CN110060217A - 一种有效降低噪点的图像处理方法 - Google Patents
一种有效降低噪点的图像处理方法 Download PDFInfo
- Publication number
- CN110060217A CN110060217A CN201910323877.7A CN201910323877A CN110060217A CN 110060217 A CN110060217 A CN 110060217A CN 201910323877 A CN201910323877 A CN 201910323877A CN 110060217 A CN110060217 A CN 110060217A
- Authority
- CN
- China
- Prior art keywords
- image
- processing
- noise
- layer
- gray level
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 230000009466 transformation Effects 0.000 claims abstract description 25
- 230000009467 reduction Effects 0.000 claims abstract description 18
- 238000011946 reduction process Methods 0.000 claims abstract description 16
- 230000000877 morphologic effect Effects 0.000 claims abstract description 6
- 238000007493 shaping process Methods 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000002708 enhancing effect Effects 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims description 2
- 230000006872 improvement Effects 0.000 description 11
- 230000000694 effects Effects 0.000 description 3
- 238000002161 passivation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种有效降低噪点的图像处理方法,包括以下步骤:采用多值形态滤波器对原始图像进行滤波处理、灰度处理,得到灰度图像、将灰度图像进行放大处理、锐化处理、减少杂色处理、缩放处理,将图像大小还原至原始图像大小以及分层处理,对高频图层和低频图层基于小波变换的降噪处理;本发明通过对原始图像进行滤波处理可以保证原始图像结构不被钝化,为后续的降噪处理提供了稳定的原始图像结构,通过对于原始图像进行放大处理、锐化处理、减少杂色处理以及缩放处理处理可以初步去除原始图像中的噪音,对高频图层和低频图层后再次进行基于小波变换的降噪处理可以针对性的降噪,在去除噪音的同时可以保持图像信息和清晰度的完整性。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种有效降低噪点的图像处理方法。
背景技术
图像在生成和传输过程中,经常会引入各种噪声,这些噪声不仅破坏图像的真实信息,还严重影响图像的视觉效果,受噪声干扰的图像可用线性或非线性的滤波方法将噪声滤除,由于图像细节在频域反映为高频分量,易与噪声的高频相混淆,因此,如何保持图像细节,又能有效地滤除噪声,一直是图像处理的关键问题,形态滤波属非线性滤波,是目前较具代表性和发展前途的一种滤波器,其理论依据是数学形态学,
已有的形态滤波方法虽然可以不同程度的改善图像处理效果,但不能克服形态学固有的不足,由于形态学的核心操作腐蚀和膨胀自身固有的运算特征,形态学的腐蚀和膨胀都是极限操作,这种极限操作在去除噪声的同时容易造成图像信息丢失,还会造成图像清晰度降低问题,因此本发明提出一种有效降低噪点的图像处理方法,以解决现有技术中的不足之处。
发明内容
针对上述问题,本发明通过对原始图像进行滤波处理可以保证原始图像结构不被钝化,为后续的降噪处理提供了稳定的原始图像结构,通过对于原始图像进行放大处理、锐化处理、减少杂色处理以及缩放处理处理可以初步去除原始图像中的噪音,对高频图层和低频图层后再次进行基于小波变换的降噪处理可以针对性的降噪,在去除噪音的同时可以保持图像信息和清晰度的完整性。
本发明提出一种有效降低噪点的图像处理方法,包括以下步骤:
步骤一:采集一张原始图像,然后对该原始图像采用多值形态滤波器进行滤波处理;
步骤二:对滤波处理后的原始图像进行灰度处理,得到灰度图像;
步骤三:改变灰度图像的大小,将灰度图像在原始图像的尺寸上进行放大处理,得到一个目标图像,并得到的目标图像进行锐化处理;
步骤四:对锐化处理后的目标图像进行减少杂色处理;
步骤五:将减少杂色处理后的目标图像进行缩放处理,将图像大小还原至原始图像大小;
步骤六:对还原后目标图像进行分层处理,分为高频图层和低频图层,分别对高频图层和低频图层基于小波变换的降噪处理,然后选择阈值以及进行阈值量化,最后利用多尺度二维小波重构高频图层和低频图层的图象信号。
进一步改进在于:所述步骤二中原始图像进行灰度处理后转换为灰度图像后,需要利用直方图均衡化对转换后的灰度图像进行低照度图像增强处理。
进一步改进在于:所述步骤三中改变灰度图像大小时不改变灰度图像比例,仅通过在灰度图像的长和宽之间建立链接。
进一步改进在于:所述步骤三中锐化处理采用拉普拉斯算子对目标图像进行锐化处理,锐化处理后需要将并目标图像和灰度图像进行叠加,实现对灰度图像的增强。
进一步改进在于:所述步骤四中减少杂色处理时,利用Photoshop软件进行减少杂色处理,过程中选择高级选项下的“每通道”选项,先检查“每通道”中的杂色情况,然后再进行减少杂色处理。
进一步改进在于:所述步骤五中缩放处理后的图像若还存在较明显噪点,则继续进行一次步骤二中的减少杂色处理。
进一步改进在于:所述步骤六中低频图层处理的过程为:先采用小波变换对低频图层进行变换,选择阈值后然后利用小波收缩阈值方法对低频图层进行降噪处理,最后再进行小波变换的逆变换。
进一步改进在于:所述步骤六中高频图层处理的过程为:先采用小波变换对高频图像进行变换,对高频图层进行的高频系数进行阈值量化,然后选择隐马尔可夫树模型对高频图层进行降噪处理,最后再进行小波变换的逆变换。
进一步改进在于:所述步骤六中选择阈值以及阈值量化时,先选择利用经验公式给定阈值,然后再利用函数wthresh进行阈值量化处理。
本发明的有益效果是:通过对原始图像进行滤波处理可以保证原始图像结构不被钝化,为后续的降噪处理提供了稳定的原始图像结构,通过对于原始图像进行放大处理、锐化处理、减少杂色处理以及缩放处理处理可以初步去除原始图像中的噪音,通过对初步降噪后的目标图像进行分层处理,对高频图层和低频图层后再次进行基于小波变换的降噪处理可以针对性的降噪,对包含不同类型噪声或者噪声类型未知的复杂图像具有很好的降噪效果,可以提高图像降噪效率和稳定性,在去除噪音的同时可以保持图像信息和清晰度的完整性。
附图说明
图1为本发明流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
根据图1所示,本实施例提出一种有效降低噪点的图像处理方法,包括以下步骤:
步骤一:采集一张原始图像,然后对该原始图像采用多值形态滤波器进行滤波处理;
步骤二:对滤波处理后的原始图像进行灰度处理,得到灰度图像,原始图像进行灰度处理后转换为灰度图像后,需要利用直方图均衡化对转换后的灰度图像进行低照度图像增强处理;
步骤三:改变灰度图像的大小,将灰度图像在原始图像的尺寸上进行放大处理,得到一个目标图像,并得到的目标图像进行锐化处理,变灰度图像大小时不改变灰度图像比例,仅通过在灰度图像的长和宽之间建立链接,锐化处理采用拉普拉斯算子对目标图像进行锐化处理,锐化处理后需要将并目标图像和灰度图像进行叠加,实现对灰度图像的增强;
步骤四:对锐化处理后的目标图像进行减少杂色处理,利用Photoshop软件进行减少杂色处理,过程中选择高级选项下的“每通道”选项,先检查“每通道”中的杂色情况,然后再进行减少杂色处理;
步骤五:将减少杂色处理后的目标图像进行缩放处理,将图像大小还原至原始图像大小,缩放处理后的图像若还存在较明显噪点,则继续进行一次步骤二中的减少杂色处理;
步骤六:对还原后目标图像进行分层处理,分为高频图层和低频图层,分别对高频图层和低频图层基于小波变换的降噪处理,然后选择阈值以及进行阈值量化,低频图层处理的过程为:先采用小波变换对低频图层进行变换,选择阈值后然后利用小波收缩阈值方法对低频图层进行降噪处理,最后再进行小波变换的逆变换;高频图层处理的过程为:先采用小波变换对高频图像进行变换,对高频图层进行的高频系数进行阈值量化,然后选择隐马尔可夫树模型对高频图层进行降噪处理,最后再进行小波变换的逆变换最后利用多尺度二维小波重构高频图层和低频图层的图象信号,选择阈值以及阈值量化时,先选择利用经验公式给定阈值,然后再利用函数wthresh进行阈值量化处理。
通过对原始图像进行滤波处理可以保证原始图像结构不被钝化,为后续的降噪处理提供了稳定的原始图像结构,通过对于原始图像进行放大处理、锐化处理、减少杂色处理以及缩放处理处理可以初步去除原始图像中的噪音,通过对初步降噪后的目标图像进行分层处理,对高频图层和低频图层后再次进行基于小波变换的降噪处理可以针对性的降噪,对包含不同类型噪声或者噪声类型未知的复杂图像具有很好的降噪效果,可以提高图像降噪效率和稳定性,在去除噪音的同时可以保持图像信息和清晰度的完整性。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (9)
1.一种有效降低噪点的图像处理方法,其特征在于,包括以下步骤:
步骤一:采集一张原始图像,然后对该原始图像采用多值形态滤波器进行滤波处理;
步骤二:对滤波处理后的原始图像进行灰度处理,得到灰度图像;
步骤三:改变灰度图像的大小,将灰度图像在原始图像的尺寸上进行放大处理,得到一个目标图像,并得到的目标图像进行锐化处理;
步骤四:对锐化处理后的目标图像进行减少杂色处理;
步骤五:将减少杂色处理后的目标图像进行缩放处理,将图像大小还原至原始图像大小;
步骤六:对还原后目标图像进行分层处理,分为高频图层和低频图层,分别对高频图层和低频图层基于小波变换的降噪处理,然后选择阈值以及进行阈值量化,最后利用多尺度二维小波重构高频图层和低频图层的图象信号。
2.根据权利要求1所述的一种有效降低噪点的图像处理方法,其特征在于:所述步骤二中原始图像进行灰度处理后转换为灰度图像后,需要利用直方图均衡化对转换后的灰度图像进行低照度图像增强处理。
3.根据权利要求1所述的一种有效降低噪点的图像处理方法,其特征在于:所述步骤三中改变灰度图像大小时不改变灰度图像比例,仅通过在灰度图像的长和宽之间建立链接。
4.根据权利要求1所述的一种有效降低噪点的图像处理方法,其特征在于:所述步骤三中锐化处理采用拉普拉斯算子对目标图像进行锐化处理,锐化处理后需要将并目标图像和灰度图像进行叠加,实现对灰度图像的增强。
5.根据权利要求1所述的一种有效降低噪点的图像处理方法,其特征在于:所述步骤四中减少杂色处理时,利用Photoshop软件进行减少杂色处理,过程中选择高级选项下的“每通道”选项,先检查“每通道”中的杂色情况,然后再进行减少杂色处理。
6.根据权利要求1所述的一种有效降低噪点的图像处理方法,其特征在于:所述步骤五中缩放处理后的图像若还存在较明显噪点,则继续进行一次步骤二中的减少杂色处理。
7.根据权利要求1所述的一种有效降低噪点的图像处理方法,其特征在于:所述步骤六中低频图层处理的过程为:先采用小波变换对低频图层进行变换,选择阈值后然后利用小波收缩阈值方法对低频图层进行降噪处理,最后再进行小波变换的逆变换。
8.根据权利要求1所述的一种有效降低噪点的图像处理方法,其特征在于:所述步骤六中高频图层处理的过程为:先采用小波变换对高频图像进行变换,对高频图层进行的高频系数进行阈值量化,然后选择隐马尔可夫树模型对高频图层进行降噪处理,最后再进行小波变换的逆变换。
9.根据权利要求1所述的一种有效降低噪点的图像处理方法,其特征在于:所述步骤六中选择阈值以及阈值量化时,先选择利用经验公式给定阈值,然后再利用函数wthresh进行阈值量化处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910323877.7A CN110060217A (zh) | 2019-04-22 | 2019-04-22 | 一种有效降低噪点的图像处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910323877.7A CN110060217A (zh) | 2019-04-22 | 2019-04-22 | 一种有效降低噪点的图像处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110060217A true CN110060217A (zh) | 2019-07-26 |
Family
ID=67320027
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910323877.7A Pending CN110060217A (zh) | 2019-04-22 | 2019-04-22 | 一种有效降低噪点的图像处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110060217A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111105378A (zh) * | 2019-12-19 | 2020-05-05 | 杨勇 | 一种图像清晰度处理方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101739671A (zh) * | 2009-12-30 | 2010-06-16 | 中兴通讯股份有限公司 | 一种含噪图像的降噪处理方法及系统 |
CN105825485A (zh) * | 2016-03-30 | 2016-08-03 | 努比亚技术有限公司 | 一种图像处理系统和方法 |
CN109118434A (zh) * | 2017-06-26 | 2019-01-01 | 南京东大智能化系统有限公司 | 一种图像预处理方法 |
-
2019
- 2019-04-22 CN CN201910323877.7A patent/CN110060217A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101739671A (zh) * | 2009-12-30 | 2010-06-16 | 中兴通讯股份有限公司 | 一种含噪图像的降噪处理方法及系统 |
CN105825485A (zh) * | 2016-03-30 | 2016-08-03 | 努比亚技术有限公司 | 一种图像处理系统和方法 |
CN109118434A (zh) * | 2017-06-26 | 2019-01-01 | 南京东大智能化系统有限公司 | 一种图像预处理方法 |
Non-Patent Citations (4)
Title |
---|
周伟 等: "《MATLAB小波分析高级技术》", 31 January 2006, 西安电子科技大学出版社 * |
廖广军: "《公安数字影像处理与分析》", 31 March 2017, 华南理工大学出版社 * |
王延江 等: "《数字图像处理》", 30 November 2016, 中国石油大学出版社 * |
黎文航 等: "《焊接机器人技术与系统》", 31 December 2015 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111105378A (zh) * | 2019-12-19 | 2020-05-05 | 杨勇 | 一种图像清晰度处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100550978C (zh) | 一种保持边缘的自适应图像滤波方法 | |
CN102314673B (zh) | 一种自适应图像增强方法 | |
CN102034239B (zh) | 一种基于局部灰度突变的红外小目标检测方法 | |
CN101477679B (zh) | 基于轮廓波Contourlet变换的图像去噪方法 | |
CN102509269B (zh) | 一种结合曲线波的基于图像子块相似性的图像去噪方法 | |
CN102521813B (zh) | 基于双平台直方图的红外图像自适应增强方法 | |
CN101877123A (zh) | 一种图像增强方法和装置 | |
CN106570843A (zh) | 一种自适应小波阈值函数图像噪声抑制方法 | |
CN102663702A (zh) | 基于区域划分的自然图像去噪方法 | |
CN102930508B (zh) | 基于图像残余信号的非局部均值图像去噪方法 | |
CN117314801B (zh) | 基于人工智能的模糊图像优化增强方法 | |
Rahman et al. | Gaussian noise reduction in digital images using a modified fuzzy filter | |
CN104103041A (zh) | 超声图像混合噪声自适应抑制方法 | |
CN110647891B (zh) | 基于cnn和自编码器时序数据特征自动提取方法及系统 | |
CN110060217A (zh) | 一种有效降低噪点的图像处理方法 | |
CN106067164A (zh) | 基于自适应小波域处理的彩色图像对比度增强算法 | |
CN101887580A (zh) | 非下采样轮廓波变换域的图像降噪方法 | |
CN104616259A (zh) | 一种噪声强度自适应的非局部均值图像去噪方法 | |
CN106023103B (zh) | 一种基于精确局部方差先验建模的自适应正交小波图像去噪方法 | |
CN102289793B (zh) | 一种面向游牧服务的多尺度图像处理方法 | |
CN110175959B (zh) | 一种台风云图增强方法 | |
Shetter et al. | Image de-noising algorithm based on filtering and histogram equalization | |
Xi et al. | Research on image deblurring processing technology based on genetic algorithm | |
CN105894478B (zh) | 基于统计局部秩特征的图像去噪方法 | |
CN111626945B (zh) | 一种基于像素级自相似模型的深度图像修复方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190726 |