CN106023204B - 一种基于边缘检测算法去除蚊式噪声的方法及系统 - Google Patents

Abstract

本公开提出了一种基于边缘检测算法的去除蚊式噪声的方法及系统。本公开认为边缘信息是连续的像素点，而噪声点是孤立的点，因此所述方法提出了一种边缘检测算法，用来探测所得到的边缘是连接的，还是孤立的点，从而来区别真假边缘信息，探测到的连续像素点视为真边缘，孤立的像素点为噪声点，图像中未检测到的区域指定为远离边缘的区域，之后保留真边缘，对真边缘附近的区域和假边缘进行强降噪，对远离边缘区域进行一般降噪。本公开方法区别真假边缘信息，保留了细节信息，避免了图像处理后的模糊；由于采用降噪滤波为双边滤波，相比传统采用均值滤波和中值滤波去除蚊式噪声的方法，弥补了传统方法对边缘造成的模糊效应，更好地去除了蚊式噪声。

Description

一种基于边缘检测算法去除蚊式噪声的方法及系统

技术领域

本公开涉及图像处理领域，具体地讲，涉及一种基于边缘检测算法去除蚊式噪声的方法及系统。

背景技术

随着科技和互联网的迅猛发展，如今数字图像已成为人们获取信息不可缺少的一部分。但由于数字图像有很大的数据量，所以传输前必须对数字图像进行压缩编码。现有一些图像/视频压缩编码，如JPEG、MPEG和H.26X系列等都是国际标准，大多采用“分块DCT+量化”的形式，这些国际标准能够有效地对图像进行压缩编码。虽然压缩后图像的尺寸被极大的减少了，但在压缩编码时舍弃了被认为视觉上不太重要的图像信息，所以在图像的压缩过程中必然会造成一些信息的损失，这些损失的信息在图像的解码重建过程中就会产生一些失真的现象。根据不同的现象这些失真给了不同的名称，例如蚊式噪声(MosquitoNoise)、块噪声(Blocking Artifacts)和铃噪声等。这些噪声不但严重影响压缩图像的视觉质量，而且影响图像的多种后续处理任务。因此，针对图像压缩引起的失真，进行降噪技术的研究具有重要意义。

其中，蚊式噪声为围绕物体四周有一层像飞行物体的物质(像蚊子围绕飞)。由于蚊式噪声主要产生在边缘附近，现有的去除蚊式噪声的方法大多是基于边缘检测的方法。对于一幅包含蚊式噪声的压缩图片，通常做法是先将图片分成若干像素块，对包含边缘的像素块进行滤波以去除蚊式噪声。但是蚊式噪声也会被误判为边缘信息，如果不区分边缘信息是否是真边缘，而直接对包含边缘的像素块进行低通滤波，就会导致去除蚊式噪声的同时模糊了边缘和细节信息。

发明内容

针对上述问题，本公开提供了一种基于边缘检测算法去除蚊式噪声的方法及系统。

一种基于边缘检测算法去除蚊式噪声的方法，所述方法包括下述步骤：

S100、使用边缘检测算子检测待处理图像，获取待处理图像的边缘信息；

S200、基于待处理图像的边缘信息，依次判断每个像素点是否为边缘像素点；

S300、基于边缘像素点判断所述边缘像素点是否为假边缘像素点；

S400、对每个假边缘像素点及非边缘像素点进行滤波处理；

所述假边缘像素点是孤立的像素点。

进一步地，所述假边缘像素点通过下述方法判断：

S301、对待处理图像的每一个边缘像素点，提取以该边缘像素点为中心取5×5的区域；

S302、在所述区域中，对于所述边缘像素点沿水平对齐方向、垂直对齐方向、以及2对角方向，若任何一个方向上的边缘像素点数目累计小于等于3个，则所述边缘像素点为假边缘像素点。

优选的，所述S400中所述滤波处理为双边滤波处理。

优选地，所述S400进一步包括下述步骤：

S401、对所述假边缘像素点进行强滤波；在进行强滤波时，滤波参数σ_r和σ_s根据下述公式计算：

LH2为强滤波和弱滤波分界阈值；LH3为滤波终止阈值；

a为σ_s起始设定最小参数值；b为σ_r起始设定最小参数值；c+a为σ_s设定最大参数值；d+b为σ_s设定最大参数值；

由于蚊式噪声过多、典型地出现在物体附近，首先检测该像素是否接近于物体，设定一个检测窗口，通过检测当前像素的亮度值和检测窗口中的其它像素的灰度值之间的变化，来确定物体是否位于检测窗口中。具体地说，就是在检测窗口内计算该像素与其它像素之间的灰度最大变化(Gray Variation)，GV通过如下公式计算：

GV＝max|Y_(i，j)-Y_(i+s，j+t)|；

式中：

Y_(i，j)为当前像素点，M为垂直检测距离，N为水平检测距离。

S402、对所述非边缘像素点进行弱滤波；在进行弱滤波时，滤波参数σ_r和σ_s根据下述公式计算；

式中：

LH1为滤波起始阈值。

优选地，所述边缘检测算子优选Canny算子。

基于所述方法，在一个实施例中，实现一种基于边缘检测算法去除蚊式噪声的系统，其系统结构示意图如图4所示，所述系统包括下述模块：

检测模块，用于：使用边缘检测算子检测待处理图像，获取待处理图像的边缘信息；

判断边缘模块，用于：基于待处理图像的边缘信息，依次判断每个像素点是否为边缘像素点；

判断真假边缘像素点模块，用于：基于边缘像素点判断所述边缘像素点是否为假边缘像素点；

处理模块，用于：对每个假边缘像素点及非边缘像素点进行滤波处理；

所述假边缘像素点是孤立的像素点。

优选地，所述假边缘像素点通过下述单元判断：

提取单元，用于：对待处理图像的每一个边缘像素点，提取以该边缘像素点为中心取5×5的区域，并输出给判断单元；

判断单元，用于：在所述区域中，对于所述边缘像素点沿水平对齐方向、垂直对齐方向、以及2对角方向，若任何一个方向上的边缘像素点数目累计小于等于3个，则所述边缘像素点为假边缘像素点。

优选地，所述处理模块中所述滤波处理为双边滤波处理。

优选地，所述处理模块进一步包括下述单元：

强滤波单元，用于：对所述假边缘像素点进行强滤波；在进行强滤波时，滤波参数σ_r和σ_s根据下述公式计算：

式中：

LH2为强滤波和弱滤波分界阈值；LH3为滤波终止阈值；

a为σ_s起始设定最小参数值；b为σ_r起始设定最小参数值；c+a为σ_s设定最大参数值；d+b为σ_s设定最大参数值；

GV为滤波窗口内计算该像素与其它像素之间的灰度最大变化(Gray Variation)即滤波窗口内的灰度差值；其计算式如下：

GV＝max|Y_(i，j)-Y_(i+s,j+t)|

式中：

Y_(i，j)为当前像素点，M为垂直检测距离，N为水平检测距离；

弱滤波单元，用于：对所述非边缘像素点进行弱滤波；在进行弱滤波时，滤波参数σ_r和σ_s根据下述公式计算；

式中：LH1为滤波起始阈值。

优选地，所述边缘检测算子优选Canny算子。

本公开方法使用了5×5的检测区域，基于真边缘像素为连通区域，噪声点为孤立点的思想，对每一个边缘像素点从水平、垂直和2对角四个方向进行连通性的判定，由此判定边缘点是真边缘还是假边缘，对假边缘点进行强滤波，与传统去除蚊式噪声方法相比较，通过区别真假边缘信息，保留了细节信息，避免了图像处理后的模糊；由于采用降噪滤波为双边滤波局部降噪，相比传统采用全局均值滤波和中值滤波去除蚊式噪声的方法，弥补了传统方法对边缘造成的模糊效应，更好地去除了蚊式噪声。

附图说明

图1为本公开一个实施例中的5×5边缘检测算法示意图；

图2为本公开一个实施例中的基于边缘检测算法去除蚊式噪声流程图；

图3-1为本公开一个实施例中蚊式噪声图像；

图3-2为本公开一个实施例中对图3-1采用均值滤波处理后的图像；

图3-3为本公开一个实施例中对图3-1采用中值滤波处理后的图像；

图3-4为本公开一个实施例中对图3-1采用本公开方法处理后的图像；

图4为本公开一个实施例中的基于边缘检测算法去除蚊式噪声系统结构示意图。

具体实施方式

一种基于边缘检测算法去除蚊式噪声的方法，所述方法包括下述步骤：

S100、使用边缘检测算子检测待处理图像，获取待处理图像的边缘信息；

S200、基于待处理图像的边缘信息，依次判断每个像素点是否为边缘像素点；

S300、基于边缘像素点判断所述边缘像素点是否为假边缘像素点；

S400、对每个假边缘像素点及非边缘像素点进行滤波处理；

所述假边缘像素点是孤立的像素点。

由于蚊式噪声会被误判为边缘信息，如果不区分边缘信息是否是真边缘，而直接对包含边缘的像素块进行低通滤波，就会导致去除蚊式噪声的同时模糊了边缘和细节信息。在这个实施例中，将含有蚊式噪声的图像使用边缘检测算子得到边缘信息，采用本公开提出的方法对图像每一像素的边缘信息进行判定真假边缘，对真边缘像素点不进行处理，而对假边缘像素点进行强滤波处理，对非边缘像素点进行弱滤波处理，从而实现去除蚊式噪声的同时，保护细节和边缘信息。

在一个实施例中，提供了所述假边缘像素点的判断方法，即：

S301、对待处理图像的每一个边缘像素点，提取以该边缘像素点为中心取5×5的区域；

S302、在所述区域中，对于所述边缘像素点沿水平对齐方向、垂直对齐方向、以及2对角方向，若任何一个方向上的边缘像素点数目累计小于等于3个，则所述边缘像素点为假边缘像素点。

基于边缘信息是连续的像素点，而噪声点是孤立的，因此通过对检测待处理图像的边缘是连通的还是孤立的点，以此来区别真假边缘像素点。在这个实施例中，提供了假边缘像素点的判断方法，比如每个方向上，当被检测像素点周围的边缘像素点数目为1个或2个或3个时，则被检测像素点为假边缘像素点；所述方向包括水平对齐、垂直对齐、和2对角。这个实施例也同时揭示了真边缘像素点的判断方法，即：对S201中提取的以该边缘像素点为中心取5×5的区域，如图1所示，判断该边缘像素点沿水平对齐、垂直对齐、和2对角四个方向上沿水平对齐、垂直对齐、和2对角四个方向上是否在存在一个方向上的边缘像素累计超过3个像素点，若超过3个，则该边缘像素点为真边缘像素点。

优选的，所述S400中所述滤波处理为双边滤波处理。虽然传统的滤波方法如均值滤波和中值滤波可以良好的抑制蚊式噪声，并且保持图像的边缘，但是对于图像的细节还会产生一定的模糊效应。为此本公开方法的降噪滤波采用双边滤波，双边滤波在滤波的同时能较好的保持边缘细节。

在一个实施例中，在判断出假边缘像素点后，对假边缘像素点及非边缘点进行进一步区分处理，即：所述S400进一步包括下述步骤：

S401、对所述假边缘像素点进行强滤波；在进行强滤波时，滤波参数σ_r和σ_s根据下述公式计算：

式中：

LH2为强滤波和弱滤波分界阈值；LH3为滤波终止阈值；

a为σ_s起始设定最小参数值；b为σ_r起始设定最小参数值；c+a为σ_s设定最大参数值；d+b为σ_s设定最大参数值；

GV为滤波窗口内计算该像素与其它像素之间的灰度最大变化(Gray Variation)即滤波窗口内的灰度差值；其计算式如下：

GV＝max|Y_(i，j)-Y_(i+s,j+t)|

式中：

Y_(i，j)为当前像素点，M为垂直检测距离，N为水平检测距离；

S402、对所述非边缘像素点进行弱滤波；在进行弱滤波时，滤波参数σ_r和σ_s根据下述公式计算；

式中：

LH1为滤波起始阈值。

由于双边滤波器的两个参数σ_r和σ_s决定着对图像滤波的整体平滑效果，使用参数σ_r和σ_s的定值应用于整幅噪声图像，将不可避免的在完全去除蚊式噪声的同时模糊图像细节区域，因此在本实施例中通过设置双边滤波的参数σ_r和σ_s在不同情况下的取值，来调节双边滤波的滤波强度，以达到对真边缘附近和假边缘进行强滤波，对远离边缘区域进行一般滤波的效果，所述远离边缘区域即为S302中所述非边缘像素点所构成的区域。本公开通过计算边缘上像素点与检测窗口之间的灰度最大变化的大小即灰度差值GV来调节双边滤波的不同参数，依据计算的不同灰度差值所在的灰度差值阈值范围来计算相应的滤波参数σ_r和σ_s。本公开设置三个灰度差值阈值：滤波起始阈值LH1，强滤波和弱滤波分界阈值LH2，滤波终止阈值LH3。灰度差值介于LH2和LH3之间进行强滤波。灰度差值介于LH1和LH2之间的进行弱滤波。灰度差值小于LH1不进行滤波。

通过上述滤波处理的区域，从这个实施例还可以看出本方法对真边缘像素点的保护，即：对真边缘像素点及此真边缘像素点相邻的上、下、左、右这五个像素点不处理。

优选地，所述边缘检测算子优选Canny算子。经典的边缘检测算子主要包括以一阶导数为基础的边缘检测算子Prewitt算子，Roberts算子，Sobel算子和以二阶导数为基础的边缘检测算子Canny算子，Laplacian算子，LOG算子等这两种类型。Canny算子由于是基于了最优边缘检测思想进行边缘检测，所以提取的边缘十分完整，细节表现明晰，边缘的连续性也很好，而且抗噪能力也相对较强，效果明显优于其它算子。本公开采用Canny边缘检测算子进行边缘检测。

在一个实施例中，如图2所示，提供了一种基于边缘检测算法去除蚊式噪声方法的一种实现方式，包括下述步骤：

S1、输入图像；

S2、判断是否遍历完图像中的区域，若是，则执行步骤S8；否则执行步骤S3；

S3、使用边缘检测算子检测待处理图像，获取待处理图像的边缘信息；

S4、判断每个像素点是否为边缘像素点；若是，则执行步骤S5；否则，执行步骤S7；

S5、判断每个边缘像素点是否为假边缘像素点；若是，执行步骤S6；否则，返回步骤S2；

S6、进行强滤波，返回步骤S2；

S7、进行弱滤波，返回步骤S2；

S8、输出图像。

在一个实施例中，提供了图3-1所示的带有蚊式噪声的原图。对待处理图像的每一个边缘像素点，提取以该边缘像素点为中心取5×5的区域。在所述区域中，对所述边缘像素点沿水平对齐方向、垂直对齐方向、以及2对角方向的边缘像素点进行统计，若任何一个方向上的边缘像素点数目累计小于等于3个，则所述边缘像素点为假边缘像素点。对所述假边缘像素点进行强滤波，对所述非边缘像素点进行弱滤波。进行强滤波和弱滤波时，用于计算滤波参数σ_r和σ_s所涉及的参数在本实施例中依次设置为：a＝15，b＝10，c＝15，d＝10，起始阈值LH1＝100，强滤波和弱滤波分界阈值LH2＝150，滤波终止阈值LH3＝230。采用均值滤波处理后的图像如图3-2所示，采用中值滤波处理后的图像如图3-3所示，采用本公开方法处理后的图像如图3-4所示，从这三幅图可以看出：

A)处理后图片最大限度的去除了蚊式噪声，图像更清晰，质量更高；

B)保存了更多的纹理和边缘信息，与传统去除蚊式噪声相比，用本公开方法所处理后图片更加接近于原始图片，只对蚊式噪声进行了处理而对其它图像信息不处理。

基于所述方法，在一个实施例中实现了一种基于边缘检测算法去除蚊式噪声的系统，所述系统包括下述模块：

检测模块，用于：使用边缘检测算子检测待处理图像，获取待处理图像的边缘信息；

判断边缘模块，用于：基于待处理图像的边缘信息，依次判断每个像素点是否为边缘像素点；

判断真假边缘像素点模块，用于：基于边缘像素点判断所述边缘像素点是否为假边缘像素点；

处理模块，用于：对每个假边缘像素点及非边缘像素点进行滤波处理；

所述假边缘像素点是孤立的像素点。

进一步地，所述假边缘像素点通过下述单元判断：

提取单元，用于：对待处理图像的每一个边缘像素点，提取以该边缘像素点为中心取5×5的区域，并输出给判断单元；

判断单元，用于：在所述区域中，对于所述边缘像素点沿水平对齐方向、垂直对齐方向、以及2对角方向，若任何一个方向上的边缘像素点数目累计小于等于3个，则所述边缘像素点为假边缘像素点。

优选地，所述处理模块进一步包括下述单元：

强滤波单元，用于：对所述假边缘像素点进行强滤波；

弱滤波单元，用于：对所述非边缘像素点进行弱滤波。

在一个实施例中，所述系统的系统结构示意图如图4所示，在该系统结构，包括检测模块，判断边缘模块，判断真假边缘像素点模块以及处理模块。其中，判断真假边缘像素点模块进一步包括提取单元和判断单元；处理模块进一步包括强滤波单元和弱滤波单元。

优选地，所述处理模块中所述滤波处理为双边滤波处理，则对于处理模块中的强滤波单元进行强滤波时，其滤波参数σ_r和σ_s根据下述公式设置：

式中：

LH2为强滤波和弱滤波分界阈值；LH3为滤波终止阈值；

a为σ_s起始设定最小参数值；b为σ_r起始设定最小参数值；C+a为σ_s设定最大参数值；d+b为σ_s设定最大参数值；

GV为滤波窗口内计算该像素与其它像素之间的灰度最大变化(Gray Variation)即滤波窗口内的灰度差值；其计算式如下：

GV＝maxY_(i，j)-Y_(i+s，j+t)|

式中：

Y_(i，j)为当前像素点，M为垂直检测距离，N为水平检测距离；

弱滤波单元，用于：对所述非边缘像素点进行弱滤波；在进行弱滤波时，滤波参数σ_r和σ_s根据下述公式计算；

式中：LH1为滤波起始阈值。

在一个实施例中，所述边缘检测算子优选Canny算子。

以上对本公开进行了详细介绍，本文中应用了具体个例对本公开的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本公开的方法及其核心思想；同时，对于本领域技术人员，依据本公开的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本公开的限制。

Claims (6)

1.一种基于边缘检测算法去除蚊式噪声的方法，其特征在于，所述方法包括下述步骤：

S100、使用边缘检测算子检测待处理图像，获取待处理图像的边缘信息；

S200、基于待处理图像的边缘信息，依次判断每个像素点是否为边缘像素点、非边缘像素点；

S300、判断所述边缘像素点是否为假边缘像素点；

S400、对每个假边缘像素点及非边缘像素点进行滤波处理；

所述假边缘像素点是孤立的像素点；

其中，所述S400中所述滤波处理为双边滤波处理，且所述S400进一步包括下述步骤：

S401、对所述假边缘像素点进行强滤波；在进行强滤波时，滤波参数σ_r和σ_s根据下述公式计算：

式中：

LH2为强滤波和弱滤波分界阈值；LH3为滤波终止阈值；

a为σ_s起始设定最小参数值；b为σ_r起始设定最小参数值；c+a为σ_s设定最大参数值；d+b为σ_s设定最大参数值；

GV为滤波窗口内计算该像素与其它像素之间的灰度最大变化即滤波窗口内的灰度差值；其计算式如下：

GV＝max|Y_(i，j)-Y_(i+s，j+t)|

式中：

Y_(i，j)为当前像素点，M为垂直检测距离，N为水平检测距离；

S402、对所述非边缘像素点进行弱滤波；在进行弱滤波时，滤波参数σ_r和σ_s根据下述公式计算；

式中：

LH1为滤波起始阈值。

2.根据权利要求1所述的方法，其特征在于，所述步骤S300进一步包括下述步骤：

S301、对待处理图像的每一个边缘像素点，提取以该边缘像素点为中心取5×5的区域；

S302、在所述区域中，对于所述边缘像素点沿水平对齐方向、垂直对齐方向、以及2对角方向，若任何一个方向上的边缘像素点数目累计小于等于3个，则所述边缘像素点为假边缘像素点。

3.根据权利要求1所述的方法，其特征在于，所述边缘检测算子为Canny算子。

4.一种基于边缘检测算法去除蚊式噪声的系统，其特征在于，所述系统包括下述模块：

检测模块，用于：使用边缘检测算子检测待处理图像，获取待处理图像的边缘信息；

判断边缘模块，用于：基于待处理图像的边缘信息，依次判断每个像素点是否为边缘像素点；

判断真假边缘像素点模块，用于：基于边缘像素点判断所述边缘像素点是否为假边缘像素点；

处理模块，用于：对每个假边缘像素点及非边缘像素点进行滤波处理；

所述假边缘像素点是孤立的像素点；

所述处理模块中所述滤波处理为双边滤波处理，且所述处理模块进一步包括下述单元：

强滤波单元，用于：对所述假边缘像素点进行强滤波；在进行强滤波时，滤波参数σ_r和σ_s根据下述公式计算：

式中：

LH2为强滤波和弱滤波分界阈值；LH3为滤波终止阈值；

a为σ_s起始设定最小参数值；b为σ_r起始设定最小参数值；c+a为σ_s设定最大参数值；d+b为σ_s设定最大参数值；

GV为滤波窗口内计算该像素与其它像素之间的灰度最大变化即滤波窗口内的灰度差值；其计算式如下：

GV＝max|Y_(i，j)-Y_(i+s，j+t)|

式中：

Y_(i，j)为当前像素点，M为垂直检测距离，N为水平检测距离；

弱滤波单元，用于：对所述非边缘像素点进行弱滤波；在进行弱滤波时，滤波参数σ_r和σ_s根据下述公式计算；

式中：LH1为滤波起始阈值。

5.根据权利要求4所述的系统，其特征在于，所述假边缘像素点通过下述单元判断：

提取单元，用于：对待处理图像的每一个边缘像素点，提取以该边缘像素点为中心取5×5的区域，并输出给判断单元；

判断单元，用于：在所述区域中，对于所述边缘像素点沿水平对齐方向、垂直对齐方向、以及2对角方向，若任何一个方向上的边缘像素点数目累计小于等于3个，则所述边缘像素点为假边缘像素点。

6.根据权利要求4所述的系统，其特征在于，所述边缘检测算子优选Canny算子。