[发明专利]基于圆形自适应模板的图像加权均值滤波方法

说明书

 

技术领域

本发明涉及一种基于圆形自适应模板的图像加权均值滤波方法，特别适用于滤除图像椒盐噪声，属于图像处理技术领域。

背景技术

由于人类接受的大部分信息都是从图像中获取到的，图像作为人类感知世界的视觉基础，是人类获取信息、表达信息和传递信息的重要手段。但是在图像信号的形成、传输过程中，由于图像采集系统、传输媒介以及成像系统的不完善和外界环境的干扰，会不同程度地引入噪声，从而使得输出图像的质量下降。一般来说，现实中的图像都是带噪图像。在很多重要的应用中，比如医学图像受到噪声污染，会给医生的诊断带来很大的影响，从而影响患者的治疗，甚至可能危及病人的生命，因此图像的去噪技术一直是图像处理领域中备受关注的一个重要环节。通常在图像处理工作中，在边缘检测、图像分割、特征提取、模式识别等高层次处理之前，选用适当的方法尽量地去除噪声干扰是一个非常重要的预处理步骤，所以研究如何滤除图像噪声，提高图像质量就成了一个非常重要并且有现实意义的课题。

数字图像滤波是根据图像现有的信息，对图像上的信息缺损区域进行信息填充的过程，目的是使滤波后的图像能最大程度地接近原始图像，并且希望滤波的方法简单有效。图像去噪的主要研究目的，在于把带噪的图像，即恶化了的图像恢复到能真实反映原景物图像。

目前常见的去噪方法是通过基于一个特定模板内部的像素进行各种计算（滤波）实现。其中，最为常见的模板是n * n正方形（通常n取为大于2的奇数，如3,5,7等）模板。当处理某一个像素点时，取其n * n正方形模块内的像素点参与滤波计算。它利用了该像素点周围的大量像素信息，在程序设计方面也比较容易实现，很多情况下可以取得比较好的效果。

比较常见的使用n * n正方形模板进行滤波的方法是均值滤波和中值滤波。均值滤波算法又叫邻域平均法, 是一种传统的滤波方法。这种方法的基本思想是: 对于给定图像中的每个像素点, 取其n * n正方形模板内所有像素灰度的平均值作为当前像素点的灰度值，即用一像素的方形邻域内各像素点灰度平均值来代替该像素原来的灰度值, 这就是邻域平均技术。传统的中值滤波算法的基本思想是：对图像中任意像素，将其n * n正方形模板内所有的像素点的灰度值进行排序，然后取中间值作为该像素的最终灰度值。

使用n * n正方形模板滤波虽然利用了当前像素周围的大部分像素点的灰度信息，但它并未充分发挥当前像素点邻域中的所有灰度信息和距离信息在滤波中的作用。

发明内容

本发明所要解决的技术问题是提供一种基于圆形自适应模板的图像加权均值滤波方法。

本发明解决其技术问题所采用的技术方案：

本发明包括以下步骤：

（1）读入一帧图像，令第一个像素点为当前像素点；

（2）判断当前像素点是否为噪声点：

判断噪声点的方法是阈值区间法，即灰度值在阈值A和B之间的像素点为信号点，否则为噪声点；

当所述当前像素点是噪声点时，执行第（3）步；

当所述当前像素点是信号点时，执行第（2.1）步；

（2.1）置下一个像素点为当前像素点，然后返回第（2）步；

（3）置当前像素点模板为空：

首先选取下述距离表中的顺序号K为1，并且将所述当前像素点模板内的信号点个数N置为0；

在上述距离表中：

所述顺序号K为大于等于1的正整数；

Δx、Δy为待处理像素点的横坐标、纵坐标与当前像素点的横坐标、纵坐标间的差值的绝对值；

r²=(Δx)²+(Δy)²；

上述距离表的制作方法如下：

a、Δx、Δy、r为满足下述条件的正整数：

Δx≥1，

Δy≥0，

Δx≥Δy；

b、在距离表中，r²的值应从小到大按顺序排列；

c、首先取Δx=1、2、3……；

d、再取Δy=0、1、2……、Δx；

（4）模板扩充并累计新添加到当前像素点模板集合的信号点个数N；

读取距离表中顺序号K对应的△x,△y；将满足圆形模板扩充方式的像素点添加到像素点模板集合；然后累计新添加到当前像素点模板集合内的信号点个数N；

（5）判断信号点的个数N是否大于等于2：

当N≥2时，执行第（6）步；

当N<2时，执行第（5.1）步；