一种基于滤波窗口及参数自适应的非局部均值图像去噪方法
【技术领域】
[0001] 本发明设及一种图像去噪方法，特别是一种基于滤波窗口及参数自适应的非局部 均值（NonlocalMeans,NLM)去噪方法，属于数字图像预处理领域。该方法实现了对图像噪 声的有效去除，同时尽可能地保存图像本身信息，特别是细节和结构信息。通过对滤波窗口 和参数的自适应化，增强了方法的适用性和智能性，使去噪流程简洁化。可W应用于自动化 的图像处理系统中。
【背景技术】
[0002] 随着信息的重要性不断提高，数字图像作为一种重要的信息载体，在现代社会的 各行各业都得到的广泛应用。人们从图像中可W直观地获取信息，但是由于图像获取和传 输过程中受到外界信号干扰，或由于成像系统本身的缺陷，不可避免地会形成图像噪声。噪 声对人眼视觉效果、信息获取都有着不容忽视的影响。为了恢复图像的本质信息，需要对噪 声进行去除，同时尽可能保存图像本身的细节信息。
[0003] 图像去噪作为图像处理中的一个经典问题，一直是一个研究热点。从经典的图像 去噪方法到近年来涌现的新方法，许多从事图像领域工作的研究者尝试从各个角度来解决 该一难题。图像去噪的经典算法包括中值滤波、均值滤波、高斯滤波等空域算法。在变换域 领域，先后涌现了傅里叶变换去噪、DCT变换去噪、小波去噪等去噪算法。另外，还有基于偏 微分方程的PDE去噪算法、基于压缩感知的去噪算法等新兴的算法。由于图像噪声的随机 性很高，并且针对不同图像所采取的去噪策略也可能不同，因此对于去噪算法的研究仍然 是当前的一大热点。
【发明内容】
[0004] 本发明技术解决问题：针对现有技术不足，提供一种基于滤波窗口及参数自适应 的非局部均值去噪方法。通过选定图像中的一个待去噪的基准点，在其邻域内寻找参考点 做加权运算来恢复像素原有的强度，该方法可W有效地减弱噪声点的影响，并且保存图像 原有的细节信息，最终获取良好的图像视觉效果。
[0005] 为实现该样的目的，本发明的技术方案：一种基于滤波窗口及参数自适应的非局 部均值去噪方法，包括如下步骤：
[0006] 步骤一、噪声检测：
[0007] 在一幅噪声图像中，包含有噪声像素和非噪声像素。去噪的目的除了去除噪声点 之外，还有尽量保存非噪声点。因此，在去噪环节之前加入噪声检测来判别噪声。所述噪声 检测的详细描述为：
[0008] 定义图像I中的一个像素为I(X，y)，其中X为横坐标、y为纵坐标，且图像I需为 灰度图像。对于一个像素点可W计算它的四方向梯度如下：
[0009] 水平方向的梯度算子Gh:
[0017] 由公式（1)~（4)计算出一个像素点的四方向梯度之后，定义四个梯度值的最大 值为Gm。,，最小值为Gmw设定阔值= 利用公式巧）来判别噪声点和非噪声点；
[0018] Gmax-Gmin<TnMse(公式W
[0019] 满足公式（5)条件的像素点即为噪声点。此处阔值的设定与梯度本身的值相关， 可W减弱图像亮度变化对噪声判别的影响，达到阔值亮度自适应的目的。
[0020] 步骤二、建立噪声标定矩阵：
[0021] 定义图像I的大小为mXn，其中m为图像宽度，n为图像高度，建立一个大小同为 mXn的二维二值矩阵N。对于一个图像中的像素点I(x，y)，它对应的矩阵元素为N(x，y)， 根据步骤一的处理结果，将噪声点的对应矩阵元素设为1，非噪声点设为0,即得到噪声标 定矩阵N。它的作用是判定一个像素点是否为噪声，且标定噪声点在图像中的位置。
[0022] 步骤S、确定基准点窗口；
[0023]遍历图像I中的每一个像素点I(X，y)，将其设为基准点。为了恢复像素点I(X，y) 未受噪声影响时的强度，需要在其邻域i内取T胃=48个参考点进行加权平均运算。邻域 i被称为像素点I(x，y)的捜索窗口。所述窗口的描述如下：
[0024] W像素点I(x，y)为中心设定r为窗口半径，且初值设为1，num为当前已取参考 点的个数，初值设为0。从像素点I(x+r，y)开始固定半径r，沿逆时针方向依次取像素点， 如果所取像素点对应的噪声标定矩阵N中的元素指示为非噪声像素，则将该点纳入加权平 均运算，并且将num的值加1，否则跳过该像素。如果num的值累加到等于预先设定的阔值 T?= 48,则终±该步骤，完成参考点的选择，否则继续进行本步骤。如果逆时针取点循环 到起始点I(x+r，y)位置，且num<48,则扩大取点半径，令r加1，重复本步骤。每次取参考 点后检查num的值，如果num= 48,则立刻跳出循环，结束本步骤。对于不同的基准点，r的 变化范围不同，W此实现窗口选择的自适应化。
[00巧]步骤四、确定参考点滤波参数：
[0026] 依次取步骤=所取得的参考点，对于每一个参考点，确定它在参与加权平均运算 时所占的权重，即确定滤波参数。设基准点为I(X，y)，对应的参考点为I(XI，yl)，那么参考 点I(xl,yl)对于基准点I(X，y)滤波参数为S(xl,yl);
[0029] 在公式做中，Nv(I(x，y))和Nv(I(xl，yl))分别表示W基准点和W参考点为中屯、 的3X3邻域矩阵，求两者差的2-范数用来度量基准点与参考点处结构的差异。同时，在公 式（7)中，0代表噪声标准差，噪声强度越大，其标准差的开方越大，则滤波参数s(xl，yl) 相应增大，滤波强度增大；a为可调节参数，此处取值为2 ;含有r2的参数项与步骤S中的 r半径相关，用于调节滤波参数随基准点与参考点的位置距离增大而减小，代表距离基准点 越远的点，所贡献的权重就越小。
[0030] 步骤五、加权运算：
[0031] 根据W上步骤求得的参数，带入加权公式巧），利用所有的参考点的加权和求出基 准点像素的估计值F(x，y):
[0032]
[0033] 依次对图像中所有的像素点进行遍历，将其取为基准点，计算基准点的全部48个 参考点加权和，得到基准点未受噪声污染的估计值，并将噪声标定矩阵N中的对应矩阵元 素标记为非噪声值。此时，噪声点被恢复且可W用来作为其余噪声点的参考点进行加权。遍 历完成后，得到去噪图像。
[0034] 本发明与现有技术相比的有益效果在于：
[00巧](1)本发明采用基于滤波窗口及参数自适应的非局部均值去噪方法，与传统去噪 方法相比，引入了噪声检测环节，并建立噪声标定矩阵，通过判别和定位噪声点，在选择参 考点时忽略噪声点，能有效地避免噪声对加权结果产生影响，提高去噪质量。
[0036] (2)本发明采用基于滤波窗口及参数自适应的非局部均值去噪方法，与传统去噪 方法相比，在选定同等数量参考点的情况下，排除了噪声点作为参考点的可能性，并且针对 不同的基准点，由于其周围的像素结构不同，由螺旋形取得的最终窗口大小也不同，实现了 窗口的自适应化，使滤波强度能够随图像结构的变化而变化。在噪声集中处，由于要跳过更 多的噪声点，所W滤波窗口变得更大，W包含足够数量的参考点，反之则窗口变小。避免了 固定窗口尺寸选择不当产生的过度模糊或去噪效果不足。
[0037] (3)本发明采用基于滤波窗口及参数自适应的非局部均值去噪方法，与传统去噪 方法相比，建立了滤波参数与参考点位置的相关函数，使得距离基准点进的参考点取得更 大的加权权重，反之则取得较小的权重。该符合图像像素分布特性，即像素之间存在相关 性，空间分布接近的像素其灰度值往往更加接近。
[0038] (4)本发明采用基于滤波窗口及参数自适应的非局部均值去噪方法，与传统去噪 方法相比，在对一个噪声点进行去噪之后，通过对其噪声标定矩阵对应值的调整，使其被认 定为非噪声点，可W被纳入之后基准点的参考点之中，避免噪声密度过大时参考点捜寻窗 口也随之增大，从而造成选择到大量与基准点相距较远的点的情况。在此情况下，相距较远 的点强度值差异往往更大，造成加权运算结果偏差过大。
[0039] 总之，本发明在保持图像去噪基本效果的基础上，进一步加强了去噪力度，并改善 了细节保存效果。同时，通过实现滤波窗口和滤波参数的自适应化，有效地增强了算法对于 不同图像、不同噪声的适用性。
【附图说明】
[0040] 图1为本发明方法的整体框架实现流程图。
[0041] 图2为本发明选取的输入原图像和S幅不同程度高斯噪声的图像。其中（a)为图 像peppers的无噪图像，化）、（C)、（d)分别添加标准差为18、25. 5、51高斯零均值噪声。原 始图像大小均为512X512像素，分辨率为96X96DPI，且均为8位单通道灰度图像。
[0042] 图3为本发明所采用的基准点窗口示意图。
[0043] 图4为本发明对图像dancers、lax、p巧pers处理结果与传统非局部均值去噪方法 处理结果的8位单通道灰度对比图。其中（a) (C) (e)为传统非局部均值去噪方法处理结果， 化）（C) (f)为本发明处理结果。图像（a)化）大小为618X453像素，添加的高斯零均值噪 声标准差为18 ;图像（C) (d)大小为512X512像素，添加的高斯零均值噪声标准差为25. 5 ; 图像（e) (f)大小为512X512像素，添加的高斯零均值噪声标准差为51。图像分辨率均为 72X72DPI。
[0044] 图5为本发明对图像barbara、lena、boats处理结果与传统非局部均值去噪方法 处理结果的局部细节对比。其中（a)化）（C)为本发明处理结果，添加噪声标准差分别为18、 25. 5、51，（d) (e) (f)为传统非局部均值去噪结果，添加噪声标准差分别为18、2