图像加权滤波的方法 【技术领域】
本发明涉及数字视频图像的处理， 具体的说是一种图像加权滤波的方法。背景技术 图像滤波是视频图像处理领域中消除噪声的关键步聚。 图像滤波是在尽量保留图 像细节特征的条件下对目标图像的噪声进行抑制， 是图像预处理中不可缺少的操作， 其处 理效果的好坏将直接响到后续图像处理和分析的有效性和可靠性。在图像处理中， 像素点 的属性包括 ： 噪声、 图像和背景。噪声在图像上常表现为一引起较强视觉效果的孤立象素 点或象素块。一般， 噪声信号与要研究的对象不相关， 它以无用的信息形式出现， 扰乱图像 的可观测信息。 对于数字图像信号， 噪声表为或大或小的极值， 这些极值通过加减作用于图 像象素的真实灰度值上， 在图像造成亮、 暗点干扰， 极大降低了图像质量， 影响图像复原、 分 割、 特征提取、 图识别等后继工作的进行。为此， 人们先后从空域和频域或者全局和局部构 建了多种滤波去噪方法， 典型的方法有维纳滤波、 最小二乘法滤波、 多幅图像平均法、 中值 滤波和加权中值滤波等， 判断像素点的属性通常是根据仿真试验预先设定一个阈值， 然后 对该像素点周围的像素点的值求平均后与所设定的阈值进行比较， 如果平均值＞阈值， 判 断该像素点为噪声， 如果平均值≤阈值， 判断该像素点为背景或图像。但是这种判断像素 点属性的方法容易使得结果的误差较大， 同时目前众多的去噪滤波方法也都存在着一个缺 陷， 即： 在取得较好的平滑滤波效果时， 很难同时保持图像边缘和细节。 所以， 探索一种既能 满足实时图像处理达到滤波去噪目的， 又能保持图像边缘和细节的新方法， 是图像滤波去 噪发展的一个重要方向。
发明内容
本发明提供一种图像滤波的方法， 该方法通过加权的方式对图像进行处理后， 能 够在消除图像噪声的同时， 还能够保持图像边缘和细节清晰。
本发明的图像加权滤波的方法， 包括 ： 设定噪声点的阈值和权重系数 ； 分离出图 像信号中的亮度分量 ； 判断待处理像素点的属性 ； 根据待处理像素点的属性使用无向滤波 模板或同时使用无向滤波模板和有向滤波模板对该像素点进行处理。 阈值和权重系数是预 设的参数， 其值可以设为实现效果较好的值。在实际应用中这些值可以通过 I2C 通信接口 进行修改。在对像素点进行处理中使用的无向滤波模板是以待处理像素点为中心像素， 周 围的像素对它具有相同的影响， 有向滤波模板是一个或多个具有某个角度的模板。在本方 法中， 通过计算来考察不同角度像素点与中心像素点的权重差异， 进而判断中心像素点是 不是噪声点。 如果待处理像素点的属性为噪声时， 使用无向滤波模板处理， 如果待处理像素 点的属性为图像或背景时， 使用无向滤波模板和有向滤波模板处理。 经过这样的处理， 在去 除噪声点的同时， 还可以保持图像细节。
为了使图像滤波达到更好的效果， 使用的无向滤波模板为 1 个， 有向滤波模板为 8 个， 其中 8 个有向模板的角度分别为 0°、 45°、 90°、 135°、 180°、 225°、 270°和 315°。滤波模板通常为正方形形状， 在滤波模板上以待处理的像素为中心， X 轴的正向为 0°， 则 连接中心像素 ( 待处理像素 ) 与各相邻像素的直线只可能为图 1 的 a 中所示的 AABBCCDD 四条， 也代表了所有可能的方向， 即上述的 8 个角度。通过对所有角度进行全向加权处理像 素点， 能够取得更好的效果。
在处理像素点的过程中， 一种优选的根据待处理像素点的属性进行处理的方式包 括步骤 ：
a. 计算待处理像素点的亮度分量与无向滤波模板和各有向滤波模板中其它像素 点的亮度分量均值的差值的绝对值 ；
b. 得到步骤 a 中的最小差值 ；
c. 如果步骤 b 中的最小差值＞所述设定的噪声点的阈值， 使用无向滤波模板计算 新的亮度分量， 并将待处理像素点的亮度分量替换为新的亮度分量 ； 如果步骤 b 中的最小 差值≤所述设定的噪声点的阈值， 使用无向滤波模板和各有向滤波模板计算相对应的加权 均值， 并将待处理像素点的亮度分量替换为所述的加权均值。
在图像处理中， 像素点的属性包括 ： 噪声、 图像和背景。如果步骤 b 中的最小差值 ＞所述设定的噪声点的阈值， 待处理像素点的属性判断为噪声 ； 如果步骤 b 中的最小差值 ≤所述设定的噪声点的阈值， 待处理像素点的属性判断为背景或图像。本发明的方法正是 对不同属性的像素点进行了更准确的判断， 使得判断的准确性明显得到提高， 并对不同属 性的像素点进行有针对性的处理， 达到滤波的目的。 一种具体的方案为， 将待处理像素通过视频色差信号色度空间转换， 分离出图像 信号中的亮度分量。将不同属性的像素点经各自的方法计算出的值， 替换像素点原有的亮 度分量， 完成对像素点的处理。
进一步的方案为， 权重系数的个数与模板数量相适应。 权重系数标识为 kab， 其中 a 为≥ 0 的整数， 取值范围与滤波模板的数量相适应， 如果滤波模板的总数为 9 个 (1 个无向 滤波模板和 8 个有向滤波模板 )， a 的取值为 0 ～ 8 的整数。b 的取值为 0 ～ 4 整数， 因此 kab 值的具体表现为 k00， k01， k02......， k10， k11， k12...... 以此类推。
经仿真试验和图像算法开发板上验证， 本发明的图像加权滤波的方法在消除图像 噪声的同时， 还能够保持图像边缘和细节清晰， 极大的改善了图像处理的画质效果。 并且该 方法能够处理视频图像的处理和静态图像处理， 适用面非常广泛。
以下结合由附图所示实施例的具体实施方式， 对本发明的上述内容再作进一步的 详细说明。但不应将此理解为本发明上述主题的范围仅限于以下的实例。在不脱离本发明 上述技术思想情况下， 根据本领域普通技术知识和惯用手段做出的各种替换或变更， 均应 包括在本发明的范围内。
附图说明
图 1 是本发明图像加权滤波的方法的无向滤波模板和有向滤波模板示意图。
图 2 是本发明图像加权滤波的方法的流程图。
图1中a： 无向滤波模板 ； b： 0°取向滤波模板 ； c： 45°取向滤波模板 ； d： 90°取 向滤波模板 ； e： 135° 取向滤波模板 ； f： 180° 取向滤波模板 ； g： 225° 取向滤波模板 ； h： 270°取向滤波模板 ； i： 315°取向滤波模板。具体实施方式
图 1 中表示出了无向滤波模板和 8 个取向角度有向滤波模板， 在这些滤波模板的 基础上进行图像滤波处理。
如图 2 所示， 设定噪声点的阈值 V 和各项权重系数 kab 其中 a ＝ 0 ～ 8 的整数， b＝ 2 0 ～ 4 的整数， 在实际应用中可以通过 I C 通信结构修改设定的阈值 V 和各项权重系数 kab。 将输入的视频图像信号， 经过 YUV 或 YcbCr 方式的视频色差信号色度空间转换， 分离出待处 理像素 f(x， y) 的亮度分量 Y。
判断图像像素点 f(x， y) 的属性， 即： 像素点 f(x， y) 属于图像、 背景或噪声中的 哪一种， 并对不同属性的像素点使用不同的滤波模板进行计算处理。其判断和处理的方法 为：
1) 分别计算待处理像素 f(x， y) 的亮度分量 Y 的值与图 1 中各滤波模板中除待处 理像素 f(x， y) 外的其它像素亮度分量 Y 值的均值的差值的绝对值 Vi(i ＝ 0， 1， 2， 3， 4， 5， 6， 7， 8)， i 取值的 0 ～ 8 与图 1 中 a ～ i 滤波模板一一对应， 即： V0 对应模板 a、 V1 对应模板 b、 ......， 依次类推。Vi 各值的算法为 ：
V0 ＝ |[f(x， y-1)+f(x-1， y)+f(x， y+1)+f(x+1， y)]/4-f(x， y)|
V1 ＝ |[f(x-1， y+1)+f(x， y+1)+f(x， y+2)+f(x+1， y+1)]/4-f(x， y)|
V2 ＝ |[f(x-1， y)+f(x-1， y+1)+f(x-2， y+2)+f(x， y+1)]/4-f(x， y)|
V3 ＝ |[f(x-1， y-1)+f(x-2， y)+f(x-1， y)+f(x-1， y+1)]/4-f(x， y)|
V4 ＝ |[f(x-2， y-2)+f(x-1， y-1)+f(x， y-1)+f(x-1， y)]/4-f(x， y)|
V5 ＝ |[f(x， y-2)+f(x-1， y-1)+f(x， y-1)+f(x+1， y-1)]/4-f(x， y)|
V6 ＝ |[f(x+2， y-2)+f(x， y-1)+f(x+1， y-1)+f(x+1， y)]/4-f(x， y)|
V7 ＝ |[f(x+1， y-1)+f(x+1， y)+f(x+1， y+1)+f(x+2， y)]/4-f(x， y)|
V8 ＝ |[f(x+1， y)+f(x， y+1)+f(x+1， y+1)+f(x+2， y+2)]/4-f(x， y)|
2) 取 Vi 的最小值， 即：
Vmin ＝ min{V0， V1， V 2， V 3， V 4， V 5， V 6， V 7， V 8}
3) 如果 Vmin ＞ V， 即： 各滤波模板内除待处理像素 f(x， y) 外， 所有像素点 Y 值的算 术平均值与待处理像素 f(x， y) 的亮度分量 Y 值之差的绝对值都大于阈值 V， 则待处理像素 f(x， y) 为孤立噪声点。此时， 用模板 a 按下式计算新的亮度分量 Y 值替代待处理像素 f(x， y) 的亮度分量 Y 值。
V0 ＝ int|[f(x， y-1)+f(x-1， y)+f(x， y+1)+f(x+1， y)]/4-f(x， y)|(int 为取整算 法 )。
4) 如果 Vmin ≤ V， 即： 各滤波模板内除待处理像素 f(x， y) 外， 所有像素点 Y 值的算 术平均值与待处理像素 f(x， y) 的亮度分量 Y 值之差的绝对值都小于阈值 V， 则待处理像素 f(x， y) 属于图像或背景。此时， 按下式计算出个序号对应模板的加权均值 L 替代待处理像 素 f(x， y) 的亮度分量 Y 值。
L 0 ＝ [k 00f(x ， y-1)+k 01f(x-1 ， y)+k 02f(x ， y+1)+k 03f(x+1 ， y)+k 04f(x ， y)]/ (k00+k01+k02+k03+k04)
L1 ＝ [k10f(x-1， y+1)+k11f(x， y+1)+k12f(x， y+2)+k13f(x+1， y+1)+k14f(x， y)]/(k10+k11+k12+k13+k14)
L2 ＝ [k20f(x-1， y)+k21f(x-1， y+1)+k22f(x-2， y+2)+k23f(x， y+1)+k24f(x， y)/ (k20+k21+k22+k23+k24)
L3 ＝ [k30f(x-1， y-1)+k31f(x-2， y)+k32f(x-1， y)+k33f(x-1， y+1)+k34f(x， y)]/ (k30+k31+k32+k33+k34)
L4 ＝ [k40f(x-2， y-2)+k41f(x-1， y-1)+k42f(x， y-1)+k43f(x-1， y)+k44f(x， y)]/ (k40+k41+k42+k43+k44)
L5 ＝ [k50f(x， y-2)+k51f(x-1， y-1)+k52f(x， y-1)+k53f(x+1， y-1)+k54f(x， y)]/ (k50+k51+k52+k53+k54)
L6 ＝ [k60f(x+2， y-2)+k61f(x， y-1)+k62f(x+1， y-1)+k63f(x+1， y)+k64f(x， y)]/ (k60+k61+k62+k63+k64)
L7 ＝ [k70f(x+1， y-1)+k70f(x+1， y)+k72f(x+1， y+1)+k73f(x+2， y)+k74f(x， y)]/ (k70+k71+k72+k73+k74)
L8 ＝ [k80f(x+1， y)+k81f(x， y+1)+k82f(x+1， y+1)+k83f(x+2， y+2)+k84f(x， y)]/ (k80+k81+k82+k83+k84) 上面各式中的 kab(a ＝ 0， 1， 2， 3， 4， 5， 6， 7， 8； b ＝ 0， 1， 2， 3， 4) 为权重系数， 根据图 像算法仿真和开发板的实际实验效果来设定 kab 的值， 例如 ： 可以采用滤波模板中各像素点 与待处理像素 f(x， y) 之间的距离的倒数作为该像素的权重系数。
将计算出的新值替换待处理像素 f(x， y) 的亮度分量 Y 后， 重复以上步骤以遍历整 个图像， 完成所有像素点的滤波去噪处理。最后对经滤波处理去噪后的图像输出。