[发明专利]一种自适应平滑滤波方法

说明书

本发明公开了一种自适应平滑滤波方法，该方法包括如下步骤，获取待去噪图像的像素点，判断像素点是否为明显噪声点；如果是明显噪声点，则获取明显噪声点的相似点集合，然后估计明显噪声点的像素值；如果不是明显噪声点，则调整像素点的像素值。本发明的自适应平滑滤波的方法，从图像纹理存在自相似性的角度出发，对无规则的非奇异点进行滤波运算，能够使得图像在边缘和细节点的损失尽可能地减少的情况下进行区域平滑。

技术领域

本发明涉及图像处理技术领域，更为具体来说，是一种自适应平滑滤波方法。

背景技术

图像信号在产生、传输、处理过程中都会受到噪声影响，常见噪声包括由阻性元器件内部产生的高斯噪声、由图像切割引起的黑图像上的椒盐噪声以及光电转换过程中产生的泊松噪声等。

传统的图像去噪或滤波方法可以分为三种：

a、基于空间域的滤波方法，为了达到抑制噪声或消除噪声的目的，通过平滑模板对图像进行处理，如中值滤波、均值滤波、维纳滤波等。

中值滤波算法有如下的缺点：第一，去噪效果的好坏受制于滤波窗口的大小；第二，对所有的像素点均无差别处理，因此在改变噪声点的值的同时，改变了信号点的值；第三，受中值算法本身特性的影响，噪声会在噪声点的邻域内进行传播；第四，对一些细节较多的图像，特别是点、线、尖顶等细节较多的图像，中值滤波算法的滤波效果差。

均值滤波算法有如下的缺点：第一，使用均值滤波算法在降低噪声的同时，会造成图像的模糊，这一点在图像的边缘和细节处尤为明显；第二，随着噪声点的消除，剩下的噪声点的邻域变大了，图像模糊的程度会变得更加严重。

维纳滤波算法有如下的缺点：第一，维纳滤波的算法往往非常复杂，计算量非常大，处理效率低；第二，维纳滤波会造成图像边缘模糊，而且，随着模板的增加，图像边缘模糊情况越严重。

b、基于变换域的滤波方法，需要对图像进行某种变换，再选用合适的滤波器对图像进行滤波处理。这类方法中，比较典型的是小波阈值法。

但是，小波阈值法对图像边缘与平滑区域不加区分地应用阈值去噪，因此难以对边缘起到很好的保护作用，导致应用小波阈值法去噪后的图像边缘过度平滑。

c、基于分形理论的滤波方法，包括分形编码去噪等方法。

分形编码去噪方法无法将噪声完全消除，而且传统编码过程通常需要进行全局搜索，耗费时间长，计算效率低。

因此，传统的滤波方法虽然能在一定程度上达到去噪的效果，但是对相似性较差的图像边缘恢复较差，不能将噪声完全消除，去噪不精确，滤波后的图像上仍然能显示出噪声点的痕迹，而且计算效率较低、耗费的时间长。

综上所述，获得一种能够完全去除噪声而且效率高的滤波方法成为了本领域技术人员研究的重点。

发明内容

为解决现有滤波技术去噪效果差等缺陷，本发明提供了一种自适应平滑滤波方法，能够在图像的边缘点和细节点损失较小的情况下进行区域平滑滤波。

为实现上述技术目的，本发明公开了一种自适应平滑滤波方法，该方法包括如下步骤：

S1：针对待去噪图像的像素点，判断像素点是否为明显噪声点；

S2：如果是明显噪声点，则获取明显噪声点的相似点集合，然后估计明显噪声点的像素值；

S3：如果不是明显噪声点，则调整像素点的像素值。

本发明创新地将像素点中的明显噪声点划分出来，并通过相似点对其像素值进行估计，在待去噪的图像上合理地滤掉了明显噪声点；对于明显噪声点以外的像素点，实现对其像素值进行合理地调整，实现平滑滤波，对图像的细节处理较好。本发明的主要优点在于将像素点进行分类，采用不同的去噪方法进行滤波，从而实现图像自适应滤波。