基于综合形态学的图像混合滤波装置及方法
【专利摘要】本发明实施例提供了一种基于综合形态学的图像混合滤波装置及方法，通过构建基本形态学滤波模型、约束条件，最后构建用于图形滤波的综合形态学混合滤波计算模型，以对输入的待处理噪声图像进行滤波处理。本发明实施例将形态学混合滤波方法和广义形态学滤波方法进行加权综合，不依赖于滤波方法是以开起始还是以闭开始且具有双路对偶滤波方法双重优点，从而在滤除图像噪声的同时能够保留图像的细节信息。
【专利说明】
基于综合形态学的图像混合滤波装置及方法
技术领域
[0001] 本发明设及图像处理领域，具体而言，设及一种基于综合形态学的图像混合滤波 装置及方法，是利用数学形态学方法进行加权综合构造一种能够减少图像灰度值偏移的同 时具有双路对偶的综合滤波方法，W用于对噪声图像进行混合滤波。
【背景技术】
[0002] 形态学滤波方法是基于数学形态学的非线性滤波方法，主要应用于图像处理领 域，其基本思想是利用结构元素对图像进行"探测"，保留与结构元素相符合的结构，去掉不 符合的结构(如噪声、毛刺等），达到在滤除噪声的同时保持更多图像细节。基本的形态学滤 波方法有形态学开、闭、开闭、闭开滤波方法，运些滤波方法采用的是相同的结构元素，在保 留一部分细节信息的同时可能滤除掉一部分有用的细节信息。而采用多结构元素的广义形 态学开、闭、开闭、闭开滤波方法，无论是W开还是W闭起始都会导致滤波后图像的灰度值 偏移问题。
【发明内容】
[0003] 鉴于W上内容，本发明实施例提供一种基于综合形态学的图像混合滤波装置，应 用于图像处理设备对噪声图像进行除燥滤波处理。所述图像混合滤波装置包括：
[0004] 基本模型构建模块，用于构建基本形态学滤波模型，其中，所述基本形态学滤波模 型包括基础形态学滤波的开、闭滤波计算模型、根据所述开、闭滤波计算模型构建的级联形 态学滤波计算模型、W及根据所述级联形态学滤波计算模型构建的广义形态学滤波计算模 型；
[0005] 约束条件构建模块，用于构建滤波计算模型的约束条件，该约束条件包括结构元 素个数W及权值约束条件；
[0006] 混合模型构建模块，用于依据上述构建的基本形态学滤波模型W及约束条件构建 用于图形滤波的综合形态学混合滤波计算模型;及
[0007] 噪声图像处理模块，用于使用上述构建的混合滤波计算模型对输入的待处理噪声 图像进行滤波处理。
[000引本发明实施例还一种基于综合形态学的图像混合滤波方法，应用于图像处理设备 对噪声图像进行除燥滤波处理。所述方法包括：
[0009] 构建基本形态学滤波模型，其中，所述基本形态学滤波模型包括基础形态学滤波 的开、闭滤波计算模型、根据所述开、闭滤波计算模型构建的级联形态学滤波计算模型、W 及根据所述级联形态学滤波计算模型构建的广义形态学滤波计算模型；
[0010] 构建滤波计算模型的约束条件，该约束条件包括结构元素个数W及权值约束条 件；
[0011] 依据上述构建的基本形态学滤波模型W及约束条件构建用于图形滤波的综合形 态学混合滤波计算模型;及
[0012] 使用上述构建的混合滤波计算模型对输入的待处理噪声图像进行滤波处理。
[0013] 与现有技术相比，本发明实施例提供的基于综合形态学的图像混合滤波装置及方 法将形态学混合滤波方法和广义形态学滤波方法进行加权综合，具有不依赖于滤波方法是 W开起始还是W闭开始且具有双路对偶滤波方法双重优点，从而在滤除图像噪声的同时能 够保留图像的细节信息。
[0014] 为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合 所附附图，作详细说明如下。
【附图说明】
[0015] 为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附 图作简单地介绍，应当理解，W下附图仅示出了本发明的某些实施例，因此不应被看作是对 范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可W根据运 些附图获得其他相关的附图。
[0016] 图1是本发明较佳实施例提供的图像处理设备的方框示意图。
[0017] 图2是本发明较佳实施例提供的应用于图1所示的图像处理设备的基于综合形态 学的图像混合滤波方法的流程图。
[0018] 图3是本发明较佳实施例中考虑对称保持的综合形态学混合滤波方法的滤波过程 示意图。
[0019] 图4是各种形态学滤波方法对不同强度椒盐噪声图像处理时的均方误差、峰值信 噪比和运行时间结果的波形示意图。
[0020] 图5是各种形态学滤波方法对不同强度高斯噪声图像处理时的均方误差、峰值信 噪比和运行时间结果的波形示意图。
[0021] 图6是各种形态学滤波方法对不同强度混合噪声图像处理时的均方误差、峰值信 噪比和运行时间结果的波形示意图。
[0022] 图7是本发明实施例提供的考虑对称保持的综合形态学混合滤波方法在对称保持 和非对称保持下灰度差值图。
[0023] 主要元件符号说明
[0024]
[0025]
【具体实施方式】
[0026] 下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整 地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在 此处附图中描述和示出的本发明实施例的组件可WW各种不同的配置来布置和设计。因 此，W下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的 范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做 出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0027] 如图1所示，是本发明较佳实施例提供的一种图像处理设备100的方框示意图。所 述图像处理设备100可W是，但不限于，个人电脑(personal computer,PC)、平板电脑、服务 器等具备图形图像分析及处理能力的运算设备。
[00%]所述图像处理设备100还包括一混合滤波装置10、存储器12W及处理器13。本发明 较佳实施例中，混合滤波装置10包括至少一个可W软件或固件(firmware)的形式存储于所 述存储器12中或固化在所述图像处理设备100的操作系统(operating system ,OS)中的软 件功能模块。所述处理器13用于执行所述存储器12中存储的可执行软件模块，例如所述混 合滤波装置10所包括的软件功能模块及计算机程序等。本实施例中，所述混合滤波装置10 也可W集成于所述操作系统中，作为所述操作系统的一部分。具体地，所述混合滤波装置10 包括基本模型构建模块101、约束条件构建模块102、混合模型构建模块103、噪声图像输入 模块104、噪声图像处理模块、W及滤波结果输出模块106。所应说明的是，在其他实施例中， 所述混合滤波装置10包括的上述功能模块中的其中一部分也可省略，或者其还可W包括其 他更多的功能模块。
[0029] 下面将结合图2对上述各功能模块做详细介绍。
[0030] 请参阅图2,是本发明较佳实施例提供的应用于图1所示的图像处理设备100的基 于综合形态学的图像混合滤波方法的流程图。下面将对图2所示的具体流程和步骤进行详 细阐述。
[0031] 步骤SOl，所述基本模型构建模块101构建基本形态学滤波模型。具体地，本实施例 中，所述基本形态学滤波模型的构建方法包括W下步骤。
[0032] 第一，构建基础形态学滤波的开、闭滤波计算模型。形态学开滤波方法由于可W抑 制信号中的正脉冲噪声（即峰值噪声），所W其可W在消除比所选结构元素小的峰值区域同 时保持图像整体灰度值不变且基本不影响大的峰值区域。而形态学闭滤波方法由于可W抑 制信号中的负脉冲噪声（即底谷噪声），所W可W在消除比所选结构元素小的底谷区域同时 保持图像整体灰度值不变且基本不影响大的底谷区域。形态学开、闭滤波计算模型分别用O 和C表示，表达式分别如式(1)和(2)所示：
[0033]
[0034]
[0035] 其中：f为图像灰度函数，k为选取的结构元素；空屯、圆表示形态学开运算，实屯、圆 表示形态学闭运算;@表示灰度膨胀，e表示灰度腐蚀。
[0036] 第二，根据所述开、闭滤波计算模型构建级联形态学滤波计算模型。具体地，利用 开、闭运算在抑制噪声方面的互补特性，将开、闭运算进行级联组合，所得形态学开闭、闭开 滤波的计算模型可W同时抑制信号中的正负脉冲噪声，保持结构元素不变。基于开、闭运算 级联组合得到的常用形态学滤波计算模型，表达式分别如式(3)和(4)所示：
[0037] 0C = f〇k ? k\*MERGEF0RMAT (3)
[003引 C0 = f ? k0k\*MERGEFORMAT (4)
[0039] 第=，根据所述级联形态学滤波计算模型构建广义形态学滤波计算模型。由于基 本形态学滤波方法均采用相同的结构元素，运些滤波方法在抑制噪声过程中只能保持一种 几何信息，而滤掉其他几何信息，不利于图像细节的保持。针对基本形态学滤波方法的运个 问题，采用不同的结构元素构造广义形态学开、闭滤波、广义形态学开闭、闭开滤波等计算 模型，运些滤波计算模型能够在滤除噪声的过程中同时较好地保持图像的细节。本实施例 中，采用不同结构元素，构建4种广义形态学滤波计算模型，具体表达式分别如式(5)、（6)、 (7)和(8)所示：
[0040]
[0041]
[0042]
[0043]
[0044] 其中，广义用G标识，ki，k2为两个不同的结构元素，且AieA;。
[0045] 步骤S02,所述约束条件构建模块102构建滤波计算模型的约束条件，该约束条件 包括结构元素个数W及权值约束条件。该步骤S02具体包括W下步骤。
[0046] 第一，选取结构元素个数。级联滤波方法需要一至两个结构元素，广义滤波方法需 要两个结构元素。用n化)表示结构元素个数，级联滤波方法的两个结构元素分别用ki，k2表 示，结构元素个数限制如下式(9)。
[0047]
[004引其中，结构元素的选取所需满足的条件表达式为：
[0049]
U 0)第二，设置权值约束条件。具体地， 为了对称保持同类型基本形态学滤波方法系数相同，不相同则为非对称保持，权值用《表 示，4个权值约束为下式(11)所示： 闺
(11)[0051]权值系数满足的条件表达式如下式(12)所示：
[0化2] (12)
[0053] 步骤S03,所述混合模型构建模块103依据上述构建的基本形态学滤波模型W及约 束条件构建用于图形滤波的综合形态学混合滤波计算模型。具体地，构建的综合形态学混 合滤波计算模型用CMH表示，具体表达式如下式（13)所示:CMH= 〇1 ? 0C+O2 ? C0+O3 ? GOC + O 4 ? GCO
[0054] = 〇1 ? (f〇ki ? ki)+?2 ? (f ? ki〇ki)+?3 ? (f〇k2 ? k3)+?4 ? (f ? k2〇k3)
[0055] \*MERGEF0RMAT(12)
[0化6] 其中：ki、k2、k3为选取的3个结构元素；《1、《2、《3、W4为4个权值;结构元素和权 值约束条件分别满足式(9)和(11);
[0057] 步骤S04,所述噪声图像输入模块104输入待处理的噪声图像。所述噪声图像可W 通过图像处理设备100的输入装置11输入。所述输入装置11可W是图像获取装置，如照相机 或摄像头等。所述输入装置也可W是鼠标、键盘等，用于将已存的噪声图像进行输入W进行 滤波除燥处理。
[0058] 步骤S05,所述噪声图像处理模块105使用上述构建的混合滤波计算模型对所述输 入的噪声图像进行滤波处理。
[0059] 步骤S06,所述滤波结果输出模块106将上述经过滤波处理后的图像进行输出，例 如可输出至所述图像处理设备100的显示装置进行显示。
[0060] 如图3所示，是本发明实施例中考虑对称保持的综合形态学混合滤波方法的滤波 过程示意图。首先，本发明实施例利用基础形态学滤波方法，选取同样结构元素进行级联滤 波;然后，选取不同结构元素，进行广义滤波;最后，再将上述两步包含的四种滤波方法进行 加权综合，得到顾及对称保持的综合形态学混合滤波方法，可对图像在去除噪声的同时保 持图像灰度值不发生偏移。
[0061] 例如，应用本发明实施例对分别添加有不同强度椒盐噪声(Salt&Pepper)、高斯噪 声(Gaussian)及两种噪声混合的图像进行去除噪声处理，来说明所发展模型和方法的可行 性和有效性。运里采用形态学开闭、闭开，广义形态学开闭、闭开，形态学开闭闭开混合，广 义形态学开闭闭开混合滤波方法和本发明方法对相同噪声图像进行处理。噪声图像分别为 噪声密度为0.03的椒盐噪声图像，均值为0、方差为0.0 l的高斯噪声图像，前两者噪声混合 的噪声图像S种。
[0062] 结构元素基本形态学滤波方法采用3 X 3的方形结构元素，广义形态学滤波方法采 用3 X 3和5 X 5方形结构元素，本发明滤波方法权值取《1=02 = 0.2和《3=?4 = 0.3,处 理结果采用均方误差(MSE)、峰值信噪比(PSNR)和运行时间S个衡量指标进行评价分析，分 析结果如图4~图6所示。
[0063] 选取滤波处理前后图像信号中任意一列，50个连续像素点位处的灰度值，分析各 种形态学滤波器对=种噪声图像处理后灰度值偏移情况，从中可W看出本发明滤波方法滤 波后信号和原图像更加接近。
[0064] 本发明滤波方法在对称保持(取滤波器权值wl=?2 = 0.2和w3=w4 = 0.3)和 非对称保持(取滤波器权值为《1 = 0.1，《2 = 0.2,《3 = 0.3, O4 = 0.4)下对不同噪声图像 处理后与原灰度图像的灰度值差，处理结果如图7所示，从中可W看出，本发明实施例的混 合滤波方法的对称性保持对图像灰度值偏移补偿能力有直接的影响。
[0065] 本发明的算例结果表明，由于开、闭运算进行级联组合的形态学混合滤波方法和 广义的形态学混合滤波方法在某种程度上具有更好的滤波效果，在抑制噪声能力、对称性 W及耗时方面较优于其他混合滤波方法。本发明实施例基于此提出了一种将形态学混合滤 波方法和广义形态学滤波方法进行加权综合，具有不依赖于滤波方法是W开起始还是W闭 开始且具有双路对偶滤波方法双重优点，从而在滤除图像噪声的同时能够保留图像的细节 信息。
[0066] W上所述，仅为本发明的【具体实施方式】，但本发明的保护范围并不局限于此，任何 熟悉本技术领域的技术人员在本发明掲露的技术范围内，可轻易想到变化或替换，都应涵 盖在本发明的保护范围之内。因此，本发明的保护范围应所述W权利要求的保护范围为准。
【主权项】
1. 一种基于综合形态学的图像混合滤波装置，应用于图像处理设备对噪声图像进行除 燥滤波处理，其特征在于，所述图像混合滤波装置包括： 基本模型构建模块，用于构建基本形态学滤波模型，其中，所述基本形态学滤波模型包 括基础形态学滤波的开、闭滤波计算模型、根据所述开、闭滤波计算模型构建的级联形态学 滤波计算模型、以及根据所述级联形态学滤波计算模型构建的广义形态学滤波计算模型； 约束条件构建模块，用于构建滤波计算模型的约束条件，该约束条件包括结构元素个 数以及权值约束条件； 混合模型构建模块，用于依据上述构建的基本形态学滤波模型以及约束条件构建用于 图形滤波的综合形态学混合滤波计算模型;及 噪声图像处理模块，用于使用上述构建的混合滤波计算模型对输入的待处理噪声图像 进行滤波处理。2. 如权利要求1所述的基于综合形态学的图像混合滤波装置，其特征在于，还包括： 噪声图像输入模块，用于使用所述图像处理设备的输入装置输入所述待处理噪声图 像;及 滤波结果输出模块，用于将上述经过滤波处理后的图像进行输出。3. 如权利要求1所述的基于综合形态学的图像混合滤波装置，其特征在于，所述构建的 开、闭滤波计算模型分别用〇和C表示，表达式分别如下式(1)和(2)所示： O=f〇k = {f\ k)?k \* MERCEFORMAT (I) C=f.k = (f?k)\ k mergEFORMAT (2) 其中：f为图像灰度函数，k为选取的结构元素；空心圆表示形态学开运算，实心圆表示 形态学闭运算;@表示灰度膨胀。4. 如权利要求3所述的基于综合形态学的图像混合滤波装置，其特征在于，所述广义形 态学滤波计算模型包括四种计算模型，具体表达式分别如下式(5)、（6)、（7)和(8)所示： 00 = (/! ^)θ?2 ^ MERCEFORMAT (S) GC = (Zekl)I k1 ^ MERGEF0RMaT (6) GOC = f〇ki · k2\*MERGEFORMAT (7) GC0 = f · ki〇k2\*MERGEFORMAT (8) 其中，广义用G标识，h，匕为两个不同的结构元素，且A e &。5. 如权利要求4所述的基于综合形态学的图像混合滤波装置，其特征在于，所述结构元 素个数的限制如下式(9)所示： [2, Zf1=Zc2 n{ > {3, /f, ^k2 \* MERCEFORMAT (9) 其中，结构元素的选取所需满足的条件表达式如下式(10)所示： (k{ = k2\\ kx ^k2)\J(k2 ^ ^k}) (1〇) · 所述权值约束条件用ω表示，权值约束条件的表达式如下式(11)所示：其中，权值系数满足的条件表达式如下式(12)所示：t '及 (12); 所述构建的综合形态学混合滤波计算模型用CMH表示，具体表达式如下式(13)所示： CMH= ω 1 · OC+ ω 2 · CO+ ω 3 · GOC+ ω 4 · GCO =ω I · (foki · ki)+c〇2 · (f · ki〇ki) + ω 3 · (f〇k2 ·1?)+ω4· (f· k2〇k3) (13) 其中:ki、k2、k3为选取的三个结构元素；ω?Ν ω2、ω3、ω4为四个权值。6. -种基于综合形态学的图像混合滤波方法，应用于图像处理设备对噪声图像进行除 燥滤波处理，其特征在于，所述方法包括： 构建基本形态学滤波模型，其中，所述基本形态学滤波模型包括基础形态学滤波的开、 闭滤波计算模型、根据所述开、闭滤波计算模型构建的级联形态学滤波计算模型、以及根据 所述级联形态学滤波计算模型构建的广义形态学滤波计算模型； 构建滤波计算模型的约束条件，该约束条件包括结构元素个数以及权值约束条件； 依据上述构建的基本形态学滤波模型以及约束条件构建用于图形滤波的综合形态学 混合滤波计算模型;及 使用上述构建的混合滤波计算模型对输入的待处理噪声图像进行滤波处理。7. 如权利要求6所述的基于综合形态学的图像混合滤波方法，其特征在于，所述方法还 包括： 使用所述图像处理设备的输入装置输入所述待处理噪声图像;及 将上述经过滤波处理后的图像进行输出。8. 如权利要求6所述的基于综合形态学的图像混合滤波方法，其特征在于，所述构建的 开、闭滤波计算模型分别用〇和C表示，表达式分别如下式(1)和(2)所示：其中：f为图像灰度函数，k为选取的结构元素；空心圆表示形态学开运算，实心圆表示 形态学闭运算;?表示灰度膨胀。9. 如权利要求8所述的基于综合形态学的图像混合滤波方法，其特征在于，所述广义形 态学滤波计算模型包括四种计算模型，具体表达式分别如下式(5)、（6)、（7)和(8)所示：其中，广义用G标识，h，匕为两个不同的结构元素，且M ￡Ξ /"。10. 如权利要求9所述的基于综合形态学的图像混合滤波方法，其特征在于，所述结构 元素个数限制如下式(9)所示：其中，结构元素的选取所需满足的条件表达式如下式(10)所示：， 所述权值约束条件用ω表示，权值约束条件的表达式如下式(11)所示：(U);其中，权值系数满足的条件表达式如下式(12)所示：及 (12)； 所述构建的综合形态学混合滤波计算模型用CMH表示，具体表达式如下式(13)所示： CMH= ω 1 · OC+ ω 2 · CO+ ω 3 · GOC+ ω 4 · GCO =ω I · (foki · ki)+c〇2 · (f · ki〇ki) + ω 3 · (f〇k2 ·1?)+ω4· (f· k2〇k3) (13) 其中:ki、k2、k3为选取的三个结构元素；ω?Ν ω2、ω3、ω4为四个权值。
【文档编号】G06T5/00GK106023095SQ201610305134
【公开日】2016年10月12日
【申请日】2016年5月10日
【发明人】逯跃锋, 高会贤, 贾致荣, 范俊甫, 韩留生, 李鸿彬, 王云峰
【申请人】山东理工大学