CN110738621B - 线性结构滤波方法、装置、设备和存储介质 - Google Patents
线性结构滤波方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN110738621B CN110738621B CN201910987669.7A CN201910987669A CN110738621B CN 110738621 B CN110738621 B CN 110738621B CN 201910987669 A CN201910987669 A CN 201910987669A CN 110738621 B CN110738621 B CN 110738621B
- Authority
- CN
- China
- Prior art keywords
- noise
- filtering
- pixel
- linear structure
- pixels
- 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
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 274
- 238000000034 method Methods 0.000 title claims abstract description 52
- 239000011159 matrix material Substances 0.000 claims abstract description 29
- 238000012163 sequencing technique Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 230000001174 ascending effect Effects 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种面向脉冲噪声的线性结构滤波方法、装置、设备和存储介质，包括：获取噪声图像；对脉冲噪声进行检测，创建噪声矩阵；基于噪声图像和噪声矩阵，若第一滤波窗口中包括线性结构，则在线性结构线上包括非噪声像素时，计算线性结构线上像素的加权均值进行滤波；若第一滤波窗口中不包括线性结构或第一滤波窗口中包括线性结构但线性结构线上不包括非噪声像素时，将第一滤波窗口缩小为第二滤波窗口；若第二滤波窗口中包括非噪声像素，则计算非噪声像素的像素值的加权均值进行滤波；若无法计算加权均值或加权均值超出值域时，则利用非噪声像素的像素中值进行滤波。达到了很好的去噪效果。
Description
技术领域
本发明涉及去噪技术领域，具体涉及一种面向脉冲噪声的线性结构滤波方法、装置、设备和存储介质。
背景技术
在图像的传输和获取过程中，因为受到外部环境的影响，通常会生成噪声图像。而含有噪声的图像中，噪声会降低图像的质量，进而影响后续对图像的其他操作处理。
相关技术中，通常采用中值滤波或均值滤波方法进行去噪处理。但是，通常因为未考虑噪声区域的特征，从而有对图像中轮廓或线性结构部分去噪效果不理想等弊端。
发明内容
有鉴于此，提供一种面向脉冲噪声的线性结构滤波方法、装置、设备和存储介质，以解决现有技术中的去噪方法去噪效果不理想的弊端。
本发明采用如下技术方案：
第一方面，本申请实施例提供了一种面向脉冲噪声的线性结构滤波方法，该方法包括：
获取噪声图像，其中，所述噪声图像为受脉冲噪声影响的图像；
对所述脉冲噪声进行检测，创建噪声矩阵；
根据所述噪声图像和所述噪声矩阵，应用第一滤波窗口中全部像素判断所述第一滤波窗口中是否有线性结构；
若所述第一滤波窗口中包括线性结构，则在所述线性结构线上包括非噪声像素时，计算所述线性结构线上像素的加权均值进行滤波并输出滤波结果；
若所述第一滤波窗口中不包括线性结构，或者，所述第一滤波窗口中包括线性结构但所述线性结构线上不包括非噪声像素时，将所述第一滤波窗口缩小为第二滤波窗口；
若所述第二滤波窗口中包括非噪声像素，则计算所述非噪声像素的像素值的加权均值进行滤波并输出滤波结果；若无法计算加权均值或者加权均值超出值域时，则利用所述非噪声像素的像素中值进行滤波。
第二方面，本申请实施例提供了一种面向脉冲噪声的线性结构滤波装置，该装置包括：
图像获取模块，用于获取噪声图像，其中，所述噪声图像为受脉冲噪声影响的图像；
脉冲噪声监测模块，用于对所述脉冲噪声进行检测，创建噪声矩阵；
线性结构判断模块，用于根据所述噪声图像和所述噪声矩阵，应用第一滤波窗口中全部像素判断所述第一滤波窗口中是否有线性结构；
第一加权均值滤波模块，用于在所述第一滤波窗口中包括线性结构时，在所述线性结构线上包括非噪声像素时，计算所述线性结构线上像素的加权均值进行滤波并输出滤波结果；
滤波窗口调整模块，用于在所述第一滤波窗口中不包括线性结构，或者，所述第一滤波窗口中包括线性结构但所述线性结构线上不包括非噪声像素时，将所述第一滤波窗口缩小为第二滤波窗口；
第二加权均值滤波模块，用于在所述第二滤波窗口中包括非噪声像素时，计算所述非噪声像素的像素值的加权均值进行滤波并输出滤波结果；
中值滤波模块，用于在所述第二滤波窗口中包括非噪声像素，且无法计算加权均值或者加权均值超出值域时，利用所述非噪声像素的像素中值进行滤波。
第三方面，本申请实施例提供了一种设备，该设备包括：
处理器，以及与所述处理器相连接的存储器；
所述存储器用于存储计算机程序，所述计算机程序至少用于执行本申请实施例第一方面所述的面向脉冲噪声的线性结构滤波方法；
所述处理器用于调用并执行所述存储器中的所述计算机程序。
第四方面，本申请实施例提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现如第一方面所述的面向脉冲噪声的线性结构滤波方法中各个步骤。
本发明采用以上技术方案，获取噪声图像，对脉冲噪声进行检测，创建噪声矩阵；根据噪声图像和噪声矩阵，应用第一滤波窗口中全部像素判断第一滤波窗口中是否有线性结构；这里引入了线性结构的判断，以便针对线性结构和非线性结构分别进行不同的处理，进一步提高了去噪处理的有效性；若第一滤波窗口中包括线性结构，则在线性结构线上包括非噪声像素时，计算线性结构线上像素的加权均值进行滤波并输出滤波结果；若第一滤波窗口中不包括线性结构，或者，第一滤波窗口中包括线性结构但线性结构线上不包括非噪声像素时，将第一滤波窗口缩小为第二滤波窗口；若第二滤波窗口中包括非噪声像素，则计算非噪声像素的像素值的加权均值进行滤波并输出滤波结果；若无法计算加权均值或者加权均值超出值域时，则利用非噪声像素的像素中值进行滤波。这样针对不同的情况采用不同的滤波方式，使对于面向脉冲噪声的线性结构的去噪效果相比于现有技术较好，进而可以得到去噪后的图像。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种面向脉冲噪声的线性结构滤波方法的流程图；
图2是本发明实施例中适用的一种一组12个方向的线性结构示意图；
图3是本发明实施例中适用的一种d＝1表示的方向的线性结构示意图；
图4是本发明实施例中适用的一种d＝4表示的方向的线性结构示意图；
图5是本发明实施例中适用的一种原图像；
图6是本发明实施例中适用的一种噪声图像；
图7是本发明实施例中适用的一种应用现有技术中五种不同的方法去噪的结果对比图；
图8是本发明实施例中适用的一种应用本申请的滤波方法去噪的结果图；
图9是本发明实施例提供的一种面向脉冲噪声的线性结构滤波装置的结构示意图；
图10是本发明实施例提供的一种设备的结构示意图。
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，下面将对本发明的技术方案进行详细的描述。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的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。
首先对本申请实施例中的应用场景进行说明，本申请中针对的是随机脉冲噪声，随机脉冲噪声的模型如下：
其中，p为噪声概率，s(i,j)为原图像中像素x(i,j)的像素值，x(i,j)为噪声图像的对应像素值，噪声图像即为本申请实施例中的噪声图像。
实施例
图1为本发明实施例提供的一种面向脉冲噪声的线性结构滤波方法的流程图，该方法可以由本发明实施例提供的面向脉冲噪声的线性结构滤波装置来执行，该装置可采用软件和/或硬件的方式实现。参考图1，该方法具体可以包括如下步骤：
S101、获取噪声图像，其中，噪声图像为受脉冲噪声影响的图像。
具体的，将受脉冲噪声影响的图像称为噪声图像，首先，获取到一系列受脉冲噪声影像的图像。可选的，获取手段可以是实际拍摄的含噪声的图像，还可以是人为添加噪声后的图像。
S102、对脉冲噪声进行检测，创建噪声矩阵。
具体的，对于噪声图像中受脉冲影响的像素，采用边界区分噪声检测算法对脉冲噪声进行检测，并创建噪声矩阵。在一个具体的例子中，设置与噪声图像大小相同的噪声矩阵f，如果像素(i,j)被检测为非噪声像素，则f(i,j)设置为1，即f(i,j)＝1，如果像素(i,j)被检测为噪声像素，则f(i,j)设置为0，即f(i,j)＝0。
S103、根据噪声图像和噪声矩阵，应用第一滤波窗口中全部像素判断第一滤波窗口中是否有线性结构，若是，则执行S104，否则，执行S105。
可选的，基于上述噪声图像和噪声矩阵，第一滤波窗口可以设置为5×5，应用5×5窗口中全部像素判断第一滤波窗口中是否包括线性结构，针对包括线性结构和不包括线性结构的情况执行不同的操作。
S104、判断线性结构线上是否包括非噪声像素，若是，则执行S106，否则执行S105。
具体的，在应用第一滤波窗口中全部像素判断出第一滤波窗口中包括线性结构时，继续判断线性结构的线上包括非噪声像素。针对包括非噪声像素和不包括非噪声像素的情况执行不同的操作。
S106、计算线性结构线上像素的加权均值进行滤波并输出滤波结果。
具体的，计算线性结构上像素的加权均值，然后应用加权均值进行滤波，并输出滤波结果。在一个具体的例子中，首先计算暂定权重，然后计算权重，最后计算加权均值。
(1)在计算权重阶段：过滤窗口设置成(2ρ2+1)×(2ρ2+1)，计算暂定权重w′(i,j)公式如下：
Φ((k,l),(i,j))＝|k-i|+|l-j|.
其中，α为参数，可取任意正数；ρ2是一个常量参数，可取任意正整数；ρ2用来表征滤波窗口的大小，例如ρ2为2时，滤波窗口大小为5×5；k表示行，l表示列，Φ表示曼哈顿距离。
(2)计算权重阶段：计算权重w″(i,j)公式如下：
w″(k,l)＝w′(k,l)+w′(k,l)(c(k,l)·g′(k,l))
其中，g′(i,j)为偏差向量，g′(i,j)定义为：
在加权均值滤波中，为了修正权重，设置向量c(k,l)为像素(i,j)为起点，像素(k,l)为终点的向量。当矩阵det(c(k,l)·g′(k,l))＝0，即方程组无解或有无穷多解时。
(3)计算加权均值阶段：计算加权均值滤波的输出像素值z(i,j)，z(i,j)定义为
当z(i,j)在值域[0,255]内，即0≤z(i,j)≤255时，z(i,j)作为输出像素的像素值。其中，
表示(2ρ+1)×(2ρ+1)的滤波窗口中非噪声像素的集合。S105、将第一滤波窗口缩小为第二滤波窗口。
具体的，在线性结构线上不包括非噪声像素时，则需要进行滤波窗口的调整，这里可以首先将滤波窗口进行缩小，调整为第二滤波窗口。在一个具体的例子中，第二滤波窗口可以是3×3，这样可以进一步确定非噪声像素。
S107、若第二滤波窗口中包括非噪声像素，则计算非噪声像素的像素值的加权均值进行滤波并输出滤波结果。
具体的，统计第二滤波窗口中的非噪声像素的个数，然后计算非噪声像素的像素值的加权均值进行滤波并输出滤波结果。需要说明的是，加权均值的计算方法可参照本申请实施例中的表述，这里不再表述。
S108、若第二滤波窗口中包括非噪声像素，且无法计算加权均值或者加权均值超出值域时，则利用非噪声像素的像素中值进行滤波。
其中，无法计算加权均值或者加权均值超出值域的情况请参见本申请实施例中的表述，这里不再赘述。具体的，在第二滤波窗口中包括非噪声像素时，并且，无法计算加权均值或者加权均值超出值域时，则利用非噪声像素的像素中值进行滤波。
可选的，若第二滤波窗口中不包括非噪声像素，则将第二滤波窗口扩大为第三滤波窗口，直到第三滤波窗口中包括非噪声像素或第三滤波窗口达到预设滤波窗口阈值。
在一个具体的例子中，第三滤波窗口的大小可以取7×7。整个设置窗口大小、统计非噪声像素的个数，以及判断是否变更窗口大小的三个阶段的具体过程如下：设置窗口大小阶段：第一滤波窗口设为3×3(即ρ2＝1)；统计非噪声像素的个数阶段：统计第一滤波窗口内非噪声像素的个数；当没有非噪声像素时，窗口变更为(ρ2＝ρ2+1)，继续是否包括非噪声像素；当有非噪声像素时，执行对应的滤波操作；当滤波窗口大于7×7(即ρ2>3)时，滤波窗口大小设置成7×7(即ρ2＝3)，执行对应的滤波操作。
本发明采用以上技术方案，获取噪声图像，对脉冲噪声进行检测，创建噪声矩阵；根据噪声图像和噪声矩阵，应用第一滤波窗口中全部像素判断第一滤波窗口中是否有线性结构；这里引入了线性结构的判断，以便针对线性结构和非线性结构分别进行不同的处理，进一步提高了去噪处理的有效性；若第一滤波窗口中包括线性结构，则在线性结构线上包括非噪声像素时，计算线性结构线上像素的加权均值进行滤波并输出滤波结果；若第一滤波窗口中不包括线性结构，或者，第一滤波窗口中包括线性结构但线性结构线上不包括非噪声像素时，将第一滤波窗口缩小为第二滤波窗口；若第二滤波窗口中包括非噪声像素，则计算非噪声像素的像素值的加权均值进行滤波并输出滤波结果；若无法计算加权均值或者加权均值超出值域时，则利用非噪声像素的像素中值进行滤波。这样针对不同的情况采用不同的滤波方式，使对于面向脉冲噪声的线性结构的去噪效果相比于现有技术较好，进而可以得到去噪后的图像。
因此，本申请实施例中的技术方案，在不增加计算量的前提下，可以根据噪声区域的结构特征，选择性的采用滤波方法，尤其对轮廓和线性结构区域的去噪效果好。
在上述技术方案的基础上，非噪声像素的确定过程可以包括如下步骤：针对噪声图像，将预设滤波窗口的全部像素点的像素值按升序排序，确定中值像素；以中值像素为中心将噪声图像分为左右两个区域，计算两个区域中相邻像素间的像素差，并确定两个区域中的最大像素差分别为第一最大差值和第二最大差值；确定第一最大差值对应的像素点，和，第二最大差值对应的像素点中，像素值小的像素点为分界点；应用分界点和中值像素将噪声图像分第一区域、第二区域和第三区域；其中，第一区域、第二区域和第三区域的像素值依次降低；确定第二区域的目标像素为非噪声像素。
具体的，针对噪声图像，可以选取预设滤波窗口为21×21，将21×21的滤波窗口中的像素值x(i,j)按升序排列，确定像素值处于中间大小的像素值为像素中值；然后以中值像素的像素点为基准，可以将噪声图像划分为左右两个区域，可以分别称为左区域和右区域，计算左区域中，各个相邻像素之间的像素差，将最大像素差记为第一最大差值b1；同理，将右区域中的最大像素差记为第二最大差值b2。然后在第一最大差值和第二最大差值对应的像素点中，查找像素值最小的像素为分界点。这样，就可以将噪图像分为第一区域、第二区域和第三区域；其中，第一区域、第二区域和第三区域的像素值依次降低；确定第二区域的目标像素为非噪声像素。
另外，不在第二区域的像素为疑似噪声像素。示例性的，可以对疑似噪声像素进行核实，例如，可以缩小滤波窗口大小，如果重新判断后的目标像素在第二区域，则判断为非像素噪声，否则，判断为噪声像素。
在上述技术方案的基础上，判断第一滤波窗口中是否有线性结构可以包括如下步骤：采用第一滤波窗口大小的滤波窗口对噪声图像进行滤波，其中，在第一滤波窗口中，确定判断方向；在判断方向中查询候补方向；基于候补方向，在中央线的相邻线有大于预设数量阈值的非噪声像素时，确定为线性结构。
具体的，在描述线性结构阶段，应用5×5的滤波窗口对噪声像素进行滤波，图2示出了一组12个方向的线性结构示意图，分别用A、B、C、D、E、F、G、H、I、J、K和L表示各个不同的方向的结构示意图，具体可以用d＝{1，2，3，4，5，6，7，8，9，10，11，12}分别表示不同的方向。图3示出了d＝1表示的方向的线性结构示意图；图4示出了一种d＝4表示的方向的线性结构示意图。参考图3和图4，k＝0表示通过噪声像素(i,j)的中央线，k＝-1和k＝1分别表示中央线的相邻两条线，l表示线上的像素，m表示每条线上的像素l的集合。
在一个具体的例子中，判断线性结构的具体方式如下：
(1)统计方向d中与中央线相邻的两条线中可用线的个数D(d)，D(d)的定义为
其中，
为每条相邻线中非噪声像素的个数，当D(d)＝2时，方向d为线性结构的候补方向，
表示方向d对应的噪声矩阵中(k,l)位置的值。
(2)统计所有候补方向，候补方向d的集合S定义为：
S＝{d|D(d)＝2}.
用|S|表示集合S的元素数。当|S|＝0时，即候补方向个数为0时，由加权均值滤波z(i,j)或中值滤波
进行去噪。
(3)从候补方向中查找线性结构。计算每个候补方向的平均方差
并找出最小平均方差
当
小于阈值λ时，该候补方向d*具有线性结构特征。
步骤如下：
(3)计算候补方向的平均方差。方向d的平均方差
由中央线的相邻线的方差
和
的平均值得出。平均方差
定义为
其中，相邻线k的非噪声像素值的方差
定义为
其中，n为相邻线k的非噪声像素的个数，
为非噪声像素值的平均，
表示方向d中(k,l)位置的像素值。(5)找出平均方差最小的候补方向d*，并判断方向d*是否具有线性结构特征。最小化问题定义为
通过最小化得出平均方差最小的方向d*。当方向d*的平均方差
小于λ时，则认为方向d*具有为线结构特征，并用线结构的加权均值y(i,j)进行滤波处理。
在上述技术方案的基础上，线性滤波的过程如下：计算方向d*的中央线上各像素的权重w(k,l)，w(k,l)定义为
计算方向d*的中央线中非噪声像素的加权平均值。针对线d*的插值y(i,j)定义为
上述公式中，k取0，也即，当中央线的没有非噪声像素数，即|U|＝0时，用z(i,j)作为输出像素的像素值，其中，U是中央线中非噪声像素的集合。|U|表示集合U的元素数。
在上述技术方案的基础上，非噪声像素的像素中值的计算过程可以包括如下步骤：针对每个大小的滤波窗口，将滤波窗口中的全部非噪声像素值按照升序进行排序；若非噪声像素的个数为奇数，则取排序结果中的中间像素值作为像素中值；若非噪声像素的个数为偶数，则取排序结果中的中间位置的两个像素点的像素值的平均值作为非噪声像素的像素中值。
具体的，将(2ρ2+1)×(2ρ2+1)窗口中的所有非噪声像素值按升序排序，把中值进行输出。如果非噪声像素的个数为奇数时，则取排序结果中的中间像素值作为像素中值；如非噪声像素的个数为偶数时，则取中间位置的两个像素的平均值作为输出像素的像素值，也即，作为非噪声像素的像素中值。
为了使本申请的技术方案表述更清晰，下面用一组去噪结果来说明本申请实施例中的方法的有效性。具体的，图5示出了一种原图像，图6示出了一种噪声图像，图7示出了一种应用现有技术中五种不同的方法去噪的结果对比图，图8示出了一种应用本申请的滤波方法去噪的结果图。表1示出了一种脉冲噪声密度及各个方法的PSNR，其中，PSNR(PeakSignal to Noise Ratio，即峰值信噪比)。图7中的现有技术中的方法包括中值滤波(Median Filter，MF)、自适应中值滤波(Adaptive Median Filter，AMF)、改进型自适应滤波(Enhanced Self-Adaptive Median Filter，EAMF)、加权平均值滤波(UnbiasedWeighted Median Filter，UWMF)和自适应加权均值滤波(Adaptive Weighted MedianFilter，AWMF)。由图6和表1可以看出，本申请实施例的方法中的去噪效果优于现有技术中，且峰值信噪比较高，表明去噪效果好。
表1一种脉冲噪声密度及各个方法的PSNR
图9是本发明是实施例提供的一种面向脉冲噪声的线性结构滤波装置的结构示意图，该装置适用于执行本发明实施例提供给的一种面向脉冲噪声的线性结构滤波方法。如图9所示，该装置具体可以包括：图像获取模块901、脉冲噪声监测模块902、线性结构判断模块903、第一加权均值滤波模块904、滤波窗口调整模块905、第二加权均值滤波模块906和中值滤波模块907。
其中，图像获取模块901，用于获取噪声图像，其中，噪声图像为受脉冲噪声影响的图像；脉冲噪声监测模块902，用于对脉冲噪声进行检测，创建噪声矩阵；线性结构判断模块903，用于根据噪声图像和噪声矩阵，应用第一滤波窗口中全部像素判断第一滤波窗口中是否有线性结构；第一加权均值滤波模块904，用于在第一滤波窗口中包括线性结构时，在线性结构线上包括非噪声像素时，计算线性结构线上像素的加权均值进行滤波并输出滤波结果；滤波窗口调整模块905，用于在第一滤波窗口中不包括线性结构，或者，第一滤波窗口中包括线性结构但线性结构线上不包括非噪声像素时，将第一滤波窗口缩小为第二滤波窗口；第二加权均值滤波模块906，用于在第二滤波窗口中包括非噪声像素时，计算非噪声像素的像素值的加权均值进行滤波并输出滤波结果；中值滤波模块907，用于在第二滤波窗口中包括非噪声像素，且无法计算加权均值或者加权均值超出值域时，利用非噪声像素的像素中值进行滤波。
本发明采用以上技术方案，获取噪声图像，对脉冲噪声进行检测，创建噪声矩阵；根据噪声图像和噪声矩阵，应用第一滤波窗口中全部像素判断第一滤波窗口中是否有线性结构；这里引入了线性结构的判断，以便针对线性结构和非线性结构分别进行不同的处理，进一步提高了去噪处理的有效性；若第一滤波窗口中包括线性结构，则在线性结构线上包括非噪声像素时，计算线性结构线上像素的加权均值进行滤波并输出滤波结果；若第一滤波窗口中不包括线性结构，或者，第一滤波窗口中包括线性结构但线性结构线上不包括非噪声像素时，将第一滤波窗口缩小为第二滤波窗口；若第二滤波窗口中包括非噪声像素，则计算非噪声像素的像素值的加权均值进行滤波并输出滤波结果；若无法计算加权均值或者加权均值超出值域时，则利用非噪声像素的像素中值进行滤波。这样针对不同的情况采用不同的滤波方式，使对于面向脉冲噪声的线性结构的去噪效果相比于现有技术较好，进而可以得到去噪后的图像。
进一步的，还包括非噪声像素确定模块，非噪声元素确定模块具体用于：
针对噪声图像，将预设滤波窗口的全部像素点的像素值按升序排序，确定中值像素；
以中值像素为中心将噪声图像分为左右两个区域，计算两个区域中相邻像素间的像素差，并确定两个区域中的最大像素差分别为第一最大差值和第二最大差值；
确定第一最大差值对应的像素点，和，第二最大差值对应的像素点中，像素值小的像素点为分界点；
应用分界点和中值像素将噪声图像分第一区域、第二区域和第三区域；其中，第一区域、第二区域和第三区域的像素值依次降低；
确定第二区域的目标像素为非噪声像素。
进一步的，线性结构判断模块903具体用于：
采用第一滤波窗口大小的滤波窗口对噪声图像进行滤波，其中，在第一滤波窗口中，确定判断方向；
在判断方向中查询候补方向；
基于候补方向，在中央线的相邻线有大于预设数量阈值的非噪声像素时，确定为线性结构。
进一步的，还包括中值计算模块，中值计算模块具体用于：
针对每个大小的滤波窗口，将滤波窗口中的全部非噪声像素值按照升序进行排序；
若非噪声像素的个数为奇数，则取排序结果中的中间像素值作为像素中值；
若非噪声像素的个数为偶数，则取排序结果中的中间位置的两个像素点的像素值的平均值作为非噪声像素的像素中值。
进一步的，还包括滤波窗口更新模块，滤波窗口更新模块具体用于：在第二滤波窗口中不包括非噪声像素时，将第二滤波窗口扩大为第三滤波窗口，直到第三滤波窗口中包括非噪声像素或第三滤波窗口达到预设滤波窗口阈值。
本发明实施例提供的面向脉冲噪声的线性结构滤波装置可执行本发明任意实施例提供的面向脉冲噪声的线性结构滤波方法，具备执行方法相应的功能模块和有益效果。
本发明实施例还提供一种设备，请参阅图10，图10为一种设备的结构示意图，如图10所示，该设备包括：处理器1010，以及与处理器1010相连接的存储器1020；存储器1020用于存储计算机程序，所述计算机程序至少用于执行本发明实施例中的面向脉冲噪声的线性结构滤波方法；处理器1010用于调用并执行所述存储器中的所述计算机程序；上述面向脉冲噪声的线性结构滤波方法至少包括如下步骤：获取噪声图像，其中，噪声图像为受脉冲噪声影响的图像；对脉冲噪声进行检测，创建噪声矩阵；根据噪声图像和噪声矩阵，应用第一滤波窗口中全部像素判断第一滤波窗口中是否有线性结构；若第一滤波窗口中包括线性结构，则在线性结构线上包括非噪声像素时，计算线性结构线上像素的加权均值进行滤波并输出滤波结果；若第一滤波窗口中不包括线性结构，或者，第一滤波窗口中包括线性结构但线性结构线上不包括非噪声像素时，将第一滤波窗口缩小为第二滤波窗口；若第二滤波窗口中包括非噪声像素，则计算非噪声像素的像素值的加权均值进行滤波并输出滤波结果；若无法计算加权均值或者加权均值超出值域时，则利用非噪声像素的像素中值进行滤波。
本发明实施例还提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现如本发明实施例中的面向脉冲噪声的线性结构滤波方法中各个步骤：获取噪声图像，其中，噪声图像为受脉冲噪声影响的图像；对脉冲噪声进行检测，创建噪声矩阵；根据噪声图像和噪声矩阵，应用第一滤波窗口中全部像素判断第一滤波窗口中是否有线性结构；若第一滤波窗口中包括线性结构，则在线性结构线上包括非噪声像素时，计算线性结构线上像素的加权均值进行滤波并输出滤波结果；若第一滤波窗口中不包括线性结构，或者，第一滤波窗口中包括线性结构但线性结构线上不包括非噪声像素时，将第一滤波窗口缩小为第二滤波窗口；若第二滤波窗口中包括非噪声像素，则计算非噪声像素的像素值的加权均值进行滤波并输出滤波结果；若无法计算加权均值或者加权均值超出值域时，则利用非噪声像素的像素中值进行滤波。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (9)
1.一种面向脉冲噪声的线性结构滤波方法，其特征在于，包括：
获取噪声图像，其中，所述噪声图像为受脉冲噪声影响的图像；
对所述脉冲噪声进行检测，创建噪声矩阵；
根据所述噪声图像和所述噪声矩阵，应用第一滤波窗口中全部像素判断所述第一滤波窗口中是否有线性结构；
所述判断所述第一滤波窗口中是否有线性结构包括：
采用第一滤波窗口大小的滤波窗口对所述噪声图像进行滤波，其中，在所述第一滤波窗口中，确定判断方向；
在所述判断方向中查询候补方向；
基于所述候补方向，在中央线的相邻线有大于预设数量阈值的非噪声像素时，确定为线性结构；
若所述第一滤波窗口中包括线性结构，则在所述线性结构线上包括非噪声像素时，计算所述线性结构线上像素的加权均值进行滤波并输出滤波结果；
若所述第一滤波窗口中不包括线性结构，或者，所述第一滤波窗口中包括线性结构但所述线性结构线上不包括非噪声像素时，将所述第一滤波窗口缩小为第二滤波窗口；
若所述第二滤波窗口中包括非噪声像素，则计算所述非噪声像素的像素值的加权均值进行滤波并输出滤波结果；若无法计算加权均值或者加权均值超出值域时，则利用所述非噪声像素的像素中值进行滤波。
2.根据权利要求1所述的方法，其特征在于，所述非噪声像素的确定过程包括：
针对噪声图像，将预设滤波窗口的全部像素点的像素值按升序排序，确定中值像素；
以所述中值像素为中心将所述噪声图像分为左右两个区域，计算所述两个区域中相邻像素间的像素差，并确定两个区域中的最大像素差分别为第一最大差值和第二最大差值；
确定所述第一最大差值对应的像素点，和，所述第二最大差值对应的像素点中，像素值小的像素点为分界点；
应用所述分界点和所述中值像素将所述噪声图像分第一区域、第二区域和第三区域；其中，所述第一区域、第二区域和第三区域的像素值依次降低；
确定所述第二区域的目标像素为非噪声像素。
3.根据权利要求1所述的方法，其特征在于，非噪声像素的像素中值的计算过程包括：
针对每个大小的滤波窗口，将所述滤波窗口中的全部非噪声像素值按照升序进行排序；
若所述非噪声像素的个数为奇数，则取排序结果中的中间像素值作为像素中值；
若所述非噪声像素的个数为偶数，则取所述排序结果中的中间位置的两个像素点的像素值的平均值作为所述非噪声像素的像素中值。
4.根据权利要求1所述的方法，其特征在于，若所述第二滤波窗口中不包括非噪声像素，则将所述第二滤波窗口扩大为第三滤波窗口，直到所述第三滤波窗口中包括非噪声像素或所述第三滤波窗口达到预设滤波窗口阈值。
5.一种面向脉冲噪声的线性结构滤波装置，其特征在于，包括：
图像获取模块，用于获取噪声图像，其中，所述噪声图像为受脉冲噪声影响的图像；
脉冲噪声监测模块，用于对所述脉冲噪声进行检测，创建噪声矩阵；
线性结构判断模块，用于根据所述噪声图像和所述噪声矩阵，应用第一滤波窗口中全部像素判断所述第一滤波窗口中是否有线性结构；
所述判断所述第一滤波窗口中是否有线性结构包括：
采用第一滤波窗口大小的滤波窗口对所述噪声图像进行滤波，其中，在所述第一滤波窗口中，确定判断方向；
在所述判断方向中查询候补方向；
基于所述候补方向，在中央线的相邻线有大于预设数量阈值的非噪声像素时，确定为线性结构；
第一加权均值滤波模块，用于在所述第一滤波窗口中包括线性结构时，在所述线性结构线上包括非噪声像素时，计算所述线性结构线上像素的加权均值进行滤波并输出滤波结果；
滤波窗口调整模块，用于在所述第一滤波窗口中不包括线性结构，或者，所述第一滤波窗口中包括线性结构但所述线性结构线上不包括非噪声像素时，将所述第一滤波窗口缩小为第二滤波窗口；
第二加权均值滤波模块，用于在所述第二滤波窗口中包括非噪声像素时，计算所述非噪声像素的像素值的加权均值进行滤波并输出滤波结果；
中值滤波模块，用于在所述第二滤波窗口中包括非噪声像素，且无法计算加权均值或者加权均值超出值域时，利用所述非噪声像素的像素中值进行滤波。
6.根据权利要求5所述的装置，其特征在于，还包括非噪声像素确定模块，所述非 噪声像 素确定模块具体用于：
针对噪声图像，将预设滤波窗口的全部像素点的像素值按升序排序，确定中值像素；
以所述中值像素为中心将所述噪声图像分为左右两个区域，计算所述两个区域中相邻像素间的像素差，并确定两个区域中的最大像素差分别为第一最大差值和第二最大差值；
确定所述第一最大差值对应的像素点，和，所述第二最大差值对应的像素点中，像素值小的像素点为分界点；
应用所述分界点和所述中值像素将所述噪声图像分第一区域、第二区域和第三区域；其中，所述第一区域、第二区域和第三区域的像素值依次降低；
确定所述第二区域的目标像素为非噪声像素。
7.根据权利要求5所述的装置，其特征在于，所述线性结构判断模块具体用于：
采用第一滤波窗口大小的滤波窗口对所述噪声图像进行滤波，其中，在所述第一滤波窗口中，确定判断方向；
在所述判断方向中查询候补方向；
基于所述候补方向，在中央线的相邻线有大于预设数量阈值的非噪声像素时，确定为线性结构。
8.一种设备，其特征在于，包括：
处理器，以及与所述处理器相连接的存储器；
所述存储器用于存储计算机程序，所述计算机程序至少用于执行权利要求1-4任一项所述的面向脉冲噪声的线性结构滤波方法；
所述处理器用于调用并执行所述存储器中的所述计算机程序。
9.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现如权利要求1-4任一项所述的面向脉冲噪声的线性结构滤波方法中各个步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910987669.7A CN110738621B (zh) | 2019-10-17 | 2019-10-17 | 线性结构滤波方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910987669.7A CN110738621B (zh) | 2019-10-17 | 2019-10-17 | 线性结构滤波方法、装置、设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110738621A CN110738621A (zh) | 2020-01-31 |
| CN110738621B true CN110738621B (zh) | 2022-05-17 |
Family
ID=69269162
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910987669.7A Active CN110738621B (zh) | 2019-10-17 | 2019-10-17 | 线性结构滤波方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110738621B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111951173B (zh) * | 2020-06-16 | 2024-01-12 | 五邑大学 | 高自由度滤波算法的调整方法和存储介质 |
| CN112233051B (zh) * | 2020-09-09 | 2024-05-10 | 浙江大华技术股份有限公司 | 一种中值滤波方法、中值滤波装置和计算机可读存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1929552A (zh) * | 2006-09-30 | 2007-03-14 | 四川长虹电器股份有限公司 | 空间域像素数据处理方法 |
| WO2016190698A1 (ko) * | 2015-05-27 | 2016-12-01 | 한양대학교 에리카산학협력단 | 잡음 제거를 위한 가중 미디언 필터링 방법 및 장치 |
| CN106910169A (zh) * | 2017-01-26 | 2017-06-30 | 苏州大学 | 一种防止边缘模糊的图像椒盐噪声去除方法 |
| CN107392864A (zh) * | 2017-07-01 | 2017-11-24 | 南京理工大学 | 一种去除高斯噪声和脉冲噪声的混合噪声滤波方法 |
-
2019
- 2019-10-17 CN CN201910987669.7A patent/CN110738621B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1929552A (zh) * | 2006-09-30 | 2007-03-14 | 四川长虹电器股份有限公司 | 空间域像素数据处理方法 |
| WO2016190698A1 (ko) * | 2015-05-27 | 2016-12-01 | 한양대학교 에리카산학협력단 | 잡음 제거를 위한 가중 미디언 필터링 방법 및 장치 |
| CN106910169A (zh) * | 2017-01-26 | 2017-06-30 | 苏州大学 | 一种防止边缘模糊的图像椒盐噪声去除方法 |
| CN107392864A (zh) * | 2017-07-01 | 2017-11-24 | 南京理工大学 | 一种去除高斯噪声和脉冲噪声的混合噪声滤波方法 |
Non-Patent Citations (3)
| Title |
|---|
| A Pixel Value Restoration Considering Line Structure for Impulse Noise Removal;Yi Ru et al.;《2013 International Symposium on Intelligent Signal Processing and Communication Systems》;20131115;第307-310页 * |
| 基于12个方向的方向加权滤波法去除随机值脉冲噪声;陈明轩 等;《计算机应用研究》;20140531;第31卷(第5期);第1584-1587页 * |
| 椒盐图像的方向加权均值滤波算法;李佐勇 等;《中国图象图形学报》;20131130;第18卷(第11期);第1407-1415页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110738621A (zh) | 2020-01-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8224109B2 (en) | Method and relative device for estimating white gaussian noise that corrupts a digital image | |
| Ibrahim et al. | Simple adaptive median filter for the removal of impulse noise from highly corrupted images | |
| US10021413B2 (en) | Apparatus and method for video data processing | |
| Deivalakshmi et al. | Detection and removal of salt and pepper noise in images by improved median filter | |
| US20050094889A1 (en) | Global and local statistics controlled noise reduction system | |
| Chen et al. | An empirical identification method of Gaussian blur parameter for image deblurring | |
| CN110738621B (zh) | 线性结构滤波方法、装置、设备和存储介质 | |
| Yadav | Color image noise removal by modified adaptive threshold median filter for RVIN | |
| Indu et al. | A noise fading technique for images highly corrupted with impulse noise | |
| US9135685B2 (en) | Image processing method and image processing device | |
| Kalavathy et al. | A switching weighted adaptive median filter for impulse noise removal | |
| US20090257674A1 (en) | Method and system for noise level detection in image data | |
| WO2013039595A1 (en) | Methods and systems for determining an enhanced rank order value of a data set | |
| Gupta et al. | Image de-noising by dual threshold median filtering for random valued impulse noise | |
| Gupta et al. | Image noise removal with detail preservation for random valued impulse noise | |
| Tewari et al. | Efficient removal of impulse noise in digital images | |
| Eric | FPGA implementation of median filter using an improved algorithm for image processing | |
| CN111861947A (zh) | 提高直方图技术增强图像的信息熵的方法、装置 | |
| Bansal et al. | Impulse noise removal using MDBUTMF with histogram estimation | |
| CN106548460B (zh) | 拉普拉斯检测与局部相似性彩色图像脉冲噪声滤波方法 | |
| JP6079962B2 (ja) | 画像処理方法、及び画像処理装置 | |
| JPWO2013150824A1 (ja) | 画像処理装置及び方法、並びに画像処理プログラム | |
| CN112819733B (zh) | 一种定向双边图像滤波方法及装置 | |
| Jawad et al. | A Fuzzy Random Impulse Noise Detection and Reduction Method Based on Noise Density Estimation | |
| Rashidha et al. | A modified directional weighted median filter using second order difference based detection for impulse noise removal |
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 |