基于分割图的数字图像滤波方法和系统的制作方法
【技术领域】
[0001] 本发明实施例涉及计算机图形处理技术领域，尤其是涉及一种基于分割图的数字 图像滤波方法和系统。
【背景技术】
[0002] 自然图像一般包含大量的细节信息和纹理信息，而这些信息的存在将会降低许多 算法的性能。作为这些算法的预处理或者关键组成部分，保边滤波方法需要在保持主要结 构的同时平滑掉细节信息。事实上，这种能力就是保边滤波方法作为许多视觉和图形学应 用的保证。现有的保边滤波方法可以分为两大类:第一类是基于优化的保边滤波方法。这类 方法通过求解最优化的方式来得到最终的保边平滑结果。为此，人们为得到好的滤波结果， 设计出了各种各样的正则项，以及求解这些目标函数的优化技术。虽然这类方法通常可以 得到令人满意的结果，但是现有的目标函数基本上都没有解析解，需要迭代计算才能够得 出最优解，因此，此类方法的计算量都很大。不能满足人们的需求。另一类是基于加权平均 的保边滤波方法。这类方法通过设计各种各样的加权平均方案来进行保边滤波。这类方法 的计算量都不大，但是滤波效果不好。
[0003] 虽然人们已经提出了很多保边滤波技术，但是采用这些技术进行滤波之后，图像 还存在纹理结构的问题。
[0004] 有鉴于此，特提出本发明。
【发明内容】
[0005] 本发明实施例的主要目的在于提供一种基于分割图的数字图像滤波方法，其至少 部分地解决了如何抑制纹理的技术问题。此外，还提供了一种基于分割图的数字图像滤波 系统。
[0006 ]为了实现上述目的，根据本发明的一个方面，提供了以下技术方案：
[0007] -种基于分割图的数字图像滤波方法，该方法至少可以包括：
[0008] 步骤1:获取所述数字图像的超像素分割块；
[0009] 步骤2:在所述超像素分割块内进行聚合运算；
[0010] 步骤3:进行相邻超像素分割块之间的聚合运算；
[0011] 步骤4:计算所述相邻超像素分割块之间的加权平均。
[0012] 进一步地，所述步骤2具体包括：
[0013] 从所述超像素分割块内提取出最小生成树，并沿着所述最小生成树，在所述超像 素分割块内进行聚合运算。
[0014] 进一步地，所述从所述超像素分割块内提取出最小生成树，具体包括：
[0015] 将所述超像素分割块内的像素看成节点，根据所述像素之间的四邻接关系建立所 述节点之间边的连接关系，形成所述超像素分割块的加权图；
[0016] 利用最小生成树提取算法来提取所述加权图的最小生成树。
[0017] 进一步地，所述步骤3具体包括：
[0018] 选取使得连接相邻两个超像素分割块的相邻两个像素点颜色差值最小的边作为 连接所述相邻两个超像素分割块的边，并将所述相连接的两个相邻像素点的颜色相似性作 为权重赋予该边，形成连通所述数字图像所有像素点的树；
[0019] 基于该树，以一超像素分割块为中心，计算所述相邻超像素分割块内的像素点对 所述中心超像素分割块内的像素点的贡献。
[0020] 进一步地，所述步骤3还具体包括：
[0021] 利用以下公式沿着所述超像素分割块内最小生成树从下向上迭代计算每一像素 的临时聚合值：
[0022] 其中，4(及)表示像素尸的临时1?? &表示像素及所在的超像素分割块；/p 是引导图像I在像素 P的取值；wi(P，q)表不聚合权重：
；D(p，q)表 示相邻两个像素点颜色的插值，D(p，q)= | IP-Iq| ;p = P(q)表示节点q的父节点；
[0023] 利用以下公式，沿着所述超像素分割块内最小生成树从上到下迭代计算最终聚合 值：
[0024]
[0025] 其中，Cl(g)表示像素 q的聚合值;P(p)表示节点p的父节点；表示像素 p的 最终聚合值。
[0026] 进一步地，所述步骤4具体包括：
[0027] 在所述数字图像上针对任一像素选定一固定大小的窗口，根据所述窗口覆盖所述 超像素分割块的面积，来计算超像素分割块间加权平均的权重，并对所述步骤3所得的结果 进行加权平均。
[0028] 进一步地，所述步骤4还具体包括：
[0029] 通过以下公式来计算所述加权平均：
[0030]
[0031] 其中，KP是归一化系数；co2(p，S〇表示加权平均权重，co 2(p，Si)通过公式
到，S' i = Si η Ω ρ，Ω p表示窗口，5,表示像素 p所在的超像素分割块； CS(P)表示邻接超像素分割块之间的聚合值。
[0032] 根据本发明的另一个方面，还提供了一种基于分割图的数字图像滤波系统，该系 统至少包括：
[0033] 获取模块与块内聚合模块相连，所述块内聚合模块与块间聚合模块相连，所述块 间聚合模块与计算模块相连;其中：
[0034] 所述获取模块，用于获取所述数字图像的超像素分割块；
[0035] 所述块内聚合模块，用于在所述超像素分割块内进行聚合运算；
[0036] 所述块间聚合模块，用于进行相邻超像素分割块之间的聚合运算；
[0037] 所述计算模块，用于计算所述相邻超像素分割块之间的加权平均。
[0038] 进一步地，所述块内聚合模块具体包括聚合运算子模块;其中：
[0039] 所述聚合运算子模块，用于从所述超像素分割块内提取出最小生成树，并沿着所 述最小生成树，在所述超像素分割块内进行聚合运算。
[0040] 进一步地，所述聚合运算子模块具体包括连接模块和提取模块，其中：
[0041 ]所述连接模块，用于将所述超像素分割块内的像素看成节点，根据所述像素之间 的四邻接关系建立所述节点之间边的连接关系，形成所述超像素分割块的加权图；
[0042]所述提取模块，用于利用最小生成树提取算法来提取所述加权图的最小生成树。 [0043]进一步地，所述块间聚合模块具体包括树形成模块和贡献计算模块，所述树形成 模块与所述贡献计算模块相连，其中：
[0044] 所述树形成模块，用于选取使得连接相邻两个超像素分割块的相邻两个像素点颜 色差值最小的边作为连接所述相邻两个超像素分割块的边，并将所述相连接的两个相邻像 素点的颜色相似性作为权重赋予该边，形成连通所述数字图像所有像素点的树；
[0045] 所述贡献计算模块，用于基于该树，以一超像素分割块为中心，计算所述相邻超像 素分割块内的像素点对所述中心超像素分割块内的像素点的贡献。
[0046]进一步地，所述计算模块具体用于：
[0047] 在所述数字图像上针对任一像素选定一固定大小的窗口，根据所述窗口覆盖所述 超像素分割块的面积，来计算超像素分割块间加权平均的权重，并对所述块间聚合模块所 得的结果进行加权平均。
[0048] 与现有技术相比，上述技术方案至少具有以下有益效果：
[0049] 本发明实施例通过对数字图像进行超像素分割，得到超像素分割块，并在超像素 分割块内进行聚合运算，再进行相邻超像素分割块之间的聚合运算，最后计算相邻超像素 分割块之间的加权平均。从而，能够平滑纹理区域，而不模糊整幅图像的结构。
[0050] 当然，实施本发明的任一产品不一定需要同时实现以上所述的所有优点。
[0051] 本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变 得显而易见，或者通过实施本发明而了解。本发明的目的和其它优点可通过在所写的说明 书、权利要求书以及附图中所特别指出的方法来实现和获得。
【附图说明】
[0052] 附图作为本发明的一部分，用来提供对本发明的进一步的理解，本发明的示意性 实施例及其说明用于解释本发明，但不构成对本发明的不当限定。显然，下面描述中的附图 仅仅是一些实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以 根据这些附图获得其他附图。在附图中：
[0053] 图la为根据一示例性实施例