CN106791284A - 一种去除脉冲噪声的方法及装置 - Google Patents

Abstract

本发明适用于图像降噪领域，提供了一种去除脉冲噪声的方法及装置，方法包括：获取待滤波的图像；使用第一类中值滤波器对所述图像进行滤波处理，生成所述图像经过第一次中值滤波后的第一滤波结果；根据所述图像的原始输入数据与所述第一滤波结果，赋予所述图像每个像素点一个噪声程度系数；使用第二类中值滤波器对所述图像进行滤波，生成所述图像经过第二次中值滤波后的第二滤波结果；根据预先建立的混合模型以及所述噪声程度系数，将所述原始输入数据与第二滤波结果进行混合，输出混合后的滤波结果，以去除所述图像中的脉冲噪声。本发明适于硬件实现，在保持滤波结果不突变的前提下，既能兼顾图像的清晰度，也能有效地去除图像中的脉冲噪声。

Description

一种去除脉冲噪声的方法及装置

技术领域

本发明属于图像降噪领域，尤其涉及一种去除脉冲噪声的方法及装置。

背景技术

随着技术的发展，数字摄像机变得越来越普及，已经广泛地应用于安防监控、楼宇对讲、视频会议等领域。与此同时，人们对成像质量的要求也越来越高。然绝大多数成像设备基本都是基于CCD或CMOS图像传感器。在成像过程中，受光学噪声、电阻和电容等元器件噪声、传感器噪声、电路噪声、热噪声等影响，图像的质量会不可避免地受到影响，例如产生高斯噪声和脉冲噪声等。各种形式的噪声的影响使得后期的处理如边缘检测、图像分割、特征提取和模式识别等变得困难。因此，改善图像降噪的性能，对提高整个图像处理系统的性能是非常有意义的。

对于噪声的去除，目前理论上的方法较多。大体可以简单分为两大类，其一是变换域算法，其二是空间域算法。考虑到硬件实现的因素，通常都是选择后者。具体针对脉冲噪声的去除，典型的算法有原始中值滤波器。但该经典算法容易牺牲图像清晰度，且一旦滤波窗口变大，硬件上也难以实现。

总的来说，现有的算法很多，但具体到硬件实现，则往往存在“算法复杂度”与“图像效果”的权衡。想要图像效果好的算法，往往算法复杂度高，不适合硬件实现，甚至难以实现；适于硬件实现的算法，基本算法复杂度较低，往往图像效果不理想。

发明内容

本发明实施例的目的在于提供一种去除脉冲噪声的方法，旨在解决现有技术去除图像中的脉冲噪声时，无法兼顾图像清晰度的问题。

本发明实施例是这样实现的，一种去除脉冲噪声的方法，包括：

获取待滤波的图像；

使用第一类中值滤波器对所述图像进行滤波处理，生成所述图像经过第一次中值滤波后的第一滤波结果；

根据所述图像的原始输入数据与所述第一滤波结果，赋予所述图像每个像素点一个噪声程度系数；

使用第二类中值滤波器对所述图像进行滤波，生成所述图像经过第二次中值滤波后的第二滤波结果；

根据预先建立的混合模型以及所述噪声程度系数，将所述原始输入数据与所述第二滤波结果进行混合，输出混合后的滤波结果，以去除所述图像中的脉冲噪声；

其中，所述噪声程度系数是描述像素点与脉冲噪声相关程度的系数。

本发明实施例的另一目的在于提供一种去除脉冲噪声的装置，包括：

原始图像输入模块，用于获取待滤波的图像；

第一中值类滤波器，用于使用第一类中值滤波器对所述图像进行滤波处理，生成所述图像经过第一次中值滤波后的第一滤波结果；

软决策模块，用于根据所述图像的原始输入数据与所述第一滤波结果，赋予所述图像每个像素点一个噪声程度系数；

第二中值类滤波器，用于使用第二类中值滤波器对所述图像进行滤波，生成所述图像经过第二次中值滤波后的第二滤波结果；

混合模块，用于根据预先建立的混合模型以及所述噪声程度系数，将所述原始输入数据与所述第二滤波结果进行混合，输出混合后的滤波结果，以去除所述图像中的脉冲噪声；

其中，所述噪声程度系数是描述像素点与脉冲噪声相关程度的系数。

在本发明实施例中，根据预先建立的混合模型以及所述噪声程度系数，将所述原始输入数据与所述第二滤波结果进行混合，输出混合后的滤波结果，以去除所述图像中的脉冲噪声，解决了现有技术去除图像中的脉冲噪声时，无法兼顾图像清晰度的问题。有益效果在于，通过软决策思路来过渡滤与不滤的渐变过程，适于硬件实现，能够保持滤波结果不突变，既兼顾了图像的清晰度，也有效地去除了图像中的脉冲噪声。

附图说明

图1是本发明实施例提供的去除脉冲噪声的方法的实现流程图；

图2是本发明实施例提供的软决策较佳的示意图；

图3是本发明实施例提供的3x3窗口的快速中值滤波算法较佳的示意图；、

图4是本发明实施例提供的4种算法的滤波结果较佳的样例图；

图5是本发明实施例提供的各个图像PSNR值较佳的对比图；

图6是本发明实施例提供的去除脉冲噪声的方法步骤S103的实现流程图；

图7是本发明实施例提供的去除脉冲噪声的装置的结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本说明书和所附权利要求书中所使用的那样，术语“倘若”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“倘若确定”或“倘若读取到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

实施例一

图1是本发明实施例提供的去除脉冲噪声的方法的实现流程图，详述如下：

在步骤S101中，获取待滤波的图像；

用户设备获取待滤波的图像。

待滤波的图像表示需要进行降噪的的图像。

在步骤S102中，使用第一类中值滤波器对所述图像进行滤波处理，生成所述图像经过第一次中值滤波后的第一滤波结果；

在步骤S103中，根据所述图像的原始输入数据与所述第一滤波结果，赋予所述图像每个像素点一个噪声程度系数；

根据所述原始输入数据的像素矩阵与第一滤波结果的像素矩阵，赋予所述图像每个像素点一个噪声程度系数。

其中，将原始输入数据的像素矩阵中像素值与第一滤波结果的像素矩阵中的像素值相减，再取绝对值。

在步骤S104中，使用第二类中值滤波器对所述图像进行滤波，生成所述图像经过第二次中值滤波后的第二滤波结果；

在步骤S105中，根据预先建立的混合模型以及所述噪声程度系数，将所述原始输入数据与所述第二滤波结果进行混合，输出混合后的滤波结果，以去除所述图像中的脉冲噪声；

其中，所述噪声程度系数是描述像素点与脉冲噪声相关程度的系数。

其中，第一类中值滤波器和第二类中值滤波器可以为原始的中值滤波器(MF)，也可以是改进的中值滤波器。改进的中值滤波器包括但不限于中心加权滤波器(CWM)、三态中值滤波器(TSM)。

其中，所述第一类中值滤波器或所述第二类中值滤波能够采用相同或不同的算法。

其中，所述第一类中值滤波器或所述第二类中值滤波器采用相同或不同的滤波窗口，滤波窗口包括但不限于支持3x3、5x5、7x7。综合硬件资源与降噪效果的权衡，可以使用5x5窗口。

参考图2，图2是本发明实施例提供的软决策较佳的示意图。

其中，绝对值为Dev，预设的噪声阈值为Th，其中，Dev与Th相减，小于0的部分截为0。

图3是本发明实施例提供的3x3窗口的快速中值滤波算法较佳的示意图。

其中，所述第一类中值滤波器或所述第二类中值滤波器，利用多次级别简单的3x3窗口来实现更大的窗口，使得硬件上易于实现。

其中，3x3窗口采用横排列、竖排列和对角排列方式进行排列，横排列、竖排列和对角排列是级联的关系，前一级的输出作为后一级的输入。下面介绍具体如何排列：

1、P取自pixel首字母，指代输入像素点。P11、P12和P13经过排列后，从小到大，依次为Min1、Med1、Max1。其它的依次类推，即P21、P22和P23经过排列后，从小到大，依次为Min2、Med2、Max2。P31、P32和P33经过排列后，从小到大，依次为Min3、Med3、Max3。(横排列)

2、然后将每一行得到的最小值进行排列，取其最大值Max_of_min；将每一行得到的中间值进行排列，取其中间值Med_of_Med；将每一行得到的最大值进行排列，取其最小值Min_of_Max。(竖排列)

3、将上述三个值进行排列，取其中间值，作为最终的滤波结果。(对角排列)

图4是本发明实施例提供的4种算法的滤波结果较佳的样例图。

第一行从左到右分别是：原图、原始中值3x3的滤波结果、本文算法3x3的滤波结果。

第二行从左到右分别是：原始中值5x5的滤波结果、本文算法5x5的滤波结果。

图5是本发明实施例提供的各个图像PSNR值较佳的对比图。

原始输入噪声图像的PSNR值：12.5425

原始中值3x3滤波结果的PSNR值：29.8050；

本文算法3x3滤波结果的PSNR值：31.5196；

原始中值5x5滤波结果的PSNR值：30.6822；

本文算法5x5滤波结果的PSNR值：33.2490。

其中，PSNR值越大，代表降噪效果越好。

在本发明实施例中，有益效果如下：

第一方面，避免了使用原始中值滤波器去除噪声，很大程度牺牲了图像的清晰度的情况，能够在兼顾图像清晰度的同时，简单有效地去除这些脉冲噪声；

第二方面，本申请的算法非常适于硬件实现，有利于展示优秀的图像效果。

需要进行说明的是：

1、硬件实现，一般指的是算法通过FPGA或ASIC实现；

2、适于硬件实现，包含两点：

其一，算法复杂度不高，能在硬件上轻松实现；

其二，算法所占用的硬件资源不多。

3、算法都是可以软件实现的，但许多优秀算法并不适合硬件实现，而本申请的技术方案由于复杂度不高、占用的硬件资源不多，因此适于硬件实现。

实施例二

图6是本发明实施例提供的去除脉冲噪声的方法步骤S103的实现流程图，详述如下：

在步骤S601中，将所述原始输入数据中像素点的像素值与所述第一滤波结果中所述像素点的像素值进行求差，再取绝对值；

在步骤S602中，将所述绝对值与预设的噪声阈值相减，生成差值，将所述差值与所述变化速率相乘，得到所述像素点对应的噪声程度系数。

变化速率K是一个用户自定义的参数。从数学角度看，它就是图2那条斜线对应的斜率。从图像效果看，它就是用户想要的降噪程度。

当K趋于0时，图像的降噪区域趋于不进行降噪；当K趋于无穷大时，图像区域趋于原始中值滤波器的效果；降噪区域就是Dev大于Th的像素。

实施例三

本发明实施例提供的去除脉冲噪声的方法步骤S105的实现流程，详述如下：

获取所述原始输入数据中像素点的像素值；

获取所述第二滤波结果中像素点的像素值；

根据预先建立的混合模型以及所述噪声程度系数，将同一像素点进行混合，输出混合后的滤波结果，以去除所述图像中的脉冲噪声。

实施例四

本发明实施例描述了建立混合模型的实现流程，详述如下：

建立混合模型，所述混合模型为：

Q＝Alpha*Q2+(1-Alpha)*I。

所述Q为混合后的滤波结果，所述Alpha为噪声程度系数，所述Q2为第二滤波结果，所述Q1为第一滤波结果，所述I为原始输入数据；

所述第一滤波结果包括经过第一次中值滤波后像素点的像素值，所述第二滤波结果包括经过第二次中值滤波后像素点的像素值。

实施例五

本发明实施例描述了去除脉冲噪声的方法较佳的应用流程，详述如下：

1、使用中值类滤波器1对图像进行滤波，其结果即为第一滤波结果，记为Q1。

滤波窗口尺寸可选为3x3、5x5、7x7，甚至更大。

如果使用MF或CWM，硬件上可以使用3x3窗口的快速中值滤波算法。

2、鉴于5x5窗口以上(包含5x5窗口)的原始中值滤波器不适于硬件实现，提出使用级联多个3x3窗口的滤波模块来实现。

比如，级联2个来模拟5x5窗口的滤波模块、级联3个来模拟7x7窗口等，以此类推。这样硬件实现简单，且易于拓展综合效果的滤波窗口尺寸。综合考虑滤波效果与硬件资源的权衡，这里推荐使用5x5窗口。

3、记原始输入数据为I，将其与上述第一滤波结果Q1进行求差再取绝对值，将绝对值记为Dev。

4、将上述绝对值Dev与预设的噪声阈值Th进行比较，小于噪声阈值的部分认为是未受污染的正常像素点，其余的部分则认为是噪声点。由于实时图像的像素值一直在变化，这样介于临界值的像素点的像素值也一直在跳变。

对于像素位深是8位的系统，噪声阈值优选为16。

5、为此，这里采用软决策的思路。相对于硬决策的非黑即白，采用软决策，通过概率的思想，赋予多少百分比黑，多少百分比白，更能有效地去除图像中的脉冲噪声。本申请采用软决策的思路，并不是将像素直接划分为噪声和非噪声，而是赋予每个像素点一个脉冲噪声的程度系数，然后根据这个系数来控制如何计算最终的替换值。

具体实施过程如下：

将Dev与Th相减，小于0的部分截为0，然后再乘以设置的变化速率K，得到噪声程度系数Alpha。

其中，当Alpha越接近0，则认为该像素点越像正常点；反之，当Alpha越接近1，则认为该像素点越像噪声点。

6、使用中值类滤波器2对图像进行滤波，其结果即为第二滤波结果，记为记为Q2。其算法及所使用的窗口大小，可以与前述的中值类滤波器1全部一样，或部分一样，或全部独立。

7、将原始输入数据I与滤波结果Q2依据噪声程度系数Alpha进行混合，取其结果作为最终模块的输出，记为Q。

计算公式为：Q＝Alpha*Q2+(1-Alpha)*I。

实施例六

图7是本发明实施例提供的去除脉冲噪声的装置的结构框图，该装置可以运行于用户设备中。用户设备包括但不限于摄像机、移动电话、口袋计算机(Pocket PersonalComputer，PPC)、掌上电脑、计算机、笔记本电脑、个人数字助理(Personal DigitalAssistant，PDA)、MP4、MP3。为便于说明，仅示出了与本实施例相关的部分。为了便于说明，仅示出了与本实施例相关的部分。

参照图7，该去除脉冲噪声的装置，包括：

原始图像输入模块71，用于获取待滤波的图像；

第一中值类滤波器72，用于使用第一类中值滤波器对所述图像进行滤波处理，生成所述图像经过第一次中值滤波后的第一滤波结果；

软决策模块73，用于根据所述图像的原始输入数据与所述第一滤波结果，赋予所述图像每个像素点一个噪声程度系数；

第二中值类滤波器74，用于使用第二类中值滤波器对所述图像进行滤波，生成所述图像经过第二次中值滤波后的第二滤波结果；

混合模块75，用于根据预先建立的混合模型以及所述噪声程度系数，将所述原始输入数据与所述第二滤波结果进行混合，输出混合后的滤波结果，以去除所述图像中的脉冲噪声；

其中，所述噪声程度系数是描述像素点与脉冲噪声相关程度的系数。

作为本实施例的一种实现方式，在所述装置中，所述软决策模块，具体用于将所述原始输入数据中像素点的像素值与所述第一滤波结果中所述像素点的像素值进行求差，再取绝对值，将所述绝对值与预设的噪声阈值相减，生成差值，将所述差值与所述变化速率相乘，得到所述像素点对应的噪声程度系数。

作为本实施例的一种实现方式，在所述装置中，所述混合模块，具体用于获取所述原始输入数据中像素点的像素值，获取所述第二滤波结果中像素点的像素值，根据预先建立的混合模型以及所述噪声程度系数，将同一像素点进行混合，输出混合后的滤波结果，以去除所述图像中的脉冲噪声。

作为本实施例的一种实现方式，所述的装置，还包括：

混合模型建立模块，用于建立混合模型，所述混合模型为：

Q＝Alpha*Q2+(1-Alpha)*I。

所述Q为混合后的滤波结果，所述Alpha为噪声程度系数，所述Q2为第二滤波结果，所述Q1为第一滤波结果，所述I为原始输入数据；

所述第一滤波结果包括经过第一次中值滤波后像素点的像素值，所述第二滤波结果包括经过第二次中值滤波后像素点的像素值。

作为本实施例的一种实现方式，在所述装置中，所述第一类中值滤波器或所述第二类中值滤波器采用相同或不同的滤波窗口。

本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。

本发明实施例装置和装置中的单元可以根据实际需要进行合并、划分和删减。

本发明实施例提供的装置可以应用在前述对应的方法实施例中，详情参见上述实施例的描述，在此不再赘述。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件的方式来实现。所述的程序可以存储于可读取存储介质中，所述的存储介质，如随机存储器、闪存、只读存储器、可编程只读存储器、电可擦写可编程存储器、寄存器等。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件执行本发明各个实施例所述的方法。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种去除脉冲噪声的方法，其特征在于，包括：

获取待滤波的图像；

使用第一类中值滤波器对所述图像进行滤波处理，生成所述图像经过第一次中值滤波后的第一滤波结果；

根据所述图像的原始输入数据与所述第一滤波结果，赋予所述图像每个像素点一个噪声程度系数；

使用第二类中值滤波器对所述图像进行滤波，生成所述图像经过第二次中值滤波后的第二滤波结果；

根据预先建立的混合模型以及所述噪声程度系数，将所述原始输入数据与所述第二滤波结果进行混合，输出混合后的滤波结果，以去除所述图像中的脉冲噪声；

其中，所述噪声程度系数是描述像素点与脉冲噪声相关程度的系数。

2.如权利要求1所述的方法，其特征在于，根据所述图像的原始输入数据与所述第一滤波结果，赋予所述图像每个像素点一个噪声程度系数，具体为：

将所述原始输入数据中像素点的像素值与所述第一滤波结果中所述像素点的像素值进行求差，再取绝对值；

将所述绝对值与预设的噪声阈值相减，生成差值，将所述差值与所述变化速率相乘，得到所述像素点对应的噪声程度系数。

3.如权利要求1所述的方法，其特征在于，所述根据预先建立的混合模型以及所述噪声程度系数，将所述原始输入数据与所述第二滤波结果进行混合，输出混合后的滤波结果，以去除所述图像中的脉冲噪声，具体为：

获取所述原始输入数据中像素点的像素值；

获取所述第二滤波结果中像素点的像素值；

根据预先建立的混合模型以及所述噪声程度系数，将同一像素点进行混合，输出混合后的滤波结果，以去除所述图像中的脉冲噪声。

4.如权利要求1至3任一所述的方法，其特征在于，在所述根据预先建立的混合模型以及所述噪声程度系数，将所述原始输入数据与所述第二滤波结果进行混合，输出混合后的滤波结果，以去除所述图像中的脉冲噪声之前，所述方法还包括：

建立混合模型，所述混合模型为：

Q＝Alpha*Q2+(1-Alpha)*I。

所述Q为混合后的滤波结果，所述Alpha为噪声程度系数，所述Q2为第二滤波结果，所述Q1为第一滤波结果，所述I为原始输入数据；

所述第一滤波结果包括经过第一次中值滤波后像素点的像素值，所述第二滤波结果包括经过第二次中值滤波后像素点的像素值。

5.如权利要求1至3任一所述的方法，其特征在于，所述第一类中值滤波器或所述第二类中值滤波器采用相同或不同的滤波窗口。

6.一种去除脉冲噪声的装置，其特征在于，包括：

原始图像输入模块，用于获取待滤波的图像；

第一中值类滤波器，用于使用第一类中值滤波器对所述图像进行滤波处理，生成所述图像经过第一次中值滤波后的第一滤波结果；

软决策模块，用于根据所述图像的原始输入数据与所述第一滤波结果，赋予所述图像每个像素点一个噪声程度系数；

第二中值类滤波器，用于使用第二类中值滤波器对所述图像进行滤波，生成所述图像经过第二次中值滤波后的第二滤波结果；

混合模块，用于根据预先建立的混合模型以及所述噪声程度系数，将所述原始输入数据与所述第二滤波结果进行混合，输出混合后的滤波结果，以去除所述图像中的脉冲噪声；

其中，所述噪声程度系数是描述像素点与脉冲噪声相关程度的系数。

7.如权利要求6所述的装置，其特征在于，所述软决策模块，具体用于将所述原始输入数据中像素点的像素值与所述第一滤波结果中所述像素点的像素值进行求差，再取绝对值，将所述绝对值与预设的噪声阈值相减，生成差值，将所述差值与所述变化速率相乘，得到所述像素点对应的噪声程度系数。

8.如权利要求6所述的装置，其特征在于，所述混合模块，具体用于获取所述原始输入数据中像素点的像素值，获取所述第二滤波结果中像素点的像素值，根据预先建立的混合模型以及所述噪声程度系数，将同一像素点进行混合，输出混合后的滤波结果，以去除所述图像中的脉冲噪声。

9.如权利要求6至8任一所述的装置，其特征在于，所述的装置，还包括：

混合模型建立模块，用于建立混合模型，所述混合模型为：

Q＝Alpha*Q2+(1-Alpha)*I。

所述Q为混合后的滤波结果，所述Alpha为噪声程度系数，所述Q2为第二滤波结果，所述Q1为第一滤波结果，所述I为原始输入数据；

所述第一滤波结果包括经过第一次中值滤波后像素点的像素值，所述第二滤波结果包括经过第二次中值滤波后像素点的像素值。

10.如权利要求6至8任一所述的装置，其特征在于，所述第一类中值滤波器或所述第二类中值滤波器采用相同或不同的滤波窗口。