CN109961405B - 一种图像滤波方法和装置 - Google Patents

一种图像滤波方法和装置 Download PDF

Info

Publication number
CN109961405B
CN109961405B CN201711416695.1A CN201711416695A CN109961405B CN 109961405 B CN109961405 B CN 109961405B CN 201711416695 A CN201711416695 A CN 201711416695A CN 109961405 B CN109961405 B CN 109961405B
Authority
CN
China
Prior art keywords
data
filtering
value
directions
filtered
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.)
Active
Application number
CN201711416695.1A
Other languages
English (en)
Other versions
CN109961405A (zh
Inventor
陈凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hefei Ingenic Technology Co ltd
Original Assignee
Hefei Ingenic Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hefei Ingenic Technology Co ltd filed Critical Hefei Ingenic Technology Co ltd
Priority to CN201711416695.1A priority Critical patent/CN109961405B/zh
Publication of CN109961405A publication Critical patent/CN109961405A/zh
Application granted granted Critical
Publication of CN109961405B publication Critical patent/CN109961405B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种图像滤波方法和装置，其中，该方法包括：从待滤波图像中选取一个像素点作为待滤波点；以所述待滤波点为中心选取(2N+1)*(2N+1)大小的矩阵作为待滤波矩阵，其中，N为正整数；从所述待滤波矩阵中，分别对0°、45°、90°、135°四个方向分别选取(2N+1)个数据；利用选取的(2N+1)*4组数据分别对0°、45°、90°、135°四个方向进行方向性匹配，以分别计算得到四个方向的滤波输出值；根据所述四个方向的滤波输出值，计算得到待滤波点的滤波输出值。本发明实施例解决了现有的滤波方法所存在的损失图像细节、计算量大的问题，达到了有效滤出噪声的同时，更加真实的保留图像的边缘细节，同时减小了计算量。

Description

一种图像滤波方法和装置
技术领域
本发明涉及图像处理技术领域，特别涉及一种图像滤波方法和装置。
背景技术
图像滤波是图像处理中很重要的部分，目前，常用的空域滤波方式有：均值滤波、中值滤波等，还有一种常用的滤波方式是：非局部均值滤波，该滤波方式是基于块匹配的方法，主要是利用图像的冗余进行滤波。
其中，上述非局部均值滤波是：对于每一个像素点的滤波，首先以像素点为中心确定一个匹配块，然后确定一个搜索区域，用匹配块依次遍历整个搜索块，通过计算匹配块与搜索块的高斯加权欧式距离，得到最终的权值。最终用此权值进行加权计算得出匹配块中心点的滤波输出值。
然而，上述几种滤波方式都存在不同程度的问题，具体如下：
1)均值滤波，该滤波方式虽然能够较好地去除高斯噪声，但是容易模糊图像，损失图像的细节。
2)中值滤波，能够较好地去除椒盐噪声，但是对于高斯噪声的处理效果并不是很理想。
3)非局部均值滤波方法虽然能够获得比较好的视觉效果，但是仅3x3的匹配块单方向搜索1次就需要仅百次乘法操作，而匹配块和搜索区域太小也不能达到很好的效果，因此如果希望达到比较好的滤波效果，需要很大的计算量，不易于硬件实现。
针对上述问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种图像滤波方法，以达到有效滤出噪声的同时，更加真实的保留图像的边缘细节，同时减小了计算量，该方法包括：
从待滤波图像中选取一个像素点作为待滤波点；
以所述待滤波点为中心选取(2N+1)*(2N+1)大小的矩阵作为待滤波矩阵，其中，N为正整数；
从所述待滤波矩阵中，分别对0°、45°、90°、135°四个方向分别选取(2N+1)个数据；
利用选取的(2N+1)*4组数据分别对0°、45°、90°、135°四个方向进行方向性匹配，以分别计算得到四个方向的滤波输出值；
根据所述四个方向的滤波输出值，计算得到待滤波点的滤波输出值。
在一个实施方式中，利用选取的(2N+1)*4组数据分别对0°、45°、90°、135°四个方向进行方向性匹配，以分别计算得到四个方向的滤波输出值，包括：
对0°、45°、90°、135°四个方向中的每个方向分别执行以下操作：
取(2N+1)行数据；
用除第(N+1)行数据之外的2N行数据分别与第(N+1)行数据进行相减求差，得到2N个一维差值矩阵；
将所述2N个一维差值矩阵带入权值计算公式得到2N个权重值；
对所述2N个权重值进行加权平均计算，得到当前方向的滤波输出值。
在一个实施方式中，所述权重计算公式表示为：
Figure BDA0001522156680000021
其中，weight表示权重，xi表示当前行第i列的数据，yi表示第(N+1)行第i列的数据，gaussianWeight表示高斯权重，σ表示滤波参数。
在一个实施方式中，对所述2N个权重值进行加权平均计算，得到当前方向的滤波输出值，包括：
按照以下公式进行加权平均计算：
Figure BDA0001522156680000022
其中，W1表示第一行的权重值，W2表示第二行的权重值，W2N表示第2N行的权重值，W2N+1表示第(2N+1)行的权重值，Y1,N+1表示第一行第(N+1)列数据，Y2,N+1表示第2行第(N+1)列数据，YN+1,N+1表示第(N+1)行第(N+1)列数据，Y2N,N+1表示第2N行第(N+1)列数据，Y2N+1,N+1表示第(2N+1)行第(N+1)列数据，W0＝(W1+W2+…W2N+W2N+1)*0.5。
在一个实施方式中，根据所述四个方向的滤波输出值，计算得到待滤波点的滤波输出值，包括：
将所述四个方向的输出滤波值进行排序；
选取中间两个值的均值作为滤波均值；
将所述四个方向的输出滤波值减去所述滤波均值，并取绝对值，得到四个绝对值；
对所述四个绝对值进行排序，去掉最大的绝对值；
对剩下的三个绝对值进行均值计算，将均值计算结果作为待滤波点的滤波输出值。
本发明实施例还提供了一种图像滤波装置，以达到有效滤出噪声的同时，更加真实的保留图像的边缘细节，同时减小了计算量，该装置包括：
第一选取模块，用于从待滤波图像中选取一个像素点作为待滤波点；
确定模块，用于以所述待滤波点为中心选取(2N+1)*(2N+1)大小的矩阵作为待滤波矩阵，其中，N为正整数；
第二选取模块，用于从所述待滤波矩阵中，分别对0°、45°、90°、135°四个方向分别选取(2N+1)个数据；
匹配模块，用于利用选取的(2N+1)*4组数据分别对0°、45°、90°、135°四个方向进行方向性匹配，以分别计算得到四个方向的滤波输出值；
生成模块，用于根据所述四个方向的滤波输出值，计算得到待滤波点的滤波输出值。
在一个实施方式中，所述匹配模块具体用于对0°、45°、90°、135°四个方向中的每个方向分别执行以下操作：
取(2N+1)行数据；
用除第(N+1)行数据之外的2N行数据分别与第(N+1)行数据进行相减求差，得到2N个一维差值矩阵；
将所述2N个一维差值矩阵带入权值计算公式得到权重值。
在一个实施方式中，所述权重计算公式表示为：
Figure BDA0001522156680000041
其中，weight表示权重，xi表示当前行第i列的数据，yi表示第(N+1)行第i列的数据，gaussianWeight表示高斯权重，σ表示滤波参数。
在一个实施方式中，所述匹配模块具体用于按照以下公式进行加权平均计算：
Figure BDA0001522156680000042
其中，W1表示第一行的权重值，W2表示第二行的权重值，W2N表示第2N行的权重值，W2N+1表示第(2N+1)行的权重值，Y1,N+1表示第一行第(N+1)列数据，Y2,N+1表示第2行第(N+1)列数据，YN+1,N+1表示第(N+1)行第(N+1)列数据，Y2N,N+1表示第2N行第(N+1)列数据，Y2N+1,N+1表示第(2N+1)行第(N+1)列数据，W0＝(W1+W2+…W2N+W2N+1)*0.5。
在一个实施方式中，所述生成模块包括：
排序单元，用于将所述四个方向的输出滤波值进行排序；
选取单元，用于选取中间两个值的均值作为滤波均值；
取绝对值单元，用于将所述四个方向的输出滤波值减去所述滤波均值，并取绝对值，得到四个绝对值；
删除单元，用于对所述四个绝对值进行排序，去掉最大的绝对值；
计算单元，用于对剩下的三个绝对值进行均值计算，将均值计算结果作为待滤波点的滤波输出值。
在本发明实施例中，提出了一种基于方向匹配的滤波方法，从待滤波图像中选取一个像素点作为待滤波点；然后，以所述待滤波点为中心选取(2N+1)*(2N+1)大小的矩阵作为待滤波矩阵，从所述待滤波矩阵中，分别对0°、45°、90°、135°四个方向分别选取(2N+1)个数据；利用选取的(2N+1)*4组数据分别对0°、45°、90°、135°四个方向进行方向性匹配，以分别计算得到四个方向的滤波输出值；根据所述四个方向的滤波输出值，得到输出的滤波值。该方式不需要太多的块匹配，且通过二次滤波的方式可以获得更加可信的滤波输出，通过本发明实施例中的方式解决了现有的滤波方法所存在的损失图像细节、计算量大的问题，达到了有效滤出噪声的同时，更加真实的保留图像的边缘细节，同时减小了计算量。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，并不构成对本发明的限定。在附图中：
图1是根据本发明实施例的图像滤波方法的方法流程图；
图2是根据本发明实施例的基于方向匹配的滤波方法流程图；
图3是根据本发明实施例的5x5的滤波窗口示意图；
图4是根据本发明实施例的5x5的滤波窗口45°方向上的滤波示意图；
图5是根据本发明实施例的图像滤波装置的结构框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施方式和附图，对本发明做进一步详细说明。在此，本发明的示意性实施方式及其说明用于解释本发明，但并不作为对本发明的限定。
发明人考虑到现有的滤波方法主要存在的问题有，在滤波的同时无法有效保留图像边缘的细节，且计算量比较大，为此，考虑到可以采用基于方向的匹配进行滤波。基于此，在本发明实施例中提供了一种图像滤波方法，如图1所示，可以包括以下步骤：
步骤101：从待滤波图像中选取一个像素点作为待滤波点；
步骤102：以所述待滤波点为中心选取(2N+1)*(2N+1)大小的矩阵作为待滤波矩阵，其中，N为正整数；
步骤103：从所述待滤波矩阵中，分别对0°、45°、90°、135°四个方向分别选取(2N+1)个数据；
步骤104：利用选取的(2N+1)*4组数据分别对0°、45°、90°、135°四个方向进行方向性匹配，以分别计算得到四个方向的滤波输出值；
具体地，可以按照以下方式进行方向性匹配，对0°、45°、90°、135°四个方向中的每个方向分别执行以下操作：
S1：取(2N+1)行数据；
S2：用除第(N+1)行数据之外的2N行数据分别与第(N+1)行数据进行相减求差，得到2N个一维差值矩阵；
S3：将所述2N个一维差值矩阵带入权值计算公式得到2N个权重值；
S4：对所述2N个权重值进行加权平均计算，得到当前方向的滤波输出值。
上述权重计算公式可以表示为：
Figure BDA0001522156680000061
其中，weight表示权重，xi表示当前行第i列的数据，yi表示第(N+1)行第i列的数据，gaussianWeight表示高斯权重，σ表示滤波参数。
步骤105：根据所述四个方向的滤波输出值，计算得到待滤波点的滤波输出值。
为了获得更为可信的滤波输出，可以进行二次滤波，因此，在确定四个方向的滤波输出值之后，可以按照以下步骤得到输出的滤波值：
S1：将所述四个方向的输出滤波值进行排序；
S2：选取中间两个值的均值作为滤波均值；
S3：将所述四个方向的输出滤波值减去所述滤波均值，并取绝对值，得到四个绝对值；
S4：对所述四个绝对值进行排序，去掉最大的绝对值；
S5：对剩下的三个绝对值进行均值计算，将均值计算结果作为待滤波点的滤波输出值。
在上例中，提出了一种基于方向的匹配进行滤波，不需要进行太多的块匹配，用二次滤波的方法可以获得更加可信的滤波输出。该方法不仅可以有效地滤除噪声，还可以在滤除噪声的同时更加真实地保留图像的边缘细节，同时减小了计算量，更加易于硬件实现。
下面结合一个具体实施例对上述图像滤波方法进行说明，然而值得注意的是，该具体实施例仅是为了更好地说明本发明，并不构成对本发明的不当限定。
在本例中，如图2所示，可以选取一个图像的像素点作为待滤波点，以待滤波点为中心选取(2N+1)*(2N+1)大小的矩阵作为待滤波矩阵。从滤波矩阵中分别对0°、45°、90°、135°四个方向分别选取(2N+1)数据，利用这(2N+1)*4组数据分别对0°、45°、90°、135°四个方向进行方向性匹配，并通过匹配计算得到最终的权值。将计算出来的权值进行加权平均计算，得到最终的输出值，并且对四个方向的输出值进行二次滤波，排除可能性比较小的值，得到最终滤波输出值。
上述的权重计算可以按照以下公式进行：
Figure BDA0001522156680000071
上述每个方向的输出值可以通过一个权重矩阵表示，例如：一个一维的权重矩阵可以表示为，例如：[1,2,4,2,1]。
下面以一个具体实例进行说明：
以5x5的滤波窗口为例，如图3所示，由上到下、由左向右，依次遍历整幅图像，对图像进行滤波。
1)对于0°方向上的滤波，取五行数据，用第一行、第二行、第四行、第五行的数据，取得的四行数据分别与第三行数据进行相减求差，得到四个一维差值矩阵。
Matrix_diff_1＝[Y11-Y31,Y12-Y32,Y13-Y33,Y14-Y35,Y15-Y35]
Matrix_diff_2＝[Y21-Y31,Y22-Y32,Y23-Y33,Y24-Y35,Y25-Y35]
Matrix_diff_3＝[Y41-Y31,Y42-Y32,Y43-Y33,Y44-Y35,Y45-Y35]
Matrix_diff_4＝[Y51-Y31,Y52-Y32,Y53-Y33,Y54-Y35,Y55-Y35]
用四个差值矩阵带入权值计算公式，即得到对应行的权重值，以最终得到四个权重值。
例如：Matrix_diff_1带入权重计算公式计算出来第一行的权重值为W1，Matrix_diff_2带入权重计算公式计算出来第二行的权重值为得到W2，以此类推，计算得到W3、W4。
用该行的权值与每一行的中心像素值进行加权平均，即得到一个0°方向的输出值pixel_0。
例如：按照以下方式进行加权平均：
(W1*Y13+W2*Y23+W0*Y33+W3*Y43+W4*Y53)/(W1+W2+W3+W4+W0)
将加权平均的结果，作为0°方向上的输出值，其中，W0为(W1+W2+W3+W4)*0.5，即，四行权重的一半。
2)对90°方向上的滤波，滤波方法与水平方向(0°方向)一致，最终得到一个pixel_90。
45°以及135°滤波方法如下：
3)以45°方向上的滤波为例：
S1：分别选取图4的灰色部分；
S2：在45°方向上取5行数据，分别为：
Maxrix_45_1＝[Y11]
Maxrix_45_2＝[Y31,Y22,Y13]
Maxrix_45_3＝[Y42,Y33,Y24]
Maxrix_45_4＝[Y53,Y44,Y35]
Maxrix_45_5＝[Y55]
将Maxrix_45_1、Maxrix_45_2、Maxrix_45_4、Maxrix_45_5分别与Maxrix_45_3求差，求的结果为：
Maxrix_45_diff_1＝[Y11-Y33]
Maxrix_45_diff_2＝[Y31-Y42,Y22-Y33,Y13-Y24]
Maxrix_45_diff_3＝[Y53-Y42,Y44-Y33,Y35-Y24]
Maxrix_45_diff_4＝[Y55-Y33]
用四个差值矩阵带入权值计算公式，即得到最终该行的权重值。用该行的权值与每一行的中心像素值进行加权平均，即得到一个45°方向的输出值pixel_45。
4)对135°方向上的滤波，滤波方法与45°一致，输出pixel_135。
在确定出pixel_0、pixel_45、pixel_90、pixel_135之后，可以将pixel_0、pixel_45、pixel_90、pixel_135进行排序，取中间两个值的均值作为pixel_ave，用四个方向的滤波输出值分别减去pixel_ave取绝对值。
pixel_diff_0＝abs(pixel_0–pexil_ave)
pixel_diff_45＝abs(pixel_45–pexil_ave)
pixel_diff_90＝abs(pixel_90–pexil_ave)
pixel_diff_135＝abs(pixel_135–pexil_ave)
比较pixel_diff_0、pixel_diff_45、pixel_diff_90、pixel_diff_135，去掉最大的值对应的方向滤波结果值。将剩下的三个值进行均值计算，即得到最终输出的滤波值。
在上例中，主要是基于方向匹配的滤波方法，将不同方向的滤波结果进行了二次滤波。
基于同一发明构思，本发明实施例中还提供了一种图像滤波装置，如下面的实施例所述。由于图像滤波装置解决问题的原理与图像滤波方法相似，因此图像滤波装置的实施可以参见图像滤波方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。图5是本发明实施例的图像滤波装置的一种结构框图，如图5所示，可以包括：第一选取模块501、确定模块502、第二选取模块503、匹配模块504和生成模块505，下面对该结构进行说明。
第一选取模块501，用于从待滤波图像中选取一个像素点作为待滤波点；
确定模块502，用于以所述待滤波点为中心选取(2N+1)*(2N+1)大小的矩阵作为待滤波矩阵，其中，N为正整数；
第二选取模块503，用于从所述待滤波矩阵中，分别对0°、45°、90°、135°四个方向分别选取(2N+1)个数据；
匹配模块504，用于利用选取的(2N+1)*4组数据分别对0°、45°、90°、135°四个方向进行方向性匹配，以分别计算得到四个方向的滤波输出值；
生成模块505，用于根据所述四个方向的滤波输出值，计算得到待滤波点的滤波输出值。
在一个实施方式中，匹配模块504具体可以用于对0°、45°、90°、135°四个方向中的每个方向分别执行以下操作：
取(2N+1)行数据；
用除第(N+1)行数据之外的2N行数据分别与第(N+1)行数据进行相减求差，得到2N个一维差值矩阵；
将所述2N个一维差值矩阵带入权值计算得到权重值。
在一个实施方式中，权重计算公式可以表示为：
Figure BDA0001522156680000091
其中，weight表示权重，xi表示当前行第i列的数据，yi表示第(N+1)行第i列的数据，gaussianWeight表示高斯权重，σ表示滤波参数。
在一个实施方式中，匹配模块具体用于按照以下公式进行加权平均计算：
Figure BDA0001522156680000101
其中，W1表示第一行的权重值，W2表示第二行的权重值，W2N表示第2N行的权重值，W2N+1表示第(2N+1)行的权重值，Y1,N+1表示第一行第(N+1)列数据，Y2,N+1表示第2行第(N+1)列数据，YN+1,N+1表示第(N+1)行第(N+1)列数据，Y2N,N+1表示第2N行第(N+1)列数据，Y2N+1,N+1表示第(2N+1)行第(N+1)列数据，W0＝(W1+W2+…W2N+W2N+1)*0.5。
在一个实施方式中，生成模块505可以包括：排序单元，用于将所述四个方向的输出滤波值进行排序；选取单元，用于选取中间两个值的均值作为滤波均值；取绝对值单元，用于将所述四个方向的输出滤波值减去所述滤波均值，并取绝对值，得到四个绝对值；删除单元，用于对所述四个绝对值进行排序，去掉最大的绝对值；计算单元，用于对剩下的三个绝对值进行均值计算，将均值计算结果作为待滤波点的滤波输出值。
在另外一个实施例中，还提供了一种软件，该软件用于执行上述实施例及优选实施方式中描述的技术方案。
在另外一个实施例中，还提供了一种存储介质，该存储介质中存储有上述软件，该存储介质包括但不限于：光盘、软盘、硬盘、可擦写存储器等。
从以上的描述中，可以看出，本发明实施例实现了如下技术效果：提出了一种基于方向匹配的滤波方法，从待滤波图像中选取一个像素点作为待滤波点；然后，以所述待滤波点为中心选取(2N+1)*(2N+1)大小的矩阵作为待滤波矩阵，从所述待滤波矩阵中，分别对0°、45°、90°、135°四个方向分别选取(2N+1)个数据；利用选取的(2N+1)*4组数据分别对0°、45°、90°、135°四个方向进行方向性匹配，以分别计算得到四个方向的滤波输出值；根据所述四个方向的滤波输出值，得到输出的滤波值。该方式不需要太多的块匹配，且通过二次滤波的方式可以获得更加可信的滤波输出，通过本发明实施例中的方式解决了现有的滤波方法所存在的损失图像细节、计算量大的问题，达到了有效滤出噪声的同时，更加真实的保留图像的边缘细节，同时减小了计算量。
显然，本领域的技术人员应该明白，上述的本发明实施例的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明实施例不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种图像滤波方法，其特征在于，包括：
从待滤波图像中选取一个像素点作为待滤波点；
以所述待滤波点为中心选取(2N+1)*(2N+1)大小的矩阵作为待滤波矩阵，其中，N为正整数；
从所述待滤波矩阵中，分别对0°、45°、90°、135°四个方向分别选取(2N+1)个数据；
利用选取的(2N+1)*4组数据分别对0°、45°、90°、135°四个方向进行方向性匹配，以分别计算得到四个方向的滤波输出值；
根据所述四个方向的滤波输出值，计算得到待滤波点的滤波输出值；
利用选取的(2N+1)*4组数据分别对0°、45°、90°、135°四个方向进行方向性匹配，以分别计算得到四个方向的滤波输出值，包括：
对0°、45°、90°、135°四个方向中的每个方向分别执行以下操作：
取(2N+1)行数据；
用除第(N+1)行数据之外的2N行数据分别与第(N+1)行数据进行相减求差，得到2N个一维差值矩阵；
将所述2N个一维差值矩阵带入权值计算公式得到2N个权重值；
对所述2N个权重值进行加权平均计算，得到当前方向的滤波输出值。
2.根据权利要求1所述的方法，其特征在于，权重计算公式表示为：
Figure FDA0003888058070000011
其中，weight表示权重，xi表示当前行第i列的数据，yi表示第(N+1)行第i列的数据，gaussianWeight表示高斯权重，σ表示滤波参数。
3.根据权利要求1所述的方法，其特征在于，对所述2N个权重值进行加权平均计算，得到当前方向的滤波输出值，包括：
按照以下公式进行加权平均计算：
Figure FDA0003888058070000021
其中，W1表示第一行的权重值，W2表示第二行的权重值，W2N表示第2N行的权重值，W2N+1表示第(2N+1)行的权重值，Y1,N+1表示第一行第(N+1)列数据，Y2,N+1表示第2行第(N+1)列数据，YN+1,N+1表示第(N+1)行第(N+1)列数据，Y2N,N+1表示第2N行第(N+1)列数据，Y2N+1,N+1表示第(2N+1)行第(N+1)列数据，W0＝(W1+W2+…W2N+W2N+1)*0.5。
4.根据权利要求1所述的方法，其特征在于，根据所述四个方向的滤波输出值，计算得到待滤波点的滤波输出值，包括：
将所述四个方向的输出滤波值进行排序；
选取中间两个值的均值作为滤波均值；
将所述四个方向的输出滤波值减去所述滤波均值，并取绝对值，得到四个绝对值；
对所述四个绝对值进行排序，去掉最大的绝对值；
对剩下的三个绝对值进行均值计算，将均值计算结果作为待滤波点的滤波输出值。
5.一种图像滤波装置，其特征在于，包括：
第一选取模块，用于从待滤波图像中选取一个像素点作为待滤波点；
确定模块，用于以所述待滤波点为中心选取(2N+1)*(2N+1)大小的矩阵作为待滤波矩阵，其中，N为正整数；
第二选取模块，用于从所述待滤波矩阵中，分别对0°、45°、90°、135°四个方向分别选取(2N+1)个数据；
匹配模块，用于利用选取的(2N+1)*4组数据分别对0°、45°、90°、135°四个方向进行方向性匹配，以分别计算得到四个方向的滤波输出值；
生成模块，用于根据所述四个方向的滤波输出值，计算得到待滤波点的滤波输出值；
所述匹配模块具体用于对0°、45°、90°、135°四个方向中的每个方向分别执行以下操作：
取(2N+1)行数据；
用除第(N+1)行数据之外的2N行数据分别与第(N+1)行数据进行相减求差，得到2N个一维差值矩阵；
将所述2N个一维差值矩阵带入权值计算公式得到权重值。
6.根据权利要求5所述的装置，其特征在于，权重计算公式表示为：
Figure FDA0003888058070000031
其中，weight表示权重，xi表示当前行第i列的数据，yi表示第(N+1)行第i列的数据，gaussianWeight表示高斯权重，σ表示滤波参数。
7.根据权利要求5所述的装置，其特征在于，所述匹配模块具体用于按照以下公式进行加权平均计算：
Figure FDA0003888058070000032
其中，W1表示第一行的权重值，W2表示第二行的权重值，W2N表示第2N行的权重值，W2N+1表示第(2N+1)行的权重值，Y1,N+1表示第一行第(N+1)列数据，Y2,N+1表示第2行第(N+1)列数据，YN+1,N+1表示第(N+1)行第(N+1)列数据，Y2N,N+1表示第2N行第(N+1)列数据，Y2N+1,N+1表示第(2N+1)行第(N+1)列数据，W0＝(W1+W2+…W2N+W2N+1)*0.5。
8.根据权利要求5所述的装置，其特征在于，所述生成模块包括：
排序单元，用于将所述四个方向的输出滤波值进行排序；
选取单元，用于选取中间两个值的均值作为滤波均值；
取绝对值单元，用于将所述四个方向的输出滤波值减去所述滤波均值，并取绝对值，得到四个绝对值；
删除单元，用于对所述四个绝对值进行排序，去掉最大的绝对值；
计算单元，用于对剩下的三个绝对值进行均值计算，将均值计算结果作为待滤波点的滤波输出值。
CN201711416695.1A 2017-12-25 2017-12-25 一种图像滤波方法和装置 Active CN109961405B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711416695.1A CN109961405B (zh) 2017-12-25 2017-12-25 一种图像滤波方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711416695.1A CN109961405B (zh) 2017-12-25 2017-12-25 一种图像滤波方法和装置

Publications (2)

Publication Number Publication Date
CN109961405A CN109961405A (zh) 2019-07-02
CN109961405B true CN109961405B (zh) 2023-02-03

Family

ID=67020522

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711416695.1A Active CN109961405B (zh) 2017-12-25 2017-12-25 一种图像滤波方法和装置

Country Status (1)

Country Link
CN (1) CN109961405B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111445421A (zh) * 2020-04-08 2020-07-24 Oppo广东移动通信有限公司 图像滤波方法、装置、存储介质及移动设备
CN112419190B (zh) * 2020-11-24 2023-06-20 海南大学 一种基于局部统计信息和几何距离的脉冲噪声滤波方法、系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103312940A (zh) * 2013-06-17 2013-09-18 中国航天科工集团第三研究院第八三五八研究所 一种基于fpga的自适应中值滤波方法
CN106651783A (zh) * 2016-09-29 2017-05-10 厦门美图之家科技有限公司 图像滤波方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105809630B (zh) * 2014-12-30 2019-03-12 展讯通信(天津)有限公司 一种图像噪声过滤方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103312940A (zh) * 2013-06-17 2013-09-18 中国航天科工集团第三研究院第八三五八研究所 一种基于fpga的自适应中值滤波方法
CN106651783A (zh) * 2016-09-29 2017-05-10 厦门美图之家科技有限公司 图像滤波方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
《一种保留图像边缘的自适应中值滤波器算法》;李阳等;《通信技术》;20151231;第48卷(第12期);第1367-1371页 *

Also Published As

Publication number Publication date
CN109961405A (zh) 2019-07-02

Similar Documents

Publication Publication Date Title
Lu et al. Patch match filter: Efficient edge-aware filtering meets randomized search for fast correspondence field estimation
US9471964B2 (en) Non-local mean-based video denoising method and apparatus
CN106228121B (zh) 手势特征识别方法和装置
Khryashchev et al. Image denoising using adaptive switching median filter
US6731806B1 (en) Region growing based noise reduction method for digital images
CN108846842A (zh) 一种图像噪声检测方法、装置及电子设备
CN109785246A (zh) 一种非局部均值滤波的降噪方法、装置及设备
CN109961405B (zh) 一种图像滤波方法和装置
CN111583282A (zh) 图像分割方法、装置、设备及存储介质
CN107333027A (zh) 一种视频图像增强的方法和装置
CN109859314A (zh) 三维重建方法、装置、电子设备和存储介质
CN106504207A (zh) 一种图像数据处理方法
CN111105452A (zh) 基于双目视觉的高低分辨率融合立体匹配方法
Yap et al. A recursive soft-decision approach to blind image deconvolution
Cai et al. Anisotropic spatial–spectral total variation regularized double low-rank approximation for HSI denoising and destriping
CN106683044B (zh) 一种多通道光学探测系统的图像拼接方法、装置
CN116310452A (zh) 一种多视图聚类方法及系统
CN116091844A (zh) 一种基于边缘计算的图像数据处理方法及系统
CN113362338B (zh) 铁轨分割方法、装置、计算机设备和铁轨分割处理系统
CN111461141B (zh) 一种设备位姿计算方法装置及设备
CN113012072A (zh) 一种基于注意力网络的图像运动去模糊方法
Gantenapalli et al. A fast method for impulse noise reduction in digital color images using anomaly median filtering
CN112200730A (zh) 图像滤波处理方法、装置、设备及存储介质
CN110298808A (zh) 基于量子差分进化算法的nsct域红外图像自适应去噪方法
Zhang et al. Multi-level Feature Fusion Network for Single Image Super-Resolution

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