CN112785513B - 一种用于过滤脉冲噪声的自适应中值滤波方法 - Google Patents
一种用于过滤脉冲噪声的自适应中值滤波方法 Download PDFInfo
- Publication number
- CN112785513B CN112785513B CN202010865401.9A CN202010865401A CN112785513B CN 112785513 B CN112785513 B CN 112785513B CN 202010865401 A CN202010865401 A CN 202010865401A CN 112785513 B CN112785513 B CN 112785513B
- Authority
- CN
- China
- Prior art keywords
- value
- filtering
- pixel
- filtered
- gray
- 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 173
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000003044 adaptive effect Effects 0.000 claims description 14
- 230000008569 process Effects 0.000 abstract description 4
- 230000008901 benefit Effects 0.000 description 5
- 235000002566 Capsicum Nutrition 0.000 description 3
- 239000006002 Pepper Substances 0.000 description 3
- 241000722363 Piper Species 0.000 description 3
- 235000016761 Piper aduncum Nutrition 0.000 description 3
- 235000017804 Piper guineense Nutrition 0.000 description 3
- 235000008184 Piper nigrum Nutrition 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 150000003839 salts Chemical class 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000009467 reduction 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
-
- 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)
- Image Processing (AREA)
- Picture Signal Circuits (AREA)
Abstract
本发明公开了一种用于过滤脉冲噪声的自适应中值滤波方法,包括:确定滤波半径;根据滤波半径确定滤波区域,查找滤波区域内的最小灰度值和最大灰度值;待滤波像素最值判断步骤;当待滤波像素的灰度值为最值时,判断待滤波像素的灰度值是否为极值;当待滤波像素的灰度值是极值时,扩大滤波区域继续滤波,包括:增加滤波半径,并且更新滤波区域,根据所更新的滤波区域确定输出滤波结果。本发明的用于过滤脉冲噪声的自适应中值滤波方法,当待滤波像素的灰度值判断为最值时,继续判断是否为极值,提高了噪声判断的准确率,解决了由于误判而引入新的噪声的技术问题。
Description
技术领域
本发明属于图像处理技术领域,具体地说,涉及一种用于对抗脉冲噪声的自适应中值滤波方法。
背景技术
在数字图像领域中噪声是非常常见的,脉冲噪声就是其中一种常见噪声。一般认为脉冲噪声是由于数字图像信号受到了短时间的强烈的干扰,使得图像的某些像素点变成了白色或者黑色,随着干扰变强受干扰的像素点会越来越多、越来越大,在图像上这些亮点看起来就像是在图像上撒上了盐粒,暗点看起来像是胡椒粒,所以脉冲噪声也称为椒盐噪声。
绝大多数的亮点由于受到脉冲影响会呈现出最高灰度,若是8位灰度值的话即为255,而暗点会呈现最暗灰度即为0,这是非常重要的一个特性。
目前较多采用自适应中值滤波算法过滤脉冲噪声,这种算法对于强度较小的脉冲噪声效果非常好,但是随着噪声增强其效果会逐渐减弱,也就是这种算法对较强的椒盐噪声效果一般。
本发明要解决的问题就是改进自适应中值滤波算法,使其降噪性能更优。
发明内容
本发明针对现有技术中脉冲噪声滤波方法精度低,容易由于滤波引入新的干扰的技术问题,提出了一种用于对抗脉冲噪声的自适应中值滤波方法,可以解决上述问题。
为实现上述发明目的,本发明采用下述技术方案予以实现:
一种用于过滤脉冲噪声的自适应中值滤波方法, 包括:
确定滤波半径;
根据所述滤波半径确定滤波区域,查找所述滤波区域内的最小灰度值和最大灰度值;
待滤波像素最值判断步骤,当所述待滤波像素的灰度值等于所述最小灰度值或者最大灰度值时,所述待滤波像素的灰度值判断为最值;
当所述待滤波像素的灰度值为最值时,判断所述待滤波像素的灰度值是否为极值,所述极值包括极大值和极小值,当所述待滤波像素的灰度值等于所述极大值或者极小值时,则所述待滤波像素的灰度值为极值,其中,所述极大值大于所述极小值;
当所述待滤波像素的灰度值是极值时,扩大滤波区域进行滤波,包括:增加滤波半径,并且更新滤波区域,根据所更新的滤波区域确定输出滤波结果。
进一步的,根据所更新的滤波区域中的灰度值确定输出滤波结果的方法为:
查找所述滤波区域中灰度值与所述待滤波像素的灰度值相同的像素点的数量n,当n≥n0时,查找所述滤波区域内的中值灰度值Zmed1,以该中值灰度值Zmed1作为滤波值输出;
当n<n0时,剔除掉所述滤波区域中灰度值与所述待滤波像素的灰度值相同的像素点,查找所述滤波区域内剩余像素点的中值灰度值Zmed2,以该中值灰度值Zmed2作为滤波值输出,n0为设定值。
进一步的,所述滤波区域的确定方法为:以待滤波像素作为中心像素,以所述滤波半径为半径的区域作为初始区域。
进一步的,当所述待滤波像素的灰度值不等于所述最小灰度值和最大灰度值的任一个时,则待滤波像素的灰度值不为最值,以该待滤波像素的灰度值作为滤波值输出。
进一步的,当所述待滤波像素的灰度值不等于所述极大值和极小值的任一个时,则待滤波像素的灰度值不为极值,以该待滤波像素的灰度值作为滤波值输出。
进一步的,当待滤波像素的灰度值不为极值时,还包括:
计算待滤波像素的灰度值与所述极值之间的差值d1和d2,当d1和d2中的最小值不小于d0时,输出该待滤波像素的灰度值作为滤波值,其中,d1为待滤波像素的灰度值与极小值之间的差值,d2为待滤波像素的灰度值与极大值之间的差值,d0为设定值。
进一步的,当d1和d2中的最小值小于d0时,执行扩大滤波区域进行滤波步骤。
进一步的,待滤波像素最值判断步骤之前,还包括中值判断步骤,包括:
查找当前滤波区域内的中值灰度值;
判断该中值灰度值是否为最值,当所述中值灰度值不是最值时,执行待滤波像素最值判断步骤;
判断该中值灰度值是否为最值的方法为:将所述中值灰度值分别与所述最小灰度值和最大灰度值进行比较,当所述中值灰度值等于所述最小灰度值或者最大灰度值时,所述中值灰度值判断为最值。
进一步的,当所述中值灰度值是最值时,增加滤波半径,并且更新滤波区域,返回中值判断步骤。
进一步的,中值判断步骤中增加滤波半径之前,还包括判断当前滤波区域是否为最大滤波区域的步骤,当所述滤波区域不是最大滤波区域时,执行增加滤波半径步骤,否则,以所述中值灰度值作为滤波值输出。
与现有技术相比,本发明的优点和积极效果是:本发明的用于过滤脉冲噪声的自适应中值滤波方法,当待滤波像素的灰度值判断为最值时,继续判断是否为极值,提高了噪声判断的准确率,解决了由于误判而引入新的噪声的技术问题。
结合附图阅读本发明的具体实施方式后,本发明的其他特点和优点将变得更加清楚。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图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 是本发明提出的用于过滤脉冲噪声的自适应中值滤波方法的一种实施例流程框图;
图2 是本发明提出的用于过滤脉冲噪声的自适应中值滤波方法的一种实施例流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下将结合附图和实施例,对本发明作进一步详细说明。
需要说明的是,在本发明的描述中,术语“上”、“下”、“左”、“右”、“竖”、“横”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系,这仅仅是为了便于描述,而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。
实施例一
自适应中值滤波算法核心思想是用一个中值灰度值替换掉被判断为噪声的目标灰度值,以此来减弱噪声对图像的影响,从而提高图像的信噪比。中值是指将统计总体当中的各个变量值按大小顺序排列,形成一个数列,处于变量数列中间位置的变量值就称为中值。
根据脉冲噪声形成的特点,其是由于数字图像信号受到了短时间的强烈的干扰,使得图像的某些像素点变成了白色或者黑色,因此,被脉冲噪声污染的像素点的灰度值会呈现两个极端,灰度值极大(呈现白色)或者极小(呈现黑色)。
中值滤波算法首先判断中值灰度值是不是滤波区域内的最大或最小灰度值,如果不是那么就判断待滤波像素的灰度值Zxy是不是区域内的最大或最小灰度值,如果不是那么直接输出待滤波像素的灰度值,如果是则输出中值灰度值。也即,待滤波像素的灰度值Zxy不是区域内的最大或最小灰度值时,待滤波像素保持不变,这个过程使得算法能够在一定程度上保留原图像的细节。如果待滤波像素的灰度值是最大值或最小值,说明待滤波像素有可能受到脉冲噪声污染,但是仅是有可能,因为原图像中也有可能就是最值,算法无法判断是否受到脉冲噪声的污染,此时输出中值灰度值,也就是用中值灰度值来代替待滤波像素的灰度,容易理解,若目标像素原本就是最值时,算法无形之中引入了新的干扰。
基于此,本发明提出了一种用于过滤脉冲噪声的自适应中值滤波方法,如图1所示, 包括以下步骤:
确定滤波半径;
根据滤波半径确定滤波区域,查找滤波区域内的最小灰度值和最大灰度值;
待滤波像素最值判断步骤,当待滤波像素的灰度值Zxy等于最小灰度值或者最大灰度值时,待滤波像素的灰度值判断为最值;
当待滤波像素的灰度值为最值时,进一步判断待滤波像素的灰度值是否为极值,极值包括极大值和极小值,当待滤波像素的灰度值Zxy等于极大值或者极小值时,则待滤波像素的灰度值Zxy为极值,其中,极大值大于所述极小值;数字图像的灰度值范围为0~255,本实施例中可以定义极大值和极小值为具体的值,如极大值为255,极小值为0,也可以定义为一个区间范围,如位于范围250~255判断为极大值,位于范围0~5判断为极小值。当然,范围可以根据实际需要进行调整。
滤波区域的确定方法为:以待滤波像素作为中心像素,以滤波半径为半径的区域作为初始的滤波区域。
为了减少计算量,一般初始的滤波区域是一个比较小的区域,例如滤波半径为1个像素,因此滤波区域为3*3,当待滤波像素的灰度值Zxy是极值时,为了更精准的判断该待滤波像素的灰度值Zxy是被噪声污染,还是原图像中像素的灰度值Zxy本身就是极值,以便更精确的滤波,因此,本实施例中扩大滤波区域进行滤波,包括:增加滤波半径,并且更新滤波区域,根据所更新的滤波区域确定输出滤波结果。
本实施例用于过滤脉冲噪声的自适应中值滤波方法,当待滤波像素的灰度值Zxy判断为最值时,继续判断是否为极值,提高了噪声判断的准确率,解决了由于误判而引入新的噪声的技术问题。
本发明核心思路就是如何更合理地去分辨原图像和脉冲噪声,由此来改进传统算法地不足之处。为了便于说明,说明极值和最值的含义,本实施例中将0和255(8位)的灰度值称为极值,把一个区域内的最大灰度值和最小灰度值称为最值,例如一个区域内灰度值只有20和50两种,那么最大值为50最小值为20,但都不是极值。
脉冲噪声具有两个特性:一是极值,二是像素的数量少。基于此,本实施例中优选根据所更新的滤波区域确定输出滤波结果的方法为:
如图2所示,查找滤波区域中灰度值与待滤波像素的灰度值Zxy相同的像素点的数量n,当n≥n0时,查找滤波区域内的中值灰度值Zmed1,以该中值灰度值Zmed1作为滤波值输出;如果滤波区域中与该待滤波像素的灰度值Zxy相等的像素点的数量较多,则判断为该待滤波像素小概率被噪声污染,虽然其像素值为极值,因此,采用中值灰度值Zmed1作为滤波结果输出,由于与待滤波像素的灰度值Zxy相同的像素点较多,其中值灰度值Zmed1比较接近待滤波像素的灰度值,不会导致图像丧失细节特征。
当n<n0时,剔除掉所述滤波区域中灰度值与所述待滤波像素的灰度值Zxy相同的像素点,查找所述滤波区域内剩余像素点的中值灰度值Zmed2,以该中值灰度值Zmed2作为滤波值输出,n0为设定值。如果滤波区域中与该待滤波像素的灰度值Zxy相等的像素点的数量较少,而且待滤波像素的灰度值Zxy为极值,则判断为该待滤波像素大概率为噪声,因此,将噪声像素去掉之后再查找中值灰度值,并将其作为滤波结果输出,由于原始灰度值已被噪声污染,且无法还原出原始灰度值,因此,通过去掉噪声像素后查找中值灰度值的方式作为滤波值,利用数字图像像素点的粘连性,相邻像素点的灰度值一般不会具有较大幅度的跳变,使得输出结果最大化的接近实际灰度值,提高图像输出效果。
在滤波区域内,当待滤波像素的灰度值Zxy不等于最小灰度值和最大灰度值的任一个时,则待滤波像素的灰度值Zxy不为最值,说明该像素点未被噪声污染,以该待滤波像素的灰度值Zxy作为滤波值输出。也就是目标像素保持不变,也就是这个过程使得算法能够在一定程度上保留原图像的细节特征。
待滤波像素的灰度值Zxy是否为极值的判断方法与最值的判断方法相近似,当待滤波像素的灰度值Zxy不等于所述极大值和极小值的任一个时,则待滤波像素的灰度值Zxy不为极值,不符合脉冲噪声污染的特征,因此认为未被脉冲噪声污染,则以该待滤波像素的灰度值Zxy作为滤波值输出,同样可以保留原图像的细节特征。
当待滤波像素的灰度值Zxy为最值但不为极值时,这种情况下滤波区域内只有两种或一种灰度,算法无法判断是否受到脉冲噪声污染,因此通过扩大滤波区域范围的方式继续判断。
当待滤波像素的灰度值Zxy不为极值时,还包括:
计算待滤波像素的灰度值Zxy与所述极值之间的差值d1和d2,当d1和d2中的最小值不小于d0时,输出该待滤波像素的灰度值作为滤波值,其中,d1为待滤波像素的灰度值与极小值之间的差值,d2为待滤波像素的灰度值与极大值之间的差值,d0为设定值。
待滤波像素的灰度值是最值时,为了防止因判断不合理引入噪声,在待滤波像素的灰度值是最值的情况下,此时再判断待滤波像素的灰度值是否为极值。若待滤波像素的灰度值不是极值且距离极值较远(较远是指灰度值差的绝对值较大),那么虽然待滤波像素是最值但是其受到噪声污染的概率已经较低,更有可能是原本图像就是这样,此时直接输出待滤波像素的灰度值,即保留原细节;若是极值或者距离极值距离很近(灰度值差的绝对值很小),那么直接将区域扩大到最大尺寸Smax,再去判断与待滤波像素有相同灰度值的像素点的数量,若判断到数量很少则极有可能是受到脉冲噪声的污染,此时去掉极值像素点从剩下的像素点中输出中值;若数量较多,则更有可能是原本图像,直接输出中值。改进的优点是在保留原有优点的条件下从概率上更合理地区分图像和噪声。
因此,当d1和d2中的最小值小于d0时,也即待滤波像素的灰度值虽然不是极值,但是与极值较接近,则执行扩大滤波区域继续滤波步骤,通过扩大滤波区域的方式进一步判断是否被噪声污染。
待滤波像素最值判断步骤之前,还包括中值判断步骤,包括:
查找当前滤波区域内的中值灰度值Zmed;
判断该中值灰度值Zmed是否为最值,当中值灰度值Zmed不是最值时,说明滤波区域内灰度值的种类较多,为3个或者以上,然后继续判断待滤波像素的类型,执行待滤波像素最值判断步骤;
判断该中值灰度值Zmed是否为最值的方法为:将中值灰度值Zmed分别与最小灰度值和最大灰度值进行比较,当中值灰度值Zmed等于最小灰度值或者最大灰度值时,中值灰度值Zmed判断为最值。
当中值灰度值Zmed是最值时,增加滤波半径,并且更新滤波区域,返回中值判断步骤。
中值判断步骤中增加滤波半径之前,还包括判断当前滤波区域是否为最大滤波区域的步骤,当滤波区域不是最大滤波区域时,执行增加滤波半径步骤,否则,以中值灰度值作为滤波值输出。当中值灰度值Zmed是最值时滤波区域内只有两种或一种灰度,算法无法判断是否受到脉冲噪声污染,能扩大数据范围,当扩大到最大尺寸依然只有两种或一种灰度,算法彻底无法判断是否受到污染,直接输出中值灰度值,其实就是数量较多的那个最值。
滤波区域的范围具有上限,前面所记载的扩大滤波区域之前,还包括判断是否扩大到最大区域。当为最大区域时,不再继续扩大滤波区域。
以上实施例仅用以说明本发明的技术方案,而非对其进行限制;尽管参照前述实施例对本发明进行了详细的说明,对于本领域的普通技术人员来说,依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本发明所要求保护的技术方案的精神和范围。
Claims (9)
1.一种用于过滤脉冲噪声的自适应中值滤波方法,其特征在于,包括:
确定滤波半径;
根据所述滤波半径确定滤波区域,查找所述滤波区域内的最小灰度值和最大灰度值;
待滤波像素最值判断步骤,当所述待滤波像素的灰度值等于所述最小灰度值或者最大灰度值时,所述待滤波像素的灰度值判断为最值;
当所述待滤波像素的灰度值为最值时,判断所述待滤波像素的灰度值是否为极值,所述极值包括极大值和极小值,当所述待滤波像素的灰度值等于所述极大值或者极小值时,则所述待滤波像素的灰度值为极值,其中,所述极大值大于所述极小值;
当所述待滤波像素的灰度值是极值时,扩大滤波区域继续滤波,包括:增加滤波半径,并且更新滤波区域,根据所更新的滤波区域确定输出滤波结果;
待滤波像素最值判断步骤之前,还包括中值判断步骤,包括:
查找当前滤波区域内的中值灰度值;
判断该中值灰度值是否为最值,当所述中值灰度值不是最值时,执行待滤波像素最值判断步骤;
判断该中值灰度值是否为最值的方法为:将所述中值灰度值分别与所述最小灰度值和最大灰度值进行比较,当所述中值灰度值等于所述最小灰度值或者最大灰度值时,所述中值灰度值判断为最值。
2.根据权利要求1所述的自适应中值滤波方法,其特征在于,根据所更新的滤波区域中的灰度值确定输出滤波结果的方法为:
查找所述滤波区域中灰度值与所述待滤波像素的灰度值相同的像素点的数量n,当n≥n0时,查找所述滤波区域内的中值灰度值Zmed1,以该中值灰度值Zmed1作为滤波值输出;
当n<n0时,剔除掉所述滤波区域中灰度值与所述待滤波像素的灰度值相同的像素点,查找所述滤波区域内剩余像素点的中值灰度值Zmed2,以该中值灰度值Zmed2作为滤波值输出,n0为设定值。
3.根据权利要求1所述的自适应中值滤波方法,其特征在于,所述滤波区域的确定方法为:以待滤波像素作为中心像素,以所述滤波半径为半径的区域作为初始区域。
4.根据权利要求1所述的自适应中值滤波方法,其特征在于,当所述待滤波像素的灰度值不等于所述最小灰度值和最大灰度值的任一个时,则待滤波像素的灰度值不为最值,以该待滤波像素的灰度值作为滤波值输出。
5.根据权利要求1所述的自适应中值滤波方法,其特征在于,当所述待滤波像素的灰度值不等于所述极大值和极小值的任一个时,则待滤波像素的灰度值不为极值,以该待滤波像素的灰度值作为滤波值输出。
6.根据权利要求5所述的自适应中值滤波方法,其特征在于,当待滤波像素的灰度值不为极值时,还包括:
计算待滤波像素的灰度值与所述极值之间的差值d1和d2,当d1和d2中的最小值不小于d0时,输出该待滤波像素的灰度值作为滤波值,其中,d1为待滤波像素的灰度值与极小值之间的差值,d2为待滤波像素的灰度值与极大值之间的差值,d0为设定值。
7.根据权利要求6所述的自适应中值滤波方法,其特征在于,当d1和d2中的最小值小于d0时,执行扩大滤波区域继续滤波步骤。
8.根据权利要求7所述的自适应中值滤波方法,其特征在于,当所述中值灰度值是最值时,增加滤波半径,并且更新滤波区域,返回中值判断步骤。
9.根据权利要求8所述的自适应中值滤波方法,其特征在于,中值判断步骤中增加滤波半径之前,还包括判断当前滤波区域是否为最大滤波区域的步骤,当所述滤波区域不是最大滤波区域时,执行增加滤波半径步骤,否则,以所述中值灰度值作为滤波值输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010865401.9A CN112785513B (zh) | 2020-08-25 | 2020-08-25 | 一种用于过滤脉冲噪声的自适应中值滤波方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010865401.9A CN112785513B (zh) | 2020-08-25 | 2020-08-25 | 一种用于过滤脉冲噪声的自适应中值滤波方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112785513A CN112785513A (zh) | 2021-05-11 |
CN112785513B true CN112785513B (zh) | 2023-04-18 |
Family
ID=75750337
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010865401.9A Active CN112785513B (zh) | 2020-08-25 | 2020-08-25 | 一种用于过滤脉冲噪声的自适应中值滤波方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112785513B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116721108B (zh) * | 2023-08-11 | 2023-11-03 | 山东奥晶生物科技有限公司 | 一种基于机器视觉的甜菊糖苷产品杂质检测方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5414472A (en) * | 1992-10-30 | 1995-05-09 | Samsung Electronics Co., Ltd. | Method for eliminating an impulse noise of video signal and apparatus therefor |
CN101094312A (zh) * | 2006-06-20 | 2007-12-26 | 西北工业大学 | 一种保持边缘的自适应图像滤波方法 |
CN102005032A (zh) * | 2010-11-10 | 2011-04-06 | 新太科技股份有限公司 | 一种基于局部极值的脉冲噪声检测方法 |
CN102184525A (zh) * | 2011-04-19 | 2011-09-14 | 华中科技大学 | 一种基于噪声空间特性的非线性滤波去噪方法 |
CN103150733A (zh) * | 2013-03-25 | 2013-06-12 | 中国矿业大学(北京) | 一种应用于数字图像的自适应多级加权中值滤波算法 |
CN105590301A (zh) * | 2016-01-28 | 2016-05-18 | 河南师范大学 | 自适应正斜双十字窗均值滤波的脉冲噪声消除方法 |
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 |
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 |
CN109086701A (zh) * | 2018-07-19 | 2018-12-25 | 中国水产科学研究院东海水产研究所 | 一种用于夜光遥感数据的灯光渔船自动识别方法 |
CN110197467A (zh) * | 2019-05-31 | 2019-09-03 | 电子科技大学 | 一种基于fpga图像透雾的优化系统 |
CN110688871A (zh) * | 2019-09-19 | 2020-01-14 | 浙江工业大学 | 一种基于条码识别的边缘检测方法 |
CN111179186A (zh) * | 2019-12-12 | 2020-05-19 | 南京理工大学 | 一种保护图像细节的图像去噪系统 |
-
2020
- 2020-08-25 CN CN202010865401.9A patent/CN112785513B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5414472A (en) * | 1992-10-30 | 1995-05-09 | Samsung Electronics Co., Ltd. | Method for eliminating an impulse noise of video signal and apparatus therefor |
CN101094312A (zh) * | 2006-06-20 | 2007-12-26 | 西北工业大学 | 一种保持边缘的自适应图像滤波方法 |
CN102005032A (zh) * | 2010-11-10 | 2011-04-06 | 新太科技股份有限公司 | 一种基于局部极值的脉冲噪声检测方法 |
CN102184525A (zh) * | 2011-04-19 | 2011-09-14 | 华中科技大学 | 一种基于噪声空间特性的非线性滤波去噪方法 |
CN103150733A (zh) * | 2013-03-25 | 2013-06-12 | 中国矿业大学(北京) | 一种应用于数字图像的自适应多级加权中值滤波算法 |
CN105590301A (zh) * | 2016-01-28 | 2016-05-18 | 河南师范大学 | 自适应正斜双十字窗均值滤波的脉冲噪声消除方法 |
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 |
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 |
CN109086701A (zh) * | 2018-07-19 | 2018-12-25 | 中国水产科学研究院东海水产研究所 | 一种用于夜光遥感数据的灯光渔船自动识别方法 |
CN110197467A (zh) * | 2019-05-31 | 2019-09-03 | 电子科技大学 | 一种基于fpga图像透雾的优化系统 |
CN110688871A (zh) * | 2019-09-19 | 2020-01-14 | 浙江工业大学 | 一种基于条码识别的边缘检测方法 |
CN111179186A (zh) * | 2019-12-12 | 2020-05-19 | 南京理工大学 | 一种保护图像细节的图像去噪系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112785513A (zh) | 2021-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105243649A (zh) | 基于二次噪点检测的图像降噪方法 | |
US5583659A (en) | Multi-windowing technique for thresholding an image using local image properties | |
CN107507173B (zh) | 一种全切片图像的无参考清晰度评估方法及系统 | |
CN110827229B (zh) | 一种基于纹理加权直方图均衡化的红外图像增强方法 | |
CN109844809B (zh) | 一种图像处理方法及装置、计算机可读存储介质 | |
CN115984148B (zh) | 一种高通量基因测序数据的去噪增强方法 | |
CN112734674A (zh) | 一种图像去噪声的方法 | |
US6360009B2 (en) | Image segmentation apparatus and method | |
CN111709964B (zh) | 一种pcba目标边缘检测方法 | |
CN117058147B (zh) | 基于计算机视觉的环保塑料制品缺陷检测方法 | |
CN112785513B (zh) | 一种用于过滤脉冲噪声的自适应中值滤波方法 | |
CN111612773B (zh) | 一种红外热像仪及实时自动盲元检测处理方法 | |
CN111738256A (zh) | 基于改进分水岭算法的复合材料ct图像分割方法 | |
CN113514054A (zh) | 一种星敏感器星点像斑检测方法及系统 | |
US6272240B1 (en) | Image segmentation apparatus and method | |
CN116843584B (zh) | 一种图像数据优化增强方法 | |
CN112614078A (zh) | 一种图像降噪方法和存储介质 | |
US7576894B2 (en) | Device and method for sharpening image signal | |
Zhu et al. | Optimization of image processing in video-based traffic monitoring | |
CN115272737B (zh) | 一种橡胶圈流痕识别方法 | |
CN115063302B (zh) | 针对指纹图像椒盐噪声的有效去除方法 | |
CN114519694B (zh) | 基于深度学习的七段数码管液晶显示屏识别方法及系统 | |
CN112967322B (zh) | 运动目标检测模型建立方法和运动目标检测方法 | |
CN113781328A (zh) | 一种sigma图像滤波方法及系统 | |
CN112530079B (zh) | 一种检测票据要素的方法、装置、终端设备和存储介质 |
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 |