一种图像智能处理方法与流程

本发明涉及计算机、智能计算领域，尤其涉及一种图像智能处理方法。

背景技术：

随着科技技术的进步，数字图像处理技术应用领域广泛，发展迅速，而图像在获取、传输过程中，高效及精准对于图像处理而言尤为重要，一种良好的图像处理方法不仅可以快速将图像进行编码，另一方面还必须最大程度保留的图像的有用信息。而现有技术在快速编码的算法会使图像信息丢失严重，在保留图像信息的前提下，编码算法又相对复杂。

技术实现要素：

本发明公开了一种图像智能处理方法，以解决目前图像处理时，快速编码的算法会使图像信息丢失严重，而保留图像信息完备时编码算法又相对复杂的技术问题，以实现图像处理时压缩比例高，原图像信息保存良好的技术效果。

本发明技术方案具体如下：

一种图像智能处理方法，包括以下步骤：

a.将原始图像信息分解为主要信息和轮廓信息，并通过阈值算法去除噪声；

将原始图像信息分解为主要信息和轮廓信息，所采用如下方法如下：

其中，f(m,n)为图像离散采集数据，p(i,j)为图像主要信息数据，q(i,j)为图像轮廓信息，h,j为一对正交镜像滤波器组(qmf)；

分解得到的轮廓信息q(i,j)需要通过阈值算法来去除噪声：

通过设定阈值μ的大小，将轮廓信息q(i,j)中的噪声信息去除，获得新的图像信息q(i,j)，之后对图像进行重组：

f(i,j)＝∑∑p(i,j)hi-2m,j-2n+∑∑q(i,j)gi-2m,j-2n

其中，f(i,j)为重新组合获得的图像信息；

b.将图像分割为定义区块和映射区块，并用压缩后的映射区块替换最匹配的定义区块，实现图像的压缩编码；具体过程如下：

(1)将图像平均分割为m×n大小的α个区块fm×n称为定义区块，同时将图像分割为2m×2n大小的β个区块f2m×2n称为映射区块，采用如下方法将映射区块f^2m×2n进行压缩变换：

(2)定义区块的每个子模块从压缩区块中寻找最匹配的区块。

进一步，对于定义区块的每个子模块从压缩区块中寻找最匹配的区块，具体方法如下：

e(f，ω)为图像失真率，定义区块通过寻找最低失真率的压缩区块，获得最匹配区块，当每个定义区块都寻找到最匹配区块后，将区块重新组合，即编码完成。

进一步，所述图像智能处理方法所基于的智能图像处理系统包括：

图像采集接收模块，用于采集相关图像信息，将采集图像进行数字化处理；

图像降噪处理模块，用于对所接收图像进行降噪处理，所述图像降噪处理模与所述图像采集接收模块通过数据总线相连接；

图像压缩编码模块，用于将图像进行重新编码，所述图像压缩编码模块通过数据总线与所述图像降噪处理模块相连接；

所述图像存储模块，将处理后的图像进行存储，所述图像输出模块通过数据总线与所述图像压缩编码模块相连接。

进一步，所述图像智能处理系统应用时，图像采集接收模块接收到采集图像后，将图像发送给图像降噪处理模块，图像降噪处理模块对图像去燥处理后，将处理后的图像发送给图像压缩编码模块，图像压缩编码模块对图像进行压缩和编码后，得到最终处理图像，并将最终处理图像图像发送至图像存储模块，用于存储和通过网络发送图像。

本发明至少具有以下有益效果：

(1)本发明采用将原始图像分解为主要信息和轮廓信息，并且只需对轮廓信息进行降噪处理，因此具有快捷去除原图像中的噪声，对原图像有效信息保留完好的有益效果。

(2)本发明采用了定义区块和映射区块编码方法，具有计算快速准确的有益效果，同时具有压缩比高、失真率低的有益效果。

附图说明

图1本发明所述的智能图像处理方法结构图；

图2本发明所述的图像去噪处理方法流程图；

图3本发明所述的图像压缩处理方法流程图。

具体实施方式

为了更好的说明本发明，下面将结合附图和具体实施例来做详细说明。

本发明公开了一种图像智能处理方法处理步骤如下：

a.将原始图像信息分解为主要信息和轮廓信息，并通过阈值算法去除噪声。

将获得的图像信息进行分解为两个部分，分别为主要信息和轮廓信息，采用如下方法对图像进行分解：

其中，m和n为离散图像的像素点坐标值，i和j为原始图像的像素点坐标值；f(m,n)为图像离散采集数据，p(i,j)为图像主要信息数据，q(i,j)为图像轮廓信息，h,g为一对正交镜像滤波器组(qmf)。

分解得到的轮廓信息q(i,j)需要通过阈值算法来去除噪声：

所述阈值算法通过设定阈值μ的大小可将轮廓信息q(i,j)中的噪声信息去除，并采用了随机分布因子做分母，可降低阈值选取合理性对去噪声效果的影响；获得新的图像信息q(i,j)，之后对图像进行重组：

f(i,j)＝∑∑p(i,j)hi-2m,j-2n+∑∑q(i,j)gi-2m,j-2n

这里，f(i,j)为重新组合获得的图像信息。

这样处理的有益效果是：可有效快捷地去除原图像中噪声信息，对原图像信息完好保留。

b.将图像分割为定义区块和映射区块，并用压缩后的映射区块替换最匹配的定义区块，实现图像的压缩编码。

将图像平均分割为m×n大小的α个区块fm×n称为定义区块，同时将图像分割为2m×2n大小的β个区块f2m×2n称为映射区块，采用如下方法将映射区块f^2m×2n进行压缩变换：

通过上述方法可有效快捷压缩每个映射区块，每个映射区块同时参考相邻区块信息，所获得的压缩区块信息更完整。

对于定义区块的每个子模块从压缩区块中寻找最匹配的区块，方法如下：

e(f，ω)为图像失真率，定义区块通过寻找最低失真率的压缩区块，获得最匹配区块，此方法可快速准确地寻找出失真率最低的对应区块。当每个定义区块都寻找到最匹配区块后，将区块重新组合，即编码完成。经步骤a和b处理后的图像，即可用来存储或实时传输，可达到在最大程度保存有效信息的前提下，最大化节省存储空间或传输中的网络资源占用。

本发明还公开了一种图像智能处理系统，如图1所示，包括图像采集接收模块10，图像降噪处理模块20，图像压缩编码模块30，图像存储模块40。

所述图像采集接收模块10，用于采集相关图像信息，将采集图像进行数字化处理，将采集的数字信息传输给图像降噪处理模块20。所述图像采集接收模块10通过数据总线与图像降噪处理模块20连接。

所述图像降噪处理模块20，用于对所接收图像进行降噪处理，图像在采集过程中，难免会产生实际图像中不存在的噪声点，这对于之后进行的图像处理会造成信息失真而影响图像有用信息的丢失，参照图，本发明对图像进行信息分解，得到图像主要信息和轮廓信息，再将轮廓信息进行处理，去除存在的噪声信息，之后将处理后的轮廓信息与分解得到的主要信息进行结合，达到去除噪声的效果；所述图像降噪处理模块20通过数据总线与图像压缩编码模块30连接。

所述图像压缩编码模块30，用于将图像进行重新编码，通过模块20降噪处理之后，图像大小并无改变，需要对图像进行重新编码，使得重新编码后的图像能使用相对原图较小的空间存储。所述图像压缩编码模块30采用的方法如图3所示，首先将图像进行分割，将图像平均分割为m×n大小的α个区块fm×n称为定义区块，同时将图像分割为2m×2n大小的β个区块f2m×2n称为映射区块，这里的映射区块可相互重叠。通过对每一个映射区块进行有效压缩变换获得压缩区块，对于定义区块的每个子模块从压缩区块中寻找最匹配的区块进行更替，达到压缩效果。

所述图像压缩编码模块30通过数据总线与图像输出模块40连接。

所述图像存储模块40，将通过本发明处理后的图像进行存储，由于对原图像进行了去噪、压缩处理，所获得的图像可使用相对原图像较小的空间存储，以便节省存储空间。

上述图像智能处理系统的运用上述图像智能处理方法的运行流程如下：

所述图像采集接收模块10接收到采集图像后，将图像发送给图像降噪处理模块20，图像降噪处理模块20采用本发明所述方法a步骤对图像去燥处理后，将处理后的图像发送给图像压缩编码模块30；图像压缩编码模块30按照本发明所述方法b步骤对图像进行压缩和编码后，得到最终处理图像，并将图像发送至图像存储模块40，用于存储和通过网络发送图像。

综上，本发明采用将原始图像分解为主要信息和轮廓信息，并且只需对轮廓信息进行降噪处理，因此具有快捷去除原图像中的噪声，对原图像有效信息保留完好的有益效果。同时采用了定义区块和映射区块编码方法，具有计算快速准确、同时压缩比高、失真率低的有益效果。

可以理解的是，以上仅是本发明的较佳实施例，任何基于本发明的精神所做的改动均应在本发明的保护范围之内。