A (zh) | 获取图像伽马曲线、增强图像对比度的方法及系统 | |
CN103440630A (zh) | 基于引导滤波器的大动态范围红外图像显示与细节增强方法 | |
KR20170012383A (ko) | 로컬라이징된 콘트라스트 향상을 위한 시스템들 및 방법들 | |
CN103810672B (zh) | 图像模糊处理方法及图像模糊处理装置 | |
CN108305232B (zh) | 一种单帧高动态范围图像生成方法 | |
CN118247181B (zh) | 图像复原模型训练方法、电子设备和图像复原方法 | |
CN103514588B (zh) | 图像增强方法和系统 | |
CN105791635A (zh) | 基于gpu的视频增强去噪方法及装置 | |
CN104182965B (zh) | 一种乳腺图像中分割胸肌的方法 | |
CN109345479B (zh) | 一种视频监控数据的实时预处理方法及存储介质 | |
CN104616259A (zh) | 一种噪声强度自适应的非局部均值图像去噪方法 | |
CN114022384A (zh) | 一种基于各向异性扩散模型的自适应边缘保持去噪方法 | |
CN115660994B (zh) | 一种基于区域最小二乘估计的图像增强方法 | |
Gao et al. | New edge detection algorithms using alpha weighted quadratic filter | |
CN113012079B (zh) | 低亮度车底图像增强方法、装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |