CN105069764B - 一种基于边缘跟踪的图像去噪方法及系统 - Google Patents

Abstract

本发明提供一种基于边缘跟踪的图像去噪方法及系统，包括步骤S1、获取多帧连续图像；步骤S2、在连续图像中选取一个基准图像，对该基准图像进行边缘检测处理，获取若干个边缘；步骤S3、对于获取的基准图像的每个边缘，在每个非基准图像中查找相对应的边缘；步骤S4、对基准图像的各个边缘进行扩展来形成边缘区域，对于边缘区域的每个像素点，采用多帧连续图像中对应的所有像素点的灰度值的中值来替换原有灰度值；步骤S5、对基准图像的非边缘区域进行去噪处理。本发明的基于边缘跟踪的图像去噪方法及系统在抑制图像噪声的同时，利用相邻帧数据的边缘信息来合成低噪声的边缘；有效地保留了边缘等高频细节信息。

Description

一种基于边缘跟踪的图像去噪方法及系统

技术领域

本发明涉及一种图像去噪方法及系统，特别是涉及一种基于边缘跟踪的图像去噪方法及系统。

背景技术

现有技术中，数字图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响，被称为含噪图像或噪声图像。减少数字图像中噪声的过程称为图像去噪。

噪声是图像干扰的重要原因。一幅图像在实际应用中可能存在各种各样的噪声，这些噪声可能在传输中产生，也可能在量化等处理中产生。根据噪声和信号的关系可将其分为以下三种形式：其中，(f(x,y)表示给定原始图象，g(x,y)表示图象信号，n(x,y)表示噪声。

1)加性噪声

此类噪声与输入图象信号无关，含噪图象可表示为f(x,y)＝g(x,y)+n(x,y),信道噪声及光导摄像管的摄像机扫描图象时产生的噪声就属这类噪声；

2)乘性噪声

此类噪声与图象信号有关,含噪图象可表示为f(x,y)＝g(x,y)+n(x,y)g(x,y)，飞点扫描器扫描图象时的噪声，电视图象中的相关噪声,胶片中的颗粒噪声就属于此类噪声；

3)量化噪声

此类噪声与输入图象信号无关,是量化过程存在量化误差,再反映到接收端而产生。

现有的去噪算法主要基于空间域和变换域两类算法。如申请号为201210000381.4，发明名称为《基于非局部稀疏模型的图像去噪方法》的中国发明专利公开一种基于非局部稀疏模型的图像去噪方法，包括(1)求解含噪图像中每点邻域的相似集合；(2)根据相似集合的大小，为相似集合设计稀疏表示的字典；(3)利用得到的字典，使用SOMP算法对相似集合数据进行稀疏分解与稀疏重构，实现相似集合数据去噪；(4)对含噪图像中每点的所有去噪结果求和并取均值，作为该点最终的去噪结果，进而得到整幅图像的去噪结果。再如，申请号为201410532412.X，发明名称为《一种快速有效保留边缘及方向特征的图像去噪方法》的中国发明专利公开.一种快速有效保留边缘及方向特征的图像去噪方法，包括：图像经过小波变换后，低频子图像集中了原图像的大部分能量噪声，进行二次维纳滤波突出融合图像的细节；由于图像噪声主要集中在三个不同方向的小波高频子图部分，其系数较小，利用奇异值分解进行去噪处理，将高频对角线子图旋转至行列方向后，与高频行、列方向子图一起进行奇异值分解，为避免丢失掉边缘细节信息，同时还对高频子图进行边缘提取和保留；最后将去噪后的低频和高频子图进行小波反变换重构出最终的去噪图像。

然而，基于空间域的去噪算法通常会对图像的边缘细节信息进行平滑，造成边缘模糊；基于变换域的去噪算法会引入额外的图像信息。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于边缘跟踪的图像去噪方法及系统，在抑制图像噪声的同时，利用相邻帧数据的边缘信息来合成低噪声的边缘；有效地保留了边缘等高频细节信息。

为实现上述目的及其他相关目的，本发明提供一种基于边缘跟踪的图像去噪方法包括以下步骤：步骤S1、获取多帧连续图像；步骤S2、在连续图像中选取一个基准图像，对所述基准图像进行边缘检测处理，获取若干个边缘；步骤S3、对于所述基准图像的每个边缘，在每个非基准图像中查找相对应的边缘；步骤S4、对所述基准图像的各个边缘进行扩展来形成边缘区域，对于边缘区域的每个像素点，采用多帧连续图像中对应的所有像素点的灰度值的中值来替换所述基准图像的原有灰度值；步骤S5、对所述基准图像的非边缘区域进行去噪处理。

根据上述的基于边缘跟踪的图像去噪方法，其中：所述步骤S1中，获取两帧及以上的连续图像。

根据上述的基于边缘跟踪的图像去噪方法，其中：所述步骤S2中，选择多帧连续图像中的中值图像作为基准图像。

根据上述的基于边缘跟踪的图像去噪方法，其中：所述步骤S4中，对所述基准图像的各个边缘进行扩展来形成边缘区域时，通过以下两种方式进行扩展：

1)将边缘像素的内外两侧若干个像素点的区域扩展为边缘区域；

2)根据边缘像素的梯度方向，向梯度方向扩展若干个像素的区域为边缘区域。

根据上述的基于边缘跟踪的图像去噪方法，其中：所述步骤S5中，对所述基准图像的非边缘区域像素进行掩模时，若邻域中的像素为边缘上的像素，则该邻域的像素不参与掩模运算。

同时，本发明还提供一种基于边缘跟踪的图像去噪系统，包括图像获取模块、边缘检测模块、边缘跟踪模块、边缘区域像素替换模块和非边缘区域去噪模块；

所述图像获取模块用于获取多帧连续图像；

所述边缘检测模块用于在连续图像中选取一个基准图像，对该基准图像进行边缘检测处理，获取若干个边缘；

所述边缘跟踪模块用于针对所述基准图像的每个边缘，在每个非基准图像中查找相对应的边缘；

所述边缘区域像素替换模块用于对所述基准图像的各个边缘进行扩展来形成边缘区域，对于边缘区域的每个像素点，采用多帧连续图像中对应的所有像素点的灰度值的中值来替换所述基准图像的原有灰度值；

所述非边缘区域去噪模块用于对所述基准图像的非边缘区域进行去噪处理。

根据上述的基于边缘跟踪的图像去噪系统，其中：所述图像获取模块获取两帧及以上的连续图像。

根据上述的基于边缘跟踪的图像去噪系统，其中：所述边缘检测模块选择多帧连续图像中的中值图像作为基准图像。

根据上述的基于边缘跟踪的图像去噪系统，其中：所述边缘区域像素替换模块对各个边缘进行扩展来形成边缘区域时，通过以下两种方式进行扩展：

1)将边缘像素的内外两侧若干个像素点的区域扩展为边缘区域；

2)根据边缘像素的梯度方向，向梯度方向扩展若干个像素的区域为边缘区域。

根据上述的基于边缘跟踪的图像去噪系统，其中：所述非边缘区域去噪模块对非边缘区域像素进行掩模时，若邻域中的像素为边缘上的像素，则该邻域的像素不参与掩模运算。

如上所述，本发明的基于边缘跟踪的图像去噪方法及系统，具有以下有益效果：

(1)相邻帧数据的边缘信息来合成低噪声的边缘；

(2)有效地保留了边缘等高频细节信息；

(3)抑制了图像噪声。

附图说明

图1显示为本发明的基于边缘跟踪的图像去噪方法的流程图；

图2显示为本发明中边缘跟踪的示意图；

图3显示为本发明的边缘区域像素替换的示意图；

图4显示为本发明的基于边缘跟踪的图像去噪系统的结构示意图。

元件标号说明

1 图像获取模块

2 边缘检测模块

3 边缘跟踪模块

4 边缘区域像素替换模块

5 非边缘区域去噪模块

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。

需要说明的是，本实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

参照图1，本发明的基于边缘跟踪的图像去噪方法包括以下步骤：

步骤S1、获取多帧连续图像。

其中，在用图像采集设备进行图像获取时，不是采集单帧图像，而是同时采集k(k>1)帧图像。对于k值的选取，不宜过大，过大会降低算法运行的速率，过小则导致算法的去噪效果不佳，边缘保留不准确。

步骤S2、在连续图像中选取一个基准图像，对该基准图像进行边缘检测处理，获取若干个边缘。

优选地，选择k幅图像中的中值图像作为基准图像，然后利用边缘检测算法对该基准图像进行边缘检测处理。其中，中值图像是指多帧连续图像中处于中间位置处的图像。

优选地，本发明使用Canny算子边缘检测算法，这是因为Canny算子边缘检测算法所检测的边缘为单个像素，从而能够保证边缘检测的准确度。

步骤S3、对于获取的基准图像的每个边缘，在每个非基准图像中查找相对应的边缘。

如图2所示，设定基准图像为Im，通过步骤S2获得了n条边缘，分别为S₁,S₂,S₃,…,S_i,…S_n。采用跟踪算法在非基准图像Im'中查找边缘S_i相对应的边缘，如图2中Im'的S_i'和Im”中的S_i”。

其中，根据S_i对应的边缘像素序列的空间坐标来自适应选取跟踪半径；然后根据边缘S_i、S_i'、S_i”中对应像素点的空间位置、颜色和梯度等信息，利用Meanshift算法快速在非基准图像跟踪查找到相应的边缘信息。

如图2所示，在边缘检测中，基准图像Im有n个边缘，假设每个边缘都在非基准图像中存在对应的边缘，则经过Meanshift算法的跟踪，每条边缘可以获得k-1个偏移向量因此，边缘S_i在第j帧非基准图像中的偏移向量可标记为则S_i上的任意点坐标D(x,y)，在第j帧非基准图像中相对应的坐标为

步骤S4、对基准图像的各个边缘进行扩展来形成边缘区域，对于边缘区域的每个像素点，采用多帧连续图像中对应的所有像素点的灰度值的中值来替换基准图像的原有灰度值。

其中，边缘区域像素灰度值的替换是边缘保证不被现有空间域滤波算法侵蚀的重点。

具体地，对各个边缘进行扩展来形成边缘区域时，根据不同的图像，通过以下两种方式进行扩展：

(1)将边缘像素的内外两侧几个像素点的区域扩展为边缘区域；其中可根据图像的大小来具体选定像素点的个数。对于大图像，像素点的个数相对较多；对于小图像，像素点的个数相对较少。

(2)根据边缘像素的梯度方向，向梯度方向扩展几个像素，将扩展区域认定为边缘区域。

之所以要扩展形成边缘区域，是因为Canny算子边缘检测算法所检测的边缘经过非极大值抑制，结果为单像素的边缘，而通常的边缘并非为单个像素。扩展形成的边缘区域有利于图像噪声的有效去除。

如图3所示，假设步骤S1中采集了k＝2m+1帧图像，I为多帧连续图像中某一边缘的某一像素的灰度序列，I_i为基准图像Im中的某一边缘的某一像素的灰度值，则…,I_i-2,I_i-1,I_i,I_i+1,I_i+2...为非基准图像中对应边缘上相应像素位置的灰度值。对该边缘像素的灰度序列I进行从小到大或从大到小的排序，设排序后的序列为I'，如图3中的序列：…,I'_i-2,I'_i-1,I'_i,I'_i+1,I'_i+2，…，则取序列中的中值I_i'来替换基准图像中原来的该像素位置的灰度值。以此类推，完成所有扩展后的边缘区域的像素替换。

通过对边缘区域的像素的灰度值的替换，实现了对边缘区域的去噪和对边缘高频细节区域的保留。

步骤S5、对基准图像的非边缘区域进行去噪处理。

优选地，采用空间域滤波算法对非边缘区域进行去噪。需要说明的是，对非边缘区域像素进行掩模时，需要对邻域中的像素进行判断，若邻域中的像素为边缘上的像素，则该邻域的像素不参与掩模运算。

因此，本发明的基于边缘跟踪的图像去噪方法是针对基准图像进行去噪处理，最后获得的是经过去噪处理后的基准图像。

参照图4，本发明的基于边缘跟踪的图像去噪系统包括图像获取模块1、边缘检测模块2、边缘跟踪模块3、边缘区域像素替换模块4和非边缘区域去噪模块5。

图像获取模块1用于获取多帧连续图像。

其中，图像获取模块1在用图像采集设备进行图像获取时，不是采集单帧图像，而是同时采集k(k>1)帧图像。对于k值的选取，不宜过大，过大会降低算法运行的速率，过小则导致算法的去噪效果不佳，边缘保留不准确。

边缘检测模块2与图像获取模块1相连，用于在连续图像中选取一个基准图像，对该基准图像进行边缘检测处理，获取若干个边缘。

优选地，选择k幅图像中的中值图像作为基准图像，然后利用边缘检测算法对该基准图像进行边缘检测处理。其中，中值图像是指多帧连续图像中处于中间位置处的图像。

优选地，本发明使用Canny算子边缘检测算法，这是因为Canny算子边缘检测算法所检测的边缘为单个像素，从而能够保证边缘检测的准确度。

边缘跟踪模块3与图像获取模块1和边缘检测模块2相连，用于针对获取的基准图像的每个边缘，在每个非基准图像中查找相对应的边缘。

如图2所示，设定基准图像为Im，通过步骤S2获得了n条边缘，分别为S₁,S₂,S₃,…,S_i,…S_n。采用跟踪算法在非基准图像Im'中查找边缘S_i相对应的边缘，如图2中Im'的S_i'和Im”中的S_i”。

其中，根据S_i对应的边缘像素序列的空间坐标来自适应选取跟踪半径；然后根据边缘S_i、S_i'、S_i”中对应像素点的空间位置、颜色和梯度等信息，利用Meanshift算法快速在非基准图像跟踪查找到相应的边缘信息。

如图2所示，在边缘检测中，基准图像Im有n个边缘，假设每个边缘都在非基准图像中存在对应的边缘，则经过Meanshift算法的跟踪，每条边缘可以获得k-1个偏移向量因此，边缘S_i在第j帧非基准图像中的偏移向量可标记为则S_i上的任意点坐标D(x,y)，在第j帧非基准图像中相对应的坐标为

边缘区域像素替换模块4与边缘检测模块2和边缘跟踪模块3相连，用于对基准图像的各个边缘进行扩展来形成边缘区域，对于边缘区域的每个像素点，采用多帧连续图像中对应的所有像素点的灰度值的中值来替换基准图像的原有灰度值。

其中，边缘区域像素灰度值的替换是边缘保证不被现有空间域滤波算法侵蚀的重点。

具体地，对各个边缘进行扩展来形成边缘区域时，根据不同的图像，通过以下两种方式进行扩展：

(1)将边缘像素的内外两侧几个像素点的区域扩展为边缘区域；其中可根据图像的大小来具体选定像素点的个数。对于大图像，像素点的个数相对较多；对于小图像，像素点的个数相对较少。

(2)根据边缘像素的梯度方向，向梯度方向扩展几个像素，将扩展区域认定为边缘区域。

之所以要扩展形成边缘区域，是因为Canny算子边缘检测算法所检测的边缘经过非极大值抑制，结果为单像素的边缘，而通常的边缘并非为单个像素。扩展形成的边缘区域有利于图像噪声的有效去除。

如图3所示，假设步骤S1中采集了k＝2m+1帧图像，I为多帧连续图像中某一边缘的某一像素的灰度序列，I_i为基准图像Im中的某一边缘的某一像素的灰度值，则…,I_i-2,I_i-1,I_i,I_i+1,I_i+2...为非基准图像中对应边缘上相应像素位置的灰度值。对该边缘像素的灰度序列I进行从小到大或从大到小的排序，设排序后的序列为I'，如图3中的序列：…,I'_i-2,I'_i-1,I'_i,I'_i+1,I'_i+2，…，则取序列中的中值I_i'来替换基准图像的原来的该像素位置的灰度值。以此类推，完成所有扩展后的边缘区域的像素替换。

通过对边缘区域的像素的灰度值的替换，实现了对边缘区域的去噪和对边缘高频细节区域的保留。

非边缘区域去噪模块5与边缘区域像素替换模块4相连，用于对基准图像的非边缘区域进行去噪处理。

优选地，采用空间域滤波算法对非边缘区域进行去噪。需要说明的是，对非边缘区域像素进行掩模时，需要对邻域中的像素进行判断，若邻域中的像素为边缘上的像素，则该邻域的像素不参与掩模运算。

因此，本发明的基于边缘跟踪的图像去噪系统是针对基准图像进行去噪处理，最后获得的是经过去噪处理后的基准图像。

综上所述，本发明的基于边缘跟踪的图像去噪方法及系统在抑制图像噪声的同时，利用相邻帧数据的边缘信息来合成低噪声的边缘；有效地保留了边缘等高频细节信息。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (8)

1.一种基于边缘跟踪的图像去噪方法，其特征在于：包括以下步骤：

步骤S1、获取多帧连续图像；

步骤S2、在连续图像中选取一个基准图像，对所述基准图像进行边缘检测处理，获取若干个边缘；

步骤S3、对于所述基准图像的每个边缘，在每个非基准图像中查找相对应的边缘；

步骤S4、对所述基准图像的各个边缘进行扩展来形成边缘区域，对于边缘区域的每个像素点，采用多帧连续图像中对应的所有像素点的灰度值的中值来替换所述基准图像的原有灰度值；

步骤S5、对所述基准图像的非边缘区域进行去噪处理。

2.根据权利要求1所述的基于边缘跟踪的图像去噪方法，其特征在于：所述步骤S2中，选择多帧连续图像中的中值图像作为基准图像，所述中值图像为多帧连续图像中处于中间位置处的图像。

3.根据权利要求1所述的基于边缘跟踪的图像去噪方法，其特征在于：所述步骤S4中，对所述基准图像的各个边缘进行扩展来形成边缘区域时，通过以下两种方式之一进行扩展：

1）将边缘像素的内外两侧若干个像素点的区域扩展为边缘区域；

2）根据边缘像素的梯度方向，向梯度方向扩展若干个像素的区域为边缘区域。

4.根据权利要求1所述的基于边缘跟踪的图像去噪方法，其特征在于：所述步骤S5中，对所述基准图像的非边缘区域像素进行掩模时，若邻域中的像素为边缘上的像素，则该邻域的像素不参与掩模运算。

5.一种基于边缘跟踪的图像去噪系统，其特征在于：包括图像获取模块、边缘检测模块、边缘跟踪模块、边缘区域像素替换模块和非边缘区域去噪模块；

所述图像获取模块用于获取多帧连续图像；

所述边缘检测模块用于在连续图像中选取一个基准图像，对该基准图像进行边缘检测处理，获取若干个边缘；

所述边缘跟踪模块用于针对所述基准图像的每个边缘，在每个非基准图像中查找相对应的边缘；

所述边缘区域像素替换模块用于对所述基准图像的各个边缘进行扩展来形成边缘区域，对于边缘区域的每个像素点，采用多帧连续图像中对应的所有像素点的灰度值的中值来替换所述基准图像的原有灰度值；

所述非边缘区域去噪模块用于对所述基准图像的非边缘区域进行去噪处理。

6.根据权利要求5所述的基于边缘跟踪的图像去噪系统，其特征在于：所述边缘检测模块选择多帧连续图像中的中值图像作为基准图像，所述中值图像为多帧连续图像中处于中间位置处的图像。

7.根据权利要求5所述的基于边缘跟踪的图像去噪系统，其特征在于：所述边缘区域像素替换模块对各个边缘进行扩展来形成边缘区域时，通过以下两种方式之一进行扩展：

1）将边缘像素的内外两侧若干个像素点的区域扩展为边缘区域；

2）根据边缘像素的梯度方向，向梯度方向扩展若干个像素的区域为边缘区域。

8.根据权利要求5所述的基于边缘跟踪的图像去噪系统，其特征在于：所述非边缘区域去噪模块对非边缘区域像素进行掩模时，若邻域中的像素为边缘上的像素，则该邻域的像素不参与掩模运算。