[发明专利]一种保持结构边缘的图像去纹理方法

说明书

本发明提供了一种保持结构边缘的图像去纹理方法，对给定输入图像，计算自适应空间滤波核尺度、增强处理，增强图像中的结构边缘、进行自适应空间滤波核尺度的联合双边滤波，获得引导图像；根据引导图像，局部拉普拉斯图像滤波器，构造联合局部拉普拉斯滤波器，与联合双边滤波方法的线性混合；计算滤波器线性混合的插值系数；结合输入图像和引导图像，计算联合双边滤波的结果；使用插值系数将输入图像、联合双边滤波结果进行线性混合，得到纹理滤波后的图像。本发明充分考虑了输入图像结构边缘形状，保证滤波后的结果图像具有光滑的边缘和跟输入图像尽可能一致的边缘形状，在滤波结果中能够很好地保持输入图像的色彩效果，提升图像编辑处理的质量。

技术领域

本发明涉及数字图像编辑及计算机视觉技术领域，具体涉及一种保持结构边缘的图像去纹理方法。

背景技术

图像通常包含结构信息和纹理信息。图像去纹理是指采用适当的方法分离图像的结构与纹理信息，在去除纹理信息时要尽可能保护图像结构信息。图像去纹理方法在图像分割、物体识别、显著性检测、图像增强和图像风格化等领域都具有广泛的应用。例如图像去纹理方法能够用于去除非机动车道图像中包含的地砖纹理，可以作为预处理操作来提高盲道的自动化检测效果等。因此，图像去纹理在计算机视觉和计算摄影学等领域具有重要的作用。

近年来，图像去纹理方法被广泛研究。现有的方法包括基于边缘感知的局部滤波方法、基于优化的方法和基于图像块的方法。

基于边缘感知的局部滤波方法，这些方法依靠像素梯度来区分纹理和结构边缘，并采用加权平均机制剔除图像纹理。在这类方法中双边滤波器和引导滤波器是两种最著名的边缘感知图像滤波器。然而，这类方法没有采用明确的度量方法来区分边缘和纹理，因此它们通常无法很好地去除纹理。另一方面，基于全局优化的方法通常需要求解一个大型线性系统，导致它们在计算量上劣势明显。基于图像块的方法根据图像块的特征统计，采用加权平均或者联合双边滤波器对图像进行滤波，获得纹理滤波后的图像。此类方法会破坏去纹理后的图像结构边缘形状，一些细小的结构无法保留，导致在图像后续增强处理时在边缘附近产生明显的瑕疵。

现在多采用联合双边滤波进行图像去纹理，联合双边滤波函数的表达式如下(Johannes Kopf，Michael F.Cohen，Dani Lischinski，and Matt Uyttendaele.Jointbilateral upsampling.ACM Transactions on Graphics.2007，26(3)，Article 96)：

其中：p表示图像内的当前像素，q是p邻域内的像素，是二维空间定义域滤波高斯核函数，其中σ_s是位置方差；是值域滤波高斯核函数，其中σ_r是色彩方差；M表示引导图像；I表示输入图像；J表示输出图像；是归一化系数。

为了保证能保留图像的小结构，一些方法在联合双边滤波中使用自适应空间尺度的引导图像，获得纹理滤波结果。然而这些方法只考虑了图像中纹理的空间尺度，可能会使滤波后输入图像中色彩差异不大的结构边缘也被去除，导致结构形状的缺失。此外基于联合双边滤波器的图像去纹理方法可能会导致边缘的梯度反置而产生诸如光晕等瑕疵。

为了取得在后续图像编辑操作中取得满意的结果，输入图像的色彩效果应该被保护，而且在纹理滤波后输出图像的结构边缘应当是光滑的，其边缘形状应该跟输入图像尽可能一致。因此，本发明提出了一种新的结构边缘保护的图像去纹理方法。该方法基于局部拉普拉斯滤波器，可以很好地保持图像滤波后结构边缘的形状以及保持输入图像的色彩变化。

发明内容

本发明的目的：本发明提出了一种新的保持结构边缘的图像去纹理方法。该方法提出了一种新的计算引导图像方法，结合引导图像和局部拉普拉斯滤波器可以很好地利用各自优点，有效解决传统联合双边滤波纹理滤波方法的问题，较好地在去除纹理信息同时能保护输入图像的结构边缘形状。

一种新的保持结构边缘的图像去纹理方法，其步骤如下：