CN116664457A - 一种用于增强去噪的图像处理方法 - Google Patents

Abstract

本发明涉及图像处理技术领域，具体涉及一种用于增强去噪的图像处理方法，通过获取待处理的原始图像的灰度图像，获取灰度图像对应的边缘二值图像以及不同的截止频率对应的目标二值图像，通过对比边缘二值图像和目标二值图像，确定不同的截止频率对应的优选程度，进而在不同的截止频率中筛选出目标截止频率，根据目标截止频率对应的目标二值图像中的噪声像素点位置，确定原始图像中的噪声像素点，并对这些噪声像素点进行去噪处理，得到去噪处理后的图像。本发明通过确定原始图像中的噪声像素点，并单独对噪声像素点进行去噪处理，保留了图像的边缘细节信息，有效保证了图像质量，解决了现有的去噪方法会导致图像质量降低的问题。

Description

一种用于增强去噪的图像处理方法

技术领域

本发明涉及图像处理技术领域，具体涉及一种用于增强去噪的图像处理方法。

背景技术

血细胞图像是一种常见的辅助诊断图像，在血细胞图像获取过程中，会受到各种类型和程度的噪声影响，造成血细胞图像质量不理想，进而影响到后续的图像分析结果。因此，对血细胞图像进行去噪，以实现血细胞图像的增强，具有十分重要的临床使用价值。

目前，频域滤波作为一种传统的图像去噪方法，常被用于图像的去噪过程。其中，基于高斯滤波的图像去噪技术是对图像进行加权平均操作，但由于其在去噪过程中对噪声点和图像自身像素点一视同仁，在进行去噪的同时，也会造成图像边缘模糊、图像细节信息减少等问题，从而导致图像质量降低。

发明内容

本发明的目的在于提供一种用于增强去噪的图像处理方法，用于解决现有的去噪方法会导致图像质量降低的问题。

为解决上述技术问题，本发明提供了一种用于增强去噪的图像处理方法，包括以下步骤：

获取待处理的原始图像，对原始图像的灰度图像进行边缘检测，获取边缘二值图像；

采用不同的截止频率对原始图像的灰度图像进行高通滤波，得到不同的截止频率对应的滤波灰度图像，并确定不同的截止频率对应的滤波灰度图像的目标二值图像；

根据所述边缘二值图像和目标二值图像，确定不同的截止频率对应的边缘提取完整程度和非边缘提取程度以及不同的截止频率对应的目标二值图像中的噪声像素点；

根据不同的截止频率对应的边缘提取完整程度和非边缘提取程度，确定不同的截止频率对应的优选程度，根据所述优选程度，在不同的截止频率中筛选出目标截止频率；

根据目标截止频率对应的目标二值图像中的噪声像素点的位置，确定原始图像中的噪声像素点，对原始图像中的噪声像素点进行去噪处理，从而得到去噪处理后的图像。

进一步的，确定不同的截止频率对应的滤波灰度图像的目标二值图像，包括：

对不同的截止频率对应的滤波灰度图像中像素点的灰度值映射到灰度值取值范围内，从而得到不同的截止频率对应的滤波灰度图像中像素点的映射灰度值；

对不同的截止频率对应的滤波灰度图像中像素点的映射灰度值进行阈值分割，从而得到不同的截止频率对应的滤波灰度图像的目标二值图像。

进一步的，确定不同的截止频率对应的边缘提取完整程度，包括：

确定所述边缘二值图像中的边缘像素点的总数目；

确定所述边缘二值图像中的边缘像素点在所述目标二值图像中的对应像素点，确定所述对应像素点中属于高频像素点的总个数；

将所述总个数与所述总数目的比值确定为边缘提取完整程度，从而得到不同的截止频率对应的边缘提取完整程度。

进一步的，不同的截止频率对应的目标二值图像中的噪声像素点，包括：

确定所述目标二值图像中属于高频像素点但不属于对应像素点的目标像素点；

根据所述目标二值图像中每个目标像素点的八邻域内所包含的其他目标像素点的数目，确定所述目标二值图像中每个目标像素点对应的离散程度值；

判断所述离散程度值是否大于设定噪声判定阈值，若大于所述设定噪声判定阈值，则将对应的目标像素点确定为噪声像素点，从而得到不同的截止频率对应的目标二值图像中的噪声像素点。

进一步的，确定所述目标二值图像中每个目标像素点对应的离散程度，包括：

确定所述目标二值图像中每个目标像素点的八邻域内目标像素点的占比，并将所述占比的负相关映射结果确定为所述目标二值图像中每个目标像素点对应的离散程度。

进一步的，确定不同的截止频率对应的非边缘提取程度；

将所述目标二值图像中的噪声像素点的总数目与所述边缘二值图像中的边缘像素点的总数目的比值确定为非边缘提取程度，从而得到不同的截止频率对应的非边缘提取程度。

进一步的，确定不同的截止频率对应的优选程度，包括：

获取边缘提取完整程度和非边缘提取程度分别对应的加权值；

根据不同的截止频率对应的边缘提取完整程度和非边缘提取程度以及所述加权值，进行加权求和，并将加权求和结果确定为不同的截止频率对应的优选程度。

进一步的，在不同的截止频率中筛选出目标截止频率，包括：

将最大的所述优选程度所对应的截止频率确定为目标截止频率。

进一步的，所述目标二值图像中高频像素点对应的像素值为第一数值，所述目标二值图像中非高频像素点对应的像素值为第二数值；所述边缘二值图像中边缘像素点对应的像素值为第一数值，所述边缘二值图像中非边缘像素点对应的像素值为第二数值。

进一步的，所述第一数值的取值为1，所述第二数值的取值为0。

本发明具有如下有益效果：图像中的高频像素点通常包括边缘像素点和高频噪声点，为了便于后续准确识别出图像中的高频噪声点，对原始图像的灰度图像进行边缘检测，获取边缘二值图像。为了准确筛选出最佳高频滤波下的高频像素点，采用不同的截止频率对原始图像的灰度图像进行滤波处理，进而得到不同的截止频率对应的目标二值图像。结合边缘二值图像和目标二值图像，对目标二值图像中的边缘像素点提取完整程度以及高频噪声点提取效果进行分析，得到不同的截止频率对应的边缘提取完整程度和非边缘提取程度以及目标二值图像中的噪声像素点。结合不同的截止频率对应的边缘提取完整程度和非边缘提取程度，对不同的截止频率的滤波效果进行综合评价，得到不同的截止频率对应的优选程度，该优选程度可以准确表征采用对应截止频率对原始图像的灰度图像进行高通滤波的滤波效果。因此基于该优选程度，可以准确确定最优滤波效果所对应的目标截止频率，根据该目标截止频率对应的目标二值图像中的噪声像素点，确定原始图像中的噪声像素点，并只对原始图像中的噪声像素点进行去噪处理，而对原始图像中的非噪声像素点不做处理，能够在实现图像去噪的同时，尽量保留更多的边缘细节信息，保证了图像质量。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，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它附图。

图1为本发明实施例的用于增强去噪的图像处理方法的流程图；

图2为本发明实施例的某张待处理的血细胞原始图像；

图3为本发明实施例的图2中的血细胞原始图像对应的边缘二值图像；

图4为本发明实施例的图2中的血细胞原始图像对应的原始频谱图像；

图5为本发明实施例的某个截至频率对应的二值遮罩图像；

图6为本发明实施例的采用图5中的二值遮罩图像对图4中的原始频谱图像进行高通滤波后得到的滤波频谱图像；

图7为本发明实施例的图6中的滤波频谱图像经过反傅里叶变换后得到滤波灰度图像；

图8为本发明实施例的图7中的滤波灰度图像所对应的目标二值图像。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的技术方案的具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。另外，本文所涉及公式中的所有参数或者指标均为归一化之后的消除了量纲影响的数值。

为了解决现有的去噪方法会导致图像质量降低的问题，本实施例提供了一种用于增强去噪的图像处理方法，该方法对应的流程图如图1所示，包括以下步骤：

步骤S1：获取待处理的原始图像，对原始图像的灰度图像进行边缘检测，获取边缘二值图像。

当需要对图像进行去噪处理时，则需要获取待处理的原始图像。在本实施例中，该待处理的原始图像是指血细胞原始图像，获取该血细胞原始图像的方式包括但不限于对血细胞进行拍摄采集，或者是从存储器中直接接收已经存储的血细胞图像。图2给出了某张待处理的血细胞原始图像。应当理解的是，本方案并不仅限于血细胞原始图像的去噪处理，同时还适用于其他各种类型的图像的去噪处理，如单类型或者多种不同类型的细胞图像。

在获取到待处理的原始图像后，对该原始图像进行灰度转换，从而得到灰度图像。然后使用canny算子对该灰度图像进行边缘检测，获得对应的边缘图像，该边缘图像实质上是一张二值图像，这里将该二值图像称为边缘二值图像。在边缘二值图像中，边缘像素点对应的像素值为第一数值，非边缘像素点对应的像素值为第二数值。在本实施例中，第一数值的取值为1，第二数值的取值为0。当然，作为其他的实施方式，可替换的，第一数值的取值也可为0，此时第二数值的取值为1。图2中的血细胞原始图像对应的边缘二值图像如图3所示，在图3中，边缘像素点对应图中白色部分，其对应的像素值为1，非边缘像素点对应图中的黑色部分，其对应的像素值为0。

步骤S2：采用不同的截止频率对原始图像的灰度图像进行高通滤波，得到不同的截止频率对应的滤波灰度图像，并确定不同的截止频率对应的滤波灰度图像的目标二值图像。

在采用不同的截止频率对原始图像的灰度图像进行高通滤波，以得到不同的截止频率对应的滤波灰度图像的过程中，首先对原始图像的灰度图像进行傅里叶变换，将时域中的灰度图像转换到频域，从而得到原始频谱图像，这里的原始频谱图像是指已经中心化处理后的频谱图像。图2中的血细胞原始图像对应的原始频谱图像如图4所示。该原始频谱图像中的高频分量中包含了边缘信息和噪声信息，将高频分量中的边缘信息剔除，剩余的就是噪声信息。高频信息可以通过高通滤波进行提取，而不同参数的滤波得到的结果不同，使得最终噪声点确定的置信度不同。

为了便于后续准确确定噪声像素点，根据原始频谱图像的尺寸，确定高通滤波的参数范围，高通滤波的参数是指高通滤波的半径，也就是高通滤波的截至频率。在长宽尺寸为N*M的原始频谱图像中，以图像中心为圆心的圆，其半径的范围为(0,min(N,M)]，其中，min(N,M)表示取N和M中的较小值，该半径的范围即为高通滤波的截至频率的取值范围。在高通滤波的截至频率的取值范围内，以最小的单位1为起始的截至频率，按照步长1进行增长，从而可以得到有限个截至频率。

采用这有限个截至频率分别对原始频谱图像进行高通滤波，从而得到不同的截止频率对应的滤波频谱图像。在对原始频谱图像进行高通滤波的过程中，确定每个截至频率对应的二值遮罩图像。如图5所示，在该二值遮罩图像中，白色区域的取值为0，黑色区域的取值为1，利用该二值遮罩图像与原始频谱图像进行相乘操作，使原始频谱图像中黑色区域所对应的区域保留，白色区域所对应的区域滤除，从而得到高通滤波后的频谱图像，也就是滤波频谱图像。按照这种方式，可以得到不同的截止频率对应的滤波频谱图像。采用图5中的二值遮罩图像对图4中的原始频谱图像进行高通滤波，所得到的滤波频谱图像如图6所示。在图6中，中间的黑色部分即为滤波过滤部分。

对不同的截止频率对应的滤波频谱图像进行反傅里叶变换，将频域中的滤波频谱图像转换到时域，从而得到不同的截止频率对应的滤波灰度图像。图6中的滤波频谱图像经过反傅里叶变换后，所得到的滤波灰度图像如图7所示。

在对原始图像的灰度图像进行高通滤波的过程中，截止频率越大，过滤掉的信息越多，但是当截止频率过大时，就会导致部分高频信息缺失，此时边缘保留的完整程度变小，进而导致利用高频信息减去边缘信息所得到的噪声信息不准确。为了后续实现对不同的截止频率的筛选，从而确定准确的噪声信息，在得到不同的截止频率对应的滤波灰度图像之后，确定不同的截止频率对应的滤波灰度图像的目标二值图像，实现步骤包括：

对不同的截止频率对应的滤波灰度图像中像素点的灰度值映射到灰度值取值范围内，从而得到不同的截止频率对应的滤波灰度图像中像素点的映射灰度值；

对不同的截止频率对应的滤波灰度图像中像素点的映射灰度值进行阈值分割，从而得到不同的截止频率对应的滤波灰度图像的目标二值图像。

具体的，对于不同的截止频率对应的滤波灰度图像，对滤波灰度图像中像素点的灰度值进行归一化操作，使其灰度值分布在[0,255]范围，归一化操作的原因在于：恢复后的灰度图像也就是滤波灰度图像中，其灰度值的范围只能确定在[0,255]之间，不能确保最小值是0，最大值255，灰度分布范围可能会聚集在一个小的灰度区间。因此通过对滤波灰度图像中的灰度值进行归一化操作，可以调整灰度值的分布范围，从而使得调整后的灰度值可以跨越整个灰度取值范围，进而使后续利用大津阈值法进行分割时可以得到更好的分割结果。在本实施中，是采用如下归一化公式对滤波灰度图像中像素点的灰度值进行归一化操作，并将归一化操作后滤波灰度图像中像素点的灰度值称为映射灰度值，该归一化公式为：

其中，为滤波灰度图像中的任意一个灰度值对应的映射灰度值，/>为滤波灰度图像中的任意一个灰度值，/>为滤波灰度图像中的所有灰度值中的最小值，/>为滤波灰度图像中的所有灰度值中的最大值，/>为四舍五入取整函数。

基于滤波灰度图像中像素点的映射灰度值，使用大津阈值法进行自适应阈值分割，从而得到对应的二值图像，为了便于区分，这里将所得到的二值图像称为目标二值图像。在目标二值图像中，高于阈值的像素点为高频像素点，高频像素点包括边缘像素点和噪声像素点，不高于阈值的像素点为非高频像素点，高频像素点对应的像素值为第一数值，非高频像素点对应的像素值为第二数值，第一数值的取值为1，第二数值的取值为0。图7中的滤波灰度图像所对应的目标二值图像如图8所示，在图8中，高频像素点对应图中白色部分，其对应的像素值为1，非高频像素点对应图中的黑色部分，其对应的像素值为0。

步骤S3：根据所述边缘二值图像和目标二值图像，确定不同的截止频率对应的边缘提取完整程度和非边缘提取程度以及不同的截止频率对应的目标二值图像中的噪声像素点。

为了便于后续筛选出最优的截止频率，从而准确确定噪声像素点，将目标二值图像与边缘二值图像进行比对，确定不同的截止频率对应的边缘提取完整程度，实现步骤包括：

确定所述边缘二值图像中的边缘像素点的总数目；

确定所述边缘二值图像中的边缘像素点在所述目标二值图像中的对应像素点，确定所述对应像素点中属于高频像素点的总个数；

将所述总个数与所述总数目的比值确定为边缘提取完整程度，从而得到不同的截止频率对应的边缘提取完整程度。

具体的，根据边缘二值图像，确定该边缘二值图像中像素值为1的像素点的总数目，该像素值为1的像素点的总数目即边缘二值图像中的边缘像素点的总数目。同时，对于每个截止频率对应的目标二值图像，确定该目标二值图像中同样存在的边缘二值图像中的边缘像素点的数量，即确定边缘二值图像中像素值为1且在目标二值图像中像素值也为1的像素点的数量。为了获取该数量，确定边缘二值图像中每个边缘像素点对应的对比值，对应的计算公式为：

其中，为边缘二值图像中在/>处的边缘像素点对应的对比值，/>为边缘二值图像中在/>处的边缘像素点对应的像素值，/>为目标二值图像中在/>处的像素点对应的像素值。

根据上述的边缘二值图像中每个边缘像素点对应的对比值F的计算公式可知，对于边缘二值图像中的每个边缘像素点，其在目标二值图像中相同的位置均有对应的对应像素点，由于每个边缘像素点对应的像素值均为1，当该边缘像素点的对应像素点的像素值为0时，则该边缘像素点对应的对比值为0，当该边缘像素点的对应像素点的像素值为1时，则该边缘像素点对应的对比值为1。

在确定边缘二值图像中每个边缘像素点对应的对比值之后，对所有边缘像素点对应的对比值进行累加，该累加和即为边缘二值图像中的边缘像素点在目标二值图像中的对应像素点中属于高频像素点的总个数。计算边缘二值图像中的边缘像素点在目标二值图像中的对应像素点中属于高频像素点的总个数与边缘二值图像中的边缘像素点的总数目的比值，从而得到对应的边缘提取完整程度，计算公式为：

其中，为第k个截止频率对应的边缘提取完整程度，/>为边缘二值图像中的边缘像素点在第k个截止频率对应的目标二值图像中的对应像素点中属于高频像素点的总个数，/>为边缘二值图像中的边缘像素点的总数目。

对于上述的第k个截止频率对应的边缘提取完整程度，当边缘提取完整程度的取值越大时，说明边缘像素点在目标二值图像中提取的完整程度越高，代表对应的截止频率的滤波效果越好。

另外，将目标二值图像与边缘二值图像进行比对，确定不同的截止频率对应的非边缘提取程度，实现步骤包括：

确定所述目标二值图像中属于高频像素点但不属于对应像素点的目标像素点；

根据所述目标二值图像中每个目标像素点的八邻域内所包含的其他目标像素点的数目，确定所述目标二值图像中每个目标像素点对应的离散程度值；

判断所述离散程度值是否大于设定噪声判定阈值，若大于所述设定噪声判定阈值，则将对应的目标像素点确定为噪声像素点，从而得到不同的截止频率对应的目标二值图像中的噪声像素点；

将所述目标二值图像中的噪声像素点的总数目与所述边缘二值图像中的边缘像素点的总数目的比值确定为非边缘提取程度，从而得到不同的截止频率对应的非边缘提取程度。

具体的，对于每个截止频率对应的目标二值图像，确定该目标二值图像中的目标像素点，该目标像素点的像素值为1，且该目标像素点不属于边缘二值图像中边缘像素点对应的对应像素点。也就是，确定目标二值图像中像素值为1且在边缘二值图像中相同位置对应的像素点的像素值不是1的像素点，并将这些像素点作为目标像素点。为了确定每个截止频率对应的目标二值图像中的目标像素点，确定目标二值图像中每个像素点的标记值，对应的计算公式为：

其中，为目标二值图像中在/>处的像素点对应的标记值，/>为边缘二值图像中在/>处的像素点对应的像素值，/>为目标二值图像中在/>处的像素点对应的像素值。

根据上述的目标二值图像中每个像素点的标记值的计算公式可知，当目标二值图像中某个像素点的像素值为1，且该像素点在边缘二值图像中相同位置的像素点的像素值为0时，也就是当该像素点在目标二值图像中属于高频像素点，且不属于边缘二值图像中的边缘像素点在该目标二值图像中的对应像素点时，则该像素点对应的标记值为1，否则该像素点对应的标记值为0。当像素点的标记值为1时，则将该像素点确定为目标像素点。

按照上述方式，可以确定每个截止频率对应的目标二值图像中的目标像素点，这些目标像素点属于目标二值图像中的高频像素点且不属于边缘像素点。然后需要获取这些目标像素点中的离散的像素点，这些离散的像素点即为噪声像素点。此时，为了获取这些目标像素点中的离散的像素点，根据目标二值图像中每个目标像素点的八邻域内所包含的其他目标像素点的数目，确定目标二值图像中每个目标像素点对应的离散程度，实现步骤包括：

确定所述目标二值图像中每个目标像素点的八邻域内目标像素点的占比，并将所述占比的负相关映射结果确定为所述目标二值图像中每个目标像素点对应的离散程度，对应的计算公式为：

其中，为目标二值图像中每个目标像素点对应的离散程度，/>为目标二值图像中每个目标像素点的第s个八邻域像素点对应的标记值，/>为目标二值图像中每个目标像素点的八邻域内目标像素点的占比。

根据上述的目标二值图像中每个目标像素点对应的离散程度的计算公式可知，通过累计每个目标像素点的八邻域像素点的标记值，并计算标记值累计值的平均值，该平均值即为该目标像素点的八邻域内目标像素点的占比，然后使用1与该占比作差以对该占比进行负相关映射，从而得到离散程度。当占比越大时，说明对应目标像素点越可能为连续的高频像素点，越不可能为离散的高频像素点，对应的离散程度的取值越小。

按照上述方式，可以确定每个截止频率对应的目标二值图像中每个目标像素点对应的离散程度。预先设置设定噪声判定阈值，该设定噪声判定阈值可以根据经验或者实验进行确定，本实施例设置该设定噪声判定阈值的取值为0.8。将目标二值图像中每个目标像素点对应的离散程度与该设定噪声判定阈值0.8进行比较，若离散程度大于该设定噪声判定阈值0.8，则将对应的目标像素点判定为噪声像素点。按照这种方式，可以确定每个截止频率对应的目标二值图像中的噪声像素点。

对于每个截止频率对应的目标二值图像，统计该目标二值图像中噪声像素点的总数目，并将目标二值图像中的噪声像素点的总数目与边缘二值图像中的边缘像素点的总数目的比值确定为非边缘提取程度，从而得到不同的截止频率对应的非边缘提取程度，对应的计算公式为：

其中，为第k个截止频率对应的非边缘提取程度，/>为第k个截止频率对应的目标二值图像中的噪声像素点的总数目，/>为边缘二值图像中的边缘像素点的总数目。

在上述的第k个截止频率对应的非边缘提取程度的计算公式中，通过将边缘二值图像中的边缘像素点的总数目作为参考，计算目标二值图像中的噪声像素点的总数目与该参考值的比值，当比值越大时，说明高频噪声点提取的效果越好，此时对应的截止频率的滤波效果越好。

步骤S4：根据不同的截止频率对应的边缘提取完整程度和非边缘提取程度，确定不同的截止频率对应的优选程度，根据所述优选程度，在不同的截止频率中筛选出目标截止频率。

对于不同的截止频率，其对应的边缘提取完整程度越大越好，同样的非边缘提取程度也是越大越好，因此基于边缘提取完整程度和非边缘提取程度，可以确定不同的截止频率对应的优选程度，实现步骤包括：

获取边缘提取完整程度和非边缘提取程度分别对应的加权值；

根据不同的截止频率对应的边缘提取完整程度和非边缘提取程度以及所述加权值，进行加权求和，并将加权求和结果确定为不同的截止频率对应的优选程度。

具体的，预先设置边缘提取完整程度和非边缘提取程度分别对应的加权值，该加权值可以根据经验或者实验进行设置，本实施例设置两个加权值的取值均为0.5。基于这两个加权值，对边缘提取完整程度和非边缘提取程度进行加权求和，从而得到不同的截止频率对应的优选程度，对应的计算公式为：

其中，为第k个截止频率对应的优选程度，/>为边缘提取完整程度对应的加权值，/>为非边缘提取程度对应的加权值，/>为第k个截止频率对应的边缘提取完整程度，为第k个截止频率对应的非边缘提取程度。

对于上述的第k个截止频率对应的优选程度，边缘提取完整程度表征了边缘像素点的提取完整程度的高低，当非边缘提取程度表征了高频噪声点的提取效果的高低，通过综合考虑边缘提取完整程度和非边缘提取程度，当二者的加权求和结果越大时，则说明对应的截止频率的滤波效果越好。

在确定不同的截止频率对应的优选程度之后，将最大的优选程度所对应的截止频率确定为目标截止频率。该目标截止频率即为滤波效果最好时所对应的截止频率，该目标截止频率对应的目标二值图像中的噪声像素点即为真实的噪声像素点。

步骤S5：根据目标截止频率对应的目标二值图像中的噪声像素点的位置，确定原始图像中的噪声像素点，对原始图像中的噪声像素点进行去噪处理，从而得到去噪处理后的图像。

通过上述步骤S3已经确定了不同的截止频率对应的目标二值图像中的噪声像素点，因此可以获取目标截止频率对应的目标二值图像中的噪声像素点，并根据这些噪声像素点的位置，可以确定原始图像中相同位置的噪声像素点，这些噪声像素点即为真实的噪声像素点。

在确定原始图像中的噪声像素点之后，对这些噪声像素点进行高斯滤波，以降低噪声的影响，而对于原始图像中的非噪声像素点，则不进行高斯滤波处理。在对原始图像中的噪声像素点进行高斯滤波时，采用3*3的高斯滤波窗口在原始图像上进行滑动，当滑动到噪声像素点处时，即3*3的高斯滤波窗口的中心位于噪声像素点处，则结合该噪声像素点的周边像素点的像素值，对该噪声像素点进行滤波处理；当滑动到其他非噪声像素点处时，即3*3的高斯滤波窗口的中心位于其他非噪声像素点处，则不进行滤波处理，最终得到去噪处理后的图像。由于对噪声像素点进行滤波处理的具体实现过程属于现有技术，此处不再赘述。

本发明通过获取原始图像对应的边缘二值图像以及不同的截止频率对应的滤波灰度图像的目标二值图像，将边缘二值图像和目标二值图像进行比对，获取最优的截止频率即目标截止频率，进而准确确定原始图像中的噪声像素点，仅对原始图像中的噪声像素点进行平滑滤波，能够在实现图像去噪的同时，尽量保留更多的边缘细节信息，保证了图像质量。

需要说明的是：以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各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；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种用于增强去噪的图像处理方法，其特征在于，包括以下步骤：

获取待处理的原始图像，对原始图像的灰度图像进行边缘检测，获取边缘二值图像；

采用不同的截止频率对原始图像的灰度图像进行高通滤波，得到不同的截止频率对应的滤波灰度图像，并确定不同的截止频率对应的滤波灰度图像的目标二值图像；

根据所述边缘二值图像和目标二值图像，确定不同的截止频率对应的边缘提取完整程度和非边缘提取程度以及不同的截止频率对应的目标二值图像中的噪声像素点；

根据不同的截止频率对应的边缘提取完整程度和非边缘提取程度，确定不同的截止频率对应的优选程度，根据所述优选程度，在不同的截止频率中筛选出目标截止频率；

根据目标截止频率对应的目标二值图像中的噪声像素点的位置，确定原始图像中的噪声像素点，对原始图像中的噪声像素点进行去噪处理，从而得到去噪处理后的图像。

2.根据权利要求1所述的一种用于增强去噪的图像处理方法，其特征在于，确定不同的截止频率对应的滤波灰度图像的目标二值图像，包括：

对不同的截止频率对应的滤波灰度图像中像素点的灰度值映射到灰度值取值范围内，从而得到不同的截止频率对应的滤波灰度图像中像素点的映射灰度值；

对不同的截止频率对应的滤波灰度图像中像素点的映射灰度值进行阈值分割，从而得到不同的截止频率对应的滤波灰度图像的目标二值图像。

3.根据权利要求1所述的一种用于增强去噪的图像处理方法，其特征在于，确定不同的截止频率对应的边缘提取完整程度，包括：

确定所述边缘二值图像中的边缘像素点的总数目；

确定所述边缘二值图像中的边缘像素点在所述目标二值图像中的对应像素点，确定所述对应像素点中属于高频像素点的总个数；

将所述总个数与所述总数目的比值确定为边缘提取完整程度，从而得到不同的截止频率对应的边缘提取完整程度。

4.根据权利要求3所述的一种用于增强去噪的图像处理方法，其特征在于，不同的截止频率对应的目标二值图像中的噪声像素点，包括：

确定所述目标二值图像中属于高频像素点但不属于对应像素点的目标像素点；

根据所述目标二值图像中每个目标像素点的八邻域内所包含的其他目标像素点的数目，确定所述目标二值图像中每个目标像素点对应的离散程度值；

判断所述离散程度值是否大于设定噪声判定阈值，若大于所述设定噪声判定阈值，则将对应的目标像素点确定为噪声像素点，从而得到不同的截止频率对应的目标二值图像中的噪声像素点。

5.根据权利要求4所述的一种用于增强去噪的图像处理方法，其特征在于，确定所述目标二值图像中每个目标像素点对应的离散程度，包括：

确定所述目标二值图像中每个目标像素点的八邻域内目标像素点的占比，并将所述占比的负相关映射结果确定为所述目标二值图像中每个目标像素点对应的离散程度。

6.根据权利要求3所述的一种用于增强去噪的图像处理方法，其特征在于，确定不同的截止频率对应的非边缘提取程度；

将所述目标二值图像中的噪声像素点的总数目与所述边缘二值图像中的边缘像素点的总数目的比值确定为非边缘提取程度，从而得到不同的截止频率对应的非边缘提取程度。

7.根据权利要求1所述的一种用于增强去噪的图像处理方法，其特征在于，确定不同的截止频率对应的优选程度，包括：

获取边缘提取完整程度和非边缘提取程度分别对应的加权值；

根据不同的截止频率对应的边缘提取完整程度和非边缘提取程度以及所述加权值，进行加权求和，并将加权求和结果确定为不同的截止频率对应的优选程度。

8.根据权利要求1所述的一种用于增强去噪的图像处理方法，其特征在于，在不同的截止频率中筛选出目标截止频率，包括：

将最大的所述优选程度所对应的截止频率确定为目标截止频率。

9.根据权利要求2所述的一种用于增强去噪的图像处理方法，其特征在于，所述目标二值图像中高频像素点对应的像素值为第一数值，所述目标二值图像中非高频像素点对应的像素值为第二数值；所述边缘二值图像中边缘像素点对应的像素值为第一数值，所述边缘二值图像中非边缘像素点对应的像素值为第二数值。

10.根据权利要求9所述的一种用于增强去噪的图像处理方法，其特征在于，所述第一数值的取值为1，所述第二数值的取值为0。