CN105894457A - 一种去除图像噪声的方法及装置 - Google Patents

Abstract

本发明实施例提供一种去除图像噪声的方法及装置，通过获取待处理图像中各个像素点组成的像素序列；根据所述像素序列，以及预设的算子，获取所述待处理图像中每一个像素点对应的噪声检测参数；根据所述待处理图像中的每一个像素点对应的噪声检测参数，从所述待处理图像中，获取噪声图像；根据所述噪声图像，为所述代理处图像中的每一个像素点设置对应的噪声污染指数；分别根据每一个像素点对应的噪声污染指数，对该像素点的灰度值进行去噪声处理。采用本发明实施例技术方案，由于预设的算子为预设角度上的矩阵，能够体现待处理图像中的纹理特征，从而避免了仅采用中值滤波法进行滤波时，导致的将待处理图像中的细线识别为脉冲噪声的问题。

Description

一种去除图像噪声的方法及装置

技术领域

本发明实施例涉及图形图像处理技术领域，尤其涉及一种去除图像噪声的方法及装置。

背景技术

随着电子技术的飞速发展，用户可以通过各种电子设备(如个人计算机，手机，平板电脑等)观看视频，浏览图片等。

目前，图像在传输过程中，常常受到外界噪声干扰，导致生成的图像质量下降。为了保证终端所呈现图像的质量，通常需要终端具备图像处理功能，对图像中的噪声进行处理，从而提高终端呈现图像的质量。

基于上述技术问题，终端通常采用中值滤波法，对图像中的噪声进行处理；在中值滤波法在滤除图像噪声的过程中，需要预先设置一个固定大小的窗口，通过所述窗口依次扫描所述图像，对所述图像中的每一个像素点进行处理，处理后的每一个像素点的灰度值均与门限值进行比较，若所述处理后的每一个像素点的灰度值大于预设门限值，则认为所述像素点为噪声像素点。采用上述技术方案，由于中值滤波法不能区分脉冲噪声和细线，仅通过单一的设置一个门限值，将像素点的灰度值与预设门限值进行比较，判断一个像素点是否为噪声像素点，存在将图像中的细线识别为脉冲噪声的问题。

由此可见，目前噪声滤除过程中，存在错误率高的问题。

发明内容

本发明实施例提供一种去除图像噪声的方法及装置，用以解决目前噪声滤除过程中，存在错误率高的问题。

本发明实施例提供的具体技术方案如下：

本发明实施例提供一种去除图像噪声的方法，包括：

获取待处理图像中各个像素点组成的像素序列；其中，所述像素序列中包含的元素为每一个像素点的灰度值；

根据所述像素序列，以及预设的算子，获取所述待处理图像中每一个像素点对应的噪声检测参数；其中，所述预设的算子为预设角度上的矩阵；

根据所述待处理图像中的每一个像素点对应的噪声检测参数，从所述待处理图像中，获取噪声图像；

根据所述噪声图像，为所述代理处图像中的每一个像素点设置对应的噪声污染指数；

分别根据每一个像素点对应的噪声污染指数，对该像素点的灰度值进行去噪声处理。

本发明实施例提供一种去除图像噪声的装置，包括：

像素序列获取单元，用于获取待处理图像中各个像素点组成的像素序列；其中，所述像素序列中包含的元素为每一个像素点的灰度值；

噪声检测参数获取单元，用于根据所述像素序列，以及预设的算子，获取所述待处理图像中每一个像素点对应的噪声检测参数；其中，所述预设的算子为预设角度上的矩阵；

噪声图像获取单元，用于根据所述待处理图像中的每一个像素点对应的噪声检测参数，从所述待处理图像中，获取噪声图像；

噪声污染指数设置单元，用于根据所述噪声图像，为所述代理处图像中的每一个像素点设置对应的噪声污染指数；

去噪声单元，用于分别根据每一个像素点对应的噪声污染指数，对该像素点的灰度值进行去噪声处理。

本发明实施例提供一种去除图像噪声的方法及装置，通过获取待处理图像中各个像素点组成的像素序列；其中，所述像素序列中包含的元素为每一个像素点的灰度值；根据所述像素序列，以及预设的算子，获取所述待处理图像中每一个像素点对应的噪声检测参数；其中，所述预设的算子为预设角度上的矩阵；根据所述待处理图像中的每一个像素点对应的噪声检测参数，从所述待处理图像中，获取噪声图像；根据所述噪声图像，为所述代理处图像中的每一个像素点设置对应的噪声污染指数；分别根据每一个像素点对应的噪声污染指数，对该像素点的灰度值进行去噪声处理。采用本发明实施例技术方案，由于预设的算子为预设角度上的矩阵，能够体现待处理图像中的纹理特征，通过预设的算子对待处理图像中直线上的像素点的灰度值进行处理，能够识别待处理图像中的细线，从而避免了仅采用中值滤波法进行滤波 时，导致的将待处理图像中的细线识别为脉冲噪声的问题，提高了噪声识别的准确性；并且，根据预设的算子，从所述待处理图像中分离出噪声图像，由于噪声图像中不包含待处理图像中的细节部分，因此，根据所述噪声图像，获取待处理图像中每一个像素点可能被噪声污染的指数，并根据该指数，对待处理图像进行修正，能够保证输出的图像质量更佳。

附图说明

图1为本发明实施例中通信系统架构示意图；

图2为本发明实施例一中去除图像噪声的流程图；

图3a至图3d为本发明实施例一预设的算子示意图；

图4为本发明实施例一中图像示意图；

图5为本发明实施例二中去除图像噪声的装置结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面结合说明书附图，对本发明实施例作进一步详细描述。

参阅图1所示，为本发明实施例中，通信系统架构示意图，该通信系统包含终端和服务器；其中，所述终端为具备通信功能的终端，且所述终端为具备人机交互界面的终端，该终端能够接收服务器发送的数据包，并根据该数据包呈现相应的画面，如所述终端为个人计算机，平板电脑，手机等，所述终端中可以承载各种操作系统，如微软操作系统，安卓操作系统，ios操作系统等；所述服务器为向终端提供数据包的设备，终端能够根据该数据包呈现相应的图片或者文本。

实施例一

参阅图2所示，本发明实施例中，终端对待处理图像中的噪声进行去除的过程，包括：

步骤200：获取待处理图像中各个像素点组成的像素序列；其中，所述像 素序列中包含的元素为每一个像素点的灰度值。

本发明实施例中，任意一待处理图像(记为待处理图像X)中均包含多个像素点；设待处理图像X中包含的像素点数目为a×b，其中，a为待处理图像X中像素点的行数，b为待处理图像X中像素点的列数；获取所述待处理图像中每一个像素点的灰度值，并根据获取的每一个像素点的灰度值，生成像素序列，其中，该像素序列可以为矩阵形式，该矩阵中每一个灰度值根据该灰度值对应的像素点的位置确定，则该矩阵即为a×b的矩阵。

可选的，所述待处理图像可以通过如下公式表示：

X＝{x_ij:1≤i≤a,1≤j≤b}

其中，x表示像素点的灰度值；i表示该像素点的行数；j表示该像素点的列数。

步骤210：根据所述像素序列，以及预设的算子，获取所述待处理图像中每一个像素点对应的噪声检测参数；其中，所述预设的算子为预设角度上的矩阵。

本发明实施例中，终端在本地预设四个算子，所述四个算子为拉普拉斯算子，该四个拉普拉斯算子的方向分别为0°、45°、90°和135°，参阅图3a所示为方向为0°的拉普拉斯算子(记为K_p，p＝1)示意图，图3b所示为方向为45°的拉普拉斯算子(记为K_p，p＝2)示意图，图3c所示为方向为90°的拉普拉斯算子(记为K_p，p＝3)示意图，图3d所示方向为135°的拉普拉斯算子(记为K_p，p＝4)示意图；将所述像素序列分别与四种不同的算子进行卷积运算，生成四个卷积结果，其中，所述卷积结果同样为一个包含多个元素的矩阵，每一个元素和每一个像素点一一对应。

可选的，针对所述待处理图像中的每一个像素点，均执行如下操作：从所述四个卷积结果中选取最小卷积结果，并将所述最小卷积结果确定为该像素点对应的噪声检测参数。

可选的，所述将所述像素序列分别与四种不同的算子进行卷积运算，生成的每一个像素点的噪声检测参数均可以通过如下公式表示：

其中，V_ij为噪声检测参数；x_ij为待处理图像中任意一像素点的灰度值；表示卷积运算；K_p表示拉普拉斯算子。

采用上述技术方案，通过拉普拉斯算子对待处理图像进行处理，由于拉 普拉斯算子对四个方向上的直线均敏感，从而使得预设门限值的取值与待处理图像的相关性减弱，避免了预设门限值的取值影响到对待处理图像中直线的误判，提高了后续从待处理图像中去除噪声的准确性。

由于在现有技术中，脉冲噪声检测的方法通常基于两点，即非脉冲噪声点集是由不同的图像平滑区域点组成，这些平滑区域被边界分开；以及，与相邻区域像素点相比较，脉冲噪声一般具备非常大或者非常小的灰度值；采用上述技术方案，若当前待处理图像中存在任意一像素点是一个孤立脉冲噪声，则因为脉冲噪声要么很大要么很小，从而使得V_ij会很大，通过计算可知四个卷积结果都很大且基本相同；同理，若当前待处理图像中存在任意一像素点是平滑区域中没有被脉冲噪声污染的像素点，此时，平滑区域中的各个像素点的灰度值非常相似，经计算可知四个卷积结果接近为零，V_ij很小；若当前待处理图像中存在任意一像素点为边缘像素点，可知四个卷积结果中有一个很小，其余三个可能很大，则V_ij很小。基于上述论述可知：对于平滑区域中没有被脉冲噪声污染的像素点和边缘像素点，得到的V_ij都很小；相反，对于被脉冲噪声污染的像素点，V_ij很大。

步骤220：根据所述待处理图像中的每一个像素点对应的噪声检测参数，从所述待处理图像中，获取噪声图像。

本发明实施例中，终端根据每一个像素点对应的噪声检测参数，从所述待处理图像中选取中仅包含噪声的噪声图像。

具体的，所述终端获取噪声图像的过程，包括：分别将所述待处理图像中的每一个像素点对应的噪声检测参数与预设门限值进行比较；从所述待处理图像的所有像素点中，选取比较结果为噪声检测参数大于所述预设门限值的像素点；将选取的像素点组成的图像，确定为噪声图像。

所述噪声图像，满足如下公式：

H＝{d_ij×f_ij ⁽¹⁾,1≤i≤a,1≤j≤b}

其中，所述H为噪声图像；d_ij为待处理图像中的细节图像(记为D)；i为所述待处理图像中像素点所在行数；j为所述待处理图像中像素点所在列数；f_ij ⁽¹⁾为二值标记函数，若所述像素点对应的噪声检测参数大于所述预设门限值的像素点，所述f_ij ⁽¹⁾为1，否则，所述f_ij ⁽¹⁾为0；所述a为所述待处理图像中像素点的总行数；所述b为所述待处理图像中像素点的总列数。

可选的，所述二值标记函数，满足如下公式：

其中，1表示待处理图像中像素点(i，j)为受到噪声污染的噪声点；0表示待处理图像中像素点(i，j)为未受到噪声污染的噪声点。

所述待处理图像中的细节图像，满足如下公式：

本发明实施例中，细节图像D满足如下公式：

D＝|X-Y|

其中，D为噪声图像，可以表示为D＝{d_ij:1≤i≤a,1≤j≤b}；Y为采用与设扫描窗口，对所述待处理图像进行扫描排序后得到的值，可以表示为Y＝{y_ij:1≤i≤a,1≤j≤b}；y_ij可以表示为 $y_{ij}=med(Wn\[x_{ij}\])=men(x_{ij}^{\left(1\right)},...,x_{ij}^{(N+1)},...,x_{ij}^{(2N+1)}),$ Wn[x_ij]为待处理图像中以像素点(i，j)为中心，做n*n＝2N+1的窗口，n为奇数，N为正整数，med(Wn[x_ij])表示对预设扫描窗口内所有点取中值。所述预设扫描窗口根据具体应用场景设置，如所述预设扫描窗口为5×5。

采用上述技术方案，结合中值滤波法，从所述待处理图像(参阅图4所示)中，滤除得到噪声图像，相较于加入20％脉冲的噪声图像的细节图像还包含所述待处理图像的轮廓，噪声图像中包含的图像细节更为不明显，从而可知采用上述技术方案，得到的噪声图像更加准确，进而提高了后续从待处理图像中去除噪声的准确性。

步骤230：根据所述噪声图像，为所述代理处图像中的每一个像素点设置对应的噪声污染指数。

本发明实施例中，终端基于所述噪声图像，通过噪声污染指数检测待处理图像中的噪声。

可选的，所述待理处图像中的每一个像素点设置对应的噪声污染指数，满足如下公式：

其中，f_ij ⁽²⁾为所述代理处图像中的每一个像素点设置对应的噪声污染指 数；d_ij为待处理图像中的细节图像；f_ij ⁽¹⁾为二值标记函数，若所述像素点对应的噪声检测参数大于所述预设门限值的像素点，所述f_ij ⁽¹⁾为1，否则，所述f_ij ⁽¹⁾为0；所述R_l和R_u为预设参数。

采用上述技术方案，通过噪声污染指数来检测每一个像素点受到噪声污染的指数；若待处理图像中存在任意一像素点，其为噪声点的可能性越大，其在后续中，被修正的将越多。

步骤240：分别根据每一个像素点对应的噪声污染指数，对该像素点的灰度值进行去噪声处理。

本发明实施例中，终端对该像素点的灰度值进行去噪声处理之前，所述方法还包括：通过预设大小的窗口，对所述待处理图像进行扫描；针对每一个窗口中的所有像素点，均执行如下操作：对该窗口中包含的像素点的灰度值进行排序，并根据排序结果，对该窗口中的每一个像素点设置对应的噪声污染指数进行修正处理；其中，修正后的所述待理处图像中的每一个像素点设置对应的噪声污染指数，满足如下公式：

其中，x_ij为待处理图像中任意一像素点(i，j)的灰度值；X₍₁₎和X₍₉₎为以所述任意一像素点(i，j)为中心的预设窗口中，各个像素点的灰度值排序后，最大灰度值和最小灰度值；且

基于上述技术方案，表示它所对应的待处理图像中的像素点x_ij被噪声污染的可能性。若则表示相应的x_ij为噪声点，这时就用预设窗口中像素点的灰度值的中值来代替噪声点的灰度值；若则x_ij为没有受到噪声污染的像素点，则该像素点的灰度值保持不变。表示x_ij为噪声点的可能性大小。越大，表示x_ij越有可能是噪声点，相应的后续对它的改变也较多。

去噪声处理后的图像，满足如下公式：

Y_ij＝f_ij ⁽²⁾×m_ij+(1-f_ij ⁽²⁾)×x_ij

其中，为去噪声处理后的图像中任意一像素点(i，j)的灰度值；m_ij为预设窗口中的像素中值。

实施例二

基于上述实施例一描述的技术方案，参阅图5所示，本发明实施例中， 还提供一种去除噪声的装置，包括像素序列获取单元50，噪声检测参数获取单元51，噪声图像获取单元52，噪声污染指数设置单元53，以及去噪声单元54，其中：

像素序列获取单元50，用于获取待处理图像中各个像素点组成的像素序列；其中，所述像素序列中包含的元素为每一个像素点的灰度值；

噪声检测参数获取单元51，用于根据所述像素序列，以及预设的算子，获取所述待处理图像中每一个像素点对应的噪声检测参数；其中，所述预设的算子为预设角度上的矩阵；

噪声图像获取单元52，用于根据所述待处理图像中的每一个像素点对应的噪声检测参数，从所述待处理图像中，获取噪声图像；

噪声污染指数设置单元53，用于根据所述噪声图像，为所述代理处图像中的每一个像素点设置对应的噪声污染指数；

去噪声单元54，用于分别根据每一个像素点对应的噪声污染指数，对该像素点的灰度值进行去噪声处理。

可选的，噪声检测参数获取单元51，具体用于：将所述像素序列分别与四种不同的算子进行卷积运算，生成四个卷积结果；其中，所述四种算子为四个预设角度上的矩阵；针对所述待处理图像中的每一个像素点，均执行如下操作：从所述四个卷积结果中选取最小卷积结果，并将所述最小卷积结果确定为该像素点对应的噪声检测参数。

可选的，噪声图像获取单元52，具体用于：分别将所述待处理图像中的每一个像素点对应的噪声检测参数与预设门限值进行比较；从所述待处理图像的所有像素点中，选取比较结果为噪声检测参数大于所述预设门限值的像素点；将选取的像素点组成的图像，确定为噪声图像。

可选的，所述噪声图像获取单元52，生成的图像，满足如下公式：

H＝{d_ij×f_ij ⁽¹⁾,1≤i≤a,1≤j≤b}

其中，所述H为噪声图像；d_ij为待处理图像中的细节图像；i为所述待处理图像中像素点所在行数；j为所述待处理图像中像素点所在列数；f_ij ⁽¹⁾为二值标记函数，若所述像素点对应的噪声检测参数大于所述预设门限值的像素点，所述f_ij ⁽¹⁾为1，否则，所述f_ij ⁽¹⁾为0；所述a为所述待处理图像中像素点的总行数；所述b为所述待处理图像中像素点的总列数。

可选的，所述待处理图像中的细节图像，满足如下公式：

可选的，所述待理处图像中的每一个像素点设置对应的噪声污染指数，满足如下公式：

其中，f_ij ⁽²⁾为所述代理处图像中的每一个像素点设置对应的噪声污染指数；d_ij为待处理图像中的细节图像；f_ij ⁽¹⁾为二值标记函数，若所述像素点对应的噪声检测参数大于所述预设门限值的像素点，所述f_ij ⁽¹⁾为1，否则，所述f_ij ⁽¹⁾为0；所述R_l和R_u为预设参数。

进一步的，所述装置还包括修正单元55，用于：对该像素点的灰度值进行去噪声处理之前，通过预设大小的窗口，对所述待处理图像进行扫描；针对每一个窗口中的所有像素点，均执行如下操作：对该窗口中包含的像素点的灰度值进行排序，并根据排序结果，对该窗口中的每一个像素点设置对应的噪声污染指数进行修正处理；其中，修正后的所述待理处图像中的每一个像素点设置对应的噪声污染指数，满足如下公式：

其中，x_ij为待处理图像中任意一像素点(i，j)的灰度值；X₍₁₎和X₍₉₎为以所述任意一像素点(i，j)为中心的预设窗口中，各个像素点的灰度值排序后，最大灰度值和最小灰度值。

可选的，去噪声处理后的图像，满足如下公式：

Y_ij＝f_ij ⁽²⁾×m_ij+(1-f_ij ⁽²⁾)×x_ij

其中，为去噪声处理后的图像中任意一像素点(i，j)的灰度值；m_ij为预设窗口中的像素中值。

综上所述，本发明实施例中，通过获取待处理图像中各个像素点组成的像素序列；其中，所述像素序列中包含的元素为每一个像素点的灰度值；根据所述像素序列，以及预设的算子，获取所述待处理图像中每一个像素点对应的噪声检测参数；其中，所述预设的算子为预设角度上的矩阵；根据所述 待处理图像中的每一个像素点对应的噪声检测参数，从所述待处理图像中，获取噪声图像；根据所述噪声图像，为所述代理处图像中的每一个像素点设置对应的噪声污染指数；分别根据每一个像素点对应的噪声污染指数，对该像素点的灰度值进行去噪声处理。采用本发明实施例技术方案，由于预设的算子为预设角度上的矩阵，能够体现待处理图像中的纹理特征，通过预设的算子对待处理图像中直线上的像素点的灰度值进行处理，能够识别待处理图像中的细线，从而避免了仅采用中值滤波法进行滤波时，导致的将待处理图像中的细线识别为脉冲噪声的问题，提高了噪声识别的准确性；并且，根据预设的算子，从所述待处理图像中分离出噪声图像，由于噪声图像中不包含待处理图像中的细节部分，因此，根据所述噪声图像，获取待处理图像中每一个像素点可能被噪声污染的指数，并根据该指数，对待处理图像进行修正，能够保证输出的图像质量更佳。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明实施例的技术方案，而非对其限制；尽管参照前述实施例对本发明实施例进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例各实施例技术方案的精神和范围。

Claims (16)

1.一种去除图像噪声的方法，其特征在于，包括：

获取待处理图像中各个像素点组成的像素序列；其中，所述像素序列中包含的元素为每一个像素点的灰度值；

根据所述像素序列，以及预设的算子，获取所述待处理图像中每一个像素点对应的噪声检测参数；其中，所述预设的算子为预设角度上的矩阵；

根据所述待处理图像中的每一个像素点对应的噪声检测参数，从所述待处理图像中，获取噪声图像；

根据所述噪声图像，为所述代理处图像中的每一个像素点设置对应的噪声污染指数；

分别根据每一个像素点对应的噪声污染指数，对该像素点的灰度值进行去噪声处理。

2.根据权利要求1所述的方法，其特征在于，根据所述像素序列，以及预设的算子，获取所述待处理图像中每一个像素点对应的噪声检测参数，具体包括：

将所述像素序列分别与四种不同的算子进行卷积运算，生成四个卷积结果；其中，所述四种算子为四个预设角度上的矩阵；

针对所述待处理图像中的每一个像素点，均执行如下操作：从所述四个卷积结果中选取最小卷积结果，并将所述最小卷积结果确定为该像素点对应的噪声检测参数。

3.根据权利要求2所述的方法，其特征在于，根据所述待处理图像中的每一个像素点对应的噪声检测参数，从所述待处理图像中，获取噪声图像，具体包括：

分别将所述待处理图像中的每一个像素点对应的噪声检测参数与预设门限值进行比较；

从所述待处理图像的所有像素点中，选取比较结果为噪声检测参数大于所述预设门限值的像素点；

将选取的像素点组成的图像，确定为噪声图像。

4.根据权利要求3所述的方法，其特征在于，所述噪声图像，满足如下公式：

H＝{d_ij×f_ij ⁽¹⁾,1≤i≤a,1≤j≤b}

其中，所述H为噪声图像；d_ij为待处理图像中的细节图像；i为所述待处理图像中像素点所在行数；j为所述待处理图像中像素点所在列数；f_ij ⁽¹⁾为二值标记函数，若所述像素点对应的噪声检测参数大于所述预设门限值的像素点，所述f_ij ⁽¹⁾为1，否则，所述f_ij ⁽¹⁾为0；所述a为所述待处理图像中像素点的总行数；所述b为所述待处理图像中像素点的总列数。

5.根据权利要求4所述的方法，其特征在于，所述待处理图像中的细节图像，满足如下公式：

。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述待理处图像中的每一个像素点设置对应的噪声污染指数，满足如下公式：

其中，f_ij ⁽²⁾为所述代理处图像中的每一个像素点设置对应的噪声污染指数；d_ij为待处理图像中的细节图像；f_ij ⁽¹⁾为二值标记函数，若所述像素点对应的噪声检测参数大于所述预设门限值的像素点，所述f_ij ⁽¹⁾为1，否则，所述f_ij ⁽¹⁾为0；所述R_l和R_u为预设参数。

7.根据权利要求6所述的方法，其特征在于，对该像素点的灰度值进行去噪声处理之前，所述方法还包括：

通过预设大小的窗口，对所述待处理图像进行扫描；

针对每一个窗口中的所有像素点，均执行如下操作：对该窗口中包含的像素点的灰度值进行排序，并根据排序结果，对该窗口中的每一个像素点设置对应的噪声污染指数进行修正处理；

其中，修正后的所述待理处图像中的每一个像素点设置对应的噪声污染指数，满足如下公式：

其中，x_ij为待处理图像中任意一像素点(i，j)的灰度值；X₍₁₎和X₍₉₎为以所述任意一像素点(i，j)为中心的预设窗口中，各个像素点的灰度值排序 后，最大灰度值和最小灰度值。

8.根据权利要求7所述的方法，其特征在于，去噪声处理后的图像，满足如下公式：

Y_ij＝f_ij ⁽²⁾×m_ij+(1-f_ij ⁽²⁾)×x_ij

其中，为去噪声处理后的图像中任意一像素点(i，j)的灰度值；m_ij为预设窗口中的像素中值。

9.一种去除图像噪声的装置，其特征在于，包括：

像素序列获取单元，用于获取待处理图像中各个像素点组成的像素序列；其中，所述像素序列中包含的元素为每一个像素点的灰度值；

噪声检测参数获取单元，用于根据所述像素序列，以及预设的算子，获取所述待处理图像中每一个像素点对应的噪声检测参数；其中，所述预设的算子为预设角度上的矩阵；

噪声图像获取单元，用于根据所述待处理图像中的每一个像素点对应的噪声检测参数，从所述待处理图像中，获取噪声图像；

噪声污染指数设置单元，用于根据所述噪声图像，为所述代理处图像中的每一个像素点设置对应的噪声污染指数；

去噪声单元，用于分别根据每一个像素点对应的噪声污染指数，对该像素点的灰度值进行去噪声处理。

10.根据权利要求9所述的装置，其特征在于，噪声检测参数获取单元，具体用于：

将所述像素序列分别与四种不同的算子进行卷积运算，生成四个卷积结果；其中，所述四种算子为四个预设角度上的矩阵；

针对所述待处理图像中的每一个像素点，均执行如下操作：从所述四个卷积结果中选取最小卷积结果，并将所述最小卷积结果确定为该像素点对应的噪声检测参数。

11.根据权利要求10所述的装置，其特征在于，噪声图像获取单元，具体用于：

分别将所述待处理图像中的每一个像素点对应的噪声检测参数与预设门限值进行比较；

从所述待处理图像的所有像素点中，选取比较结果为噪声检测参数大于所述预设门限值的像素点；

将选取的像素点组成的图像，确定为噪声图像。

12.根据权利要求11所述的装置，其特征在于，所述噪声图像获取单元，生成的图像，满足如下公式：

H＝{d_ij×f_ij ⁽¹⁾,1≤i≤a,1≤j≤b}

其中，所述H为噪声图像；d_ij为待处理图像中的细节图像；i为所述待处理图像中像素点所在行数；j为所述待处理图像中像素点所在列数；f_ij ⁽¹⁾为二值标记函数，若所述像素点对应的噪声检测参数大于所述预设门限值的像素点，所述f_ij ⁽¹⁾为1，否则，所述f_ij ⁽¹⁾为0；所述a为所述待处理图像中像素点的总行数；所述b为所述待处理图像中像素点的总列数。

13.根据权利要求12所述的装置，其特征在于，所述待处理图像中的细节图像，满足如下公式：

。

14.根据权利要求9-13任一项所述的装置，其特征在于，所述待理处图像中的每一个像素点设置对应的噪声污染指数，满足如下公式：

其中，f_ij ⁽²⁾为所述代理处图像中的每一个像素点设置对应的噪声污染指数；d_ij为待处理图像中的细节图像；f_ij ⁽¹⁾为二值标记函数，若所述像素点对应的噪声检测参数大于所述预设门限值的像素点，所述f_ij ⁽¹⁾为1，否则，所述f_ij ⁽¹⁾为0；所述R_l和R_u为预设参数。

15.根据权利要求14所述的装置，其特征在于，所述装置还包括修正单元，用于：

对该像素点的灰度值进行去噪声处理之前，通过预设大小的窗口，对所述待处理图像进行扫描；

针对每一个窗口中的所有像素点，均执行如下操作：对该窗口中包含的像素点的灰度值进行排序，并根据排序结果，对该窗口中的每一个像素点设置对应的噪声污染指数进行修正处理；

其中，修正后的所述待理处图像中的每一个像素点设置对应的噪声污染 指数，满足如下公式：

其中，x_ij为待处理图像中任意一像素点(i，j)的灰度值；X₍₁₎和X₍₉₎为以所述任意一像素点(i，j)为中心的预设窗口中，各个像素点的灰度值排序后，最大灰度值和最小灰度值。

16.根据权利要求14所述的装置，其特征在于，去噪声处理后的图像，满足如下公式：

Y_ij＝f_ij ⁽²⁾×m_ij+(1-f_ij ⁽²⁾)×x_ij

其中，为去噪声处理后的图像中任意一像素点(i，j)的灰度值；m_ij为预设窗口中的像素中值。