CN117575941A - 基于自适应值域滤波的图像去噪方法、电子设备、介质 - Google Patents

基于自适应值域滤波的图像去噪方法、电子设备、介质 Download PDF

Info

Publication number
CN117575941A
CN117575941A CN202311642504.9A CN202311642504A CN117575941A CN 117575941 A CN117575941 A CN 117575941A CN 202311642504 A CN202311642504 A CN 202311642504A CN 117575941 A CN117575941 A CN 117575941A
Authority
CN
China
Prior art keywords
image
area
value
filtering
defect area
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
Application number
CN202311642504.9A
Other languages
English (en)
Inventor
杨青
卓桐
庞陈雷
王智
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.)
Zhejiang Lab
Original Assignee
Zhejiang Lab
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 Zhejiang Lab filed Critical Zhejiang Lab
Priority to CN202311642504.9A priority Critical patent/CN117575941A/zh
Publication of CN117575941A publication Critical patent/CN117575941A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • 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
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G06T2207/20036—Morphological image processing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

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

Abstract

本发明公开了一种基于自适应值域滤波的图像去噪方法、电子设备、介质，所述方法包括：获取待处理图像，设置分割阈值，按分割阈值将待处理图像分割为缺陷区域和背景区域；对缺陷区域进行过滤、形态学处理；对缺陷区域和背景区域设置对应的核标准差参数；并对缺陷区域和背景区域中的每个像素点基于其邻域像素点与邻域均值的差设置权重进行邻域加权求和实现自适应值域滤波，得到去噪后的图像。本发明实现了图像背景和缺陷区域的去噪处理，去除背景噪声的同时尽可能保留缺陷区域的梯度信息。

Description

基于自适应值域滤波的图像去噪方法、电子设备、介质
技术领域
本发明涉及图像处理领域，尤其涉及一种基于自适应值域滤波的图像去噪方法、电子设备、介质。
背景技术
当图像中的噪声较为明显时，图像中缺陷区域的特征信息会被干扰，使得缺陷区域和背景区域较难分辨，降低了图像质量。若直接采用均值滤波等常用的方法对整个图像进行去噪，虽然能较好的去除背景区域的噪声，但缺陷区域的梯度信息和边缘信息也会丢失。若采用双边滤波等基于邻域像素相似性的滤波权重的方法，对于较明显的噪点，其邻域相似像素值的加权贡献较大，因此去噪效果不佳。在实际工业生产中对图像处理的效率要求较高，因此也不能采用具有大量复杂计算过程的去噪方法。
发明内容
本发明的目的在于针对现有技术不足，提供一种基于自适应值域滤波的图像去噪方法、电子设备、介质。
第一方面，本发明实施例提供了一种基于自适应值域滤波的图像去噪方法，所述方法包括：
获取待处理图像，设置分割阈值，按分割阈值将待处理图像分割为缺陷区域和背景区域；
对缺陷区域进行过滤、形态学处理；
对缺陷区域和背景区域设置对应的核标准差参数；并对缺陷区域和背景区域中的每个像素点基于其邻域像素点与邻域均值的差设置权重进行邻域加权求和实现自适应值域滤波，得到去噪后的图像。
进一步地，设置分割阈值的过程包括：
绘制待处理图像的灰度分布曲线，查找灰度分布曲线中近似直线的区域；
从近似直线的区域选取两个点，记为A点和B点；
绘制一经过A点和B点的拟合直线；
随着像素值从小到大，计算灰度分布曲线中每一像素值与拟合直线值的差值，当差值小于预设的差值阈值时，将当前的像素值作为分割阈值。
进一步地，绘制待处理图像的灰度分布曲线包括：
以待处理图像的像素数量为横坐标，以待处理图像的像素值为纵坐标绘制待处理图像的灰度分布曲线。
进一步地，对缺陷区域进行过滤包括：
对分割得到的缺陷区域进行连通性分析，得到若干个连通区域；
对每一连通区域的面积、宽、高或梯度分布设置对应的阈值来进行过滤。
进一步地，对缺陷区域进行形态学处理包括：
对缺陷区域进行膨胀处理，使缺陷区域包含缺陷边缘，并消除缺陷区域中的空洞。
进一步地，对缺陷区域和背景区域设置对应的核标准差参数；并对缺陷区域和背景区域中的每个像素点基于其邻域像素点与邻域均值的差设置权重进行邻域加权求和实现自适应值域滤波的表达式如下：
式中，I(i+m,j+n)为像素点I(i,j)的邻域像素值，Imean(i,j)表示像素点I(i,k)所在的局部区域的像素均值，σ表示核标准差参数。
进一步地，根据背景区域和缺陷区域对梯度信息保留程度和去噪程度，对对缺陷区域和背景区域设置对应的核标准差参数；核标准差参数值越大，梯度信息保留程度越小，去噪程度越强。
第二方面，本发明实施例提供了一种基于自适应值域滤波的图像去噪系统，用于实现上述的基于自适应值域滤波的图像去噪方法，所述系统包括：
图像分割模块，用于获取待处理图像，设置分割阈值，按分割阈值将待处理图像分割为缺陷区域和背景区域；
缺陷区域处理模块，用于对缺陷区域进行过滤、形态学处理；
滤波去噪模块，用于对缺陷区域和背景区域设置对应的核标准差参数；并对缺陷区域和背景区域中的每个像素点基于其邻域像素点与邻域均值的差设置权重进行邻域加权求和实现自适应值域滤波，得到去噪后的图像。
第三方面，本发明实施例提供了一种电子设备，包括存储器和处理器，所述存储器与所述处理器耦接；其中，所述存储器用于存储程序数据，所述处理器用于执行所述程序数据以实现上述的基于自适应值域滤波的图像去噪方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述的基于自适应值域滤波的图像去噪方法。
与现有技术相比，本发明的有益效果是：本发明针对图像中的噪声，基于背景区域和缺陷区域对梯度信息保留程度和去噪程度的不同要求，绘制灰度分布曲线并计算分割阈值对缺陷和背景区域进行分割，并基于局部区域的自适应权重和不同滤波参数分别对缺陷区域和背景区域进行自适应值域滤波，在去噪效果的同时能较好的保留缺陷细节信息。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于自适应值域滤波的图像去噪方法的示意图；
图2为本发明实施例提供的待去噪的图像；
图3是本发明实施例提供的像素分布曲线和拟合直线效果示意图；
图4是本发明实施例提供的分割出的缺陷区域的示意图；
图5是本发明实施例提供的去噪结果、原图和结果图中缺陷和背景区域去噪结果的示意图；
图6是本发明实施例提供的基于自适应值域滤波的图像去噪系统的示意图。
图7是本发明实施例提供的一种电子设备的示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
在本发明使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本发明可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本发明范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
下面结合附图，对本发明进行详细说明。在不冲突的情况下，下述的实施例及实施方式中的特征可以相互组合。
如图1所示，本发明实施例提供了一种基于自适应值域滤波的图像去噪方法，所述方法具体包括了以下步骤：
步骤S1，获取待处理图像，设置分割阈值，按分割阈值将待处理图像分割为缺陷区域和背景区域。
进一步地，图2示出了本发明实施例提供的待处理图像。所述待处理图像为16位单通道图像，并且本实例将还待处理图像进行归一化处理。
进一步地，设置分割阈值的过程包括：对待处理图像的像素值进行排序并绘制灰度分布曲线，查找灰度分布曲线中近似直线的区域，从该近似直线的区域选取两个点，记为A点和B点；绘制一经过A点和B点的拟合直线；随着像素值从小到大，计算灰度分布曲线中每一像素值与拟合直线值的差值，当差值小于预设的差值阈值时，将当前的像素值作为分割阈值。
具体地，如图3所示，以待处理图像的像素数量为横坐标，以待处理图像的像素值为纵坐标绘制待处理图像的灰度分布曲线，取位于灰度分布曲线中间近似直线区域中一定范围的像素值进行直线拟合，在本实例中，选取直线A和B之间的范围，绘制一经过A点和B点的拟合直线。根据灰度分布曲线的像素范围，沿着图3的x轴由小到大方向，计算灰度分布曲线中每一像素值与拟合直线值的差值，将第一个小于预设的差值阈值对应的像素值作为分割阈值，点C为选取的分割阈值的一个示例。根据分割阈值将待处理图像初步分割为缺陷区域和背景区域。
步骤S2，对步骤S1分割得到的缺陷区域进行过滤。
具体地，在本实例中，对分割得到的缺陷区域进行连通性分析，得到若干个连通区域；其中，每一连通区域被认为是一个缺陷。根据缺陷的普遍特性，对每一连通区域的面积、宽、高或梯度分布设置对应的阈值来进行过滤。
图4示出了的分割出的缺陷区域过滤前后的示意图；图4中的(a)图是过滤之前的缺陷区域图，图4中的(b)是过滤之后的缺陷区域图，由图中的(a)和图4中的(b)对比可知，通过对缺陷区域进行过滤使得缺陷区域中的每一连通区域的边缘更加清晰。
步骤S3，对步骤S2过滤后的缺陷区域进行形态学处理。
具体地，在本实例中，对缺陷区域进行膨胀等形态学处理，减小分割误差，使分割出的缺陷区域尽可能包含缺陷边缘，并尽可能消除缺陷内部区域由于噪声造成的孔洞等。
步骤S4，对缺陷区域和背景区域设置对应的核标准差参数，并对缺陷区域和背景区域中的每个像素点基于其邻域像素点与邻域均值的差设置权重进行邻域加权求和实现自适应值域滤波，得到去噪后的图像。
进一步地，对缺陷区域和背景区域设置对应的核标准差参数，对缺陷区域和背景区域中的每个像素点基于其邻域像素点与邻域均值的差设置权重进行邻域加权求和实现自适应值域滤波，表达式如下：
式中，I(i+m,k+n)为像素点I(i,j)的邻域像素值，Imean(i,j)表示像素点I(i,j)所在的局部区域的像素均值，σ表示核标准差参数。
需要说明的是，像素点的邻域像素点与邻域均值的差值越小，其权重越大。
在本实例中，根据背景区域和缺陷区域对梯度信息保留程度和去噪程度，对对缺陷区域和背景区域设置对应的核标准差参数σ。核标准差参数σ值越大，梯度信息保留程度越小，去噪程度越强。
参阅图5所示，图5中的(c)是本发明实施例得到的去噪结果图，图5中的(a)和图5中的(d)分别是原图中对应区域的放大图，图5中的(b)和图5中的(e)分别是去噪结果图中选取的缺陷和背景区域的放大图。由图5可知，经本发明方法处理后的图片其缺陷区域和背景区域的噪声波动大幅度减弱，并较好地保留和突出了缺陷区域的梯度特征。
综上所述，本发明方法基于背景区域和缺陷区域对梯度信息保留程度和去噪程度的不同要求，根据图像整体像素分布计算分割阈值对缺陷和背景区域进行分割，并基于局部区域的自适应权重和不同滤波参数分别对缺陷区域和背景区域进行自适应值域滤波，实现去噪效果的同时能较好的保留缺陷细节信息。
如图6所示，本发明实施例还提供了一种基于自适应值域滤波的图像去噪系统，所述系统包括：
图像分割模块，用于获取待处理图像，设置分割阈值，按分割阈值将待处理图像分割为缺陷区域和背景区域；
缺陷区域处理模块，用于对缺陷区域进行过滤、形态学处理；
滤波去噪模块，用于对缺陷区域和背景区域设置对应的核标准差参数；并对缺陷区域和背景区域中的每个像素点基于其邻域像素点与邻域均值的差设置权重进行邻域加权求和实现自适应值域滤波，得到去噪后的图像。
本说明书还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行上述数据同步的方法。
本说明书还提供了图7所示的电子设备的示意结构图。如图7所述，在硬件层面，该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述数据同步的方法。
当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field ProgrammableGateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera HardwareDescriptionLanguage)、Confluence、CUPL(Cornell University ProgrammingLanguage)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本说明书的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其他不同形式的变化或变动。这里无需也无法把所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明的保护范围。

Claims (10)

1.一种基于自适应值域滤波的图像去噪方法，其特征在于，所述方法包括：
获取待处理图像，设置分割阈值，按分割阈值将待处理图像分割为缺陷区域和背景区域；
对缺陷区域进行过滤、形态学处理；
对缺陷区域和背景区域设置对应的核标准差参数；并对缺陷区域和背景区域中的每个像素点基于其邻域像素点与邻域均值的差设置权重进行邻域加权求和实现自适应值域滤波，得到去噪后的图像。
2.根据权利要求1所述的基于自适应值域滤波的图像去噪方法，其特征在于，设置分割阈值的过程包括：
绘制待处理图像的灰度分布曲线，查找灰度分布曲线中近似直线的区域；
从近似直线的区域选取两个点，记为A点和B点；
绘制一经过A点和B点的拟合直线；
随着像素值从小到大，计算灰度分布曲线中每一像素值与拟合直线值的差值，当差值小于预设的差值阈值时，将当前的像素值作为分割阈值。
3.根据权利要求1所述的基于自适应值域滤波的图像去噪方法，其特征在于，绘制待处理图像的灰度分布曲线包括：
以待处理图像的像素数量为横坐标，以待处理图像的像素值为纵坐标绘制待处理图像的灰度分布曲线。
4.根据权利要求1所述的基于自适应值域滤波的图像去噪方法，其特征在于，对缺陷区域进行过滤包括：
对分割得到的缺陷区域进行连通性分析，得到若干个连通区域；
对每一连通区域的面积、宽、高或梯度分布设置对应的阈值来进行过滤。
5.根据权利要求1所述的基于自适应值域滤波的图像去噪方法，其特征在于，对缺陷区域进行形态学处理包括：
对缺陷区域进行膨胀处理，使缺陷区域包含缺陷边缘，并消除缺陷区域中的空洞。
6.根据权利要求1所述的基于自适应值域滤波的图像去噪方法，其特征在于，对缺陷区域和背景区域设置对应的核标准差参数；并对缺陷区域和背景区域中的每个像素点基于其邻域像素点与邻域均值的差设置权重进行邻域加权求和实现自适应值域滤波的表达式如下：
式中，I(i+m,j+n)为像素点I(i,j)的邻域像素值，Imean(i,j)表示像素点I(i,j)所在的局部区域的像素均值，σ表示核标准差参数。
7.根据权利要求1或6所述的基于自适应值域滤波的图像去噪方法，其特征在于，根据背景区域和缺陷区域对梯度信息保留程度和去噪程度，对对缺陷区域和背景区域设置对应的核标准差参数；核标准差参数值越大，梯度信息保留程度越小，去噪程度越强。
8.一种基于自适应值域滤波的图像去噪系统，其特征在于，用于实现上述权利要求1-7任一项所述的基于自适应值域滤波的图像去噪方法，所述系统包括：
图像分割模块，用于获取待处理图像，设置分割阈值，按分割阈值将待处理图像分割为缺陷区域和背景区域；
缺陷区域处理模块，用于对缺陷区域进行过滤、形态学处理；
滤波去噪模块，用于对缺陷区域和背景区域设置对应的核标准差参数；并对缺陷区域和背景区域中的每个像素点基于其邻域像素点与邻域均值的差设置权重进行邻域加权求和实现自适应值域滤波，得到去噪后的图像。
9.一种电子设备，包括存储器和处理器，其特征在于，所述存储器与所述处理器耦接；其中，所述存储器用于存储程序数据，所述处理器用于执行所述程序数据以实现上述权利要求1-7任一项所述的基于自适应值域滤波的图像去噪方法。
10.一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，所述程序被处理器执行时实现如权利要求1-7中任一所述的基于自适应值域滤波的图像去噪方法。
CN202311642504.9A 2023-12-04 2023-12-04 基于自适应值域滤波的图像去噪方法、电子设备、介质 Pending CN117575941A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311642504.9A CN117575941A (zh) 2023-12-04 2023-12-04 基于自适应值域滤波的图像去噪方法、电子设备、介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311642504.9A CN117575941A (zh) 2023-12-04 2023-12-04 基于自适应值域滤波的图像去噪方法、电子设备、介质

Publications (1)

Publication Number Publication Date
CN117575941A true CN117575941A (zh) 2024-02-20

Family

ID=89864094

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311642504.9A Pending CN117575941A (zh) 2023-12-04 2023-12-04 基于自适应值域滤波的图像去噪方法、电子设备、介质

Country Status (1)

Country Link
CN (1) CN117575941A (zh)

Similar Documents

Publication Publication Date Title
CN109034183B (zh) 一种目标检测方法、装置及设备
CN109741287B (zh) 图像导向滤波方法及装置
CN112036236B (zh) 一种基于GhostNet的图像检测方法、设备及介质
CN109615171B (zh) 特征阈值确定方法及装置、问题对象确定方法及装置
CN117197781B (zh) 一种交通标志识别的方法、装置、存储介质及电子设备
CN111105425A (zh) 一种基于颅脑影像数据的对称轴/对称面提取方法及系统
CN117392485B (zh) 图像生成模型训练方法、业务执行方法、装置及介质
CN114444542A (zh) 液质色谱峰噪声估计方法、装置、存储介质、系统
CN111476729B (zh) 一种目标识别的方法及装置
CN113988162A (zh) 模型训练及图像识别方法、装置、存储介质及电子设备
CN117036829A (zh) 一种基于原型学习实现标签增强的叶片细粒度识别方法和系统
CN115545572B (zh) 一种业务风控的方法、装置、设备及存储介质
CN117575941A (zh) 基于自适应值域滤波的图像去噪方法、电子设备、介质
CN116805393A (zh) 一种基于3DUnet光谱-空间信息融合的高光谱图像分类方法和系统
CN114371232B (zh) 基于卡尔曼滤波算法的色谱滤波方法、装置、介质、系统
CN114359935A (zh) 一种模型训练以及表格识别方法及装置
CN114154579A (zh) 一种图像分类方法、装置、存储介质及电子设备
CN116363390B (zh) 一种红外弱小目标检测方法、装置、存储介质及电子设备
CN116152274B (zh) 一种图像分割方法、装置、设备及存储介质
CN116188633B (zh) 一种仿真遥感影像生成的方法、装置、介质及电子设备
CN117575886B (zh) 一种图像边缘检测器、检测方法、电子设备、介质
CN110599527A (zh) 一种mra影像数据的配准方法及装置
CN115937051B (zh) 一种图像噪声处理方法、装置、设备及存储介质
CN116704178A (zh) 一种图像的实例分割方法、装置、存储介质及电子设备
CN116245773A (zh) 一种人脸合成模型训练方法、装置、存储介质及电子设备

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