发明内容
本发明的目的在于提供一种图像降噪方法及系统,以实现在平滑噪声的同时尽可能的保留细节。
为了达到上述目的,本发明提供了一种图像降噪方法,包括以下步骤:
对一原始图像进行L次平滑滤波,分别获得L个平滑滤波图像,并分别提取所述L个平滑滤波图像的边缘,获得L个边缘图像,其中L为大于等于2的自然数,所述L次平滑滤波的平滑系数各不相同,且第L次平滑滤波的平滑系数最大;
去除第L平滑滤波图像中的孤立噪点,获得一去噪第L平滑滤波图像;
根据所述L个边缘图像获得所述原始图像的轮廓图像;以及
根据所述原始图像、去噪第L平滑滤波图像以及所述原始图像的轮廓图像获得所述原始图像降噪后的图像。
优选的,在上述的图像降噪方法中,根据所述L个边缘图像获得所述原始图像的轮廓图像的步骤包括:
将所述L个边缘图像二值化,获得二值化的L个边缘图像;以及
基于二值化的第L边缘图像进行轮廓搜索。
优选的,在上述的图像降噪方法中,根据所述L个边缘图像获得所述原始图像的轮廓图像的步骤还包括:
当二值化的第L边缘图像中断时,查找其他(L-1)个边缘图像中对应位置是否连续,当其他(L-1)个边缘图像中对应位置连续时,则在所述二值化的第L边缘图像中的中断处添加一点,然后对所述二值化的第L边缘图像继续进行轮廓搜索;否则停止所述二值化的第L边缘图像在该处的轮廓搜索,并从下一个有效点开始对所述二值化的第L边缘图像继续进行轮廓搜索。
优选的,在上述的图像降噪方法中,所述有效点是指属于所述二值化的第L边缘图像的边缘轮廓的点。
优选的,在上述的图像降噪方法中,通过中值滤波去除第L平滑滤波图像中的孤立噪点。
优选的,在上述的图像降噪方法中,根据所述原始图像、去噪第L平滑滤波图像以及所述原始图像的轮廓图像获得所述原始图像降噪后的图像的步骤包括:
对于所述原始图像中的非边缘区域中的点的像素值,采用所述去噪第L平滑滤波图像中对应点的像素值;
对于所述原始图像中的边缘区域中的点的像素值,采用所述原始图像中对应点的像素值;
对于所述原始图像中的部分边缘区域的点的像素值,由以下公式获得:
像素值=原始图像中对应位置的点的像素值*a+去噪第L平滑滤波图像中对应位置的点的像素值*(1-a);
其中,a为权重,其取值为0-1。
优选的,在上述的图像降噪方法中,对于所述原始图像中的任意一M*M区域,如果该M*M区域中不包含任何所述轮廓图像中的轮廓点,则该M*M区域为非边缘区域;
如果该M*M区域中包含所述轮廓图像中的轮廓点,且所述轮廓图像中的轮廓点占该M*M区域中总点数的k%以上,则该M*M区域为边缘区域;
如果该M*M区域中包含所述轮廓图像中的轮廓点,且所述轮廓图像中的轮廓点占该M*M区域中总点数的k%以内,则该M*M区域为部分边缘区域;
M的取值为大于等于3的自然数,k的取值为30-50。
优选的,在上述的图像降噪方法中,所述L次平滑滤波的平滑系数的取值范围为0-1。
本发明还提供了一种图像降噪系统,包括:L个平滑滤波器、L个边缘提取器、孤立噪声滤波器、轮廓提取器以及加权融合器;
其中,所述L个平滑滤波器用于对一原始图像进行L次平滑滤波,分别获得L个平滑滤波图像;
所述L个边缘提取器分别提取所述L个平滑滤波图像的边缘,获得L个边缘图像,其中L为大于等于2的自然数,所述L次平滑滤波的平滑系数各不相同,且第L次平滑滤波的平滑系数最大;
所述孤立噪声滤波器用于去除第L平滑滤波图像中的孤立噪点,获得一去噪第L平滑滤波图像;
所述轮廓提取器用于根据所述L个边缘图像获得所述原始图像的轮廓图像;
所述加权融合器用于根据所述原始图像、去噪第L平滑滤波图像以及所述原始图像的轮廓图像获得所述原始图像降噪后的图像。
优选的,在上述的图像降噪系统中,所述轮廓提取器根据所述L个边缘图像获得所述原始图像的轮廓图像的步骤包括:
将所述L个边缘图像二值化,获得二值化的L个边缘图像;以及
基于二值化的第L边缘图像进行轮廓搜索;
当二值化的第L边缘图像中断时,查找其他(L-1)个边缘图像中对应位置是否连续,当其他(L-1)个边缘图像中对应位置连续时,则在所述二值化的第L边缘图像中的中断处添加一点,然后对所述二值化的第L边缘图像继续进行轮廓搜索;否则停止所述二值化的第L边缘图像在该处的轮廓搜索,并从下一个有效点开始对所述二值化的第L边缘图像继续进行轮廓搜索。
优选的,在上述的图像降噪系统中,所述加权融合器用于根据所述原始图像、去噪第L平滑滤波图像以及所述原始图像的轮廓图像获得所述原始图像降噪后的图像的步骤包括:
对于所述原始图像中的非边缘区域中的点的像素值,采用所述去噪第L平滑滤波图像中对应点的像素值;
对于所述原始图像中的边缘区域中的点的像素值,采用所述原始图像中对应点的像素值;
对于所述原始图像中的部分边缘区域的点的像素值,由以下公式获得:
像素值=原始图像中对应位置的点的像素值*a+去噪第L平滑滤波图像中对应位置的点的像素值*(1-a);
其中,a为权重,其取值为0-1。
优选的,在上述的图像降噪系统中,对于所述原始图像中的任意一M*M区域,如果该M*M区域中不包含任何所述轮廓图像中的轮廓点,则该M*M区域为非边缘区域;
如果该M*M区域中包含所述轮廓图像中的轮廓点,且所述轮廓图像中的轮廓点占该M*M区域中总点数的k%以上,则该M*M区域为边缘区域;
如果该M*M区域中包含所述轮廓图像中的轮廓点,且所述轮廓图像中的轮廓点占该M*M区域中总点数的k%以内,则该M*M区域为部分边缘区域;
M的取值为大于等于3的自然数,k的取值为30-50。
在本发明提供的图像降噪方法及系统中,在对原始图像进行L次滤波,分别获得L个平滑滤波图像,再分别对所述L个平滑滤波图像进行边缘提取,从而分别获得所述原始图像的L个边缘图像,并且在所述L个边缘图像的基础上获得所述原始图像的轮廓图像,在以上的过程中,可以在较好的提取所述原始图像的轮廓细节的同时排除噪声的干扰,从而获得质量较佳的轮廓图像。其中L为大于等于2的自然数,所述L次平滑滤波的平滑系数各不相同,且第L次平滑滤波的平滑系数最大。对第L平滑滤波图像进行中值滤波,获得取值第L平滑滤波图像,根据原始图像、去噪第L平滑滤波图像以及轮廓图像即可获得所述原始图像降噪的图像。上述方法和系统不仅适用于静态图像处理,还适用于实时图像处理。
具体实施方式
下面将结合示意图对本发明的具体实施方式进行更详细的描述。根据下列描述和权利要求书,本发明的优点和特征将更清楚。需说明的是,附图均采用非常简化的形式且均使用非精准的比例,仅用以方便、明晰地辅助说明本发明实施例的目的。
本发明一实施例提供了一种图像降噪方法,包括以下步骤:对一原始图像进行L次平滑滤波,分别获得L个平滑滤波图像,并分别提取所述L个平滑滤波图像的边缘,获得L个边缘图像,其中L为大于等于2的自然数,所述L次平滑滤波的平滑系数各不相同,且第L次平滑滤波的平滑系数最大;去除第L平滑滤波图像中的孤立噪点,获得一去噪第L平滑滤波图像;根据所述L个边缘图像获得所述原始图像的轮廓图像;以及根据所述原始图像、去噪第L平滑滤波图像以及所述原始图像的轮廓图像获得所述原始图像降噪后的图像。
在本发明一实施例中,L取值为2。具体的,如图1所示,图1为本发明一实施例中图像降噪方法的示意图。所述图像降噪方法包括以下步骤:对原始图像进行第一平滑系数的滤波,获得第一平滑滤波图像,然后再提取第一平滑滤波的边缘,从而得到第一边缘图像,如图1中的步骤S1。对所述原始图像进行第二平滑系数的滤波,获得第二平滑滤波图像,并提取所述第二平滑滤波图像的边缘,从而获得第二边缘图像,如图1中的步骤S2。基于所述第一边缘图像和第二边缘图像获取所述原始图像的轮廓图像,如图1中的步骤S3。对所述第二平滑滤波图像进行滤波以消除所述第二平滑滤波图像中未被平滑的孤立噪点,从而获得一去噪第二平滑滤波图像,如图1中的步骤S4。最后,再将所述原始图像与所述去噪第二平滑滤波图像基于所述轮廓图像进行加权融合,从而获得降噪后的图像,如图1中的步骤S5。
具体的,在上述步骤S1中,所述第一平滑系数取值范围为大于等于0且小于等于1,其中,当所述第一平滑系数取值为0时,则对所述原始图像的平滑滤波效果最弱,当所述第一平滑系数取值为1时,对所述原始图像的平滑率效果最强。
较佳的,所述第一平滑系数的取值范围为0-0.5,即所述第一平滑系数的取值范围为大于等于0且小于等于0.5,可以为0至0.5之间的任意值,例如,可以为0.1,0.2,0.3,0.4以及0.5。
在对所述原始图像进行第一平滑系数的平滑滤波后,获得所述第一平滑滤波图像,再提取所述第一平滑滤波图像的边缘,从而获得所述第一边缘图像。由于所述第一平滑系数的取值范围为0-0.5,使得所述第一边缘图像在消除所述原始图像中一部分噪点的同时,尽量多的保留所述原始图像的边缘细节。
进一步的,在上述步骤S2中,所述第二平滑系数的取值范围为大于等于0且小于等于1,其中,当所述第二平滑系数取值为0时,则对所述原始图像的平滑滤波效果最弱,当所述第二平滑系数取值为1时,对所述原始图像的平滑率效果最强。
较佳的,所述第二平滑系数的取值范围为0.5-1,即所述第二平滑系数的取值范围为大于等于0.5且小于等于1,可以为0.5至1之间的任意值,例如,可以为0.5,0.6,0.7,0.8,0.9以及1。
在对所述原始图像进行第二平滑系数的平滑滤波后,获得所述第二平滑滤波图像,然后提取所述第二平滑滤波图像的边缘,从而获得所述第二边缘图像。由于所述第二平滑系数的取值范围为0.5-1,从而使得所述第二边缘图像较所述第一边缘图像而言,消除所述原始图像中更多的噪点,使得所述第二边缘图像的非边缘区域更平滑,同时所述第二边缘图像也将损失一些边缘细节。
需要说明的是,在上述步骤S1和步骤S2中,所述第一平滑系数的取值小于所述第二平滑系数的取值,并且,在本发明的实施例中,上述步骤S1和步骤S2的顺序并不做任何限定,可以根据需要任意设定,只需要保证所述第一平滑系数小于所述第二平滑系数即可。
接下来,如图1中的步骤S3,在根据上述步骤S1和步骤S2获取所述第一边缘图像和第二边缘图像后,基于所述第一边缘图像和第二边缘图像提取所述原始图像的轮廓,从而获得所述原始图像的轮廓图像。
具体的,如图2所示,图2为图1中步骤S3的流程示意图。图1中的步骤S3包括以下步骤,首先将所述第一边缘图像和第二边缘图像分别进行二值化,进而获得二值化的第一边缘图像和二值化的第二边缘图像,如图2中的步骤S31。
基于所述二值化的第二边缘图像进行轮廓搜索,如图2中的步骤S32。当所述二值化的第二边缘图像中断时,查找所述二值化的第一边缘图像中的对应位置是否连续,如图2中的步骤S33。
当所述二值化的第一边缘图像中的对应位置连续时,执行步骤S34,否则执行步骤S35。
步骤S34,在所述二值化的第二边缘图像中添加该点,使得所述二值化的第二边缘图像在该中断处连续,并重复上述步骤S32至步骤S33,对所述二值化的第二边缘图像继续进行轮廓搜索。直至获得所述原始图像的轮廓图像。
步骤S35,当所述二值化的第一边缘图像中的对应位置中断时,则停止所述二值化的第二边缘图像在该处的轮廓搜索,并从下一个有效点开始,重复上述步骤S32至步骤S33,对所述二值化的第二边缘图像继续进行轮廓搜索。直至获得所述原始图像的轮廓图像。
所述有效点是指属于所述二值化的第二边缘图像的边缘轮廓的点,具体的判断方法为,从一点开始,可以找到连续的n个点,则表明该点为有效点,否则,则认为该点为噪点。具体的,所述连续的n个点是指任意方向连续的n个点,并不仅限于沿着轮廓连续的n个点,其中,n的取值为大于等于1的自然数,较佳的,n的取值范围为1-5,即可以取1至5中的任意数字,例如可以为2,3,4以及5。当然,在本发明的其他实施例中,所述n的取值还可以为大于5的其他值,本发明并不以此为限。
在上述步骤S4中,对上述步骤S2获得的所述第二平滑滤波图像进行中值滤波,获得所述去噪第二平滑滤波图像,以去除所述第二平滑滤波图像中的孤立噪点。所述孤立噪点是指与四周点的值有明显差异的点。对其该点及其四周点进行中值排序后,判断该点与中间点的差值,当该差值大于一定值时则用中间值将其替换,由于该点一般为最大值点或最小值,在对其进行中值滤波后,可以将其有效的滤除,对于平滑部分的点,当前点与中间点的差值不大,不做替换。
在上述步骤S5中,根据所述原始图像、所述去噪第二平滑滤波图像以及所述原始图像的轮廓图像获得降噪后的图像。
具体的,将原始图像划分为三种区域,第一种为非边缘区域,第二种为边缘区域,第三种为部分边缘区域。具体的,对于所述原始图像中的任意一M*M区域,如果该M*M区域中不包含任何所述轮廓图像中的轮廓点,则该M*M区域为非边缘区域。如果该M*M区域中包含所述轮廓图像中的轮廓点,且所述轮廓图像中的轮廓点占该M*M区域中总点数的k%以上,则该M*M区域为边缘区域。如果该M*M区域中包含所述轮廓图像中的轮廓点,且所述轮廓图像中的轮廓点占该M*M区域中总点数的k%以内,则该M*M区域为部分边缘区域。
进一步的,对所述非边缘区域,采用所述去噪第二平滑滤波图像中对应的点的像素值。对于所述边缘区域,采用所述原始图像中对应的点的像素值。对于部分边缘区域,根据所述原始图像以及所述去噪第二平滑滤波图像中对应的点的像素按照一定的比例加权获得。
具体而言,对于所述部分边缘区域的点,其像素值由以下公式获得:
像素值=原始图像中对应位置的点的像素值*a+去噪第二平滑滤波图像中对应位置的点的像素值*(1-a),
其中,a为权重,其取值为0-1。
在本发明一实施例中,M的取值为大于等于3的自然数,较佳的,M的取值为3-10,即M可以取3至10中的任意值,例如,可以取值为3、4、5、6、7、8、9以及10中的任意值。k的取值为30-50,在本发明一实施例中,k的取值可以为30至50中的任意一个值。以M取值为5,k的取值30为例,即当所述轮廓图像中的轮廓点占该5*5区域中总点数的30%以上,则该5*5区域为边缘区域。如果该5*5区域中包含所述轮廓图像中的轮廓点,且所述轮廓图像中的轮廓点占该5*5区域中总点数的30%以内,则该5*5区域为部分边缘区域。
通过上述步骤S5的加权融合,即可获得对所述原始图像进行降噪后的图像。在获取所述降噪后的图像的过程中,基于所述原始图像的轮廓图像,将所述原始图像和去噪第二平滑滤波图像进行融合获得,可以在平滑噪声的同时保留细节。并且,上述图像降噪方法不仅适用于静态图像处理,还适用于实时图像处理。
需要说明的是,在本发明的其他实施例中,上述L的取值还可以是其他大于2的值,例如为3、4或者其他值,本发明并不以此为限。当L的取值大于2时,对所述原始图像可以采用更多的平滑滤波系数进行滤波,由由于各个L的值均不相同,从而可以获得更多平滑等级的平滑滤波图像,进而可以更进一步的提高所述原始图像降噪的效果。
本发明实施例还提供了一种图像降噪系统,具体的,所述系统包括:L个平滑滤波器、L个边缘提取器、孤立噪声滤波器、轮廓提取器以及加权融合器;其中,所述L个平滑滤波器用于对一原始图像进行L次平滑滤波,分别获得L个平滑滤波图像;所述L个边缘提取器分别提取所述L个平滑滤波图像的边缘,获得L个边缘图像,其中L为大于等于2的自然数,所述L次平滑滤波的平滑系数各不相同,且第L次平滑滤波的平滑系数最大;所述孤立噪声滤波器用于去除第L平滑滤波图像中的孤立噪点,获得一去噪第L平滑滤波图像;所述轮廓提取器用于根据所述L个边缘图像获得所述原始图像的轮廓图像;所述加权融合器用于根据所述原始图像、去噪第L平滑滤波图像以及所述原始图像的轮廓图像获得所述原始图像降噪后的图像。
在本发明一实施例中,L的取值为2,具体的,如图3所示,图3为本发明一实施例中图像降噪系统的示意图。所述系统包括:第一平滑滤波器、第一边缘提取器、第二平滑滤波器、第二边缘提取器、孤立噪声滤波器、轮廓提取器以及加权融合器。
具体的,所述第一平滑滤波器用于对一原始图像进行第一平滑系数的滤波,从而获得一第一平滑滤波图像;所述第一边缘提取器用于提取所述第一平滑滤波图像的边缘,从而获得所述原始图像的第一边缘图像。所述第二平滑滤波器用于对所述原始图像进行第二平滑系数的滤波,从而获得所述第二平滑滤波图像。所述第二边缘提取器用于提取所述第二平滑滤波图像的边缘,从而获得所述原始图像的第二边缘图像。所述孤立噪声滤波器用于去除所述第二平滑滤波图像中的孤立噪点,从而获得一去噪第二平滑滤波图像,具体的,所述孤立噪声滤波器包括但不限于中值滤波器。所述轮廓提取器用于基于所述第一边缘图像和第二边缘图像提取所述原始图像的轮廓图像。所述加权融合器用于根据所述原始图像、去噪第二平滑滤波图像以及所述原始图像的轮廓图像获得所述原始图像降噪后的图像。
所述第一平滑滤波器的平滑系数小于所述第二平滑滤波器的平滑系数。具体的,所述第一平滑滤波器的平滑系数为第一平滑系数,所述第二平滑滤波器的平滑系数为第二平滑系数.所述第一平滑系数取值范围为大于等于0且小于等于1,其中,当所述第一平滑系数取值为0时,则对所述原始图像的平滑滤波效果最弱,当所述第一平滑系数取值为1时,对所述原始图像的平滑率效果最强。较佳的,所述第一平滑系数的取值范围为0-0.5,即所述第一平滑系数的取值范围为大于等于0且小于等于0.5,可以为0至0.5之间的任意值,例如,可以为0.1,0.2,0.3,0.4以及0.5。
在对所述原始图像进行第一平滑系数的平滑滤波后,获得所述第一平滑滤波图像,再提取所述第一平滑滤波图像的边缘,从而获得所述第一边缘图像。由于所述第一平滑系数的取值范围为0-0.5,使得所述第一边缘图像在消除所述原始图像中一部分噪点的同时,尽量多的保留所述原始图像的边缘细节。
进一步的,所述第二平滑系数的取值范围为大于等于0且小于等于1,其中,当所述第二平滑系数取值为0时,则对所述原始图像的平滑滤波效果最弱,当所述第二平滑系数取值为1时,对所述原始图像的平滑率效果最强。较佳的,所述第二平滑系数的取值范围为0.5-1,即所述第二平滑系数的取值范围为大于等于0.5且小于等于1,可以为0.5至1之间的任意值,例如,可以为0.5,0.6,0.7,0.8,0.9以及1。
在对所述原始图像进行第二平滑系数的平滑滤波后,获得所述第二平滑滤波图像,然后提取所述第二平滑滤波图像的边缘,从而获得所述第二边缘图像。由于所述第二平滑系数的取值范围为0.5-1,从而使得所述第二边缘图像较所述第一边缘图像而言,消除所述原始图像中更多的噪点,使得所述第二边缘图像的非边缘区域更平滑,同时所述第二边缘图像也将损失一些边缘细节。
所述轮廓提取器基于所述第一边缘图像和第二边缘图像提取所述原始图像的轮廓图像的过程包括:首先将所述第一边缘图像和第二边缘图像分别进行二值化,进而获得二值化的第一边缘图像和二值化的第二边缘图像,如图2中的步骤S31。接着基于所述二值化的第二边缘图像进行轮廓搜索,如图2中的步骤S32。当所述二值化的第二边缘图像中断时,查找所述二值化的第一边缘图像中的对应位置是否连续,如图2中的步骤S33。
当所述二值化的第一边缘图像中的对应位置连续时,执行图2中的步骤S34,否则执行图2中的步骤S35。
步骤S34,在所述二值化的第二边缘图像中添加该点,使得所述二值化的第二边缘图像在该中断处连续,并重复上述步骤S32至步骤S33,对所述二值化的第二边缘图像继续进行轮廓搜索。直至获得所述原始图像的轮廓图像。
步骤S35,当所述二值化的第一边缘图像中的对应位置中断时,则停止所述二值化的第二边缘图像在该处的轮廓搜索,并从下一个有效点开始,重复上述步骤S32至步骤S33,对所述二值化的第二边缘图像继续进行轮廓搜索。直至获得所述原始图像的轮廓图像。
上述步骤S35中的所述有效点是指属于所述二值化的第二边缘图像的边缘轮廓的点,具体的判断方法为,从一点开始,可以找到连续的n个点,则表明该点为有效点,否则,则认为该点为噪点。具体的,所述连续的n个点是指任意方向连续的n个点,并不仅限于沿着轮廓连续的n个点,其中,n的取值为大于等于1的自然数,较佳的,n的取值范围为1-5,即可以取1至5中的任意数字,例如可以为2,3,4以及5。当然,在本发明的其他实施例中,所述n的取值还可以为大于5的其他值,本发明并不以此为限。
具体的,所述孤立噪声滤波器去除所述第二平滑滤波图像中的孤立噪点,从而获得一去噪第二平滑滤波图像的过程包括:去除所述第二平滑滤波图像中的孤立噪点。所述孤立噪点是指与四周点的值有明显差异的点。对其该点及其四周点进行中值排序后,判断该点与中间点的差值,当该差值大于一定值时则用中间值将其替换,由于该点一般为最大值点或最小值,在对其进行中值滤波后,可以将其有效的滤除,对于平滑部分的点,当前点与中间点的差值不大,不做替换。
进一步的,所述加权融合器根据所述原始图像、去噪第二平滑滤波图像以及所述原始图像的轮廓图像获得所述原始图像降噪后的图像的过程包括:
将原始图像划分为三种区域,第一种为非边缘区域,第二种为边缘区域,第三种为部分边缘区域。具体的,对于所述原始图像中的任意一M*M区域,如果该M*M区域中不包含任何所述轮廓图像中的轮廓点,则该M*M区域为非边缘区域。如果该M*M区域中包含所述轮廓图像中的轮廓点,且所述轮廓图像中的轮廓点占该M*M区域中总点数的k%以上,则该M*M区域为边缘区域。如果该M*M区域中包含所述轮廓图像中的轮廓点,且所述轮廓图像中的轮廓点占该M*M区域中总点数的k%以内,则该M*M区域为部分边缘区域。
进一步的,对所述非边缘区域,采用所述去噪第二平滑滤波图像中对应的点的像素值。对于所述边缘区域,采用所述原始图像中对应的点的像素值。对于部分边缘区域,根据所述原始图像以及所述去噪第二平滑滤波图像中对应的点的像素按照一定的比例加权获得。
具体而言,对于所述部分边缘区域的点,其像素值由以下公式获得:
像素值=原始图像中对应位置的点的像素值*a+去噪第二平滑滤波图像中对应位置的点的像素值*(1-a),
其中,a为权重,其取值为0-1。
在本发明一实施例中,M的取值为大于等于3的自然数,较佳的,M的取值为3-10,即M可以取3至10中的任意值,例如,可以取值为3、4、5、6、7、8、9以及10中的任意值。k的取值为30-50,在本发明一实施例中,k的取值可以为30至50中的任意一个值。以M取值为5,k的取值30为例,即当所述轮廓图像中的轮廓点占该5*5区域中总点数的30%以上,则该5*5区域为边缘区域。如果该5*5区域中包含所述轮廓图像中的轮廓点,且所述轮廓图像中的轮廓点占该5*5区域中总点数的30%以内,则该5*5区域为部分边缘区域。
在获取所述降噪后的图像的过程中,基于所述原始图像的轮廓图像,将所述原始图像和去噪第二平滑滤波图像进行融合获得,可以在平滑噪声的同时保留细节。并且,上述图像降噪方法不仅适用于静态图像处理,还适用于实时图像处理。
需要说明的是,在本发明的其他实施例中,上述L的取值还可以是其他大于2的值,例如为3、4或者其他值,本发明并不以此为限。当L的取值大于2时,对所述原始图像可以采用更多的平滑滤波系数进行滤波,由由于各个L的值均不相同,从而可以获得更多平滑等级的平滑滤波图像,进而可以更进一步的提高所述原始图像降噪的效果。
综上,在本发明实施例提供的图像降噪方法及系统中,在对原始图像进行L次滤波,分别获得L个平滑滤波图像,再分别对所述L个平滑滤波图像进行边缘提取,从而分别获得所述原始图像的L个边缘图像,并且在所述L个边缘图像的基础上获得所述原始图像的轮廓图像,在以上的过程中,可以在较好的提取所述原始图像的轮廓细节的同时排除噪声的干扰,从而获得质量较佳的轮廓图像。其中L为大于等于2的自然数,所述L次平滑滤波的平滑系数各不相同,且第L次平滑滤波的平滑系数最大。对第L平滑滤波图像进行中值滤波,获得取值第L平滑滤波图像,根据原始图像、去噪第L平滑滤波图像以及轮廓图像即可获得所述原始图像降噪的图像。上述方法和系统不仅适用于静态图像处理,还适用于实时图像处理。
上述仅为本发明的优选实施例而已,并不对本发明起到任何限制作用。任何所属技术领域的技术人员,在不脱离本发明的技术方案的范围内,对本发明揭露的技术方案和技术内容做任何形式的等同替换或修改等变动,均属未脱离本发明的技术方案的内容,仍属于本发明的保护范围之内。