[发明专利]一种基于Sobel算子及图像熵的散斑干涉相位图滤波评价方法

权利要求书

1.一种基于Sobel算子及图像熵的散斑干涉相位图滤波评价方法，其特征在于，所述方法包括：

步骤1：对散斑干涉相位图进行正、余弦变化，得到散斑干涉相位图的正弦图和余弦图；

对所述正弦图和余弦图分别进行均值滤波平滑处理，得到一次滤波后的正弦图和余弦图；

步骤2：利用一次滤波后的所述正弦图和余弦图进行反正切变换，得到一次滤波后的散斑干涉相位图；

步骤3：基于一次滤波后的所述散斑干涉相位图利用Sobel算子进行卷积，得到一次滤波后的散斑干涉相位图的梯度图；

步骤4：对所述梯度图求取一维图像熵，得到所述一次滤波后的散斑干涉相位图的梯度图的一维图像熵；

步骤5：重复步骤1～4，得到多个所述一维图像熵，并进行统计绘制成折线图，当折线图变化达到平台期，滤波停止，获得滤波后的降噪散斑干涉相位图；

步骤3具体包括：

将一次滤波后的所述散斑干涉相位图分别与水平方向上的Sobel算子模板和垂直方向上的Sobel算子模板进行卷积，获得其水平方向上的梯度图和垂直方向上的梯度图；

分别对水平方向上的梯度图和垂直方向上的梯度图求模并相加，获得一次滤波后的散斑干涉相位图的梯度图；

通过公式(6)～(9)得到一次滤波后的散斑干涉相位图的梯度图：

其中：g_x和g_y分别为水平和垂直方向的Sobel算子，为使计算方便，近似取其梯度图的模为水平分量模与垂直分量模之和；

在x方向上的梯度的模为：

在y方向上的梯度的模为：

将x方向和y方向上的梯度相加求和，获得滤波后图像整体的梯度灰度值矩阵为：

步骤4具体包括：

统计一次滤波后的所述散斑干涉相位图像梯度图中各灰度值出现的概率，并对其取对数；

针对各灰度值，令其出现概率与出现概率的对数相乘，并求和取相反数；

如公式(10)所示：

其中，p_i表示灰度值为i的点在S(f⁽ⁿ⁺¹⁾(x，y))中出现的概率。

2.根据权利要求1所述的一种基于Sobel算子及图像熵的散斑干涉相位图滤波评价方法，其特征在于，步骤1具体包括：

步骤1.1：针对图像每个像素点的灰度值，分别进行正弦变换和余弦变换，计算出原图像的正弦变换图像和余弦变换图像，如公式(1)和(2)所示：

其中，-π＜f⁽ⁿ⁾(x，y)＜+π，f⁽ⁿ⁾为散斑干涉相位图；

步骤1.2：通过均值滤波平滑处理对每一个像素点根据给定的窗口大小，以该像素点为中心，计算窗口内所有像素点的灰度值均值，以均值替换原本像素点灰度值，如公式(3)和(4)所示：

其中，M表示滤波窗口的大小，和分别表示当前的正弦图和余弦图，与表示一次滤波后的余弦图与正弦图。

3.根据权利要求1所述的一种基于Sobel算子及图像熵的散斑干涉相位图滤波评价方法，其特征在于，步骤2具体包括：

将一次滤波后的正弦图与余弦图逐像素点进行相除，对相除后的图像进行反正切变换，获得一次滤波后的散斑干涉相位图，如公式(5)所示：

4.根据权利要求1所述的一种基于Sobel算子及图像熵的散斑干涉相位图滤波评价方法，其特征在于，步骤5具体包括：

重复对图像进行滤波，统计历次滤波后梯度图像的一维图像熵，并画出折线图；

当第N次滤波得到的一维图像熵小于第N-1次滤波得到的一维图像熵，且第N次滤波得到的一维图像熵小于第N+1滤波得到的一维图像熵时，滤波停止；

如公式(11)所示：

H(S(f^(n-1)(x，y)))＞H(S(f⁽ⁿ⁾(X，y)))；

H(S(f⁽ⁿ⁾(x，y)))＜H(S(f⁽ⁿ⁺¹⁾(x，y))) (11)；

获取最后一次滤波的图像，即滤波后的降噪散斑干涉相位图。