CN105096277B - 一种基于参数选择的图像自适应指导滤波方法 - Google Patents
一种基于参数选择的图像自适应指导滤波方法 Download PDFInfo
- Publication number
- CN105096277B CN105096277B CN201510593051.4A CN201510593051A CN105096277B CN 105096277 B CN105096277 B CN 105096277B CN 201510593051 A CN201510593051 A CN 201510593051A CN 105096277 B CN105096277 B CN 105096277B
- Authority
- CN
- China
- Prior art keywords
- pixel
- window
- filter window
- gray value
- variance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 12
- 238000009499 grossing Methods 0.000 claims abstract description 32
- 239000011159 matrix material Substances 0.000 claims description 14
- 241000282326 Felis catus Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000002146 bilateral effect Effects 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000003706 image smoothing Methods 0.000 description 2
- 241001191009 Gymnomyza Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
Landscapes
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明公开了一种基于参数选择的图像自适应指导滤波方法,包括确定输入图像I和选择指导图像G,设定滤波窗口w的大小;分别以各像素作为滤波窗口的中心像素,判断指导图像G的当前滤波窗口中各像素点的灰度值与中心像素的灰度值是否相似,统计窗口内相似像素数目并按类别设置偏移函数,同时根据每个窗口方差的大小分类设置平滑因子。完成偏移函数和平滑因子的选择后,将其带入核函数中,按照核函数计算滤波后像素的灰度值,获得滤波后的输出图像。本发明解决了偏移函数和平滑因子选择未考虑窗口自身特性的问题,能够有区别的处理窗口内的局部边缘特征和细节信息。同时依据窗口方差自适应选择多值,使滤波后的图像具有更好的边缘和更多的细节。
Description
技术领域
本发明涉及一种图像自适应指导滤波方法,尤其是一种基于参数选择的图像自适应指导滤波方法,属于图像处理技术领域。
背景技术
在计算机视觉和计算机图像学中,滤波技术被应用到大部分领域,其主要作用是抑制或提取图像的某些内容。经典的平均滤波和高斯滤波属于线性滤波,采用的是加权平均的思想,其核函数具有空间不变性且独立于图像的内容,在抑制噪声的同时,也模糊了图像的边缘。双边滤波是一种典型的非线性滤波,考虑了像素的空间邻近关系,但传统双边滤波存在的非线性估计不足问题。因此,指导滤波应运而生。指导滤波是一种局部的线性模型,在滤波过程中加入一个额外的指导图像并显式地表现在滤波器核函数之中,能快速实现图像平滑滤波和保留边缘的功能,在图像去噪、图像增强、图像去雾等领域有着广泛的应用前景。
图像的指导滤波是一个线性移可变的滤波过程,包括指导图像G,输入图像I和输出图像O。其中指导图像G可以根据应用事先设定,也可以直接取为输入图像I。
对于输出图像中的第i个像素Oi,其计算方法为:
其中i,j为像素位置,Wij为指导滤波器的核函数。其定义为:
式中,wk为第k个核函数窗口,一般来讲,各核函数窗口内的像素个数相等,均为|w|,μk和是指导图像G在第k个核函数窗口内灰度值的均值和方差,ε是平滑因子。k:(i,j)表示第k个核函数窗口的像素位置,Gi和Gj是该核函数窗口内第i个像素和第j个像素的灰度值。
在上述的指导滤波的原理中,主要涉及两个参数的选择:滤波窗口w和平滑因子ε。传统指导滤波未考虑窗口内像素灰度值偏差对滤波的意义,也就是缺少对窗口内最大值和最小值相对均值的偏差分析。为了改进不足,有研究者引入偏移函数ξi,带偏移函数ξi的指导滤波器定义如下:
其中,偏移函数ξi的选择是:
式中,偏移量Δi=Gi-μk。此方法的偏移函数ξi根据各核函数窗口内像素灰度值的最大值MAX(wk)和最小值MIN(wk)确定。当核函数窗口内第i个像素的灰度值Gi大于窗口内灰度均值μk时,偏移函数ξi取窗口内最大值MAX(wk)与该点灰度值的差;同理,当核函数窗口内第i个像素的灰度值Gi小于窗口内灰度均值μk时,偏移函数ξi取该核函数窗口内像素灰度值的最小值MIN(wk)与该点灰度值的差;当该核函数窗口内第i个像素的灰度值Gi等于该核函数窗口内像素灰度值的均值μk时,偏移函数ξi取零,该像素的灰度值不做任何处理。
在指导滤波的核函数之中加入偏移函数,在边缘保持方面效果有所提高。但偏移函数ξi的选择相对片面,在选择偏移函数ξi之前,缺少对每一个核函数窗口内各像素灰度值的具体分析,未考虑到窗口内各像素灰度值之间的联系,造成滤波后图像边缘存在伪影。而且这种方法并没有考虑到指导滤波自身参数平滑因子的选择对滤波结果的影响,整幅图像的平滑因子ε只选用单一的固定值。
当指导图像G的当前窗口方差较大时,说明图像在此窗口内变化较多,包含边缘信息或突出信息。此时窗口的方差将大于平滑因子ε,那么应选择一个较小的ε,这样经过核函数滤波之后,滤波图像将更接近指导图像的变化特征。当指导图像G的当前窗口的方差较小时,说明图像在此窗口内变化较小,相对平滑,此时窗口的方差将小于平滑因子ε,那么应选择一个较大的ε,使滤波后的图像保持原有指导图像的平滑特征。
因此,平滑因子ε的选择不应是单一固定值,应考虑指导图像滤波窗口的方差。在上述方法中,都没有考虑选择不同的平滑因子来进一步对滤波窗口内的边缘和细节信息进行处理。
发明内容
本发明要解决的技术问题是提供一种基于参数选择的图像自适应指导滤波方法。
本发明采用下述技术方案:
一种基于参数选择的图像自适应指导滤波方法,包括以下步骤:
步骤1:选择输入图像I和指导图像G,设定滤波窗口的大小w=(2*r+1)*(2*r+1),r为窗口半径,|w|代表窗口内像素点的个数;
步骤2:分别以各像素为滤波窗口的中心像素,使用核函数滤波输入图像,包括以下具体步骤:
步骤2-1:判断指导图像G的当前滤波窗口中各像素点的灰度值Gi,1≤i≤|w|和中心像素点的灰度值Gm是否相似,如果不相似,将所述像素点的灰度值Gi置为0,否则所述像素点的灰度值Gi保持原值;
步骤2-2:统计当前滤波窗口中和中心像素点的灰度值Gm不相似的像素点的个数;判断其是否超过预设阈值,如果是,设置偏移函数ξi为0;否则,设置偏移函数为:
其中偏移量Δi=Gi-μk,MIN(wk)、MAX(wk)、μk分别为指导图像G的当前滤波窗口内的最小像素灰度值、最大像素灰度值和像素灰度均值;Gi,1≤i≤|w|为指导图像G当前滤波窗口内的第i个像素的灰度值;
步骤2-3:确定平滑因子ε,逐一计算各滤波窗口中像素灰度值的方差并保存在方差矩阵Var;
步骤2-4:依次判断各滤波窗口的方差是否大于等于方差矩阵Var的均值,如果是,定义为大方差滤波窗口,否则,定义为小方差滤波窗口;大方差滤波窗口内的平滑因子小于小方差滤波窗口内的平滑因子,按如下公式选择:
其中i和j代表像素坐标,μvar代表方差矩阵Var的均值;Var(i,j)代表方差矩阵Var在(i,j)点的值;
步骤2-5:将平滑因子设置为核函数的参数,使用核函数计算滤波后像素的灰度值,输出滤波后的图像。
所述步骤2-1中判断所述指导图像G在滤波窗口中各像素点Gi,1≤i≤|w|和中心像素点Gm的灰度值是否相似的方法为判断所述像素点Gi的灰度值与中心像素点Gm的灰度值的差值的绝对值是否小于所述指导图像G在滤波窗口中像素灰度值标准差σk的1/3。
所述步骤2-3中,大方差滤波窗口中的平滑因子和小方差滤波窗口中的平滑因子ε根据相似性判断后的方差矩阵Var自适应选择。
采用上述技术方案所产生的有益效果在于:
1、本发明综合考虑偏移函数ξi和平滑因子ε对滤波结果的影响,在二者选择前加入灰度相似性判断,实现了偏移函数ξi的全面选择,并依据滤波窗口内的方差大小自动确定平滑因子ε,共同实现二者的自适应选择。
2、本发明有区别地处理窗口内的局部边缘特征,因此滤波后的图像在边缘和细节方面具有良好特性。
附图说明
图1是本发明步骤流程图;
图2是本发明实施例1滤波实验结果图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,一种基于参数选择的图像自适应指导滤波方法,包括以下步骤:
步骤1:选择输入图像I和指导图像G,设定滤波窗口的大小w=(2*r+1)*(2*r+1),r为窗口半径,|w|代表窗口内像素点的个数;
步骤2:分别以各像素为滤波窗口的中心像素,使用核函数滤波输入图像,包括以下具体步骤:
步骤2-1:判断指导图像G的当前滤波窗口中各像素点的灰度值Gi,1≤i≤|w|和中心像素点的灰度值Gm是否相似,如果不相似,将所述像素点的灰度值Gi置为0,否则所述像素点的灰度值Gi保持原值;
步骤2-2:统计当前滤波窗口中和中心像素点的灰度值Gm不相似的像素点的个数;判断其是否超过预设阈值,如果是,设置偏移函数ξi为0;否则,设置偏移函数为:
其中偏移量Δi=Gi-μk,MIN(wk)、MAX(wk)、μk分别为指导图像G的当前滤波窗口内的最小像素灰度值、最大像素灰度值和像素灰度均值;Gi,1≤i≤|w|为指导图像G当前滤波窗口内的第i个像素的灰度值;
步骤2-3:确定平滑因子ε,逐一计算各滤波窗口中像素灰度值的方差并保存在方差矩阵Var;
步骤2-4:依次判断各滤波窗口的方差是否大于等于方差矩阵Var的均值,如果是,定义为大方差滤波窗口,否则,定义为小方差滤波窗口;大方差滤波窗口内的平滑因子小于小方差滤波窗口内的平滑因子,按如下公式选择:
其中i和j代表像素坐标,μvar代表方差矩阵Var的均值;Var(i,j)代表方差矩阵Var在(i,j)点的值;
步骤2-5:将平滑因子设置为核函数的参数,使用核函数计算滤波后像素的灰度值,输出滤波后的图像。
所述步骤2-1中判断所述指导图像G在滤波窗口中各像素点Gi,1≤i≤|w|和中心像素点Gm的灰度值是否相似的方法为判断所述像素点Gi的灰度值与中心像素点Gm的灰度值的差值的绝对值是否小于所述指导图像G在滤波窗口中像素灰度值标准差σk的1/3。
所述步骤2-3中,大方差滤波窗口中的平滑因子和小方差滤波窗口中的平滑因子ε根据相似性判断后的方差矩阵Var自适应选择。
在本实施例中,输入图像如图2(a)所示,指导图像选取与输入图像相同的图像;图2(b)是经典指导滤波输出结果图像,滤波窗口的大小为5×5,平滑因子选择ε=0.12;图2(c)是改进的指导滤波输出结果图像,窗口大小窗口的大小为5×5,平滑因子选择ε=0.12;图2(d)是本发明的方法实验结果,窗口的大小为5×5,偏移函数ξ和平滑因子ε按本发明的方法自适应选择。从图2(d)可以看出,小猫图像经过本发明的方法,输出的结果图中,小猫的耳朵和胡须的边缘保持清晰,相对于图2(b)和(c),边缘保持的更好。同时,在整个眼睛的上方,由于猫毛较多,(b)(c)图像出现不同程度的平滑,本发明的方法则增强了这些毛的细节,猫耳下边的细节增强明显。
从实验结果可以看出,本发明的方法比原始的指导滤波和文献中已有的方法在边缘保持和细节增强方面有很大的提高。
Claims (3)
1.一种基于参数选择的图像自适应指导滤波方法,其特征在于:包括以下步骤:
步骤1:选择输入图像I和指导图像G,设定滤波窗口的大小w=(2*r+1)*(2*r+1),r为窗口半径,|w|代表窗口内像素点的个数;
步骤2:分别以各像素为滤波窗口的中心像素,使用核函数滤波输入图像,包括以下具体步骤:
步骤2-1:判断指导图像G的当前滤波窗口中各像素点的灰度值Gi,1≤i≤|w|和中心像素点的灰度值Gm是否相似,如果不相似,将所述像素点的灰度值Gi置为0,否则所述像素点的灰度值Gi保持原值;
步骤2-2:统计当前滤波窗口中和中心像素点的灰度值Gm不相似的像素点的个数;判断其是否超过预设阈值,如果是,设置偏移函数ξi为0;否则,设置偏移函数为:
其中偏移量Δi=Gi-μk,MIN(wk)、MAX(wk)、μk分别为指导图像G的当前滤波窗口内的最小像素灰度值、最大像素灰度值和像素灰度均值;Gi,1≤i≤|w|为指导图像G当前滤波窗口内的第i个像素的灰度值;
步骤2-3:确定平滑因子ε,逐一计算各滤波窗口中像素灰度值的方差并保存在方差矩阵Var;
步骤2-4:依次判断各滤波窗口的方差是否大于等于方差矩阵Var的均值,如果是,定义为大方差滤波窗口,否则,定义为小方差滤波窗口;大方差滤波窗口内的平滑因子小于小方差滤波窗口内的平滑因子,按如下公式选择:
其中i和j代表像素坐标,μvar代表方差矩阵Var的均值;Var(i,j)代表方差矩阵Var在(i,j)点的值;
步骤2-5:将平滑因子设置为核函数的参数,使用核函数计算滤波后像素的灰度值,输出滤波后的图像。
2.根据权利要求1所述的基于参数选择的图像自适应指导滤波方法,其特征在于:所述步骤2-1中判断所述指导图像G在滤波窗口中各像素点Gi,1≤i≤|w|和中心像素点Gm的灰度值是否相似的方法为判断所述像素点Gi的灰度值与中心像素点Gm的灰度值的差值的绝对值是否小于所述指导图像G在滤波窗口中像素灰度值标准差σk的1/3。
3.根据权利要求1所述的基于参数选择的图像自适应指导滤波方法,其特征在于:所述步骤2-3中,大方差滤波窗口中的平滑因子和小方差滤波窗口中的平滑因子ε根据相似性判断后的方差矩阵Var自适应选择。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510593051.4A CN105096277B (zh) | 2015-09-17 | 2015-09-17 | 一种基于参数选择的图像自适应指导滤波方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510593051.4A CN105096277B (zh) | 2015-09-17 | 2015-09-17 | 一种基于参数选择的图像自适应指导滤波方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105096277A CN105096277A (zh) | 2015-11-25 |
CN105096277B true CN105096277B (zh) | 2017-08-01 |
Family
ID=54576628
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510593051.4A Expired - Fee Related CN105096277B (zh) | 2015-09-17 | 2015-09-17 | 一种基于参数选择的图像自适应指导滤波方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105096277B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110874822B (zh) * | 2018-08-31 | 2023-12-15 | 瑞昱半导体股份有限公司 | 利用动态视窗平滑滤波器的信号滤波方法与系统 |
CN115333506B (zh) * | 2022-10-17 | 2023-05-02 | 杭州光粒科技有限公司 | 一种信号处理方法、装置、设备及可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104063847A (zh) * | 2014-06-18 | 2014-09-24 | 长春理工大学 | 一种基于fpga的引导滤波器及其实现方法 |
CN104574281A (zh) * | 2013-10-18 | 2015-04-29 | 中国航天科工集团第三研究院第八三五八研究所 | 一种基于向导滤波器的红外图像细节增强方法和装置 |
CN104899840A (zh) * | 2015-06-12 | 2015-09-09 | 天津大学 | 一种基于cuda的引导滤波加速优化方法 |
-
2015
- 2015-09-17 CN CN201510593051.4A patent/CN105096277B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104574281A (zh) * | 2013-10-18 | 2015-04-29 | 中国航天科工集团第三研究院第八三五八研究所 | 一种基于向导滤波器的红外图像细节增强方法和装置 |
CN104063847A (zh) * | 2014-06-18 | 2014-09-24 | 长春理工大学 | 一种基于fpga的引导滤波器及其实现方法 |
CN104899840A (zh) * | 2015-06-12 | 2015-09-09 | 天津大学 | 一种基于cuda的引导滤波加速优化方法 |
Non-Patent Citations (4)
Title |
---|
Adaptive Guided Image Filtering for Sharpness Enhancement and Noise Reduction;Cuong Cao Pham et al.;《International Conference on Pacific-Rim Symposium on Image and Video Technology》;20111130;全文 * |
Detail enhancement for high-dynamic-range infrared images based on guided image filter;Ning Liu et al.;《Infrared Physics & Technology》;20141130;第67卷;全文 * |
LoG边缘算子改进的加权引导滤波算法;龙鹏 等;《计算机应用》;20150910;第35卷(第9期);全文 * |
引导滤波的红外图像预处理算法;钱小燕;《科学技术与工程》;20150731;第15卷(第31期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN105096277A (zh) | 2015-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102640237B1 (ko) | 이미지 프로세싱 방법, 장치, 전자 디바이스 및 컴퓨터 판독가능 저장 매체 | |
CN108596258B (zh) | 一种基于卷积神经网络随机池化的图像分类方法 | |
Garcia-Diaz et al. | Saliency from hierarchical adaptation through decorrelation and variance normalization | |
CN104834922B (zh) | 基于混合神经网络的手势识别方法 | |
CN105654436B (zh) | 一种基于前景背景分离的背光图像增强去噪方法 | |
Gnanasivam et al. | Fingerprint gender classification using wavelet transform and singular value decomposition | |
CN109447053A (zh) | 一种基于双重限制注意力神经网络模型的人脸识别方法 | |
CN104346607A (zh) | 基于卷积神经网络的人脸识别方法 | |
CN110223304B (zh) | 一种基于多路径聚合的图像分割方法、装置和计算机可读存储介质 | |
CN107545536A (zh) | 一种智能终端的图像处理方法及图像处理系统 | |
CN103400122A (zh) | 一种活体人脸的快速识别方法 | |
CN112070158A (zh) | 一种基于卷积神经网络和双边滤波的面部瑕疵检测方法 | |
CN110956575B (zh) | 转变图像风格的方法和装置、卷积神经网络处理器 | |
CN101615244A (zh) | 手写板坯号自动识别方法及识别装置 | |
CN105096277B (zh) | 一种基于参数选择的图像自适应指导滤波方法 | |
CN109872326B (zh) | 基于深度强化网络跳跃连接的轮廓检测方法 | |
CN105893916A (zh) | 一种对检测人脸的预处理、特征提取到降维描述的新方法 | |
CN112949570B (zh) | 一种基于残差注意力机制的指静脉识别方法 | |
CN105894469A (zh) | 基于外部块自编码学习和内部块聚类的去噪方法 | |
CN103475897A (zh) | 一种基于失真类型判断的自适应图像质量评价方法 | |
CN101655973A (zh) | 一种基于人眼视觉特征的图像增强方法 | |
CN107169996A (zh) | 一种视频中动态人脸识别方法 | |
CN114565620A (zh) | 一种基于骨架先验和对比损失的眼底图像血管分割方法 | |
CN108052932A (zh) | 一种遮挡自适应人脸识别方法 | |
CN109934835A (zh) | 基于深度强化网络邻接连接的轮廓检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170801 |