CN115293993B - 一种滤除椒盐噪声的采样方法及系统 - Google Patents
一种滤除椒盐噪声的采样方法及系统 Download PDFInfo
- Publication number
- CN115293993B CN115293993B CN202211194444.4A CN202211194444A CN115293993B CN 115293993 B CN115293993 B CN 115293993B CN 202211194444 A CN202211194444 A CN 202211194444A CN 115293993 B CN115293993 B CN 115293993B
- Authority
- CN
- China
- Prior art keywords
- noise
- pepper
- salt
- image
- 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.)
- Active
Links
- 239000006002 Pepper Substances 0.000 title claims abstract description 106
- 150000003839 salts Chemical class 0.000 title claims abstract description 96
- 235000002566 Capsicum Nutrition 0.000 title claims abstract description 91
- 235000016761 Piper aduncum Nutrition 0.000 title claims abstract description 91
- 235000017804 Piper guineense Nutrition 0.000 title claims abstract description 91
- 235000008184 Piper nigrum Nutrition 0.000 title claims abstract description 91
- 238000005070 sampling Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000001914 filtration Methods 0.000 title claims abstract description 33
- 244000203593 Piper nigrum Species 0.000 title 1
- 241000722363 Piper Species 0.000 claims abstract description 90
- 238000001514 detection method Methods 0.000 claims abstract description 37
- 230000006870 function Effects 0.000 claims description 27
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000000926 separation method Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract description 5
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006386 memory function Effects 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
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- 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)
Abstract
本发明提供了一种滤除椒盐噪声的采样方法及系统，使用检测器对图像进行检测，从图像中得到噪声像素点；将噪声像素点当作缺失数据，并以噪声像素点为中心的检测窗内的非噪声像素点进行处理，得到椒盐曲面；以噪声像素点的空间坐标对椒盐曲面进行重开关采样，得到噪声像素点的去椒盐值，实现了以低成本修复图像噪声的有益效果。
Description
技术领域
本发明属于数据处理领域，具体涉及一种滤除椒盐噪声的采样方法及系统。
背景技术
数字图像在传输过程中容易受到椒盐噪声的污染，从而导致图像质量的下降，不利于感兴趣目标的提取及其它相关的应用。因此，如何高效地滤除椒盐噪声，同时有效地保护图像的细节信息成为图像处理领域一个重要的基本问题。为此，众多降噪方法被提出用于滤除图像中的椒盐噪声，然而效果都不甚理想。
发明内容
本发明的目的在于提出一种滤除椒盐噪声的采样方法及系统，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。
本发明提供了一种滤除椒盐噪声的采样方法及系统，使用检测器对图像进行检测，从图像中得到噪声像素点；将噪声像素点当作缺失数据，并以噪声像素点为中心的检测窗内的非噪声像素点进行处理，得到椒盐曲面；以噪声像素点的空间坐标对椒盐曲面进行重开关采样，得到噪声像素点的去椒盐值。
为了实现上述目的，根据本发明的一方面，提供一种滤除椒盐噪声的采样方法，所述方法包括以下步骤：
S100，使用检测器，对图像进行检测，从图像中得到噪声像素点；
S200，将噪声像素点当作缺失数据，并以噪声像素点为中心的检测窗内的非噪声像素点进行处理，得到椒盐曲面；
S300，以噪声像素点的空间坐标对椒盐曲面进行重开关采样，得到噪声像素点的去椒盐值。
进一步地，在S100中，使用检测器，对图像进行检测，从图像中得到噪声像素点的方法为：
对所述图像进行归一化与灰度化处理；
设置滑动的检测窗口（即滑动窗口）为W， W在所述图像中从一个初始位置开始滑动以遍历整个图像，以此得到其中的噪声像素点，具体为：记录检测窗口在初始位置中最大的像素值的数值作为MaxinW，记录检测窗口在初始位置中最小的像素值的数值作为MininW；在W的移动过程中，当W不处于所述初始位置，获取W在当前位置中最大的像素值的数值作为MaxW，获取W在当前位置中最小的像素值的数值作为MinW，并判断MaxW是否大于MaxinW，若是则将MaxW的数值赋值予MaxinW，同时判断MinW是否大于MininW，若是则将MinW的数值赋值予MininW，再将W在当前位置中的像素值等于MaxinW或者等于MininW的像素点标记为噪声像素点，非噪声像素点表示未被标记为噪声像素点的像素点；W在所述图像中滑动以遍历整个图像的像素点最后回到所述初始位置。
进一步地，在S200中，将噪声像素点当作缺失数据，并以噪声像素点为中心的检测窗内的非噪声像素点进行处理，得到椒盐曲面的方法为：
记函数ß()为椒盐曲面函数，椒盐曲面函数随着检测窗口在图像上滑动，椒盐曲面函数的计算过程具体为：
获取在检测窗口内的非噪声像素点作为集合pset，pset中元素的数量为m，pset中元素的序号为i，i∈[1,m]，pset中序号为i的元素的像素值为p(i)；
获取在检测窗口内的噪声像素点作为集合qset，qset中元素的数量为n，qset中元素的序号为j，j∈[1,n]，qset中序号为j的元素的像素值为q(j)；
椒盐曲面函数的输入为pset和qset，（pset和qset皆不为空，）椒盐曲面函数的输出为一个大小为n的集合rset，rset中元素的序号与qset的序号保持一致为j，rset中序号为j的元素为r(j)，r(j)的计算公式为：
其中，函数f()为椒盐分离函数，f(q(j),p(i))= exp(q(j))/exp(p(i))，Ae(j,i)为r(j)在序号为i的维度上的噪声增度；
（在过去的现有方法中，对椒盐噪声的检测以及筛除往往伴随着图像数据某一部分的损失，而本方法所述的椒盐曲面可以同时作为一个筛选性的向量，在对图像矩阵总体数值分布通过滑动窗口的随机过程进行抽象并重新提取，在不损图像任何像素值的前提下，不仅可以快速地将噪声点同时进行分离，而且所述椒盐曲面还可用作对被椒盐噪声所污染的图像的像素点进行快速的修复，有利于恢复图像的清晰度；）
则有ß(pset, qset)=[r(j), j∈[1,n] ]，其中，r(j)对应qset中序号为j的元素在图像中的坐标，至此，rset即为所述椒盐曲面，rset为由n个带有在图像中的坐标的数值组成的数组。
进一步地，在S200中，所述噪声增度的计算方法为：
首先，获取所述检测窗口内的椒盐分离矩阵，记椒盐分离矩阵为Fmat，
椒盐分离矩阵中行的数量与pset中元素的数量相同，椒盐分离矩阵中列的数量与qset中元素的数量相同，Fmat为m行n列的矩阵，Fmat中行的序号为i，Fmat中列的序号为j，Fmat中行序号为i列序号为j的元素记作Fmat(i,j)；r(j)在序号为i的维度上的噪声增度Ae(j,i)的计算方法为，先取Fmat中序号为j的列中各元素的算术平均数，再取Fmat中序号为i的行中各元素的算术平均数，然后取Fmat中序号为j的列中各元素的算术平均数与序号为i的行中各元素的算术平均数相乘的积作为Ae(j,i)的数值；（椒盐分离矩阵通过对检测窗口内的数值进行计算，在各非噪声像素点与各噪声像素点进行m维乘n维的维度张开，使得张开后的概率分布特征与跨维度间的线性关系得以呈现为显性的状态，再计算各行列算术平均数相乘的积，以此提取出跨维度间的线性关系，使得噪声数据的特异点足以被识别和筛除，而非噪声像素点与各噪声像素点的线性关系得以用于图像的修复）。
进一步地，在S300中，以噪声像素点的空间坐标对椒盐曲面进行重开关采样，得到噪声像素点的去椒盐值的方法为：
计算所述集合pset中各元素的像素值的平均值为q(avg)，则qset中序号为j的元素在图像上对应的噪声像素点的去椒盐值为s(j)，其中s(j)= q(avg)* r(j)，再将s(j)的数值作为qset中序号为j的元素在图像上对应的噪声像素点的新的像素值。
本发明还提供了一种滤除椒盐噪声的采样系统，所述一种滤除椒盐噪声的采样系统包括：处理器、存储器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时实现所述一种滤除椒盐噪声的采样方法中的步骤，所述一种滤除椒盐噪声的采样系统可以运行于桌上型计算机、笔记本电脑、掌上电脑及云端数据中心等计算设备中，可运行的系统可包括，但不仅限于，处理器、存储器、服务器集群，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：
噪声像素点检测单元，用于使用检测器，对图像进行检测，从图像中得到噪声像素点；
椒盐曲面计算单元，用于将噪声像素点当作缺失数据，并以噪声像素点为中心的检测窗内的非噪声像素点进行处理，得到椒盐曲面；
重开关采样单元，用于以噪声像素点的空间坐标对椒盐曲面进行重开关采样，得到噪声像素点的去椒盐值。
本发明的有益效果为：本发明提供了一种滤除椒盐噪声的采样方法及系统，使用检测器对图像进行检测，从图像中得到噪声像素点；将噪声像素点当作缺失数据，并以噪声像素点为中心的检测窗内的非噪声像素点进行处理，得到椒盐曲面；以噪声像素点的空间坐标对椒盐曲面进行重开关采样，得到噪声像素点的去椒盐值，实现了以低成本修复图像噪声的有益效果。
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所示为一种滤除椒盐噪声的采样方法的流程图；
图2所示为一种滤除椒盐噪声的采样系统的系统结构图。
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。
在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
如图1所示为根据本发明的一种滤除椒盐噪声的采样方法的流程图，下面结合图1来阐述根据本发明的实施方式的一种滤除椒盐噪声的采样方法及系统。
本发明提出一种滤除椒盐噪声的采样方法，所述方法具体包括以下步骤：
S100，使用检测器，对图像进行检测，从图像中得到噪声像素点；
S200，将噪声像素点当作缺失数据，并以噪声像素点为中心的检测窗内的非噪声像素点进行处理，得到椒盐曲面；
S300，以噪声像素点的空间坐标对椒盐曲面进行重开关采样，得到噪声像素点的去椒盐值。
进一步地，在S100中，使用检测器，对图像进行检测，从图像中得到噪声像素点的方法为：
对所述图像进行归一化与灰度化处理；
其中，优选地，所述检测器可为中值滤波器，用于处理椒盐噪声；
设置滑动的检测窗口（即滑动窗口）为W， W在所述图像中从一个初始位置开始滑动以遍历整个图像，以此得到其中的噪声像素点，具体为：记录检测窗口在初始位置中最大的像素值的数值作为MaxinW，记录检测窗口在初始位置中最小的像素值的数值作为MininW；在W的移动过程中，当W不处于所述初始位置，获取W在当前位置中最大的像素值的数值作为MaxW，获取W在当前位置中最小的像素值的数值作为MinW，并判断MaxW是否大于MaxinW，若是则将MaxW的数值赋值予MaxinW，同时判断MinW是否大于MininW，若是则将MinW的数值赋值予MininW，再将W在当前位置中的像素值等于MaxinW或者等于MininW的像素点标记为噪声像素点，非噪声像素点表示未被标记为噪声像素点的像素点；W在所述图像中滑动以遍历整个图像的像素点最后回到所述初始位置。
进一步地，在S200中，将噪声像素点当作缺失数据，并以噪声像素点为中心的检测窗内的非噪声像素点进行处理，得到椒盐曲面的方法为：
记函数ß()为椒盐曲面函数，椒盐曲面函数随着检测窗口在图像上滑动，椒盐曲面函数的计算过程具体为：
获取在检测窗口内的非噪声像素点作为集合pset，pset中元素的数量为m，pset中元素的序号为i，i∈[1,m]，pset中序号为i的元素的像素值为p(i)；
获取在检测窗口内的噪声像素点作为集合qset，qset中元素的数量为n，qset中元素的序号为j，j∈[1,n]，qset中序号为j的元素的像素值为q(j)；
椒盐曲面函数的输入为pset和qset，pset和qset皆不为空，椒盐曲面函数的输出为一个大小为n的集合rset，rset中元素的序号与qset的序号保持一致为j，rset中序号为j的元素为r(j)，r(j)的计算公式为：
其中，函数f()为椒盐分离函数，f(q(j),p(i))= exp(q(j))/exp(p(i))，Ae(j,i)为r(j)在序号为i的维度上的噪声增度；
则有ß(pset, qset)=[r(j), j∈[1,n] ]，其中，r(j)对应qset中序号为j的元素在图像中的坐标，即rset为由n个带有在图像中的坐标的数值组成的集合。
进一步地，在S200中，所述噪声增度的计算方法为：
首先，获取所述检测窗口内的椒盐分离矩阵，记椒盐分离矩阵为Fmat，
椒盐分离矩阵中行的数量与pset中元素的数量相同，椒盐分离矩阵中列的数量与qset中元素的数量相同，Fmat为m行n列的矩阵，Fmat中行的序号为i，Fmat中列的序号为j，Fmat中行序号为i列序号为j的元素记作Fmat(i,j)；r(j)在序号为i的维度上的噪声增度Ae(j,i)的计算方法为，先取Fmat中序号为j的列中各元素的算术平均数，再取Fmat中序号为i的行中各元素的算术平均数，然后取Fmat中序号为j的列中各元素的算术平均数与序号为i的行中各元素的算术平均数相乘的积作为Ae(j,i)的数值。
进一步地，在S300中，以噪声像素点的空间坐标对椒盐曲面进行重开关采样，得到噪声像素点的去椒盐值的方法为：
计算所述集合pset中各元素的像素值的平均值为q(avg)，则qset中序号为j的元素在图像上对应的噪声像素点的去椒盐值为s(j)，其中s(j)= q(avg)* r(j)，再将s(j)的数值作为qset中序号为j的元素在图像上对应的噪声像素点的新的像素值。
所述一种滤除椒盐噪声的采样系统包括：处理器、存储器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时实现上述一种滤除椒盐噪声的采样方法实施例中的步骤，所述一种滤除椒盐噪声的采样系统可以运行于桌上型计算机、笔记本电脑、掌上电脑及云端数据中心等计算设备中，可运行的系统可包括，但不仅限于，处理器、存储器、服务器集群。
本发明的实施例提供的一种滤除椒盐噪声的采样系统，如图2所示，该实施例的一种滤除椒盐噪声的采样系统包括：处理器、存储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时实现上述一种滤除椒盐噪声的采样方法实施例中的步骤，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：
噪声像素点检测单元，用于使用检测器，对图像进行检测，从图像中得到噪声像素点；
椒盐曲面计算单元，用于将噪声像素点当作缺失数据，并以噪声像素点为中心的检测窗内的非噪声像素点进行处理，得到椒盐曲面；
重开关采样单元，用于以噪声像素点的空间坐标对椒盐曲面进行重开关采样，得到噪声像素点的去椒盐值。
其中，优选地，本发明中所有未定义的变量，若未有明确定义，均可为人工设置的阈值。
所述一种滤除椒盐噪声的采样系统可以运行于桌上型计算机、笔记本电脑、掌上电脑及云端数据中心等计算设备中。所述一种滤除椒盐噪声的采样系统包括，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滤除椒盐噪声的采样方法及系统的示例，并不构成对一种滤除椒盐噪声的采样方法及系统的限定，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，例如所述一种滤除椒盐噪声的采样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)、现场可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立元器件门电路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滤除椒盐噪声的采样系统的控制中心，利用各种接口和线路连接整个一种滤除椒盐噪声的采样系统的各个分区域。
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，实现所述一种滤除椒盐噪声的采样方法及系统的各种功能。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。
本发明提供了一种滤除椒盐噪声的采样方法及系统，使用检测器对图像进行检测，从图像中得到噪声像素点；将噪声像素点当作缺失数据，并以噪声像素点为中心的检测窗内的非噪声像素点进行处理，得到椒盐曲面；以噪声像素点的空间坐标对椒盐曲面进行重开关采样，得到噪声像素点的去椒盐值，实现了以低成本修复图像噪声的有益效果。
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，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 (3)
1.一种滤除椒盐噪声的采样方法，其特征在于，所述方法包括以下步骤：
S100，使用检测器，对图像进行检测，从图像中得到噪声像素点；
S200，将噪声像素点当作缺失数据，并以噪声像素点为中心的检测窗内的非噪声像素点进行处理，得到椒盐曲面；
S300，以噪声像素点的空间坐标对椒盐曲面进行重开关采样，得到噪声像素点的去椒盐值；
其中，在S100中，使用检测器，对图像进行检测，从图像中得到噪声像素点的方法为：
对所述图像进行归一化与灰度化处理；
设置滑动的检测窗口为W， W在所述图像中从一个初始位置开始滑动以遍历整个图像，以此得到其中的噪声像素点，具体为：记录检测窗口在初始位置中最大的像素值的数值作为MaxinW，记录检测窗口在初始位置中最小的像素值的数值作为MininW；在W的移动过程中，当W不处于所述初始位置，获取W在当前位置中最大的像素值的数值作为MaxW，获取W在当前位置中最小的像素值的数值作为MinW，并判断MaxW是否大于MaxinW，若是则将MaxW的数值赋值予MaxinW，同时判断MinW是否大于MininW，若是则将MinW的数值赋值予MininW，再将W在当前位置中的像素值等于MaxinW或者等于MininW的像素点标记为噪声像素点，非噪声像素点表示未被标记为噪声像素点的像素点；W在所述图像中滑动以遍历整个图像的像素点最后回到所述初始位置；
在S200中，将噪声像素点当作缺失数据，并以噪声像素点为中心的检测窗内的非噪声像素点进行处理，得到椒盐曲面的方法为：
记函数ß()为椒盐曲面函数，椒盐曲面函数随着检测窗口在图像上滑动，椒盐曲面函数的计算过程具体为：
获取在检测窗口内的非噪声像素点作为集合pset，pset中元素的数量为m，pset中元素的序号为i，i∈[1,m]，pset中序号为i的元素的像素值为p(i)；
获取在检测窗口内的噪声像素点作为集合qset，qset中元素的数量为n，qset中元素的序号为j，j∈[1,n]，qset中序号为j的元素的像素值为q(j)；
椒盐曲面函数的输入为pset和qset，椒盐曲面函数的输出为一个大小为n的集合rset，rset中元素的序号与qset的序号保持一致为j，rset中序号为j的元素为r(j)，r(j)的计算公式为：
其中，函数f()为椒盐分离函数，f(q(j),p(i))= exp(q(j))/exp(p(i))，Ae(j,i)为r(j)在序号为i的维度上的噪声增度；
则有ß(pset, qset)=[r(j), j∈[1,n] ]，其中，r(j)对应qset中序号为j的元素在图像中的坐标，即rset为由n个带有在图像中的坐标的数值组成的集合；
其中，在S200中，所述噪声增度的计算方法为：
首先，获取所述检测窗口内的椒盐分离矩阵，记椒盐分离矩阵为Fmat，
椒盐分离矩阵中行的数量与pset中元素的数量相同，椒盐分离矩阵中列的数量与qset中元素的数量相同，Fmat为m行n列的矩阵，Fmat中行的序号为i，Fmat中列的序号为j，Fmat中行序号为i列序号为j的元素记作Fmat(i,j)；r(j)在序号为i的维度上的噪声增度Ae(j,i)的计算方法为，先取Fmat中序号为j的列中各元素的算术平均数，再取Fmat中序号为i的行中各元素的算术平均数，然后取Fmat中序号为j的列中各元素的算术平均数与序号为i的行中各元素的算术平均数相乘的积作为Ae(j,i)的数值。
2.根据权利要求1所述的一种滤除椒盐噪声的采样方法，其特征在于，在S300中，以噪声像素点的空间坐标对椒盐曲面进行重开关采样，得到噪声像素点的去椒盐值的方法为：
计算所述集合pset中各元素的像素值的平均值为q(avg)，则qset中序号为j的元素在图像上对应的噪声像素点的去椒盐值为s(j)，其中s(j)= q(avg)* r(j)，再将s(j)的数值作为qset中序号为j的元素在图像上对应的噪声像素点的新的像素值。
3.一种滤除椒盐噪声的采样系统，其特征在于，所述一种滤除椒盐噪声的采样系统包括：处理器、存储器及存储在所述存储器中并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时实现权利要求1-2中任一项所述的一种滤除椒盐噪声的采样方法中的步骤，所述一种滤除椒盐噪声的采样系统运行于桌上型计算机、笔记本电脑、掌上电脑或云端数据中心的计算设备中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211194444.4A CN115293993B (zh) | 2022-09-29 | 2022-09-29 | 一种滤除椒盐噪声的采样方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211194444.4A CN115293993B (zh) | 2022-09-29 | 2022-09-29 | 一种滤除椒盐噪声的采样方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115293993A CN115293993A (zh) | 2022-11-04 |
| CN115293993B true CN115293993B (zh) | 2022-12-16 |
Family
ID=83834321
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211194444.4A Active CN115293993B (zh) | 2022-09-29 | 2022-09-29 | 一种滤除椒盐噪声的采样方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115293993B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115994858B (zh) * | 2023-03-24 | 2023-06-06 | 广东海洋大学 | 一种超分辨率图像重建方法及系统 |
| CN117132423B (zh) * | 2023-08-22 | 2024-04-12 | 深圳云创友翼科技有限公司 | 园区管理系统 |
Citations (1)
| 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 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111242137B (zh) * | 2020-01-13 | 2023-05-26 | 江西理工大学 | 一种基于形态成分分析的椒盐噪声滤波方法、装置 |
| CN114037635A (zh) * | 2021-11-26 | 2022-02-11 | 成都微光集电科技有限公司 | 一种图像混合去噪方法、装置、电子设备和介质 |
-
2022
- 2022-09-29 CN CN202211194444.4A patent/CN115293993B/zh active Active
Patent Citations (1)
| 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 |
Non-Patent Citations (1)
| Title |
|---|
| 滤除椒盐噪声的开关核回归拟合算法;余应淮 等;《计算机应用》;20171010;第37卷(第10期);第2921-2925页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115293993A (zh) | 2022-11-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115293993B (zh) | 一种滤除椒盐噪声的采样方法及系统 | |
| JP2940501B2 (ja) | ドキュメント分類装置及び方法 | |
| JP6748380B2 (ja) | Ｉｈｃ画像解析用の自動化された核の面積／数の推定 | |
| US9697442B2 (en) | Object detection in digital images | |
| US10769784B2 (en) | Image analyzing method and electrical device | |
| WO2022000861A1 (zh) | 图像篡改区域的定位方法、装置及存储介质 | |
| CN110708568B (zh) | 一种视频内容突变检测方法及装置 | |
| CN112233051B (zh) | 一种中值滤波方法、中值滤波装置和计算机可读存储介质 | |
| CN112668577A (zh) | 大尺度图像中目标物体的检测方法、终端及装置 | |
| WO2019012365A1 (en) | RAPID AND PROGRESSIVE APPROACH FOR SUPERVOXEL-BASED SPATIOTEMPORAL VIDEO SEGMENTATION | |
| Chen et al. | Two-pass bilateral smooth filtering for remote sensing imagery | |
| CN109800215B (zh) | 一种对标处理的方法、装置、计算机存储介质及终端 | |
| CN109255311B (zh) | 一种基于图像的信息识别方法及系统 | |
| CN113012058A (zh) | 一种眼部图像噪声去除方法及系统 | |
| EP2330556A2 (en) | Methods of representing and analysing images | |
| CN113191990B (zh) | 一种图像处理方法、装置、电子设备及介质 | |
| KR101853211B1 (ko) | 모바일 gpu 환경에서 차영상 정보를 이용한 sift 알고리즘의 복잡도 감소 기법 | |
| CN112967321A (zh) | 运动目标的检测方法、装置、终端设备及存储介质 | |
| CN110647796A (zh) | 一种虹膜识别方法及装置 | |
| CN114596210A (zh) | 噪声估计方法、装置、终端设备及计算机可读存储介质 | |
| CN111277729B (zh) | 视频图像的处理方法、装置及电子设备 | |
| CN115994858B (zh) | 一种超分辨率图像重建方法及系统 | |
| CN116563170B (zh) | 一种图像数据处理方法、系统以及电子设备 | |
| CN110826497B (zh) | 一种基于最小距离法的车辆排重方法、装置及存储介质 | |
| Šurkala et al. | Layered mean shift methods |
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 |