CN112215764A - 一种基于中值滤波的改进算法的图像处理方法 - Google Patents

一种基于中值滤波的改进算法的图像处理方法 Download PDF

Info

Publication number
CN112215764A
CN112215764A CN202010908042.0A CN202010908042A CN112215764A CN 112215764 A CN112215764 A CN 112215764A CN 202010908042 A CN202010908042 A CN 202010908042A CN 112215764 A CN112215764 A CN 112215764A
Authority
CN
China
Prior art keywords
image
processed
gray
salt
pixel points
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
Application number
CN202010908042.0A
Other languages
English (en)
Inventor
张宁
张彩霞
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.)
Foshan University
Original Assignee
Foshan University
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 Foshan University filed Critical Foshan University
Priority to CN202010908042.0A priority Critical patent/CN112215764A/zh
Publication of CN112215764A publication Critical patent/CN112215764A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—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
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering

Landscapes

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

Abstract

本发明提出了一种基于中值滤波的改进算法的图像处理方法，通过选取一个待处理的图像；将待处理的图像灰度化后转变为灰度图像；判断所述灰度图像中的待处理像素点是否为椒盐噪声；根据判断结果，对灰度图像进行处理，得到最终图像。本发明中的算法对噪声的去除效果更好，运行速度更快,得到的图像更加清晰。本发明适用于图像检测领域。

Description

一种基于中值滤波的改进算法的图像处理方法
技术领域
本发明涉及数字图像处理领域，具体涉及一种基于中值滤波的改进算法的图像处理方法。
背景技术
椒盐噪声通常来自图像的产生、传输、处理和存储过程,主要由图像的极值组成,在视觉上表现为黑白相间的亮暗点,会严重影响图像质量,也给图像的后续分析和处理造成困难。因此,如何有效去除椒盐噪声、保护图像细节具有十分重要的研究意义。但是，标准中值滤波(SMF)算法是一种非线性滤波方法，对椒盐噪声具有良好的平滑效果，因此，在图像降噪领域得到了广泛的应用。然而，SMF算法采用预设的固定窗口对每个像素点进行相同的处理，不区分噪声点和信号点，在去除噪声的同时容易导致图像细节模糊。为此，提出了各种改进算法。自适应中值滤波(AMF)算法可自适应调整滤波窗口的大小，并采用非噪声的中值点代替窗口中心像素点，提高了噪声的去除能力，但中值点很可能取到离窗口中心较远位置的像素点，易导致图像细节丢失。一种去除椒盐噪声的自适应开关中值滤波算法采用多级开关进行噪声检测，提出了一种自适应开关中值滤波(ASM)算法，能有效去除高密度噪声，但其图像边缘细节模糊问题尚未解决。基于噪声估计的自适应开关型中值滤波算法其利用支持向量回归(SVR)分析估计图像中的噪声比例，并对不同噪声比例的图像启动不同的滤波策略，提高了对高密度噪声的去除能力，但对低密度噪声图像的滤波效果较为一般。一种自适应双阈值的中值滤波方采用选取邻域的均值、滤波窗口内4个方向上灰度均值的最大值和最小值作为噪声检测的双阈值，但其仅利用像素点与邻域的灰度差异进行判断，易将非噪声点误判为噪声。
发明内容
本发明的目的在于提出一种基于中值滤波的改进算法的图像处理方法，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
为了实现上述目的，根据本发明的一方面，本发明提出了一种基于中值滤波的改进算法的图像处理方法，所述方法包括以下步骤：
步骤1，选取一个待处理的图像；
步骤2，将待处理的图像灰度化后转变为灰度图像；
步骤3，判断所述灰度图像中的待处理像素点是否为椒盐噪声；
步骤4，根据判断结果，对灰度图像进行处理得到最终图像。
具体的，在步骤2中，使用MATLAB软件将待处理的图像灰度化后转变为灰度图像。
具体的，所述灰度图像的大小为M×N，M和N为灰度图像的像素点矩阵的长和宽，M和N为大于等于1的整数。
具体的，在步骤3中，判断所述灰度图像中的待处理像素点是否为椒盐噪声的步骤为：
步骤3.1，设置一个滤波窗口的边长为m，滤波窗口大小为m×m，令m的初始值等于3；
步骤3.2，计算灰度图像中待处理像素点Vij的灰度值，通过滤波窗口对灰度图像进行滤波，i的范围大于等于1小于等于滤波窗口的边长，j的范围大于等于1小于等于滤波窗口的边长，所述待处理像素点Vij为所述滤波窗口中的一个像素点；
步骤3.3，如果待处理像素点Vij的灰度值为0或者255，则判断待处理像素点Vij为椒盐噪声；如果待处理像素点Vij的灰度值不为0或者255，则判断待处理像素点Vij不为椒盐噪声。
具体的，步骤4中，根据判断结果，对灰度图像进行处理，得到最终图像的步骤为：
步骤4.1，如果待处理像素点Vij不是椒盐噪声，则保持待处理像素点Vij的灰度值原值输出；
步骤4.2，如果待处理像素点Vij是椒盐噪声，选定以待处理像素点Vij为中心的滤波窗口对灰度图像进行滤波；
步骤4.3，使用滤波窗口遍历灰度图像：如果剩余像素点的个数为1，则输出该剩余像素点的灰度值；如果剩余像素点的个数为2，则输出剩余像素点的平均灰度值，得到最终图像，所述剩余像素点为滤波窗口中去掉被判断为椒盐噪声后的其余待处理像素点。
具体的，步骤4.2中，如果待处理像素点Vij是椒盐噪声，选定以待处理像素点Vij为中心的滤波窗口对灰度图像进行滤波的步骤为：
步骤4.2.1，当滤波窗口中有不是所有像素点的灰度值等于0或者255，即滤波窗口中有一些像素点为椒盐噪声，还有一些像素点不为椒盐噪声，则去掉被判断为椒盐噪声的待处理像素点，对滤波窗口中其余待处理像素点进行计算，即
Vmed＝{V1，V2，…，Vn} (1)
Figure BDA0002662224160000021
其中，Vmed为剩余像素点的像素点中值，所述剩余像素点为滤波窗口中去掉被判断为椒盐噪声后的其余待处理像素点，V1，V2,……Vn-1为剩余像素点中去掉像素点中值的其余各个像素点的像素值，K,K1,K2……Kn-1为模糊权重，K等于0.5，K1，K2,……Kn-1的取值范围为大于等于0，小于等于0.5，且K1+K1+…+Kn-1等于0.5，n为大于等于1小于m的整数；
步骤4.2.2，当滤波窗口中所有像素点的灰度值都等于0或者255，即滤波窗口中的像素点都为椒盐噪声，则将滤波窗口的滤波边长增加至5，转到步骤3.2。
本发明的有益效果为：本发明提供了一种基于中值滤波的改进算法的图像处理方法，即保证了图像边缘细节信息的完整性，也防止了由于滤波窗口过大造成图像边缘模糊和耗时问题的出现，经实验证实，该改进算法对噪声的去除效果更好，运行速度更快,得到的图像更加清晰。
附图说明
通过对结合附图所示出的实施方式进行详细说明，本发明的上述以及其他特征将更加明显，本发明附图中相同的参考标号表示相同或相似的元素，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，在附图中：
图1为本实施例中的基于中值滤波的改进算法的图像处理方法的流程图；
图2为本实施例中的不同算法在10％椒盐噪声的除噪对比图；
图3为本实施例中的不同算法在30％椒盐噪声的除噪对比图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
为了实现上述目的，根据本发明的一方面，本发明提出了一种基于中值滤波的改进算法的图像处理方法，图1为本实施例中的基于中值滤波的改进算法的图像处理方法的流程图，如图1所示，一种基于中值滤波的改进算法的图像处理方法，所述方法包括以下步骤：
步骤1，选取一个待处理的图像；
步骤2，将待处理的图像灰度化后转变为灰度图像；
步骤3，判断所述灰度图像中的待处理像素点是否为椒盐噪声；
步骤4，根据判断结果，对灰度图像进行处理得到最终图像。
具体的，在步骤2中，使用MATLAB软件将待处理的图像灰度化后转变为灰度图像。
具体的，所述灰度图像的大小为M×N，M和N为灰度图像的像素点矩阵的长和宽，M和N为大于等于1的整数。
具体的，在步骤3中，判断所述灰度图像中的待处理像素点是否为椒盐噪声的步骤为：
步骤3.1，设置一个滤波窗口的边长为m，滤波窗口大小为m×m，令m的初始值等于3；
步骤3.2，计算灰度图像中待处理像素点Vij的灰度值，通过滤波窗口对灰度图像进行滤波，i的范围大于等于1小于等于滤波窗口的边长，j的范围大于等于1小于等于滤波窗口的边长，所述待处理像素点Vij为所述滤波窗口中的一个像素点；
步骤3.3，如果待处理像素点Vij的灰度值为0或者255，则判断待处理像素点Vij为椒盐噪声；如果待处理像素点Vij的灰度值不为0或者255，则判断待处理像素点Vij不为椒盐噪声。
具体的，步骤4中，根据判断结果，对灰度图像进行处理，得到最终图像的步骤为：
步骤4.1，如果待处理像素点Vij不是椒盐噪声，则保持待处理像素点Vij的灰度值原值输出；
步骤4.2，如果待处理像素点Vij是椒盐噪声，选定以待处理像素点Vij为中心的滤波窗口对灰度图像进行滤波；
步骤4.3，使用滤波窗口遍历灰度图像：如果剩余像素点的个数为1，则输出该剩余像素点的灰度值；如果剩余像素点的个数为2，则输出剩余像素点的平均灰度值，得到最终图像，所述剩余像素点为滤波窗口中去掉被判断为椒盐噪声后的其余待处理像素点。
具体的，步骤4.2中，如果待处理像素点Vij是椒盐噪声，选定以待处理像素点Vij为中心的滤波窗口对灰度图像进行滤波的步骤为：
步骤4.2.1，当滤波窗口中有不是所有像素点的灰度值等于0或者255，即滤波窗口中有一些像素点为椒盐噪声，还有一些像素点不为椒盐噪声，则去掉被判断为椒盐噪声的待处理像素点，对滤波窗口中其余待处理像素点进行计算，即
Vmed＝{V1，V2，…，Vn} (1)
Figure BDA0002662224160000041
其中，Vmed为剩余像素点的像素点中值，所述剩余像素点为滤波窗口中去掉被判断为椒盐噪声后的其余待处理像素点，V1，V2,……Vn-1为剩余像素点中去掉像素点中值的其余各个像素点的像素值，K,K1,K2……Kn-1为模糊权重，K等于0.5，K1，K2,……Kn-1的取值范围为大于等于0，小于等于0.5，且K1+K1+…+Kn-1等于0.5，n为大于等于1小于m的整数；
步骤4.2.2，当滤波窗口中所有像素点的灰度值都等于0或者255，即滤波窗口中的像素点都为椒盐噪声，则将滤波窗口的滤波边长增加至5，转到步骤3.2。
实验1，采用64位Windows 10操作系统，Matlab R2019a仿真软件的实验环境来验证本发明中改进算法的去噪性能，对Lena图像分别添加密度为10％和30％的椒盐噪声实验结果具体如图2和图3所示。
这里，图2中的(a)为灰度图，图2中的(b)为10％椒盐噪声图，图2中的(c)为10％椒盐噪声的高斯滤波检测图，图2中的(d)为10％椒盐噪声的中值滤波检测图，图2中的(e)为10％椒盐噪声的自适应中值滤波检测图，图2中的(f)为10％椒盐噪声的本实施例改进算法图。
图3中的(a)为灰度图，图3中的(b)为30％椒盐噪声图，图3中的(c)为30％椒盐噪声的高斯滤波检测图，图3中的(d)为30％椒盐噪声的中值滤波检测图，图3中的(e)为30％椒盐噪声的自适应中值滤波检测图，图3中的(f)为30％椒盐噪声的本实施例改进算法图。
除噪实验对比实验数据：
在图像处理中,一般用均方根误差(Mean Square Error,MSE)和峰值信噪比(PeakSignal-to-Noise Ratio,PSNR)这两项标准评价滤波算法的降噪性能，因此本实施例也用这两项标准，其公式如下：
Figure BDA0002662224160000051
Figure BDA0002662224160000052
式中,m×n表示图像大小，I′(x,y)表示原无噪声图像，IQ(x,y)表示处理降噪后的图像，R表示图像的灰度量级，lg为对数函数，是以10为底的对数,x,y表示像素点在图像的像素点矩阵中的横纵坐标。
表一和表二是四种滤波算法对不同噪声密度图像处理后的MSE和PSNR的详细数据：
表一不同噪声密度图像处理后的MSE对比
Figure BDA0002662224160000053
Figure BDA0002662224160000061
表二不同噪声密度图像处理后的PSNR对比
Figure BDA0002662224160000062
如表一、表二中的实验数据所示，本文采用算法图中MSE的值很小且PSNR值很大，说明本实施例中的改进的中值滤波算法不但提高了算法降噪的性能，还很好地保护了图像的边缘细节。
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释，从而有效地涵盖本发明的预定范围。此外，上文以发明人可预见的实施例对本发明进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。

Claims (6)

1.一种基于中值滤波的改进算法的图像处理方法，其特征在于，所述方法包括以下步骤：
步骤1，选取一个待处理的图像；
步骤2，将待处理的图像灰度化后转变为灰度图像；
步骤3，判断所述灰度图像中的待处理像素点是否为椒盐噪声；
步骤4，根据判断结果，对灰度图像进行处理得到最终图像。
2.根据权利要求1所述的一种基于中值滤波的改进算法的图像处理方法，其特征在于，在步骤2中，使用MATLAB软件将待处理的图像灰度化后转变为灰度图像。
3.根据权利要求1所述的一种基于中值滤波的改进算法的图像处理方法，其特征在于，所述灰度图像的大小为M×N，M和N为灰度图像的像素点矩阵的长和宽，M和N为大于等于1的整数。
4.根据权利要求1所述的一种基于中值滤波的改进算法的图像处理方法，其特征在于，
在步骤3中，判断所述灰度图像中的待处理像素点是否为椒盐噪声的步骤为：
步骤3.1，设置一个滤波窗口的边长为m，滤波窗口大小为m×m，令m的初始值等于3；
步骤3.2，计算灰度图像中待处理像素点Vij的灰度值，通过滤波窗口对灰度图像进行滤波，i的范围大于等于1小于等于滤波窗口的边长，j的范围大于等于1小于等于滤波窗口的边长，所述待处理像素点Vij为所述灰度图像中的一个像素点；
步骤3.3，如果待处理像素点Vij的灰度值为0或者255，则判断待处理像素点Vij为椒盐噪声；如果待处理像素点Vij的灰度值不为0或者255，则判断待处理像素点Vij不为椒盐噪声。
5.根据权利要求1所述的一种基于中值滤波的改进算法的图像处理方法，其特征在于，
步骤4中，根据判断结果，对灰度图像进行处理，得到最终图像的步骤为：
步骤4.1，如果待处理像素点Vij不是椒盐噪声，则保持待处理像素点Vij的灰度值原值输出；
步骤4.2，如果待处理像素点Vij是椒盐噪声，选定以待处理像素点Vij为中心的滤波窗口对灰度图像进行滤波；
步骤4.3，使用滤波窗口遍历灰度图像：如果剩余像素点的个数为1，则输出该剩余像素点的灰度值；如果剩余像素点的个数为2，则输出剩余像素点的平均灰度值，得到最终图像，所述剩余像素点为滤波窗口中去掉被判断为椒盐噪声后的其余待处理像素点。
6.根据权利要求5所述的一种基于中值滤波的改进算法的图像处理方法，其特征在于，步骤4.2中，如果待处理像素点Vij是椒盐噪声，选定以待处理像素点Vij为中心的滤波窗口对灰度图像进行滤波的步骤为：
步骤4.2.1，当滤波窗口中有不是所有像素点的灰度值等于0或者255，即滤波窗口中有一些像素点为椒盐噪声，还有一些像素点不为椒盐噪声，则去掉被判断为椒盐噪声的待处理像素点，对滤波窗口中其余待处理像素点进行计算，即
Vmed＝{V1，V2，…，Vn} (1)
Figure FDA0002662224150000021
其中，Vmed为剩余像素点的像素点中值，所述剩余像素点为滤波窗口中去掉被判断为椒盐噪声后的其余待处理像素点，V1，V2,……Vn-1为剩余像素点中去掉像素点中值的其余各个像素点的像素值，K,K1,K2……Kn-1为模糊权重，K等于0.5，K1，K2,……Kn-1的取值范围为大于等于0，小于等于0.5，且K1+K1+…+Kn-1等于0.5，n为大于等于1小于m的整数；
步骤4.2.2，当滤波窗口中所有像素点的灰度值都等于0或者255，即滤波窗口中的像素点都为椒盐噪声，则将滤波窗口的滤波边长增加至5，转到步骤3.2。
CN202010908042.0A 2020-09-02 2020-09-02 一种基于中值滤波的改进算法的图像处理方法 Pending CN112215764A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010908042.0A CN112215764A (zh) 2020-09-02 2020-09-02 一种基于中值滤波的改进算法的图像处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010908042.0A CN112215764A (zh) 2020-09-02 2020-09-02 一种基于中值滤波的改进算法的图像处理方法

Publications (1)

Publication Number Publication Date
CN112215764A true CN112215764A (zh) 2021-01-12

Family

ID=74048798

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010908042.0A Pending CN112215764A (zh) 2020-09-02 2020-09-02 一种基于中值滤波的改进算法的图像处理方法

Country Status (1)

Country Link
CN (1) CN112215764A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113012058A (zh) * 2021-02-04 2021-06-22 广东奥珀智慧家居股份有限公司 一种眼部图像噪声去除方法及系统
CN114051127A (zh) * 2022-01-14 2022-02-15 深圳市艾科维达科技有限公司 网络机顶盒的图像传输降噪方法
CN114359096A (zh) * 2021-12-31 2022-04-15 广州超视计生物科技有限公司 一种显微镜实时图像优化方法及系统
CN115829873A (zh) * 2022-12-13 2023-03-21 深圳市宏电技术股份有限公司 一种图像还原方法及处理系统
CN117152135A (zh) * 2023-10-30 2023-12-01 济宁市市政园林养护中心 一种道路施工裂缝缺陷评估检测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110097010A1 (en) * 2006-12-13 2011-04-28 Jian Wang Method and system for reducing noise in images in video coding
CN106910170A (zh) * 2017-01-26 2017-06-30 苏州大学 一种图像椒盐噪声的去除方法
CN108416740A (zh) * 2018-01-22 2018-08-17 大连大学 一种消除椒盐噪声的迭代自适应中值滤波算法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110097010A1 (en) * 2006-12-13 2011-04-28 Jian Wang Method and system for reducing noise in images in video coding
CN106910170A (zh) * 2017-01-26 2017-06-30 苏州大学 一种图像椒盐噪声的去除方法
CN108416740A (zh) * 2018-01-22 2018-08-17 大连大学 一种消除椒盐噪声的迭代自适应中值滤波算法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李明等: "基于ＣＭＯＳ图像传感器混合噪声的自适应滤波算法", 《光电技术应用》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113012058A (zh) * 2021-02-04 2021-06-22 广东奥珀智慧家居股份有限公司 一种眼部图像噪声去除方法及系统
CN114359096A (zh) * 2021-12-31 2022-04-15 广州超视计生物科技有限公司 一种显微镜实时图像优化方法及系统
CN114051127A (zh) * 2022-01-14 2022-02-15 深圳市艾科维达科技有限公司 网络机顶盒的图像传输降噪方法
CN115829873A (zh) * 2022-12-13 2023-03-21 深圳市宏电技术股份有限公司 一种图像还原方法及处理系统
CN115829873B (zh) * 2022-12-13 2023-12-19 深圳市宏电技术股份有限公司 一种图像还原方法及处理系统
CN117152135A (zh) * 2023-10-30 2023-12-01 济宁市市政园林养护中心 一种道路施工裂缝缺陷评估检测方法
CN117152135B (zh) * 2023-10-30 2024-01-23 济宁市市政园林养护中心 一种道路施工裂缝缺陷评估检测方法

Similar Documents

Publication Publication Date Title
CN112215764A (zh) 一种基于中值滤波的改进算法的图像处理方法
CN111833366A (zh) 一种基于Canny算法的边缘检测方法
KR100564592B1 (ko) 동영상 데이터 잡음제거방법
Zhu et al. Application of Improved Median Filter on Image Processing.
CN112508810A (zh) 非局部均值盲图像去噪方法、系统及装置
CN106412383A (zh) 视频图像的处理方法和装置
KR101766536B1 (ko) 다중 스케일 블록 영역 검출을 이용한 영상 잡음 제거 방법 및 장치
Vijaykumar et al. Decision based adaptive median filter to remove blotches, scratches, streaks, stripes and impulse noise in images
Nevriyanto et al. Image enhancement using the image sharpening, contrast enhancement, and Standard Median Filter (Noise Removal) with pixel-based and human visual system-based measurements
CN115908154A (zh) 基于图像处理的视频后期颗粒噪声去除方法
US8090215B2 (en) Method and system for noise level detection in image data
Kaisar et al. Salt and Pepper Noise Detection and removal by Tolerance based selective Arithmetic Mean Filtering Technique for image restoration
US8208753B2 (en) Method and system for noise level detection in image data
Mehta et al. Comparative analysis of median filter and adaptive filter for impulse noise–a review
Mohammed An improved median filter based on efficient noise detection for high quality image restoration
Marcel et al. An efficient algorithm for removal of impulse noise using Adaptive Fuzzy Switching Weighted Median Filter
JP3149729B2 (ja) ブロック歪除去装置
Pang et al. Adaptive partition-cluster-based median filter for random-valued impulse noise removal
Loya et al. Hybridization of algorithm for restoration of impulse noise image
Chen et al. An effective impulse noise detector of switching median filter using min-max working window
Ali et al. A proposed de-noising algorithm
Mohammad et al. An enhanced non-linear adaptive filtering technique for removing high density salt-and-pepper noise
Suganthi et al. Comparative study of various impulse noise reduction techniques
Zain et al. Hybrid singular value decomposition based alpha trimmed mean-median filter in eliminating high density salt and pepper noise from grayscale image
Peng et al. Blind median filtering detection using auto-regressive model and Markov chain

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

Application publication date: 20210112

RJ01 Rejection of invention patent application after publication