专利名称：一种基于像素空间相关性判别的图像去噪方法
技术领域：
本发明属于数字图像处理领域，具体涉及一种图像去噪方法。
背景技术：
在数字图像领域，由于各种原因使得图像经常会受到噪声的污染。噪声破坏了图像原有的信息，妨碍人们对图像的理解，同时也对图像的相关处理带来困难，因此对图像进行去噪处理具有广泛的应用空间。中值滤波方法是一种比较常用的滤波方法，基本原理是把数字图像中心点位置的 值用该点及其邻域的中值代替。虽然这种滤波器具有运算简单、速度快，能够较好地滤除椒盐噪声的优点，但也存在使图像的细节变模糊的问题。中值滤波根据窗口的形状可分为方形中值滤波、十字中值滤波、交叉形中值滤波等。方形中值滤波在滤除噪声的同时会将图像的角点错误地当成噪声点滤除；十字中值滤波会将45°和135°的线和角削平；交叉形中值滤波则会将0°和90°方向上的线和角削平(见“李小红，蒋建国，吴从中，詹曙.图像去椒盐噪声滤波器的研究.工程图学学报.2009,6. ”)。在噪声点判断方法上，申请号为201010610864. 7的专利计算图像的联合概率分布，根据联合概率分布确定灰度的阈值范围，若窗口的中值落在灰度阈值范围内则不处理，否则用中值替换；申请号为200510002941. x的专利采用获取图像的灰度均值和方差值，判断图像像素点是否在均值上下3倍方差内的方式来判断噪点。以上两种方法对图像的纹理边缘、单像素纹理、单像素文字线条等图像细节显著变化部分不能有效的保护，会丢失较多的图像信息，在图像边界处理上也存在过度去噪的缺陷。
发明内容
为了克服传统中值滤波方法在滤除噪声的同时也丢失了图像细节的问题，本发明提供了一种基于像素空间相关性判别的图像去噪方法，能在保持图像细节的同时有效去除图像噪声。为了解决上述技术问题采用的技术方案为—种基于像素空间相关性判别的图像去噪方法，所述方法包括以下步骤( I)输入一帧待滤波的原始图像；(2)取原始图像中的一个未滤波的色度空间分量数据P。，接着将P。及其上方、下方、左方和右方存在的空间相邻数据组成数组G1 ；(3)先统计色度空间分量数据P。与数组G1中其它数据差值绝对值diff小于阈值Th的个数N。；再根据N。及P。所处的空间位置扩展选取数组G2,具体如下(a)当Nc=O,若P。为顶点或边界点位置的色度空间分量数据，则不扩展选取数组G2 ;否则取P。的左上、左下、右上和右下方向的4个相邻数据组成数组G2 ；(b)当Nc=I,将G1中唯一满足diff < Th的分量数据记为Pnew。，先取Pnewe及其所在位置的上、下、左、右及左上、左下、右上和右下共八个方向存在的空间相邻数据组成数组Gtemp ;再取Gtomp中除去G1中数据的部分组成数组G2 ；(c)当Nc彡2，则不扩展选取数组G2 ；(4)利用P。所处位置，以及步骤(3)中获得的N。、Pnewc和数组G2,并根据像素空间相关性来判别P。是否为噪声数据，若为噪声数据，则进行相应滤波替换，否则保留P。原值作为滤波后的数据；(5)重复步骤(2)到(4)的操作，直至处理完原始图像中所有色度空间分量数据；(6)输出由所有滤波后数据组成的一帧滤波后图像。进一步，所述步骤(4)中，利用像素空间相关性来进行判别过程如下(a)当P。为顶点位置的色度空间分量数据，分如下三种情况进行处理1)若凡=0，即G1中的其它数据与P。都不相近，则判定P。为噪声数据并用G1中的其它2个数据的均值替换；2)若Nc=I且G2中不存在与Pnew。差值绝对值小于Th的数据，即与P。空间相邻的数据中只有I个数据与P。相近，则判定P。为噪声数据并用G1中与P。差值绝对值大于等于Th的数据替换；3)其它情况中存在3个数据在空间上相连续且数值相近，判定P。为非噪声数据并保留P。原值，即直接将P。作为滤波后的数据；(b)当P。为除了 4个顶点外的边界位置的色度空间分量数据，分如下三种情况进行处理1)若Nc=O,即G1中的其它数据与P。都不相近，则判定P。为噪声数据并用G1中其它 3个数据的中值替换；2)若Nc=I且G2中不存在与Pnew。差值绝对值小于Th的数据，即与P。空间相邻的数据中只有I个数据与P。相近，则判定P。为噪声数据并用G1中与P。差值绝对值大于等于Th的2个数据的均值替换；3)其它情况中存在至少3个数据在空间上相连续且数值相近，判定P。为非噪声数据并直接将P。原值作为滤波后的数据；(c)当P。为除了边界外剩余位置的色度空间分量数据，分如下三种情况进行处理I)若Nc=O且G2中的数据与P。差值绝对值小于Th的个数小于2，即Gl中的其它数据与P。都不相近且G2中也没有2个或2个以上的数据与P。相近，则判定P。为噪声数据并用G1中所有5个数据的中值来作为滤波后的数据；2)若Nc=I且G2中不存在与Pnrare差值绝对值小于Th的数据，即与P。空间相邻的数据中只有I个数据与P。相近，则判定P。为噪声数据并用G1中所有5个数据的中值来作为滤波后的数据；3)其它情况中存在至少3个数据在空间上相连续且数值相近，判定P。为非噪声数据并直接将P。原值作为滤波后的数据。本方法的技术构思为为了在去除噪声的同时，尽量地保持图像的细节信息，可以将噪声的去除过程划分为两个步骤一是噪声点的判断；二是选取一个合适的值来替代噪声点的值。基于这种结构的滤波算法，克服了以往中值滤波将所有的像素点做统一处理、容易造成图像模糊的弊端，可以在去噪和细节保护上找到了一个平衡点。在待滤波数据的空间邻近区域中若存在2个或2个以上的邻近数据与待滤波数据数值相近，即包括待滤波数据在内至少有3个数值相近的数据且在空间上相连续，则可以判定待滤波数据为非噪声数据，否则判定为噪声数据，并根据噪声数据所处位置进行相应的滤波处理。与现有技术相比，本方法具有以下有益效果能在滤除噪声的同时，很好地保护图像细节，特别是图像的纹理边缘、单像素纹理、单像素文字线条等图像细节显著变化的图像数据，且对图像的边界也能进行针对性去噪处理。
图I为一种基于像素空间相关性判别的图像去噪方法流程图。图2为图像中不同位置色度空间分量数据的数组G1选取示意图。其中，(a)为左上顶点位置数据选取的数组G1 ;(b)为右上顶点位置数据选取的数组G1 ; (c)为左下顶点位置数据选取的数组G1 ;(d)为右下顶点位置数据选取的数组G1 ;(e)为非边界部分位置数据选取的数组G1 ;(f)为左边界点位置数据选取的数组G1 ;(g)为上边界点位置数据选取的数组G1 ;图(h)为右边界点位置数据选取的数组G1 ;(i)为下边界点位置数据选取的数组匕。图3为图像顶点位置、除去顶点的边界位置及非边界位置的色度空间分量数据的数组G2选取示意图。其中，(a)为Nc=O时，非边界点位置数据选取的数组G2; (bl)和(b2)为Pnew。分别为Pd和P1 时,左上顶点位置数据选取的数组G2 ； (Cl)到(c3)为Pnrare分别为PpPd和已时，上边界点位置数据选取的数组G2 ； (c4)为Pnrare为P1时，与左上顶点相邻的上边界点位置数据选取的数组G2 ； (c5)为Pnrare为已时，与右上顶点相邻的上边界点位置数据选取的数组G2 ； (dl)到(d4)为Pnewc分别为Pd、Pr、Pu和P1时，非边界点位置数据选取的数组G2 ； (d5)为Pnew。为Pu时，与上边界相邻的非边界点位置数据选取的数组G2 ;数组G2中的数据在图中用字母E标识出来。
具体实施例方式下面结合附图和实例来说明本发明的具体实施方式
。应当指出，以下描述的方式只是优选方式之一，在本发明的范围内，本领域的技术人员还可以想出其它一些替代实施方式。·参照图1，一种基于像素空间相关性判别的图像去噪方法，包括步骤如下( I)输入一帧待滤波的原始图像。(2)取原始图像中的一个未滤波的色度空间分量数据P。，接着取P。及其上方存在的空间相邻数据Pu、下方存在的空间相邻数据Pd、左方存在的空间相邻数据P1和右方存在的空间相邻数据Pr组成数组匕。图2(a广2(d)分别为原始图像的左上、右上、左下及右下方向4个顶点位置数据的G1选取示意图，图2 (f) 2 (i)分别为除去4个顶点位置的左边界、上边界、右边界及下边界位置数据的G1选取示意图，图2 (e)为非边界位置数据的G1选取示意图。(3)计算P。与G1中其它数据数值相近的个数N。，并根据N。及P。所处的空间位置，来扩展选取由空间相邻数据组成的数组G2。即先统计P。与G1中其它数据差值绝对值diff小于阈值Th的个数N。，其中Th根据经验通常取5 15，此处取10 ;再根据N。及P。所处的空间位置扩展选取数组G2，具体如下(a)当Nc=O,若P。为顶点或边界位置的色度空间分量数据，则不扩展选取数组G2 ；否则取P。的左上、左下、右上和右下方向4个相邻数据组成数组G2，如图3(a)所示。(b)当Nc=I,将G1中唯一满足diff小于Th的数据记为Pnew。，取Pnewe以及Pnewc的上、下、左、右及左上、左下、右上和右下共八个方向存在的空间相邻数据组成数组GtMP。再取Gtraip中除去G1中数据的部分组成数组G2。G2的具体选取方式如下(I)若P。为顶点位置的色度空间分量数据，以图像的左上顶点为例，若Pnrare为Pd，则按图3(bl)所示方式选取G2，若Pnrat。为Pp则按图3 (b2)所示方式选取G2。图像中的其它3个顶点位置数据也做类似的处理。(II)若P。为除去顶点后的边界位置的色度空间分量数据，以图像的上边界为例，若Pnewc为P1则按图3 (Cl)所示方式选取G2 ;若Pnewc为Pd则按图3 (c2)所示方式选取G2 ;若Pnewc为匕则按图3 (c3)所示方式选取G2 ;若P。为左上顶点位置右方的数据和右上顶点位置左方的数据且Pnew。分别为PJPPr时，按图3(C4)和3(c5)所示方式选取G2。图像中的其它边界位置数据也做类似的处理。(III)若P。为除去边界外的剩余位置的色度空间分量数据，当Pnrare为Pd时则按图
3(dl)所示方式选取G2 ；当Pnewc为Pr时则按图3 (d2)所示方式选取G2 ；当Pnewc为Pu时则按图3 (d3)所示方式选取G2 ;当Pnrare为P1时则按图3 (d4)所示方式选取G2 ;当P。为上边界下方位置的数据且Pnrat。为Pu时则按图3 (d5)所示方式选取G2。图像中其它与边界相邻位置的数据向对应边界方向扩展选取G2时也做类似处理。(c)当N。彡2，则不扩展选取数组G2。·(4)利用P。所处位置，以及步骤(3)中获得的N。、Pnewc和数组G2,并根据像素空间相关性来判别P。是否为噪声数据，若为噪声数据，则进行相应滤波替换，否则保留P。原值作为滤波后的数据。具体处理过程如下(a)当P。为顶点位置的色度空间分量数据，分如下三种情况进行处理1)若Nc=O,即G1中的其它数据与P。都不相近，则判定P。为噪声数据并用G1中的其它2个数据的均值替换；2)若Nc=I且G2中不存在与Pnew。差值绝对值小于Th的数据，即与P。空间相邻的数据中只有I个数据与P。相近，则判定该P。值即为噪声数据并用G1中与P。差值绝对值大于等于Th的数据替换；3)其它情况中存在3个数据在空间上相连续且数值相近，判定P。为非噪声数据并保留P。原值，即直接将P。作为滤波后对应的色度空间分量数据。(b)当P。为除了 4个顶点外的边界位置的色度空间分量数据，分如下三种情况进行处理1)若Nc=O,即G1中的其它数据与P。都不相近，则判定P。为噪声数据并用G1中其它3个数据的中值替换；2)若Nc=I且G2中不存在与Pnew。差值绝对值小于Th的数据，即与P。空间相邻的数据中只有I个数据与P。相近，则判定P。为噪声数据并用G1中与P。差值绝对值大于等于Th的2个数据的均值替换；3)其它情况中存在至少3个数据在空间上相连续且数值相近，判定P。为非噪声数据并直接将P。原值作为滤波后的数据。(c)当P。为除了边界外剩余位置的色度空间分量数据，分如下三种情况进行处理I)若Nc=O且G2中的数据与P。差值绝对值小于Th的个数小于2，即G1中的其它数据与P。都不相近且G2中也没有2个或2个以上的数据与P。相近，则判定该P。值即为噪声数据并用G1中所有5个数据的中值来作为滤波后的数据；2)若Nc=I且G2中不存在与Pnrare差值绝对值小于Th的数据，即与P。空间相邻的数据中只有I个数据与P。相近，则判定该P。值即为噪声数据并用G1中所有5个数据的中值来作为滤波后的数据；3)其它情况中存在至少3个数据在空间上相连续且数值相近，判定P。为非噪声数据并直接将P。原值作为滤波后的数据。(5)重复步骤(2)到(4)的操作，直至处理完原始图像中所有色度空间分量数据。(6)输出由所有滤波后数据组成的一帧滤波后图像。
权利要求
1.一种基于像素空间相关性判别的图像去噪方法，其特征在于所述方法包括以下步骤 (1)输入一帧待滤波的原始图像； (2)取原始图像中的一个未滤波的色度空间分量数据P。，接着将P。及其上方、下方、左方和右方存在的空间相邻数据组成数组G1 ； (3)先统计色度空间分量数据P。与数组G1中其它数据差值绝对值diff小于阈值Th的个数N。；再根据N。及P。所处的空间位置扩展选取数组G2,具体如下 (a)当Nc=O,若P。为顶点或边界点位置的色度空间分量数据，则不扩展选取数组G2;否则取P。的左上、左下、右上和右下方向的4个相邻数据组成数组G2 ；(b)当Nc=I,将G1中唯一满足diff< Th的分量数据记为Pnew。，先取Pnewe及其所在位置的上、下、左、右及左上、左下、右上和右下共八个方向存在的空间相邻数据组成数组Gtraip ；再取Gtraip中除去G1中数据的部分组成数组G2 ； (c)当N。>2，则不扩展选取数组G2 ； (4)利用P。所处位置，以及步骤(3)中获得的N。、Pnewc和数组G2,并根据像素空间相关性来判别P。是否为噪声数据，若为噪声数据，则进行相应滤波替换，否则保留P。原值作为滤波后的数据； (5)重复步骤(2)到(4)的操作，直至处理完原始图像中所有色度空间分量数据； (6)输出由所有滤波后数据组成的一帧滤波后图像。
2.如权利要求I所述的一种基于像素空间相关性判别的图像去噪方法，其特征在于所述步骤(4)中，利用像素空间相关性来进行判别过程如下 (a)当P。为顶点位置的色度空间分量数据，分如下三种情况进行处理1)若Nc=OJPG1中的其它数据与P。都不相近，则判定P。为噪声数据并用G1中的其它2个数据的均值替换；2)若Nc=I且G2中不存在与Pnrare差值绝对值小于Th的数据，即与P。空间相邻的数据中只有I个数据与P。相近，则判定P。为噪声数据并用G1中与P。差值绝对值大于等于Th的数据替换；3)其它情况中存在3个数据在空间上相连续且数值相近，判定P。为非噪声数据并保留P。原值，即直接将P。作为滤波后的数据； (b)当P。为除了4个顶点外的边界位置的色度空间分量数据，分如下三种情况进行处理1)若Nc=O,即G1中的其它数据与P。都不相近，则判定P。为噪声数据并用G1中其它3个数据的中值替换；2)若Nc=I且G2中不存在与Pnew。差值绝对值小于Th的数据，即与P。空间相邻的数据中只有I个数据与P。相近，则判定P。为噪声数据并用G1中与P。差值绝对值大于等于Th的2个数据的均值替换；3)其它情况中存在至少3个数据在空间上相连续且数值相近，判定P。为非噪声数据并直接将P。原值作为滤波后的数据； (c)当P。为除了边界外剩余位置的色度空间分量数据，分如下三种情况进行处理1)若Nc=O且G2中的数据与P。差值绝对值小于Th的个数小于2，即G1中的其它数据与P。都不相近且G2中也没有2个或2个以上的数据与P。相近，则判定P。为噪声数据并用G1中所有5个数据的中值来作为滤波后的数据；2)若Nc=I且G2中不存在与Pnew。差值绝对值小于Th的数据，即与P。空间相邻的数据中只有I个数据与P。相近，则判定P。为噪声数据并用G1中所有5个数据的中值来作为滤波后的数据；3)其它情况中存在至少3个数据在空间上相连续且数值相近，判定P。为非噪声数据并直接将P。原值作为滤波后的数据。
全文摘要
一种基于像素空间相关性判别的图像去噪方法，主要包括以下步骤(1)输入一帧待滤波的原始图像；(2)取原始图像中的一个未滤波的色度空间分量数据Pc，将Pc及其在上下左右四个方向存在的空间相邻分量数据组成数组G1；(3)计算Pc与G1中其它数据在数值上相近的个数Nc，并根据Nc及Pc位置选取相邻数据组成数组G2；(4)根据Nc、G2以及像素空间相关性来判别Pc是否为噪声数据，若为噪声，则进行滤波替换，否则保留Pc原值；(5)重复步骤(2)到(4)，直至处理完原始图像中所有色度空间分量数据；(6)输出一帧滤波后的图像。本发明能在保持图像细节的前提下获得良好的去噪效果。
文档编号G06T5/00GK102890819SQ201210329780
公开日2013年1月23日 申请日期2012年9月7日 优先权日2012年9月7日
发明者朱威, 韩巨峰, 郑雅羽, 陈朋, 汝岩, 俞立 申请人:浙江工业大学