[发明专利]基于模糊综合评判的彩色图像中值滤波方法和系统

说明书

本发明公开了一种基于模糊综合评判的彩色图像中值滤波方法和系统。其中，该方法包括确定判据集和评语集，其中，判据集包括颜色向量的模长L、颜色向量间的角度α、色度H、饱和度S和强度I；评语集包括适中、小偏差和大偏差。计算所有像素点颜色向量的L、α、H、S和I的值。根据所计算的值，构建模糊综合评判模型的模糊综合评判矩阵。对模糊综合评判矩阵赋予权重，并进行加权计算，得到所有像素点颜色向量的评判结果向量。然后，确定最优评判结果向量。最后，在彩色图像上移动滤波窗口，重复上述步骤，直至遍历彩色图像上的所有像素点。通过本发明实施例解决了如何能够清楚地区分出原始图像颜色信息和噪声信息，且能严格地过滤掉椒盐噪声污染的技术问题。

技术领域

本发明实施例涉及图像滤波技术领域，尤其是涉及一种基于模糊综合评判的彩色图像中值滤波方法和系统。

背景技术

彩色图像中值滤波，就是要对彩色图像中的颜色向量定义一种向量序结构，然后根据此序结构，选择处于“中间”位置的向量确定为中值向量。如尺寸大小m×n的彩色图像I，在经典彩色图像中值滤波方向，首先要选定尺寸大小为(2k+1)×(2k+1)的滤波窗口，然后让此滤波窗口在待滤波图像上逐像素点移动，每移动到一个位置，就将此时窗口中的像素点的像素值通过确定的一种序结构进行排序，选择出中间的第(2k+1)²/2+1个向量确定为滤波窗口中心点的新的像素值。

在传统彩色图像中值滤波过程中，输出结果始终为滤波窗口中的像素值的中值，不会产生新的颜色信息，因此图像原有的色调得到了很大程度的保持，但是由于向量中值的定义方法不统一，所以会发生图像细节或者边界丢失的问题，而且由于其建立序结构的方式比较传统，为计算窗口中像素点间矢量差值的二范数之和并排序，所以计算量大。

改进的彩色图像中值滤波则是将线性均值滤波和非线性矢量中值滤波结合在一起，它会在滤波之前首先对滤波窗口中的像素点进行两次剔除，然后对剩下的颜色向量才进行传统中值滤波的过程，所以此方法在运算量上比经典滤波过程少，节省了时间的同时有效去除了噪声。但是这种方法也有缺点，它没考虑到某个待滤波的向量与其邻域内像素点颜色向量的关系，所以会导致有用信息丢失，使图像产生边缘模糊，没有很好的保护图像细节。

现有彩色图像中值滤波方法都要先对彩色图像中的颜色向量根据某种定义建立序列结构，而根据这些矢量序定义的序列结构各有不足，会导致在图像中值滤波过程中产生各种前文所述的问题。

发明人在实现本发明的过程中，发现现有技术至少存在以下缺陷：

在滤波过程中无法保证图像的视觉品质，无法清楚地区分出原始图像颜色信息和噪声信息，不能严格地过滤掉椒盐噪声的污染。

有鉴于此，特提出本发明。

发明内容

本发明实施例的主要目的在于提供一种基于模糊综合评判的彩色图像中值滤波方法，其至少部分地解决了如何在滤波过程中保证图像的视觉品质，能够清楚地区分出原始图像颜色信息和噪声信息，且能严格地过滤掉椒盐噪声污染的技术问题。此外，还提供一种基于模糊综合评判的彩色图像中值滤波系统。

为了实现上述目的，根据本发明的一个方面，提供了以下技术方案：

一种基于模糊综合评判的彩色图像中值滤波方法，所述方法至少包括：

步骤1：在所述彩色图像上，确定滤波窗口；

步骤2：确定模糊综合评判模型的判据集和评语集，其中，所述判据集包括颜色向量的模长L、颜色向量间的角度α、色度H、饱和度S和强度I；所述评语集包括适中、小偏差和大偏差；

步骤3：计算所述滤波窗口内所有像素点颜色向量的所述L、所述α、所述H、所述S和所述I的值；

步骤4：根据所述所有像素点颜色向量的所述L、所述α、所述H、所述S和所述I的值，构建所述模糊综合评判模型的模糊综合评判矩阵；