[发明专利]基于像素连续性判断的二值化图像和灰度图像的高效去噪声法

说明书

技术领域：

本发明涉及一种基于像素连续性判断的二值化图像和灰度图像的高效去噪声法，属于图像处理领域中去除噪声方法。

背景技术：

数字图像的应用领域非常的广泛，对于图像处理技术而言，最重要的一步就是获取相关待处理分析的图像对象，而图像获取的条件有时候是受到限制的，这就导致了所获取图像信号受到了干扰或者引入了各种类型的数字图像噪声，这将不利于图像的后续处理和分析。

引起图像退化的因素是多方面的，不同的因素就导致产生了不同类型的噪声，由于噪声的存在，对图像后续处理工作(诸如图像边缘检测，图像分割，图像目标识别等)的展开产生了不良的影响。因此在对图像进行进一步处理分析之前，对数字图像噪声的去除是极其重要的。

在过去几十年涌现出了大量的数字图像噪声去除方法，每种方法都有着各自的特点和侧重点，其中大多数方法都是利用滤波器对噪声进行过滤，在此形成了很多不同类型的滤波算法，其分类方式也有很多，比如可以将它们分为线性滤波算法，非线性滤波算法，或者也可以分为空域滤波算法，频域滤波算法等。

中值滤波是一类很经典的滤波方法，也常被应用于数字图像噪声的去除过程中，中值滤波方法是通过对待处理像素点的邻域取中值来实现的，其优点是简单，高效；其缺点是它对图像所有的像素点都按照相同的方式进行滤波处理，而不区分这些点是否为噪声点，对于非噪声点其实是不用取中值操作来进行滤波的，取中值后反而会导致该点的模糊。针对中值滤波的这个缺点随后出现了中值滤波算法的一些改进型方法，比如加权中值滤波方法，中心加权滤波方法，开关中值滤波和极值中值滤波等，这些方法大多数都是通过设定邻域不同点的权重或者设定闽值来进行中值滤波的，这些方法改进的目的就是要对不同的点进行不同的操作，而不是对所有的点都进行相同的处理，也就是说它们的目的是为了只对图像噪声点进行处理，或者尽量不要影响到图像信号点。

为了避免对信号点的影响，最近发展起来的一些方法就采取了先检测，后处理的策略，即第一步就是检测所给定的像素点是否为信号点，或者为噪声点;第二步就是根据第一步的检测结果只对图像中检测到的噪声点进行滤波处理。除了这些中值滤波方法，不同类型的均值滤波方法也被用来去除数字图像噪声，这些方法中的大多数也遵循先检测，后处理的规律，而且也能取得比较好的效果，但是均值滤波方法的计算复杂度要比中值滤波方法高的多。

随着计算机软计算技术的发展，越来越先进的计算机软计算技术也被用在图像去噪方面，神经网络和模糊逻辑网络解决了大量的图像处理问题。神经网络工具也可以用来进行数字图像噪声的去除，通过神经网络模型可以组建一个数字图像噪声检测器，用来对图像像素点进行检测，看其是否为噪声点或者信号点，然后通过各种不同的方法只对噪声点进行滤波操作，该类方法需要对样本数据集进行训练来获得神经网络模型，这里样本数据集的获取对神经网络模型判断的准确率至关重要，该方法在一定程度上能够很好地去除噪声，获得比较好的去噪效果，但是该方法比较复杂，计算量比较大，需要大量的训练数据和训练图像。

发明内容：

本发明所要解决的技术问题是：针对现有技术的缺陷，提供一种简单并且有效的方法对二值化图像和灰度图像中的噪声像素进行判断，并将噪声进行滤波去除，其去除噪声效率高，且不会损失图像的细节信息。

本发明采用如下技术方案：一种基于像素连续性判断的二值化图像的高效去噪声法，其包括如下步骤：

（1）基于噪声比较孤立，且分布较分散的特征，对于二值化图像，首先对某个像素进行分析，读取其亮度值，并对其进行八领域扩展；

（2）对扩展后的领域像素，分别对其亮度值进行分析，若有领域像素亮度值与被扩展像素的亮度值一致，则开始计算已经检测到的这些连续的同亮度的像素数N，并与设定的阈值N1进行比较，若N≥N1，则停止扩展检测，并判断已检测到的连续的同亮度的像素群为信号点，保持其亮度值不变，若N<N1，则以检测到的这些同亮度的像素为中心继续重复以上扩展、亮度判断以及与阈值进行比较的操作；

（3）若扩展分析后检测到其领域没有同亮度的像素，则停止扩展，计算已经检测到的连续的同亮度像素数目N，并与设定的阈值N1进行比较，若N<N1，则判断检测到的同亮度的像素群为噪声点，将其亮度转变为对立亮度而达到去噪效果，若N≥N1，则判断检测到的同亮度的像素群为信号点，保持其亮度值不变。

本发明还采用如下技术方案：一种基于像素连续性判断的灰度图像的高效去噪声法，其包括如下步骤：