一种基于边缘检测算法去除蚊式噪声的方法及系统的制作方法
【专利摘要】本公开提出了一种基于边缘检测算法的去除蚊式噪声的方法及系统。本公开认为边缘信息是连续的像素点，而噪声点是孤立的点，因此所述方法提出了一种边缘检测算法，用来探测所得到的边缘是连接的，还是孤立的点，从而来区别真假边缘信息，探测到的连续像素点视为真边缘，孤立的像素点为噪声点，图像中未检测到的区域指定为远离边缘的区域，之后保留真边缘，对真边缘附近的区域和假边缘进行强降噪，对远离边缘区域进行一般降噪。本公开方法区别真假边缘信息，保留了细节信息，避免了图像处理后的模糊；由于采用降噪滤波为双边滤波，相比传统采用均值滤波和中值滤波去除蚊式噪声的方法，弥补了传统方法对边缘造成的模糊效应，更好地去除了蚊式噪声。
【专利说明】
-种基于边缘检测算法去除蚊式噪声的方法及系统
技术领域
[0001] 本公开设及图像处理领域，具体地讲，设及一种基于边缘检测算法去除蚊式噪声 的方法及系统。
【背景技术】
[0002] 随着科技和互联网的迅猛发展，如今数字图像已成为人们获取信息不可缺少的一 部分。但由于数字图像有很大的数据量，所W传输前必须对数字图像进行压缩编码。现有一 些图像/视频压缩编码，如肝EG、MPEG和H. 26X系列等都是国际标准，大多采用"分块DCT+量 化"的形式，运些国际标准能够有效地对图像进行压缩编码。虽然压缩后图像的尺寸被极大 的减少了，但在压缩编码时舍弃了被认为视觉上不太重要的图像信息，所W在图像的压缩 过程中必然会造成一些信息的损失，运些损失的信息在图像的解码重建过程中就会产生一 些失真的现象。根据不同的现象运些失真给了不同的名称，例如蚊式噪声（Mosquito Noise)、块噪声(Blocking Artifacts)和铃噪声等。运些噪声不但严重影响压缩图像的视 觉质量，而且影响图像的多种后续处理任务。因此，针对图像压缩引起的失真，进行降噪技 术的研究具有重要意义。
[0003] 其中，蚊式噪声为围绕物体四周有一层像飞行物体的物质(像蚊子围绕飞）。由于 蚊式噪声主要产生在边缘附近，现有的去除蚊式噪声的方法大多是基于边缘检测的方法。 对于一幅包含蚊式噪声的压缩图片，通常做法是先将图片分成若干像素块，对包含边缘的 像素块进行滤波W去除蚊式噪声。但是蚊式噪声也会被误判为边缘信息，如果不区分边缘 信息是否是真边缘，而直接对包含边缘的像素块进行低通滤波，就会导致去除蚊式噪声的 同时模糊了边缘和细节信息。
【发明内容】
[0004] 针对上述问题，本公开提供了一种基于边缘检测算法去除蚊式噪声的方法及系 统。
[0005] -种基于边缘检测算法去除蚊式噪声的方法，所述方法包括下述步骤：
[0006] S100、使用边缘检测算子检测待处理图像，获取待处理图像的边缘信息；
[0007] S200、基于待处理图像的边缘信息，依次判断每个像素点是否为边缘像素点；
[000引S300、基于边缘像素点判断所述边缘像素点是否为假边缘像素点；
[0009] S400、对每个假边缘像素点及非边缘像素点进行滤波处理；
[0010] 所述假边缘像素点是孤立的像素点。
[0011] 进一步地，所述假边缘像素点通过下述方法判断：
[0012] S301、对待处理图像的每一个边缘像素点，提取W该边缘像素点为中屯、取5X5的 区域；
[0013] S302、在所述区域中，对于所述边缘像素点沿水平对齐方向、垂直对齐方向、W及2 对角方向，若任何一个方向上的边缘像素点数目累计小于等于3个，则所述边缘像素点为假 边缘像素点。
[0014] 优选的，所述S400中所述滤波处理为双边滤波处理。
[0015] 优选地，所述S400进一步包括下述步骤：
[0016] S401、对所述假边缘像素点进行强滤波;在进行强滤波时，滤波参数Or和Os根据下 述公式计算：
[0017]
[001引 LHZ刃独繼做耶奶繼做巧芥网但；LHd刃繼做巧化树值；
[0019] a为Os起始设定最小参数值;b为Or起始设定最小参数值;c+a为Os设定最大参数值； d+b为Os设定最大参数值；
[0020] 由于蚊式噪声过多、典型地出现在物体附近，首先检测该像素是否接近于物体，设 定一个检测窗口，通过检测当前像素的亮度值和检测窗口中的其它像素的灰度值之间的变 化，来确定物体是否位于检测窗口中。具体地说，就是在检测窗口内计算该像素与其它像素 之间的灰度最大变化(Gray化riation)，GV通过如下公式计算：
[0021] GV=max|Y(i,j)-Y(i+s,j+t)| ；
[0022] 式中；
[0023] Y(i,j)为当前像素点
M为垂直检测距离，N为水平 检测距离。
[0024] S402、对所述非边缘像素点进行弱滤波;在进行弱滤波时，滤波参数Or和Os根据下 述公式计算；
[0025]
[0026] 式中；
[0027] LHl为滤波起始阔值。
[0028] 优选地，所述边缘检测算子优选化nny算子。
[0029] 基于所述方法，在一个实施例中，实现一种基于边缘检测算法去除蚊式噪声的系 统，其系统结构示意图如图4所示，所述系统包括下述模块：
[0030] 检测模块，用于：使用边缘检测算子检测待处理图像，获取待处理图像的边缘信 息；
[0031] 判断边缘模块，用于:基于待处理图像的边缘信息，依次判断每个像素点是否为边 缘像素点；
[0032] 判断真假边缘像素点模块，用于:基于边缘像素点判断所述边缘像素点是否为假 边缘像素点；
[0033] 处理模块，用于:对每个假边缘像素点及非边缘像素点进行滤波处理；
[0034] 所述假边缘像素点是孤立的像素点。
[0035] 优选地，所述假边缘像素点通过下述单元判断：
[0036] 提取单元，用于:对待处理图像的每一个边缘像素点，提取W该边缘像素点为中屯、 取5 X 5的区域，并输出给判断单元；
[0037] 判断单元，用于:在所述区域中，对于所述边缘像素点沿水平对齐方向、垂直对齐 方向、W及2对角方向，若任何一个方向上的边缘像素点数目累计小于等于3个，则所述边缘 像素点为假边缘像素点。
[0038] 优选地，所述处理模块中所述滤波处理为双边滤波处理。
[0039] 优选地，所述处理模块进一步包括下述单元：
[0040] 强滤波单元，用于:对所述假边缘像素点进行强滤波;在进行强滤波时，滤波参数 Or和Os根据下述公式计算：
[0041] ?
[0042] 巧中；
[0043] L肥为强滤波和弱滤波分界阔值;LH3为滤波终止阔值；
[0044] a为Os起始设定最小参数值;b为Or起始设定最小参数值;c+a为Os设定最大参数值； d+b为Os设定最大参数值；
[0045] GV为滤波窗口内计算该像素与其它像素之间的灰度最大变化(Gray Variation) 即滤波窗口内的灰度差值;其计算式如下：
[0046] GV=max I Y(i, j)-Y(i+s,j+t)
[0047] 式中；
[004引 Y(i,j)为当前像素点，M为垂直检测距离，N为水平检测 距离；
[0049]弱滤波单元，用于:对所述非边缘像素点进行弱滤波;在进行弱滤波时，滤波参数 Or和Os根据下述公式计算；
[(K)加]
[0051 ]式中：LHl为滤波起始阔值。
[0052] 优选地，所述边缘检测算子优选化nny算子。
[0053] 本公开方法使用了 5X5的检测区域，基于真边缘像素为连通区域，噪声点为孤立 点的思想，对每一个边缘像素点从水平、垂直和2对角四个方向进行连通性的判定，由此判 定边缘点是真边缘还是假边缘，对假边缘点进行强滤波，与传统去除蚊式噪声方法相比较， 通过区别真假边缘信息，保留了细节信息，避免了图像处理后的模糊；由于采用降噪滤波为 双边滤波局部降噪，相比传统采用全局均值滤波和中值滤波去除蚊式噪声的方法，弥补了 传统方法对边缘造成的模糊效应，更好地去除了蚊式噪声。
【附图说明】
[0054] 图1为本公开一个实施例中的5X5边缘检测算法示意图；
[0055] 图2为本公开一个实施例中的基于边缘检测算法去除蚊式噪声流程图；
[0056] 图3-1为本公开一个实施例中蚊式噪声图像；
[0057] 图3-2为本公开一个实施例中对图3-1采用均值滤波处理后的图像；
[0058] 图3-3为本公开一个实施例中对图3-1采用中值滤波处理后的图像；
[0059] 图3-4为本公开一个实施例中对图3-1采用本公开方法处理后的图像；
[0060] 图4为本公开一个实施例中的基于边缘检测算法去除蚊式噪声系统结构示意图。
【具体实施方式】
[0061] -种基于边缘检测算法去除蚊式噪声的方法，所述方法包括下述步骤：
[0062] S100、使用边缘检测算子检测待处理图像，获取待处理图像的边缘信息；
[0063] S200、基于待处理图像的边缘信息，依次判断每个像素点是否为边缘像素点；
[0064] S300、基于边缘像素点判断所述边缘像素点是否为假边缘像素点；
[0065] S400、对每个假边缘像素点及非边缘像素点进行滤波处理；
[0066] 所述假边缘像素点是孤立的像素点。
[0067] 由于蚊式噪声会被误判为边缘信息，如果不区分边缘信息是否是真边缘，而直接 对包含边缘的像素块进行低通滤波，就会导致去除蚊式噪声的同时模糊了边缘和细节信 息。在运个实施例中，将含有蚊式噪声的图像使用边缘检测算子得到边缘信息，采用本公开 提出的方法对图像每一像素的边缘信息进行判定真假边缘，对真边缘像素点不进行处理， 而对假边缘像素点进行强滤波处理，对非边缘像素点进行弱滤波处理，从而实现去除蚊式 噪声的同时，保护细节和边缘信息。
[0068] 在一个实施例中，提供了所述假边缘像素点的判断方法，即：
[0069] S301、对待处理图像的每一个边缘像素点，提取W该边缘像素点为中屯、取5X5的 区域；
[0070] S302、在所述区域中，对于所述边缘像素点沿水平对齐方向、垂直对齐方向、W及2 对角方向，若任何一个方向上的边缘像素点数目累计小于等于3个，则所述边缘像素点为假 边缘像素点。
[0071] 基于边缘信息是连续的像素点，而噪声点是孤立的，因此通过对检测待处理图像 的边缘是连通的还是孤立的点，W此来区别真假边缘像素点。在运个实施例中，提供了假边 缘像素点的判断方法，比如每个方向上，当被检测像素点周围的边缘像素点数目为1个或2 个或3个时，则被检测像素点为假边缘像素点;所述方向包括水平对齐、垂直对齐、和2对角。 运个实施例也同时掲示了真边缘像素点的判断方法，即：对S201中提取的W该边缘像素点 为中屯、取5X5的区域，如图1所示，判断该边缘像素点沿水平对齐、垂直对齐、和2对角四个 方向上沿水平对齐、垂直对齐、和2对角四个方向上是否在存在一个方向上的边缘像素累计 超过3个像素点，若超过3个，则该边缘像素点为真边缘像素点。
[0072] 优选的，所述S400中所述滤波处理为双边滤波处理。虽然传统的滤波方法如均值 滤波和中值滤波可W良好的抑制蚊式噪声，并且保持图像的边缘，但是对于图像的细节还 会产生一定的模糊效应。为此本公开方法的降噪滤波采用双边滤波，双边滤波在滤波的同 时能较好的保持边缘细节。
[0073] 在一个实施例中，在判断出假边缘像素点后，对假边缘像素点及非边缘点进行进 一步区分处理，即：所述S400进一步包括下述步骤：
[0074] S401、对所述假边缘像素点进行强滤波;在进行强滤波时，滤波参数Or和Os根据下 述公式计算：
[0075]
[0076] 式中；
[0077] L肥为强滤波和弱滤波分界阔值;LH3为滤波终止阔值；
[0078] a为Os起始设定最小参数值;b为Or起始设定最小参数值;c+a为Os设定最大参数值； d+b为Os设定最大参数值；
[0079] GV为滤波窗口内计算该像素与其它像素之间的灰度最大变化(Gray Variation) 即滤波窗口内的灰度差值;其计算式如下：
[0080] GV=max I Y(i, j)-Y(i+s,j+t)
[0081 ]式中；
[0082] Y(i,j)为当前像素点
€%垂直检测距离，N为水平检测 距离；
[0083] S402、对所述非边缘像素点进行弱滤波;在进行弱滤波时，滤波参数Or和Os根据下 述公式计算；
[0084]
[0085] 式中；
[00化]LHl为滤波起始阔值。
[0087]由于双边滤波器的两个参数Or和Os决定着对图像滤波的整体平滑效果，使用参数 曰r和Os的定值应用于整幅噪声图像，将不可避免的在完全去除蚊式噪声的同时模糊图像细 节区域，因此在本实施例中通过设置双边滤波的参数Or和Os在不同情况下的取值，来调节双 边滤波的滤波强度，W达到对真边缘附近和假边缘进行强滤波，对远离边缘区域进行一般 滤波的效果，所述远离边缘区域即为S302中所述非边缘像素点所构成的区域。本公开通过 计算边缘上像素点与检测窗口之间的灰度最大变化的大小即灰度差值GV来调节双边滤波 的不同参数，依据计算的不同灰度差值所在的灰度差值阔值范围来计算相应的滤波参数曰r 和曰S。本公开设置S个灰度差值阔值:滤波起始阔值LHl，强滤波和弱滤波分界阔值LH2,滤 波终止阔值LH3。灰度差值介于LH2和LH3之间进行强滤波。灰度差值介于LHl和LH2之间的进 行弱滤波。灰度差值小于LHl不进行滤波。
[0088] 通过上述滤波处理的区域，从运个实施例还可W看出本方法对真边缘像素点的保 护，即：对真边缘像素点及此真边缘像素点相邻的上、下、左、右运五个像素点不处理。
[0089] 优选地，所述边缘检测算子优选化nny算子。经典的边缘检测算子主要包括W-阶 导数为基础的边缘检测算子PrewUt算子，Robeds算子，Sobel算子和W二阶导数为基础的 边缘检测算子化nny算子，Laplacian算子，LOG算子等运两种类型cXanny算子由于是基于了 最优边缘检测思想进行边缘检测，所W提取的边缘十分完整，细节表现明晰，边缘的连续性 也很好，而且抗噪能力也相对较强，效果明显优于其它算子。本公开采用化nny边缘检测算 子进行边缘检测。
[0090] 在一个实施例中，如图2所示，提供了一种基于边缘检测算法去除蚊式噪声方法的 一种实现方式，包括下述步骤：
[0091] Sl、输入图像；
[0092] S2、判断是否遍历完图像中的区域，若是，则执行步骤S8;否则执行步骤S3;
[0093] S3、使用边缘检测算子检测待处理图像，获取待处理图像的边缘信息；
[0094] S4、判断每个像素点是否为边缘像素点;若是，则执行步骤S5;否则，执行步骤S7;
[00M] S5、判断每个边缘像素点是否为假边缘像素点;若是，执行步骤S6;否则，返回步骤 S2；
[0096] S6、进行强滤波，返回步骤S2;
[0097] S7、进行弱滤波，返回步骤S2;
[009引 S8、输出图像。
[0099] 在一个实施例中，提供了图3-1所示的带有蚊式噪声的原图。对待处理图像的每一 个边缘像素点，提取W该边缘像素点为中屯、取5X5的区域。在所述区域中，对所述边缘像素 点沿水平对齐方向、垂直对齐方向、W及2对角方向的边缘像素点进行统计，若任何一个方 向上的边缘像素点数目累计小于等于3个，则所述边缘像素点为假边缘像素点。对所述假边 缘像素点进行强滤波，对所述非边缘像素点进行弱滤波。进行强滤波和弱滤波时，用于计算 滤波参数〇1'和〇3所设及的参数在本实施例中依次设置为:曰=15,6 = 10，。= 15，(1 = 10，起始 阔值Ull = 100，强滤波和弱滤波分界阔值LH2 = 150，滤波终止阔值L册=230。采用均值滤波 处理后的图像如图3-2所示，采用中值滤波处理后的图像如图3-3所示，采用本公开方法处 理后的图像如图3-4所示，从运S幅图可W看出：
[0100] A)处理后图片最大限度的去除了蚊式噪声，图像更清晰，质量更高；
[0101] B)保存了更多的纹理和边缘信息，与传统去除蚊式噪声相比，用本公开方法所处 理后图片更加接近于原始图片，只对蚊式噪声进行了处理而对其它图像信息不处理。
[0102] 基于所述方法，在一个实施例中实现了一种基于边缘检测算法去除蚊式噪声的系 统，所述系统包括下述模块：
[0103] 检测模块，用于：使用边缘检测算子检测待处理图像，获取待处理图像的边缘信 息；
[0104] 判断边缘模块，用于:基于待处理图像的边缘信息，依次判断每个像素点是否为边 缘像素点；
[0105] 判断真假边缘像素点模块，用于:基于边缘像素点判断所述边缘像素点是否为假 边缘像素点；
[0106] 处理模块，用于:对每个假边缘像素点及非边缘像素点进行滤波处理；
[0107] 所述假边缘像素点是孤立的像素点。
[0108] 进一步地，所述假边缘像素点通过下述单元判断：
[0109] 提取单元，用于:对待处理图像的每一个边缘像素点，提取W该边缘像素点为中屯、 取5 X 5的区域，并输出给判断单元；
[0110] 判断单元，用于:在所述区域中，对于所述边缘像素点沿水平对齐方向、垂直对齐 方向、W及2对角方向，若任何一个方向上的边缘像素点数目累计小于等于3个，则所述边缘 像素点为假边缘像素点。
[0111] 优选地，所述处理模块进一步包括下述单元：
[0112] 强滤波单元，用于:对所述假边缘像素点进行强滤波；
[0113] 弱滤波单元，用于:对所述非边缘像素点进行弱滤波。
[0114] 在一个实施例中，所述系统的系统结构示意图如图4所示，在该系统结构，包括检 巧順块，判断边缘模块，判断真假边缘像素点模块W及处理模块。其中，判断真假边缘像素 点模块进一步包括提取单元和判断单元;处理模块进一步包括强滤波单元和弱滤波单元。
[0115] 优选地，所述处理模块中所述滤波处理为双边滤波处理，则对于处理模块中的强 滤波单元进行强滤波时，其滤波参数Or和Os根据下述公式设置：
[0116]
[0117]式中；
[011引 L肥为强滤波和弱滤波分界阔值;L册为滤波终止阔值；
[0119] a为Os起始设定最小参数值;b为Or起始设定最小参数值;C+a为Os设定最大参数值； d+b为Os设定最大参数值；
[0120] GV为滤波窗口内计算该像素与其它像素之间的灰度最大变化(Gray Variation) 即滤波窗口内的灰度差值;其计算式如下：
[0121] GV=Hia 巧(i,j)-Y(i+s,j+t)
[0122] 式中；
[0123] Y(i,j)为当前像素点 M为垂直检测距离，N为水平检测 距离；
[0124] 弱滤波单元，用于:对所述非边缘像素点进行弱滤波;在进行弱滤波时，滤波参数 Or和Os根据下述公式计算；
[0125]
[0126] 式中:LHl为滤波起始阔值。
[0127] 在一个实施例中，所述边缘检测算子优选化nny算子。
[0128] W上对本公开进行了详细介绍，本文中应用了具体个例对本公开的原理及实施方 式进行了阐述，W上实施例的说明只是用于帮助理解本公开的方法及其核屯、思想；同时，对 于本领域技术人员，依据本公开的思想，在【具体实施方式】及应用范围上均会有改变之处，综 上所述，本说明书内容不应理解为对本公开的限制。
【主权项】
1. 一种基于边缘检测算法去除蚊式噪声的方法，其特征在于，所述方法包括下述步骤： S100、使用边缘检测算子检测待处理图像，获取待处理图像的边缘信息； S200、基于待处理图像的边缘信息，依次判断每个像素点是否为边缘像素点、非边缘像 素点； 5300、 判断所述边缘像素点是否为假边缘像素点； 5400、 对每个假边缘像素点及非边缘像素点进行滤波处理； 所述假边缘像素点是孤立的像素点。2. 根据权利要求1所述的方法，其特征在于，优选的，所述步骤S300进一步包括下述步 骤： 5301、 对待处理图像的每一个边缘像素点，提取以该边缘像素点为中心取5X5的区域； 5302、 在所述区域中，对于所述边缘像素点沿水平对齐方向、垂直对齐方向、以及2对角 方向，若任何一个方向上的边缘像素点数目累计小于等于3个，则所述边缘像素点为假边缘 像素点。3. 根据权利要求1所述的方法，其特征在于，所述S400中所述滤波处理为双边滤波处 理。4. 根据权利要求3所述的方法，其特征在于，所述S400进一步包括下述步骤： 5401、 对所述假边缘像素点进行强滤波;在进行强滤波时，滤波参数~和~根据下述公 式计算：式中： LH2为强滤波和弱滤波分界阈值;LH3为滤波终止阈值； a为〇3起始设定最小参数值;IdSo1?起始设定最小参数值;c+aS〇 s设定最大参数值;d+b 为〇8设定最大参数值； GV为滤波窗口内计算该像素与其它像素之间的灰度最大变化(Gray Variation)即滤 波窗口内的灰度差值;其计算式如下：4为垂直检测距离，N为水平检测距 离； 5402、 对所述非边缘像素点进行弱滤波;在进行弱滤波时，滤波参数~和~根据下述公 式计算；式中： LHl为滤波起始阈值。5. 根据权利要求1所述的方法，其特征在于，所述边缘检测算子为Canny算子。6. -种基于边缘检测算法去除蚊式噪声的系统，其特征在于，所述系统包括下述模块： 检测模块，用于:使用边缘检测算子检测待处理图像，获取待处理图像的边缘信息； 判断边缘模块，用于:基于待处理图像的边缘信息，依次判断每个像素点是否为边缘像 素点； 判断真假边缘像素点模块，用于:基于边缘像素点判断所述边缘像素点是否为假边缘 像素点； 处理模块，用于:对每个假边缘像素点及非边缘像素点进行滤波处理； 所述假边缘像素点是孤立的像素点。7. 根据权利要求6所述的系统，其特征在于，所述假边缘像素点通过下述单元判断： 提取单元，用于:对待处理图像的每一个边缘像素点，提取以该边缘像素点为中心取5 X5的区域，并输出给判断单元； 判断单元，用于:在所述区域中，对于所述边缘像素点沿水平对齐方向、垂直对齐方向、 以及2对角方向，若任何一个方向上的边缘像素点数目累计小于等于3个，则所述边缘像素 点为假边缘像素点。8. 根据权利要求6所述的系统，其特征在于，所述处理模块中所述滤波处理为双边滤波 处理。9. 根据权利要求8所述的系统，其特征在于，所述处理模块进一步包括下述单元： 强滤波单元，用于:对所述假边缘像素点进行强滤波;在进行强滤波时，滤波参数 根据下述公式计算：式中： LH2为强滤波和弱滤波分界阈值;LH3为滤波终止阈值； a为〇3起始设定最小参数值;IdSo1?起始设定最小参数值;c+aS〇 s设定最大参数值;d+b 为〇8设定最大参数值； GV为滤波窗口内计算该像素与其它像素之间的灰度最大变化(Gray Variation)即滤 波窗口内的灰度差值;其计算式如下：YdU)为当前像素点 M为垂直检测距离，N为水平检测距J 离； 弱滤波单元，用于:对所述非边缘像素点进行弱滤波;在进行弱滤波时，滤波参数~和〇8 根据下述公式计算；式中:LHl为滤波起始阈值。10.根据权利要求1所述的系统，其特征在于，所述边缘检测算子优选Canny算子。
【文档编号】G06T5/00GK106023204SQ201610340089
【公开日】2016年10月12日
【申请日】2016年5月20日
【发明人】肖冰, 刘璐, 郭丽, 马君亮
【申请人】陕西师范大学