一種噪聲估計(jì)的圖像邊緣保持混合去噪方法
【專利摘要】本發(fā)明提供一種基于噪聲估計(jì)的圖像邊緣保持混合去噪方法，包括：對(duì)原始圖像進(jìn)行噪聲估計(jì)并計(jì)算出噪聲標(biāo)準(zhǔn)差；根據(jù)噪聲標(biāo)準(zhǔn)差，采用鄰域均值差檢測(cè)原始圖像的圖像邊緣并消除平滑區(qū)域及孤立點(diǎn)，得到圖像的邊緣信息；根據(jù)檢測(cè)的圖像邊緣信息獲取的梯度方向并生成邊緣加權(quán)因子，根據(jù)噪聲標(biāo)準(zhǔn)差生成灰度相似因子，結(jié)合灰度相似因子、邊緣加權(quán)因子和空間臨近因子生成雙邊濾波器，采用雙邊濾波器對(duì)原始含噪圖像中單一通道進(jìn)行雙邊濾波處理；以雙邊濾波處理后的圖像作為引導(dǎo)圖像進(jìn)行引導(dǎo)濾波去噪處理。采用本發(fā)明提供的圖像邊緣保持混合去噪方法，減少了雙邊濾波的計(jì)算量，然后由該通道引導(dǎo)圖像進(jìn)行引導(dǎo)濾波，取得更好的邊緣保持效果。
【專利說明】
一種噪聲估計(jì)的圖像邊緣保持混合去噪方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明實(shí)施例涉及計(jì)算機(jī)視覺技術(shù)領(lǐng)域，尤其涉及一種基于噪聲估計(jì)的圖像邊緣 保持混合去噪方法。
【背景技術(shù)】
[0002] 圖像在采集、傳輸和顯示的過程中不可避免地產(chǎn)生不同類型的噪聲，這些噪聲主 要來源于成像、信道的傳輸和系統(tǒng)的硬件電路。這些噪聲的存在不僅會(huì)影響圖像的質(zhì)量，而 且對(duì)后續(xù)處理工作帶來很大的不便，嚴(yán)重影響了圖像的存儲(chǔ)、編解碼、傳輸、目標(biāo)識(shí)別與跟
[0003] 目前經(jīng)常采用的圖像去噪方法有線性濾波和非線性濾波。線性濾波主要有均值濾 波、倒數(shù)梯度加權(quán)濾波和線性加權(quán)濾波。非線性濾波主要是中值濾波。其中均值濾波能很好 地去除高斯噪聲，但會(huì)損壞圖像的邊緣信息，使圖像變得模糊。中值濾波對(duì)去除脈沖噪聲非 常有效，但是對(duì)高斯噪聲的濾波能力較差。雙邊濾波是一種非線性的濾波方法，最早分別由 Aurich等、Smith等和Tomasi等獨(dú)立提出。Tomasi等提出的雙邊濾波是一種簡(jiǎn)單、非迭代、局 部的非線性圖像濾波算法，它有效地結(jié)合了與圖像中像素灰度密切相關(guān)的兩個(gè)重要方面： 像素之間的灰度相似度和空間鄰近度，能夠在保持圖像細(xì)節(jié)特征的前提下較好地濾除圖像 中的噪聲。
[0004] 但是雙邊濾波還是存在著一些缺陷，首先相似度函數(shù)在噪聲較強(qiáng)的情形下不能很 好地表達(dá)像素之間的實(shí)際相似性。同時(shí)，現(xiàn)有方法中經(jīng)常采用的固定灰度相似度參數(shù)，對(duì)于 不同圖像和不同方差的噪聲通用性較差，該參數(shù)過大或者過小都會(huì)對(duì)最終處理結(jié)果產(chǎn)生 影響。

【發(fā)明內(nèi)容】

[0005] 為解決上述現(xiàn)有技術(shù)中提到的缺點(diǎn)和不足，本發(fā)明提供一種基于噪聲估計(jì)的圖像 邊緣保持混合去噪方法，包括：
[0006] 對(duì)原始圖像進(jìn)行噪聲估計(jì)并計(jì)算出噪聲標(biāo)準(zhǔn)差；
[0007] 根據(jù)所述噪聲標(biāo)準(zhǔn)差，采用鄰域均值差檢測(cè)所述原始圖像的圖像邊緣并消除平滑 區(qū)域及孤立點(diǎn)，得到圖像的邊緣信息；
[0008] 根據(jù)檢測(cè)的圖像邊緣信息獲取的梯度方向并生成邊緣加權(quán)因子，根據(jù)所述噪聲標(biāo) 準(zhǔn)差生成灰度相似因子，結(jié)合所述灰度相似因子、邊緣加權(quán)因子和空間臨近因子生成雙邊 濾波器，采用所述雙邊濾波器對(duì)原始含噪圖像中單一通道進(jìn)行雙邊濾波處理；
[0009] 以雙邊濾波處理后的圖像作為引導(dǎo)圖像進(jìn)行引導(dǎo)濾波去噪處理。
[0010] 進(jìn)一步地，對(duì)原始圖像進(jìn)行噪聲估計(jì)并計(jì)算出噪聲標(biāo)準(zhǔn)差，包括：
[0011]對(duì)原始圖像進(jìn)行均值濾波處理，獲取圖原始圖像的近似高斯噪聲，并計(jì)算出其噪 聲標(biāo)準(zhǔn)差；
[0012]若噪聲標(biāo)準(zhǔn)差大于預(yù)設(shè)的第一噪聲標(biāo)準(zhǔn)差閾值，則采用分塊法對(duì)所述原始圖像進(jìn) 行二次噪聲估計(jì)并重新計(jì)算出噪聲標(biāo)準(zhǔn)差。
[0013] 進(jìn)一步地，采用鄰域均值差檢測(cè)所述原始圖像的圖像邊緣時(shí)，采用檢測(cè)中心點(diǎn)的 四個(gè)鄰域的均值差代替Prewitt算子中上下、左右相鄰兩列的差進(jìn)行圖像邊緣檢測(cè)。
[0014] 進(jìn)一步地，采用鄰域均值差檢測(cè)所述原始圖像的圖像邊緣之后，預(yù)設(shè)第二噪聲標(biāo) 準(zhǔn)差閾值，將邊緣檢測(cè)結(jié)果中小于所述第二噪聲標(biāo)準(zhǔn)差閾值的點(diǎn)消除，得到圖像邊緣檢測(cè) 結(jié)果。
[0015] 進(jìn)一步地，根據(jù)檢測(cè)的圖像邊緣信息獲取的梯度方向生成邊緣加權(quán)因子時(shí)的規(guī) 則為垂直于梯度方向的像素權(quán)重大于與梯度方向一致的像素權(quán)重，邊緣加權(quán)因子1(1，」_) 為sin函數(shù)形式：
[0016] Wa(i，j) = sin| 0(i,j)-0(x,y) |，（i，j)GMx,y
[0017] 式中Mx,#表中心像素點(diǎn)鄰域，0(x,y)為點(diǎn)（x，y)的梯度方向，0 (1』為鄰域點(diǎn)相對(duì)于 中心點(diǎn)的角度。
[0018] 進(jìn)一步地，根據(jù)所述噪聲標(biāo)準(zhǔn)差生成灰度相似因子時(shí)，將像素p和q各自的最近一 環(huán)鄰域像素灰度〖[),1必,2'"〖1), 11和〖(1,1，〖(1,2'1(1,11近似看作像素？和9的11次觀測(cè)值，將這些值 由小到大排序：
[0019] C(p) = (gp,(l),gp>(2)---gp,(n)) G Ip；
[0020] C(q) = (gq,(l),gq>(2)---gq,(n)) G Iq；
[0021] 下式中Ui，j)和l(x，y)分別為鄰域像素的次序統(tǒng)計(jì)量和中心點(diǎn)像素的次序統(tǒng)計(jì) 量，Mx,y代表中心像素點(diǎn)鄰域，則生成的灰度相似因子為：
[0023] 進(jìn)一步地，對(duì)原始含噪圖像中單一通道進(jìn)行雙邊濾波處理時(shí)，若圖像為Bayer圖 像，則選擇的單一通道為G通道。
[0024] 本發(fā)明提供的基于噪聲估計(jì)的圖像邊緣保持混合去噪方法，通過對(duì)雙邊濾波器進(jìn) 行改進(jìn)，利用改進(jìn)過的雙邊濾波器對(duì)RGB圖像中的其中一通道進(jìn)行雙邊濾波，減少了雙邊濾 波的計(jì)算量，然后由該通道引導(dǎo)圖像進(jìn)行引導(dǎo)濾波，取得更好的邊緣保持效果。
【附圖說明】
[0025] 為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作一簡(jiǎn)單地介紹。
[0026] 圖1是本發(fā)明實(shí)施例提供的基于噪聲估計(jì)的圖像邊緣保持混合去噪方法的流程 圖；
[0027] 圖2是邊緣檢測(cè)算子的空間排列示意圖；
[0028] 圖3為本發(fā)明實(shí)施例測(cè)試采用的原始圖像；
[0029]圖4A為原圖經(jīng)過Imatest軟件測(cè)試的邊緣寬度；
[0030]圖4B為均值濾波后經(jīng)過Imatest軟件測(cè)試的邊緣寬度；
[0031]圖4C為雙邊濾波后經(jīng)過Imatest軟件測(cè)試的邊緣寬度；
[0032]圖4D為本發(fā)明提供的方法處理后經(jīng)過Imatest軟件測(cè)試的邊緣寬度；
[0033]圖5是圖像的部分像素在Matlab中的顯示圖。
【具體實(shí)施方式】
[0034] 為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例 中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是 本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員 在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0035] 圖1是本發(fā)明實(shí)施例提供的基于噪聲估計(jì)的圖像邊緣保持混合去噪方法的流程 圖，如圖1所示，本實(shí)施例提供的圖像邊緣保持混合去噪方法包括：
[0036] 步驟S110、對(duì)原始圖像進(jìn)行噪聲估計(jì)并計(jì)算出噪聲標(biāo)準(zhǔn)差；
[0037] 步驟S120、根據(jù)所述噪聲標(biāo)準(zhǔn)差，采用鄰域均值差檢測(cè)所述原始圖像的圖像邊緣 并消除平滑區(qū)域及孤立點(diǎn)；
[0038] 步驟S130、根據(jù)檢測(cè)的圖像邊緣信息獲取的梯度方向并生成邊緣加權(quán)因子，根據(jù) 所述噪聲標(biāo)準(zhǔn)差生成灰度相似因子，結(jié)合所述灰度相似因子、邊緣加權(quán)因子和空間臨近因 子生成雙邊濾波器，采用所述雙邊濾波器對(duì)原始含噪圖像中單一通道進(jìn)行雙邊濾波處理； [0039]步驟S140、以雙邊濾波處理后的圖像作為引導(dǎo)圖像進(jìn)行引導(dǎo)濾波去噪處理。
[0040] 本發(fā)明提供的基于噪聲估計(jì)的圖像邊緣保持混合去噪方法，通過對(duì)雙邊濾波器進(jìn) 行改進(jìn)，利用改進(jìn)過的雙邊濾波器對(duì)RGB圖像中的其中一通道進(jìn)行雙邊濾波，減少了雙邊濾 波的計(jì)算量，然后由該通道引導(dǎo)圖像進(jìn)行引導(dǎo)濾波，取得更好的邊緣保持效果。
[0041] 上述步驟具體實(shí)施時(shí)，在步驟S110中，可以利用均值濾波器對(duì)原始圖像進(jìn)行濾波 處理；
[0043] 其中In為含噪圖像，I為均值濾波結(jié)果，近似看作是不含噪的原始圖像。
[0044] 獲取圖原始圖像的近似高斯噪聲為：
[0045] n(x,y) = In(x,y)-I(x,y)
[0046] 計(jì)算噪聲的方差〇2，即高斯噪聲的標(biāo)準(zhǔn)差〇:
[0047] ^ = Sf=()
[0048] ff2 = SfJofe - z)2 PrX^i)
[0049] 其中L是整個(gè)噪聲中可能的灰度級(jí)數(shù)，z代表噪聲灰度級(jí)的灰度值，ps(Zl)表示噪聲 中灰度像素的概率估計(jì)。
[0050] 若噪聲標(biāo)準(zhǔn)差大于預(yù)設(shè)的第一噪聲標(biāo)準(zhǔn)差閾值T1，則采用分塊法對(duì)所述原始圖像 進(jìn)行二次噪聲估計(jì)并重新計(jì)算出噪聲標(biāo)準(zhǔn)差。
[0051 ]第一噪聲標(biāo)準(zhǔn)差閾值閾值T1的選擇為:根據(jù)高斯噪聲分布特點(diǎn)，有大約70%的噪 聲落在范圍[@ - (T), (f + C0]內(nèi)，有大約95 %的噪聲落在范圍[這-20,泛+ 2d )]內(nèi)，有 大約97%的噪聲落在范圍[(1-3〃),(^ + 30)]內(nèi)。對(duì)于灰度范圍為1的圖像而言，（3〇丄-3〇) 范圍內(nèi)的灰度值是可靠的，設(shè)至少有2/3的灰度范圍可用來計(jì)算噪聲參數(shù)，即：
[0052] (L - 3d ) - 3CT > y -> a
[0053]比如對(duì)于8位RGB圖像，其灰度范圍L = 256,其噪聲標(biāo)準(zhǔn)差〇的閾值約為14,若采用 高斯噪聲模型估計(jì)的噪聲標(biāo)準(zhǔn)差大于該閾值則認(rèn)為產(chǎn)生了過估計(jì)，圖像中包含較多的紋理 信息，有可能是噪聲造成的偽邊緣，采用分塊法對(duì)圖像噪聲進(jìn)行二次估計(jì)。
[0054] 所謂分塊法對(duì)噪聲進(jìn)行估計(jì)，即：將圖像分為M*N(選擇M*N的值在500-1000)個(gè)大 小相同互不重疊的子塊，對(duì)每個(gè)子塊求方差，然后按從小到大順序排列這些標(biāo)準(zhǔn)差，通常認(rèn) 為平滑區(qū)域的標(biāo)準(zhǔn)差小，取一個(gè)小的百分比K如1%)，選擇所有子塊的第0*M*N個(gè)子塊的標(biāo) 準(zhǔn)差或者前P*M*N個(gè)子塊標(biāo)準(zhǔn)差的均值作為最終的噪聲估計(jì)值。
[0055]進(jìn)一步地，在步驟S120中，采用鄰域均值差檢測(cè)所述原始圖像的圖像邊緣時(shí)，用中 心點(diǎn)的四個(gè)鄰域的均值差代替Prewitt算子中上下、左右相鄰兩列的差進(jìn)行圖像邊緣檢測(cè)。 [0056]如圖2所示，圖中黑色圓點(diǎn)為含噪圖像中的像素點(diǎn)點(diǎn)，用該點(diǎn)四個(gè)鄰域的均值差代 替Prewi tt算子中中心像素上下、左右相鄰兩列的差，可以有效減小噪聲對(duì)邊緣檢測(cè)的影 響。
[0058]其中F(x，y)是中心像素(x，y)3X3鄰域內(nèi)的均值。
[0059] 采用鄰域均值差檢測(cè)所述原始圖像的圖像邊緣之后，預(yù)設(shè)第二噪聲標(biāo)準(zhǔn)差閾值， 將小于所述第二噪聲標(biāo)準(zhǔn)差閾值的中心像素點(diǎn)消除。其中第二噪聲標(biāo)準(zhǔn)差閾值T2的選擇 為:假設(shè)平滑區(qū)域被噪聲污染，其邊緣的最大值近似為(3〇-(-3〇))\2 = 12〇(〇為步驟5110 中估計(jì)的噪聲標(biāo)準(zhǔn)差），為了避免〇過大，噪聲所有點(diǎn)都被去除，經(jīng)實(shí)驗(yàn)，對(duì)于8bits的圖像第 二噪聲標(biāo)準(zhǔn)差閾值T2=min(30，12 〇)。邊緣檢測(cè)結(jié)果大于該閾值認(rèn)為該點(diǎn)為邊緣點(diǎn)，反之為 平滑區(qū)域或噪聲點(diǎn)。再對(duì)邊緣進(jìn)行處理，刪除孤立的邊緣點(diǎn)。表1為圖像處理過程中的圖像 中邊緣像素點(diǎn)個(gè)數(shù)的變化。
[0060] 表1表示圖像中邊緣像素點(diǎn)個(gè)數(shù)
[0062] 進(jìn)一步地，在步驟S130中，根據(jù)檢測(cè)的圖像邊緣信息獲取的梯度方向生成邊緣加 權(quán)因子時(shí)的規(guī)則為垂直于梯度方向的像素權(quán)重大于與梯度方向一致的像素權(quán)重，邊緣加權(quán) 因子W a(i，j)為sin函數(shù)形式：
[0063] Wa(i, j) = sin| 0(i'j)-0(x'y) |，（i, j)GMx'y
[0064] 式中Mx,#表中心像素點(diǎn)鄰域，0(x,y)為點(diǎn)（x，y)的梯度方向，0 (1』為鄰域點(diǎn)相對(duì)于 中心點(diǎn)的角度。
[0065] 此外，現(xiàn)有的雙邊濾波器中的灰度相似因子計(jì)算公式為：
[0067] 其中濾波參數(shù)〇r越小，邊緣保持效果越好，濾波作用越不明顯，而且圖像中容易出 現(xiàn)孤立亮點(diǎn)；~越大濾波作用越明顯，圖像邊緣過渡區(qū)域越寬，邊緣越模糊，雙邊濾波轉(zhuǎn)換 為普通高斯濾波。
[0068] 本發(fā)明對(duì)濾波參數(shù)進(jìn)行了自適應(yīng)設(shè)置，用步驟110中噪聲估計(jì)的標(biāo)準(zhǔn)差〇代替固定 值。
[0069] 同時(shí)用周邊像素按次序的歐氏距離平均值代替中心像素與鄰域像素灰度差，減小 噪聲對(duì)灰度相似權(quán)重的影響。將像素 P和q各自的最近一鄰域像素灰度gP,i，gP,2…gP,n和 gq, 1，gq, 2~gq, n近似看作像素 p和q的n次觀測(cè)值，將這些值由小到大排序：
[0070] C(p) = (gp,(l),gp>(2)---gp,(n)) G Ip [0071 ] I ( q ) = ( gq，⑴，gq，⑵…gq，（n) ) G Iq
[0072]下式中Ui，j)和l(x，y)分別為鄰域像素的次序統(tǒng)計(jì)量和中心點(diǎn)像素的次序統(tǒng)計(jì) 量，Mx, y代表中心像素點(diǎn)鄰域。
[0073]則生成新的灰度相似因子：
[0075]空間臨近因子不變：
[0077]根據(jù)上述計(jì)算的邊緣加權(quán)因子、灰度相似因子和空間臨近因子，生成最終的雙邊 濾波器如下：
[0079]用改進(jìn)后的雙邊濾波器對(duì)圖像進(jìn)行處理（以圖像為Bayer圖像，則選擇的單一通道 為G通道為例），
[0081] 得到圖像g 9
[0082] 其中，Bayer圖像中，G分量的信噪比最高，在由Bayer圖處理得到的RGB圖像中G通 道的信噪比也要高于R和B通道，所以優(yōu)先處理G通道的圖像。
[0083] 在步驟S140中，以雙邊濾波后的圖像泛作為引導(dǎo)圖像進(jìn)行導(dǎo)向?yàn)V波，得到去噪后的 彩色圖像。其中，導(dǎo)向?yàn)V波可以采用現(xiàn)有的任意引導(dǎo)濾波的方式處理。
[0084] 表2表示不同方法去噪后以圖3所示的原始圖像為參考計(jì)算的峰值信噪比，對(duì)比表 2中的數(shù)據(jù)，本方法的信噪比要高于其他去噪方法，且噪聲標(biāo)準(zhǔn)差不大的情況下，效果尤為 突出。圖4A~圖4C是用各種圖像處理處理方法后采用Imatest軟件測(cè)試的圖像邊緣寬度，對(duì) 比可以看出本方法處理的圖片，邊緣寬度最小，邊緣保持的效果最好。
[0085]圖5是圖像的部分像素在Matlab中的顯示圖，可以看出本方法處理的圖片更光滑， 去噪效果更好。
[0086]表2表示不同方法去噪后圖像的峰值信噪比
[0087]
[0088] 最后應(yīng)說明的是：以上各實(shí)施例僅用以說明本發(fā)明的技術(shù)方案，而非對(duì)其限制;盡 管參照前述各實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解:其依 然可以對(duì)前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對(duì)其中部分或者全部技術(shù)特征進(jìn) 行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù) 方案的范圍。
【主權(quán)項(xiàng)】
1. 一種基于噪聲估計(jì)的圖像邊緣保持混合去噪方法，其特征在于，包括： 對(duì)原始圖像進(jìn)行噪聲估計(jì)并計(jì)算出噪聲標(biāo)準(zhǔn)差； 根據(jù)所述噪聲標(biāo)準(zhǔn)差，采用鄰域均值差檢測(cè)所述原始圖像的圖像邊緣并消除平滑區(qū)域 及孤立點(diǎn)，得到圖像的邊緣信息； 根據(jù)檢測(cè)的圖像邊緣信息獲取的梯度方向生成邊緣加權(quán)因子，根據(jù)所述噪聲標(biāo)準(zhǔn)差生 成灰度相似因子，結(jié)合所述灰度相似因子、邊緣加權(quán)因子和空間臨近因子生成雙邊濾波器， 采用所述雙邊濾波器對(duì)原始含噪圖像中單一通道進(jìn)行雙邊濾波處理； W雙邊濾波處理后的圖像作為引導(dǎo)圖像進(jìn)行引導(dǎo)濾波去噪處理。2. 根據(jù)權(quán)利要求1所述的基于噪聲估計(jì)的圖像邊緣保持混合去噪方法，其特征在于，對(duì) 原始圖像進(jìn)行噪聲估計(jì)并計(jì)算出噪聲標(biāo)準(zhǔn)差，包括： 對(duì)原始圖像進(jìn)行均值濾波處理，獲取圖原始圖像的近似高斯噪聲，并計(jì)算出其噪聲標(biāo) 準(zhǔn)差； 若噪聲標(biāo)準(zhǔn)差大于預(yù)設(shè)的第一噪聲標(biāo)準(zhǔn)差闊值，則采用分塊法對(duì)所述原始圖像進(jìn)行二 次噪聲估計(jì)并重新計(jì)算出噪聲標(biāo)準(zhǔn)差。3. 根據(jù)權(quán)利要求1所述的基于噪聲估計(jì)的圖像邊緣保持混合去噪方法，其特征在于，采 用鄰域均值差檢測(cè)所述原始圖像的圖像邊緣時(shí)，采用檢測(cè)中屯、點(diǎn)的四個(gè)鄰域的均值差代替 Prewitt算子中上下、左右相鄰兩列的差進(jìn)行圖像邊緣檢測(cè)。4. 根據(jù)權(quán)利要求3所述的基于噪聲估計(jì)的圖像邊緣保持混合去噪方法，其特征在于，采 用鄰域均值差檢測(cè)所述原始圖像的圖像邊緣之后，預(yù)設(shè)第二噪聲標(biāo)準(zhǔn)差闊值，將邊緣檢測(cè) 結(jié)果中小于所述第二噪聲標(biāo)準(zhǔn)差闊值的點(diǎn)消除，得到圖像邊緣檢測(cè)結(jié)果。5. 根據(jù)權(quán)利要求1所述的基于噪聲估計(jì)的圖像邊緣保持混合去噪方法，其特征在于，根 據(jù)檢測(cè)的圖像邊緣信息獲取的梯度方向生成邊緣加權(quán)因子時(shí)的規(guī)則為垂直于梯度方向的 像素權(quán)重大于與梯度方向一致的像素權(quán)重，邊緣加權(quán)因子Wa(i，j)為Sin函數(shù)形式： Wa(i，j) = sin| 目(ij)-目(x,y) I，（i，j) GMx,y 式中Mx,y代表中屯、像素點(diǎn)鄰域，0(x,y)為點(diǎn)(X，y)的梯度方向，為鄰域點(diǎn)相對(duì)于中屯、 點(diǎn)的角度。6. 根據(jù)權(quán)利要求1所述的基于噪聲估計(jì)的圖像邊緣保持混合去噪方法，其特征在于，根 據(jù)所述噪聲標(biāo)準(zhǔn)差生成灰度相似因子時(shí)，將像素P和q各自的最近一環(huán)鄰域像素灰度gp,i， gp,2…gp,n和gq,l，gq,2…gq,n近似看作像素P和q的n次觀測(cè)值，將運(yùn)些值由小到大排序： 寫(P) =(擁，W，gp,(2)...gp,(n))Glp; 寫（q) =(的,W，的，Cr..gq,(n))Glq; 下式中CU，j)和CU,y)分別為鄰域像素的次序統(tǒng)計(jì)量和中屯、點(diǎn)像素的次序統(tǒng)計(jì)量， Mx,y代表中屯、像素點(diǎn)鄰域，則生成的灰度相似因子為：化惦牧利奧求1~6任一巧所還的基十噪戸巧計(jì)的圖像邊緣保持混合去噪方法，其特征 在于，對(duì)原始含噪圖像中單一通道進(jìn)行雙邊濾波處理時(shí)，若圖像為Bayer圖像，則選擇的單 一通道為G通道。
【文檔編號(hào)】G06T5/00GK105913396SQ201610221755
【公開日】2016年8月31日
【申請(qǐng)日】2016年4月11日
【發(fā)明人】冉駿, 馬昊辰
【申請(qǐng)人】湖南源信光電科技有限公司