随机噪点校正方法技术

本发明专利技术提供一种随机噪点校正方法，包括：1)缓存N张图像，其中N为大于1的自然数；2)定义物体上的点作为参考点；3)选取前N‑1张图像上与所述参考点对应的像素点的灰度值，并计算灰度平均值；4)将所述灰度平均值和第N张图像上与所述参考点对应的像素点的灰度值进行比较，选取较小值作为第N张图像上与所述参考点对应的像素点的灰度值；5)重复步骤2)～4)对图像上所有参考点进行校正。经过本发明专利技术的随机噪点校正方法处理后的图像，随机噪点明显减少，图像质量得到提升。

Random noise correction method

【技术实现步骤摘要】
随机噪点校正方法
本专利技术涉及图像处理领域，特别是涉及一种随机噪点校正方法。
技术介绍
CMOS(ComplementaryMetal-OxideSemiconductor，互补金属氧化物场效应管)动态平板探测器具有低成本、低功耗、高帧率、像素尺寸小、高分辨率等优点，市场前景广阔。但是由于其高度的集成环境和制作工艺，会出现随机噪声，随机噪声的灰度值与正常灰度值差异不大，并且位置随机，导致图像上出现不规律的亮点，影响图像质量。目前的降噪技术是基于规律查找，生成模板，对模板进行特殊处理生成符合要求的图像，降噪方法包括均值滤波、中值滤波、双边滤波。均值滤波是典型的线性滤波算法，其采用的主要方法为邻域平均法，图1为均值滤波算法的流程图。基本原理是用均值代替图像中的各个像素值，即对待处理的当前像素点(x，y)，选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点(x，y)，作为处理后图像在该点上的灰度g(x，y)，即g(x，y)＝1/m∑f(x，y)，m为该模板中包含当前像素在内的像素总个数，f(x，y)为原始图像。该去噪方法会破坏图像的细节部分，导致图像变得模糊。中值滤波是一种非线性平滑滤波算法，它将每一个像素点的灰度值设置为该点某领域窗口内的所有像素点灰度值的中值，图2为中值滤波算法的流程图，图3为中值滤波算法的原理图。中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升(或下降)的为二维数据序列。二维中值滤波输出为g(x,y)＝med{f(x-k,y-l),(k,l∈W)}，其中，f(x,y)，g(x,y)分别为原始图像和处理后图像，W为二维模板，通常为3*3、5*5的区域。该去噪方法虽然保留了细节部分，但是图像中所有像素都进行了去噪，视觉效果平坦，影像图像质量。双边滤波(Bilateralfilter)是一种非线性的滤波方法，是结合图像的空间邻近度和像素值相似度的一种折衷处理，同时考虑空域信息和灰度相似性，达到保边去噪的目的，图4为双边滤波算法的原理图。输出像素的值依赖于领域像素的值的加权组合，即其中，g(i,j)为校正后的像素值，w(i,j,k,l)为权重系数。权重系数w(i,j,k,l)取决于定义域核和值域核的乘积，定义域核为值域核为所以σd及σr是平滑参数，f(i,j)为像素(i,j)的强度，f(k,l)为像素(k,l)的强度。此方法对于高频信息不能进行较好的降噪，由于同时考虑了空间和频率的变化，因此计算时间较长，不适用于高帧率的需求。因此，如何保留图像细节，提高图像质量，适于高帧率需求，已成为本领域技术人员亟待解决的问题之一。
技术实现思路
鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种随机噪点校正方法，用于解决现有技术中图像校正方法存在的图像细节模糊，图像质量差，不适于高帧率需求等问题。为实现上述目的及其他相关目的，本专利技术提供一种随机噪点校正方法，所述随机噪点校正方法至少包括：1)缓存N张图像，其中N为大于1的自然数；2)定义物体上的点作为参考点；3)选取前N-1张图像上与所述参考点对应的像素点的灰度值，并计算灰度平均值；4)将所述灰度平均值和第N张图像上与所述参考点对应的像素点的灰度值进行比较，选取较小值作为第N张图像上与所述参考点对应的像素点的灰度值；5)重复步骤2)～4)对图像上所有参考点进行校正。可选地，步骤1)之前还包括对图像进行本底校正、增益校正或坏像素校正的步骤。可选地，所述图像基于CMOS图像探测器采集得到。更可选地，所述图像为静止图像。更可选地，第N张图像上与所述参考点对应的像素点的灰度值满足如下关系式：data(hang,lie,N)＝min(data(hang,lie),images(hang,lie,N))，data(hang,lie)＝mean(images(hang,lie,1),...,images(hang,lie,N-2),images(hang,lie,N-1))其中，data(hang,lie,N)表示校正后数据，data(hang,lie)表示所述灰度平均值，images(hang,lie,N)表示原始数据，N表示序列图像上的第N张。更可选地，所述图像为一维运动图像。更可选地，基于采集帧率及运动速度确定所述参考点在不同图像上运动的像素数量，进而确定各图像上与所述参考点对应的像素点。更可选地，所述图像的运动方向为垂直方向。更可选地，第N张图像上与所述参考点对应的像素点的灰度值满足如下关系式：data(hang,lie,N)＝min(data(hang,lie),images(hang,lie,N))，其中，data(hang,lie,N)表示校正后数据，data(hang,lie)表示所述灰度平均值，images(hang,lie,N)表示原始数据，N表示序列图像上的第N张，X1～Xn分别为所述参考点在不同图像上运动的像素数量。更可选地，所述图像的运动方向为水平方向。更可选地，第N张图像上与所述参考点对应的像素点的灰度值满足如下关系式：data(hang,lie,N)＝min(data(hang,lie),images(hang,lie,N))，其中，data(hang,lie,N)表示校正后数据，data(hang,lie)表示所述灰度平均值，images(hang,lie,N)表示原始数据，N表示序列图像上的第N张，Y1～Yn分别为所述参考点在不同图像上运动的像素数量。更可选地，所述随机噪点校正方法实时校正或通过后处理校正。如上所述，本专利技术的随机噪点校正方法，具有以下有益效果：本专利技术的随机噪点校正方法通过图像自校的方法，不用考虑随机噪点的位置，不用设置阈值，不会生成缺陷模板；图像校正速度快，符合高帧率、图像实时传输等要求；通过此校正算法，可以有效地减少图像上的随机亮点。附图说明图1显示为均值滤波算法的流程示意图。图2显示为中值滤波算法的流程示意图。图3显示为中值滤波算法的原理示意图。图4显示为双边滤波算法的原理示意图。图5显示为本专利技术的随机噪点校正方法的流程示意图。图6显示为线对卡原始图像。图7显示为线对卡校正后的图像。图8显示为线对卡原始细节放大图像。图9显示为线对卡校正后的细节放大图像。图10显示为双丝像质计原始细节放大图像。图11显示为双丝像质计校正后的细节放大图像。图12显示为内嵌钢珠测试体膜原始图像。图13显示为内本文档来自技高网...

【技术保护点】
1.一种随机噪点校正方法，其特征在于，所述随机噪点校正方法至少包括：/n1)缓存N张图像，其中N为大于1的自然数；/n2)定义物体上的点作为参考点；/n3)选取前N-1张图像上与所述参考点对应的像素点的灰度值，并计算灰度平均值；/n4)将所述灰度平均值和第N张图像上与所述参考点对应的像素点的灰度值进行比较，选取较小值作为第N张图像上与所述参考点对应的像素点的灰度值；/n5)重复步骤2)～4)对图像上所有参考点进行校正。/n

【技术特征摘要】
1.一种随机噪点校正方法，其特征在于，所述随机噪点校正方法至少包括：
1)缓存N张图像，其中N为大于1的自然数；
2)定义物体上的点作为参考点；
3)选取前N-1张图像上与所述参考点对应的像素点的灰度值，并计算灰度平均值；
4)将所述灰度平均值和第N张图像上与所述参考点对应的像素点的灰度值进行比较，选取较小值作为第N张图像上与所述参考点对应的像素点的灰度值；
5)重复步骤2)～4)对图像上所有参考点进行校正。


2.根据权利要求1所述的随机噪点校正方法，其特征在于：步骤1)之前还包括对图像进行本底校正、增益校正或坏像素校正的步骤。


3.根据权利要求1所述的随机噪点校正方法，其特征在于：所述图像基于CMOS图像探测器采集得到。


4.根据权利要求1～3任意一项所述的随机噪点校正方法，其特征在于：所述图像为静止图像。


5.根据权利要求4所述的随机噪点校正方法，其特征在于：第N张图像上与所述参考点对应的像素点的灰度值满足如下关系式：
data(hang,lie,N)＝min(data(hang,lie),images(hang,lie,N))，
data(hang,lie)＝mean(images(hang,lie,1),...,images(hang,lie,N-2),images(hang,lie,N-1))
其中，data(hang,lie,N)表示校正后数据，data(hang,lie)表示所述灰度平均值，images(hang,lie,N)表示原始数据，N表示序列图像上的第N张。


6.根据权利要求1～3任意一项所述的随机噪点校正方法，其特征在于：所述图像为一维运动图像。

【专利技术属性】
技术研发人员：石丹，
申请(专利权)人：上海奕瑞光电子科技股份有限公司，
类型：发明
国别省市：上海;31