CN106910170A - 一种图像椒盐噪声的去除方法 - Google Patents
一种图像椒盐噪声的去除方法 Download PDFInfo
- Publication number
- CN106910170A CN106910170A CN201710057468.8A CN201710057468A CN106910170A CN 106910170 A CN106910170 A CN 106910170A CN 201710057468 A CN201710057468 A CN 201710057468A CN 106910170 A CN106910170 A CN 106910170A
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- point
- salt
- gray value
- 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.)
- Granted
Links
- 239000006002 Pepper Substances 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000001914 filtration Methods 0.000 claims description 17
- 230000003595 spectral effect Effects 0.000 claims description 3
- 238000010008 shearing Methods 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 150000003839 salts Chemical class 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 235000002566 Capsicum Nutrition 0.000 description 1
- 235000008534 Capsicum annuum var annuum Nutrition 0.000 description 1
- 240000008384 Capsicum annuum var. annuum Species 0.000 description 1
- 241000722363 Piper Species 0.000 description 1
- 235000016761 Piper aduncum Nutrition 0.000 description 1
- 235000017804 Piper guineense Nutrition 0.000 description 1
- 235000008184 Piper nigrum Nutrition 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Classifications
-
- G06T5/70—
Abstract
本发明公开了一种图像椒盐噪声的去除方法,包括下列步骤:输入含椒盐噪声的数字图像,如果像素点的灰度值为0或255,则进行去噪处理,否则不处理;去噪处理为,在四连通区域中,剪切灰度值为0或255的像素点,若剩余像素点个数≥2,进行均值滤波;否则,在八连通区域中,剪切掉灰度值为0或255的像素点,对剩余像素点进行均值滤波;如果剩余像素点为空集,在5×5区域中,剪切掉灰度值为0或255的像素点,进行均值滤波;如果剩余像素点为空集,采用递归形式的滤波窗口,输出左方、左上、上方、右上四个像素点灰度的平均值;重复直至完成所有像素点的处理。本发明无需设计模糊规则;不需要进行阈值的选取,提高了计算效率,能适应不同污染程度的图像的噪声去除。
Description
技术领域
本发明涉及一种图像处理方法,具体涉及一种对受到椒盐噪声污染的图像进行噪声去除的方法。
背景技术
椒盐噪声是图像在产生、传输、获取过程中比较常见的一种噪声污染,该噪声的特点为被污染的像素灰度值急剧增大或缩小,形成与近邻像素点不同的黑色或者白色的像素点,这给图像处理的后续处理带来了极大干扰,比如对图像的边缘检测、模式识别等会产生直接影响。所以采取合适的方法对椒盐噪声图像进行预处理是非常重要的。
传统中值滤波是可以用来去除椒盐噪声的一种非线性滤波器。中值滤波器将滤波窗口内所有像素灰度值进行排序,然后取中值作为滤波窗口中心点的输出,与线性平滑滤波器相比,能够相对地减少图像模糊,并且能够滤除低密度的椒盐噪声。中值滤波在面对高密度椒盐噪声时需要增大滤波窗口,随着滤波窗口的增大,虽然能够有效去除噪声,但是恢复出的像素失真情况严重,图像细节遭到破坏。
为了更好地保护图像细节,一些改进型中值滤波器应运而生,例如,《模糊系统与数学》2012年第1期166-174,“基于模糊中值滤波的椒盐噪声去除方法”一文中,通过比较图像各像素点的灰度值,定义基于图像梯度信息的各点被类别为噪声点的模糊隶属函数,利用此模糊隶属函数对中值滤波方法进行加权,得到一种加权中值滤波器,可实现边缘处椒盐噪声的有效滤除。《计算机工程与应用》2014,50(17):134-136,“一种新型的自适应模糊中值滤波算法”中,通过比较滤波窗口内像素点的灰度值与像素点灰度值的均值定义了模糊滤波系统,利用此模糊滤波系数对滤波方法进行加权,得到加权中值滤波器。
模糊加权算法的主要内容是设计规则,基于窗口内各个像素不同的权值,最后求出中心像素的灰度值。该方法的难点是模糊规则的产生,因为尚没有理论能够证明采取的规则是否科学合理,很多模糊规则的阈值都是进行大量实验然后依赖于结果来取阈值的,并且阈值对于不同图像不具有普遍的适应性,很可能需要重新取值。
因此,有必要提供新的图像椒盐噪声的去除方法。
发明内容
本发明的发明目的是提供一种图像椒盐噪声的去除方法,在保证去噪效果的同时,不使用模糊规则,不需要进行阈值的选取,从而提高计算效率。
为达到上述发明目的,本发明采用的技术方案是:一种图像椒盐噪声的去除方法,包括下列步骤:
(1) 输入含椒盐噪声的数字图像,图像中的像素点(i,j)的灰度值为g(i,j),经过去噪处理后的灰度值为f(i,j),其中,(i,j)为像素点在整幅图像中的坐标;
(2) 如果g(i,j)为0或255,则进行步骤(3),否则该像素点视为未受椒盐噪声污染,f(i,j) = g(i,j),转向步骤(7);
(3) 以(i,j)为中心点,其上、下、左、右四个相邻像素点作为四连通区域构成滤波窗口,剪切掉滤波窗口内所有灰度值为0或255的像素点,若剩余像素点个数大于等于2,对剩余像素点灰度值进行平均运算得到该点的输出f(i,j),转向步骤(7),否则转步骤(4);
(4) 以(i,j)为中心点,其周围八个相邻像素点作为八连通区域构成滤波窗口,剪切掉滤波窗口内所有灰度值为0或255的像素点,如果剩余像素点为空集,转向步骤(5),否则对剩余像素点进行平均运算得到输出f(i,j),转向步骤(7);
(5) 以(i,j)为中心点的5×5区域中,外周的16个像素点构成滤波窗口W ,剪切掉滤波窗口内所有灰度值为0或255的像素点,如果剩余像素点为空集,转向步骤(6),否则
其中集合N表示滤波窗口内外层16个像素点中灰度值在0到255之间的像素值的集合,sum(N)表示集合N中各元素之和,card(N)为集合N中的元素个数,转向步骤(7);
(6) 采用递归形式的滤波窗口,输出灰度值为:
;
(7) 对待处理图像中的各像素点重复步骤(2)至(6),直至完成所有像素点的处理,得到滤波处理后的图像。
由于上述技术方案运用,本发明与现有技术相比具有下列优点:
1、本发明基于一致权重均值滤波实现图像的椒盐噪声去除,在滤波窗口内剪切掉椒盐噪声后对剩余像素点给予相同权重进行加权计算,最后得到输出图像,因此无需设计模糊规则;不需要进行阈值的选取,提高了计算效率。
2、本发明通过滤波窗口中剪切掉椒盐噪声后的剩余像素点的数量判断污染严重程度,从而选择相对应的滤波窗口进行均值滤波,能适应不同污染程度的图像的噪声去除。
附图说明
图1是本发明实施例的流程图;
图2是实施例中四连通区域的示意图;
图3是实施例中八连通区域的示意图;
图4是实施例中5×5区域的示意图;
图5是实施例中递归窗口的示意图;
图6是实施例中滤波效果示意图,其中,a为原始图像,b为80%噪声图像,c为实施例去噪后的图像。
具体实施方式
下面结合附图及实施例对本发明作进一步描述:
实施例一:参见图1所示,一种图像椒盐噪声的去除方法,包括下列步骤:
(1) 输入含椒盐噪声的数字图像,图像中的像素点(i,j)的灰度值为g(i,j),经过去噪处理后输出的灰度值为f(i,j),其中,(i,j)为像素点在整幅图像中的坐标;
(2) 如果g(i,j)为0或255,则进行步骤(3),否则该像素点视为未受椒盐噪声污染,不做任何处理直接输出,对应的输出图像的像素点f(i,j)的值为:f(i,j) = g(i,j),转向步骤(7);
(3) 以(i,j)为中心点,其上、下、左、右四个相邻像素点作为四连通区域构成滤波窗口,剪切掉滤波窗口内所有灰度值为0或255的像素点,若剩余像素点个数大于等于2,对剩余像素点灰度值进行平均运算得到该点的输出f(i,j),例如,如附图2所示,假设g(i,j)四连通区域里只有g(i-1,j)是0或255,其他三个像素点均在0到255之间,即存在1个被剪切的像素,则输出为
,
完成后转向步骤(7);
否则,四连通区域中只剩下1个像素点时,转步骤(4);
(4) 以(i,j)为中心点,其周围八个相邻像素点作为八连通区域构成滤波窗口,剪切掉滤波窗口内所有灰度值为0或255的像素点,如果剩余像素点为空集,转向步骤(5),否则对剩余像素点进行平均运算得到输出f(i,j),转向步骤(7);
例如,如附图3所示,假设g(i,j)八连通区域剪切掉0或255灰度值后只剩下图中三个像素,则输出为
(5) 如附图4所示,以(i,j)为中心点的5×5区域中,外周的16个像素点构成滤波窗口W,剪切掉滤波窗口内所有灰度值为0或255的像素点,如果剩余像素点为空集,转向步骤(6),否则
其中集合N表示滤波窗口内外层16个像素点中灰度值在0到255之间的像素值的集合,sum(N)表示集合N中各元素之和,card(N)为集合N中的元素个数,即,此时的输出为最外层16个像素剪切掉0或者255后的均值,转向步骤(7);
(6) 采用递归形式的滤波窗口,输出灰度值为:
;
当椒盐噪声密度很大时,5×5的滤波窗口有可能全被灰度值为0或255的噪声充满,所有像素都被极值剪切掉了,则进入本步骤。此时,采用如附图5所示的递归形式的滤波窗口,当处理g(i,j)时,在它的上方区域以及左边的像素都已经处理好了,可以利用这些基本不含噪声的像素来求得f(i,j);
(7) 对待处理图像中的各像素点重复步骤(2)至(6),直至完成所有像素点的处理,得到滤波处理后的图像。
如图6所示,其中,a为原始的Lake图像,b为加入80%椒盐噪声后的图像,采用上述方法对其进行处理。
c为滤波处理后的效果图。可见,本实施例能有效去除椒盐噪声。
分别采用中值滤波法(MF,median filtering algorithm)、模糊中值滤波法(FMF,fuzzy median filtering)、自适应模糊中值滤波法(NAMF,adaptive fuzzy medianfiltering)和本实施例的方法对加入不同椒盐噪专用密度的Lake图像进行处理,获得的恢复信噪比(PSNR,peak signal to noise ratio)如表1所示。
从表中数据可见,当噪声密度较大时,MF和FMF两种方法效果都较差,几乎无法恢复图像,而NAMF算法和本文算法能够在噪声密度较大的情况下较好的恢复图像;而相对于NAMF算法,本文方法在噪声密度较低时亦能够大幅提高去噪效果,因此本发明所提供方法具有较好效果。
表1 Lake图像上各方法的PSNR实验结果
。
Claims (1)
1.一种图像椒盐噪声的去除方法,包括下列步骤:
(1) 输入含椒盐噪声的数字图像,图像中的像素点(i,j)的灰度值为g(i,j),经过去噪处理后的灰度值为f(i,j),其中,(i,j)为像素点在整幅图像中的坐标;
(2) 如果g(i,j)为0或255,则进行步骤(3),否则该像素点视为未受椒盐噪声污染,f(i,j) = g(i,j),转向步骤(7);
(3) 以(i,j)为中心点,其上、下、左、右四个相邻像素点作为四连通区域构成滤波窗口,剪切掉滤波窗口内所有灰度值为0或255的像素点,若剩余像素点个数大于等于2,对剩余像素点灰度值进行平均运算得到该点的输出f(i,j),转向步骤(7),否则转步骤(4);
(4) 以(i,j)为中心点,其周围八个相邻像素点作为八连通区域构成滤波窗口,剪切掉滤波窗口内所有灰度值为0或255的像素点,如果剩余像素点为空集,转向步骤(5),否则对剩余像素点进行平均运算得到输出f(i,j),转向步骤(7);
(5) 以(i,j)为中心点的5×5区域中,外周的16个像素点构成滤波窗口W ,剪切掉滤波窗口内所有灰度值为0或255的像素点,如果剩余像素点为空集,转向步骤(6),否则
其中集合N表示滤波窗口内外层16个像素点中灰度值在0到255之间的像素值的集合,sum(N)表示集合N中各元素之和,card(N)为集合N中的元素个数,转向步骤(7);
(6) 采用递归形式的滤波窗口,输出灰度值为:
;
(7) 对待处理图像中的各像素点重复步骤(2)至(6),直至完成所有像素点的处理,得到滤波处理后的图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710057468.8A CN106910170B (zh) | 2017-01-26 | 2017-01-26 | 一种图像椒盐噪声的去除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710057468.8A CN106910170B (zh) | 2017-01-26 | 2017-01-26 | 一种图像椒盐噪声的去除方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106910170A true CN106910170A (zh) | 2017-06-30 |
CN106910170B CN106910170B (zh) | 2019-10-29 |
Family
ID=59207575
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710057468.8A Active CN106910170B (zh) | 2017-01-26 | 2017-01-26 | 一种图像椒盐噪声的去除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106910170B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN109003230A (zh) * | 2018-06-07 | 2018-12-14 | 西安电子科技大学 | 一种切伦科夫荧光图像冲击噪声去除方法及系统 |
CN110852973A (zh) * | 2019-11-12 | 2020-02-28 | 华中科技大学 | 一种脉冲噪声模糊图像非线性复原方法及系统 |
CN112215764A (zh) * | 2020-09-02 | 2021-01-12 | 佛山科学技术学院 | 一种基于中值滤波的改进算法的图像处理方法 |
CN112785513A (zh) * | 2020-08-25 | 2021-05-11 | 青岛经济技术开发区海尔热水器有限公司 | 一种用于过滤脉冲噪声的自适应中值滤波方法 |
CN113793277A (zh) * | 2021-09-07 | 2021-12-14 | 上海浦东发展银行股份有限公司 | 一种图像去噪方法、装置和设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101459766A (zh) * | 2007-12-10 | 2009-06-17 | 深圳迈瑞生物医疗电子股份有限公司 | 超声图像增强与噪声抑制的方法及其装置 |
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 |
CN103400357A (zh) * | 2013-08-23 | 2013-11-20 | 闽江学院 | 一种去除图像椒盐噪声的方法 |
CN103761707A (zh) * | 2013-12-20 | 2014-04-30 | 浙江大学 | 一种快速高效去除图像椒盐噪声的均值滤波方法 |
-
2017
- 2017-01-26 CN CN201710057468.8A patent/CN106910170B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101459766A (zh) * | 2007-12-10 | 2009-06-17 | 深圳迈瑞生物医疗电子股份有限公司 | 超声图像增强与噪声抑制的方法及其装置 |
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 |
CN103400357A (zh) * | 2013-08-23 | 2013-11-20 | 闽江学院 | 一种去除图像椒盐噪声的方法 |
CN103761707A (zh) * | 2013-12-20 | 2014-04-30 | 浙江大学 | 一种快速高效去除图像椒盐噪声的均值滤波方法 |
Non-Patent Citations (1)
Title |
---|
何海明等: "快速高效去除图像椒盐噪声的均值滤波算法", 《激光与红外》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN109003230A (zh) * | 2018-06-07 | 2018-12-14 | 西安电子科技大学 | 一种切伦科夫荧光图像冲击噪声去除方法及系统 |
CN110852973A (zh) * | 2019-11-12 | 2020-02-28 | 华中科技大学 | 一种脉冲噪声模糊图像非线性复原方法及系统 |
CN110852973B (zh) * | 2019-11-12 | 2022-09-23 | 华中科技大学 | 一种脉冲噪声模糊图像非线性复原方法及系统 |
CN112785513A (zh) * | 2020-08-25 | 2021-05-11 | 青岛经济技术开发区海尔热水器有限公司 | 一种用于过滤脉冲噪声的自适应中值滤波方法 |
CN112785513B (zh) * | 2020-08-25 | 2023-04-18 | 青岛经济技术开发区海尔热水器有限公司 | 一种用于过滤脉冲噪声的自适应中值滤波方法 |
CN112215764A (zh) * | 2020-09-02 | 2021-01-12 | 佛山科学技术学院 | 一种基于中值滤波的改进算法的图像处理方法 |
CN113793277A (zh) * | 2021-09-07 | 2021-12-14 | 上海浦东发展银行股份有限公司 | 一种图像去噪方法、装置和设备 |
CN113793277B (zh) * | 2021-09-07 | 2024-04-26 | 上海浦东发展银行股份有限公司 | 一种图像去噪方法、装置和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN106910170B (zh) | 2019-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106910169A (zh) | 一种防止边缘模糊的图像椒盐噪声去除方法 | |
CN106910170B (zh) | 一种图像椒盐噪声的去除方法 | |
EP3166070B1 (en) | Method for upscaling noisy images, and apparatus for upscaling noisy images | |
US6907144B1 (en) | Noise reduction method, apparatus, and program for digital image processing | |
CN111882504B (zh) | 图像中颜色噪声的处理方法、系统、电子设备和存储介质 | |
Salmon et al. | From patches to pixels in non-local methods: Weighted-average reprojection | |
CN105096280A (zh) | 处理图像噪声的方法及装置 | |
CN101877123A (zh) | 一种图像增强方法和装置 | |
CN104657941B (zh) | 一种图像边缘自适应增强方法及装置 | |
CN105184743B (zh) | 一种基于非线性导向滤波的图像增强方法 | |
JPH10187962A (ja) | 適応ノイズ除去方法 | |
CN112150371B (zh) | 图像降噪方法、装置、设备及存储介质 | |
CN107248148A (zh) | 图像降噪方法及系统 | |
CN107784637B (zh) | 一种红外图像增强的方法 | |
Smolka et al. | Robust local similarity filter for the reduction of mixed Gaussian and impulsive noise in color digital images | |
CN102663706A (zh) | 基于菱形模板的自适应加权均值滤波方法 | |
CN103561194A (zh) | 一种基于自适应滤波的扫描图像去网纹方法 | |
CN102222319B (zh) | 一种图像处理方法及装置 | |
CN109635809B (zh) | 一种面向视觉退化图像的超像素分割方法 | |
CN104809705B (zh) | 一种基于阈值块匹配的图像去噪的方法和系统 | |
CN103258318B (zh) | 一种图像降噪处理方法及系统 | |
CN105719257A (zh) | 图像超高密度椒盐噪声的降除方法 | |
Charmouti et al. | Extended median filter for salt and pepper noise in image | |
Satti et al. | Intensity bound limit filter for high density impulse noise removal | |
CN111986095B (zh) | 基于边缘提取的图像处理方法及图像处理装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210310 Address after: Area b2-5f-149, animation building, 126 animation Middle Road, Zhongxin Tianjin eco city, Binhai New Area, Tianjin Patentee after: Tianjin ouxun Technology Co.,Ltd. Address before: 215123 No. 199 benevolence Road, Suzhou Industrial Park, Jiangsu, Suzhou Patentee before: Suzhou University |
|
TR01 | Transfer of patent right |