[发明专利]一种二次去噪的图像处理方法

说明书

技术领域

本发明属于图像处理技术领域，尤其涉及一种二次去噪的图像处理方法。

背景技术

图像在生成和传输过程中，经常会引入各种噪声，这些噪声不仅破坏图像的真实信息，还严重影响图像的视觉效果。受噪声干扰的图像可用线性或非线性的滤波方法将噪声滤除。由于图像细节在频域反映为高频分量,易与噪声的高频相混淆，因此，如何保持图像细节，又能有效地滤除噪声,一直是图像处理的关键问题。形态滤波属非线性滤波，是目前较具代表性和发展前途的一种滤波器，其理论依据是数学形态学。

在现有技术中采用的结构元素为非零方阵结构元素，其大小为n*n，再利用形态学对图像进行处理，虽然可以根据经验来设定所述n的初值，但是图像处理的效果不好。已有的形态滤波方法虽然可以不同程度的改善图像处理效果，但不能克服形态学固有的不足。由于形态学的核心操作腐蚀和膨胀自身固有的运算特征，即形态学的腐蚀和膨胀都是极限操作，这种极限操作在去除噪声的同时容易造成图像信息丢失，尤其对低信噪比的图像去噪，不能取得令人满意的效果。

容易造成图像信息丢失，尤其对低信噪比的图像去噪，不能取得令人满意的效果。

主要参考文献：

[1] G.Matheron, J.Serra. The birth of Mathematical Morphology [OL]. Paris: Ecole des Mines de Paris, 2000.http://cmm.ensmp.fr/~serra/pdf/birth_of_mm.pdf.

[2] Jesús Angulo, Jean Serra. Automatic analysis of DNA micro-array images using mathematical morphology [J].Oxford: BIOINFORMATICS, 2003，19（5）:553-562.

[3] 赵春晖.数字形态滤波器理论及其算法研究[D].哈尔滨：哈尔滨工业大学电磁测量技术与仪器, 1998.

[4] 刘剑.基于数学形态学的形态滤波算法研究[D].哈尔滨：哈尔滨工业大学信息与通信工程学院，2006.

[5] 赵于前.基于数学形态学的医学图像处理理论与方法研究[D].长沙：中南大学,2006.

[6] Allan G. Hanbury, Jean Serra. Morphological Operators on the Unit Circle[J]. IEEE TRANSACTIONS ON IMAGE PROCESSING, 2001,10（12）:1842-1850.

[7] 崔屹.图像处理与分析数学形态学方法及应用[M].北京: 科学出版社, 2000.25-25.

[8] ZHANG Jun-song, YU Jin-hui, MAO Guo-hong, et al. De-noising of Chinese.

[9]刘彬、张仁津.一种采用两段粒子群优化的路径规划方法[J].山东大学学报，2012.2，42（1）.

[10]邓菁、郑永果.基于形态学的图像二值化方法[J].多媒体技术及应用，2002.10，28（11）.

[11] 章东平、刘济林、祝金标.一种基于灰值形态学的汽车牌照提取方法[J]. 电子技术应用.2004.12

发明内容

本发明要解决的技术问题是提供一种有效的图像噪声去除方法，以满足用户对图像去噪的要求。

为解决上述技术问题，本发明提供了一种二次去噪的图像处理方法，包括：

①设输入图像为f，其像素大小为W*H;

定义零方阵的单位结构元素SE，其大小为n*n,其中n表示结构元素SE的尺寸; 

对所述单位结构元素的定义，零方阵单位结构元素定义及证明：

定义1 ：SE集： 由形状相同、不同尺寸的结构元素构成的集合，称为SE集。

            SE集={SE0,SE1,…，SEn，…}                 (3)           其中n为非负整数，SEn为尺寸大小为n的结构元素。

定义2： 在SE集中存在一结构元素SEi，SE集中任何结构元素SEj都可以通过SEi与其自身的形态学运算得到，这样的结构元素称为单位结构元素SE（SEU）。数学描述如下：

，对于任何一个SEj,采用结构元素为SEi,有SEj=Ψ(SEi),则SEi就为SEU。