CN104809701A - 一种基于迭代开关中均值的图像椒盐噪声去除方法 - Google Patents
一种基于迭代开关中均值的图像椒盐噪声去除方法 Download PDFInfo
- Publication number
- CN104809701A CN104809701A CN201510182006.XA CN201510182006A CN104809701A CN 104809701 A CN104809701 A CN 104809701A CN 201510182006 A CN201510182006 A CN 201510182006A CN 104809701 A CN104809701 A CN 104809701A
- Authority
- CN
- China
- Prior art keywords
- image
- noise
- pixel
- filtering
- salt
- 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.)
- Pending
Links
Landscapes
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明提供一种基于迭代开关中均值的图像椒盐噪声去除方法,其通过设定简单的噪声检测算子,不仅有利于构造逐点自适应的滤波窗口,而且有利于快速判断噪声点。由于图像的小区域内像素灰度值具有高度的相关性,使用小尺寸的3×3像素的滤波窗口,不仅能有效地保留图像的细节信息,同时也使采用简单噪声检测算子所带来的误检问题变得微乎其微。去除高浓度的椒盐噪声,无需采用大尺寸的滤波窗口,而采用逐层开关的滤波方式,可逐步消除噪声。在高浓度噪声环境下,噪声点的灰度值由较远距离的各个方向的非噪声点灰度值的中值所替换,为此对滤波过的像素进行均值滤波,进一步减少偏差。该方法达到不仅有效去除噪声的同时也保留图像原有细节信息的目的。
Description
技术领域:
本发明涉及一种图像噪声滤波方法,尤其涉及一种基于迭代开关中均值的图像椒盐噪声去除方法,其属于图像去噪领域。
背景技术:
现有的许多电子产品,基本都附有图像采集、传输和接收等功能,然而在图像采集、传输过程中,常受到外界环境、传感器元件质量和传输信道损坏等问题,引入了不同程度的脉冲噪声,其中椒盐噪声是最常见的一种脉冲噪声。即使是很小的噪声浓度,也会对图像的后期处理造成严重的影响。因而,如何有效地去除噪声和保留原有图像的细节信息是非常有意义的一项研究工作,并具有广泛的应用价值。
目前采用的椒盐噪声去除方法大体可以分为三类:第一类是采用中值滤波器和改进的中值滤波器,该类方法对原图像的噪声点和非噪声点进行统一滤波,并且对高浓度噪声采用较大的滤波窗口,使得该类方法无法有效地去除噪声;第二类是采用基于开关的中值滤波器,该类方法的特点是设定一个噪声检测算子,对非噪声点不做滤波处理,对噪声点采用中值滤波处理,然而该方法在去除高浓度的噪声时,采用逐渐变大的滤波窗口,无法有效地保留原有图像的基本细节信息;第三类是采用基于开关模式的其他滤波方法,比如非局部均值、插值算法等,而该类方法需要设定不同的参数,使得去除噪声方法过程较为复杂,需较多的处理时间,并不实用。
综上所述,根据已有的一些椒盐噪声滤除方法,缺乏一种自适应、简单、快速、高效的滤波方法。
发明内容:
本发明提供一种简单、快速、高效的基于迭代开关中均值的图像椒盐噪声去除方法。
本发明采用如下技术方案:一种基于迭代开关中均值的图像椒盐噪声去除方法,其包括如下步骤:
(1)设输入图像为f,以及n=0,I0=f;
(2)设定一个简单的噪声检测算子ω;
(3)用步骤(2)中的噪声检测算子ω对图像In进行噪声检测,生成关于图像In的标记图像判断是否为单位矩阵,如果是,则直接进入步骤(9),如果不是,则进入步骤(4);
(4)判断标记图像的像素(i,j)是否为0,如果是,则相应的图像In的像素(i,j)为噪声点,并进入步骤(5);如果不是,则图像In的像素(i,j)不是噪声点,并输出In(i,j)到输出灰度值In+1(i,j),并进入步骤(6);
(5)选择以标记图像的像素(i,j)为中心的3×3邻域的滤波窗口并以该滤波窗口对图像In的像素点(i,j)进行中值滤波,得到输出灰度值In+1(i,j);
(6)结束像素(i,j)的滤波;
(7)重复(4)到(6)的过程,直到完成输入图像In中所有像素的滤波,得到滤波后图像In+1;
(8)设定n=n+1;进入步骤(2);
(9)得到预滤波后的图像In,并将图像f的噪声点像素灰度值由图像In的对应像素点的3×3邻域的均值灰度值所替代,而图像f的非噪声点像素灰度值直接输出,得到滤波后的图像g。
进一步地,所述步骤(2)中,一个简单的噪声检测算子ω采用以下公式:
①。
进一步地,所述步骤(4)和(5)中,图像In+1,采用下列公式:
进一步地,所述步骤(9)中,滤波后的图像g,采用下列公式:
本发明具有如下有益效果:本发明基于迭代开关中均值的图像椒盐噪声去除方法综合考虑了如何有效地去除噪声和保留图像细节信息的问题,通过设定简单的噪声检测算子,不仅有利于构造逐点自适应的滤波窗口,而且有利于快速判断噪声点。由于图像的小区域内像素灰度值具有高度的相关性,使用小尺寸的3×3像素的滤波窗口,不仅能有效地保留图像的细节信息,同时也使采用简单噪声检测算子所带来的误检问题变得微乎其微。去除高浓度的椒盐噪声,无需采用大尺寸的滤波窗口,而是采用逐层开关的滤波方式,便可逐步消除噪声。在高浓度噪声环境下,噪声点的灰度值由较远距离的各个方向的非噪声点灰度值的中值所替换,为此对滤波过的像素进行均值滤波,进一步减少偏差。该方法达到了不仅有效去除噪声的同时也保留了图像的原有细节信息的目的。另外,本发明方法过程简单,易实现,无需设定任何参数,是一个自适应的滤波过程,具有较好的滤波效果,并能满足实际运用中的椒盐噪声去除问题。
附图说明:
图1为本发明基于迭代开关中均值的图像椒盐噪声去除方法的流程图。
具体实施方式:
请参照图1所示,本发明基于迭代开关中均值的图像椒盐噪声去除方法,包括如下步骤:
(1)设输入图像为f,以及n=0,I0=f;
(2)设定一个简单的噪声检测算子ω;
(3)用步骤(2)中的噪声检测算子ω对图像In进行噪声检测,生成关于图像In的标记图像判断是否为单位矩阵,如果是,则直接进入步骤(9),如果不是,则进入步骤(4);
(4)判断标记图像的像素(i,j)是否为0,如果是,则相应的图像In的像素(i,j)为噪声点,并进入步骤(5);如果不是,则图像In的像素(i,j)不是噪声点,并输出In(i,j)到输出灰度值In+1(i,j),并进入步骤(6);
(5)选择以标记图像的像素(i,j)为中心的3×3邻域的滤波窗口并以该滤波窗口对图像In的像素点(i,j)进行中值滤波,得到输出灰度值In+1(i,j);
(6)结束像素(i,j)的滤波;
(7)重复(4)到(6)的过程,直到完成输入图像In中所有像素的滤波,得到滤波后图像In+1;
(8)设定n=n+1;进入步骤(2);
(9)得到预滤波后的图像In,并将图像f的噪声点像素灰度值由图像In的对应像素点的3×3邻域的均值灰度值所替代,而图像f的非噪声点像素灰度值直接输出,得到滤波后的图像g。
在上述步骤中,其中步骤(2)中,一个简单的噪声检测算子ω采用以下公式:
①。
其中步骤(4)和(5)中,图像In+1,采用下列公式:
其中步骤(9)中,滤波后的图像g,采用下列公式:
本发明基于迭代开关中均值的图像椒盐噪声去除方法综合考虑了如何有效地去除噪声和保留图像细节信息的问题,通过设定简单的噪声检测算子,不仅有利于构造逐点自适应的滤波窗口,而且有利于快速判断噪声点。由于图像的小区域内像素灰度值具有高度的相关性,使用小尺寸的3×3像素的滤波窗口,不仅能有效地保留图像的细节信息,同时也使采用简单噪声检测算子所带来的误检问题变得微乎其微。去除高浓度的椒盐噪声,无需采用大尺寸的滤波窗口,而是采用逐层开关的滤波方式,便可逐步消除噪声。在高浓度噪声环境下,噪声点的灰度值由较远距离的各个方向的非噪声点灰度值的中值所替换,为此对滤波过的像素进行均值滤波,进一步减少偏差。该方法达到了不仅有效去除噪声的同时也保留了图像的原有细节信息的目的。另外,本发明方法过程简单,易实现,无需设定任何参数,是一个自适应的滤波过程,具有较好的滤波效果,并能满足实际运用中的椒盐噪声去除问题。
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作出若干改进,这些改进也应视为本发明的保护范围。
Claims (4)
1.一种基于迭代开关中均值的图像椒盐噪声去除方法,其特征在于:包括如下步骤
(1)设输入图像为f,以及n=0,I0=f;
(2)设定一个简单的噪声检测算子ω;
(3)用步骤(2)中的噪声检测算子ω对图像In进行噪声检测,生成关于图像In的标记图像判断是否为单位矩阵,如果是,则直接进入步骤(9),如果不是,则进入步骤(4);
(4)判断标记图像的像素(i,j)是否为0,如果是,则相应的图像In的像素(i,j)为噪声点,并进入步骤(5);如果不是,则图像In的像素(i,j)不是噪声点,并输出In(i,j)到输出灰度值In+1(i,j),并进入步骤(6);
(5)选择以标记图像的像素(i,j)为中心的3×3邻域的滤波窗口并以该滤波窗口对图像In的像素点(i,j)进行中值滤波,得到输出灰度值In+1(i,j);
(6)结束像素(i,j)的滤波;
(7)重复(4)到(6)的过程,直到完成输入图像In中所有像素的滤波,得到滤波后图像In+1;
(8)设定n=n+1;进入步骤(2);
(9)得到预滤波后的图像In,并将图像f的噪声点像素灰度值由图像In的对应像素点的3×3邻域的均值灰度值所替代,而图像f的非噪声点像素灰度值直接输出,得到滤波后的图像g。
2.如权利要求1所述的基于迭代开关中均值的图像椒盐噪声去除方法,其特征在于:所述步骤(2)中,一个简单的噪声检测算子ω采用以下公式:
①。
3.如权利要求1所述的基于迭代开关中均值的图像椒盐噪声去除方法,其特征在于:所述步骤(4)和(5)中,图像In+1,采用下列公式:
4.如权利要求1所述的基于迭代开关中均值的图像椒盐噪声去除方法,其特征在于:所述步骤(9)中,滤波后的图像g,采用下列公式:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510182006.XA CN104809701A (zh) | 2015-04-16 | 2015-04-16 | 一种基于迭代开关中均值的图像椒盐噪声去除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510182006.XA CN104809701A (zh) | 2015-04-16 | 2015-04-16 | 一种基于迭代开关中均值的图像椒盐噪声去除方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104809701A true CN104809701A (zh) | 2015-07-29 |
Family
ID=53694506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510182006.XA Pending CN104809701A (zh) | 2015-04-16 | 2015-04-16 | 一种基于迭代开关中均值的图像椒盐噪声去除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104809701A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105303536A (zh) * | 2015-11-26 | 2016-02-03 | 南京工程学院 | 一种基于加权均值滤波的中值滤波算法 |
CN105787890A (zh) * | 2016-01-28 | 2016-07-20 | 河南师范大学 | 自适应等距模板迭代均值滤波的图像去噪方法 |
CN105976341A (zh) * | 2016-06-17 | 2016-09-28 | 天津工业大学 | 图像自适应中值滤波方法 |
CN106355562A (zh) * | 2016-08-30 | 2017-01-25 | 兰州交通大学 | 一种基于机器视觉的钢轨检测图像的去噪方法 |
CN106683054A (zh) * | 2016-12-08 | 2017-05-17 | 南京理工大学 | 基于图像抖动技术抑制椒盐噪声的方法 |
CN107067376A (zh) * | 2017-01-15 | 2017-08-18 | 四川精目科技有限公司 | 一种rbf插值椒盐噪声图像修复方法 |
CN108416740A (zh) * | 2018-01-22 | 2018-08-17 | 大连大学 | 一种消除椒盐噪声的迭代自适应中值滤波算法 |
CN110893109A (zh) * | 2019-10-18 | 2020-03-20 | 深圳北芯生命科技有限公司 | 血管内超声系统的图像降噪方法 |
CN115661135A (zh) * | 2022-12-09 | 2023-01-31 | 山东第一医科大学附属省立医院(山东省立医院) | 一种心脑血管造影的病灶区域分割方法 |
CN116883370A (zh) * | 2023-07-18 | 2023-10-13 | 西藏净微检测技术有限公司 | 一种农产品外观质量检测系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7110612B1 (en) * | 2001-10-11 | 2006-09-19 | Pixelworks, Inc. | Weighted absolute difference based noise reduction method and apparatus |
CN102223469A (zh) * | 2011-06-14 | 2011-10-19 | 天津大学 | 一种基于彩色图像的椒盐噪声滤波方法 |
CN102256048A (zh) * | 2011-07-19 | 2011-11-23 | 南京信息工程大学 | 一种自适应密度的图像椒盐噪声开关滤波方法 |
CN104050646A (zh) * | 2014-07-04 | 2014-09-17 | 西安电子科技大学 | 基于迭代非局部均值抑制图像脉冲噪声的方法 |
-
2015
- 2015-04-16 CN CN201510182006.XA patent/CN104809701A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7110612B1 (en) * | 2001-10-11 | 2006-09-19 | Pixelworks, Inc. | Weighted absolute difference based noise reduction method and apparatus |
CN102223469A (zh) * | 2011-06-14 | 2011-10-19 | 天津大学 | 一种基于彩色图像的椒盐噪声滤波方法 |
CN102256048A (zh) * | 2011-07-19 | 2011-11-23 | 南京信息工程大学 | 一种自适应密度的图像椒盐噪声开关滤波方法 |
CN104050646A (zh) * | 2014-07-04 | 2014-09-17 | 西安电子科技大学 | 基于迭代非局部均值抑制图像脉冲噪声的方法 |
Non-Patent Citations (2)
Title |
---|
阮秋琦 等: "《图像图形技术研究与应用(2010)》", 30 April 2010 * |
陈从平等: ""高密度椒盐噪声图像开关自适应滤波算法"", 《激光与红外》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105303536A (zh) * | 2015-11-26 | 2016-02-03 | 南京工程学院 | 一种基于加权均值滤波的中值滤波算法 |
CN105787890A (zh) * | 2016-01-28 | 2016-07-20 | 河南师范大学 | 自适应等距模板迭代均值滤波的图像去噪方法 |
CN105787890B (zh) * | 2016-01-28 | 2018-10-12 | 河南师范大学 | 自适应等距模板迭代均值滤波的图像去噪方法 |
CN105976341B (zh) * | 2016-06-17 | 2018-10-09 | 天津工业大学 | 图像自适应中值滤波方法 |
CN105976341A (zh) * | 2016-06-17 | 2016-09-28 | 天津工业大学 | 图像自适应中值滤波方法 |
CN106355562A (zh) * | 2016-08-30 | 2017-01-25 | 兰州交通大学 | 一种基于机器视觉的钢轨检测图像的去噪方法 |
CN106683054B (zh) * | 2016-12-08 | 2019-12-27 | 南京理工大学 | 基于图像抖动技术抑制椒盐噪声的方法 |
CN106683054A (zh) * | 2016-12-08 | 2017-05-17 | 南京理工大学 | 基于图像抖动技术抑制椒盐噪声的方法 |
CN107067376A (zh) * | 2017-01-15 | 2017-08-18 | 四川精目科技有限公司 | 一种rbf插值椒盐噪声图像修复方法 |
CN108416740A (zh) * | 2018-01-22 | 2018-08-17 | 大连大学 | 一种消除椒盐噪声的迭代自适应中值滤波算法 |
CN108416740B (zh) * | 2018-01-22 | 2021-09-14 | 大连大学 | 一种消除椒盐噪声的迭代自适应中值滤波方法 |
CN110893109A (zh) * | 2019-10-18 | 2020-03-20 | 深圳北芯生命科技有限公司 | 血管内超声系统的图像降噪方法 |
CN115661135A (zh) * | 2022-12-09 | 2023-01-31 | 山东第一医科大学附属省立医院(山东省立医院) | 一种心脑血管造影的病灶区域分割方法 |
CN116883370A (zh) * | 2023-07-18 | 2023-10-13 | 西藏净微检测技术有限公司 | 一种农产品外观质量检测系统 |
CN116883370B (zh) * | 2023-07-18 | 2024-02-20 | 西藏净微检测技术有限公司 | 一种农产品外观质量检测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104809701A (zh) | 一种基于迭代开关中均值的图像椒盐噪声去除方法 | |
CN106251318B (zh) | 一种序列图像的去噪装置及方法 | |
CN1328901C (zh) | 一种去除图像噪声的方法 | |
CN102156963A (zh) | 一种混合噪声图像去噪方法 | |
CN105894460A (zh) | 图像滤波方法及装置 | |
CN104517110A (zh) | 一种二维码图像的二值化方法及系统 | |
CN107742291A (zh) | 一种光伏玻璃的缺陷检测方法及装置 | |
CN101626454B (zh) | 一种增强视频可视性的方法 | |
CN101877123A (zh) | 一种图像增强方法和装置 | |
CN104463816A (zh) | 一种图像处理方法及装置 | |
CN105046658A (zh) | 一种低照度图像处理方法和装置 | |
CN105069778B (zh) | 基于目标特征显著图构建的工业产品表面缺陷检测方法 | |
CN101908205B (zh) | 基于幻方编码的中值滤波方法 | |
CN104331863A (zh) | 一种图像滤波去噪方法 | |
CN105894474A (zh) | 一种非线性图像增强方法及边缘检测方法 | |
CN103778611A (zh) | 利用边缘检测的开关加权矢量中值滤波方法 | |
CN1249619C (zh) | 图像细节增强时冲出抑制的方法和装置 | |
CN105139343A (zh) | 一种图像处理方法、装置 | |
CN101188671A (zh) | 视频图像的锐化方法 | |
CN101212563A (zh) | 基于噪声估计的图像局部滤波处理方法 | |
CN103996177A (zh) | 一种无参考检测消除雪花噪声算法 | |
CN111063029A (zh) | 地图构建方法、装置、计算机可读存储介质及机器人 | |
CN108122209B (zh) | 一种基于对抗生成网络的车牌去模糊方法 | |
CN101482970B (zh) | 图像处理中的改进形态学滤波方法 | |
CN106254723A (zh) | 一种实时监测视频噪声干扰的方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150729 |