專利名稱：一種圖像去噪的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及視頻圖像處理方法，尤其涉及一種圖像去噪的方法。
技術(shù)背景
在智能交通領(lǐng)域廣泛應(yīng)用視頻分析與識別技術(shù)，視頻分析與識別(video analyzing and recognition)技術(shù)指的是使用計算機從視頻中通過計算算法軟件進行運 算和分析，提取視頻中的有用信息，完成這一信息提取和理解的一項技術(shù)，圖像中的噪聲會 妨礙人們對圖像的理解，同時也會妨礙計算機視覺技術(shù)(CV，Computer Vision)準確提取視 頻中有用信息，而圖像去噪的目的就是去除圖像中的噪聲，提高人們對圖像的認識程度，提 高對圖像作進一步的有用信息提取與理解；為相關(guān)的視頻應(yīng)用提供優(yōu)質(zhì)的視頻源?，F(xiàn)有技 術(shù)中的中值濾波去噪法是一種非線性平滑技術(shù)，它將每一象素點的灰度值設(shè)置為該點某鄰 域窗口內(nèi)的所有象素點灰度值的中值。通過從圖像中的某個采樣窗口取出奇數(shù)個數(shù)據(jù)進行 排序；用排序后的中值取代要處理的數(shù)據(jù)即可。但是該方法在去除脈沖噪聲會造成圖像細 節(jié)信息的丟失，從而使圖像變得模糊。而基于噪聲點檢測的脈沖噪聲濾波方法可以在濾除 噪聲的同時有效地保持圖像的細節(jié)信息。基于噪聲點檢測的脈沖噪聲濾波方法關(guān)鍵是一 是噪聲點的檢測；二是對噪聲點的濾除
發(fā)明內(nèi)容
本發(fā)明克服了現(xiàn)有技術(shù)的在去除脈沖噪聲會造成圖像細節(jié)信息的丟失，圖像變得模糊 的問題，因此有必要提供一種圖像去噪的方法。
一種圖像去噪的的方法，其包含以下步驟步驟A 計算圖像的聯(lián)合概率分布 P(I1J)；步驟B:根據(jù)P(I，J)確定灰度的閾值范圍[Li，UI]；步驟C =Wy是N*N的窗口，其 中心點坐標為(i，j)，χ用來表示窗口 Wi,」的中心象素點，所述窗口 Wi,」移至圖像的左上 角；步驟D 對Wu中的N*N個象素點按照灰度值的大小進行排序，找出排序灰度值的中值 (Ν*Ν+1)/2對應(yīng)的灰度值J，若J落在步驟B中的閾值范圍[Li，UI]內(nèi)該點不進行處理；否 則窗口 Vuj中心點χ用灰度值J代替。
所述方法還包括步驟E 窗口 Wu向右移動一位，若窗口 Wu移動到圖像的最右端 則跳至下一行；若窗口 Wu若未超出圖像的右下角，則轉(zhuǎn)至步驟D繼續(xù)執(zhí)行，否則整個去噪 過程結(jié)束。
所述窗口 Wi,」移至圖像的左上角是指窗口 的左、上邊緣和圖像的左上邊緣重 合。所述方法還包括步驟F:輸出去噪后的圖象數(shù)據(jù)。所述步驟B為每一灰度級別都設(shè)定 一個閾值范圍，在步驟C中判定某一灰度級別的象素點是否為噪聲點時，都與其灰度級別 對應(yīng)的一組閾值范圍進行比較。所述窗口 Wu應(yīng)向外延拓，延拓的行數(shù)為(N-l)/2。
與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是避免了現(xiàn)有濾波方法對去除脈沖噪聲會造 成圖像細節(jié)信息的丟失，圖像變得模糊的問題?；谠肼朁c檢測的脈沖噪聲濾波方法可以 在濾除噪聲的同時有效地保持圖像的細節(jié)信息。


圖1為為本發(fā)明步驟示意圖。
具體實施方式
下面結(jié)合附圖對本發(fā)明作進一步闡述。本發(fā)明提供一種圖像去噪的方法。其包含 以下步驟步驟A 計算圖像的聯(lián)合概率分布P(I，J)； 步驟B:根據(jù)P(I，J)確定灰度的閾值范圍[Li, UI]；步驟C =W^是N*N的窗口，其中心點坐標為(i，j)，X用來表示窗口 Wu的中心象素點， 所述窗口 Wu移至圖像的左上角；步驟D 對Wu中的Ν*Ν個象素點按照灰度值的大小進行排序，找出排序灰度值的中值 (Ν*Ν+1)/2對應(yīng)的灰度值J，若J落在步驟B中的閾值范圍[Li，UI]內(nèi)該點不進行處理；否 則窗口 Vuj中心點χ用灰度值J代替。
所述圖像去噪的方法還包括步驟E 窗口 Wu向右移動一位，若窗口 Wi，j移動到圖 像的最右端則跳至下一行；若窗口 Wu若未超出圖像的右下角，則轉(zhuǎn)至步驟D繼續(xù)執(zhí)行，否 則整個去噪過程結(jié)束。
所述窗口 Wi, j移至圖像的左上角是指窗口 Wi, j的左、上邊緣和圖像的左上邊緣重 合。本發(fā)明還包括步驟F:輸出去噪后的圖象數(shù)據(jù)。
優(yōu)選地，步驟B中為每一灰度級別都設(shè)定一個閾值范圍，在步驟C中判定某一灰度 級別的象素點是否為噪聲點時，都與其灰度級別對應(yīng)的一組閾值范圍進行比較。通過這樣 的方式，可以達到更好地還原圖像的真實值。例如，8位的256色灰度圖有256組閾值，每 一組閾值都是由下限LI和上限UI組成。假設(shè)S是含有脈沖噪聲的N*N的8位256色灰度 圖，Wi，j是N*N的窗口，其中心點坐標為(i，j)，χ用來表示窗口 Wi，j的中心象素點，其灰 度值為I。為了判定χ是否為噪聲點，首先要為S確定256組閾值范圍，為此本項技術(shù)定義 了一個聯(lián)合概率分布P(I，J), I為窗口 Wi，j中心像素點χ的灰度值，J為該點中值濾波的 值.其具體定義如下公式1if公式2式中I e
，J e
，而med (中值濾波程式)(Wi，j)表示窗口 Wi，j的 中值濾波結(jié)果。實際上P(I，J)反映了圖像每一灰度級與其可能的中值結(jié)果之間的分布關(guān) 系。根據(jù)P(I，J)確定每一灰度級的閾值范圍[LI，UI]，其中Li，UI的定義公式權(quán)利要求
1.一種圖像去噪的的方法，其包含以下步驟步驟A 計算圖像的聯(lián)合概率分布P(I，J)；步驟B:根據(jù)P(I，J)確定灰度的閾值范圍[Li, UI]；步驟C :ffi, j是N*N的窗口，其中心點坐標為(i，j)，χ用來表示窗口 Wi，j的中心象素 點，所述窗口 Wi，j移至圖像的左上角；步驟D 對Wi，j中的N*N個象素點按照灰度值的大小進行排序，找出排序灰度值的中 值(Ν*Ν+1)/2對應(yīng)的灰度值J，若J落在步驟B中的閾值范圍[Li，UI]內(nèi)該點不進行處理； 否則窗口 Wi，j中心點χ用灰度值J代替。
2.如權(quán)利要求1所述的圖像去噪的的方法，其特征在于所述方法還包括步驟E窗口 Wi, j向右移動一位，若窗口 Wi，j移動到圖像的最右端則跳至下一行；若窗口 Wi，j若未超 出圖像的右下角，則轉(zhuǎn)至步驟D繼續(xù)執(zhí)行，否則整個去噪過程結(jié)束。
3.如權(quán)利要求2所述的圖像去噪的的方法，其特征在于所述窗口Wi，j移至圖像的左上 角是指窗口 Wi，j的左、上邊緣和圖像的左、上邊緣重合。
4.如權(quán)利要求3所述的圖像去噪的的方法，其特征在于所述方法還包括步驟F輸出去 噪后的圖象數(shù)據(jù)。
5.如權(quán)利要求4所述的圖像去噪的的方法，其特征在于所述步驟B為每一灰度級別都 設(shè)定一個閾值范圍，在步驟C中判定某一灰度級別的象素點是否為噪聲點時，都與其灰度 級別對應(yīng)的一組閾值范圍進行比較。
6.如權(quán)利要求5所述的圖像去噪的的方法，其特征在于所述窗口Wi，j向外延拓，延拓 的行數(shù)為(N-I)/2。
全文摘要
本發(fā)明涉及視頻圖像處理方法，本發(fā)明公開了一種步驟A計算圖像的聯(lián)合概率分布P(I,J)；步驟B根據(jù)P(I,J)確定灰度的閾值范圍[LI,UI]；步驟CWi,j是N*N的窗口，其中心點坐標為(i,j),x用來表示窗口Wi,j的中心象素點，所述窗口Wi,j移至圖像的左上角；步驟D對Wi,j中的N*N個象素點按照灰度值的大小進行排序,找出排序灰度值的中值(N*N+1)/2對應(yīng)的灰度值J，若J落在步驟B中的閾值范圍[LI,UI]內(nèi)該點不進行處理；否則窗口Wi,j中心點x用灰度值J代替。本發(fā)明的有益效果是避免了現(xiàn)有濾波方法對去除脈沖噪聲會造成圖像細節(jié)信息的丟失，圖像變得模糊的問題。
文檔編號G06T5/00GK102034227SQ20101061086
公開日2011年4月27日 申請日期2010年12月29日 優(yōu)先權(quán)日2010年12月29日
發(fā)明者王德鵬, 范高生 申請人:四川九洲電器集團有限責(zé)任公司