基于综合形态学的图像混合滤波装置及方法制造方法及图纸

本发明专利技术实施例提供了一种基于综合形态学的图像混合滤波装置及方法，通过构建基本形态学滤波模型、约束条件，最后构建用于图形滤波的综合形态学混合滤波计算模型，以对输入的待处理噪声图像进行滤波处理。本发明专利技术实施例将形态学混合滤波方法和广义形态学滤波方法进行加权综合，不依赖于滤波方法是以开起始还是以闭开始且具有双路对偶滤波方法双重优点，从而在滤除图像噪声的同时能够保留图像的细节信息。

【技术实现步骤摘要】

本专利技术涉及图像处理领域，具体而言，涉及一种基于综合形态学的图像混合滤波装置及方法，是利用数学形态学方法进行加权综合构造一种能够减少图像灰度值偏移的同时具有双路对偶的综合滤波方法，以用于对噪声图像进行混合滤波。
技术介绍
形态学滤波方法是基于数学形态学的非线性滤波方法，主要应用于图像处理领域，其基本思想是利用结构元素对图像进行“探测”，保留与结构元素相符合的结构，去掉不符合的结构(如噪声、毛刺等)，达到在滤除噪声的同时保持更多图像细节。基本的形态学滤波方法有形态学开、闭、开闭、闭开滤波方法，这些滤波方法采用的是相同的结构元素，在保留一部分细节信息的同时可能滤除掉一部分有用的细节信息。而采用多结构元素的广义形态学开、闭、开闭、闭开滤波方法，无论是以开还是以闭起始都会导致滤波后图像的灰度值偏移问题。
技术实现思路
鉴于以上内容，本专利技术实施例提供一种基于综合形态学的图像混合滤波装置，应用于图像处理设备对噪声图像进行除燥滤波处理。所述图像混合滤波装置包括：基本模型构建模块，用于构建基本形态学滤波模型，其中，所述基本形态学滤波模型包括基础形态学滤波的开、闭滤波计算模型、根据所述开、闭滤波计算模型构建的级联形态学滤波计算模型、以及根据所述级联形态学滤波计算模型构建的广义形态学滤波计算模型；约束条件构建模块，用于构建滤波计算模型的约束条件，该约束条件包括结构元素个数以及权值约束条件；混合模型构建模块，用于依据上述构建的基本形态学滤波模型以及约束条件构建用于图形滤波的综合形态学混合滤波计算模型；及噪声图像处理模块，用于使用上述构建的混合滤波计算模型对输入的待处理噪声图像进行滤波处理。本专利技术实施例还一种基于综合形态学的图像混合滤波方法，应用于图像处理设备对噪声图像进行除燥滤波处理。所述方法包括：构建基本形态学滤波模型，其中，所述基本形态学滤波模型包括基础形态学滤波的开、闭滤波计算模型、根据所述开、闭滤波计算模型构建的级联形态学滤波计算模型、以及根据所述级联形态学滤波计算模型构建的广义形态学滤波计算模型；构建滤波计算模型的约束条件，该约束条件包括结构元素个数以及权值约束条件；依据上述构建的基本形态学滤波模型以及约束条件构建用于图形滤波的综合形态学混合滤波计算模型；及使用上述构建的混合滤波计算模型对输入的待处理噪声图像进行滤波处理。与现有技术相比，本专利技术实施例提供的基于综合形态学的图像混合滤波装置及方法将形态学混合滤波方法和广义形态学滤波方法进行加权综合，具有不依赖于滤波方法是以开起始还是以闭开始且具有双路对偶滤波方法双重优点，从而在滤除图像噪声的同时能够保留图像的细节信息。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1是本专利技术较佳实施例提供的图像处理设备的方框示意图。图2是本专利技术较佳实施例提供的应用于图1所示的图像处理设备的基于综合形态学的图像混合滤波方法的流程图。图3是本专利技术较佳实施例中考虑对称保持的综合形态学混合滤波方法的滤波过程示意图。图4是各种形态学滤波方法对不同强度椒盐噪声图像处理时的均方误差、峰值信噪比和运行时间结果的波形示意图。图5是各种形态学滤波方法对不同强度高斯噪声图像处理时的均方误差、峰值信噪比和运行时间结果的波形示意图。图6是各种形态学滤波方法对不同强度混合噪声图像处理时的均方误差、峰值信噪比和运行时间结果的波形示意图。图7是本专利技术实施例提供的考虑对称保持的综合形态学混合滤波方法在对称保持和非对称保持下灰度差值图。主要元件符号说明具体实施方式下面将结合本专利技术实施例中附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。如图1所示，是本专利技术较佳实施例提供的一种图像处理设备100的方框示意图。所述图像处理设备100可以是，但不限于，个人电脑(personal computer，PC)、平板电脑、服务器等具备图形图像分析及处理能力的运算设备。所述图像处理设备100还包括一混合滤波装置10、存储器12以及处理器13。本专利技术较佳实施例中，混合滤波装置10包括至少一个可以软件或固件(firmware)的形式存储于所述存储器12中或固化在所述图像处理设备100的操作系统(operating system，OS)中的软件功能模块。所述处理器13用于执行所述存储器12中存储的可执行软件模块，例如所述混合滤波装置10所包括的软件功能模块及计算机程序等。本实施例中，所述混合滤波装置10也可以集成于所述操作系统中，作为所述操作系统的一部分。具体地，所述混合滤波装置10包括基本模型构建模块101、约束条件构建模块102、混合模型构建模块103、噪声图像输入模块104、噪声图像处理模块、以及滤波结果输出模块106。所应说明的是，在其他实施例中，所述混合滤波装置10包括的上述功能模块中的其中一部分也可省略，或者其还可以包括其他更多的功能模块。下面将结合图2对上述各功能模块做详细介绍。请参阅图2，是本专利技术较佳实施例提供的应用于图1所示的图像处理设备100的基于综合形态学的图像混合滤波方法的流程图。下面将对图2所示的具体流程和步骤进行详细阐述。步骤S01，所述基本模型构建模块101构建基本形态学滤波模型。具体地，本实施例中，所述基本形态学滤波模型的构建方法包括以下步骤。第一，构建基础形态学滤波的开、闭滤波计算模型。形态学开滤波方法由于可以抑制信号中的正脉冲噪声(即峰值噪声)，所以其可以在消除比所选结构元素小的峰值区域同时保持图像整体灰度值不变且基本不影响大的峰值区域。而形态学闭滤波方法由于可以抑制信号中的负脉冲噪声(即底谷噪声)，所以可以在消除比所选结构元素小的底谷区域同时保持图像整体灰度值不变且基本不影响大的底谷区域。形态学开、闭滤波计算模型分别用O和C表示，表达式分别如式(1)和(2)所示：其中：f为图像灰度函数，k为选取的结构元素；空心圆表示形态学开运算，实心圆表示形态学闭运算；表示灰度膨胀，表示灰度腐蚀。第二，根据所述开、闭滤波计算模型构建级联形态学滤波计算模型。具体地，利用开、闭运算在抑制噪声方面的互补特性，将开、闭运算进行级联组合，所得形态学开闭、闭开滤波的计算模型可以同时抑制信号中的正负脉冲噪声，保持结构元素不变。基于开、闭运算级联组合得到的常用形态学滤波计算模型，表达式分别如式(3)和(4)所示：OC＝fοk·k\\*MERGEFORMAT (3)CO＝f·kοk\\*MERGEFORMAT (4)第三，根据所述级联形态学本文档来自技高网...

【技术保护点】
一种基于综合形态学的图像混合滤波装置，应用于图像处理设备对噪声图像进行除燥滤波处理，其特征在于，所述图像混合滤波装置包括：基本模型构建模块，用于构建基本形态学滤波模型，其中，所述基本形态学滤波模型包括基础形态学滤波的开、闭滤波计算模型、根据所述开、闭滤波计算模型构建的级联形态学滤波计算模型、以及根据所述级联形态学滤波计算模型构建的广义形态学滤波计算模型；约束条件构建模块，用于构建滤波计算模型的约束条件，该约束条件包括结构元素个数以及权值约束条件；混合模型构建模块，用于依据上述构建的基本形态学滤波模型以及约束条件构建用于图形滤波的综合形态学混合滤波计算模型；及噪声图像处理模块，用于使用上述构建的混合滤波计算模型对输入的待处理噪声图像进行滤波处理。

【技术特征摘要】
1.一种基于综合形态学的图像混合滤波装置，应用于图像处理设备对噪声图像进行除燥滤波处理，其特征在于，所述图像混合滤波装置包括：基本模型构建模块，用于构建基本形态学滤波模型，其中，所述基本形态学滤波模型包括基础形态学滤波的开、闭滤波计算模型、根据所述开、闭滤波计算模型构建的级联形态学滤波计算模型、以及根据所述级联形态学滤波计算模型构建的广义形态学滤波计算模型；约束条件构建模块，用于构建滤波计算模型的约束条件，该约束条件包括结构元素个数以及权值约束条件；混合模型构建模块，用于依据上述构建的基本形态学滤波模型以及约束条件构建用于图形滤波的综合形态学混合滤波计算模型；及噪声图像处理模块，用于使用上述构建的混合滤波计算模型对输入的待处理噪声图像进行滤波处理。2.如权利要求1所述的基于综合形态学的图像混合滤波装置，其特征在于，还包括：噪声图像输入模块，用于使用所述图像处理设备的输入装置输入所述待处理噪声图像；及滤波结果输出模块，用于将上述经过滤波处理后的图像进行输出。3.如权利要求1所述的基于综合形态学的图像混合滤波装置，其特征在于，所述构建的开、闭滤波计算模型分别用O和C表示，表达式分别如下式(1)和(2)所示： C = f · k = ( f ⊕ k ) ! k \\ * MERGEFORMAT - - - ( 2 ) ]]>其中：f为图像灰度函数，k为选取的结构元素；空心圆表示形态学开运算，实心圆表示形态学闭运算；表示灰度膨胀。4.如权利要求3所述的基于综合形态学的图像混合滤波装置，其特征在于，所述广义形态学滤波计算模型包括四种计算模型，具体表达式分别如下式(5)、(6)、(7)和(8)所示： G O = ( f ! k 1 ) ⊕ k 2 \\ * M E R G E F O R M A T - - - ( 5 ) ]]> G C = ( f ⊕ k 1 ) ! k 2 \\ * M E R G E F O R M A T - - - ( 6 ) ]]>GOC＝fοk1·k2\\*MERGEFORMAT (7)GCO＝f·k1οk2\\*MERGEFORMAT (8)其中，广义用G标识，k1,k2为两个不同的结构元素，且5.如权利要求4所述的基于综合形态学的图像混合滤波装置，其特征在于，所述结构元素个数的限制如下式(9)所示： n ( k ) 2 , k 1 = k 2 3 , k 1 ≠ k 2 \\ * M E R G E F O R M A T - - - ( 9 ) ]]>其中，结构元素的选取所需满足的条件表达式如下式(10)所示： ( k 1 = k 2 | | k 1 ≠ k 2 ) ∪ ( k 2 ≠ k 3 ∩ k 2 ⊆ k 3 ) - - - ( 10 ) ; ]]>所述权值约束条件用ω表示，权值约束条件的表达式如下式(11)所示： Σ i = 1 4 ω i = 1 - - - ( 11 ) ; ]]>其中，权值系数满足的条件表达式如下式(12)所示：及所述构建的综合形态学混合滤波计算模型用CMH表示，具体表达式如下式(13)所示：CMH＝ω1·OC+ω2·CO+ω3·GOC+ω4·GCO＝ω1·(fοk1·k1)+ω2·(f·k1οk1)+ω3·(fοk2·k3)+ω4·(f·k2οk3) (13)其中：k1、k2、k3为选取的三个结构元素；ω1、ω2、ω3、ω4为四个权值。6.一种基于综合形态学的图像混合滤波方法，应用于图像处理设备对噪声图像进行除燥滤波处理，其特征在于，所述方法包括：构建基本形态学滤波模型，其中，所述基本形态学滤波模型包括基础形态学滤波的开、闭滤波计算模型、根据所述开、闭滤波计算模型构建的级联形态学滤波计算模型、以及根据所述级联形态学滤波...

【专利技术属性】
技术研发人员：逯跃锋，高会贤，贾致荣，范俊甫，韩留生，李鸿彬，王云峰，
申请(专利权)人：山东理工大学，
类型：发明
国别省市：山东;37