CN113012058A - 一种眼部图像噪声去除方法及系统 - Google Patents
一种眼部图像噪声去除方法及系统 Download PDFInfo
- Publication number
- CN113012058A CN113012058A CN202110153407.8A CN202110153407A CN113012058A CN 113012058 A CN113012058 A CN 113012058A CN 202110153407 A CN202110153407 A CN 202110153407A CN 113012058 A CN113012058 A CN 113012058A
- Authority
- CN
- China
- Prior art keywords
- image
- processed
- gray
- gray level
- noise
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 235000002566 Capsicum Nutrition 0.000 claims abstract description 30
- 239000006002 Pepper Substances 0.000 claims abstract description 30
- 241000722363 Piper Species 0.000 claims abstract description 30
- 235000016761 Piper aduncum Nutrition 0.000 claims abstract description 30
- 235000017804 Piper guineense Nutrition 0.000 claims abstract description 30
- 235000008184 Piper nigrum Nutrition 0.000 claims abstract description 30
- 150000003839 salts Chemical class 0.000 claims abstract description 30
- 238000001914 filtration Methods 0.000 claims abstract description 23
- 230000006870 function Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 8
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 abstract 1
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000007787 solid Substances 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
-
- 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
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30041—Eye; Retina; Ophthalmic
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种眼部图像噪声去除方法及系统，包括选取一个待处理的眼部图像；将待处理的眼部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存在椒盐噪声；根据判断结果，对灰度图像进行处理，本发明通过自适应中值滤波算法，又采用小波去噪算法进一步滤波，不仅保留了原图像的重要特征信息而且对椒盐噪声和高斯噪声都起到了较好的过滤效果。本发明适用于图像检测领域。
Description
技术领域
本公开涉及图像处理技术领域，具体涉及一种眼部图像噪声去除方法及系统。
背景技术
大量的实验研究表明，噪声对图像特征提取、识别分类有直接的影响，因此，通常情况下都需要对采集到的图像进行平滑等预处理。然而，在现实生活中，图像收到的噪声污染通常不止一种，如何有效去除多种噪声成为了亟待解决的问题。
发明内容
为解决上述问题，本公开提供一种眼部图像噪声去除方法及系统的技术方案，根据本公开的一方面，提供一种眼部图像噪声去除方法，所述方法包括以下步骤：
S100，选取一个待处理的眼部图像；
S200，将待处理的眼部图像灰度化后转变为灰度图像；
S300，判断所述灰度图像中的待处理像素点是否存在椒盐噪声；
S400，根据判断结果，对灰度图像进行处理。
具体的，使用MATLAB软件将待处理的眼部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S300中，判断所述灰度图像中的待处理像素点是否存在椒盐噪声的步骤为：设置一个滤波窗口对灰度图像进行滤波，所述滤波窗口的大小为边长初始值等于3的正方形；计算灰度图像中待处理像素点的灰度值，如果待处理像素点的灰度值为0或者255，则判断待处理像素点为椒盐噪声，即灰度图像中的待处理像素点存在椒盐噪声；如果待处理像素点的灰度值不为0或者255，则判断待处理像素点不为椒盐噪声，即灰度图像中的待处理像素点不存在椒盐噪声。
具体的，在S400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：
S410，如果灰度图像中的待处理像素点存在椒盐噪声，采用自适应中值滤波算法在空间域对灰度图像进行中值滤波后，转到S430；
S420,如果灰度图像中的待处理像素点不存在椒盐噪声，保持灰度图像中待处理像素点的像素值原值输出后转到S430；
S430，将S410输出的中值滤波后的灰度图像或者S420输出的灰度图像变换到小波域，采用小波去噪算法进行滤波。
具体的，在S430中，将S410输出的中值滤波后的灰度图像或者S420输出的灰度图像变换到小波域，采用小波去噪算法进行滤波的方法为：将S410输出的中值滤波后的灰度图像或者S420输出的灰度图像进行多尺度分解，小波基db8，分解层数为3，在每一尺度上得到高频系数和低频系数，设定上限阈值和下限阈值，将低于下限阈值的小波系数设置为0，将其他小波系数通过对应的阈值函数作量化处理，重构处理后的小波系数；重构处理所使用的阈值函数为：
其中，wi,j为第i层第j个小波系数，sgh()为符号函数，u为系数，λi,j为阈值；
在这里
其中，m，t为大于零的系数，σ为高斯噪声标准差，N为信号长度。
本发明还提供了一种眼部图像噪声去除系统,所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的单元中：
获取单元,用于选取一个待处理的眼部图像；
灰度化单元,用于将待处理的眼部图像灰度化后转变为灰度图像；
判断单元,用于判断所述灰度图像中的待处理像素点是否存在椒盐噪声；
处理单元,用于根据判断结果，对灰度图像进行处理。
本公开的有益效果为：本发明提供一种眼部图像噪声去除方法及系统，通过自适应中值滤波算法，又采用小波去噪算法进一步滤波，不仅保留了原图像的重要特征信息而且对椒盐噪声和高斯噪声都起到了较好的过滤效果。
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，本公开的上述以及其他特征将更加明显，本公开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公开的一些实施例，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所示为一种眼部图像噪声去除方法的流程图；
图2所示为一种眼部图像噪声去除系统结构图。
具体实施方式
以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本公开的目的、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。
如图1所示为根据本公开的一种眼部图像噪声去除方法的流程图，下面结合图1来阐述根据本公开的实施方式的一种眼部图像噪声去除方法。
本公开提出一种眼部图像噪声去除方法，所述方法包括以下步骤：
S100，选取一个待处理的眼部图像；
S200，将待处理的眼部图像灰度化后转变为灰度图像；
S300，判断所述灰度图像中的待处理像素点是否存在椒盐噪声；
S400，根据判断结果，对灰度图像进行处理。
具体的，使用MATLAB软件将待处理的眼部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S300中，判断所述灰度图像中的待处理像素点是否存在椒盐噪声的步骤为：设置一个滤波窗口对灰度图像进行滤波，所述滤波窗口的大小为边长初始值等于3的正方形；计算灰度图像中待处理像素点的灰度值，如果待处理像素点的灰度值为0或者255，则判断待处理像素点为椒盐噪声，即灰度图像中的待处理像素点存在椒盐噪声；如果待处理像素点的灰度值不为0或者255，则判断待处理像素点不为椒盐噪声，即灰度图像中的待处理像素点不存在椒盐噪声。
具体的，在S400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：
S410，如果灰度图像中的待处理像素点存在椒盐噪声，采用自适应中值滤波算法在空间域对灰度图像进行中值滤波后，转到S430；
S420,如果灰度图像中的待处理像素点不存在椒盐噪声，保持灰度图像中待处理像素点的像素值原值输出后转到S430；
S430，将S410输出的中值滤波后的灰度图像或者S420输出的灰度图像变换到小波域，采用小波去噪算法进行滤波。
具体的，在S430中，将S410输出的中值滤波后的灰度图像或者S420输出的灰度图像变换到小波域，采用小波去噪算法进行滤波的方法为：将S410输出的中值滤波后的灰度图像或者S420输出的灰度图像进行多尺度分解，小波基db8，分解层数为3，在每一尺度上得到高频系数和低频系数，设定上限阈值和下限阈值，将低于下限阈值的小波系数设置为0，将其他小波系数通过对应的阈值函数作量化处理，重构处理后的小波系数；重构处理所使用的阈值函数为：
其中，wi,j为第i层第j个小波系数，sgh()为符号函数，u为系数，λi,j为阈值；
在这里
其中，m，t为大于零的系数，σ为高斯噪声标准差，N为信号长度。
本公开的实施例提供的一种眼部图像噪声去除系统，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的单元中：
获取单元,用于选取一个待处理的眼部图像；
灰度化单元,用于将待处理的眼部图像灰度化后转变为灰度图像；
判断单元,用于判断所述灰度图像中的待处理像素点是否存在椒盐噪声；
处理单元,用于根据判断结果，对灰度图像进行处理。
所述一种眼部图像噪声去除系统可以运行于桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备中。所述一种眼部图像噪声去除系统，可运行的系统可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述例子仅仅是一种眼部图像噪声去除系统的示例，并不构成对一种眼部图像噪声去除系统的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种眼部图像噪声去除系统还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种眼部图像噪声去除系统运行系统的控制中心，利用各种接口和线路连接整个一种眼部图像噪声去除系统的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种眼部图像噪声去除系统的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
尽管本公开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，从而有效地涵盖本公开的预定范围。此外，上文以发明人可预见的实施例对本公开进行描述，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公开的非实质性改动仍可代表本公开的等效改动。
Claims (6)
1.一种眼部图像噪声去除方法，其特征在于，所述方法包括以下步骤：
S100，选取一个待处理的眼部图像；
S200，将待处理的眼部图像灰度化后转变为灰度图像；
S300，判断所述灰度图像中的待处理像素点是否存在椒盐噪声；
S400，根据判断结果，对灰度图像进行处理。
2.根据权利要求1所述的一种眼部图像噪声去除方法，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。
3.根据权利要求1所述的一种眼部图像噪声去除方法，其特征在于，在S300中，判断所述灰度图像中的待处理像素点是否存在椒盐噪声的步骤为：
设置一个滤波窗口对灰度图像进行滤波，所述滤波窗口的大小为边长初始值等于3的正方形；计算灰度图像中待处理像素点的灰度值，如果待处理像素点的灰度值为0或者255，则判断待处理像素点为椒盐噪声，即灰度图像中的待处理像素点存在椒盐噪声；如果待处理像素点的灰度值不为0或者255，则判断待处理像素点不为椒盐噪声，即灰度图像中的待处理像素点不存在椒盐噪声。
4.根据权利要求1所述的一种眼部图像噪声去除方法，其特征在于，在S400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：
S410，如果灰度图像中的待处理像素点存在椒盐噪声，采用自适应中值滤波算法在空间域对灰度图像进行中值滤波后，转到S430；
S420,如果灰度图像中的待处理像素点不存在椒盐噪声，保持灰度图像中待处理像素点的像素值原值输出后转到S430；
S430，将S410输出的中值滤波后的灰度图像或者S420输出的灰度图像变换到小波域，采用小波去噪算法进行滤波。
5.根据权利要求4所述的一种眼部图像噪声去除方法，其特征在于，在S430中，将S410输出的中值滤波后的灰度图像或者S420输出的灰度图像变换到小波域，采用小波去噪算法进行滤波的方法为：将S410输出的中值滤波后的灰度图像或者S420输出的灰度图像进行多尺度分解，小波基db8，分解层数为3，在每一尺度上得到高频系数和低频系数，设定上限阈值和下限阈值，将低于下限阈值的小波系数设置为0，将其他小波系数通过对应的阈值函数作量化处理，重构处理后的小波系数；重构处理所使用的阈值函数为：
其中，wi,j为第i层第j个小波系数，sgh()为符号函数，u为系数，λi,j为阈值；
在这里
其中，m，t为大于零的系数，σ为高斯噪声标准差，N为信号长度。
6.一种眼部图像噪声去除系统,所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的单元中：
获取单元,用于选取一个待处理的眼部图像；
灰度化单元,用于将待处理的眼部图像灰度化后转变为灰度图像；
判断单元,用于判断所述灰度图像中的待处理像素点是否存在椒盐噪声；
处理单元,用于根据判断结果，对灰度图像进行处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110153407.8A CN113012058A (zh) | 2021-02-04 | 2021-02-04 | 一种眼部图像噪声去除方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110153407.8A CN113012058A (zh) | 2021-02-04 | 2021-02-04 | 一种眼部图像噪声去除方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113012058A true CN113012058A (zh) | 2021-06-22 |
Family
ID=76383774
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110153407.8A Pending CN113012058A (zh) | 2021-02-04 | 2021-02-04 | 一种眼部图像噪声去除方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113012058A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN115293993A (zh) * | 2022-09-29 | 2022-11-04 | 广东海洋大学 | 一种滤除椒盐噪声的采样方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101425176A (zh) * | 2008-12-09 | 2009-05-06 | 中国科学院长春光学精密机械与物理研究所 | 一种基于中值滤波的图像小波去噪方法 |
| CN106530254A (zh) * | 2016-11-14 | 2017-03-22 | 山东理工大学 | 一种基于小波阈值函数与改进中值滤波融合的抑制图像混合噪声算法 |
| CN112215764A (zh) * | 2020-09-02 | 2021-01-12 | 佛山科学技术学院 | 一种基于中值滤波的改进算法的图像处理方法 |
-
2021
- 2021-02-04 CN CN202110153407.8A patent/CN113012058A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101425176A (zh) * | 2008-12-09 | 2009-05-06 | 中国科学院长春光学精密机械与物理研究所 | 一种基于中值滤波的图像小波去噪方法 |
| CN106530254A (zh) * | 2016-11-14 | 2017-03-22 | 山东理工大学 | 一种基于小波阈值函数与改进中值滤波融合的抑制图像混合噪声算法 |
| CN112215764A (zh) * | 2020-09-02 | 2021-01-12 | 佛山科学技术学院 | 一种基于中值滤波的改进算法的图像处理方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN115293993A (zh) * | 2022-09-29 | 2022-11-04 | 广东海洋大学 | 一种滤除椒盐噪声的采样方法及系统 |
| CN115293993B (zh) * | 2022-09-29 | 2022-12-16 | 广东海洋大学 | 一种滤除椒盐噪声的采样方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113012058A (zh) | 一种眼部图像噪声去除方法及系统 | |
| CN111882565B (zh) | 一种图像二值化方法、装置、设备及存储介质 | |
| CN107507149A (zh) | 一种核磁共振成像图像的降噪方法及装置 | |
| CN115293993B (zh) | 一种滤除椒盐噪声的采样方法及系统 | |
| Kumar et al. | A hybrid method for the removal of RVIN using self organizing migration with adaptive dual threshold median filter | |
| CN109685738A (zh) | 一种提升图像清晰度的方法及装置 | |
| Wang et al. | A new image denoising method based on adaptive multiscale morphological edge detection | |
| Gani et al. | A novel method for digital image copy-move forgery detection and localization using evolving cellular automata and local binary patterns | |
| CN114943649A (zh) | 图像去模糊方法、装置及计算机可读存储介质 | |
| CN110660071A (zh) | 一种边缘检测双阈值自动设定方法及系统 | |
| CN110428006A (zh) | 计算机生成图像的检测方法、系统、装置 | |
| Wilkinson | Generalized pattern spectra sensitive to spatial information | |
| CN111311610A (zh) | 图像分割的方法及终端设备 | |
| CN115880173A (zh) | 图像处理方法、图像处理装置以及计算机可读存储介质 | |
| Lee et al. | Implementation of the high-speed feature extraction algorithm based on energy efficient threshold value selection | |
| Zhang | Image denoising using multidirectional gradient domain | |
| Wang et al. | A nonparametric-test-based structural similarity measure for digital images | |
| CN1723466A (zh) | 处理皮肤印迹图像的方法 | |
| Devi et al. | Metaheuristic Based Noise Identification and Image Denoising Using Adaptive Block Selection Based Filtering | |
| Ming et al. | A general approach for using deep neural network for digital watermarking | |
| CN113674144A (zh) | 一种图像处理方法、终端设备及可读存储介质 | |
| Muchallil et al. | Performance comparison of denoising methods for historical documents | |
| CN111612804A (zh) | 图像分割方法、装置、电子设备及存储介质 | |
| CN115994858B (zh) | 一种超分辨率图像重建方法及系统 | |
| CN116052227B (zh) | 基于噪声模型的电容数据处理方法、系统、程序和装置 |
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 |