椒盐噪声去除方法及装置的法(3)

点ο所述噪声点保留模块3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。所述局部中值滤波模块4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102。可选的，所述噪声候选点获取模块1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2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。可选的，所述第一阈值为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。

综上所述，本发明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；另内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围。

权利要求

1.一种椒盐噪声去除方法，其特征在于，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。

2.如权利要求1所述的椒盐噪声去除方法，其特征在于，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。

3.如权利要求2所述的椒盐噪声去除方法，其特征在于，所述第二阈值为8至12。

4.如权利要求3所述的椒盐噪声去除方法，其特征在于，所述第二阈值优选的为10。

5.如权利要求1所述的椒盐噪声去除方法，其特征在于，所述边缘检测采用SOBEL方法、PREffITT方法、ROBERTS方法、CANNY方法、LOG方法等。

6.如权利要求1所述的椒盐噪声去除方法，其特征在于，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。

7.如权利要求6所述的椒盐噪声去除方法，其特征在于，所述图像膨胀采用4邻域图像膨胀。

8.如权利要求1所述的椒盐噪声去除方法，其特征在于，所述第一阈值为40至60。

9.如权利要求8所述的椒盐噪声去除方法，其特征在于，所述第一阈值优选的为50。

10.一种椒盐噪声去除装置，其特征在于，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P=t 占· ) /、、、 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。

11.如权利要求10所述的椒盐噪声去除装置，其特征在于，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。

12.如权利要求10所述的椒盐噪声去除装置，其特征在于，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。

13.如权利要求12所述的椒盐噪声去除装置，其特征在于，所述图像膨胀采用4邻域图像膨胀。

全文摘要

本发明公开了一种椒盐噪声去除方法，包括对输入噪声图像进行中值滤波；将中值滤波结果与输入噪声图像进行差分，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，形成去除了椒盐噪声的去噪图像。相应地，本发明还提供一种椒盐噪声去除装置，包括噪声候选点获取模块，边缘细节点获取模块，真实噪声点获取模块和局部中值滤波模块。

文档编号G06T5/00GK102479383SQ20101056775

公开日2012年5月30日 申请日期2010年11月30日 优先权日2010年11月30日

发明者曾文斌, 王晓平, 赵文忠 申请人:上海银晨智能识别科技

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-40868-3.html