一种基于机器视觉的钢轨检测图像的去噪方法与流程

本发明属于机器视觉图像处理技术领域，涉及一种图像去噪方法，具体针对一种基于机器视觉的钢轨检测图像的椒盐噪声的去噪方法。

背景技术：

钢轨在铁路运输系统中起着至关重要的作用。随着国民经济的发展，我国铁路运输行业中的行车速度大幅度提高，载重量也大幅增加，因而由接触疲劳损伤引起的断轨事故时有发生。目前，在轨道维护方面，轨道检修车正逐步取代人工巡检，它主要是利用机器视觉检测系统测量轨道横断面的几何参量，并结合后期多传感器数据融合进行修正，以完成对钢轨伤损的检测。在图像摄像过程中，由于光学系统的失真、大气湍流效应等因素都会使图像模糊；而在图像传输过程中，又由于噪声污染，进一步导致图像质量下降。由于产生的噪声严重影响图像的视觉效果,因此,在后续进行的边缘检测、图像分割、特征提取、模式识别等工作之前,采取适当的方法减少噪声是一项非常重要的预处理步骤。其中，椒盐噪声是由图像传感器、传输信道、解码处理等产生的黑白相间的亮暗点噪声，其对图像视觉效果的影响尤为凸显，由于椒盐噪声类似于胡椒粉末和盐粉的微粒，如果前期未对钢轨图像的椒盐噪声进行滤波处理，则会对钢轨表面缺陷的设别造成干扰，进而影响对钢轨表面损伤的分析和判断。此外，现有的图像视觉处理算法，不但处理效果不佳，精度低，而且耗时较长，不能满足现有技术的发展需求。因此，基于机器视觉的钢轨检测图像需要有一个快速、有效的去噪算法，以解决上述技术问题。

技术实现要素：

针对上述技术问题，本发明提供了一种基于机器视觉的钢轨检测图像的去噪方法，能够快速、有效地对钢轨检测图像中的椒盐噪声进行滤除，减少噪声对图像视觉效果的影响，提高图像质量，确保后续图像处理工作的精度。

本发明通过以下技术方案来实现上述目的：

一种基于机器视觉的钢轨检测图像的去噪方法，具体包括以下几个步骤：

S1、通过架设在钢轨图像采集小车上的相机获取待去噪的钢轨图像，并在该钢轨图像上建立大小为3*3像素的正方形滤波窗口；

S2、滤波窗口由钢轨图像的上侧从左至右以一个像素宽的步长逐步移动，每移动一个步长判断此时滤波窗口中心像素点的灰度值是否在预设的灰度值范围内，如果在该范围内，则保持该中心像素点的灰度值不变，执行步骤4，反之，则执行步骤3；

S3、当中心像素点的灰度值不在预设的灰度值范围内时，更新该中心像素点的灰度值：在滤波窗口内以此时的中心像素点为标志点划分出一个左上三角形矩阵，取出包含在该三角形矩阵中除中心像素点外的其他5个像素点的灰度值，并将它们的灰度值由小到大进行排序，取中间值作为滤波窗口中心像素点新的灰度值；

S4、滤波窗口向右移动一个像素宽度，重复步骤2，依次判断并更新各中心像素点的灰度值，直到滤波窗口移动到钢轨图像的最右端；

S5、将滤波窗口向下移动一个像素宽度，并且使滤波窗口回到钢轨图像的最左侧，重复执行步骤2、3、4，直到将钢轨图像中所有的像素点灰度值判断更新完为止。

作为本案的优化方案，上述步骤2中，预设灰度值的范围通过大量的仿真实验取得，预设灰度值范围是能达到最佳滤波效果的灰度值范围。

作为本案的优化方案，上述步骤1中，所述相机选用CCD相机。

本发明的有益效果是：

1、在进行滤波之前先预设灰度值范围，这样就避免对原图像的非噪声像素点的灰度值进行更改，使得滤波更加准确和有针对性，进而取得更有效的滤波效果；

2、本发明在3*3滤波窗口中提取出一个上三角形滤波块，在对噪声点的灰度值进行更新的过程中，由3*3滤波窗口所采用的对窗口中的9个像素点进行中值滤波到本发明采用的对上三角形滤波块中的5个像素点进行中值滤波，每次处理的数据都减少了近一半，因此本发明大大缩减了滤波过程所花费的时间，能够更加快速、有效地对基于机器视觉的钢轨检测图像的椒盐噪声进行滤。

附图说明

图1为本发明基于机器视觉的钢轨检测图像去噪方法的流程示意框图；

图2为本发明基于机器视觉的钢轨检测图像去噪方法中滤波窗口模型示意图；

图3为本发明基于机器视觉的钢轨检测图像去噪方法中滤波窗口中划分的左上三角形矩阵示意图；

图4为本发明基于机器视觉的钢轨检测图像去噪方法中左上三角形矩阵中取出的像素点灰度值示意图；

图中：1-钢轨图像，2-滤波窗口，3-中心像素点，4-左上三角形矩阵。

具体实施方式

下面将结合附图及实施例对本发明及其效果作进一步阐述。

如图1所示，一种基于机器视觉的钢轨检测图像的去噪方法，具体包括以下几个步骤：

S1、通过架设在钢轨图像采集小车上的相机获取待去噪的钢轨图像，并在该钢轨图像上建立大小为3*3像素的正方形滤波窗口；其中获取图像的相机选用CCD相机，具有体积小、重量轻、不受磁场影响、具有抗震动和撞击、以及高分辨率的特性，

S2、滤波窗口由钢轨图像的上侧从左至右以一个像素宽的步长逐步移动，每移动一个步长先判断此时滤波窗口中心像素点的灰度值是否在设置的灰度值范围内，如果在该范围内，则保持该中心像素点的灰度值不变，执行步骤4，反之，则执行步骤3；在图像进行滤波处理之前，先设置一个灰度值范围，对于灰度值处于该灰度值范围内的像素点，保持该像素点的灰度值不变；对于灰度值不在灰度值范围内的像素点，则对它进行滤波处理；通过大量的仿真实验，将能达到最佳滤波效果的灰度值范围确定为本发明所使用灰度值范围；由于椒盐噪声的灰度值约为0或255，因此当像素点的灰度值在0或255附近范围内，则将该像素点视为噪声点进行滤波处理；

S3、当中心像素点的灰度值不在预设的灰度值范围内时，更新该中心像素点的灰度值：在滤波窗口内以此时的中心像素点为标志点划分出一个左上三角形矩阵，3*3滤波窗口中包含9个像素点，该三角形矩阵包含6个像素点，取出包含在该三角形矩阵中除中心像素点外的其他5个像素点的灰度值，并将它们的灰度值由小到大进行排序，取中间值作为滤波窗口中心像素点新的灰度值；

S4、滤波窗口向右移动一个像素宽度，重复步骤2，依次判断并更新钢轨图像中各中心像素点的灰度值，直到滤波窗口移动到钢轨图像的最右端，即执行完钢轨图像中一行像素点的灰度值判断、更新；

S5、将滤波窗口向下移动一个像素宽度，并且使滤波窗口回到钢轨图像的最左侧，重复执行步骤2、3、4，直到将钢轨图像中所有的像素点灰度值判断更新完为止。

实施例

本发明基于机器视觉的钢轨检测图像去噪方法，主要是对钢轨图像中的椒盐噪声进行去噪的一种新型算法，大体包括以下步骤：获取钢轨图像，判断3*3滤波窗口中心像素点的灰度值是否落在设定的阈值范围内，进行像素点灰度值的更新。

由于椒盐噪声的灰度值约为0或255，为了得到最合适的灰度值范围，即确定出灰度值范围的上下限，对下限取值为1到5和上限取值为250至254的情况进行了仿真实验，得到的实验结果如下表1所示。并使用信噪比改善因子R作为滤波效果的参考指标，其中若信噪比改善因子R是负值，则说明滤波后噪声被抑制，R越低，说明滤波效果越好。由表1可以得出：当灰度值范围取为[2 250]时，能够取得最好的滤波效果。

表1

具体地，在钢轨图像1上建立大小为3*3像素的正方形滤波窗口2为滤波窗口模板(如图2所示)，滤波窗口2中包含9个像素点，当滤波窗口中心像素点3的灰度值在预设定的阈值内时，则保持该像素点的灰度值不变；当中心像素点3的灰度值超出阈值范围时，则在3*3滤波窗口2中划分出一个左上三角形矩阵4(如图3所示)，该三角形矩阵内共包含6个像素点，提取出包含在该左上三角形矩阵内除中心像素点外的其他5个像素点的灰度值(如图4所示)，将提取出的5个像素点的灰度值按大小值进行排序，找出中间值作为滤波窗口该中心像素点的灰度更新值。对滤波窗口中心像素点的灰度值进行更新后，判断是否对图像中的所有像素点的灰度值完成了判断、更新；如果图像中存在有像素点的灰度值未进行判断、更新，则滤波窗口按照从左至右，从上至下，每次移动一个像素点的规律在钢轨图像上进行滑动；如果钢轨图像中所有像素点的灰度值均进行了更新，判断是否对所有钢轨图像完成了去噪处理，如果对所有图像均进行了去噪处理，则完成了去噪过程；否则，取出下一张图像，继续进行去噪处理。

以上实施例仅是示例性的，并不会局限本发明，应当指出对于本领域的技术人员来说，在本发明所提供的技术启示下，所做出的其它等同变型和改进，均应视为本发明的保护范围。