CN1328901C - 一种去除图像噪声的方法 - Google Patents

Abstract

本发明公开了一种去除图像噪声的方法，该方法包括以下步骤：A、获取图像的各个像素数据；B、使用该图像所有像素的灰度值，计算出该图像的灰度均值及其灰度方差值；C、读取图像所有像素的灰度值，逐个判断各个像素的灰度值是否落在灰度均值减3倍方差到灰度均值加3倍方差范围内；如果是，则不修改该像素的灰度值；否则该像素为噪声，通过修改该像素的灰度值去除噪声。应用本发明方法不仅能够有效地去除图像噪声，而且能够减少因去除图像噪声处理造成的图像模糊的现象，而且处理方法简便，能够节省系统资源。

Description

一种去除图像噪声的方法

技术领域

本发明涉及图像处理技术，特别涉及一种去除图像噪声的方法。

背景技术

图像处理最基本的目的之一就是改善图像质量，为后续的处理操作提供良好的前提环境。去除图像噪声是改善图像质量的一种比较有效的方法。噪声形成的原因有多种，可能在成像过程中产生，也可能在传输过程中产生，噪声的存在对后续图像处理操作带来极大不便，因此，去除噪声可以说是所有图像处理必行的一个步骤。

目前，去除图像噪声的方法有多种。均值滤波平滑图像是一种常用的去除图像噪声的方法，该方法主要借助于模板算子，用某一像素周边像素值的均值来替代自身值，以达到去除噪声、平滑图像的目的。

参见图1，图1为现有技术均值滤波原理示意图。其中，像素A的像素值就由其周边的四个像素B、C、D、E，即图1中圆边上的四个像素的均值替代。其具体的处理过程参见图2，图2为现有技术用均值滤波方式去除图像噪声的流程图，该流程包括以下步骤：

步骤201，读取图像各个像素的坐标值和灰度值数据，存储到函数f(x，y)中，其中存储了各个像素的横纵坐标，用x、y表示，还存储了各个像素的灰度值(通常也称为像素值)，由f(x，y)的值表示。

步骤202，遍历整副图像，用公式(1)计算出每一个像素的新灰度值，并存储。

$f^{\′}(x,y)=\frac{1}{2*n+1}\underset{\underset{j=(b-n)}{i=(a-n)}}{\overset{\stackrel{a+n}{b+n}}{\mathrm{\Σ}}}f(i,j)---\left(1\right)$

其中，a，b为像素(x，y)横纵坐标，n为步长。

步骤203，读取函数f(x，y)中存储的各个像素的灰度值，按照各个像素的坐标，将各个像素的灰度值用新的灰度值替换，即用各像素的f(x，y)的值用f(x，y)的值替换。

由于现有技术的均值滤波方式去除图像噪声方法的本质就是用噪声周围像素点的均值替代噪声的像素值，这样虽然能够有效地将噪声去除，但是图像经过这样的处理后，相邻像素的灰度值可能会比较接近，也就是说相邻像素的灰度的差值被缩小了，因此也就可能造成图像模糊的现象。

另外，上述去除图像噪声的方法，由于是采用模板算子对图像进行逐点扫描，因此计算量较大，而且需要逐点计算，并要另开存储空间暂存中间数据，浪费了系统资源。目前，通常选取的步长n＝1，即一个3*3的窗口内计算均值，如果步长增大，计算量还会直线上升。

发明内容

有鉴于此，本发明的主要目的在于提供一种去除图像噪声的方法，该方法不仅能够有效地去除图像噪声，而且能够减少因去除图像噪声处理造成的图像模糊的现象。

为达到上述目的，本发明的技术方案具体是这样实现的：

一种去除图像噪声的方法，该方法包括以下步骤：

A、获取图像的各个像素数据；

B、使用该图像所有像素的灰度值，计算出该图像的灰度均值及其灰度方差值；

C、读取图像所有像素的灰度值，逐个判断各个像素的灰度值是否落在灰度均值减3倍方差到灰度均值加3倍方差范围内；如果是，则不修改该像素的灰度值；否则该像素为噪声，通过修改该像素的灰度值去除噪声。

其中，所述的图像可以为整副图像或图像中的一个区域。

步骤B所述计算该图像的灰度均值的方法可以为：

对所有像素的灰度值求和后，求其平均值。

步骤B所述计算该图像灰度方差值的方法可以包括：

B1、对所有像素，求其灰度值与灰度均值的灰度差值，并求出该灰度差值的平方；

B2、对所有像素的灰度差值的平方求和后，求出平均值，对该平均值进行开方，获得该图像的灰度方差值。

步骤C所述通过修改该灰度值去除图像噪声的方法可以为：

对灰度值大于灰度均值加3倍方差的像素，将其灰度值减小；

对灰度值小于灰度均值减3倍方差的像素，将其灰度值增大。

步骤C所述通过修改该灰度值去除图像噪声的方法具体可以为：

将灰度值大于灰度均值加3倍方差的像素的灰度值修改为灰度均值加3倍方差；

将灰度值小于灰度均值减3倍方差的像素的灰度值修改为灰度均值减3倍方差。

步骤C所述通过修改该灰度值去除图像噪声的方法还可以为：

预定一个调整灰度值；

将灰度值大于灰度均值加3倍方差的像素的灰度值修改为原灰度值减预定的调整灰度值；

将灰度值小于灰度均值减3倍方差的像素的灰度值修改为原灰度值加预定的调整灰度值。

由上述的技术方案可见，本发明这种去除图像噪声的方法，由于利用了概率统计论中的3θ原理，将灰度值落在均值上下3倍方差外的像素点看做噪声进行去除，因此能够有效地去除图像噪声。

而且，由于本发明只对灰度值落在范围外的像素修改其灰度值，而不是象现有技术那样，对所有像素都用各自计算出来的均值来替代，这样本发明就保证了灰度值落在该范围内的像素的灰度值不被修改，从而减少了因去除图像噪声处理造成的图像模糊的现象，运算量小，能够节省系统资源。

附图说明

图1为现有技术均值滤波原理示意图；

图2为现有技术用均值滤波方式去除图像噪声的流程图；

图3为本发明去除图像噪声方法的一个较佳实施例的处理流程图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举实施例，对本发明进一步详细说明。

本发明这种去除图像噪声的方法，利用了概率统计论中的3θ原理，它表征了总体的决大数信息存在于均值上下3倍方差内。基于该理论，把图像看做一个整体计算出图像的灰度均值和方差，通过逐点扫描像素比较，将灰度值落在均值上下3倍方差外的像素点看做噪声，将其灰度值修改为均值加/减3倍方差，即可排除噪声。

参见图3，图3为本发明去除图像噪声方法的一个较佳实施例的处理流程图。该流程包括以下步骤：

步骤301，读取图像各个像素的灰度值、坐标值等数据并存储。

本步骤中，存储的方法可以与现有技术相同，即存储到函数f(x，y)中。当然可以采用其他方式存储，只要能将各个像素的灰度值和坐标值对应存储即可。

步骤302，读取该图像的所有像素的灰度值，计算灰度均值μ。可以按公式(2)计算灰度均值μ：

$u=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i---\left(2\right)$

步骤303，用灰度均值计算方差θ。可以按公式(3)先计算：

${\mathrm{\θ}}^2=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(x_i-\stackrel{\‾}{x})}^2---\left(3\right)$

其中，x的平均值就是μ。

然后通过开方运算计算出方差θ的值。

步骤304，读取一个像素的灰度值。

步骤305，判断该灰度值是否落在[μ-3θ，μ+3θ]范围内，如果是，则执行步骤307；否则执行步骤306。

步骤306，如果灰度值小于μ-3θ，则将灰度值用μ-3θ替代；如果灰度值大于+3θ，则将该灰度值用μ+3θ替代。

步骤305～306的处理过程可以用公式(4)来表示。

$p=\left\{\begin{array}{cc}\mathrm{\&mu;}-3\mathrm{\&theta;}& p<\mathrm{\&mu;}-3\mathrm{\&theta;}\\ p& \mathrm{\&mu;}-3\mathrm{\&theta;}\&le;p\&le;\mathrm{\&mu;}+3\mathrm{\&theta;}\\ \mathrm{\&mu;}+3\mathrm{\&theta;}& p>\mathrm{\&mu;}+3\mathrm{\&theta;}\end{array}\right.---\left(4\right)$

其中p表示每个像素的灰度值。

步骤305～306的实质就是：对灰度值大于μ+3θ的像素，将其灰度值减小；对灰度值小于μ-3θ的像素，将其灰度值增大。因此，还可以有其他方式实现。

比如：预定一个调整灰度值；将灰度值大于μ+3θ的像素的灰度值修改为原灰度值减预定的调整灰度值；将灰度值小于μ-3θ的像素的灰度值修改为原灰度值加预定的调整灰度值。

步骤307，判断是否还有未读取的像素，如果有，则返回步骤304，读取下一个像素；否则结束处理流程。

本发明可以对整副图像实施去噪处理，也可以根据需要，选择图像中的某个区域实施去噪处理。如果是对整副图像实施去噪处理，则上述流程中所述的图像即为整副图像；如果是对某个区域实施去噪处理，则上述流程中所述的图像即为所选择的某个图像区域。处理过程完全相同，只是所处理的范围大小不尽相同。

由上述的实施例可见，本发明这种去除图像噪声的方法，由于利用了概率统计论中的3θ原理，将灰度值落在均值上下3倍方差外的像素点看做噪声进行去除，因此能够有效地去除图像噪声。

而且，由于本发明只对灰度值落在[μ-3θ，μ+3θ]范围外的像素修改其灰度值，而不是象现有技术那样，对所有像素都用各自计算出来的均值来替代，这样本发明就保证了灰度值落在该范围内的像素的灰度值不被修改，从而减少了因去除图像噪声处理造成的图像模糊的现象。

另外，本发明只对图像的所有像素执行公式(2)和(3)两次运算，通过比较的方式执行公式(4)，计算量小，处理方法简便，而且可以直接对原始图像的灰度值进行修改，不需要额外的存储空间，节省了系统资源。

Claims (7)

1、一种去除图像噪声的方法，其特征在于，该方法包括以下步骤：

A、获取图像的各个像素数据；

B、使用该图像所有像素的灰度值，计算出该图像的灰度均值及其灰度方差值；

C、读取图像所有像素的灰度值，逐个判断各个像素的灰度值是否落在灰度均值减3倍方差到灰度均值加3倍方差范围内；如果是，则不修改该像素的灰度值；否则该像素为噪声，通过修改该像素的灰度值去除噪声。

2、如权利要求1所述的方法，其特征在于：所述的图像为整副图像或图像中的一个区域。

3、如权利要求1所述的方法，其特征在于，步骤B所述计算该图像的灰度均值的方法为：

对所有像素的灰度值求和后，求其平均值。

4、如权利要求1或3所述的方法，其特征在于，步骤B所述计算该图像灰度方差值的方法包括：

B1、对所有像素，求其灰度值与灰度均值的灰度差值，并求出该灰度差值的平方；

B2、对所有像素的灰度差值的平方求和后，求出平均值，对该平均值进行开方，获得该图像的灰度方差值。

5、如权利要求1所述的方法，其特征在于，步骤C所述通过修改该灰度值去除图像噪声的方法为：

对灰度值大于灰度均值加3倍方差的像素，将其灰度值减小；

对灰度值小于灰度均值减3倍方差的像素，将其灰度值增大。

6、如权利要求5所述的方法，其特征在于，步骤C所述通过修改该灰度值去除图像噪声的方法为：

将灰度值大于灰度均值加3倍方差的像素的灰度值修改为灰度均值加3倍方差；

将灰度值小于灰度均值减3倍方差的像素的灰度值修改为灰度均值减3倍方差。

7、如权利要求5所述的方法，其特征在于，步骤C所述通过修改该灰度值去除图像噪声的方法为：

预定一个调整灰度值；

将灰度值大于灰度均值加3倍方差的像素的灰度值修改为原灰度值减预定的调整灰度值；

将灰度值小于灰度均值减3倍方差的像素的灰度值修改为原灰度值加预定的调整灰度值。