基于加权中值滤波的图像纹理滤波方法

基于加权中值滤波的图像纹理滤波方法
【专利摘要】本发明提供了一种基于加权中值滤波的图像纹理滤波方法。该方法可以简要的概括为以下五个步骤：用户给定一幅图像作为输入图像；根据输入图像进行均值滤波操作得到一个均值滤波后的图像；根据输入图像计算得到一个改进的相对总变化的图像；根据改进的相对总变化的图像插值输入图像和均值滤波后的图像获得一个引导图像；根据引导图像计算权值，采用加权中值滤波对输入图像进行纹理滤波操作，求得纹理滤波后的图像。本方法基于加权中值滤波对图像进行纹理滤波操作，提出了一种新的计算引导图像的方法，同时该方法和已有算法相比能够较好处理图像中包含的具有极端变化的纹理信息。
【专利说明】
基于加权中值滤波的图像纹理滤波方法
技术领域
[0001] 本发明涉及一种图像纹理滤波方法，尤其是基于加权中值滤波的图像纹理方法。
【背景技术】
[0002] 图像纹理滤波算法是指利用算法去除图像中包含的复杂纹理信息同时保持图像 中的显著结构信息不被弱化。图像纹理滤波算法在图像处理、机器视觉、模式识别等领域都 具有较为广泛的应用。例如图像纹理滤波算法能够用来去除图像中包含的一些分布比较密 集的噪声信息，可以作为预处理操作来提高边缘检测的效果等。由于图像纹理滤波算法的 重要性，有许多算法被提出用来进行纹理滤波操作。
[0003] 基于边界保持的图像滤波算法，这类算法把高对比度的区域看作显著的结构边 界。然而，一些平坦的纹理区域有时也会包含一些高的震荡。因此会容易把这些区域误判成 结构边界。这类算法的典型代表有，Tomasi等人提出的双边滤波器算法（参见Tomasi C， Manduchi R.Bilateral filtering for gray and color images.Proceedings of IEEE International Conference on Computer Vision?IEEE Computer Society，1998:839- 846)、Subr等人提出的基于局部极值的边界保持滤波器算法(参见Subr K，Soler C，Durand F.Edge-preserving multiscale image decomposition based on local extrema.ACM Transactions on Graphics，2009,28:1-9)以及Farbman等人提出的基于加权最小二乘的 边界保持滤波器算法（参见Farbman Z，Fattal R，Lischinski D，Szeliski R.Edge-preserving decompositions for multi-scale tone and detail manipulation.ACM Transactions on Graphics，2008,27(3):15_19)〇
[0004] 根据全局变化区分图像中包含的显著结构信息和复杂纹理信息。Xu等人提出了相 对总变化(Relative Total Variation)来引导图像的纹理滤波操作（参见Xu L，Yan Q，Xia Y，et al.Structure extraction from texture via relative total variation.ACM Transactions on Graphics，2012,31(6) :439_445)。这种类型的算法不能够很好的区分图 像中结构附近的纹理信息，因此对于结构边界附近的纹理信息不能够很好的去除。
[0005] Cho等人提出了利用改进的相对总变化(modified Relative Total Variation) 的图像插值生成引导图像，来进行图像的纹理滤波操作，但是Cho等人采用的是基于双边滤 波器算法。由于双边滤波算法的特性，因此Cho等人的算法会在一定程度上模糊图像的结构 边界同时不能够较好的处理极端变化的纹理信息（参见Cho H，Lee H，Kang H，Lee S.Bilateral texture filtering.ACM Transactions on Graphics，2014,33(4):1-8)〇
[0006] 除了上面介绍的图像纹理滤波算法以外还有许多其他的图像纹理滤波算法，但是 这些算法都具有一些缺陷。因此本发明提出了一种基于加权中值滤波的图像纹理滤波算 法J亥方法给出了一种新的处理图像中纹理信息的方法，并且对于极端变化的纹理信息具 有较好的处理效果。

【发明内容】

[0007] 本发明的目的：本发明提出了一种基于加权中值滤波的图像纹理滤波方法。该方 法提出了一种新的计算引导图像的方式，并且利用加权中值滤波能够较好的处理图像中包 含的极端变化的纹理信息。
[0008] 本发明设计了一种基于加权中值滤波的图像纹理滤波方法。该方法包括以下五个 步骤：
[0009] (1)给定一幅二维的图像作为输入图像I，其宽度和高度分别记作W和H个像素，I中 像素记作P=(x，y)，贝lJxG{〇，l，2，. ? ?，W_l}，yG{〇，l，2，. . ?，H_l：Kp的像素值记作IP，对于 8位二进制数所表示的灰度图像，图像最多有28 = 256个灰度值，因此IPG {〇，1，2,. . .，255}。 对于利用RGB颜色空间表示的彩色图像，图像每个通道的亮度值用8位二进制数表示，IP = |>，8，13]且1'，8，13￡{〇，1，2，...，255}。给定1^值(1^为奇数），则像素口的矩形邻域〇 1)是以像素 P为中心的大小为kXk的二维矩形。
[0010] (2)根据步骤（1)中输入图像I和给定的矩形邻域进行均值滤波操作，得到 均值滤波后的图像B。计算方法如下：
[0012] N表示像素p邻域内所有像素的个数，q表示邻域的像素。对于彩色图像需要 对RGB三个通道分别计算均值。
[0013] (3)根据步骤（1)中输入图像I和给定的矩形邻域Qp，计算改进的相对总变化的图 像，记作mRTV。计算方法如下：
[0015] Imax(Qp)和Imin(Q p)分别表示邻域Qp内最大和最小的像素值，表示像素q 的梯度值，e = l〇_9用来防止分母为零。如果图像I是彩色图像，首先将彩色图像转换为灰度 图像，然后根据上述操作计算得到改进的相对总变化的图像。
[0016] (4)根据步骤(3)中的改进的相对总变化的图像mRTV，插值步骤(1)中的输入图像I 和步骤(2)中得到的均值滤波后的图像B，得到引导图像G。插值方法如下：
[0017] Gp = apIp+( l-ap)BP
[0018] ap = tanh(〇a ? mRTV( Q P))
[0019] aPG[0，l]用来作为插值的权值，〇a控制进行图像纹理滤波操作结构边界过渡到纹 理区域的锐化度，默认值设为~=k。
[0020] (5)根据步骤(4)中求得的引导图像G计算权值，基于加权中值滤波对步骤(1)中的 输入图像I进行纹理滤波操作，得到纹理滤波后的图像J。根据Ma等人提出的加权中值滤波 算法进行加权中值滤波（详细内容参见Ma Z，He K，Wei Y，Sun J，Wu E.Constant time weighted median filtering for stereo matching and beyond.Proceedings of IEEE International Conference on Computer Vision?IEEE Computer Society，2013:49- 56)。该加权中值滤波计算方法如下：
[0023]式中，h是一个多层直方图，i是一个离散的整数值并与IP的取值范围相等，即i e {0，1，2，. . .，255}，因此h共有256层直方图。S(x)表示克罗内克(Kronecker)函数，即：当x = 0时函数返回值为1，反之为(Kw(p，q)是根据引导图像G求得的权值，可以采用任意的边缘保 持滤波器来计算。可以采用具有引导滤波算法来计算权值w(p，q)(详细内容参见Kaiming H，Jian S，Xiaoou T.Guided image filtering[J].IEEE Transactions on Pattern Analysis&Machine Intelligence，2013,35(6): 1397-1409)，当然也可以米用双边滤波器 来计算该权值（详细内容参见Tomasi C，Manduchi R.Bilateral filtering for gray and color images.Proceedings of IEEE International Conference on Computer Vision, IEEE Computer Society，1998:839-846)。纹理滤波后，图像中p像素的输出像素值JP即为 满足
的最小层号。
[0024]至此就对输入图像进行了基于加权滤波器的纹理滤波操作。
[0025]本发明涉及的基于加权中值滤波图像纹理滤波器的优势在于，提出了一种新的简 单但有效线性插值方法来计算引导图像，并且运用加权中值滤波来实现图像纹理信息的过 滤，能够在去除图像纹理信息的同时较好的保持图像的显著结构边界，能够有效地过滤图 像中所包含的一些亮度变化较大的纹理信息。
【附图说明】
[0026]图1是实施例的流程不意图。
[0027] 具体实施方法
[0028] 下面通过实施例结合流程示意图对本发明做进一步的阐述。
[0029] 下面结合附图对本发明：基于加权中值滤波的图像纹理滤波方法进行详细说明； 本实施例是以本发明技术方案为前提，进行实施的，并结合了详细的实施方式和过程，但本 发明的保护范围不限于下述的实施例。
[0030] 如图1所示，本实施例所描述的基于加权中值滤波的图像纹理滤波方法可以分为 以下五个步骤：
[0031 ] (1)给定一幅二维的图像作为输入图像I，其宽度和高度分别记作W和H个像素，I中 像素记作P=(x，y)，贝lJxG{〇，l，2，. ? ?，W_l}，yG{〇，l，2，. . ?，H_l：Kp的像素值记作IP，对于 8位二进制数所表示的灰度图像，图像最多有28 = 256个灰度值，因此IPG {〇，1，2,. . .，255}。 对于利用RGB颜色空间表示的彩色图像，图像每个通道的亮度值用8位二进制数表示，IP = |>，8，13]且1'，8，13￡{〇，1，2，...，255}。给定1^值(1^为奇数），则像素口的矩形邻域〇 1)是以像素 P为中心的大小为kXk的二维矩形。
[0032] (2)根据步骤（1)中输入图像I和给定的矩形邻域0 0^1进行均值滤波操作，得到 均值滤波后的图像B。计算方法如下：
[0034] N表示像素p邻域内所有像素的个数，q表示邻域内的像素。对于彩色图像需要对 RGB三个通道分别计算均值。
[0035] (3)根据步骤（1)中输入图像I和给定的矩形邻域Qp，计算改进的相对总变化的图 像，记作mRTV。计算方法如下：
[0037] Imax( QP)和Imin( QP)分别表示邻域QP内最大和最小的像素值，表示像素q 的梯度值，e = l〇_9用来防止分母为零。如果图像I是彩色图像，首先将彩色图像转换为灰度 图像，然后根据上述操作计算得到改进的相对总变化的图像。
[0038] (4)根据步骤(3)中的改进的相对总变化的图像mRTV，插值步骤(1)中的输入图像I 和步骤(2)中得到的均值滤波后的图像B，得到引导图像G。插值方法如下：
[0039] Gp = apIp+(l-ap)BP
[0040] ap = tanh(〇a ? mRTV( Q P))
[0041] aPG[0，l]用来作为插值的权值，pa控制进行图像纹理滤波操作结构边界过渡到纹 理区域的锐化度，默认值设为~=k。
[0042] (5)根据步骤(4)中求得的引导图像G计算权值，基于加权中值滤波对步骤(1)中的 输入图像I进行纹理滤波操作，得到纹理滤波后的图像J。根据Ma等人提出的加权中值滤波 算法进行加权中值滤波。计算方法如下：
[0045] 式中，h是一个多层直方图，i是一个离散的整数值并与IP的取值范围相等，即i e {0，1，2，. . .，255}，因此h共有256层直方图。S(x)表示克罗内克(Kronecker)函数，即：当x = 0时函数返回值为1，反之为(Kw(p，q)是根据引导图像G求得的权值，可以采用任意的边缘保 持滤波器来计算。可以采用具有引导滤波算法来计算权值w(p，q)。纹理滤波后，图像中p像 素的输出像素值1即为满足
的最小层号。
[0046] 至此就对输入图像进行了基于加权滤波器的纹理滤波操作。
【主权项】
1. 一种基于加权中值滤波的图像纹理滤波方法，可以阐述为以下五个步骤： (1) .给定一幅图像作为输入图像，给定一个二维矩形作为每个像素的矩形邻域； (2) .根据步骤(1)中的输入图像和给定的二维矩形，对输入图像进行均值滤波操作，得 到一个均值滤波后的图像； (3) .根据步骤（1)中的输入图像和给定的二维矩形，计算得到一个改进的相对总变化 的图像； (4) .根据步骤(3)中的改进的相对总变化的图像插值步骤（1)中的输入图像和步骤(2) 中的均值滤波后的图像，得到一个引导图像； (5) .根据步骤(4)中的引导图像计算权值，基于加权中值滤波对输入图像进行纹理滤 波操作，得到纹理滤波后的图像。
【文档编号】G06T5/00GK105931192SQ201610194712
【公开日】2016年9月7日
【申请日】2016年3月21日
【发明人】赵汉理, 姜磊
【申请人】温州大学