CN117291843B - 一种图像数据库高效管理方法 - Google Patents

Abstract

本发明涉及图像处理技术领域，具体涉及一种图像数据库高效管理方法，包括：采集样品图像的样品灰度图像，根据样品灰度图像得到序列方向以及近邻边缘像素点；根据近邻边缘像素点与序列方向得到偏离程度；获取参照像素点序列；根据参照像素点序列以及偏离程度得到区域可能性；根据区域可能性得到箱线像素点序列；根据区域异常可能性得到行异常可信度以及列异常可信度；根据样品灰度图像得到行箱线异常程度以及列箱线异常程度；根据行异常可信度、列异常可信度、行箱线异常程度以及列箱线异常程度得到最终异常程度；根据最终异常程度进行去噪压缩。本发明更准确地获取属于噪声的像素点，提高图像数据的压缩效率。

Description

一种图像数据库高效管理方法

技术领域

本发明涉及图像处理技术领域，具体涉及一种图像数据库高效管理方法。

背景技术

目前在常规的图像数据库中存储了大量的图像数据，为了方便图像数据的管理，会对图像数据进行压缩；而由于一般图像在拍摄或传输的过程中，会因机器等因素的影响，产生一定的噪声，使图像转换后的图像数据也会存在一定的噪声，进而干扰图像数据的压缩效率；所以为了提高图像数据的管理效率需要对图像进行去噪。

传统的去噪方法是利用箱线图将图像中整行整列的图像数据构建箱线筛查出属于噪声的像素点，但由于图像中不同区域内的像素点所表达的内容差异较大，又因整行整列的图像数据包含涉及不同区域，导致行列方向上的图像数据存在不同的异常表现，从而无法准确获取属于噪声的像素点，进而降低图像数据的压缩效率。

发明内容

本发明提供一种图像数据库高效管理方法，以解决现有的问题：由于图像中不同区域内的像素点所表达的内容差异较大，又因整行整列的图像数据包含涉及不同区域，导致行列方向上的图像数据存在不同的异常表现，从而无法准确获取属于噪声的像素点，进而降低图像数据的压缩效率。

本发明的一种图像数据库高效管理方法采用如下技术方案：

包括以下步骤：

采集若干样品图像的样品灰度图像；

对于任意一张样品灰度图像，将样品灰度图像中每一行像素点记为像素点行序列，将样品灰度图像中每一列像素点记为像素点列序列，将像素点行序列与像素点列序列均记为像素点序列，根据像素点序列中像素点的排列规则以及周围像素点的距离，得到每个像素点序列的序列方向以及每个像素点序列中每个像素点的近邻边缘像素点；根据近邻边缘像素点与序列方向之间所构成的角度得到每个像素点与边缘的偏离程度；对像素点序列进行序列划分得到每个像素点的参照像素点序列；根据参照像素点序列以及偏离程度进行区域划分得到每个像素点与每个参照像素点序列属于同一区域的区域可能性；根据区域可能性对像素点序列进行阈值筛选得到若干箱线像素点序列；

根据区域异常可能性分别在水平方向上以及竖直方向上对箱线像素点序列进行区别划分，得到每个像素点的行异常可信度以及列异常可信度；根据样品灰度图像中横向与纵向上像素点之间的灰度差异得到每个像素点的行箱线异常程度以及列箱线异常程度；根据像素点的行异常可信度、列异常可信度、行箱线异常程度以及列箱线异常程度得到每个像素点的最终异常程度，所述最终异常程度用于描述像素点属于噪声点的可能性；

根据最终异常程度进行去噪压缩。

优选的，所述根据像素点序列中像素点的排列规则以及周围像素点的距离，得到每个像素点序列的序列方向以及每个像素点序列中每个像素点的近邻边缘像素点，包括的具体方法为：

对于任意一张样品灰度图像，对样品灰度图像进行Canny边缘检测得到边缘检测图像，将边缘检测图像中灰度值不为0的像素点记为初始边缘像素点；对于任意一个初始边缘像素点，在样品灰度图像中，将与初始边缘像素点位置相同的像素点记为边缘像素点；

对于任意一个像素点行序列，将像素点行序列在水平向右的方向记为像素点行序列的序列方向，按序列方向对像素点行序列进行排序；对于任意一个像素点列序列，将像素点列序列在竖直向下的方向记为像素点列序列的序列方向，按序列方向对像素点列序列进行排序；对于任意一个像素点序列中任意一个像素点，在样品灰度图像中，将与像素点欧式距离最小的边缘像素点记为像素点的近邻边缘像素点。

优选的，所述根据近邻边缘像素点与序列方向之间所构成的角度得到每个像素点与边缘的偏离程度，包括的具体方法为：

对于任意一张样品灰度图像，利用sobel算子获取样品灰度图像中所有像素点的梯度幅值与梯度方向；

对于任意一个像素点序列，式中，表示像素点与边缘的偏离程度；/>表示像素点的梯度方向与像素点序列的序列方向所构成的度数；/>表示样品灰度图像中所有边缘像素点的数量；/>表示样品灰度图像中第/>个边缘像素点与像素点序列中所有像素点的欧式距离的最小值，/>表示样品灰度图像中第/>个边缘像素点的梯度幅值；/>表示像素点的近邻边缘像素点与该像素点的欧式距离。

优选的，所述对像素点序列进行序列划分得到每个像素点的参照像素点序列，包括的具体方法为：

将预设的像素点数量记为T1，对于任意一个像素点序列，将像素点行序列中前T1个像素点所构成的序列记为像素点序列的参考区域像素点序列；对于参考区域像素点序列中任意一个像素点，将参考区域像素点序列中像素点之前的所有像素点所构成的序列记为像素点的参照像素点序列。

优选的，所述根据参照像素点序列以及偏离程度进行区域划分得到每个像素点与每个参照像素点序列属于同一区域的区域可能性，包括的具体方法为：

将任意一个像素点记为目标像素点，式中，表示目标像素点与目标像素点的参照像素点序列所属同一区域的可能性；/>表示预设的超参数；/>表示目标像素点与边缘的偏离程度；/>表示目标像素点的参照像素点序列中所有像素点的数量；/>表示目标像素点的参照像素点序列中第/>个像素点的灰度值与目标像素点的灰度值的差值的绝对值；/>表示目标像素点的参照像素点序列中第/>个像素点的梯度幅值与目标像素点的梯度幅值的差值的绝对值；获取所有像素点与对应的参考像素点列序列所属同一区域的可能性，对所有可能性进行线性归一化，将归一化后的可能性记为区域可能性。

优选的，所述根据区域可能性对像素点序列进行阈值筛选得到若干箱线像素点序列，包括的具体方法为：

将预设的区域可能性阈值记为T2；对于任意一个像素点序列，从像素点行序列中第一个像素点开始，步长为1，依次遍历像素点行序列中未遍历的像素点，直至第一次出现区域可能性大于T2的像素点为止，将第一次出现区域可能性大于T2的像素点记为第一区域像素点，将第一区域像素点的参照像素点序列记为第一个箱线像素点序列；从第一区域像素点开始，步长为1，依次遍历该像素点行序列中未遍历的像素点，直至第二次出现区域可能性大于T2的像素点为止，将第二次出现区域可能性大于T2的像素点记为第二区域像素点，将第二区域像素点的参照像素点序列记为第二个箱线像素点序列；从第二区域像素点开始，步长为1，依次遍历该像素点行序列中未遍历的像素点，直至第三次出现区域可能性大于T2的像素点为止，将第三次出现区域可能性大于T2的像素点记为第三区域像素点，将第三区域像素点的参照像素点序列记为第三个箱线像素点序列；依次类推，获取像素点序列中所有箱线像素点序列。

优选的，所述根据区域异常可能性分别在水平方向上以及竖直方向上对箱线像素点序列进行区别划分，得到每个像素点的行异常可信度以及列异常可信度，包括的具体方法为：

将任意一个像素点行序列中任意一个箱线像素点序列内任意一个像素点记为第一目标像素点，将箱线像素点序列中剔除第一目标像素点后的序列记为第一目标像素点的异常参照像素点序列，参考第一目标像素点与第一目标像素点的箱线像素点序列所属同一区域的区域可能性的获取方法，获取第一目标像素点与第一目标的异常参照像素点序列所属同一区域的区域可能性；

式中，表示箱线像素点序列中第一目标像素点的行异常可信度；/>表示箱线像素点序列中所有像素点的数量；/>表示第一目标像素点的异常参照像素点序列与第一目标像素点所属同一区域的区域可能性；/>表示预设的超参数；/>表示第一目标像素点的异常参照像素点序列中所有像素点的数量；/>表示第一目标像素点的异常参照像素点序列中第/>个像素点的参照像素点序列与第/>个像素点所属同一区域的区域可能性；/>表示第一目标像素点的异常参照像素点序列中第/>个像素点与第一目标像素点所属同一区域的区域可能性；

参考像素点行序列中每个箱线像素点序列内每个像素点的行异常可信度的获取方法，获取每个像素点列序列中每个箱线像素点序列内每个像素点的行异常可信度，记为列异常可信度。

优选的，所述根据样品灰度图像中横向与纵向上像素点之间的灰度差异得到每个像素点的行箱线异常程度以及列箱线异常程度，包括的具体方法为：

对于任意一个像素点行序列中任意一个箱线像素点序列，获取箱线像素点序列上所有像素点的灰度值的上四分位数、下四分位数以及中位数；

式中，表示箱线像素点序列中像素点的行箱线异常程度；/>表示箱线像素点序列中像素点的灰度值；/>表示箱线像素点序列上所有像素点的灰度值的上四分位数；/>表示箱线像素点序列上所有像素点的灰度值的下四分位数；/>表示箱线像素点序列上所有像素点的灰度值的中位数；/>表示预设的超参数；/>表示取绝对值；

参考每个像素点行序列中箱线像素点序列上所有像素点的行箱线异常程度的获取方法，获取每个像素点列序列中箱线像素点序列上所有像素点的行箱线异常程度，记为列箱线异常程度。

优选的，所述根据像素点的行异常可信度、列异常可信度、行箱线异常程度以及列箱线异常程度得到每个像素点的最终异常程度，包括的具体方法为：

对于任意一张样品灰度图像中任意一个像素点，式中，表示像素点的初始最终异常程度；/>表示像素点的行异常可信度；/>表示像素点的行箱线异常程度；/>表示像素点的列异常可信度；/>表示像素点的列箱线异常程度；获取所有像素点的初始最终异常程度，对所有初始最终异常程度进行线性归一化，将归一化后的每个初始最终异常程度记为最终异常程度。

优选的，所述根据最终异常程度进行去噪压缩，包括的具体方法为：

将预设的最终异常程度阈值记为T3；对于任意一张样品灰度图像，将样品灰度图像中最终异常程度大于T3的像素点记为噪声像素点；将样品灰度图像中所有噪声像素点的灰度值进行线性插值，得到去噪后的样品灰度图像；利用游程编码算法对去噪后的样品灰度图像进行压缩得到压缩后的数据。

本发明的技术方案的有益效果是：根据样品灰度图像获取像素点与边缘的偏离程度，根据偏离程度得到区域可能性，根据区域可能性得到像素点的行异常可信度以及列异常可信度，获取像素点的行箱线异常程度以及列箱线异常程度，根据行异常可信度、列异常可信度、行箱线异常程度以及列箱线异常程度得到最终异常程度，根据最终异常程度进行去噪压缩；相较于现有技术直接分析整行整列的图像数据，无法准确获取属于噪声的像素点；本发明的偏离程度反映了像素点与图像边缘之间的差异，最终异常程度反映了像素点基于横向与纵向上的灰度分布情况确定的属于噪声的可能性；可以更准确地获取属于噪声的像素点，提高图像数据的压缩效率。

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，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地介绍，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他的附图。

图1为本发明一种图像数据库高效管理方法的步骤流程图。

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一种图像数据库高效管理方法，其具体实施方式、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。

下面结合附图具体的说明本发明所提供的一种图像数据库高效管理方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种图像数据库高效管理方法的步骤流程图，该方法包括以下步骤：

步骤S001：采集若干样品图像的样品灰度图像。

需要说明的是，传统的去噪方法是利用箱线图将图像中整行整列的图像数据构建箱线筛查出属于噪声的像素点，但由于图像中不同区域内的像素点所表达的内容差异较大，又因整行整列的图像数据包含涉及不同区域，导致行列方向上的图像数据存在不同的异常表现，从而无法准确获取属于噪声的像素点，进而降低图像数据的压缩效率。为此，本实施例提出了一种图像数据库高效管理方法。

具体的，为了实现本实施例提出的一种图像数据库高效管理方法，首先需要采集若干样品图像的样品灰度图像，具体过程为：获取图像数据库中若干样品图像，将每张图像进行灰度化处理得到若干样品灰度图像。其中灰度化处理是公知技术，本实施例不再赘述。

至此，通过上述方法得到若干样品图像的样品灰度图像。

步骤S002：根据样品灰度图像得到每个像素点序列的序列方向以及每个像素点序列中每个像素点的近邻边缘像素点；根据近邻边缘像素点与序列方向之间所构成的角度得到每个像素点与边缘的偏离程度；对像素点序列进行序列划分得到每个像素点的参照像素点序列；根据参照像素点序列以及偏离程度进行区域划分得到每个像素点与每个参照像素点序列属于同一区域的区域可能性；根据区域可能性对像素点序列进行阈值筛选得到若干箱线像素点序列。

需要说明的是，对于任意一行获取的像素点序列或者任意一列的像素点序列而言，由于像素点序列中的若干像素点分别来自于不同的区域，而这些不同的区域主要通过灰度或梯度差异来体现不同区域之间的区别，所以像素点序列中的所有像素点之间的灰度值与梯度幅值会存在不同程度的差异；在通常情况下，像素点序列中不同区域内包含多个像素点，而这些像素点是连续排列的，所以可以通过分析相邻像素点之间的灰度以及梯度的差异得到属于同一个区域的像素点，以便进行后续处理分析。

具体的，以任意一张样品灰度图像为例，利用sobel算子获取该样品灰度图像中所有像素点的梯度幅值与梯度方向；对该样品灰度图像进行Canny边缘检测得到边缘检测图像，将该边缘检测图像中灰度值不为0的像素点记为初始边缘像素点；以任意一个初始边缘像素点为例，在该样品灰度图像中，将与该初始边缘像素点位置相同的像素点记为边缘像素点。将每一行像素点均记为像素点行序列，将每一列像素点均记为像素点列序列，将像素点行序列与像素点列序列统称为像素点序列；以任意一个像素点行序列为例，将该像素点行序列在水平向右的方向记为该像素点行序列的序列方向，按该序列方向对该像素点行序列进行排序；以任意一个像素点列序列为例，将该像素点列序列在竖直向下的方向记为该像素点列序列的序列方向，按该序列方向对该像素点列序列进行排序；以该像素点行序列中任意一个像素点为例，在该样品灰度图像中，将与该像素点欧式距离最小的边缘像素点记为该像素点的近邻边缘像素点。其中样品灰度图像中包含多个边缘像素点。另外sobel算子、欧式距离的获取以及Canny边缘检测算法是公知技术，本实施例不再赘述。另外需要说明的是，该样品灰度图像中边缘像素点按照每行像素点从左往右的顺序进行排序，对于任意一行像素点，对该行像素点中的边缘像素点排序完后，从该行像素点中边缘像素点最大序号的下一个序号开始，继续下一行像素点中边缘像素点的排序。

进一步的，根据该像素点的近邻边缘像素点以及该像素点行序列的序列方向得到该像素点与边缘的偏离程度。其中该像素点与边缘的偏离程度的计算方法为：

式中，表示该像素点与边缘的偏离程度；/>表示该像素点的梯度方向与该像素点行序列的序列方向所构成的度数；/>表示该样品灰度图像中所有边缘像素点的数量；/>表示该样品灰度图像中第/>个边缘像素点与该像素点行序列中所有像素点的欧式距离的最小值，/>表示该样品灰度图像中第/>个边缘像素点的梯度幅值；/>表示该像素点的近邻边缘像素点与该像素点的欧式距离；/>表示所有边缘的平均梯度分布情况。其中该像素点与边缘的偏离程度越大，说明该像素点与边缘之间的差异越大，反映边缘对于该像素点分割区域的影响越小。

进一步的，预设一个像素点数量T1，其中本实施例以T1=50为例进行叙述，本实施例不进行具体限定，其中T1可根据具体实施情况而定；将该像素点行序列中前T1个像素点所构成的序列记为该像素点行序列的参考区域像素点序列。以该参考区域像素点序列中任意一个像素点为例，将该参考区域像素点序列中该像素点之前的所有像素点所构成的序列记为该像素点的参照像素点序列，根据该像素点与边缘的偏离程度得到该像素点与该参照像素点序列所属同一区域的可能性。其中该像素点与该参照像素点序列所属同一区域的可能性的计算方法为：

式中，表示该像素点与该参照像素点序列所属同一区域的可能性；/>表示预设的超参数，本实施例预设/>，用于防止/>为0；/>表示该像素点与边缘的偏离程度；/>表示该像素点的参照像素点序列中所有像素点的数量；/>表示该像素点的参照像素点序列中第个像素点的灰度值与该像素点的灰度值的差值的绝对值；/>表示该像素点的参照像素点序列中第/>个像素点的梯度幅值与该像素点的梯度幅值的差值的绝对值；/>表示该像素点与参照像素点序列之间的像素偏差。其中若该像素点与该参照像素点序列所属同一区域的可能性越大，说明该参照像素点序列到该像素点的变化规律越满足于该参照像素点序列原本的图像特征变化规律。获取所有像素点与每个参考像素点列序列所属同一区域的可能性，对所有可能性进行线性归一化，将归一化后的可能性记为区域可能性。

进一步的，预设一个区域可能性阈值T2，其中本实施例以T2=0.7为例进行叙述，本实施例不进行具体限定，其中T2可根据具体实施情况而定；从该像素点行序列中第一个像素点开始，步长为1，依次遍历该像素点行序列中未遍历的像素点，直至第一次出现区域可能性大于T2的像素点为止，将第一次出现区域可能性大于T2的像素点记为第一区域像素点，将第一区域像素点的参照像素点序列记为第一个箱线像素点序列；从第一区域像素点开始，步长为1，依次遍历该像素点行序列中未遍历的像素点，直至第二次出现区域可能性大于T2的像素点为止，将第二次出现区域可能性大于T2的像素点记为第二区域像素点，将第二区域像素点的参照像素点序列记为第二个箱线像素点序列；从第二区域像素点开始，步长为1，依次遍历该像素点行序列中未遍历的像素点，直至第三次出现区域可能性大于T2的像素点为止，将第三次出现区域可能性大于T2的像素点记为第三区域像素点，将第三区域像素点的参照像素点序列记为第三个箱线像素点序列；依次类推，获取该像素点行序列中所有箱线像素点序列；获取所有像素点行序列中所有箱线像素点序列。需要说明的是，该像素点行序列中第一个像素点的参照像素点序列默认只含有一个灰度值为0梯度幅值为0，梯度方向度数为0度的像素点。

至此，通过上述方法得到所有像素点行序列中所有箱线像素点序列。

步骤S003：根据区域异常可能性分别在水平方向上以及竖直方向上对箱线像素点序列进行区别划分，得到每个像素点的行异常可信度以及列异常可信度；根据样品灰度图像中横向与纵向上像素点之间的灰度差异得到每个像素点的行箱线异常程度以及列箱线异常程度；根据像素点的行异常可信度、列异常可信度、行箱线异常程度以及列箱线异常程度得到每个像素点的最终异常程度。

需要说明的是，在获取每个像素点行序列中存在的若干箱线像素点序列后，每个箱线像素点序列相当于一个区域，通过区域可能性可以获取每个像素点在水平方向上的异常可信度；但由于通常情况下的区域并不是一条线，而是一个成片的区域，所以还需要考虑每个像素点在竖直方向上的异常可信度，综合考虑水平方向与竖直方向上的异常可信度得到最终的异常程度，从而根据最终的异常程度确定噪声点，以便后续分析处理。

具体的，以任意一个像素点行序列中任意一个箱线像素点序列内任意一个像素点为例，将该箱线像素点序列中剔除该像素点后的序列记为该像素点的异常参照像素点序列，参考该像素点与该箱线像素点序列所属同一区域的区域可能性的获取方法，获取该像素点与该异常参照像素点序列所属同一区域的区域可能性。根据该像素点与该异常参照像素点序列所属同一区域的区域可能性，以及该像素点与该箱线像素点序列所属同一区域的区域可能性，得到该箱线像素点序列中该像素点的异常可信度。其中该箱线像素点序列中该像素点的行异常可信度的计算方法为：

式中，表示该箱线像素点序列中该像素点的行异常可信度；/>表示该箱线像素点序列中所有像素点的数量；/>表示该像素点的异常参照像素点序列与该像素点所属同一区域的区域可能性；/>表示预设的超参数，本实施例预设/>，用于防止/>为0；/>表示该像素点的异常参照像素点序列中所有像素点的数量；/>表示该像素点的异常参照像素点序列中第/>个像素点的参照像素点序列与第/>个像素点所属同一区域的区域可能性；表示该像素点的异常参照像素点序列中第/>个像素点与该像素点所属同一区域的区域可能性；/>表示该像素点的异常参照像素点序列所反映的数据可信程度。其中若该箱线像素点序列中该像素点的行异常可信度越大，说明该像素点的数值在水平方向上存在异常的可信度越大。

进一步的，参考每个像素点行序列中每个箱线像素点序列内每个像素点的行异常可信度的获取方法，将每个像素点行序列替换为每个像素点列序列，将每个像素点行序列的序列方向替换为每个像素点列序列的序列方向，获取每个像素点列序列中每个箱线像素点序列内每个像素点的行异常可信度，记为列异常可信度。其中该样品灰度图像中每个像素点对应一个行异常可信度以及一个列异常可信度。

进一步的，以任意一个像素点行序列中任意一个箱线像素点序列为例，获取该箱线像素点序列上所有像素点的灰度值的上四分位数、下四分位数以及中位数；以该箱线像素点序列中任意一个像素点为例，根据上四分位数、下四分位数以及中位数得到该箱线像素点序列中该像素点的行箱线异常程度。其中上四分位数、下四分位数以及中位数的获取过程是箱线图的公知内容，本实施例不再赘述。另外该箱线像素点序列中该像素点的行箱线异常程度的计算方法为：

式中，表示该箱线像素点序列中该像素点的行箱线异常程度；/>表示该箱线像素点序列中该像素点的灰度值；/>表示该箱线像素点序列上所有像素点的灰度值的上四分位数；/>表示该箱线像素点序列上所有像素点的灰度值的下四分位数；/>表示该箱线像素点序列上所有像素点的灰度值的中位数；/>表示预设的超参数，本实施例预设/>，用于防止分母为0；/>表示取绝对值。若该箱线像素点序列中该像素点的行箱线异常程度越大，说明在箱线图的基础上该像素点的灰度值在水平方向上的异常程度越大。获取该箱线像素点序列中所有像素点的行箱线异常程度；获取所有箱线像素点序列中所有像素点的行箱线异常程度。

进一步的，参考每个像素点行序列中箱线像素点序列上所有像素点的行箱线异常程度的获取方法，获取每个像素点列序列中箱线像素点序列上所有像素点的行箱线异常程度，记为列箱线异常程度。其中该样品灰度图像中每个像素点对应一个行异常可信度、一个列异常可信度、一个行箱线异常程度以及一个列箱线异常程度。

进一步的，以样品灰度图像中任意一个像素点为例，根据该像素点的行异常可信度、列异常可信度、行箱线异常程度以及列箱线异常程度得到该像素点的初始最终异常程度。其中该像素点的初始最终异常程度的计算方法为：

式中，表示该像素点的初始最终异常程度；/>表示该像素点的行异常可信度；表示该像素点的行箱线异常程度；/>表示该像素点的列异常可信度；/>表示该像素点的列箱线异常程度。其中若该像素点的初始最终异常程度越大，说明该像素点越有可能为噪声点。获取所有像素点的初始最终异常程度，对所有初始最终异常程度进行线性归一化，将归一化后的每个初始最终异常程度记为最终异常程度。获取每张样品灰度图像中所有像素点的最终异常程度。

至此，通过上述方法得到每张样品灰度图像中所有像素点的最终异常程度。

步骤S004：根据最终异常程度进行去噪压缩。

具体的，预设一个最终异常程度阈值T3，其中本实施例以T3=0.9为例进行叙述，本实施例不进行具体限定，其中T3可根据具体实施情况而定；以任意一张样品灰度图像为例，将该样品灰度图像中最终异常程度大于T3的像素点记为噪声像素点；将该样品灰度图像中所有噪声像素点的灰度值进行线性插值，得到去噪后的样品灰度图像。其中线性插值算法是公知技术，本实施例不再赘述。

进一步的，利用游程编码算法对该去噪后的样品灰度图像进行压缩得到压缩后的数据，将压缩后的数据存入图像数据库中，在需要分析时利用游程编码对压缩后的数据进行解压。其中对压缩后的数据进行解压的过程是游程编码算法的公知内容，本实施例不再赘述。

至此，本实施例完成。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种图像数据库高效管理方法，其特征在于，该方法包括以下步骤：

采集若干样品图像的样品灰度图像；

对于任意一张样品灰度图像，将样品灰度图像中每一行像素点记为像素点行序列，将样品灰度图像中每一列像素点记为像素点列序列，将像素点行序列与像素点列序列均记为像素点序列，根据像素点序列中像素点的排列规则以及周围像素点的距离，得到每个像素点序列的序列方向以及每个像素点序列中每个像素点的近邻边缘像素点；根据近邻边缘像素点与序列方向之间所构成的角度得到每个像素点与边缘的偏离程度；对像素点序列进行序列划分得到每个像素点的参照像素点序列；根据参照像素点序列以及偏离程度进行区域划分得到每个像素点与每个参照像素点序列属于同一区域的区域可能性；根据区域可能性对像素点序列进行阈值筛选得到若干箱线像素点序列；

根据区域异常可能性分别在水平方向上以及竖直方向上对箱线像素点序列进行区别划分，得到每个像素点的行异常可信度以及列异常可信度；根据样品灰度图像中横向与纵向上像素点之间的灰度差异得到每个像素点的行箱线异常程度以及列箱线异常程度；根据像素点的行异常可信度、列异常可信度、行箱线异常程度以及列箱线异常程度得到每个像素点的最终异常程度，所述最终异常程度用于描述像素点属于噪声点的可能性；

根据最终异常程度进行去噪压缩；

所述根据区域异常可能性分别在水平方向上以及竖直方向上对箱线像素点序列进行区别划分，得到每个像素点的行异常可信度以及列异常可信度，包括的具体方法为：

将任意一个像素点行序列中任意一个箱线像素点序列内任意一个像素点记为第一目标像素点，将箱线像素点序列中剔除第一目标像素点后的序列记为第一目标像素点的异常参照像素点序列，参考第一目标像素点与第一目标像素点的箱线像素点序列所属同一区域的区域可能性的获取方法，获取第一目标像素点与第一目标的异常参照像素点序列所属同一区域的区域可能性；

式中，表示箱线像素点序列中第一目标像素点的行异常可信度；/>表示箱线像素点序列中所有像素点的数量；/>表示第一目标像素点的异常参照像素点序列与第一目标像素点所属同一区域的区域可能性；/>表示预设的超参数；/>表示第一目标像素点的异常参照像素点序列中所有像素点的数量；/>表示第一目标像素点的异常参照像素点序列中第/>个像素点的参照像素点序列与第/>个像素点所属同一区域的区域可能性；/>表示第一目标像素点的异常参照像素点序列中第/>个像素点与第一目标像素点所属同一区域的区域可能性；

参考像素点行序列中每个箱线像素点序列内每个像素点的行异常可信度的获取方法，获取每个像素点列序列中每个箱线像素点序列内每个像素点的行异常可信度，记为列异常可信度；

所述根据样品灰度图像中横向与纵向上像素点之间的灰度差异得到每个像素点的行箱线异常程度以及列箱线异常程度，包括的具体方法为：

对于任意一个像素点行序列中任意一个箱线像素点序列，获取箱线像素点序列上所有像素点的灰度值的上四分位数、下四分位数以及中位数；

式中，表示箱线像素点序列中像素点的行箱线异常程度；/>表示箱线像素点序列中像素点的灰度值；/>表示箱线像素点序列上所有像素点的灰度值的上四分位数；/>表示箱线像素点序列上所有像素点的灰度值的下四分位数；/>表示箱线像素点序列上所有像素点的灰度值的中位数；/>表示预设的超参数；/>表示取绝对值；

参考每个像素点行序列中箱线像素点序列上所有像素点的行箱线异常程度的获取方法，获取每个像素点列序列中箱线像素点序列上所有像素点的行箱线异常程度，记为列箱线异常程度；

所述根据像素点的行异常可信度、列异常可信度、行箱线异常程度以及列箱线异常程度得到每个像素点的最终异常程度，包括的具体方法为：

对于任意一张样品灰度图像中任意一个像素点，式中，表示像素点的初始最终异常程度；/>表示像素点的行异常可信度；/>表示像素点的行箱线异常程度；/>表示像素点的列异常可信度；/>表示像素点的列箱线异常程度；获取所有像素点的初始最终异常程度，对所有初始最终异常程度进行线性归一化，将归一化后的每个初始最终异常程度记为最终异常程度。

2.根据权利要求1所述一种图像数据库高效管理方法，其特征在于，所述根据像素点序列中像素点的排列规则以及周围像素点的距离，得到每个像素点序列的序列方向以及每个像素点序列中每个像素点的近邻边缘像素点，包括的具体方法为：

对于任意一张样品灰度图像，对样品灰度图像进行Canny边缘检测得到边缘检测图像，将边缘检测图像中灰度值不为0的像素点记为初始边缘像素点；对于任意一个初始边缘像素点，在样品灰度图像中，将与初始边缘像素点位置相同的像素点记为边缘像素点；

对于任意一个像素点行序列，将像素点行序列在水平向右的方向记为像素点行序列的序列方向，按序列方向对像素点行序列进行排序；对于任意一个像素点列序列，将像素点列序列在竖直向下的方向记为像素点列序列的序列方向，按序列方向对像素点列序列进行排序；对于任意一个像素点序列中任意一个像素点，在样品灰度图像中，将与像素点欧式距离最小的边缘像素点记为像素点的近邻边缘像素点。

3.根据权利要求2所述一种图像数据库高效管理方法，其特征在于，所述根据近邻边缘像素点与序列方向之间所构成的角度得到每个像素点与边缘的偏离程度，包括的具体方法为：

对于任意一张样品灰度图像，利用sobel算子获取样品灰度图像中所有像素点的梯度幅值与梯度方向；

对于任意一个像素点序列，式中，表示像素点与边缘的偏离程度；/>表示像素点的梯度方向与像素点序列的序列方向所构成的度数；/>表示样品灰度图像中所有边缘像素点的数量；/>表示样品灰度图像中第/>个边缘像素点与像素点序列中所有像素点的欧式距离的最小值，/>表示样品灰度图像中第/>个边缘像素点的梯度幅值；/>表示像素点的近邻边缘像素点与该像素点的欧式距离。

4.根据权利要求1所述一种图像数据库高效管理方法，其特征在于，所述对像素点序列进行序列划分得到每个像素点的参照像素点序列，包括的具体方法为：

将预设的像素点数量记为T1，对于任意一个像素点序列，将像素点行序列中前T1个像素点所构成的序列记为像素点序列的参考区域像素点序列；对于参考区域像素点序列中任意一个像素点，将参考区域像素点序列中像素点之前的所有像素点所构成的序列记为像素点的参照像素点序列。

5.根据权利要求1所述一种图像数据库高效管理方法，其特征在于，所述根据参照像素点序列以及偏离程度进行区域划分得到每个像素点与每个参照像素点序列属于同一区域的区域可能性，包括的具体方法为：

将任意一个像素点记为目标像素点，式中，表示目标像素点与目标像素点的参照像素点序列所属同一区域的可能性；/>表示预设的超参数；/>表示目标像素点与边缘的偏离程度；/>表示目标像素点的参照像素点序列中所有像素点的数量；/>表示目标像素点的参照像素点序列中第/>个像素点的灰度值与目标像素点的灰度值的差值的绝对值；/>表示目标像素点的参照像素点序列中第/>个像素点的梯度幅值与目标像素点的梯度幅值的差值的绝对值；获取所有像素点与对应的参考像素点列序列所属同一区域的可能性，对所有可能性进行线性归一化，将归一化后的可能性记为区域可能性。

6.根据权利要求1所述一种图像数据库高效管理方法，其特征在于，所述根据区域可能性对像素点序列进行阈值筛选得到若干箱线像素点序列，包括的具体方法为：

将预设的区域可能性阈值记为T2；对于任意一个像素点序列，从像素点行序列中第一个像素点开始，步长为1，依次遍历像素点行序列中未遍历的像素点，直至第一次出现区域可能性大于T2的像素点为止，将第一次出现区域可能性大于T2的像素点记为第一区域像素点，将第一区域像素点的参照像素点序列记为第一个箱线像素点序列；从第一区域像素点开始，步长为1，依次遍历该像素点行序列中未遍历的像素点，直至第二次出现区域可能性大于T2的像素点为止，将第二次出现区域可能性大于T2的像素点记为第二区域像素点，将第二区域像素点的参照像素点序列记为第二个箱线像素点序列；从第二区域像素点开始，步长为1，依次遍历该像素点行序列中未遍历的像素点，直至第三次出现区域可能性大于T2的像素点为止，将第三次出现区域可能性大于T2的像素点记为第三区域像素点，将第三区域像素点的参照像素点序列记为第三个箱线像素点序列；依次类推，获取像素点序列中所有箱线像素点序列。

7.根据权利要求1所述一种图像数据库高效管理方法，其特征在于，所述根据最终异常程度进行去噪压缩，包括的具体方法为：

将预设的最终异常程度阈值记为T3；对于任意一张样品灰度图像，将样品灰度图像中最终异常程度大于T3的像素点记为噪声像素点；将样品灰度图像中所有噪声像素点的灰度值进行线性插值，得到去噪后的样品灰度图像；利用游程编码算法对去噪后的样品灰度图像进行压缩得到压缩后的数据。