一種自適應(yīng)平滑濾波方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，更為具體來(lái)說(shuō)，是一種自適應(yīng)平滑濾波方法。
【背景技術(shù)】
[0002]圖像信號(hào)在產(chǎn)生、傳輸、處理過(guò)程中都會(huì)受到噪聲影響，常見(jiàn)噪聲包括由阻性元器件內(nèi)部產(chǎn)生的高斯噪聲、由圖像切割引起的黑圖像上的椒鹽噪聲以及光電轉(zhuǎn)換過(guò)程中產(chǎn)生的泊松噪聲等。
[0003]傳統(tǒng)的圖像去噪或?yàn)V波方法可以分為三種:
[0004]a、基于空間域的濾波方法，為了達(dá)到抑制噪聲或消除噪聲的目的，通過(guò)平滑模板對(duì)圖像進(jìn)行處理，如中值濾波、均值濾波、維納濾波等。
[0005]中值濾波算法有如下的缺點(diǎn):第一，去噪效果的好壞受制于濾波窗口的大?。坏诙?，對(duì)所有的像素點(diǎn)均無(wú)差別處理，因此在改變?cè)肼朁c(diǎn)的值的同時(shí)，改變了信號(hào)點(diǎn)的值；第三，受中值算法本身特性的影響，噪聲會(huì)在噪聲點(diǎn)的鄰域內(nèi)進(jìn)行傳播；第四，對(duì)一些細(xì)節(jié)較多的圖像，特別是點(diǎn)、線、尖頂?shù)燃?xì)節(jié)較多的圖像，中值濾波算法的濾波效果差。
[0006]均值濾波算法有如下的缺點(diǎn):第一，使用均值濾波算法在降低噪聲的同時(shí)，會(huì)造成圖像的模糊，這一點(diǎn)在圖像的邊緣和細(xì)節(jié)處尤為明顯；第二，隨著噪聲點(diǎn)的消除，剩下的噪聲點(diǎn)的鄰域變大了，圖像模糊的程度會(huì)變得更加嚴(yán)重。
[0007]維納濾波算法有如下的缺點(diǎn):第一，維納濾波的算法往往非常復(fù)雜，計(jì)算量非常大，處理效率低；第二，維納濾波會(huì)造成圖像邊緣模糊，而且，隨著模板的增加，圖像邊緣模糊情況越嚴(yán)重。
[0008]b、基于變換域的濾波方法，需要對(duì)圖像進(jìn)行某種變換，再選用合適的濾波器對(duì)圖像進(jìn)行濾波處理。這類方法中，比較典型的是小波閾值法。
[0009]但是，小波閾值法對(duì)圖像邊緣與平滑區(qū)域不加區(qū)分地應(yīng)用閾值去噪，因此難以對(duì)邊緣起到很好的保護(hù)作用，導(dǎo)致應(yīng)用小波閾值法去噪后的圖像邊緣過(guò)度平滑。
[0010]C、基于分形理論的濾波方法，包括分形編碼去噪等方法。
[0011]分形編碼去噪方法無(wú)法將噪聲完全消除，而且傳統(tǒng)編碼過(guò)程通常需要進(jìn)行全局搜索，耗費(fèi)時(shí)間長(zhǎng)，計(jì)算效率低。
[0012]因此，傳統(tǒng)的濾波方法雖然能在一定程度上達(dá)到去噪的效果，但是對(duì)相似性較差的圖像邊緣恢復(fù)較差，不能將噪聲完全消除，去噪不精確，濾波后的圖像上仍然能顯示出噪聲點(diǎn)的痕跡，而且計(jì)算效率較低、耗費(fèi)的時(shí)間長(zhǎng)。
[0013]綜上所述，獲得一種能夠完全去除噪聲而且效率高的濾波方法成為了本領(lǐng)域技術(shù)人員研宄的重點(diǎn)。

【發(fā)明內(nèi)容】

[0014]為解決現(xiàn)有濾波技術(shù)去噪效果差等缺陷，本發(fā)明提供了一種自適應(yīng)平滑濾波方法，能夠在圖像的邊緣點(diǎn)和細(xì)節(jié)點(diǎn)損失較小的情況下進(jìn)行區(qū)域平滑濾波。
[0015]為實(shí)現(xiàn)上述技術(shù)目的，本發(fā)明公開(kāi)了一種自適應(yīng)平滑濾波方法，該方法包括如下步驟:
[0016]S1:針對(duì)待去噪圖像的像素點(diǎn)，判斷像素點(diǎn)是否為明顯噪聲點(diǎn)；
[0017]S2:如果是明顯噪聲點(diǎn)，則獲取明顯噪聲點(diǎn)的相似點(diǎn)集合，然后估計(jì)明顯噪聲點(diǎn)的像素值；
[0018]S3:如果不是明顯噪聲點(diǎn)，則調(diào)整像素點(diǎn)的像素值。
[0019]本發(fā)明創(chuàng)新地將像素點(diǎn)中的明顯噪聲點(diǎn)劃分出來(lái)，并通過(guò)相似點(diǎn)對(duì)其像素值進(jìn)行估計(jì)，在待去噪的圖像上合理地濾掉了明顯噪聲點(diǎn)；對(duì)于明顯噪聲點(diǎn)以外的像素點(diǎn)，實(shí)現(xiàn)對(duì)其像素值進(jìn)行合理地調(diào)整，實(shí)現(xiàn)平滑濾波，對(duì)圖像的細(xì)節(jié)處理較好。本發(fā)明的主要優(yōu)點(diǎn)在于將像素點(diǎn)進(jìn)行分類，采用不同的去噪方法進(jìn)行濾波，從而實(shí)現(xiàn)圖像自適應(yīng)濾波。
[0020]進(jìn)一步地，步驟SI中，通過(guò)奇異值比較方法確定像素點(diǎn)是否為明顯噪聲點(diǎn)，具體方法如下:計(jì)算待去噪圖像的奇異矩陣，通過(guò)該奇異矩陣計(jì)算出待判斷像素點(diǎn)的奇異值，如果該奇異值小于1.8或大于2.5，則該像素點(diǎn)是明顯噪聲點(diǎn)；反之則不是。
[0021]奇異值反映了像素點(diǎn)與周?chē)袼攸c(diǎn)的差異度，很容易根據(jù)奇異值判斷噪聲點(diǎn)是否與周?chē)袼攸c(diǎn)有明顯差異，從而確定是否為明顯噪聲點(diǎn)。
[0022]進(jìn)一步地，步驟S2中獲取明顯噪聲點(diǎn)的相似點(diǎn)的方法包括如下步驟，
[0023]S20:確定搜索尺度；
[0024]S21:計(jì)算待去噪圖像的多重分形譜矩陣，讀取搜索尺度范圍內(nèi)的一個(gè)像素點(diǎn)，計(jì)算該像素點(diǎn)的多重分形譜值與上述明顯噪聲點(diǎn)多重分形譜值的差值，如果該差值小于0.07，則該像素點(diǎn)是明顯噪聲點(diǎn)的相似點(diǎn)。
[0025]根據(jù)多重分形理論計(jì)算圖像的多重分形譜，能夠忽略噪聲干擾，從而能夠更準(zhǔn)確的計(jì)算出帶噪像素點(diǎn)的相似點(diǎn)集合。
[0026]進(jìn)一步地，步驟S20中，搜索尺度為以待去噪點(diǎn)為中心的7X7至10X10的像素矩陣。
[0027]像素矩陣尺度選擇過(guò)小，會(huì)導(dǎo)致明顯噪聲點(diǎn)的可能相似點(diǎn)丟失；像素矩陣尺度選擇過(guò)大，會(huì)引起不必要的計(jì)算消耗。發(fā)明人經(jīng)過(guò)大量的實(shí)驗(yàn)可知，7\7、8\8、9\9、10\10的像素矩陣是較為理想的搜素尺度。
[0028]進(jìn)一步地，步驟S2中，使用相似點(diǎn)集合內(nèi)的像素點(diǎn)，通過(guò)均值或者中值算法估計(jì)所述明顯噪聲點(diǎn)的像素值。
[0029]在均值或者中值算法下使用相似點(diǎn)集合估計(jì)明顯噪聲點(diǎn)的像素值，具有簡(jiǎn)單、計(jì)算效率高等優(yōu)點(diǎn)。
[0030]進(jìn)一步地，步驟S3中，調(diào)整后的像素點(diǎn)的像素值為該像素點(diǎn)的原像素值與該像素點(diǎn)的奇異度的乘積，像素點(diǎn)的奇異度為像素點(diǎn)奇異值與待去噪圖像奇異矩陣均值的商。
[0031]非明顯噪聲點(diǎn)的噪聲影響較小，而根據(jù)奇異度調(diào)整像素點(diǎn)的像素值，可以在較小范圍內(nèi)調(diào)整像素點(diǎn)的像素值，不會(huì)引起較大的偏差。
[0032]本發(fā)明的有益效果為:本發(fā)明的自適應(yīng)平滑濾波的方法，實(shí)現(xiàn)了對(duì)圖像像素點(diǎn)的分類處理，對(duì)于明顯噪聲點(diǎn)根據(jù)圖像紋理存在自相似性，計(jì)算明顯噪聲點(diǎn)的相似點(diǎn)集合，通過(guò)集合對(duì)明顯噪聲點(diǎn)的像素值進(jìn)行估計(jì)；對(duì)于非明顯噪聲點(diǎn)，則通過(guò)像素點(diǎn)的奇異度進(jìn)行調(diào)整。通過(guò)分類濾波，能夠使得圖像在邊緣和細(xì)節(jié)點(diǎn)的損失盡可能地減少的情況下進(jìn)行區(qū)域平滑。利用本發(fā)明的自適應(yīng)平滑濾波方法進(jìn)行濾波，濾波后的圖像沒(méi)有噪聲點(diǎn)的痕跡；對(duì)于圖像邊緣點(diǎn)和細(xì)節(jié)點(diǎn)的損失較少，對(duì)圖像的細(xì)節(jié)處理較好；而且本發(fā)明的自適應(yīng)平滑濾波方法的去噪效率較高。
【附圖說(shuō)明】
[0033]圖1為自適應(yīng)平滑濾波方法的流程圖。
【具體實(shí)施方式】
[0034]下面結(jié)合說(shuō)明書(shū)附圖對(duì)本發(fā)明提出的自適應(yīng)平滑濾波方法進(jìn)行詳細(xì)的解釋和說(shuō)明。
[0035]對(duì)于自然界中的物體，單一的分形維數(shù)描述往往不能完全地刻畫(huà)其特征，因?yàn)榻^大多數(shù)的物體具有多個(gè)分形維數(shù)。本發(fā)明從圖像紋理存在自相似性的角度出發(fā)，對(duì)無(wú)規(guī)則的非奇異點(diǎn)進(jìn)行濾波運(yùn)算，在保證圖像的邊緣點(diǎn)和細(xì)節(jié)點(diǎn)的損失盡可能地少的情況下，對(duì)圖像進(jìn)行自適應(yīng)區(qū)域平滑濾波。
[0036]本發(fā)明的基本思路是根據(jù)圖像的奇異矩陣，判斷待去噪圖像的像素點(diǎn)是否為明顯噪聲點(diǎn)。如果是明顯噪聲點(diǎn)，則利用多重分形譜矩陣等求該像素點(diǎn)的相似點(diǎn)集合，然后基于上述的相似點(diǎn)集合，通過(guò)均值算法或者中值算法對(duì)明顯噪聲點(diǎn)進(jìn)行估值；如果不是明顯噪聲點(diǎn)，則通過(guò)該像素點(diǎn)的奇異度與像素點(diǎn)的像素值的乘積替換原來(lái)的像素值。
[0037]需要說(shuō)明的是，像素點(diǎn)的奇異值是從待去噪圖像的奇異矩陣中得到的；像素點(diǎn)的奇異度為像素點(diǎn)奇異值與待去噪圖像奇異矩陣均值的商，即像素點(diǎn)的奇異度=像素點(diǎn)奇異值/待去噪圖像奇異矩陣均值，一般來(lái)說(shuō)，奇異度是I左右的一個(gè)數(shù)值；本發(fā)明基于多重分形理論，基于MATLAB設(shè)計(jì)的相關(guān)的算法，計(jì)算待去噪圖像的奇異矩陣和多重分形譜矩陣，為濾波提供相應(yīng)的輸入?yún)?shù)。
[0038]具體而言，如圖1所示的自適應(yīng)平滑濾波方法，包括如