CN112561823B - 滤波方法 - Google Patents

滤波方法 Download PDF

Info

Publication number
CN112561823B
CN112561823B CN202011513478.6A CN202011513478A CN112561823B CN 112561823 B CN112561823 B CN 112561823B CN 202011513478 A CN202011513478 A CN 202011513478A CN 112561823 B CN112561823 B CN 112561823B
Authority
CN
China
Prior art keywords
pixel
filtered
pixels
template
distance
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
CN202011513478.6A
Other languages
English (en)
Other versions
CN112561823A (zh
Inventor
赵海武
王国中
范涛
陈勇
赵东方
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.)
SHANGHAI GMT DIGITAL TECHNOLOGY CO LTD
Original Assignee
SHANGHAI GMT DIGITAL 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 SHANGHAI GMT DIGITAL TECHNOLOGY CO LTD filed Critical SHANGHAI GMT DIGITAL TECHNOLOGY CO LTD
Priority to CN202011513478.6A priority Critical patent/CN112561823B/zh
Publication of CN112561823A publication Critical patent/CN112561823A/zh
Application granted granted Critical
Publication of CN112561823B publication Critical patent/CN112561823B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T2207/10016—Video; Image sequence
    • 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

Landscapes

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

Abstract

本发明提供了一种滤波方法，包括以下步骤：以待滤波像素为中心选取第一模板；根据待滤波像素附近的噪声强度设定门限值；以待滤波像素为中心选取搜索区；对搜索区中的每一个待判定像素执行以下步骤：以待判定像素为中心选取第二模板；计算待判定像素与待滤波像素之间的模板距离；若模板距离小于或等于门限值，则待判定像素为待滤波像素的同类像素，并将待判定像素加入同类像素集；计算同类像素集中所有像素的像素值的平均值，并将平均值作为待滤波像素滤波后的值。通过根据噪声强度设定门限值，可以更加准确的将真实值相同的像素判定为同类像素，并取所有同类像素的平均值作为待滤波像素滤波后的像素值，能够达到更好的滤波效果。

Description

滤波方法
技术领域
本发明涉及视频图像滤波技术领域，尤其涉及一种在已知噪声强度条件下的滤波方法。
背景技术
现有的滤波技术，多数不考虑噪声的强度，只是通过设计合适的滤波器达到滤波的效果。但是，不同视频、图像中的噪声的强度不尽相同，通用的滤波方法缺乏针对性，对具体视频及图像的滤波效果还有提升的空间。
近年来，基于模板匹配的滤波方法取得了较好的效果，其核心思想是在像素周围取模板，模板包含若干模板像素，通过比较两个像素的模板来判断这两个像素是否属于同类像素，也就是真实值相同或非常相近的像素，同类像素的值之间的差别主要是由于噪声引起的，因此可以用待滤波像素的多个同类像素和待滤波像素自身的平均值来代替待滤波像素的值，达到消除噪声的目的。
基于模板匹配的滤波方法的一个关键步骤是判断同类像素。判断的准确率越高，滤波效果越好。现有的判断条件的设置多数是根据经验，造成滤波效果不够稳定，时好时坏。
发明内容
本发明的目的在于提供一种滤波方法，能够提高同类像素判断的准确率，进而使滤波效果始终保持在较好水平。
为了达到上述目的，本发明提供了一种滤波方法，根据噪声的强度进行滤波，所述滤波方法包括以下步骤：
步骤S1：以待滤波像素为中心选取第一模板，所述第一模板中包含所有到所述待滤波像素的距离小于或等于第一半径的像素；
步骤S2：根据所述待滤波像素附近的噪声强度设定门限值；
步骤S3：以所述待滤波像素为中心选取搜索区，所述搜索区中包含所有到所述待滤波像素的距离小于等于第二半径的待判定像素，
步骤S4：对所述搜索区中的每一个待判定像素执行以下步骤：
步骤S41：以所述待判定像素为中心选取第二模板，所述第二模板中包含所有到所述待判定像素的距离小于等于第一半径的像素；
步骤S42：计算所述待判定像素与所述待滤波像素之间的模板距离；
步骤S43：若所述模板距离小于或等于所述门限值，则所述待判定像素为所述待滤波像素的同类像素，并将所述待判定像素加入同类像素集；
步骤S5：计算所述同类像素集中所有像素的像素值的平均值，并将所述平均值作为所述待滤波像素滤波后的值。
可选的，所述步骤S1、所述步骤S3及所述步骤S41中的两个像素之间的距离按照以下公式进行计算：
D(P1,P2)＝|x1-x2|+|y1-y2|
其中，所述(x1，y1)和(x2，y2)分别为像素P1和像素P2的坐标。
可选的，所述步骤S2中，根据所述待滤波像素附近的噪声的标准差计算门限值。
可选的，所述门限值按照以下计算公式进行计算：
threshold＝σa
其中，threshold为门限值，σ为已知的标准差，a是一个正数。
可选的，所述a的取值介于0.5-3之间。
可选的，所述第一模板中包含的像素数与所述第二模板中包含的像素数相同。
可选的，所述步骤S42中，所述待判定像素与所述待滤波像素之间的模板距离按照以下公式进行计算：
其中，M为所述待判定像素与所述待滤波像素之间的模板距离，N为所述第一模板中包含的像素数或所述第二模板中包含的像素数，pi和qi分别为把所述第一模板及所述第二模板中的像素按照相同的方法排序后的第i个像素的值，ei为所述第i个像素的权重。
可选的，所述第i个像素的权重按照以下公式进行计算：
其中，D(Pi,P)为第i个像素到所述待滤波像素的距离。
可选的，所述第一半径的取值介于1-4之间。
可选的，所述第二半径的取值大于或等于4。
本发明提供了一种滤波方法，通过根据噪声强度设定门限值，可以更加准确的将真实值相同的像素判定为同类像素，将真实值不同的像素判断为非同类像素，并取所有同类像素的平均值作为待滤波像素滤波后的像素值，能够达到更好的滤波效果。
附图说明
本领域的普通技术人员应当理解，提供的附图用于更好地理解本发明，而不对本发明的范围构成任何限定。其中：
图1为本发明实施例提供的滤波方法的流程图；
图2为本发明实施例提供的第一模板的示意图；
图3为本发明实施例提供的搜索区的示意图；
其中，附图标记为：
P0，P1，P2，P3，P4，P5，P6，P7，P8，P9，P10，P11，P12-第一模板中包含到待滤波像素的距离小于或等于第一半径的像素。
具体实施方式
为使本发明的目的、优点和特征更加清楚，以下结合附图和具体实施例对本发明作进一步详细说明。需说明的是，附图均采用非常简化的形式且未按比例绘制，仅用以方便、明晰地辅助说明本发明实施例的目的。此外，附图所展示的结构往往是实际结构的一部分。特别的，各附图需要展示的侧重点不同，有时会采用不同的比例。还应当理解的是，除非特别说明或者指出，否则说明书中的术语“第一”、“第二”、“第三”等描述仅仅用于区分说明书中的各个组件、元素、步骤等，而不是用于表示各个组件、元素、步骤之间的逻辑关系或者顺序关系等。
请参照图1，并结合图2-图3，本实施例提供了一种滤波方法，根据噪声的强度进行滤波，所述滤波方法包括以下步骤：
步骤S1：以待滤波像素为中心选取第一模板，所述第一模板中包含所有到所述待滤波像素的距离小于或等于第一半径的像素；
步骤S2：根据所述待滤波像素附近的噪声强度设定门限值；
步骤S3：以所述待滤波像素为中心选取搜索区，所述搜索区中包含所有到所述待滤波像素的距离小于等于第二半径的待判定像素，
步骤S4：对所述搜索区中的每一个待判定像素执行以下步骤：
步骤S41：以所述待判定像素为中心选取第二模板，所述第二模板中包含所有到所述待判定像素的距离小于等于第一半径的像素；
步骤S42：计算所述待判定像素与所述待滤波像素之间的模板距离；
步骤S43：若所述模板距离小于或等于所述门限值，则所述待判定像素为所述待滤波像素的同类像素，并将所述待判定像素加入同类像素集；
步骤S5：计算所述同类像素集中所有像素的像素值的平均值，并将所述平均值作为所述待滤波像素滤波后的值。
具体的，本实施例中提供了一种在已知噪声强度的条件下进行视频图像滤波的方法。所述视频图像可以看成一个二维矩阵，记为I[x][y]，x＝0，1，...，W-1，y＝0，1，...，H-1，其中W和H分别是视频图像的宽度和高度，以像素为单位。然后对所述视频图像中的每一个待滤波像素执行以下步骤。
首先执行步骤S1，以待滤波像素P为中心选取第一模板Ω(P)，所述第一模板Ω(P)中包含所有到所述待滤波像素P的距离小于或等于第一半径r的像素，所述第一模板Ω(P)中包含的像素数记为N。本实施例中，如图2所示，所述第一半径r＝2，所述第一模板Ω(P)中包含的像素数N＝13，分别为P0，P1，P2，P3，P4，P5，P6，P7，P8，P9，P10，P11及P12，所述P0即所述待滤波像素P。
本实施例中，所述第一模板Ω(P)中的任一像素到所述待滤波像素P的距离的计算公式如下：
D(Pi,P)＝|xi-x0|+|yi-y0|
其中，所述(xi，yi)和(x0，y0)分别为像素Pi和待滤波像素P的坐标。
然后执行步骤S2，根据所述待滤波像素P附近的噪声强度设定门限值。本实施例中，根据所述待滤波像素附近的噪声的标准差计算门限值，即所述噪声的标准差用于表征噪声强度。应当理解的是，所述待滤波像素附近的噪声的标准差为已知值，例如可通所述第一模板内的像素的值计算获得，也可以通过整个视频图像的像素的值计算获得，本申请对此不作限制。
所述门限值按照以下计算公式进行计算：
threshold＝σa
其中，threshold为门限值，σ为已知的标准差，a是一个正数。
本实施例中，所述a的取值介于0.5-3之间。
然后执行步骤S3：以所述待滤波像素P为中心选取搜索区Φ(P)，所述搜索区Φ(P)中包含所有到所述待滤波像素P的距离小于等于第二半径R的待判定像素Q，计算公式同上。本实施例中，如图3所示，所述第二半径R的取值大于或等于4。
接着执行步骤S4，对所述搜索区Φ(P)中的每一个待判定像素Q执行以下步骤：
步骤S41：以所述待判定像素Q为中心选取第二模板Ω(Q)，所述第二模板Ω(Q)中包含所有到所述待判定像素Q的距离小于等于第一半径r的像素，计算公式同上。本实施例中，所述第二模板Ω(Q)中包含的像素数N＝13，即所述第一模板Ω(P)中包含的像素数与所述第二模板Ω(Q)中包含的像素数相同。
步骤S42：计算所述待判定像素与所述待滤波像素之间的模板距离。本实施例中，所述待判定像素与所述待滤波像素之间的模板距离按照以下公式进行计算：
其中，M为所述待判定像素Q与所述待滤波像素P之间的模板距离，N为所述第一模板Ω(P)中包含的像素数或所述第二模板Ω(Q)中包含的像素数，pi和qi分别为把所述第一模板Ω((P)及所述第二模板Ω((Q)中的像素按照相同的方法排序后的第i个像素的值，ei为所述第i个像素的权重。
进一步的，所述第i个像素的权重按照以下公式进行计算：
其中，D(Pi,P)为第i个像素到所述待滤波像素P的距离。
本实施例中，ei＞0且
步骤S43：若所述模板距离小于或等于所述门限值threshold，则所述待判定像素Q为所述待滤波像素P的同类像素，并将所述待判定像素加入同类像素集。
最后执行步骤S5，计算所述同类像素集中所有像素的像素值的平均值，并将所述平均值作为所述待滤波像素P滤波后的值。
综上，本发明提供了一种滤波方法，通过根据噪声强度设定门限值，可以更加准确的将真实值相同的像素判定为同类像素，将真实值不同的像素判断为非同类像素，并取所有同类像素的平均值作为待滤波像素滤波后的像素值，能够达到更好的滤波效果。
此外还应该认识到，虽然本发明已以较佳实施例披露如上，然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言，在不脱离本发明技术方案范围情况下，都可利用上述揭示的技术内容对本发明技术方案作出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围。

Claims (7)

1.一种滤波方法，根据噪声的强度进行滤波，其特征在于，所述滤波方法包括以下步骤：
步骤S1：以待滤波像素为中心选取第一模板，所述第一模板中包含所有到所述待滤波像素的距离小于或等于第一半径的像素；
步骤S2：根据所述待滤波像素附近的噪声强度设定门限值；
步骤S3：以所述待滤波像素为中心选取搜索区，所述搜索区中包含所有到所述待滤波像素的距离小于等于第二半径的待判定像素，所述第二半径大于所述第一半径；
步骤S4：对所述搜索区中的每一个待判定像素执行以下步骤：
步骤S41：以所述待判定像素为中心选取第二模板，所述第二模板中包含所有到所述待判定像素的距离小于等于第一半径的像素；
步骤S42：计算所述待判定像素与所述待滤波像素之间的模板距离；
步骤S43：若所述模板距离小于或等于所述门限值，则所述待判定像素为所述待滤波像素的同类像素，并将所述待判定像素加入同类像素集；
步骤S5：计算所述同类像素集中所有像素的像素值的平均值，并将所述平均值作为所述待滤波像素滤波后的值；
其中，在所述步骤S2中，根据所述待滤波像素附近的噪声的标准差计算门限值，所述门限值按照以下计算公式进行计算：
threshold＝σa
其中，threshold为门限值，σ为已知的标准差，a是一个正数，所述a的取值介于0.5-3之间。
2.如权利要求1所述的滤波方法，其特征在于，所述步骤S1、所述步骤S3及所述步骤S41中的两个像素之间的距离按照以下公式进行计算：
D(P1,P2)＝|x1-x2|+|y1-y2|
其中，(x1，y1)和(x2，y2)分别为像素P1和像素P2的坐标。
3.如权利要求1所述的滤波方法，其特征在于，所述第一模板中包含的像素数与所述第二模板中包含的像素数相同。
4.如权利要求3所述的滤波方法，其特征在于，所述步骤S42中，所述待判定像素与所述待滤波像素之间的模板距离按照以下公式进行计算：
其中，M为所述待判定像素与所述待滤波像素之间的模板距离，N为所述第一模板中包含的像素数或所述第二模板中包含的像素数，pi和qi分别为把所述第一模板及所述第二模板中的像素按照相同的方法排序后的第i个像素的值，ei为所述第i个像素的权重。
5.如权利要求4所述的滤波方法，其特征在于，所述第i个像素的权重按照以下公式进行计算：
其中，D(Pi,P)为第i个像素到所述待滤波像素的距离。
6.如权利要求1所述的滤波方法，其特征在于，所述第一半径的取值介于1-4之间。
7.如权利要求1所述的滤波方法，其特征在于，所述第二半径的取值大于或等于4。
CN202011513478.6A 2020-12-18 2020-12-18 滤波方法 Active CN112561823B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011513478.6A CN112561823B (zh) 2020-12-18 2020-12-18 滤波方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011513478.6A CN112561823B (zh) 2020-12-18 2020-12-18 滤波方法

Publications (2)

Publication Number Publication Date
CN112561823A CN112561823A (zh) 2021-03-26
CN112561823B true CN112561823B (zh) 2024-05-28

Family

ID=75030585

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011513478.6A Active CN112561823B (zh) 2020-12-18 2020-12-18 滤波方法

Country Status (1)

Country Link
CN (1) CN112561823B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102222327A (zh) * 2011-07-15 2011-10-19 西安电子科技大学 基于Treelet变换和最小均方误差估计的图像去噪方法
CN102473293A (zh) * 2009-08-07 2012-05-23 株式会社理光 图像处理设备、图像处理方法、以及计算机程序
CN102622729A (zh) * 2012-03-08 2012-08-01 北京邮电大学 基于模糊集合理论的空间自适应块匹配图像去噪方法
CN102663706A (zh) * 2012-04-23 2012-09-12 河北师范大学 基于菱形模板的自适应加权均值滤波方法
CN104408694A (zh) * 2014-11-27 2015-03-11 北京理工大学 基于软阈值的非局域平均图像去噪方法
CN104809705A (zh) * 2015-04-29 2015-07-29 厦门美图之家科技有限公司 一种基于阈值块匹配的图像去噪的方法和系统
CN104978715A (zh) * 2015-05-11 2015-10-14 中国科学院光电技术研究所 一种基于滤波窗口及参数自适应的非局部均值图像去噪方法
CN106910166A (zh) * 2016-08-31 2017-06-30 湖南拓视觉信息技术有限公司 一种图像处理方法和装置
CN111260580A (zh) * 2020-01-17 2020-06-09 珠海全志科技股份有限公司 一种基于图像金字塔的图像去噪方法、计算机装置及计算机可读存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6024107B2 (ja) * 2012-01-06 2016-11-09 株式会社リコー 画像処理装置、撮像装置、画像処理方法およびプログラム
US10643308B2 (en) * 2017-10-11 2020-05-05 Gopro, Inc. Double non-local means denoising

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102473293A (zh) * 2009-08-07 2012-05-23 株式会社理光 图像处理设备、图像处理方法、以及计算机程序
CN102222327A (zh) * 2011-07-15 2011-10-19 西安电子科技大学 基于Treelet变换和最小均方误差估计的图像去噪方法
CN102622729A (zh) * 2012-03-08 2012-08-01 北京邮电大学 基于模糊集合理论的空间自适应块匹配图像去噪方法
CN102663706A (zh) * 2012-04-23 2012-09-12 河北师范大学 基于菱形模板的自适应加权均值滤波方法
CN104408694A (zh) * 2014-11-27 2015-03-11 北京理工大学 基于软阈值的非局域平均图像去噪方法
CN104809705A (zh) * 2015-04-29 2015-07-29 厦门美图之家科技有限公司 一种基于阈值块匹配的图像去噪的方法和系统
CN104978715A (zh) * 2015-05-11 2015-10-14 中国科学院光电技术研究所 一种基于滤波窗口及参数自适应的非局部均值图像去噪方法
CN106910166A (zh) * 2016-08-31 2017-06-30 湖南拓视觉信息技术有限公司 一种图像处理方法和装置
CN111260580A (zh) * 2020-01-17 2020-06-09 珠海全志科技股份有限公司 一种基于图像金字塔的图像去噪方法、计算机装置及计算机可读存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Sun Wei-feng ; Peng Yu-hua.An Improved Non-local Means De-noising Approach.Acta Electronica Sinica.2010,第38卷第923-928页. *
一种改进的非局部平均去噪方法;孙伟峰;彭玉华;;电子学报(第04期);全文 *
基于邻域特征匹配的通用噪声滤波器;刘迎辉;高昆;倪国强;;光学技术(第06期);全文 *
基于非局部相似和低秩模型的图像盲去噪;于静;杨晓梅;;计算机工程与设计(第04期);全文 *

Also Published As

Publication number Publication date
CN112561823A (zh) 2021-03-26

Similar Documents

Publication Publication Date Title
US11830230B2 (en) Living body detection method based on facial recognition, and electronic device and storage medium
US9471964B2 (en) Non-local mean-based video denoising method and apparatus
CN101650783B (zh) 图像识别方法以及摄像装置
US11790499B2 (en) Certificate image extraction method and terminal device
CN111222508B (zh) 基于roi的户型图比例尺识别方法、装置、计算机设备
CN115457063A (zh) Pcb板圆孔的边缘提取方法、装置、设备及存储介质
CN108961209B (zh) 行人图像质量评价方法、电子设备及计算机可读介质
CN106331848B (zh) 全景视频的识别方法及设备、播放视频方法及设备
CN111199186A (zh) 图像质量评分模型训练方法、装置、设备及存储介质
CN106327531B (zh) 全景视频的识别方法及设备、播放视频方法及设备
CN101286230A (zh) 图像处理设备和图像处理方法
CN104778238A (zh) 一种视频显著性的分析方法及装置
CN106910195A (zh) 一种网页页面布局监测方法及装置
CN114494775A (zh) 视频切分方法、装置、设备及存储介质
CN109255311B (zh) 一种基于图像的信息识别方法及系统
CN101600115A (zh) 一种剔除图像稳像系统周期性特征块的方法
CN114267029A (zh) 一种车道线检测方法、装置、设备及存储介质
CN112561823B (zh) 滤波方法
CN107292892B (zh) 视频帧图像的分割方法及装置
US8693769B2 (en) Image classification methods and systems
CN116071625B (zh) 深度学习模型的训练方法、目标检测方法及装置
CN114821513B (zh) 一种基于多层网络的图像处理方法及装置、电子设备
CN116168192A (zh) 图像检测区域的确定方法、装置、电子设备及存储介质
US7356166B2 (en) Method and computer-readable medium for detecting motion and filtering noise
CN114881889A (zh) 视频图像噪声评估方法及装置

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