CN110766634A - 基于引导滤波器的图像划分的方法、装置及电子设备 - Google Patents

Abstract

本发明公开一种基于引导滤波器的图像划分的方法、装置及电子设备，属于红外图像处理技术领域，包括对图像进行以1为步长自左而右，自上而下的移动，来获得引导滤波器窗口所含的9个像素的灰度级方差；依据灰度级方差构造出图像局部方差的统计直方图；对统计直方图进行划分,若方差对应的统计值大于预设的阈值时，则判断统计直方图的该区域为对应图像中噪声区域和微弱细节区域；若方差对应的统计值小于阈值时，则判断统计直方图的该区域为对应图像中的强边缘区域；依据划分结果和细节层的表达形式，获得噪声区域、微弱细节区域和强边缘区域。本发明达到能够获得图像局部方差的统计直方图，并对图像成分进行有效划分以获得对应图像区域的技术效果。

Description

基于引导滤波器的图像划分的方法、装置及电子设备

技术领域

本发明属于红外图像处理技术领域，特别涉及一种基于引导滤波器的图像划分的方法、装置及电子设备。

背景技术

红外图像由于可以直接反映物体的热辐射量，相比于可见光图像在某些情况下能够更好地显示物体本质差别。另外红外热成像设备相对于可见光成像设备还有着被动探测、隐蔽性强、不受光照条件影响等技术特点，因此随着红外探测器制作工艺的成熟，红外热成像技术广泛应用于各种民用和军用领域。

对于现有的红外图像处理技术而言，传统的红外图像增强方式主要针对于对图像进行动态范围压缩的同时提高对比度，最具代表性的方法有自动增益控制和直方图均衡化，以及在此基础上提出的一些改进方法。虽然上述方法能有效提高图像整体或局部对比度，但是都存在着不能明显地突出图像细节的问题，而引导滤波器相对于传统的双边滤波器可以在保持图像边缘的同时不引起梯度翻转效应，并且能够减小算法复杂度，在图像锐化、图像融合、图像去雾等处理方面有很好地效果，基于引导滤波分层的红外图像细节增强方法能有效地对高动态范围的红外图像进行压缩的同时对图像中的细节进行了增强。但是，实际应用中技术人员是对于不同类型的场景采用一个固定的经验值，进行引导滤波器的关键参数正则化参数ε的手动调整，无法通过获得图像局部方差的统计直方图，以及对图像局部方差的统计直方图进行划分后，来自适应地选取引导滤波器正则化参数ε，使得场景适应性不强。

综上所述，在现有技术中，存在着难以获得图像局部方差的统计直方图，并且对图像成分进行有效划分以获得对应图像区域的技术问题。

发明内容

本发明所要解决的技术问题是存在着难以获得图像局部方差的统计直方图，并且对图像成分进行有效划分以获得对应图像区域的技术问题。

为解决上述技术问题，本发明提供了一种基于引导滤波器的图像划分方法，应用于引导滤波器，所述方法包括：对所述图像进行以1为步长自左而右，自上而下的移动，来获得引导滤波器窗口所含的9个像素的灰度级方差；依据所述灰度级方差构造出所述图像局部方差的统计直方图；对所述统计直方图进行划分；其中，所述划分的方法包括：若方差对应的统计值大于预设的阈值时，则判断所述统计直方图的该区域为对应图像中噪声区域和微弱细节区域；若方差对应的统计值小于所述阈值时，则判断所述统计直方图的该区域为对应图像中的强边缘区域；依据划分结果和细节层的表达形式，获得所述噪声区域、微弱细节区域和强边缘区域。

进一步地，所述引导滤波窗口的大小是3*3；所述统计直方图包括横坐标和纵坐标，所述横坐标是方差的大小，所述纵坐标是对应方差的统计值。

进一步地，所述阈值是所述图像中像素总数的0.02％。

进一步地，当引导滤波器的引导图像等于输入的原始图像时，所述细节层的表达形式为：

b_k＝(1-a_k)*μ_k

所述a_k和所述b_k是对于固定窗口Ω_k内的线性因子，所述σ_k ²是窗口内引导图像的方差，所述μ_k是原始图像在窗口内的均值，ε是用以防止a_k过大的正则化参数，(i,j)是像素的坐标，p_d(i,j)是细节层图像，p(i,j)是原始图像，q(i,j)是原始图像经过引导滤波后得到的基本层图像，

和

分别是固定窗口Ω_k内的线性因子a_k和b_k在各个窗口的均值。

依据本发明的又一个方面，本发明还提供一种基于引导滤波器的图像划分的装置，其特征在于，所述装置包括：灰度级方差获取模块，所述灰度级方差获取模块用于对所述图像进行以1为步长自左而右，自上而下的移动，来获得引导滤波器窗口所含的9个像素的灰度级方差；统计直方图构造模块，所述统计直方图构造模块用于依据所述灰度级方差构造出所述图像局部方差的统计直方图；划分模块，所述划分模块用于对所述统计直方图进行划分；其中，所述划分的方法包括：若方差对应的统计值大于预设的阈值时，则判断所述统计直方图的该区域为对应图像中噪声区域和微弱细节区域；若方差对应的统计值小于所述阈值时，则判断所述统计直方图的该区域为对应图像中的强边缘区域；结果获取模块，所述结果获取模块用于依据划分结果和细节层的表达形式，获得所述噪声区域、微弱细节区域和强边缘区域。

进一步地，所述划分处理模块包括：所述引导滤波窗口的大小是3*3；所述统计直方图包括横坐标和纵坐标，所述横坐标是方差的大小，所述纵坐标是对应方差的统计值。

进一步地，所述结果获取模块包括：当引导滤波器的引导图像等于输入的原始图像时，所述细节层的表达形式为：

b_k＝(1-a_k)*μ_k

所述a_k和所述b_k是对于固定窗口Ω_k内的线性因子，所述σ_k ²是窗口内引导图像的方差，所述μ_k是原始图像在窗口内的均值，ε是用以防止a_k过大的正则化参数，(i,j)是像素的坐标，p_d(i,j)是细节层图像，p(i,j)是原始图像，q(i,j)是原始图像经过引导滤波后得到的基本层图像，和分别是固定窗口Ω_k内的线性因子a_k和b_k在各个窗口的均值。

依据本发明的又一个方面，本发明还提供一种基于引导滤波器的图像划分的电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现以下步骤：对所述图像进行以1为步长自左而右，自上而下的移动，来获得引导滤波器窗口所含的9个像素的灰度级方差；依据所述灰度级方差构造出所述图像局部方差的统计直方图；对所述统计直方图进行划分；其中，所述划分的方法包括：若方差对应的统计值大于预设的阈值时，则判断所述统计直方图的该区域为对应图像中噪声区域和微弱细节区域；若方差对应的统计值小于所述阈值时，则判断所述统计直方图的该区域为对应图像中的强边缘区域；依据划分结果和细节层的表达形式，获得所述噪声区域、微弱细节区域和强边缘区域。

进一步地，所述引导滤波窗口的大小是3*3；所述统计直方图包括横坐标和纵坐标，所述横坐标是方差的大小，所述纵坐标是对应方差的统计值。

依据本发明的又一个方面，本发明还提供一种基于引导滤波器的图像划分的计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现以下步骤：对所述图像进行以1为步长自左而右，自上而下的移动，来获得引导滤波器窗口所含的9个像素的灰度级方差；依据所述灰度级方差构造出所述图像局部方差的统计直方图；对所述统计直方图进行划分；其中，所述划分的方法包括：若方差对应的统计值大于预设的阈值时，则判断所述统计直方图的该区域为对应图像中噪声区域和微弱细节区域；若方差对应的统计值小于所述阈值时，则判断所述统计直方图的该区域为对应图像中的强边缘区域；依据划分结果和细节层的表达形式，获得所述噪声区域、微弱细节区域和强边缘区域。

有益效果：

本发明提供一种基于引导滤波器的图像划分的方法、装置及电子设备，通过在图像中通过以1为步长自左而右，自上而下的滑动，来计算出所述引导滤波窗口所含的9个像素的灰度级方差，并且构造出所述图像局部方差的统计直方图。然后依据预设的阈值，来对所述统计直方图进行划分，以获得对应图像中噪声、微弱细节和强边缘；其中，若方差对应的统计值大于所述阈值时，则判断为对应图像中噪声和微弱细节；若方差对应的统计值小于所述阈值时，则判断为对应图像中的强边缘。再依据细节层的表达形式，对所述噪声、所述微弱细节和所述强边缘进行处理，来获得微弱细节层图像。这样通过对构造的图像局部方差的统计直方图进行阈值划分，使得统计个数大于阈值的被当作噪声和微弱细节，小于阈值的被当作强边缘，继而对图像成分进行了有效划分，以获得对应图像区域。从而达到了能够获得图像局部方差的统计直方图，并且对图像成分进行有效划分以获得对应图像区域的技术效果。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

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为本发明实施例提供的一种基于引导滤波器的图像划分的方法的流程图示意图；

图2为本发明实施例提供的一种基于引导滤波器的图像划分的装置的结构图；

图3为本发明实施例提供的一种基于引导滤波器的图像划分的电子设备的结构图；

图4为本发明实施例提供的一种基于引导滤波器的图像划分的计算机可读存储介质的结构图；

图5为真实图像局部方差统计直方图，其窗口的半径大小是3*3，纹理相对不丰富的图像；

图6为真实图像局部方差统计直方图，其窗口的半径大小是3*3，纹理相对丰富的图像。

具体实施方式

本发明公开了一种基于引导滤波器的图像划分的方法、装置及电子设备，通过在图像中通过以1为步长自左而右，自上而下的滑动，来计算出所述引导滤波窗口所含的9个像素的灰度级方差，并且构造出所述图像局部方差的统计直方图。然后依据预设的阈值，来对所述统计直方图进行划分，以获得对应图像中噪声、微弱细节和强边缘；其中，若方差对应的统计值大于所述阈值时，则判断为对应图像中噪声和微弱细节；若方差对应的统计值小于所述阈值时，则判断为对应图像中的强边缘。再依据细节层的表达形式，对所述噪声、所述微弱细节和所述强边缘进行处理，来获得微弱细节层图像。这样通过对构造的图像局部方差的统计直方图进行阈值划分，使得统计个数大于阈值的被当作噪声和微弱细节，小于阈值的被当作强边缘，继而对图像成分进行了有效划分，以获得对应图像区域。从而达到了能够获得图像局部方差的统计直方图，并且对图像成分进行有效划分以获得对应图像区域的技术效果。

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所获得的所有其他实施例，都属于本发明保护的范围；其中本实施中所涉及的“和/或”关键词，表示和、或两种情况，换句话说，本发明实施例所提及的A和/或B，表示了A和B、A或B两种情况，描述了A与B所存在的三种状态，如A和/或B，表示：只包括A不包括B；只包括B不包括A；包括A与B。

同时，本发明实施例中，当组件被称为“固定于”另一个组件，它可以直接在另一个组件上或者也可以存在居中组件。当一个组件被认为是“连接”另一个组件，它可以是直接连接到另一个组件或者可能同时存在居中组件。当一个组件被认为是“设置于”另一个组件，它可以是直接设置在另一个组件上或者可能同时存在居中组件。本发明实施例中所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明目的，并不是旨在限制本发明。

实施例一

请参见图1，图1是本发明实施例提供的一种基于引导滤波器的图像划分的方法的流程图示意图，本发明实施例一提供一种基于引导滤波器的图像划分方法，应用于引导滤波器，所述方法包括：

步骤S100，对所述图像进行以1为步长自左而右，自上而下的移动，来获得引导滤波器窗口所含的9个像素的灰度级方差。其中，所述引导滤波窗口的大小是3*3。

请继续参见图1，可以采用3*3大小的滤波窗口，以1为步长在滤波窗口的图像中自左而右，自上而下滑动，来计算出各滤波窗口所含的9个像素的灰度级方差。滤波窗口的大小可以设置为3*3，从而达到通过尽可能地减小窗口的大小，来保护图像边缘的技术效果。

步骤S110，依据所述灰度级方差构造出所述图像局部方差的统计直方图。所述统计直方图包括横坐标和纵坐标，所述横坐标是方差的大小，所述纵坐标是对应方差的统计值。

请继续参见图1，通过计算各引导滤波窗口所包含像素的灰度级方差，来得到图像局部方差的统计直方图。因为基于滤波器分层的红外图像细节增强算法是将图像细节当做图像高频部分，通过低通滤波器将图像主要内容信息与细节信息分开提取出来单独进行增强，即根据基本层和细节层的不同特性进行增强。其中，可以采用滤波分层框架，来基于滤波分层框架的自适应选择引导滤波器正则化参数ε的单帧红外图像细节增强。

步骤S120，对所述统计直方图进行划分；其中，所述划分的方法包括：若方差对应的统计值大于预设的阈值时，则判断所述统计直方图的该区域为对应图像中噪声区域和微弱细节区域；若方差对应的统计值小于所述阈值时，则判断所述统计直方图的该区域为对应图像中的强边缘区域。阈值是所述图像中像素总数的0.02％。当引导滤波器的引导图像等于输入的原始图像时，所述细节层的表达形式为：

b_k＝(1-a_k)*μ_k

所述a_k和所述b_k是对于固定窗口Ω_k内的线性因子，所述σ_k ²是窗口内引导图像的方差，所述μ_k是原始图像在窗口内的均值，ε是用以防止a_k过大的正则化参数，(i,j)是像素的坐标，p_d(i,j)是细节层图像，p(i,j)是原始图像，q(i,j)是原始图像经过引导滤波后得到的基本层图像，

和

分别是固定窗口Ω_k内的线性因子a_k和b_k在各个窗口的均值。

请继续参见图1，通过将图像中像素总数的0.02％作为判断阈值，来根据设定的阈值对图像局部方差统计直方图进行划分。因为需要根据对不同场景、不同探测器图像的局部方差统计直方图分析，该阈值取所有像素个数的0.02％时可以对于不同场景不同红外探测器得到比较好的ε值。为了使得到的细节层包含微弱的细节以及保护图像强边缘，当引导图像等于输入的原始图像时，根据公式(即细节层的表达形式)可知引导滤波器的参数与图像局部方差和正则化参数有关，其中，正则化参数的设置也与局部方差有关，即通过分析提出根据局部方差的统计特性来自适应地选取正则化参数，自适应选择引导滤波器参数可以服务于后续对细节层的处理。如当引导滤波器的引导图像等于输入的原始图像时，所得到的细节层的表达形式为：

b_k＝(1-a_k)*μ_k

其中，a_k和b_k为对于固定窗口Ω_k内的线性因子，σ_k ²为窗口内引导图像的方差，μ_k表示原始图像在窗口内的均值，ε表示用以防止a_k过大的正则化参数，(i,j)表示像素的坐标，p_d(i,j)表示细节层图像，p(i,j)表示原始图像，q(i,j)表示原始图像经过引导滤波后得到的基本层图像，

和

表示固定窗口Ω_k内的线性因子a_k和b_k在各个窗口的均值。为了保证能够提取出微弱细节，必须尽量让微弱细节处的σ_k ²尽量小于ε，否则可能导致细节的提取不足或细节层噪声和细节区分难度加大，从而影响后续细节层增强步骤；而为了保护图像强边缘，又应使得强边缘处的σ_k ²尽量大于ε。

步骤S130，依据划分结果和细节层的表达形式，获得所述噪声区域、微弱细节区域和强边缘区域。

请继续参见图1，根据上述步骤S120，判断出对应图像中噪声区域和微弱细节区域、对应图像中的强边缘区域。请参见图5和图6，图5是真实图像局部方差统计直方图，其窗口的半径大小是3*3，纹理相对不丰富的图像；图6是真实图像局部方差统计直方图，其窗口的半径大小是3*3，纹理相对丰富的图像。根据图5和图6所示的图像局部方差统计直方图可知，局部方差越大，直方图统计值越小，基本上呈现一个单调递减函数。因此，考虑设定一个统计直方图阈值来将方差直方图进行区分，统计个数大于阈值的被当做噪声和微弱细节，统计个数小于阈值的被当做强边缘，阈值所对应的方差大小就为滤波器所需要的ε值。

本发明实施例一提供一种基于引导滤波器的图像划分的方法，通过在图像中通过以1为步长自左而右，自上而下的滑动，来计算出所述引导滤波窗口所含的9个像素的灰度级方差，并且构造出所述图像局部方差的统计直方图。然后依据预设的阈值，来对所述统计直方图进行划分，以获得对应图像中噪声、微弱细节和强边缘；其中，若方差对应的统计值大于所述阈值时，则判断为对应图像中噪声和微弱细节；若方差对应的统计值小于所述阈值时，则判断为对应图像中的强边缘。再依据细节层的表达形式，对所述噪声、所述微弱细节和所述强边缘进行处理，来获得微弱细节层图像。这样通过对构造的图像局部方差的统计直方图进行阈值划分，使得统计个数大于阈值的被当作噪声和微弱细节，小于阈值的被当作强边缘，继而对图像成分进行了有效划分，以获得对应图像区域。从而达到了能够获得图像局部方差的统计直方图，并且对图像成分进行有效划分以获得对应图像区域的技术效果。

基于同一发明构思，本申请提供了与实施例一所对应的一种基于引导滤波器的图像划分的装置，详见实施例二。

实施例二

如图2所示，图2为本发明实施例二提供的一种基于引导滤波器的图像划分的装置的结构图。本发明实施例二提供了一种基于引导滤波器的图像划分的装置，其特征在于，所述装置包括：

灰度级方差获取模块210，所述灰度级方差获取模块210用于对所述图像进行以1为步长自左而右，自上而下的移动，来获得引导滤波器窗口所含的9个像素的灰度级方差；其中，所述引导滤波窗口的大小是3*3；

统计直方图构造模块211，所述统计直方图构造模块211用于依据所述灰度级方差构造出所述图像局部方差的统计直方图；其中，所述统计直方图包括横坐标和纵坐标，所述横坐标是方差的大小，所述纵坐标是对应方差的统计值；

划分模块212，所述划分模块212用于对所述统计直方图进行划分；其中，所述划分的方法包括：若方差对应的统计值大于预设的阈值时，则判断所述统计直方图的该区域为对应图像中噪声区域和微弱细节区域；若方差对应的统计值小于所述阈值时，则判断所述统计直方图的该区域为对应图像中的强边缘区域；

结果获取模块213，所述结果获取模块213用于依据划分结果和细节层的表达形式，获得所述噪声区域、微弱细节区域和强边缘区域。其中，当引导滤波器的引导图像等于输入的原始图像时，所述细节层的表达形式为：

b_k＝(1-a_k)*μ_k

所述a_k和所述b_k是对于固定窗口Ω_k内的线性因子，所述σ_k ²是窗口内引导图像的方差，所述μ_k是原始图像在窗口内的均值，ε是用以防止a_k过大的正则化参数，(i,j)是像素的坐标，p_d(i,j)是细节层图像，p(i,j)是原始图像，q(i,j)是原始图像经过引导滤波后得到的基本层图像，

和

分别是固定窗口Ω_k内的线性因子a_k和b_k在各个窗口的均值。

本发明实施例二提供一种基于引导滤波器的图像划分的装置，通过在图像中通过以1为步长自左而右，自上而下的滑动，来计算出所述引导滤波窗口所含的9个像素的灰度级方差，并且构造出所述图像局部方差的统计直方图。然后依据预设的阈值，来对所述统计直方图进行划分，以获得对应图像中噪声、微弱细节和强边缘；其中，若方差对应的统计值大于所述阈值时，则判断为对应图像中噪声和微弱细节；若方差对应的统计值小于所述阈值时，则判断为对应图像中的强边缘。再依据细节层的表达形式，对所述噪声、所述微弱细节和所述强边缘进行处理，来获得微弱细节层图像。这样通过对构造的图像局部方差的统计直方图进行阈值划分，使得统计个数大于阈值的被当作噪声和微弱细节，小于阈值的被当作强边缘，继而对图像成分进行了有效划分，以获得对应图像区域。从而达到了能够获得图像局部方差的统计直方图，并且对图像成分进行有效划分以获得对应图像区域的技术效果。

基于同一发明构思，本申请提供了与实施例一所对应的一种基于引导滤波器的图像划分的电子设备，详见实施例三。

实施例三

如图3所示，图3为本发明实施例三提供的一种基于引导滤波器的图像划分的电子设备的结构图。本发明实施例三提供了一种基于引导滤波器的图像划分的电子设备，包括存储器310、处理器320及存储在存储器310上并可在处理器320上运行的计算机程序311，其特征在于，所述处理器320执行所述程序时实现以下步骤：

对所述图像进行以1为步长自左而右，自上而下的移动，来获得引导滤波器窗口所含的9个像素的灰度级方差；其中，所述引导滤波窗口的大小是3*3；

依据所述灰度级方差构造出所述图像局部方差的统计直方图；其中，所述统计直方图包括横坐标和纵坐标，所述横坐标是方差的大小，所述纵坐标是对应方差的统计值；

对所述统计直方图进行划分；其中，所述划分的方法包括：若方差对应的统计值大于预设的阈值时，则判断所述统计直方图的该区域为对应图像中噪声区域和微弱细节区域；若方差对应的统计值小于所述阈值时，则判断所述统计直方图的该区域为对应图像中的强边缘区域；

依据划分结果和细节层的表达形式，获得所述噪声区域、微弱细节区域和强边缘区域。

本发明实施例三提供一种基于引导滤波器的图像划分的电子设备，通过在图像中通过以1为步长自左而右，自上而下的滑动，来计算出所述引导滤波窗口所含的9个像素的灰度级方差，并且构造出所述图像局部方差的统计直方图。然后依据预设的阈值，来对所述统计直方图进行划分，以获得对应图像中噪声、微弱细节和强边缘；其中，若方差对应的统计值大于所述阈值时，则判断为对应图像中噪声和微弱细节；若方差对应的统计值小于所述阈值时，则判断为对应图像中的强边缘。再依据细节层的表达形式，对所述噪声、所述微弱细节和所述强边缘进行处理，来获得微弱细节层图像。这样通过对构造的图像局部方差的统计直方图进行阈值划分，使得统计个数大于阈值的被当作噪声和微弱细节，小于阈值的被当作强边缘，继而对图像成分进行了有效划分，以获得对应图像区域。从而达到了能够获得图像局部方差的统计直方图，并且对图像成分进行有效划分以获得对应图像区域的技术效果。

基于同一发明构思，本申请提供了与实施例一所对应的一种基于引导滤波器的图像划分的计算机可读存储介质，详见实施例四。

实施例四

如图4所示，图4为本发明实施例提供的一种基于引导滤波器的图像划分的计算机可读存储介质400的结构图。本发明实施例四提供了一种基于引导滤波器的图像划分的计算机可读存储介质400，其上存储有计算机程序411，其特征在于，该程序被处理器320执行时实现以下步骤：

对所述图像进行以1为步长自左而右，自上而下的移动，来获得引导滤波器窗口所含的9个像素的灰度级方差；

依据所述灰度级方差构造出所述图像局部方差的统计直方图；

对所述统计直方图进行划分；其中，所述划分的方法包括：若方差对应的统计值大于预设的阈值时，则判断所述统计直方图的该区域为对应图像中噪声区域和微弱细节区域；若方差对应的统计值小于所述阈值时，则判断所述统计直方图的该区域为对应图像中的强边缘区域；

依据划分结果和细节层的表达形式，获得所述噪声区域、微弱细节区域和强边缘区域。

本发明实施例四提供一种基于引导滤波器的图像划分的计算机可读存储介质400，通过在图像中通过以1为步长自左而右，自上而下的滑动，来计算出所述引导滤波窗口所含的9个像素的灰度级方差，并且构造出所述图像局部方差的统计直方图。然后依据预设的阈值，来对所述统计直方图进行划分，以获得对应图像中噪声、微弱细节和强边缘；其中，若方差对应的统计值大于所述阈值时，则判断为对应图像中噪声和微弱细节；若方差对应的统计值小于所述阈值时，则判断为对应图像中的强边缘。再依据细节层的表达形式，对所述噪声、所述微弱细节和所述强边缘进行处理，来获得微弱细节层图像。这样通过对构造的图像局部方差的统计直方图进行阈值划分，使得统计个数大于阈值的被当作噪声和微弱细节，小于阈值的被当作强边缘，继而对图像成分进行了有效划分，以获得对应图像区域。从而达到了能够获得图像局部方差的统计直方图，并且对图像成分进行有效划分以获得对应图像区域的技术效果。

最后所应说明的是，以上具体实施方式仅用以说明本发明的技术方案而非限制，尽管参照实例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种基于引导滤波器的图像划分方法，应用于引导滤波器，其特征在于，所述方法包括：

对所述图像进行以1为步长自左而右，自上而下的移动，来获得引导滤波器窗口所含的9个像素的灰度级方差；

依据所述灰度级方差构造出所述图像局部方差的统计直方图；

对所述统计直方图进行划分；其中，所述划分的方法包括：若方差对应的统计值大于预设的阈值时，则判断所述统计直方图的该区域为对应图像中噪声区域和微弱细节区域；若方差对应的统计值小于所述阈值时，则判断所述统计直方图的该区域为对应图像中的强边缘区域；

依据划分结果和细节层的表达形式，获得所述噪声区域、微弱细节区域和强边缘区域。

2.如权利要求1所述的基于引导滤波器的图像划分方法，其特征在于：

所述引导滤波窗口的大小是3*3；

所述统计直方图包括横坐标和纵坐标，所述横坐标是方差的大小，所述纵坐标是对应方差的统计值。

3.如权利要求2所述的基于引导滤波器的图像划分方法，其特征在于：

所述阈值是所述图像中像素总数的0.02％。

4.如权利要求3所述的基于引导滤波器的图像划分方法，其特征在于：

当引导滤波器的引导图像等于输入的原始图像时，所述细节层的表达形式为：

b_k＝(1-a_k)*μ_k

所述a_k和所述b_k是对于固定窗口Ω_k内的线性因子，所述σ_k ²是窗口内引导图像的方差，所述μ_k是原始图像在窗口内的均值，ε是用以防止a_k过大的正则化参数，(i,j)是像素的坐标，p_d(i,j)是细节层图像，p(i,j)是原始图像，q(i,j)是原始图像经过引导滤波后得到的基本层图像，

和

分别是固定窗口Ω_k内的线性因子a_k和b_k在各个窗口的均值。

5.一种基于引导滤波器的图像划分的装置，其特征在于，所述装置包括：

灰度级方差获取模块，所述灰度级方差获取模块用于对所述图像进行以1为步长自左而右，自上而下的移动，来获得引导滤波器窗口所含的9个像素的灰度级方差；

统计直方图构造模块，所述统计直方图构造模块用于依据所述灰度级方差构造出所述图像局部方差的统计直方图；

划分模块，所述划分模块用于对所述统计直方图进行划分；其中，所述划分的方法包括：若方差对应的统计值大于预设的阈值时，则判断所述统计直方图的该区域为对应图像中噪声区域和微弱细节区域；若方差对应的统计值小于所述阈值时，则判断所述统计直方图的该区域为对应图像中的强边缘区域；

结果获取模块，所述结果获取模块用于依据划分结果和细节层的表达形式，获得所述噪声区域、微弱细节区域和强边缘区域。

6.如权利要求5所述的基于引导滤波器的图像划分的装置，其特征在于，所述划分处理模块包括：

所述引导滤波窗口的大小是3*3；

所述统计直方图包括横坐标和纵坐标，所述横坐标是方差的大小，所述纵坐标是对应方差的统计值。

7.如权利要求6所述的基于引导滤波器的图像划分的装置，其特征在于，所述结果获取模块包括：

当引导滤波器的引导图像等于输入的原始图像时，所述细节层的表达形式为：

b_k＝(1-a_k)*μ_k

所述a_k和所述b_k是对于固定窗口Ω_k内的线性因子，所述σ_k ²是窗口内引导图像的方差，所述μ_k是原始图像在窗口内的均值，ε是用以防止a_k过大的正则化参数，(i,j)是像素的坐标，p_d(i,j)是细节层图像，p(i,j)是原始图像，q(i,j)是原始图像经过引导滤波后得到的基本层图像，和

分别是固定窗口Ω_k内的线性因子a_k和b_k在各个窗口的均值。

8.一种基于引导滤波器的图像划分的电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现以下步骤：

对所述图像进行以1为步长自左而右，自上而下的移动，来获得引导滤波器窗口所含的9个像素的灰度级方差；

依据所述灰度级方差构造出所述图像局部方差的统计直方图；

对所述统计直方图进行划分；其中，所述划分的方法包括：若方差对应的统计值大于预设的阈值时，则判断所述统计直方图的该区域为对应图像中噪声区域和微弱细节区域；若方差对应的统计值小于所述阈值时，则判断所述统计直方图的该区域为对应图像中的强边缘区域；

依据划分结果和细节层的表达形式，获得所述噪声区域、微弱细节区域和强边缘区域。

9.如权利要求8所述的基于引导滤波器的图像划分的电子设备，其特征在于：

所述引导滤波窗口的大小是3*3；

所述统计直方图包括横坐标和纵坐标，所述横坐标是方差的大小，所述纵坐标是对应方差的统计值。

10.一种基于引导滤波器的图像划分的计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现以下步骤：

对所述图像进行以1为步长自左而右，自上而下的移动，来获得引导滤波器窗口所含的9个像素的灰度级方差；

依据所述灰度级方差构造出所述图像局部方差的统计直方图；

对所述统计直方图进行划分；其中，所述划分的方法包括：若方差对应的统计值大于预设的阈值时，则判断所述统计直方图的该区域为对应图像中噪声区域和微弱细节区域；若方差对应的统计值小于所述阈值时，则判断所述统计直方图的该区域为对应图像中的强边缘区域；

依据划分结果和细节层的表达形式，获得所述噪声区域、微弱细节区域和强边缘区域。

Images