CN113793277B - 一种图像去噪方法、装置和设备 - Google Patents

一种图像去噪方法、装置和设备 Download PDF

Info

Publication number
CN113793277B
CN113793277B CN202111042283.2A CN202111042283A CN113793277B CN 113793277 B CN113793277 B CN 113793277B CN 202111042283 A CN202111042283 A CN 202111042283A CN 113793277 B CN113793277 B CN 113793277B
Authority
CN
China
Prior art keywords
pixels
pixel
image
search window
target pixel
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
CN202111042283.2A
Other languages
English (en)
Other versions
CN113793277A (zh
Inventor
黄卓
刘冬寒
路梦珂
韩博
党锋
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 Pudong Development Bank Co Ltd
Original Assignee
Shanghai Pudong Development Bank 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 Pudong Development Bank Co Ltd filed Critical Shanghai Pudong Development Bank Co Ltd
Priority to CN202111042283.2A priority Critical patent/CN113793277B/zh
Publication of CN113793277A publication Critical patent/CN113793277A/zh
Application granted granted Critical
Publication of CN113793277B publication Critical patent/CN113793277B/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

Landscapes

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

Abstract

本发明实施例公开了一种图像去噪方法、装置和设备，方法包括获取被椒盐噪声破坏的待处理图像；定义预设尺寸的自适应搜索窗口，并利用自适应搜索窗口搜索待处理图像中的候选像素；将候选像素作为中心点，统计自适应搜索窗口内是第一像素的数量；基于第一像素的数量确定目标像素，其中，目标像素为待处理图像中的噪声像素；利用待处理图像中无噪声像素的灰度平均值替换目标像素的灰度值，得到去噪后的待处理图像。本发明实施例通过采用自适应搜索窗口来检测噪声像素，使得噪声像素被其相邻像素的组合所取代，解决了现有技术中使用中值滤波对椒盐噪声进行去噪时对高强度噪声去除效果不佳的技术问题，实现了有效去除图像中的椒盐噪声的技术效果。

Description

一种图像去噪方法、装置和设备
技术领域
本发明实施例涉及图像处理技术领域，尤其涉及一种图像去噪方法、装置和设备。
背景技术
在图像采集和传输过程中，数字图像经常被噪声破坏，噪声的存在会给图像处理和计算机视觉研究带来很多问题，作为图像处理中的预处理步骤，图像去噪可以保护边缘、纹理等细节，因此，它被认为是图像处理中最重要的任务之一。而椒盐(Salt And Pepper)噪声普遍存在于自然图像中，因此对于去除椒盐噪声的研究显得尤为重要。
为了去除噪声，人们提出了许多计算方法，其中，中值滤波是最流行的方法之一，中值滤波可以在低噪声强度下很好地恢复图像细节，但在高噪声强度下表现不佳。
发明内容
本发明实施例提供一种图像去噪方法、装置和设备，解决了现有技术中使用中值滤波对椒盐噪声进行去噪时对高强度噪声去除效果不佳的技术问题。
第一方面，本发明实施例提供了一种图像去噪方法，所述图像去噪方法包括：
获取被椒盐噪声破坏的待处理图像；
定义预设尺寸的自适应搜索窗口，并利用所述自适应搜索窗口搜索所述待处理图像中的候选像素，其中，所述候选像素为所述待处理图像中灰度值等于预设灰度值的像素；
将所述候选像素作为中心点，统计所述自适应搜索窗口内是第一像素的数量，其中，所述第一像素为所述自适应搜索窗口内灰度值不等于所述预设灰度值的像素；
基于所述第一像素的数量确定目标像素，其中，所述目标像素为所述待处理图像中的噪声像素；
利用所述待处理图像中无噪声像素的灰度平均值替换所述目标像素的灰度值，得到去噪后的所述待处理图像。
第二方面，本发明实施例还提供了一种图像去噪装置，所述图像去噪装置包括：
图像获取单元，用于获取被椒盐噪声破坏的待处理图像；
候选像素确定单元，用于定义预设尺寸的自适应搜索窗口，并利用所述自适应搜索窗口搜索所述待处理图像中的候选像素，其中，所述候选像素为所述待处理图像中灰度值等于预设灰度值的像素；
像素统计单元，用于将所述候选像素作为中心点，统计所述自适应搜索窗口内是第一像素的数量，其中，所述第一像素为所述自适应搜索窗口内灰度值不等于所述预设灰度值的像素；
目标像素确定单元，用于基于所述第一像素的数量确定目标像素，其中，所述目标像素为所述待处理图像中的噪声像素；
图像去噪单元，用于利用所述待处理图像中无噪声像素的灰度平均值替换所述目标像素的灰度值，得到去噪后的所述待处理图像。
第三方面，本发明实施例还提供了一种图像去噪设备，所述图像去噪设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明实施例第一方面任意的图像去噪方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例第一方面任意的图像去噪方法。
本发明实施例公开了一种图像去噪方法、装置和设备，方法包括获取被椒盐噪声破坏的待处理图像；定义预设尺寸的自适应搜索窗口，并利用自适应搜索窗口搜索待处理图像中的候选像素；将候选像素作为中心点，统计自适应搜索窗口内是第一像素的数量；基于第一像素的数量确定目标像素，其中，目标像素为待处理图像中的噪声像素；利用待处理图像中无噪声像素的灰度平均值替换目标像素的灰度值，得到去噪后的待处理图像。本发明实施例通过采用自适应搜索窗口来检测噪声像素，使得噪声像素被其相邻像素的组合所取代，解决了现有技术中使用中值滤波对椒盐噪声进行去噪时对高强度噪声去除效果不佳的技术问题，实现了有效去除图像中的椒盐噪声的技术效果。
附图说明
图1是本发明实施例提供的一种图像去噪方法的流程图；
图2(a)是本发明实施例提供的被椒盐噪声破坏的待处理图像的示意图；
图2(b)是本发明实施例提供的利用中值滤波去噪后的待处理图像的示意图；
图2(c)是本发明实施例提供的利用图像去噪方法去噪后的待处理图像的示意图；
图3是本发明实施例提供的另一种图像去噪方法的流程图；
图4是本发明实施例提供的又一种图像去噪方法的流程图；
图5是本发明实施例提供的又一种图像去噪方法的流程图；
图6是本发明实施例提供的又一种图像去噪方法的流程图；
图7是本发明实施例提供的一种图像去噪装置的结构图；
图8为本发明实施例提供的一种图像去噪设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
需要说明的是，本发明的说明书和权利要求书及附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于限定特定顺序。本发明下述各个实施例可以单独执行，各个实施例之间也可以相互结合执行，本发明实施例对此不作具体限制。
图1是本发明实施例提供的一种图像去噪方法的流程图。该图像去噪方法可以由图像去噪装置来执行，该装置可以采用硬件和/或软件的方式来实现，并一般可集成于服务器中。
如图1所示，该图像去噪方法具体包括如下步骤：
S101，获取被椒盐噪声破坏的待处理图像。
具体地，原始的待处理图像可以定义为X＝(xi,j)∈RM×N，其中，X表示原始8位灰度级图像，xi,j表示X在位置(i，j)处像素的灰度值，(i，j)为像素坐标，(i，j)∈(M，N)，M、N均为实数集R范围内的任意值，被椒盐噪声破坏的待处理图像可以定义为Y＝(yi,j)∈RM×N，yi,j表示Y在位置(i，j)处像素的灰度值。在获取到被椒盐噪声破坏的待处理图像Y＝(yi,j)∈RM×N之后，可以定义其中，α是Y的椒盐噪声密度，上述定义表明，当位置(i，j)处像素的灰度值为255或0时，即，椒盐噪声密度为α时，该像素为噪声像素；其他位置像素的灰度值则为原始的待处理图像处的灰度值xi,j。
S102，定义预设尺寸的自适应搜索窗口，并利用自适应搜索窗口搜索待处理图像中的候选像素，其中，候选像素为待处理图像中灰度值等于预设灰度值的像素。
具体地，用Si,j(W)来表示预先定义的预设尺寸的自适应搜索窗口，其中，Si,j(W)表示一个预设窗口半径为W的以(i，j)为中心的窗口尺寸为(2W+1)×(2W+1)的自适应搜索窗口，在定义出自适应搜索窗口之后，利用自适应搜索窗口搜索待处理图像Y＝(yi,j)∈RM×N中像素的灰度值等于预设灰度值的像素，本发明实施例定义为候选像素，预设灰度值设置为0和255。
S103，将候选像素作为中心点，统计自适应搜索窗口内是第一像素的数量，其中，第一像素为自适应搜索窗口内灰度值不等于预设灰度值的像素。
示例性的，以预设灰度值设置为0和255为例，假设确定出的候选像素为(a，b)，则以候选像素(a，b)作为中心点，利用自适应搜索窗口Si,j(W)范围内的第一像素的数量其中，第一像素为自适应搜索窗口Si,j(W)中灰度值既不等于0也不等于255的像素。
S104，基于第一像素的数量确定目标像素，其中，目标像素为待处理图像中的噪声像素。
具体地，在确定出第一像素的数量之后，通过第一像素的数量确定待处理图像中的噪声像素，即目标像素，需要说明的是，第一像素的数量表征了以候选像素(a，b)为中心点，自适应搜索窗口Si,j(W)范围内的非噪声像素的数量，根据像素分布原理，通常来说像素的平缓分布的，如果有突变，则表明是被噪声破坏了，因此通过非噪声像素的数量来进一步确定选出的候选像素是否为目标像素。
S105，利用待处理图像中无噪声像素的灰度平均值替换目标像素的灰度值，得到去噪后的待处理图像。
示例性地，在确定出目标像素为(a，b)之后，需要使用公式：
对目标像素进行去噪，其中，表示无噪声像素的灰度平均值，上述公式表明，在用无噪声像素的灰度平均值/>替换目标像素的灰度值之前，还需要确定第一像素的数量/>是否为0，若/>则灰度平均值/>为与目标像素(a，b)相邻三个像素的灰度平均值，即利用上述公式/>计算出相邻三个像素的灰度平均值，进而替换目标像素的灰度值Za,b，得到去噪后的待处理图像，其中，Za-1,b-1、Za-1,b、Za,b-1分别为与目标像素(a，b)相邻的三个像素的灰度值；若/>则灰度平均值为自适应搜索窗口Si,j(W)中全部无噪声像素的灰度平均值，即利用上述公式计算出全部无噪声像素的灰度平均值/>(W)，进而用/>替换目标像素的灰度值Zi,j，得到去噪后的待处理图像，其中，(e，f)为自适应搜索窗口Si,j(W)内的无噪声像素的坐标。
图2(a)是本发明实施例提供的被椒盐噪声破坏的待处理图像的示意图。图2(b)是本发明实施例提供的利用中值滤波去噪后的待处理图像的示意图。图2(c)是本发明实施例提供的利用图像去噪方法去噪后的待处理图像的示意图。表1是不同噪声强度下使用不同方法去噪后的待处理图像的峰值信噪比PSNR(Peak Signal to Noise Ratio)列表。
表1.待处理图像的峰值信噪比PSNR结果列表
噪声强度 噪声图像 中值滤波 自适应均值滤波器
0.1 15.44 26.65 44.94
0.2 12.42 25.99 41.22
0.3 10.68 25.43 38.71
0.4 9.42 24.82 36.75
0.5 8.46 23.54 34.75
由图2(a)-(c)可以清楚的看出，使用本发明实施例提供的图像去噪方法(即表1中所述的自适应均值滤波器)处理后的待处理图像更加清晰，由表1中的数据可以看出，本发明实施例提供自适应均值滤波器相比传统的中值滤波的去噪效果，其峰值信噪比更高，表明去噪效果更好，且在噪声强度较高时本发明实施例提供的自适应均值滤波器的去噪效果依然良好。
本发明实施例通过采用自适应搜索窗口来检测噪声像素，使得噪声像素被其相邻像素的组合所取代，解决了现有技术中使用中值滤波对椒盐噪声进行去噪时对高强度噪声去除效果不佳的技术问题，实现了有效去除图像中的椒盐噪声的技术效果。
在本发明上述各技术方案的基础上，图3是本发明实施例提供的另一种图像去噪方法的流程图，如图3所示，上述S102步骤具体包括：
S301，定义预设尺寸为以像素(i，j)为中心，窗口尺寸为(2W+1)×(2W+1)的自适应搜索窗口，其中，(i，j)为像素坐标，(i，j)∈(M，N)，M、N均为实数集R范围内的任意值，Wmax≥W≥1，W为预设窗口半径，Wmax为预设窗口半径最大值。
具体地，定义预设半径窗口为W的以(i，j)为中心的窗口尺寸为(2W+1)×(2W+1)的自适应搜索窗口Si,j(W)，其中，W为大于等于1的整数，W的最大值Wmax通常由实验经验设置，在本发明实施例中，优选Wmax＝7。
S302，利用预设的二值指示器在自适应搜索窗口范围内搜索待处理图像中的候选像素，当Oi,j＝1时表示点(i，j)为候选像素，其中，yi,j表示在位置(i，j)处像素的灰度值，Oi,j为二值指示器，Oi,j∈RM×N。
具体地，在设置好自适应搜索窗口的预设尺寸之后，利用二值指示器Oi,j来对自适应搜索窗口Si,j(W)内搜索出的候选像素进行标注，具体来说，当自适应搜索窗口Si,j(W)内的像素的灰度值为0或255时，即yi,j＝0或255时，二值指示器Oi,j标注为1，则其他灰度值不为0或255的像素被标注为0。
在本发明上述各技术方案的基础上，图4是本发明实施例提供的又一种图像去噪方法的流程图，如图4所示，上述S104步骤具体包括：
S401，判断第一像素的数量是否大于0。
具体地，在确定出第一像素的数量之后，首先判断第一像素的数量/>是否大于0，即判断自适应搜索窗口Si,j(W)范围内的非噪声像素的数量是否为0。
可选地，S401，判断第一像素的数量是否大于0包括：判断预设窗口半径为W的自适应搜索窗口内的第一像素的数量是否大于0；若否，则将预设窗口半径加一后继续判断预设窗口半径为W+1的自适应搜索窗口内的第一像素的数量是否大于0，直至预设窗口半径达到预设窗口半径最大值。
具体地，在判断第一像素的数量是否大于0时，首先判断预设窗口半径W的自适应搜索窗口内第一像素的数量/>是否大于0，若/>则将预设窗口半径W加1继续判断预设窗口半径为W+1的自适应搜索窗口内的第一像素的数量/>是否大于0，直至预设窗口半径W加至预设窗口半径最大值Wmax。
S402，若是，将候选像素确定为目标像素。
具体地，在上述自适应搜索窗口的预设窗口半径不断增大的过程中，若 则将候选像素(a，b)确认为目标像素。
S403，若否，则基于第二像素在自适应搜索窗口的比例值确定目标像素，其中，第二像素为自适应搜索窗口内与候选像素具有相同灰度值的像素。
具体地，在上述自适应搜索窗口的预设窗口半径不断增大的过程中，直至预设窗口半径增大至预设窗口半径最大值Wmax，第一像素的数量依然为0，则进一步通过自适应搜索窗口Si,j(W)内与候选像素(a，b)具有相同灰度值的像素的比例值来确定目标像素。显然，当/>时，表明此时以候选像素(a，b)为中心点的自适应搜索窗口Si,j(W)范围内不具有灰度值为0或255的像素，即不存在目标像素，为了防止漏掉被噪声破坏的像素，进一步计算自适应搜索窗口Si,j(W)范围内与候选像素(a，b)具有相同灰度值ya,b的像素所占的比例ρ，即第二像素在自适应搜索窗口Si,j(W)的比例值，以通过比例ρ来确定目标像素。
在本发明上述各技术方案的基础上，图5是本发明实施例提供的又一种图像去噪方法的流程图，如图5所示，上述S403步骤具体包括：
S501，计算第二像素在自适应搜索窗口所占的比例，得到第一占比。
具体地，利用公式计算第二像素在自适应搜索窗口Si,j(W)所占的比例，得到第一占比ρ，其中，ρ表示第一占比，/>表示自适应搜索窗口Si,j(W)中与候选像素(a，b)具有相同灰度值ya,b的像素的数量，(2W+1)×(2W+1)为自适应搜索窗口Si,j(W)的窗口尺寸。
S502，将第一占比与预设比例阈值进行对比。
具体地，在得到第一占比ρ之后，将第一占比ρ与预设比例阈值T进行对比，其中，预设比例阈值通常根据实验经验进设置，在本发明实施例中，将T设置为0.8。
S503，若第一占比小于或等于预设比例阈值，则将第二像素确定为目标像素。
具体地，若第一占比ρ小于或等于预设比例阈值T，ρ≤T，则将第二像素确定为目标像素，利用判别矩阵L＝(la,b)∈RM×N将其标记为la,b＝1，否则将其标记为la,b＝0。
在本发明上述各技术方案的基础上，图6是本发明实施例提供的又一种图像去噪方法的流程图，如图6所示，上述S105步骤具体包括：
S601，若第一像素的数量不等于0，则利用自适应搜索窗口中的无噪声像素的灰度平均值替换目标像素的灰度值。
具体地，用表示无噪声像素的灰度平均值，/>表示第一像素的数量，由于第一像素的数量不可能小于0，则当/>时即为/>此时使用自适应搜索窗口Si,j(W)中全部无噪声像素的灰度平均值来替换目标像素的灰度值，即利用公式计算出全部无噪声像素的灰度平均值/>进而用/>替换目标像素的灰度值Za,b，得到去噪后的待处理图像，其中，(e，f)为自适应搜索窗口Si,j(W)内的无噪声像素的坐标，ye,f为像素(e，f)的灰度值。
S602，若第一像素的数量等于0，则利用目标像素的相邻三个像素的灰度平均值替换目标像素的灰度值。
可选地，上述步骤S502，若第一像素的数量等于0，则利用目标像素的相邻三个像素的灰度平均值替换目标像素的灰度值包括：
若第一像素的数量等于0，则利用公式计算所述目标像素的相邻三个像素的灰度平均值，其中，(a，b)为所述目标像素，Za,b为所述目标像素的灰度值，Za-1,b-1、Za-1,b、Za,b-1分别为与所述目标像素相邻的三个像素的灰度值。
具体地，若第一像素的数量则灰度平均值/>为与目标像素(a，b)相邻三个像素的灰度平均值，即利用公式/>计算出相邻三个像素的灰度平均值，进而替换目标像素的灰度值Za,b，得到去噪后的待处理图像。
图7是本发明实施例提供的一种图像去噪装置的结构图，如图7所示，该图像去噪装置包括：
图像获取单元71，用于获取被椒盐噪声破坏的待处理图像；
候选像素确定单元72，用于定义预设尺寸的自适应搜索窗口，并利用自适应搜索窗口搜索待处理图像中的候选像素，其中，候选像素为待处理图像中灰度值等于预设灰度值的像素；
像素统计单元73，用于将候选像素作为中心点，统计自适应搜索窗口内是第一像素的数量，其中，第一像素为自适应搜索窗口内灰度值不等于预设灰度值的像素；
目标像素确定单元74，用于基于第一像素的数量确定目标像素，其中，目标像素为待处理图像中的噪声像素；
图像去噪单元75，用于利用待处理图像中无噪声像素的灰度平均值替换目标像素的灰度值，得到去噪后的待处理图像。
可选地，候选像素确定单元72包括：
窗口定义子单元，用于定义预设尺寸为以像素(i，j)为中心，窗口尺寸为(2W+1)×(2W+1)的自适应搜索窗口，其中，(i，j)为像素坐标，(i，j)∈(M，N)，M、N均为实数集R范围内的任意值，Wmax≥W≥1，W为预设窗口半径，Wmax为预设窗口半径最大值；
候选像素搜索子单元，用于利用预设的二值指示器在自适应搜索窗口范围内搜索待处理图像中的候选像素，当Oi,j＝1时表示点(i，j)为候选像素，其中，yi,j表示在位置(i，j)处像素的灰度值，Oi,j为二值指示器，Oi,j∈RM×N。
可选地，目标像素确定单元74具体用于：判断第一像素的数量是否大于0；若是，将候选像素确定为目标像素；若否，则基于第二像素在自适应搜索窗口的比例值确定目标像素，其中，第二像素为自适应搜索窗口内与候选像素具有相同灰度值的像素。
可选地，目标像素确定单元74在判断第一像素的数量是否大于0时具体用于：判断预设窗口半径为W的自适应搜索窗口内的第一像素的数量是否大于0；若否，则将预设窗口半径加一后继续判断预设窗口半径为W+1的自适应搜索窗口内的第一像素的数量是否大于0，直至预设窗口半径达到预设窗口半径最大值。
可选地，目标像素确定单元74在基于第二像素在自适应搜索窗口的比例值确定目标像素时具体用于：计算第二像素在自适应搜索窗口所占的比例，得到第一占比；将第一占比与预设比例阈值进行对比；若第一占比小于或等于预设比例阈值，则将第二像素确定为目标像素。
可选地，利图像去噪单元75包括：
第一像素替换子单元，用于若第一像素的数量不等于0，则利用自适应搜索窗口中的无噪声像素的灰度平均值替换目标像素的灰度值；
第二像素替换子单元，用于若第一像素的数量等于0，则利用目标像素的相邻三个像素的灰度平均值替换目标像素的灰度值。
可选地，第二像素替换子单元具体用于：若第一像素的数量等于0，则利用公式计算目标像素的相邻三个像素的灰度平均值，其中，(a，b)为目标像素，Za,b为目标像素的灰度值，Za-1,b-1、Za-1,b、Za,b-1分别为与目标像素相邻的三个像素的灰度值。
本发明实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。
本发明实施例提供的图像去噪装置，与上述实施例提供的图像去噪方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。
图8为本发明实施例提供的一种图像去噪设备的结构示意图，如图8所示，该图像去噪设备包括处理器81、存储器82、输入装置83和输出装置84；图像去噪设备中处理器81的数量可以是一个或多个，图8中以一个处理器81为例；图像去噪设备中的处理器81、存储器82、输入装置83和输出装置84可以通过总线或其他方式连接，图8中以通过总线连接为例。
存储器82作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的图像去噪方法对应的程序指令/模块(例如，图像去噪装置中的图像获取单元71，候选像素确定单元72、像素统计单元73、目标像素确定单元74以及图像去噪单元75)。处理器81通过运行存储在存储器82中的软件程序、指令以及模块，从而执行图像去噪设备的各种功能应用以及数据处理，即实现上述的图像去噪方法。
存储器82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；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器82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，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器82可进一步包括相对于处理器81远程设置的存储器，这些远程存储器可以通过网络连接至图像去噪设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置83可用于接收输入的数字或字符信息，以及产生与图像去噪设备的用户设置以及功能控制有关的键信号输入。输出装置84可包括显示屏等显示设备。
本发明实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种图像去噪方法。
具体地，该图像去噪方法包括：
获取被椒盐噪声破坏的待处理图像；
定义预设尺寸的自适应搜索窗口，并利用自适应搜索窗口搜索待处理图像中的候选像素，其中，候选像素为待处理图像中灰度值等于预设灰度值的像素；
将候选像素作为中心点，统计自适应搜索窗口内是第一像素的数量，其中，第一像素为自适应搜索窗口内灰度值不等于预设灰度值的像素；
基于第一像素的数量确定目标像素，其中，目标像素为待处理图像中的噪声像素；
利用待处理图像中无噪声像素的灰度平均值替换目标像素的灰度值，得到去噪后的待处理图像。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的图像去噪方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述搜索装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
最后应说明的是，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (7)

1.一种图像去噪方法，其特征在于，所述图像去噪方法包括：
获取被椒盐噪声破坏的待处理图像；
定义预设尺寸的自适应搜索窗口，并利用所述自适应搜索窗口搜索所述待处理图像中的候选像素，其中，所述候选像素为所述待处理图像中灰度值等于预设灰度值的像素；
将所述候选像素作为中心点，统计所述自适应搜索窗口内是第一像素的数量，其中，所述第一像素为所述自适应搜索窗口内灰度值不等于所述预设灰度值的像素；
基于所述第一像素的数量确定目标像素，其中，所述目标像素为所述待处理图像中的噪声像素；
利用所述待处理图像中无噪声像素的灰度平均值替换所述目标像素的灰度值，得到去噪后的所述待处理图像；
所述基于所述第一像素的数量确定目标像素包括：
判断所述第一像素的数量是否大于0；
若是，将所述候选像素确定为所述目标像素；
若否，则基于第二像素在所述自适应搜索窗口的比例值确定所述目标像素，其中，所述第二像素为所述自适应搜索窗口内与所述候选像素具有相同灰度值的像素；
所述判断所述第一像素的数量是否大于0包括：
判断预设窗口半径为W的所述自适应搜索窗口内的所述第一像素的数量是否大于0；
若否，则将所述预设窗口半径加一后继续判断所述预设窗口半径为W+1的所述自适应搜索窗口内的所述第一像素的数量是否大于0，直至所述预设窗口半径达到所述预设窗口半径最大值；
所述基于第二像素在所述自适应搜索窗口的比例值确定所述目标像素包括：
计算所述第二像素在所述自适应搜索窗口所占的比例，得到第一占比；
将所述第一占比与预设比例阈值进行对比；
若所述第一占比小于或等于所述预设比例阈值，则将所述第二像素确定为所述目标像素。
2.根据权利要求1所述的图像去噪方法，其特征在于，所述定义预设尺寸的自适应搜索窗口，并利用所述自适应搜索窗口搜索所述待处理图像中的候选像素包括：
定义预设尺寸为以像素(i，j)为中心，窗口尺寸为(2W+1)×(2W+1)的所述自适应搜索窗口，其中，(i，j)为像素坐标，(i，j)∈(M，N)，M、N均为实数集R范围内的任意值，Wmax≥W≥1，W为预设窗口半径，Wmax为预设窗口半径最大值；
利用预设的二值指示器在所述自适应搜索窗口范围内搜索所述待处理图像中的所述候选像素，当Oi,j＝1时表示点(i，j)为所述候选像素，其中，yi,j表示在位置(i，j)处像素的灰度值，Oi,j为所述二值指示器，Oi,j∈RM×N。
3.根据权利要求1所述的图像去噪方法，其特征在于，所述利用所述待处理图像中无噪声像素的灰度平均值替换所述目标像素的灰度值，得到去噪后的所述待处理图像包括：
若所述第一像素的数量不等于0，则利用所述自适应搜索窗口中的无噪声像素的灰度平均值替换所述目标像素的灰度值；
若所述第一像素的数量等于0，则利用所述目标像素的相邻三个像素的灰度平均值替换所述目标像素的灰度值。
4.根据权利要求3所述的图像去噪方法，其特征在于，所述若所述第一像素的数量等于0，则利用所述目标像素的相邻三个像素的灰度平均值替换所述目标像素的灰度值包括：
若所述第一像素的数量等于0，则利用公式计算所述目标像素的相邻三个像素的灰度平均值，其中，(a，b)为所述目标像素，Za,b为所述目标像素的灰度值，Za-1,b-1、Za-1,b、Za,b-1分别为与所述目标像素相邻的三个像素的灰度值。
5.一种图像去噪装置，其特征在于，所述图像去噪装置包括：
图像获取单元，用于获取被椒盐噪声破坏的待处理图像；
候选像素确定单元，用于定义预设尺寸的自适应搜索窗口，并利用所述自适应搜索窗口搜索所述待处理图像中的候选像素，其中，所述候选像素为所述待处理图像中灰度值等于预设灰度值的像素；
像素统计单元，用于将所述候选像素作为中心点，统计所述自适应搜索窗口内是第一像素的数量，其中，所述第一像素为所述自适应搜索窗口内灰度值不等于所述预设灰度值的像素；
目标像素确定单元，用于基于所述第一像素的数量确定目标像素，其中，所述目标像素为所述待处理图像中的噪声像素；
图像去噪单元，用于利用所述待处理图像中无噪声像素的灰度平均值替换所述目标像素的灰度值，得到去噪后的所述待处理图像；
所述目标像素确定单元具体用于：判断所述第一像素的数量是否大于0；若是，将所述候选像素确定为所述目标像素；若否，则基于第二像素在所述自适应搜索窗口的比例值确定所述目标像素，其中，所述第二像素为所述自适应搜索窗口内与所述候选像素具有相同灰度值的像素；
所述目标像素确定单元在判断所述第一像素的数量是否大于0时具体用于：判断预设窗口半径为W的所述自适应搜索窗口内的所述第一像素的数量是否大于0；若否，则将所述预设窗口半径加一后继续判断所述预设窗口半径为W+1的所述自适应搜索窗口内的所述第一像素的数量是否大于0，直至所述预设窗口半径达到所述预设窗口半径最大值；
目标像素确定单元在基于第二像素在所述自适应搜索窗口的比例值确定所述目标像素时具体用于：计算所述第二像素在所述自适应搜索窗口所占的比例，得到第一占比；将所述第一占比与预设比例阈值进行对比；若所述第一占比小于或等于所述预设比例阈值，则将所述第二像素确定为所述目标像素。
6.一种图像去噪设备，其特征在于，所述图像去噪设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4中任一所述的图像去噪方法。
7.一种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如权利要求1-4中任一所述的图像去噪方法。
CN202111042283.2A 2021-09-07 2021-09-07 一种图像去噪方法、装置和设备 Active CN113793277B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111042283.2A CN113793277B (zh) 2021-09-07 2021-09-07 一种图像去噪方法、装置和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111042283.2A CN113793277B (zh) 2021-09-07 2021-09-07 一种图像去噪方法、装置和设备

Publications (2)

Publication Number Publication Date
CN113793277A CN113793277A (zh) 2021-12-14
CN113793277B true CN113793277B (zh) 2024-04-26

Family

ID=78879601

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111042283.2A Active CN113793277B (zh) 2021-09-07 2021-09-07 一种图像去噪方法、装置和设备

Country Status (1)

Country Link
CN (1) CN113793277B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117455800B (zh) * 2023-12-22 2024-03-15 肥城新查庄地质勘查有限公司 基于计算机视觉的煤矿钻探定位方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103634537A (zh) * 2013-09-27 2014-03-12 中国人民解放军空军工程大学 一种高强度脉冲噪声滤除方法
CN103996177A (zh) * 2014-05-27 2014-08-20 武汉科技大学 一种无参考检测消除雪花噪声算法
CN104167005A (zh) * 2014-07-07 2014-11-26 浙江大学 一种基于相似度函数的自适应加权椒盐噪声滤波方法
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
KR20180085098A (ko) * 2017-01-16 2018-07-26 금오공과대학교 산학협력단 잡음 환경에서 주변 픽셀 값을 이용한 이미지 오류 완화 방법
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
CN111681174A (zh) * 2020-04-29 2020-09-18 西南电子技术研究所（中国电子科技集团公司第十研究所） 抑制椒盐/高斯混噪目标图像的联合滤波方法
CN112184594A (zh) * 2020-10-14 2021-01-05 哈尔滨工程大学 量子牧群机制自动演化pcnn的图像去噪方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103634537A (zh) * 2013-09-27 2014-03-12 中国人民解放军空军工程大学 一种高强度脉冲噪声滤除方法
CN103996177A (zh) * 2014-05-27 2014-08-20 武汉科技大学 一种无参考检测消除雪花噪声算法
CN104167005A (zh) * 2014-07-07 2014-11-26 浙江大学 一种基于相似度函数的自适应加权椒盐噪声滤波方法
KR20180085098A (ko) * 2017-01-16 2018-07-26 금오공과대학교 산학협력단 잡음 환경에서 주변 픽셀 값을 이용한 이미지 오류 완화 방법
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
CN111681174A (zh) * 2020-04-29 2020-09-18 西南电子技术研究所（中国电子科技集团公司第十研究所） 抑制椒盐/高斯混噪目标图像的联合滤波方法
CN112184594A (zh) * 2020-10-14 2021-01-05 哈尔滨工程大学 量子牧群机制自动演化pcnn的图像去噪方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
一种基于椒盐噪声的自适应加权均值滤波算法;张培轩;《中国优秀硕士学位论文全文数据库 (信息科技辑)》;20151215(第12期);第6-35页 *
一种窗口自适应的去椒盐噪声滤波算法;沈德海，等;《现代电子技术》;20150401;第38卷(第7期);第89-91页 *
去除高密度椒盐噪声的自适应加权均值滤波算法;查兵，等;《池州学院学报》;20201228;第34卷(第6期);第43-45页 *
高密度椒盐噪声的多方向加权均值滤波;江巨浪，等;《计算机工程与应用》;20151124;第52卷(第6期);第204-208页 *

Also Published As

Publication number Publication date
CN113793277A (zh) 2021-12-14

Similar Documents

Publication Publication Date Title
CN109658424B (zh) 一种改进的鲁棒二维otsu阈值图像分割方法
WO2006055693A2 (en) System and method for a vector difference mean filter for noise suppression
CN111709883B (zh) 一种图像检测方法、装置及设备
CN112150371B (zh) 图像降噪方法、装置、设备及存储介质
CN110390643B (zh) 一种车牌增强方法、装置及电子设备
CN112734674A (zh) 一种图像去噪声的方法
CN111183630B (zh) 一种智能终端的照片处理方法及处理装置
CN110796624B (zh) 一种图像生成方法、装置及电子设备
CN110930313A (zh) 在fpga中实现图像双边滤波的方法和装置、fpga
CN113793277B (zh) 一种图像去噪方法、装置和设备
CN111882565B (zh) 一种图像二值化方法、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
CN115619683A (zh) 图像处理方法、装置、设备、存储介质和计算机程序产品
CN110942435B (zh) 一种文档图像处理的方法和装置
WO2022016326A1 (zh) 图像处理方法、电子设备和计算机可读介质
CN115578294B (zh) 图像增强方法、装置、设备及存储介质
Nair et al. An efficient adaptive weighted switching median filter for removing high density impulse noise
US7961930B2 (en) Recursive image filtering
CN113298723A (zh) 视频处理方法、装置、电子设备及计算机存储介质
CN113570507A (zh) 一种图像降噪方法、装置、设备及存储介质
CN111754413A (zh) 图像处理方法、装置、设备及存储介质
Mandal et al. Image filtering using all neighbor directional weighted pixels: optimization using particle swarm optimization
CN112200730B (zh) 图像滤波处理方法、装置、设备及存储介质
Jin et al. An approach to remove impulse noise from a corrupted image
CN113470028A (zh) 染色体核型图像质量评估方法、染色体分析仪和存储介质

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