[发明专利]一种基于灰度检测的图像边缘定位及除噪技术

权利要求书

1.一种基于灰度检测的图像边缘定位及除噪技术，其特征在于，包括以下步骤：

S1、图像获取：利用医学设备CT机回去高分辨率和有噪声的3D图像；

S2、图像预处理：图像的预处理主要包括图像的边缘定位以及灰度处理；

S3、图像噪声评估：利用评价算法对图像噪声进行评估；

S4、图像的去噪处理：利用算法对图像进行去噪处理；

S5、图像的结构复原；

S6、图像的噪声添加；

S7、图像分辨率调整；

S8、图像处理完毕。

2.根据权利要求1所述的一种基于灰度检测的图像边缘定位及除噪技术，其特征在于，所述步骤S2具体包括以下步骤：

S2.1、图像的边缘定位：图像的边缘定位主要包括图像滤波、图像增强、图像检测以及图像定位，其中：

图像滤波：利用滤波器改善与噪声相关的边缘检测器的性能；

图像增强：利用增强算法即梯度算子增强邻域强度值有显著变化的点突出现实；

图像检测：依据梯度幅值阈值判断图像边缘突出点；

图像定位：根据图像检测得出边缘的二值化图像即定位边缘点，完成图像的边缘定位；

S2.2、灰度检测及处理，具体包括以下步骤：

S2.2.1、灰度的检测：用RGB三个分量，即红、绿、蓝三原色来表示真彩色，R分量、G分量、B分量的取值范围均为0～255，根据图像的像素尺寸确定R矩阵、G矩阵、B矩阵的大小，R矩阵、G矩阵、B矩阵的大小与像素尺寸相同，根据R矩阵，G矩阵，B矩阵找出对应的R分量、G分量、B分量的对应数值；

S2.2.2、灰度的处理：利用图像的二值化法进行灰度的处理，即使得图像的像素点矩阵中的每个像素点的灰度值为0至255，具体步骤为：计算像素点矩阵中的所有像素点的灰度值的平均值avg，设定X为像素灰度值，n为像素灰度值的数量，X＝(X₁，X₀......X_n)，计算公式为：

(X₁+X₂+......+X_n)/n＝avg，

然后让每一个像素点与avg值一一比较，小于等于avg值的像素点就为0，大于avg值的像素点为255。

3.根据权利要求1所述的一种基于灰度检测的图像边缘定位及除噪技术，其特征在于，所述步骤S3具体为：利用NPS分析图像的噪声，NPS表述为：

4.根据权利要求1所述的一种基于灰度检测的图像边缘定位及除噪技术，其特征在于，所述步骤S4具体为：顺序检测每一个像素，如果一个像素的幅度大于或者小于邻域的平均值，则将该像素判定为噪声，之后用其他邻域平均值代替该像素，具体表达公式为：

g′(x，y)＝{_f(x，y)^{g(x，y)，当f(x，y)-g(x，y)＞T}，满足上述要求时即确定像素噪声处理完毕，如此反复，直至完成去噪处理。

5.根据权利要求1所述的一种基于灰度检测的图像边缘定位及除噪技术，其特征在于，所述步骤S5具体为：设原始图像f(x,y)f(x,y)，则退化后的图像可以表示为：

g(x，y)＝H[f(x，y)]+η(x，y)，其中H为退化函数，η(x,y)为加性噪声，复原的目标是得到基于退化图像的一个估计f^(x,y)，若h是线性的、空间不变的过程，则退化图像在空间频域中可以表示为：

g(x，y)＝h(x，y)*f(x，y)+η(x，y)，进行傅里叶变化后，得到：G(u,v)＝H(u,v)F(u,v)+N(u,v)。

6.根据权利要求1所述的一种基于灰度检测的图像边缘定位及除噪技术，其特征在于，所述步骤S6具体为：利用Box-Muller变换产生Gaussian噪音，Muller变换具体为：假设随机变量X₁,X₂来自独立的处于[0,1]之间的均匀分布，则经过下面两个式子产生的随机变量Z₁,Z₂服从标准高斯分布：

7.根据权利要求1所述的一种基于灰度检测的图像边缘定位及除噪技术，其特征在于，所述步骤S7具体为：利用PhotoShop对图像进行最后的分辨率调整处理。