CN115330612A - 基于自适应中值滤波的辐照图像去噪方法和系统 - Google Patents
基于自适应中值滤波的辐照图像去噪方法和系统 Download PDFInfo
- Publication number
- CN115330612A CN115330612A CN202210934496.4A CN202210934496A CN115330612A CN 115330612 A CN115330612 A CN 115330612A CN 202210934496 A CN202210934496 A CN 202210934496A CN 115330612 A CN115330612 A CN 115330612A
- Authority
- CN
- China
- Prior art keywords
- value
- irradiation image
- gray
- gray value
- irradiation
- 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
- 238000001914 filtration Methods 0.000 title claims abstract description 85
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000015556 catabolic process Effects 0.000 claims abstract description 31
- 238000006731 degradation reaction Methods 0.000 claims abstract description 31
- 230000000694 effects Effects 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000005855 radiation Effects 0.000 abstract description 12
- 239000002245 particle Substances 0.000 abstract description 2
- 230000003471 anti-radiation Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 6
- 235000002566 Capsicum Nutrition 0.000 description 4
- 239000006002 Pepper Substances 0.000 description 4
- 241000722363 Piper Species 0.000 description 4
- 235000016761 Piper aduncum Nutrition 0.000 description 4
- 235000017804 Piper guineense Nutrition 0.000 description 4
- 235000008184 Piper nigrum Nutrition 0.000 description 4
- 150000003839 salts Chemical class 0.000 description 4
- 230000006870 function Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000002054 transplantation Methods 0.000 description 1
Images
Classifications
-
- G06T5/70—
-
- 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 by the use of local operators
-
- G06T5/90—
-
- 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
- G06T2207/20004—Adaptive image processing
-
- 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
本发明涉及一种基于自适应中值滤波的辐照图像去噪方法和系统,包括以下步骤:获取辐照图像;对辐照图像进行分析,获得辐照图像的噪声退化特征;计算自适应中值滤波后的像素值;根据自适应中值滤波后的像素值进行去噪处理,获得辐照图像的复原效果图。本发明能够有效解决耐辐照加固摄像机辐照图像的噪声退化问题,获得理想的复原效果,对辐射环境下辐照图像中存在的颗粒大小随机、密度分布随机的噪点具有很好的滤除效果,同时,在去除噪声的同时,尽可能保存了辐照图像中原有的细节信息。
Description
技术领域
本发明涉及辐照图像处理的领域,更具体地说,涉及一种基于自适应中值滤波的辐照图像去噪方法和系统。
背景技术
辐照环境具有高放射性,会造成传感器等电子元器件性能退化。在图像的获取、转换与传输过程中,受到硬件系统自身因素与外界辐照环境的影响,获取到的图像信息会包含一些随机、离散或孤立的图像噪声。
目前常见的方法是采用图像处理算法消除非均匀照度影响。常用的方法包括直方图均衡法,Retinex算法,基于深度总面积神经网络算法等。
以上方法的实现,特别是复杂算法的实现,都是采用高性能处理器+移植图像处理库的方式,虽然处理效果较好,但其硬件设备无法达到辐照区域的使用要求,故障率极高。
发明内容
本发明要解决的技术问题在于,针对现有技术的缺陷,提供一种基于自适应中值滤波的辐照图像去噪方法和系统。
本发明解决其技术问题所采用的技术方案是:构造一种基于自适应中值滤波的辐照图像去噪方法,包括以下步骤:
获取辐照图像;
对所述辐照图像进行分析,获得所述辐照图像的噪声退化特征;
计算自适应中值滤波后的像素值;
根据所述自适应中值滤波后的像素值进行去噪处理,获得所述辐照图像的复原效果图。
在本发明所述的基于自适应中值滤波的辐照图像去噪方法中,所述获取辐照图像包括:
拍摄辐照视频;
对所述辐照视频进行图像截取,获取所述辐照图像。
在本发明所述的基于自适应中值滤波的辐照图像去噪方法中,所述对所述辐照图像进行分析,获得所述辐照图像的噪声退化特征包括:
统计所述辐照图像的噪声的概率密度分布;
根据所述概率密度分布结果,获得所述辐照图像的噪声退化特征。
在本发明所述的基于自适应中值滤波的辐照图像去噪方法中,所述根据所述噪声退化特征,计算自适应中值滤波后的像素值包括:
对滤波器进行初始化;
计算所述滤波器的当前尺寸;
判断所述滤波器的当前尺寸是否大于阈值;
若是,输出自适应中值滤波后的像素值;
若否,根据所述滤波器计算所述辐照图像的灰度值,并根据所述辐照图像的灰度值进行自适应中值滤波处理。
在本发明所述的基于自适应中值滤波的辐照图像去噪方法中,所述对滤波器进行初始化包括:
将所述滤波器区域内所述辐照图像的区域坐标处的灰度值表示为区域灰度值;
确定所述滤波器的初始尺寸,并使所述滤波器的中心点位于所述辐照图像的区域坐标处;
确定所述滤波器的最大尺寸。
在本发明所述的基于自适应中值滤波的辐照图像去噪方法中,所述辐照图像的灰度值包括:灰度最小值、灰度最大值和灰度中值;
所述根据所述滤波器计算所述辐照图像的灰度值,并根据所述辐照图像的灰度值进行自适应中值滤波处理包括:
根据所述滤波器计算所述辐照图像的灰度最小值、所述辐照图像的灰度最大值和所述辐照图像的灰度中值;
根据所述灰度最小值、所述灰度最大值和所述灰度中值的大小进行比对判断,并根据比对判断结果进行自适应中值滤波处理。
在本发明所述的基于自适应中值滤波的辐照图像去噪方法中,所述根据所述灰度最小值、所述灰度最大值和所述灰度中值的大小进行比对判断,并根据比对判断结果进行自适应中值滤波处理包括:
判断所述灰度最小值、所述灰度中值和所述灰度最大值是否满足第一条件;
若是,判断所述灰度最小值、所述区域灰度值和所述灰度最大值是否满足第二条件;
若所述灰度最小值、所述区域灰度值和所述灰度最大值满足第二条件,则确定所述区域灰度值为所述自适应中值滤波后的像素值并输出,否则,确定所述灰度中值为所述自适应中值滤波后的像素值并输出。
在本发明所述的基于自适应中值滤波的辐照图像去噪方法中,所述方法还包括:
若所述灰度最小值、所述灰度中值和所述灰度最大值不满足所述第一条件,则增大所述滤波器的尺寸并重新计算。
在本发明所述的基于自适应中值滤波的辐照图像去噪方法中,所述第一条件为:
所述灰度最小值小于所述灰度中值、且所述灰度中值小于所述灰度最大值;
所述第二条件为:所述灰度最小值小于所述区域灰度值、且所述区域灰度值小于所述灰度最大值。
本发明还提供一种基于自适应中值滤波的辐照图像去噪系统,包括:
获取单元,用于获取辐照图像;
分析单元,用于对所述辐照图像进行分析,获得所述辐照图像的噪声退化特征;
计算单元,用于计算自适应中值滤波后的像素值;
去噪单元,用于根据所述自适应中值滤波后的像素值进行去噪处理,获得所述辐照图像的复原效果图。
实施本发明的基于自适应中值滤波的辐照图像去噪方法和系统,具有以下有益效果:包括以下步骤:获取辐照图像;对辐照图像进行分析,获得辐照图像的噪声退化特征;计算自适应中值滤波后的像素值;根据自适应中值滤波后的像素值进行去噪处理,获得辐照图像的复原效果图。本发明能够有效解决耐辐照加固摄像机辐照图像的噪声退化问题,获得理想的复原效果,对辐射环境下辐照图像中存在的颗粒大小随机、密度分布随机的噪点具有很好的滤除效果,同时,在去除噪声的同时,尽可能保存了辐照图像中原有的细节信息。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例提供的基于自适应中值滤波的辐照图像去噪方法的流程示意图;
图2是本发明实施例提供的自适应中值滤波的流程示意图;
图3是本发明实施例提供的基于自适应中值滤波的辐照图像去噪系统的结构示意图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图详细说明本发明的具体实施方式。
本发明目的在于提供一种基于自适应中值滤波的辐照图像去噪方法,可应用在辐照环境下解决目前的抗辐照加固摄像设备存在受辐照影响下的图像噪声退化问题。
具体的,参考图1,为本发明提供的基于自适应中值滤波的辐照图像去噪方法一可选实施例的流程示意图。
如图1所示,该基于自适应中值滤波的辐照图像去噪方法包括以下步骤:
步骤S101、获取辐照图像。
可选的,本发明实施例中,获取辐照图像包括:拍摄辐照视频;对辐照视频进行图像截取,获取辐照图像。
具体的,将抗辐照加固摄像机固定于辐射源前,放射源中心与抗辐照加固摄像机处于同轴位置,由抗辐照加固摄像机进行辐照视频的采集,并通过截取抗辐照加固摄像机采集的辐照视频,获得辐照图像。其中,截取方式可采用现有的常规方式,本发明不作具体限定。
步骤S102、对辐照图像进行分析,获得辐照图像的噪声退化特征。
可选的,本发明实施例中,对辐照图像进行分析,获得辐照图像的噪声退化特征包括:统计辐照图像的噪声的概率密度分布;根据概率密度分布结果,获得辐照图像的噪声退化特征。其中,噪声退化特征主要是指噪声是分布于图像中的灰度值最大的亮点。
具体的,通过分析辐照图像,可以得到辐照图像中的噪声退化特征,其中,所得到的辐照图像中的噪声退化特征类似于“椒盐噪声”,其概率密度函数表示如下:
其中,a,b均表示灰度值。可以假定b>a,灰度值b在图像中显示为亮点,灰度值a在图像中显示为暗点。pa表示辐照图像中任一像素点z的灰度值为a的概率,pb表示辐照图像中任一像素点z的灰度值为b的概率。辐照图像中的“椒盐噪声”只体现为灰度值为b的亮点。即b为分布于辐照图像中的灰度值最大的亮点。
步骤S103、计算自适应中值滤波后的像素值。
可选的,本发明实施例中,计算自适应中值滤波后的像素值包括:
步骤S1031、对滤波器进行初始化。
可选的,本发明实施例中,对滤波器进行初始化包括:将滤波器区域内辐照图像的区域坐标处的灰度值表示为区域灰度值。确定滤波器的初始尺寸,并使滤波器的中心点位于辐照图像的区域坐标处。确定滤波器的最大尺寸。
具体的,设滤波器为Wxy,区域坐标不(x,y),区域灰度值为Fxy。具体的,将在滤波器Wxy区域内的辐照图像的区域坐标(x,y)处的灰度值表示为区域灰度值Fxy。选取滤波器Wxy的初始尺寸为n0×n0,中心点位于辐照图像的区域坐标(x,y)处,同时设定滤波器Wxy的最大尺寸为N×N。
步骤S1032、计算滤波器的当前尺寸。
可选的,本发明实施例中,在完成滤波器Wxy的初始化后,基于所初始化的后的滤波器Wxy计算,第i次循环时滤波器Wxy的尺寸,即ni×ni,其中,ni=ni-1+2(n≥1)。
步骤S1033、判断滤波器的当前尺寸是否大于阈值。
具体的,由步骤S1031可以得到滤波器的最大尺寸为N×N,因此,阈值可设定为N×N。所以,判断滤波器的当前尺寸是否大于阈值可以通过将步骤S1032中计算得到的ni与N进行比较。即判断ni是否大于N。
步骤S1034、若是,输出自适应中值滤波后的像素值。
具体的,若ni大于N,则确定自适应中值滤波后的像素值为Fxy并输出;若ni小于等于N,则执行步骤S1035。
步骤S1035、若否,根据滤波器计算辐照图像的灰度值,并根据辐照图像的灰度值进行自适应中值滤波处理。
可选的,本发明实施例中,辐照图像的灰度值包括:灰度最小值、灰度最大值和灰度中值。
一些实施例中,根据滤波器计算辐照图像的灰度值,并根据辐照图像的灰度值进行自适应中值滤波处理包括:根据滤波器计算辐照图像的灰度最小值、辐照图像的灰度最大值和辐照图像的灰度中值;根据灰度最小值、灰度最大值和灰度中值的大小进行比对判断,并根据比对判断结果进行自适应中值滤波处理。
其中,根据灰度最小值、灰度最大值和灰度中值的大小进行比对判断,并根据比对判断结果进行自适应中值滤波处理包括:判断灰度最小值、灰度中值和灰度最大值是否满足第一条件;若是,判断灰度最小值、区域灰度值和灰度最大值是否满足第二条件;若灰度最小值、区域灰度值和灰度最大值满足第二条件,则确定区域灰度值为自适应中值滤波后的像素值并输出,否则,确定灰度中值为自适应中值滤波后的像素值并输出。
进一步地,若灰度最小值、灰度中值和灰度最大值不满足第一条件,则增大滤波器的尺寸并重新计算。
可选的,本发明实施例中,第一条件为:灰度最小值小于灰度中值、且灰度中值小于灰度最大值;第二条件为:灰度最小值小于区域灰度值、且区域灰度值小于灰度最大值。
具体的,若ni小于等于N,则计算在滤波器Wxy区域内辐照图像灰度的灰度最小值Fmin、灰度最大值Fmax以及灰度中值Fmid;接着,判断Fmin、Fmax和Fmid的大小;若Fmin<Fmid<Fmax,则判断Fmin、Fmax和Fxy的大小,否则,转到步骤S1032增大滤波器Wxy的尺寸重新计算,并继续执行。若Fmin<Fxy<Fmax,则确定自适应中值滤波后的像素值为Fxy并输出,否则,确定自适应中值滤波后的像素值为Fmid并输出。
其中,自适应中值滤波的具体流程如图2所示。具体为如下步骤:
步骤S201、初始化滤波器。
步骤S202、计算滤波器尺寸ni。
步骤S203、判断ni是否小于等于N(即ni是否大于N)。
步骤S204、若ni大于N,则输出Fxy。
步骤S205、若ni小于等于N,则计算Fmin、Fmax和Fmid。
步骤S206、判断是否满足Fmin<Fmid<Fmax,若否,返回步骤S202增大尺寸重新计算。
步骤S207、若是,判断是否满足Fmin<Fxy<Fmax,若否,输出Fxy。
步骤S208、若是,输出Fmid。
步骤S104、根据自适应中值滤波后的像素值进行去噪处理,获得辐照图像的复原效果图。
具体的,本发明实施例中,通过统计分析得到辐照图像中的噪声退化特征后,采用中值滤波消除亮点。具体为,通过滤波器遍历辐照图像中每个像素点。首先,判断滤波器覆盖的区域内的中值是否合适,然后,判断当前中心点是否是滤波器区域内存在的亮点。如果判断不是,就保留原来的灰度值不变;如果判断滤波器中心点位置处为噪声,就用滤波器区域内的中值替换噪声亮点处的灰度值,从而消除噪声,得到辐照图像的复原效果图。
本发明还提供一种基于自适应中值滤波的辐照图像去噪系统。该基于自适应中值滤波的辐照图像去噪系统可用于实现本发明实施例公开的基于自适应中值滤波的辐照图像去噪方法。
具体的,如图3所示,该基于自适应中值滤波的辐照图像去噪系统包括:
获取单元301,用于获取辐照图像。
具体的,将抗辐照加固摄像机固定于辐射源前,放射源中心与抗辐照加固摄像机处于同轴位置,由抗辐照加固摄像机进行辐照视频的采集,并通过截取抗辐照加固摄像机采集的辐照视频,获得辐照图像。其中,截取方式可采用现有的常规方式,本发明不作具体限定。
分析单元302,用于对辐照图像进行分析,获得辐照图像的噪声退化特征。
可选的,本发明实施例中,对辐照图像进行分析,获得辐照图像的噪声退化特征包括:统计辐照图像的噪声的概率密度分布;根据概率密度分布结果,获得辐照图像的噪声退化特征。其中,噪声退化特征主要是指噪声是分布于图像中的灰度值最大的亮点。
具体的,通过分析辐照图像,可以得到辐照图像中的噪声退化特征,其中,所得到的辐照图像中的噪声退化特征类似于“椒盐噪声”,其概率密度函数表示如下:
其中,a,b均表示灰度值。可以假定b>a,灰度值b在图像中显示为亮点,灰度值a在图像中显示为暗点。pa表示辐照图像中任一像素点z的灰度值为a的概率,pb表示辐照图像中任一像素点z的灰度值为b的概率。辐照图像中的“椒盐噪声”只体现为灰度值为b的亮点。即b为分布于辐照图像中的灰度值最大的亮点。
计算单元303,用于计算自适应中值滤波后的像素值。
具体的,本发明实施例中,计算单元303具体:用于对滤波器进行初始化;计算滤波器的当前尺寸;判断滤波器的当前尺寸是否大于阈值;若是,输出自适应中值滤波后的像素值;若否,根据滤波器计算辐照图像的灰度值,并根据辐照图像的灰度值进行自适应中值滤波处理。
可选的,本发明实施例中,对滤波器进行初始化包括:将滤波器区域内辐照图像的区域坐标处的灰度值表示为区域灰度值。确定滤波器的初始尺寸,并使滤波器的中心点位于辐照图像的区域坐标处。确定滤波器的最大尺寸。
具体的,设滤波器为Wxy,区域坐标不(x,y),区域灰度值为Fxy。具体的,将在滤波器Wxy区域内的辐照图像的区域坐标(x,y)处的灰度值表示为区域灰度值Fxy。选取滤波器Wxy的初始尺寸为n0×n0,中心点位于辐照图像的区域坐标(x,y)处,同时设定滤波器Wxy的最大尺寸为N×N。
在完成滤波器Wxy的初始化后,基于所初始化的后的滤波器Wxy计算,第i次循环时滤波器Wxy的尺寸,即ni×ni,其中,ni=ni-1+2(n≥1)。具体的,由前述可以得到滤波器的最大尺寸为N×N,因此,阈值可设定为N×N。所以,判断滤波器的当前尺寸是否大于阈值可以通过将步骤S1032中计算得到的ni与N进行比较。即判断ni是否大于N。
具体的,若ni大于N,则确定自适应中值滤波后的像素值为Fxy并输出;若ni小于等于N,则根据滤波器计算辐照图像的灰度值,并根据辐照图像的灰度值进行自适应中值滤波处理。可选的,本发明实施例中,辐照图像的灰度值包括:灰度最小值、灰度最大值和灰度中值。
一些实施例中,根据滤波器计算辐照图像的灰度值,并根据辐照图像的灰度值进行自适应中值滤波处理包括:根据滤波器计算辐照图像的灰度最小值、辐照图像的灰度最大值和辐照图像的灰度中值;根据灰度最小值、灰度最大值和灰度中值的大小进行比对判断,并根据比对判断结果进行自适应中值滤波处理。
其中,根据灰度最小值、灰度最大值和灰度中值的大小进行比对判断,并根据比对判断结果进行自适应中值滤波处理包括:判断灰度最小值、灰度中值和灰度最大值是否满足第一条件;若是,判断灰度最小值、区域灰度值和灰度最大值是否满足第二条件;若灰度最小值、区域灰度值和灰度最大值满足第二条件,则确定区域灰度值为自适应中值滤波后的像素值并输出,否则,确定灰度中值为自适应中值滤波后的像素值并输出。
进一步地,若灰度最小值、灰度中值和灰度最大值不满足第一条件,则增大滤波器的尺寸并重新计算。
可选的,本发明实施例中,第一条件为:灰度最小值小于灰度中值、且灰度中值小于灰度最大值;第二条件为:灰度最小值小于区域灰度值、且区域灰度值小于灰度最大值。
具体的,若ni小于等于N,则计算在滤波器Wxy区域内辐照图像灰度的灰度最小值Fmin、灰度最大值Fmax以及灰度中值Fmid;接着,判断Fmin、Fmax和Fmid的大小;若Fmin<Fmid<Fmax,则判断Fmin、Fmax和Fxy的大小,否则,增大滤波器Wxy的尺寸重新计算滤波器的当前尺寸,并继续执行。若Fmin<Fxy<Fmax,则确定自适应中值滤波后的像素值为Fxy并输出,否则,确定自适应中值滤波后的像素值为Fmid并输出。
去噪单元304,用于根据自适应中值滤波后的像素值进行去噪处理,获得辐照图像的复原效果图。
本发明实施例中,通过统计分析得到辐照图像中的噪声退化特征后,采用中值滤波消除亮点。具体为,通过滤波器遍历辐照图像中每个像素点。首先,判断滤波器覆盖的区域内的中值是否合适,然后,判断当前中心点是否是滤波器区域内存在的亮点。如果判断不是,就保留原来的灰度值不变;如果判断滤波器中心点位置处为噪声,就用滤波器区域内的中值替换噪声亮点处的灰度值,从而消除噪声,得到辐照图像的复原效果图。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上实施例只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人士能够了解本发明的内容并据此实施,并不能限制本发明的保护范围。凡跟本发明权利要求范围所做的均等变化与修饰,均应属于本发明权利要求的涵盖范围。
Claims (10)
1.一种基于自适应中值滤波的辐照图像去噪方法,其特征在于,包括以下步骤:
获取辐照图像;
对所述辐照图像进行分析,获得所述辐照图像的噪声退化特征;
计算自适应中值滤波后的像素值;
根据所述自适应中值滤波后的像素值和所述噪声退化特征进行去噪处理,获得所述辐照图像的复原效果图。
2.根据权利要求1所述的基于自适应中值滤波的辐照图像去噪方法,其特征在于,所述获取辐照图像包括:
拍摄辐照视频;
对所述辐照视频进行图像截取,获取所述辐照图像。
3.根据权利要求1所述的基于自适应中值滤波的辐照图像去噪方法,其特征在于,所述对所述辐照图像进行分析,获得所述辐照图像的噪声退化特征包括:
统计所述辐照图像的噪声的概率密度分布;
根据所述概率密度分布结果,获得所述辐照图像的噪声退化特征。
4.根据权利要求1所述的基于自适应中值滤波的辐照图像去噪方法,其特征在于,所述根据所述噪声退化特征,计算自适应中值滤波后的像素值包括:
对滤波器进行初始化;
计算所述滤波器的当前尺寸;
判断所述滤波器的当前尺寸是否大于阈值;
若是,输出自适应中值滤波后的像素值;
若否,根据所述滤波器计算所述辐照图像的灰度值,并根据所述辐照图像的灰度值进行自适应中值滤波处理。
5.根据权利要求4所述的基于自适应中值滤波的辐照图像去噪方法,其特征在于,所述对滤波器进行初始化包括:
将所述滤波器区域内所述辐照图像的区域坐标处的灰度值表示为区域灰度值;
确定所述滤波器的初始尺寸,并使所述滤波器的中心点位于所述辐照图像的区域坐标处;
确定所述滤波器的最大尺寸。
6.根据权利要求5所述的基于自适应中值滤波的辐照图像去噪方法,其特征在于,所述辐照图像的灰度值包括:灰度最小值、灰度最大值和灰度中值;
所述根据所述滤波器计算所述辐照图像的灰度值,并根据所述辐照图像的灰度值进行自适应中值滤波处理包括:
根据所述滤波器计算所述辐照图像的灰度最小值、所述辐照图像的灰度最大值和所述辐照图像的灰度中值;
根据所述灰度最小值、所述灰度最大值和所述灰度中值的大小进行比对判断,并根据比对判断结果进行自适应中值滤波处理。
7.根据权利要求6所述的基于自适应中值滤波的辐照图像去噪方法,其特征在于,所述根据所述灰度最小值、所述灰度最大值和所述灰度中值的大小进行比对判断,并根据比对判断结果进行自适应中值滤波处理包括:
判断所述灰度最小值、所述灰度中值和所述灰度最大值是否满足第一条件;
若是,判断所述灰度最小值、所述区域灰度值和所述灰度最大值是否满足第二条件;
若所述灰度最小值、所述区域灰度值和所述灰度最大值满足第二条件,则确定所述区域灰度值为所述自适应中值滤波后的像素值并输出,否则,确定所述灰度中值为所述自适应中值滤波后的像素值并输出。
8.根据权利要求7所述的基于自适应中值滤波的辐照图像去噪方法,其特征在于,所述方法还包括:
若所述灰度最小值、所述灰度中值和所述灰度最大值不满足所述第一条件,则增大所述滤波器的尺寸并重新计算。
9.根据权利要求7所述的基于自适应中值滤波的辐照图像去噪方法,其特征在于,所述第一条件为:
所述灰度最小值小于所述灰度中值、且所述灰度中值小于所述灰度最大值;
所述第二条件为:所述灰度最小值小于所述区域灰度值、且所述区域灰度值小于所述灰度最大值。
10.一种基于自适应中值滤波的辐照图像去噪系统,其特征在于,包括:
获取单元,用于获取辐照图像;
分析单元,用于对所述辐照图像进行分析,获得所述辐照图像的噪声退化特征;
计算单元,用于计算自适应中值滤波后的像素值;
去噪单元,用于根据所述自适应中值滤波后的像素值进行去噪处理,获得所述辐照图像的复原效果图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210934496.4A CN115330612A (zh) | 2022-08-04 | 2022-08-04 | 基于自适应中值滤波的辐照图像去噪方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210934496.4A CN115330612A (zh) | 2022-08-04 | 2022-08-04 | 基于自适应中值滤波的辐照图像去噪方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115330612A true CN115330612A (zh) | 2022-11-11 |
Family
ID=83921316
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210934496.4A Pending CN115330612A (zh) | 2022-08-04 | 2022-08-04 | 基于自适应中值滤波的辐照图像去噪方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115330612A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116778263A (zh) * | 2023-08-22 | 2023-09-19 | 四川坤鸿电子科技有限公司 | 分拣设备控制方法、电子设备和计算机可读介质 |
-
2022
- 2022-08-04 CN CN202210934496.4A patent/CN115330612A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116778263A (zh) * | 2023-08-22 | 2023-09-19 | 四川坤鸿电子科技有限公司 | 分拣设备控制方法、电子设备和计算机可读介质 |
CN116778263B (zh) * | 2023-08-22 | 2023-11-14 | 四川坤鸿电子科技有限公司 | 分拣设备控制方法、电子设备和计算机可读介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2274725A1 (en) | Filtering method and apparatus for anti-aliasing | |
CN102132554A (zh) | 用于高效视频处理的方法和系统 | |
JPH1051661A (ja) | 低域フィルタリングとヒストグラム等化を用いた画質改善方法及びその回路 | |
WO2014070489A1 (en) | Recursive conditional means image denoising | |
WO2021114564A1 (zh) | 一种低对比度红外图像的增强方法 | |
CN110827229A (zh) | 一种基于纹理加权直方图均衡化的红外图像增强方法 | |
CN109785260B (zh) | 一种针对侧扫声呐图像的非线性增强方法 | |
CN111210395B (zh) | 基于灰度值映射的Retinex水下图像增强方法 | |
Wang et al. | MAGAN: Unsupervised low-light image enhancement guided by mixed-attention | |
CN112116542B (zh) | 图像对比度增强方法、装置、电子设备和存储介质 | |
CN108305265B (zh) | 微弱小目标图像实时处理方法及系统 | |
CN115330612A (zh) | 基于自适应中值滤波的辐照图像去噪方法和系统 | |
CN110796624B (zh) | 一种图像生成方法、装置及电子设备 | |
CN112541869A (zh) | 一种基于matlab实现的Retinex图像去雾方法 | |
CN115965544A (zh) | 自适应亮度调节的图像增强方法及系统 | |
Wu et al. | Reflectance-guided histogram equalization and comparametric approximation | |
CN114677525A (zh) | 一种基于二值图像处理的边缘检测方法 | |
CN111369449A (zh) | 基于生成式对抗网络的红外盲元补偿方法 | |
CN114070959A (zh) | 一种基于fpga的视频去噪硬件实现方法 | |
CN113888438A (zh) | 图像处理方法、装置及存储介质 | |
CN117392036A (zh) | 基于照明幅度的低光图像增强方法 | |
CN111652821A (zh) | 基于梯度信息的微光视频图像降噪处理方法、装置和设备 | |
CN112825189A (zh) | 一种图像去雾方法及相关设备 | |
CN114418848A (zh) | 视频处理方法、装置、存储介质及电子设备 | |
CN114494080A (zh) | 一种图像生成方法、装置、电子设备及存储介质 |
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 |