椒盐噪声去除方法及装置的法(2)

附图说明

图1是本发明一个实施例中，椒盐噪声去除方法的流程图；图2是采用TenenGrad方法，对采用传统的中值滤波和采用本发明的滤波方法去除椒盐噪声后的图像进行评价后的清晰度值的对比图；图3是本发明一个实施例中，椒盐噪声去除装置的。

具体实施例方式为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式

做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本领域的技术人员可以理解，本发明还可以采用其他不同于在此描述的其它方式来实施，因此本发明不受下面公开的具体实施例的限制。图1是本发明一个实施例中，椒盐噪声去除方法的流程图，包括步骤SlO 对噪声图像进行中值滤波；步骤S20 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；步骤S30，对中值滤波结果进行边缘检测，得到边缘细节点；步骤S40 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；步骤S50 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。所述步骤SlO中的中值滤波是一种基于排序统计理论的能有效抑制噪声的非线性信号处理技术，是一种常用的图像滤波方法。中值滤波的基本原理是把数字图像或者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。实现方法为取以待处理像素为中心的一个邻域窗口(3 X 3或5 X 5等)，然后对该邻域中的所有像素按灰度值进行排序，最后以排序后的中间值作为该点的输出。所述步骤S20中的将中值滤波结果与输入噪声图像进行差分是指将中值滤波结果图像与输入噪声图像对应像素的灰度值直接相减。可选的，所述步骤S20中的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。椒盐噪声去除可选的，所述步骤S30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；所述图像膨胀采用4邻域图像膨胀。图像的边缘部分集中了图像的大部分信息，图像边缘的确定与提取对于图像场景的识别与理解是非常重要的，同时也是图像分割所依赖的重要特征，边缘检测主要是图像的灰度变化的度量、检测和定位，是数字图像处理中的最重要的内容之一。可选的，所述步骤S30中边缘检测可采用SOBEL方法、PREffITT方法、ROBERTS方法、CANNY方法、LOG方法等，优选的采用CANNY方法。SOBEL方法、PREWITT方法、ROBERTS方法、LOG方法等均是常用的边缘检测方法，此不赘述。其中，CANNY方法主要包括下属步骤用高斯滤波器平滑图像；

5用一阶偏导的有限差分来计算梯度的幅值和方向；用梯度幅值进行非极大值抑制；用双阈值算法检测和连接边缘。CANNY方法用双阈值法来检测强边缘和弱边缘，当弱边缘和强边缘连接成轮廓边缘才输出，可以在确保检测出强边缘的同时，也能够较好的对弱边缘进行跟踪，并且边缘定位比较精确，检测性能相对比较优良。图像膨胀是形态学处理的一种运算操作。对于二值图像，膨胀是指，用结构元素在图像上移动，当结构元素中至少有一个与图像中值为“1”的像素点有重叠时，就将此时结构元素中心对应的图像像素点赋“1”值，膨胀的结果是满足此条件的结构元素中心点划过的区域的内部。可选的，所述步骤S30中的图像膨胀采用4邻域图像膨胀。可选的，所述步骤S40中的第一阈值为40至60，优选的为50。可选的，所述第二阈值为8至12，优选的为10。图2是对采用传统的中值滤波和采用本发明的滤波方法去除椒盐噪声后的图像进行评价后的清晰度值的对比图，所述清晰度值采用TenenGrad函数计算得到。TenenGrad 函数是一种常用的图像清晰度的评价函数。如图2所示，对于3X3滤波模板，采用传统中值滤波的清晰度值为0. 3089，而采用本发明滤波方法的清晰度值为0. 3480，采用本发明滤波方法的图像清晰度值比采用传统中值滤波方法的图像清晰度值高12. 66% ；对于5X5 滤波模板，采用传统中值滤波的清晰度值为0. 2565，而采用本发明滤波方法的清晰度值为 0. 3086，采用本发明滤波方法的图像清晰度值比采用传统中值滤波方法的图像清晰度值高 20. 31%。由此可见，不管是对3X3滤波模块还是5X5滤波模块，本发明揭示的椒盐噪声去除方法，均能显著提高图像处理的清晰度值，改善了图像处理的质量。进一步地，本发明也可用于对7X7、9X9等滤波模块进行图像处理，这里不再赘述。图3是本发明一个实施例中，椒盐噪声去除装置的，包括噪声候选点获取模块1、边缘细节点获取模块2、真实噪声点获取模块3和局部中值滤波模块4。其中，所述噪声候选点获取模块1对输入的含椒盐噪声的噪声图像101进行中值滤波，将经过中值滤波后得到的图像与原输入的噪声图像101进行差分，基于差分结果确定噪声候选点。所述边缘细节点获取模块2对中值滤波后的图像进行边缘检测，得到边缘细节

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-40868-2.html