CN118134798A - 一种基于局部窗口的噪声滤波方法及系统 - Google Patents
一种基于局部窗口的噪声滤波方法及系统 Download PDFInfo
- Publication number
- CN118134798A CN118134798A CN202410221811.8A CN202410221811A CN118134798A CN 118134798 A CN118134798 A CN 118134798A CN 202410221811 A CN202410221811 A CN 202410221811A CN 118134798 A CN118134798 A CN 118134798A
- Authority
- CN
- China
- Prior art keywords
- window
- pixel
- local
- pixels
- noise filtering
- 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 78
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 11
- 238000010586 diagram Methods 0.000 description 7
- 230000002146 bilateral effect Effects 0.000 description 6
- 239000002184 metal Substances 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 4
- 230000001788 irregular Effects 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于局部窗口的噪声滤波方法及系统,应用于图像滤波技术领域,包括:在所采集的激光条纹图像上定义一个预设窗口大小的局部列窗口,并获取局部列窗口的中心像素;分别计算中心像素与局部列窗口内其余像素之间的高斯相关性,作为其余像素的权重值;以其余像素的加权求和值与权重值的求和值的比值作为更新后的中心像素值;对激光条纹图像上的每一个像素重复上述步骤,完成散斑噪声滤波操作。本发明解决了现有滤波算法在滤波效果和时间效率上不能同时兼容的问题,在高效消除条纹图像散斑噪声的同时能够保留更多的图像细节信息,保证了滤波效果。
Description
技术领域
本发明涉及图像滤波技术领域,特别涉及一种基于局部窗口的噪声滤波方法及系统。
背景技术
3D激光成像是三维成像的一种重要方式,其系统主要包括激光投射模组和相机,利用扫描器对光进行控制,实现可编码结构光投影,相机同时拍摄激光图像,通过算法计算出被测物体的三维数据。然而,在激光成像时,激光之间的相干光照射相互影响会产生一种无规律的亮暗斑点,即散斑噪声。对于一些复杂场景,散斑噪声会影响图像整体的保真度。而直接对带有散斑噪声的激光图像进行三维重建则会干扰三维几何图形的精确重建,导致场景的空间表示不准确。
现有技术中,往往通过对激光条纹图像进行滤波,以减少激光散斑噪声,提高三维重建的准确性,保留更多的场景细节。常见的图像滤波算法包括均值滤波、中值滤波、高斯滤波、双边滤波、导向滤波等。但是,这些算法存在滤波效果和时间效率上不能同时兼容的问题,往往需要依据不同的场景去选择相应的滤波方法,且常常会在图像平滑和细节保留之间做出权衡。
为此,如何提供一种能够解决现有滤波算法在滤波效果和时间效率上不能同时兼容的问题,在高效消除条纹图像散斑噪声的同时保留更多的图像细节信息,保证滤波效果的基于局部窗口的噪声滤波方法及系统是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提出了一种基于局部窗口的噪声滤波方法及系统。
为了实现上述目的,本发明采用如下技术方案:
一种基于局部窗口的噪声滤波方法,包括:
步骤1:在所采集的激光条纹图像上定义一个预设窗口大小的局部列窗口,并获取局部列窗口的中心像素;
步骤2:分别计算中心像素与局部列窗口内其余像素之间的高斯相关性,作为其余像素的权重值;
步骤3:以其余像素的加权求和值与权重值的求和值的比值作为更新后的中心像素值;
步骤4:对激光条纹图像上的每一个像素重复步骤1-3,完成散斑噪声滤波操作。
可选的,步骤2中,分别计算中心像素与局部列窗口内其余像素之间的高斯相关性,具体为:
分别计算中心像素与局部列窗口内其余像素之间的差分,如下:
ΔI=I(x,y)-I(x,j);
其中,ΔI为中心像素与局部列窗口内其余像素之间的差分;I(x,y)为中心像素的像素值;I(x,j)为其余像素的像素值;
基于中心像素与局部列窗口内其余像素之间的差分,计算中心像素与局部列窗口内其余像素之间的高斯相关性,如下:
其中,w(x,j)为中心像素与局部列窗口内其余像素之间的高斯相关性;h为平滑参数,用于控制降噪的强弱。
可选的,步骤3中,其余像素的加权求和值,如下:
其中,sum为其余像素的加权求和值;y为中心像素的位置坐标;wsize为局部列窗口的预设窗口大小;j为其余像素的位置坐标;w(x,j)为中心像素与局部列窗口内其余像素之间的高斯相关性;I(x,j)为其余像素的像素值。
可选的,步骤3中,权重值的求和值,如下:
其中,W为权重值的求和值;y为中心像素的位置坐标;wsize为局部列窗口的预设窗口大小;j为其余像素的位置坐标;w(x,j)为中心像素与局部列窗口内其余像素之间的高斯相关性。
可选的,步骤3中,更新后的中心像素值,如下:
其中,I′(x,y)为更新后的中心像素值;sum为其余像素的加权求和值;W为权重值的求和值。
可选的,还包括:如果邻域窗口内存在零像素,则中心像素会保持原始像素值,不进行像素值更新。
本发明还提供一种利用如上所述的一种基于局部窗口的噪声滤波方法的基于局部窗口的噪声滤波系统,包括:
中心像素获取模块:用于在所采集的激光条纹图像上定义一个预设窗口大小的局部列窗口,并获取局部列窗口的中心像素;
权重值计算模块:用于分别计算中心像素与局部列窗口内其余像素之间的高斯相关性,作为其余像素的权重值;
中心像素值更新模块:用于以其余像素的加权求和值与权重值的求和值的比值作为更新后的中心像素值;
散斑噪声滤波模块:用于对激光条纹图像上的每一个像素重复中心像素获取模块、权重值计算模块、中心像素值更新模块中的步骤,完成散斑噪声滤波操作。
经由上述的技术方案可知,与现有技术相比,本发明提出了一种基于局部窗口的噪声滤波方法及系统。通过以局部列像素作为搜索窗口,计算窗口中心位置与窗口其他像素值之间的像素差分,以高斯函数求解像素的权值,通过加权求和与权重加和之比来修正该窗口中心位置的像素值,解决了现有滤波算法在滤波效果和时间效率上不能同时兼容的问题,在高效消除条纹图像散斑噪声的同时能够保留更多的图像细节信息,保证了滤波效果。
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,还可以根据提供的附图获得其他的附图。
图1为本发明的方法流程示意图。
图2为本发明的滤波器示意图。
图3(a)为本发明的棱柱金属块示意图。
图3(b)为本发明的金属块激光条纹图像示意图。
图3(c)为本发明的金属块激光条纹图像中标注的方框放大原图像示意图。
图3(d)为本发明的一种基于局部窗口的噪声滤波方法的处理结果示意图。
图3(e)为本发明的双边滤波算法的处理结果示意图。
图3(f)为本发明的高斯滤波算法的处理结果示意图。
图4(a)为本发明的原始点云示意图。
图4(b)为本发明的一种基于局部窗口的噪声滤波方法重建点云示意图。
图4(c)为本发明的双边重建点云示意图。
图4(d)为本发明的高斯重建点云示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1:
本发明实施例1公开了一种基于局部窗口的噪声滤波方法,如图1所示,包括:
本发明的滤波器,如图2所示,其过程为定义一个局部列窗口,遍历求解待修正像素与窗口内其他像素之间权重值大小。以像素I(x,y)为中心的小窗口在大窗口内遍历,计算小窗口内中心像素I(x,y)与其余像素I(x,j)之间的相似性,将其作为(x,j)处的权值w(x,j)。
步骤1:在所采集的激光条纹图像上定义一个预设窗口大小的局部列窗口,并获取局部列窗口的中心像素。
预设窗口大小一般设置为5,7,既能够快速地实现滤波,也能够利用其余的像素值。
步骤2:分别计算中心像素与局部列窗口内其余像素之间的高斯相关性,作为其余像素的权重值。
分别计算中心像素与局部列窗口内其余像素之间的高斯相关性,具体为:
分别计算中心像素与局部列窗口内其余像素之间的差分,如下:
ΔI=I(x,y)-I(x,j);
其中,ΔI为中心像素与局部列窗口内其余像素之间的差分;I(x,y)为中心像素的像素值;I(x,j)为其余像素的像素值;
基于中心像素与局部列窗口内其余像素之间的差分,计算中心像素与局部列窗口内其余像素之间的高斯相关性,如下:
其中,w(x,j)为中心像素与局部列窗口内其余像素之间的高斯相关性;h为平滑参数,用于控制降噪的强弱。
步骤3:以其余像素的加权求和值与权重值的求和值的比值作为更新后的中心像素值。
其余像素的加权求和值,如下:
其中,sum为其余像素的加权求和值;y为中心像素的位置坐标;wsize为局部列窗口的预设窗口大小;j为其余像素的位置坐标;w(x,j)为中心像素与局部列窗口内其余像素之间的高斯相关性;I(x,j)为其余像素的像素值。
权重值的求和值,如下:
其中,W为权重值的求和值;y为中心像素的位置坐标;wsize为局部列窗口的预设窗口大小;j为其余像素的位置坐标;w(x,j)为中心像素与局部列窗口内其余像素之间的高斯相关性。
更新后的中心像素值,如下:
其中,I'(x,y)为更新后的中心像素值;sum为其余像素的加权求和值;W为权重值的求和值。
步骤4:对激光条纹图像上的每一个像素重复步骤1-3,完成散斑噪声滤波操作。
以列窗口的方式遍历图像能够大大提升运行效率,更好地利用窗口内的像素值减少一些冗余操作。特殊的是,由于条纹图像存在黑色的竖条纹,因此滤波时需特殊处理,因此还包括:如果邻域窗口内存在零像素,则中心像素会保持原始像素值,不进行像素值更新。
实施例2:
本发明实施例2公开了利用实施例1所述的一种基于局部窗口的噪声滤波方法以及常用的高斯滤波算法、双边滤波算法进行散斑噪声滤波的对比,如下:
以如图3(a)所示的棱柱金属块为目标,通过激光成像系统拍摄得到如图3(b)所示的金属块激光条纹图像,分别利用高斯滤波算法、双边滤波算法以及本发明实施例1所述的一种基于局部窗口的噪声滤波方法对金属块激光条纹图像进行处理,放大图像中标注的方框,对比不同滤波结果。如图3(c)所示,可看出,原图像中存在无规律的亮暗斑点。如图3(d)和图3(e)所示,分别为本发明实施例1所述的一种基于局部窗口的噪声滤波方法以及双边滤波算法的处理结果,可看出,它们既消除了散斑噪声又保留了黑白条纹的分布。如图3(f)所示,为高斯滤波算法的处理结果,可看出,其使得噪声和细节一同减弱。
为验证图像滤波算法对三维重建点云的影响,采用重建算法对激光条纹图像进行处理得到三维点云数据。从棱柱顶部观察不同点云的V型结构拟合,验证不同滤波算法还原真实棱柱结构的能力。如图4(a)所示,为原始点云,其两个面的厚度相比其他滤波结果最厚。如图4(b)所示,为本发明实施例1所述的一种基于局部窗口的噪声滤波方法重建点云,其拟合棱柱表面的效果最佳,保留了V型结构的细节并消除了点云杂点。如图4(c)所示,为双边重建点云,其还原效果较好,但在V结构中仍存在一些杂点。如图4(d)所示,为高斯重建点云,其使得V型的顶部弯曲,且在两端存在杂点。
对滤波处理的结果采用时间效率、峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)和结构相似性指数(Structure Similarity Index Measure,SSIM)进行图像质量评价,如表1所示。PSNR用于表示信号的最大可能功率与噪声的功率之间的比率;该值越大,表明滤波图像与原始图像之间的差异越小,即滤波效果越好。SSIM表示两幅图像之间的相似程度,常用于评价图像处理结果与原图之间的差异;该值越接近1,表示滤波图像与原图像之间的相似性越高,保真性越高。
表1激光图像不同算法降噪前后的不同评价指标对比
由表1可看出,PSNR和SSIM指标值最大的算法为本发明实施例1所述的一种基于局部窗口的噪声滤波方法这表示本发明的滤波图像与原激光图像的相似度最高。因此,本发明相对与现有的滤波算法对二维图像的散斑噪声具有抑制作用,也保留了图像的特征信息。
实施例3:
本发明实施例3公开了一种利用实施例1所述的一种基于局部窗口的噪声滤波方法的基于局部窗口的噪声滤波系统,包括:
中心像素获取模块:用于在所采集的激光条纹图像上定义一个预设窗口大小的局部列窗口,并获取局部列窗口的中心像素;
权重值计算模块:用于分别计算中心像素与局部列窗口内其余像素之间的高斯相关性,作为其余像素的权重值;
中心像素值更新模块:用于以其余像素的加权求和值与权重值的求和值的比值作为更新后的中心像素值;
散斑噪声滤波模块:用于对激光条纹图像上的每一个像素重复中心像素获取模块、权重值计算模块、中心像素值更新模块中的步骤,完成散斑噪声滤波操作。
本发明实施例公开了一种基于局部窗口的噪声滤波方法及系统。通过以局部列像素作为搜索窗口,计算窗口中心位置与窗口其他像素值之间的像素差分,以高斯函数求解像素的权值,通过加权求和与权重加和之比来修正该窗口中心位置的像素值,考虑了窗口内像素之间的相似性能够较好消除条纹图像的散斑噪声并保留图像细节信息,使滤波图像与源图像保持较高的相似度。
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。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (7)
1.一种基于局部窗口的噪声滤波方法,其特征在于,包括:
步骤1:在所采集的激光条纹图像上定义一个预设窗口大小的局部列窗口,并获取所述局部列窗口的中心像素;
步骤2:分别计算所述中心像素与所述局部列窗口内其余像素之间的高斯相关性,作为所述其余像素的权重值;
步骤3:以所述其余像素的加权求和值与所述权重值的求和值的比值作为更新后的中心像素值;
步骤4:对所述激光条纹图像上的每一个像素重复步骤1-3,完成散斑噪声滤波操作。
2.根据权利要求1所述的一种基于局部窗口的噪声滤波方法,其特征在于,步骤2中,分别计算所述中心像素与所述局部列窗口内其余像素之间的高斯相关性,具体为:
分别计算所述中心像素与所述局部列窗口内其余像素之间的差分,如下:
ΔI=I(x,y)-I(x,j);
其中,ΔI为所述中心像素与所述局部列窗口内其余像素之间的差分;I(x,y)为所述中心像素的像素值;I(x,j)为所述其余像素的像素值;
基于所述中心像素与所述局部列窗口内其余像素之间的差分,计算所述中心像素与所述局部列窗口内其余像素之间的高斯相关性,如下:
其中,w(x,j)为所述中心像素与所述局部列窗口内其余像素之间的高斯相关性;h为平滑参数,用于控制降噪的强弱。
3.根据权利要求1所述的一种基于局部窗口的噪声滤波方法,其特征在于,步骤3中,所述其余像素的加权求和值,如下:
其中,sum为所述其余像素的加权求和值;y为所述中心像素的位置坐标;wsize为所述局部列窗口的预设窗口大小;j为其余像素的位置坐标;w(x,j)为所述中心像素与所述局部列窗口内其余像素之间的高斯相关性;I(x,j)为所述其余像素的像素值。
4.根据权利要求1所述的一种基于局部窗口的噪声滤波方法,其特征在于,步骤3中,所述权重值的求和值,如下:
其中,W为所述权重值的求和值;y为所述中心像素的位置坐标;wsize为所述局部列窗口的预设窗口大小;j为其余像素的位置坐标;w(x,j)为所述中心像素与所述局部列窗口内其余像素之间的高斯相关性。
5.根据权利要求1所述的一种基于局部窗口的噪声滤波方法,其特征在于,步骤3中,更新后的中心像素值,如下:
其中,I'(x,y)为更新后的中心像素值;sum为所述其余像素的加权求和值;W为所述权重值的求和值。
6.根据权利要求1所述的一种基于局部窗口的噪声滤波方法,其特征在于,还包括:如果邻域窗口内存在零像素,则所述中心像素会保持原始像素值,不进行像素值更新。
7.一种利用权利要求1-6任一所述的一种基于局部窗口的噪声滤波方法的基于局部窗口的噪声滤波系统,其特征在于,包括:
中心像素获取模块:用于在所采集的激光条纹图像上定义一个预设窗口大小的局部列窗口,并获取所述局部列窗口的中心像素;
权重值计算模块:用于分别计算所述中心像素与所述局部列窗口内其余像素之间的高斯相关性,作为所述其余像素的权重值;
中心像素值更新模块:用于以所述其余像素的加权求和值与所述权重值的求和值的比值作为更新后的中心像素值;
散斑噪声滤波模块:用于对所述激光条纹图像上的每一个像素重复所述中心像素获取模块、权重值计算模块、中心像素值更新模块中的步骤,完成散斑噪声滤波操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410221811.8A CN118134798A (zh) | 2024-02-28 | 2024-02-28 | 一种基于局部窗口的噪声滤波方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410221811.8A CN118134798A (zh) | 2024-02-28 | 2024-02-28 | 一种基于局部窗口的噪声滤波方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118134798A true CN118134798A (zh) | 2024-06-04 |
Family
ID=91242898
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410221811.8A Pending CN118134798A (zh) | 2024-02-28 | 2024-02-28 | 一种基于局部窗口的噪声滤波方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118134798A (zh) |
-
2024
- 2024-02-28 CN CN202410221811.8A patent/CN118134798A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112116576B (zh) | 基于偏振结构光成像和改进的缺陷检测方法 | |
US8837812B2 (en) | Image processing device, image processing method, and program | |
CA2666256C (en) | Deconvolution-based structured light system with geometrically plausible regularization | |
CN109636732A (zh) | 一种深度图像的空洞修复方法以及图像处理装置 | |
US7684614B2 (en) | Method for modeling three dimensional shape of objects using level set solutions on partial differential equation derived from helmholtz reciprocity condition | |
KR102582261B1 (ko) | 이미징 시스템의 점 확산 함수를 결정하는 방법 | |
CN110490937B (zh) | 一种加速高光谱视频重建的方法及其装置 | |
CN109631798B (zh) | 一种基于π相移方法的三维面形垂直测量方法 | |
KR20110014067A (ko) | 스테레오 컨텐트의 변환 방법 및 시스템 | |
CN113570639B (zh) | 一种基于条纹修正相关的运动目标纹影检测系统 | |
CN111784620A (zh) | 空间信息引导角度信息的光场相机全聚焦图像融合算法 | |
CN111563952A (zh) | 基于相位信息与空间纹理特征实现立体匹配方法及系统 | |
Khan et al. | High-density single shot 3D sensing using adaptable speckle projection system with varying preprocessing | |
CN116614713B (zh) | 一种用于三维形貌测量的自适应多重曝光方法 | |
Wolf et al. | Surface Reconstruction from Gaussian Splatting via Novel Stereo Views | |
KR102327304B1 (ko) | 깊이영상 카메라로부터 획득된 3d 영상의 품질 향상 방법 | |
Deng et al. | State of the art of the underwater image processing methods | |
Horii | Depth from defocusing | |
CN118134798A (zh) | 一种基于局部窗口的噪声滤波方法及系统 | |
Boykov et al. | Disparity component matching for visual correspondence | |
CN115235377A (zh) | 一种基于偏振最佳投影强度的三维测量方法 | |
CN116310101A (zh) | 基于过曝光连通域强度自适应分布的高动态三维测量方法 | |
CN107493429A (zh) | 自拍照片的自拍杆屏蔽方法和装置 | |
CN114022529A (zh) | 一种基于自适应双目结构光的深度感知方法和装置 | |
Ancuti et al. | Evaluation of image dehazing techniques based on a realistic benchmark |
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 |