專利名稱：一種數(shù)字圖像極值的平滑方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種數(shù)字圖像極值的平滑方法，屬于數(shù)字圖像處理領(lǐng)域。適合于在計算機在數(shù)字圖像處理中的平滑處理過程。

背景技術(shù)：
數(shù)字圖像中存在噪聲及被污染的區(qū)域，各類噪聲都能對圖像識別產(chǎn)生一定程度的影響。產(chǎn)生這些噪聲的原因有很多，圖像采集設(shè)備、圖像被污染等因素都可以產(chǎn)生不同的噪聲。平滑處理對于消除噪聲的影響有重要的作用，平滑處理的目的，主要是為了消除這些噪聲，并使得圖像像素的分布變得均勻。如果平滑不當，就會使圖像本身的細節(jié)(如邊界輪廓線)會變得模糊不清。特別是在圖像的分割、細化、特征識別或圖像檢索等過程中，平滑處理算法的好壞，直接影響到其它處理算法的性能。
目前數(shù)字圖像平滑方法包括空域法和頻域法兩大類，空間域方法和頻率域方法可以相互轉(zhuǎn)換?？沼蚍煞譃榫€性和非線性兩種，非線性濾波器較線性濾波器往往能更好地處理圖像平滑問題。線性平滑濾波包括均值濾波、高通濾波、低通濾波、帶通濾波、維納濾波、高斯濾波、三角形濾波、與梯度相關(guān)的加權(quán)濾波等；非線性濾波包括順序統(tǒng)計濾波、中值濾波、最大值濾波、最小值濾波等。各類濾波算法中最典型的都是用一個有奇數(shù)點的滑動窗口在圖像上滑動，根據(jù)窗口內(nèi)的像素點的均值或中值，最大值、最小值、或者方差等像素間的關(guān)系來更新窗口中心點的灰度值。如果規(guī)定了窗口內(nèi)各個像素點所占的權(quán)重，就變?yōu)榧訖?quán)平滑濾波。
和空域平滑算法一樣，在頻率域內(nèi)也可以進行平滑濾波，一幅圖像的邊緣、跳躍部分及顆粒噪聲代表圖像信號的高頻分量，而大面積的背景趨于代表了圖像信號的低頻分量。低通濾波、高通濾波、帶通濾波、帶阻濾波、同態(tài)濾波等通過傅立葉變化，都可以在頻率域達到平滑效果。另外，小波也有去噪功能，圖像經(jīng)過小波分解后，圖像的輪廓線主要體現(xiàn)在低頻部分，而細節(jié)部分則體現(xiàn)在高頻部分。
在各類平滑算法中，還有一類利用方向信息平滑算法在空域或頻域都可以實施，并且得到了廣泛的應(yīng)用。方向信息主要指圖像的邊緣信息和紋理信息。邊緣信息只要利用的是灰度的邊緣的梯度進行矢量化平滑，邊緣檢測的最大問題就是邊緣算子，算子的靈敏度難以在檢出邊緣和保持邊緣的連貫性方面找到平衡點；方向圖算法是比較典型的平滑算法，可以沿著紋理方向較好地實現(xiàn)平滑，平滑中僅保留紋理的流向，其它的邊緣信息一律刪除。另外，還有基于去噪閾值的圖像平滑模糊算法和基于魯棒性估計的自適應(yīng)平滑算法等等。
上述現(xiàn)有方法中，都難以在圖像的模糊和保持圖像的紋理結(jié)構(gòu)上找到平衡點，都以更新塊窗口的中心點為基準，也就是對圖像中需要更新的像素點僅僅給了一次賦值，在更新遍歷整幅圖像后，并不能達到實際期望的效果。


發(fā)明內(nèi)容
要解決的技術(shù)問題 為了避免現(xiàn)有技術(shù)的不足之處，本發(fā)明提出一種數(shù)字圖像極值的平滑方法，主要在于一次性更新圖像塊中的那些離散的值，所以圖像得到平滑的同時，保持了原有的紋理結(jié)構(gòu)不變。
技術(shù)方案 本發(fā)明的思想是在圖像塊滑動過程中，反復(fù)更新塊中需要更新的像素點。而需要更新點是依據(jù)圖像塊中各列像素點的極大值和極小值的來判定的，更新點不一定是圖像塊的中心點，對于塊中的離散的任意極值，只要符合條件就被更新。某一點的更新的次數(shù)是依據(jù)塊的大小和這一點在不同塊中的離散程度，塊越大，更新的次數(shù)可能越多。
技術(shù)特征在于利用圖像中某一點周圍離散的極大值和極小值來完成平滑，具體步驟為 步驟1、對一幅大小為m×n的原始圖像，任意點的像素值為I(i，j)，采用ω×ω的圖像塊對整幅圖像進行平滑，并計算塊內(nèi)的像素的均值； 步驟2、若塊中有N列像素值，計算出每一列的最大值和最小值； 步驟3、將各列中的最大值和最小值都更新為圖像塊的均值； 步驟4、完成更新后，窗口依據(jù)滑動塊操作規(guī)則，移動到下一位置，重復(fù)上述步驟1、步驟2和步驟3的過程； 步驟5、當滑動到最后邊界位置時，完成平滑過程。
所述的像素的均值計算是定義圖像塊的中心點為f(x，y)，塊內(nèi)的像素和為其中μ＝(ω-1)/2；則該窗口的像素的均值為E＝Sxy/ω2。
所述的窗口內(nèi)j(j∈[1，ω])列的最大值為 所述的窗口內(nèi)j(j∈[1，ω])列的最小值為 所述的滑動塊操作規(guī)則是像素的鄰域是一個矩形塊，當在圖像矩陣上從一個元素移向下一個元素時，鄰域塊在同一個方向上滑動。
所述的ω選為奇數(shù)，取為3、5、7、9。
如果圖像中的任意像素點在滑動塊內(nèi)被更新過，當滑動塊移到下一個元素的時候，這個點仍然處在的下一個列塊中，而且是當前塊中列的極值，那么該點將被二次更新。
如果被二次更新過的這個點，又處于滑動窗口中的極值地位，還將再次被更新。那么，圖像塊中的任意極值點最多可以在次以內(nèi)被更新。對于一個圖像塊，在的鄰域范圍內(nèi)，最多可以有像素點被更新。因此，在完成一次滑動過程后，整個圖像中已經(jīng)沒有了突出的峰值，整個圖像得到平滑。
有益效果 本發(fā)明提出的數(shù)字圖像極值的平滑方法，在不破壞紋理結(jié)構(gòu)的同時，一次性平滑度是明顯優(yōu)于其它通用的方法。對于通?；瑒訅K平滑算法存在的塊的大小突出影響平滑效果的問題，極值平滑方法通過擴大鄰域范圍，提高了更新點的數(shù)量，使問題得到了很好的解決；對于各種突出的噪聲點問題，極值平滑算法可以反復(fù)更新像素值，消除各種噪聲；對于紋理的邊緣階躍部分，因邊緣點處在低頻和高頻中間，得到了較好的保持度。
總之，本方法具有較好的平滑性能，對于圖像的后處理工作十分有益，在模式識別等其它領(lǐng)域都可以應(yīng)用。



圖1指紋圖像的極值平滑算法流程圖 圖2指紋圖像的極值平滑效果及邊緣檢測分析 a原始圖像； b3×3窗口的極值平滑圖像； c5×5窗口的極值平滑圖像； dcanny算子檢測極值圖像； 圖3灰度圖像的極值平滑效果及邊緣檢測分析 a原始圖像 b極值平滑圖像 ccanny算子檢測極值圖像 圖4彩色圖像的極值平滑效果及邊緣檢測分析 a原始圖像 b極值平滑圖像 ccanny算子檢測極值圖像 圖5圖像的單一列極值平滑濾波性能
具體實施例方式 現(xiàn)結(jié)合附圖對本發(fā)明作進一步描述 用于實施的硬件環(huán)境是Pentium-2.66G計算機、1.00GB內(nèi)存、64M顯卡，運行的軟件環(huán)境是Window XP。我們用VC++及MATLAB 7.1程序設(shè)計語言實現(xiàn)了本發(fā)明提出的方法。
在一幅大小為640×480的圖像，對于任意點的像素值為I(i，j)，我們采用3×3的圖像塊對整幅圖像進行平滑。
我們定義圖像塊的中心點為f(x，y)，塊內(nèi)的像素和為 其中μ＝(3-1)/2； 那么，該窗口的像素的均值為E＝Sxy/ω2＝Sxy/32； 窗口內(nèi)j(j∈[1，3])列的最大值為 窗口內(nèi)j(j ∈[1，3])列的最小值為 假設(shè)窗口內(nèi)某一點的像素為該圖像塊中一列的最大值，則更新該點的像素值為 f(x±μ，y±μ)＝E 即在窗口內(nèi)的一列max(f(i，j))＝Sxy/32 同理，更新最小值 min(f(i，j))＝Sxy/32 如果圖像中的任意像素點I(i，j)在前面的塊中被更新過，那么它在下一列塊中，如果仍然處在極值位置，將以此規(guī)則繼續(xù)被更新。
權(quán)利要求
1. 一種數(shù)字圖像極值的平滑方法，其特征在于利用圖像中某一點周圍離散的極大值和極小值來完成平滑，具體步驟為
步驟1、對一幅大小為m×n的原始圖像，任意點的像素值為I(i，j)，采用ω×ω的圖像塊對整幅圖像進行平滑，并計算圖像塊內(nèi)像素的均值；
步驟2、若塊中有N列像素值，計算出每一列的最大值和最小值；
步驟3、將各列中的最大值和最小值都更新為圖像塊內(nèi)像素的均值；
步驟4、完成更新后，窗口依據(jù)滑動塊操作規(guī)則，移動到下一位置，重復(fù)上述步驟1、步驟2和步驟3的過程；
步驟5、當滑動到最后邊界位置時，完成平滑過程。
2. 根據(jù)權(quán)利要求1所述的數(shù)字圖像極值的平滑方法，其特征在于所述的像素的均值計算是定義圖像塊的中心點為f(x，y)，塊內(nèi)的像素和為其中
μ＝(ω-1)/2；則該窗口的像素的均值為E＝Sxy/ω2。
3. 根據(jù)權(quán)利要求1或2所述的數(shù)字圖像極值的平滑方法，其特征在于所述的窗口內(nèi)j(j∈[1，ω])列的最大值為
4. 根據(jù)權(quán)利要求1或2所述的數(shù)字圖像極值的平滑方法，其特征在于所述的窗口內(nèi)j(j∈[1，ω])列的最小值為
5. 根據(jù)權(quán)利要求1所述的數(shù)字圖像極值的平滑方法，其特征在于所述的滑動塊操作規(guī)則是像素的鄰域是一個矩形塊，當在圖像矩陣上從一個元素移向下一個元素時，鄰域塊在同一個方向上滑動。
6. 根據(jù)權(quán)利要求1所述的數(shù)字圖像極值的平滑方法，其特征在于所述的ω選為奇數(shù)，取為3、5、7、9。
7. 根據(jù)權(quán)利要求1所述的數(shù)字圖像極值的平滑方法，其特征在于如果圖像中的任意像素點在滑動塊內(nèi)被更新過，當滑動塊移到下一個元素的時候，這個點仍然處在的下一個列塊中，而且是當前塊中列的極值，那么該點將被二次更新。
8. 根據(jù)權(quán)利要求7所述的數(shù)字圖像極值的平滑方法，其特征在于如果被二次更新過的這個點，又處于滑動窗口中的極值地位，還將再次被更新。
全文摘要
本發(fā)明涉及一種數(shù)字圖像極值的平滑方法，技術(shù)特征在于在圖像塊滑動過程中，反復(fù)更新塊中需要更新的像素點。而需要更新點是依據(jù)圖像塊中各列像素點的極大值和極小值的來判定的，更新點不一定是圖像塊的中心點，對于塊中的離散的任意極值，只要符合條件就被更新。某一點的更新的次數(shù)是依據(jù)塊的大小和這一點在不同塊中的離散程度，塊越大，更新的次數(shù)可能越多。有益效果在不破壞紋理結(jié)構(gòu)的同時，一次性平滑度是明顯優(yōu)于其它通用的方法。對于各種突出的噪聲點問題，極值平滑算法可以反復(fù)更新像素值，消除各種噪聲；對于紋理的邊緣階躍部分，因邊緣點處在低頻和高頻中間，得到了較好的保持度。
文檔編號H04N5/217GK101242488SQ20071001736
公開日2008年8月13日 申請日期2007年2月6日 優(yōu)先權(quán)日2007年2月6日
發(fā)明者雷 郭, 陳大海, 江 常 申請人:西北工業(yè)大學(xué)