專利名稱：一種基于像素空間相關(guān)性判別的圖像去噪方法
技術(shù)領(lǐng)域：
本發(fā)明屬于數(shù)字圖像處理領(lǐng)域，具體涉及一種圖像去噪方法。
背景技術(shù)：
在數(shù)字圖像領(lǐng)域，由于各種原因使得圖像經(jīng)常會(huì)受到噪聲的污染。噪聲破壞了圖像原有的信息，妨礙人們對(duì)圖像的理解，同時(shí)也對(duì)圖像的相關(guān)處理帶來(lái)困難，因此對(duì)圖像進(jìn)行去噪處理具有廣泛的應(yīng)用空間。中值濾波方法是一種比較常用的濾波方法，基本原理是把數(shù)字圖像中心點(diǎn)位置的 值用該點(diǎn)及其鄰域的中值代替。雖然這種濾波器具有運(yùn)算簡(jiǎn)單、速度快，能夠較好地濾除椒鹽噪聲的優(yōu)點(diǎn)，但也存在使圖像的細(xì)節(jié)變模糊的問(wèn)題。中值濾波根據(jù)窗口的形狀可分為方形中值濾波、十字中值濾波、交叉形中值濾波等。方形中值濾波在濾除噪聲的同時(shí)會(huì)將圖像的角點(diǎn)錯(cuò)誤地當(dāng)成噪聲點(diǎn)濾除；十字中值濾波會(huì)將45°和135°的線和角削平；交叉形中值濾波則會(huì)將0°和90°方向上的線和角削平(見“李小紅，蔣建國(guó)，吳從中，詹曙.圖像去椒鹽噪聲濾波器的研究.工程圖學(xué)學(xué)報(bào).2009,6. ”)。在噪聲點(diǎn)判斷方法上，申請(qǐng)?zhí)枮?01010610864. 7的專利計(jì)算圖像的聯(lián)合概率分布，根據(jù)聯(lián)合概率分布確定灰度的閾值范圍，若窗口的中值落在灰度閾值范圍內(nèi)則不處理，否則用中值替換；申請(qǐng)?zhí)枮?00510002941. x的專利采用獲取圖像的灰度均值和方差值，判斷圖像像素點(diǎn)是否在均值上下3倍方差內(nèi)的方式來(lái)判斷噪點(diǎn)。以上兩種方法對(duì)圖像的紋理邊緣、單像素紋理、單像素文字線條等圖像細(xì)節(jié)顯著變化部分不能有效的保護(hù)，會(huì)丟失較多的圖像信息，在圖像邊界處理上也存在過(guò)度去噪的缺陷。

發(fā)明內(nèi)容
為了克服傳統(tǒng)中值濾波方法在濾除噪聲的同時(shí)也丟失了圖像細(xì)節(jié)的問(wèn)題，本發(fā)明提供了一種基于像素空間相關(guān)性判別的圖像去噪方法，能在保持圖像細(xì)節(jié)的同時(shí)有效去除圖像噪聲。為了解決上述技術(shù)問(wèn)題采用的技術(shù)方案為—種基于像素空間相關(guān)性判別的圖像去噪方法，所述方法包括以下步驟( I)輸入一幀待濾波的原始圖像；(2)取原始圖像中的一個(gè)未濾波的色度空間分量數(shù)據(jù)P。，接著將P。及其上方、下方、左方和右方存在的空間相鄰數(shù)據(jù)組成數(shù)組G1 ；(3)先統(tǒng)計(jì)色度空間分量數(shù)據(jù)P。與數(shù)組G1中其它數(shù)據(jù)差值絕對(duì)值diff小于閾值Th的個(gè)數(shù)N。；再根據(jù)N。及P。所處的空間位置擴(kuò)展選取數(shù)組G2,具體如下(a)當(dāng)Nc=O,若P。為頂點(diǎn)或邊界點(diǎn)位置的色度空間分量數(shù)據(jù)，則不擴(kuò)展選取數(shù)組G2 ;否則取P。的左上、左下、右上和右下方向的4個(gè)相鄰數(shù)據(jù)組成數(shù)組G2 ；(b)當(dāng)Nc=I,將G1中唯一滿足diff < Th的分量數(shù)據(jù)記為Pnew。，先取Pnewe及其所在位置的上、下、左、右及左上、左下、右上和右下共八個(gè)方向存在的空間相鄰數(shù)據(jù)組成數(shù)組Gtemp ;再取Gtomp中除去G1中數(shù)據(jù)的部分組成數(shù)組G2 ；(c)當(dāng)Nc彡2，則不擴(kuò)展選取數(shù)組G2 ；(4)利用P。所處位置，以及步驟(3)中獲得的N。、Pnewc和數(shù)組G2,并根據(jù)像素空間相關(guān)性來(lái)判別P。是否為噪聲數(shù)據(jù)，若為噪聲數(shù)據(jù)，則進(jìn)行相應(yīng)濾波替換，否則保留P。原值作為濾波后的數(shù)據(jù)；(5)重復(fù)步驟(2)到(4)的操作，直至處理完原始圖像中所有色度空間分量數(shù)據(jù)；(6)輸出由所有濾波后數(shù)據(jù)組成的一幀濾波后圖像。進(jìn)一步，所述步驟(4)中，利用像素空間相關(guān)性來(lái)進(jìn)行判別過(guò)程如下(a)當(dāng)P。為頂點(diǎn)位置的色度空間分量數(shù)據(jù)，分如下三種情況進(jìn)行處理1)若凡=0，即G1中的其它數(shù)據(jù)與P。都不相近，則判定P。為噪聲數(shù)據(jù)并用G1中的其它2個(gè)數(shù)據(jù)的均值替換；2)若Nc=I且G2中不存在與Pnew。差值絕對(duì)值小于Th的數(shù)據(jù)，即與P。空間相鄰的數(shù)據(jù)中只有I個(gè)數(shù)據(jù)與P。相近，則判定P。為噪聲數(shù)據(jù)并用G1中與P。差值絕對(duì)值大于等于Th的數(shù)據(jù)替換；3)其它情況中存在3個(gè)數(shù)據(jù)在空間上相連續(xù)且數(shù)值相近，判定P。為非噪聲數(shù)據(jù)并保留P。原值，即直接將P。作為濾波后的數(shù)據(jù)；(b)當(dāng)P。為除了 4個(gè)頂點(diǎn)外的邊界位置的色度空間分量數(shù)據(jù)，分如下三種情況進(jìn)行處理1)若Nc=O,即G1中的其它數(shù)據(jù)與P。都不相近，則判定P。為噪聲數(shù)據(jù)并用G1中其它 3個(gè)數(shù)據(jù)的中值替換；2)若Nc=I且G2中不存在與Pnew。差值絕對(duì)值小于Th的數(shù)據(jù)，即與P。空間相鄰的數(shù)據(jù)中只有I個(gè)數(shù)據(jù)與P。相近，則判定P。為噪聲數(shù)據(jù)并用G1中與P。差值絕對(duì)值大于等于Th的2個(gè)數(shù)據(jù)的均值替換；3)其它情況中存在至少3個(gè)數(shù)據(jù)在空間上相連續(xù)且數(shù)值相近，判定P。為非噪聲數(shù)據(jù)并直接將P。原值作為濾波后的數(shù)據(jù)；(c)當(dāng)P。為除了邊界外剩余位置的色度空間分量數(shù)據(jù)，分如下三種情況進(jìn)行處理I)若Nc=O且G2中的數(shù)據(jù)與P。差值絕對(duì)值小于Th的個(gè)數(shù)小于2，即Gl中的其它數(shù)據(jù)與P。都不相近且G2中也沒有2個(gè)或2個(gè)以上的數(shù)據(jù)與P。相近，則判定P。為噪聲數(shù)據(jù)并用G1中所有5個(gè)數(shù)據(jù)的中值來(lái)作為濾波后的數(shù)據(jù)；2)若Nc=I且G2中不存在與Pnrare差值絕對(duì)值小于Th的數(shù)據(jù)，即與P?？臻g相鄰的數(shù)據(jù)中只有I個(gè)數(shù)據(jù)與P。相近，則判定P。為噪聲數(shù)據(jù)并用G1中所有5個(gè)數(shù)據(jù)的中值來(lái)作為濾波后的數(shù)據(jù)；3)其它情況中存在至少3個(gè)數(shù)據(jù)在空間上相連續(xù)且數(shù)值相近，判定P。為非噪聲數(shù)據(jù)并直接將P。原值作為濾波后的數(shù)據(jù)。本方法的技術(shù)構(gòu)思為為了在去除噪聲的同時(shí)，盡量地保持圖像的細(xì)節(jié)信息，可以將噪聲的去除過(guò)程劃分為兩個(gè)步驟一是噪聲點(diǎn)的判斷；二是選取一個(gè)合適的值來(lái)替代噪聲點(diǎn)的值?；谶@種結(jié)構(gòu)的濾波算法，克服了以往中值濾波將所有的像素點(diǎn)做統(tǒng)一處理、容易造成圖像模糊的弊端，可以在去噪和細(xì)節(jié)保護(hù)上找到了一個(gè)平衡點(diǎn)。在待濾波數(shù)據(jù)的空間鄰近區(qū)域中若存在2個(gè)或2個(gè)以上的鄰近數(shù)據(jù)與待濾波數(shù)據(jù)數(shù)值相近，即包括待濾波數(shù)據(jù)在內(nèi)至少有3個(gè)數(shù)值相近的數(shù)據(jù)且在空間上相連續(xù)，則可以判定待濾波數(shù)據(jù)為非噪聲數(shù)據(jù)，否則判定為噪聲數(shù)據(jù)，并根據(jù)噪聲數(shù)據(jù)所處位置進(jìn)行相應(yīng)的濾波處理。與現(xiàn)有技術(shù)相比，本方法具有以下有益效果能在濾除噪聲的同時(shí)，很好地保護(hù)圖像細(xì)節(jié)，特別是圖像的紋理邊緣、單像素紋理、單像素文字線條等圖像細(xì)節(jié)顯著變化的圖像數(shù)據(jù)，且對(duì)圖像的邊界也能進(jìn)行針對(duì)性去噪處理。


圖I為一種基于像素空間相關(guān)性判別的圖像去噪方法流程圖。圖2為圖像中不同位置色度空間分量數(shù)據(jù)的數(shù)組G1選取示意圖。其中，(a)為左上頂點(diǎn)位置數(shù)據(jù)選取的數(shù)組G1 ;(b)為右上頂點(diǎn)位置數(shù)據(jù)選取的數(shù)組G1 ; (c)為左下頂點(diǎn)位置數(shù)據(jù)選取的數(shù)組G1 ;(d)為右下頂點(diǎn)位置數(shù)據(jù)選取的數(shù)組G1 ;(e)為非邊界部分位置數(shù)據(jù)選取的數(shù)組G1 ;(f)為左邊界點(diǎn)位置數(shù)據(jù)選取的數(shù)組G1 ;(g)為上邊界點(diǎn)位置數(shù)據(jù)選取的數(shù)組G1 ;圖(h)為右邊界點(diǎn)位置數(shù)據(jù)選取的數(shù)組G1 ;(i)為下邊界點(diǎn)位置數(shù)據(jù)選取的數(shù)組匕。圖3為圖像頂點(diǎn)位置、除去頂點(diǎn)的邊界位置及非邊界位置的色度空間分量數(shù)據(jù)的數(shù)組G2選取示意圖。其中，(a)為Nc=O時(shí)，非邊界點(diǎn)位置數(shù)據(jù)選取的數(shù)組G2; (bl)和(b2)為Pnew。分別為Pd和P1 時(shí),左上頂點(diǎn)位置數(shù)據(jù)選取的數(shù)組G2 ； (Cl)到(c3)為Pnrare分別為PpPd和已時(shí)，上邊界點(diǎn)位置數(shù)據(jù)選取的數(shù)組G2 ； (c4)為Pnrare為P1時(shí)，與左上頂點(diǎn)相鄰的上邊界點(diǎn)位置數(shù)據(jù)選取的數(shù)組G2 ； (c5)為Pnrare為已時(shí)，與右上頂點(diǎn)相鄰的上邊界點(diǎn)位置數(shù)據(jù)選取的數(shù)組G2 ； (dl)到(d4)為Pnewc分別為Pd、Pr、Pu和P1時(shí)，非邊界點(diǎn)位置數(shù)據(jù)選取的數(shù)組G2 ； (d5)為Pnew。為Pu時(shí)，與上邊界相鄰的非邊界點(diǎn)位置數(shù)據(jù)選取的數(shù)組G2 ;數(shù)組G2中的數(shù)據(jù)在圖中用字母E標(biāo)識(shí)出來(lái)。
具體實(shí)施例方式下面結(jié)合附圖和實(shí)例來(lái)說(shuō)明本發(fā)明的具體實(shí)施方式
。應(yīng)當(dāng)指出，以下描述的方式只是優(yōu)選方式之一，在本發(fā)明的范圍內(nèi)，本領(lǐng)域的技術(shù)人員還可以想出其它一些替代實(shí)施方式?！⒄?qǐng)D1，一種基于像素空間相關(guān)性判別的圖像去噪方法，包括步驟如下( I)輸入一幀待濾波的原始圖像。(2)取原始圖像中的一個(gè)未濾波的色度空間分量數(shù)據(jù)P。，接著取P。及其上方存在的空間相鄰數(shù)據(jù)Pu、下方存在的空間相鄰數(shù)據(jù)Pd、左方存在的空間相鄰數(shù)據(jù)P1和右方存在的空間相鄰數(shù)據(jù)Pr組成數(shù)組匕。圖2(a廣2(d)分別為原始圖像的左上、右上、左下及右下方向4個(gè)頂點(diǎn)位置數(shù)據(jù)的G1選取示意圖，圖2 (f) 2 (i)分別為除去4個(gè)頂點(diǎn)位置的左邊界、上邊界、右邊界及下邊界位置數(shù)據(jù)的G1選取示意圖，圖2 (e)為非邊界位置數(shù)據(jù)的G1選取示意圖。(3)計(jì)算P。與G1中其它數(shù)據(jù)數(shù)值相近的個(gè)數(shù)N。，并根據(jù)N。及P。所處的空間位置，來(lái)擴(kuò)展選取由空間相鄰數(shù)據(jù)組成的數(shù)組G2。即先統(tǒng)計(jì)P。與G1中其它數(shù)據(jù)差值絕對(duì)值diff小于閾值Th的個(gè)數(shù)N。，其中Th根據(jù)經(jīng)驗(yàn)通常取5 15，此處取10 ;再根據(jù)N。及P。所處的空間位置擴(kuò)展選取數(shù)組G2，具體如下(a)當(dāng)Nc=O,若P。為頂點(diǎn)或邊界位置的色度空間分量數(shù)據(jù)，則不擴(kuò)展選取數(shù)組G2 ；否則取P。的左上、左下、右上和右下方向4個(gè)相鄰數(shù)據(jù)組成數(shù)組G2，如圖3(a)所示。(b)當(dāng)Nc=I,將G1中唯一滿足diff小于Th的數(shù)據(jù)記為Pnew。，取Pnewe以及Pnewc的上、下、左、右及左上、左下、右上和右下共八個(gè)方向存在的空間相鄰數(shù)據(jù)組成數(shù)組GtMP。再取Gtraip中除去G1中數(shù)據(jù)的部分組成數(shù)組G2。G2的具體選取方式如下(I)若P。為頂點(diǎn)位置的色度空間分量數(shù)據(jù)，以圖像的左上頂點(diǎn)為例，若Pnrare為Pd，則按圖3(bl)所示方式選取G2，若Pnrat。為Pp則按圖3 (b2)所示方式選取G2。圖像中的其它3個(gè)頂點(diǎn)位置數(shù)據(jù)也做類似的處理。(II)若P。為除去頂點(diǎn)后的邊界位置的色度空間分量數(shù)據(jù)，以圖像的上邊界為例，若Pnewc為P1則按圖3 (Cl)所示方式選取G2 ;若Pnewc為Pd則按圖3 (c2)所示方式選取G2 ;若Pnewc為匕則按圖3 (c3)所示方式選取G2 ;若P。為左上頂點(diǎn)位置右方的數(shù)據(jù)和右上頂點(diǎn)位置左方的數(shù)據(jù)且Pnew。分別為PJPPr時(shí)，按圖3(C4)和3(c5)所示方式選取G2。圖像中的其它邊界位置數(shù)據(jù)也做類似的處理。(III)若P。為除去邊界外的剩余位置的色度空間分量數(shù)據(jù)，當(dāng)Pnrare為Pd時(shí)則按圖
3(dl)所示方式選取G2 ；當(dāng)Pnewc為Pr時(shí)則按圖3 (d2)所示方式選取G2 ；當(dāng)Pnewc為Pu時(shí)則按圖3 (d3)所示方式選取G2 ;當(dāng)Pnrare為P1時(shí)則按圖3 (d4)所示方式選取G2 ;當(dāng)P。為上邊界下方位置的數(shù)據(jù)且Pnrat。為Pu時(shí)則按圖3 (d5)所示方式選取G2。圖像中其它與邊界相鄰位置的數(shù)據(jù)向?qū)?yīng)邊界方向擴(kuò)展選取G2時(shí)也做類似處理。(c)當(dāng)N。彡2，則不擴(kuò)展選取數(shù)組G2。·(4)利用P。所處位置，以及步驟(3)中獲得的N。、Pnewc和數(shù)組G2,并根據(jù)像素空間相關(guān)性來(lái)判別P。是否為噪聲數(shù)據(jù)，若為噪聲數(shù)據(jù)，則進(jìn)行相應(yīng)濾波替換，否則保留P。原值作為濾波后的數(shù)據(jù)。具體處理過(guò)程如下(a)當(dāng)P。為頂點(diǎn)位置的色度空間分量數(shù)據(jù)，分如下三種情況進(jìn)行處理1)若Nc=O,即G1中的其它數(shù)據(jù)與P。都不相近，則判定P。為噪聲數(shù)據(jù)并用G1中的其它2個(gè)數(shù)據(jù)的均值替換；2)若Nc=I且G2中不存在與Pnew。差值絕對(duì)值小于Th的數(shù)據(jù)，即與P?？臻g相鄰的數(shù)據(jù)中只有I個(gè)數(shù)據(jù)與P。相近，則判定該P(yáng)。值即為噪聲數(shù)據(jù)并用G1中與P。差值絕對(duì)值大于等于Th的數(shù)據(jù)替換；3)其它情況中存在3個(gè)數(shù)據(jù)在空間上相連續(xù)且數(shù)值相近，判定P。為非噪聲數(shù)據(jù)并保留P。原值，即直接將P。作為濾波后對(duì)應(yīng)的色度空間分量數(shù)據(jù)。(b)當(dāng)P。為除了 4個(gè)頂點(diǎn)外的邊界位置的色度空間分量數(shù)據(jù)，分如下三種情況進(jìn)行處理1)若Nc=O,即G1中的其它數(shù)據(jù)與P。都不相近，則判定P。為噪聲數(shù)據(jù)并用G1中其它3個(gè)數(shù)據(jù)的中值替換；2)若Nc=I且G2中不存在與Pnew。差值絕對(duì)值小于Th的數(shù)據(jù)，即與P。空間相鄰的數(shù)據(jù)中只有I個(gè)數(shù)據(jù)與P。相近，則判定P。為噪聲數(shù)據(jù)并用G1中與P。差值絕對(duì)值大于等于Th的2個(gè)數(shù)據(jù)的均值替換；3)其它情況中存在至少3個(gè)數(shù)據(jù)在空間上相連續(xù)且數(shù)值相近，判定P。為非噪聲數(shù)據(jù)并直接將P。原值作為濾波后的數(shù)據(jù)。(c)當(dāng)P。為除了邊界外剩余位置的色度空間分量數(shù)據(jù)，分如下三種情況進(jìn)行處理I)若Nc=O且G2中的數(shù)據(jù)與P。差值絕對(duì)值小于Th的個(gè)數(shù)小于2，即G1中的其它數(shù)據(jù)與P。都不相近且G2中也沒有2個(gè)或2個(gè)以上的數(shù)據(jù)與P。相近，則判定該P(yáng)。值即為噪聲數(shù)據(jù)并用G1中所有5個(gè)數(shù)據(jù)的中值來(lái)作為濾波后的數(shù)據(jù)；2)若Nc=I且G2中不存在與Pnrare差值絕對(duì)值小于Th的數(shù)據(jù)，即與P?？臻g相鄰的數(shù)據(jù)中只有I個(gè)數(shù)據(jù)與P。相近，則判定該P(yáng)。值即為噪聲數(shù)據(jù)并用G1中所有5個(gè)數(shù)據(jù)的中值來(lái)作為濾波后的數(shù)據(jù)；3)其它情況中存在至少3個(gè)數(shù)據(jù)在空間上相連續(xù)且數(shù)值相近，判定P。為非噪聲數(shù)據(jù)并直接將P。原值作為濾波后的數(shù)據(jù)。(5)重復(fù)步驟(2)到(4)的操作，直至處理完原始圖像中所有色度空間分量數(shù)據(jù)。(6)輸出由所有濾波后數(shù)據(jù)組成的一幀濾波后圖像。
權(quán)利要求
1.一種基于像素空間相關(guān)性判別的圖像去噪方法，其特征在于所述方法包括以下步驟 (1)輸入一幀待濾波的原始圖像； (2)取原始圖像中的一個(gè)未濾波的色度空間分量數(shù)據(jù)P。，接著將P。及其上方、下方、左方和右方存在的空間相鄰數(shù)據(jù)組成數(shù)組G1 ； (3)先統(tǒng)計(jì)色度空間分量數(shù)據(jù)P。與數(shù)組G1中其它數(shù)據(jù)差值絕對(duì)值diff小于閾值Th的個(gè)數(shù)N。；再根據(jù)N。及P。所處的空間位置擴(kuò)展選取數(shù)組G2,具體如下 (a)當(dāng)Nc=O,若P。為頂點(diǎn)或邊界點(diǎn)位置的色度空間分量數(shù)據(jù)，則不擴(kuò)展選取數(shù)組G2;否則取P。的左上、左下、右上和右下方向的4個(gè)相鄰數(shù)據(jù)組成數(shù)組G2 ；(b)當(dāng)Nc=I,將G1中唯一滿足diff< Th的分量數(shù)據(jù)記為Pnew。，先取Pnewe及其所在位置的上、下、左、右及左上、左下、右上和右下共八個(gè)方向存在的空間相鄰數(shù)據(jù)組成數(shù)組Gtraip ；再取Gtraip中除去G1中數(shù)據(jù)的部分組成數(shù)組G2 ； (c)當(dāng)N。>2，則不擴(kuò)展選取數(shù)組G2 ； (4)利用P。所處位置，以及步驟(3)中獲得的N。、Pnewc和數(shù)組G2,并根據(jù)像素空間相關(guān)性來(lái)判別P。是否為噪聲數(shù)據(jù)，若為噪聲數(shù)據(jù)，則進(jìn)行相應(yīng)濾波替換，否則保留P。原值作為濾波后的數(shù)據(jù)； (5)重復(fù)步驟(2)到(4)的操作，直至處理完原始圖像中所有色度空間分量數(shù)據(jù)； (6)輸出由所有濾波后數(shù)據(jù)組成的一幀濾波后圖像。
2.如權(quán)利要求I所述的一種基于像素空間相關(guān)性判別的圖像去噪方法，其特征在于所述步驟(4)中，利用像素空間相關(guān)性來(lái)進(jìn)行判別過(guò)程如下 (a)當(dāng)P。為頂點(diǎn)位置的色度空間分量數(shù)據(jù)，分如下三種情況進(jìn)行處理1)若Nc=OJPG1中的其它數(shù)據(jù)與P。都不相近，則判定P。為噪聲數(shù)據(jù)并用G1中的其它2個(gè)數(shù)據(jù)的均值替換；2)若Nc=I且G2中不存在與Pnrare差值絕對(duì)值小于Th的數(shù)據(jù)，即與P。空間相鄰的數(shù)據(jù)中只有I個(gè)數(shù)據(jù)與P。相近，則判定P。為噪聲數(shù)據(jù)并用G1中與P。差值絕對(duì)值大于等于Th的數(shù)據(jù)替換；3)其它情況中存在3個(gè)數(shù)據(jù)在空間上相連續(xù)且數(shù)值相近，判定P。為非噪聲數(shù)據(jù)并保留P。原值，即直接將P。作為濾波后的數(shù)據(jù)； (b)當(dāng)P。為除了4個(gè)頂點(diǎn)外的邊界位置的色度空間分量數(shù)據(jù)，分如下三種情況進(jìn)行處理1)若Nc=O,即G1中的其它數(shù)據(jù)與P。都不相近，則判定P。為噪聲數(shù)據(jù)并用G1中其它3個(gè)數(shù)據(jù)的中值替換；2)若Nc=I且G2中不存在與Pnew。差值絕對(duì)值小于Th的數(shù)據(jù)，即與P?？臻g相鄰的數(shù)據(jù)中只有I個(gè)數(shù)據(jù)與P。相近，則判定P。為噪聲數(shù)據(jù)并用G1中與P。差值絕對(duì)值大于等于Th的2個(gè)數(shù)據(jù)的均值替換；3)其它情況中存在至少3個(gè)數(shù)據(jù)在空間上相連續(xù)且數(shù)值相近，判定P。為非噪聲數(shù)據(jù)并直接將P。原值作為濾波后的數(shù)據(jù)； (c)當(dāng)P。為除了邊界外剩余位置的色度空間分量數(shù)據(jù)，分如下三種情況進(jìn)行處理1)若Nc=O且G2中的數(shù)據(jù)與P。差值絕對(duì)值小于Th的個(gè)數(shù)小于2，即G1中的其它數(shù)據(jù)與P。都不相近且G2中也沒有2個(gè)或2個(gè)以上的數(shù)據(jù)與P。相近，則判定P。為噪聲數(shù)據(jù)并用G1中所有5個(gè)數(shù)據(jù)的中值來(lái)作為濾波后的數(shù)據(jù)；2)若Nc=I且G2中不存在與Pnew。差值絕對(duì)值小于Th的數(shù)據(jù)，即與P。空間相鄰的數(shù)據(jù)中只有I個(gè)數(shù)據(jù)與P。相近，則判定P。為噪聲數(shù)據(jù)并用G1中所有5個(gè)數(shù)據(jù)的中值來(lái)作為濾波后的數(shù)據(jù)；3)其它情況中存在至少3個(gè)數(shù)據(jù)在空間上相連續(xù)且數(shù)值相近，判定P。為非噪聲數(shù)據(jù)并直接將P。原值作為濾波后的數(shù)據(jù)。
全文摘要
一種基于像素空間相關(guān)性判別的圖像去噪方法，主要包括以下步驟(1)輸入一幀待濾波的原始圖像；(2)取原始圖像中的一個(gè)未濾波的色度空間分量數(shù)據(jù)Pc，將Pc及其在上下左右四個(gè)方向存在的空間相鄰分量數(shù)據(jù)組成數(shù)組G1；(3)計(jì)算Pc與G1中其它數(shù)據(jù)在數(shù)值上相近的個(gè)數(shù)Nc，并根據(jù)Nc及Pc位置選取相鄰數(shù)據(jù)組成數(shù)組G2；(4)根據(jù)Nc、G2以及像素空間相關(guān)性來(lái)判別Pc是否為噪聲數(shù)據(jù)，若為噪聲，則進(jìn)行濾波替換，否則保留Pc原值；(5)重復(fù)步驟(2)到(4)，直至處理完原始圖像中所有色度空間分量數(shù)據(jù)；(6)輸出一幀濾波后的圖像。本發(fā)明能在保持圖像細(xì)節(jié)的前提下獲得良好的去噪效果。
文檔編號(hào)G06T5/00GK102890819SQ201210329780
公開日2013年1月23日 申請(qǐng)日期2012年9月7日 優(yōu)先權(quán)日2012年9月7日
發(fā)明者朱威, 韓巨峰, 鄭雅羽, 陳朋, 汝巖, 俞立 申請(qǐng)人:浙江工業(yè)大學(xué)