椒盐噪声去除方法及装置的法

专利名称椒盐噪声去除方法及装置的法

技术领域本发明涉及图像处理技术，尤其涉及一种椒盐噪声去除方法及装置。

背景技术近年来，数字光电成像设备已经广泛地应用于数字摄影、安防监控、资源普查等领域中。绝大部分数字光电成像设备都是基于Charge Coupled Device(CCD)或者 Complementary Metal Oxide Semiconductor (CMOS)图像传感器的。在基于 CCD 或者 CMOS 图像传感器的成像过程中，受光学噪声、电阻和电容等元器件噪声、传感器噪声、电路噪声、 热噪声和读出噪声等影响，图像的质量会不可避免的受到影响，例如产生椒盐噪声。所谓的椒盐噪声在获取的图像上通常表现为独立的亮或者暗的孤立噪声点。各种形式的噪声的影响使得后期的处理如图像分害I]、特征提取和目标识别等变得困难，因此，对噪声图像进行滤波成为一项非常重要的工作。对于椒盐噪声的去除，比较常见的有效的方法是中值滤波。中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是将数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，从而消除孤立的噪声点。专利号为200610087957. X的中国发明专利公开了一种中值滤波方法。该中值滤波方法将多个像素数据制作成包括有中心像素以及与该中心像素相邻的多个周围像素的固定单位区域块。

单位区域块中的像素数据被划分成比单位区域更小的多个子单位区域。针对各个子单位区域，按照固定顺序对所划分的像素数据的数据值进行排列。根据各个子单位区域中的被排列的像素数据来确定中间值。计算从各个子单位区域提取的中间值的平均值， 并且利用该平均值，与单位区域的中心像素相对应地确定中心像素数据。专利号为200610043000. 5的中国发明专利公开了一种保持边缘的自适应图像滤波方法。椒盐噪声去除该滤波方法首先使用极值法检测噪声图像中被椒盐噪声所污染的像素，然后使用自适应滤波方法修正噪声像素的灰度值，得到去除椒盐噪声的图像；接着对该图像进行平稳小波分解，得到相应的低频分量和高频分量；保持低频分量不变，对高频分量使用系数相关法将其像素标记为噪声或者边缘，如果某一像素被标记为边缘，则保持其值不变，否则采用自适应邻域法收缩小波系数；最后对经过处理的小波系数进行平稳小波反变换得到去噪图像。现有技术中，专利号为200610087957. X的中国发明专利公开的中值滤波是对所有像素的全局化滤波，去除椒盐噪声的同时易造成边缘细节的损失，导致经中值滤波后的图像质量下降。而边缘是图像最基本也是最重要的特征之一，在图像中表现为局部区域亮度变化显著的部分，该区域的灰度剖面一般可以看作是一个阶跃，即从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值。

边缘作为所要提取目标和背景的分界线能大大减少所要处理的信息但是又保留图像物体中的形状信息。而专利号为200610043000. 5的中国发明专利公开的保持边缘的自适应图像滤波方法直接将局部极值作为噪声点，此种操作可能将边缘细节点误判为噪声；在椒盐噪声去除方面，需要部窗口中的噪声点个数，并在没有噪声点时扩大窗口直至包含噪声点再进行中值滤波，甚至在5 X 5滤波窗口仍未找到噪声点时就用4个邻近像素滤波后的均值代替，此种处理在增加操作冗余量的同时，也降低了部分像素的灰度值精度。

发明内容

本发明要解决的技术问题在于，提供一种基于局部滤波的椒盐噪声的去除方法及装置，能在去除椒盐噪声的同时保持边缘细节的完整性，提高图像处理的质量。本发明提供一种椒盐噪声去除方法，包括对噪声图像进行中值滤波；将中值滤波结果与噪声图像进行差分，基于差分结果确定噪声候选点；对中值滤波结果进行边缘检测，得到边缘细节点；排除噪声候选点中差分绝对值小于第一阈值的边缘细节点，得到真实噪声点；对真实噪声点进行局部中值滤波，形成去除椒盐噪声的去噪图像。可选的，所述基于差分结果确定噪声候选点是将差分绝对值大于第二阈值的点确定为噪声候选点。可选的，所述第二阈值为8至12，优选的为10。可选的，所述边缘检测采用SOBEL方法、PREWITT方法、ROBERTS方法、CANNY方法、 LOG方法等。可选的，对中值滤波的结果进行边缘检测以及图像膨胀，得到边缘细节点。可选的，所述图像膨胀采用4邻域图像膨胀。可选的，第一阈值为40至60，优选的为50。本发明提供一种椒盐噪声去除装置，包括噪声候选点获取模块，用于对噪声图像进行中值滤波，将经过中值滤波后得到的图像与噪声图像进行差分，基于差分结果确定噪声候选点；边缘细节点获取模块，用于对中值滤波后的图像进行边缘检测，得到边缘细节点.真实噪声点获取模块，用于排除差分绝对值小于第一阈值的边缘细节点，得到真实噪声点；以及局部中值滤波模块，用于对真实噪声点进行局部中值滤波，形成去除了椒盐噪声的去噪图像。可选的，所述噪声候选点获取模块将差分绝对值大于第二阈值的点确定为噪声候选点。可选的，所述边缘细节点获取模块对经过边缘检测的图像进行图像膨胀，得到边缘细节点。可选的，所述图像膨胀采用4邻域图像膨胀。相对于现有技术，本发明的有益效果在于，通过将原图与中值滤波图像进行差分得到噪声候选点，并对原噪声图像进行边缘检测和图像膨胀得到边缘细节点，在噪声候选点中排除差分绝对值小于第一阈值的边缘细节点，可以降低将边缘细节点误判为噪声点的可能性，从而保证后续的滤波过程中不会损失边缘细节；另外，本发明直接针对去除边缘细节点的真实噪声点进行滤波，简单易行，不会增加图像滤波的处理难度，也不会影响非噪声像素的灰度值精度。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-40868-1.html