基于导向滤波的图像边缘处理方法及应用与流程

1.本发明涉及数字图像处理技术领域，尤其涉及一种基于导向滤波的图像边缘处理方法及应用。


背景技术：

2.图像传感器作为图像信息的载体，成为当今信息化时代的重要信息渠道，如手机摄像头，监控摄像头等。通过图像传感器采集图像数据时，由于受传感器材料属性、工作环境、电子元器件和电路结构等因素的影响，不可避免地会引入各种噪声，比如电阻引起的热噪声、光子噪声、暗电流噪声、光响应非均匀性噪声等。以当前市场上的主流图像传感器cmos（complementary metal oxide semiconductor,互补金属氧化物半导体）为例，其采集的图像数据受噪声影响明显，噪声较高。同时，随信号变化的传感器噪声通常还会被后续的图像处理模块所放大，这种现象在低照度环境下更加明显。
3.一幅图像数据可以被看成是有区域和边缘（包括图像的纹理和细节等）共同组成的，区域的过渡平缓，即梯度较小，边缘的过渡尖锐，即梯度较大。由于噪声是影响图像质量的不利因素，为了获取高质量图像，我们希望将噪声滤除以提高图像质量。然而，常用的各向同性滤波（比如高斯滤波）对图像去噪时，由于对待噪声和边缘信息都采取一致的去噪方法，在噪声减少的同时，图像中具有重要地位的边缘（包括图像的纹理和细节等）也损失了，导致图像边缘模糊。据此，研究人员提出了一些能够保持边缘（edge
‑
perserving）的图像去噪算法，比如双边滤波、自适应平滑滤波的去噪算法等。当前，保持边缘的图像去噪算法通常采用以下两种方式：第一种是像素点与点的相似度比较：中心像素值考虑欧氏距离和像素点与中心像素点之间相似程度比较计算得出加权平均权重，该权重代表中心像素的去噪强度。该方法运行效率高，去噪同时较好地保留高频信息，但是边缘过度不平滑。第二种是像素块与块的相似度比较：中心像素的滤波估计值由图像中与它具有相似邻域结构的像素加权平均得到，按照加权平均权重结果，权重高的像素点滤波强度大一点，权重低的像素点不做滤波或滤波强度低一点。此类方法计算复杂度较高，算法运行时间较长。其中，以导向滤波（guided fliter）为例，其通过一张引导图像i对输入图像p（目标图像）进行滤波处理，使得最后的输出图像大体上与输入图像p相似但是纹理部分与引导图像i相似，从而保持图像边缘；引导图像i可以是其它图像，也可以是输入图像p本身。导向滤波被广泛应用于图像的降噪、边缘羽化、图像增强、抠图等图像处理中。
4.然而，一方面，导向滤波作为一种保边滤波技术，虽然能够在平坦区域达到类似于均值滤波的去噪效果，从而较好的去除在平坦区域视频压缩造成的块噪声，但是对于边缘部分的毛刺噪声却无法去除，造成边缘毛刺，后续模块进行边缘增强会使毛刺现象放大，进而影响边缘平滑结果，参见图1所示，其中，图1a表示导向滤波去噪处理后的图像边缘，有边缘毛刺现象；图1b表示导向滤波去噪处理后经边缘增强后的图像边缘，毛刺现象加强了。另一方面，现有的保持边缘的图像去噪算法中，去噪算法和边缘平滑算法难以做到单独控制，限制了保边去噪算法的可使用场景，降低了保边去噪算法的适用性。
5.综上所述，如何提供一种在去噪保边同时能够提高边缘过渡平滑性且适用性更广的图像边缘处理方法，从而实现在去噪的同时尽可能的保持更多的图像细节，是当前亟需解决的技术问题。


技术实现要素：

6.本发明的目的在于：克服现有技术的不足，提供了一种基于导向滤波的图像边缘处理方法及应用。本发明能够有效降低在去噪过程中丢失高频细节信息的现象，在抑制图像噪声、保持边缘细节的同时能够做到边缘平滑，使边缘过度自然；同时去噪强度和边缘平滑强度可以单独分别控制，适用性广，灵活性强。
7.为实现上述目标，本发明提供了如下技术方案：一种基于导向滤波的图像边缘处理方法，包括如下步骤：获取输入图像p和引导图像i；采集用户设置的用于弱去噪的第一矩形窗口w
k1
和用于强去噪的第二矩形窗口w
k2
，所述第一矩形窗口w
k1
小于第二矩形窗口w
k2
；基于引导图像i和输入图像p用窗口w
k1
做导向滤波弱去噪，计算对应的滤波系数(a
k1
，b
k1
)，其中，a
k1
和b
k1
表示窗口w
k1
中的线性模型的系数；以及基于引导图像i和输入图像p用窗口w
k2
做导向滤波强去噪，计算对应的滤波系数(a
k2
，b
k2
)，其中，a
k2
和b
k2
表示窗口w
k2
中的线性模型的系数；根据前述滤波系数a
k1
和a
k2
得到去噪强度绝对差diff
ka
，所述diff
ka
=|a
k2
‑ꢀ
a
k1 |，基于预设的去噪强度绝对差diff
ka
与滤波权重w
g
的对应关系，获取前述diff
ka
的值对应的滤波权重w
g ，所述滤波权重用于调节去噪强度；以及，获取强去噪结果图像的边缘梯度g
x
和g
y
的值，其中，g
x
表示横向梯度，g
y
表示纵向梯度，根据所述边缘梯度的值判断需要进行边缘平滑处理的像素信息；基于弱去噪结果图像gif0的像素信息，根据前述滤波权重w
g
对需要进行边缘平滑处理的像素进行边缘平滑处理后，计算最终结果图像的像素信息，公式如下：,其中，为像素对应的中心像素均值；n为滤波权重的预设阈值；ii，jj表示像素下标。
8.进一步，所述引导图像i为前述输入图像p。
9.进一步，所述滤波权重的预设阈值n=6，此时，所述去噪强度绝对差diff
ka
与滤波权重w
g
的对应关系如下：当时，令 ；当时，令 ；当时，令 ；当时，令 ；
当时，令 ；当时，令 ；当时，令 。
10.进一步，所述第一矩形窗口w
k1
为m1* m1窗口，所述第二矩形窗口w
k2
为m2* m2窗口，其中，m1<m2。
11.进一步，所述m1=3，m2=9；获取强去噪结果图像的边缘梯度g
x
和g
y
的值的步骤包括，基于3*3的sobel算子，在强去噪结果图像上取3*3的窗口，获取该窗口的像素矩阵a后，与前述sobel算子进行卷积运算后求得结果g
x
和g
y
，计算公式如下： ； 。
12.进一步，根据所述边缘梯度的值判断需要进行边缘平滑处理的像素信息的步骤包括，根据强去噪结果图像的边缘梯度g
x
和g
y
，计算对应的梯度大小，其中 ；基于用户设置的梯度阈值参数th，比对前述与梯度阈值参数th的大小，当 时，判定对应中心点为噪声，不做边缘平滑处理；当 时，判定对应中心点为边缘，需要进行边缘平滑处理，继续判断该中心点属于横向边缘还是纵向边缘，其中，当时，判定为该中心点为横向边缘；当时，判定为该中心点为纵向边缘；触发对前述横向边缘和纵向边缘分别进行水平方向和垂直方向上的边缘平滑处理。
13.进一步，对于的横向边缘，计算最终结果图像的像素信息的公式如下： ； ；对于的纵向边缘，计算最终结果图像的像素信息的公式如下： ； 。
14.进一步，用窗口w
kn
做导向滤波去噪时，滤波系数(a
kn
，b
kn
)的计算公式如下： ； ；其中，i表示像素；n为窗口下标，n=1,2；为引导图像i中的窗口中的像素均值；为输入图像中的窗口中的像素均值；而为窗口中的像素方差；ε为预设的平滑参数；i
i
为引导图像中第i个像素的像素值，p
i
为输入图像中第i个像素点的像素值，。
15.本发明还提供了一种基于导向滤波的图像边缘处理装置，包括如下结构：信息采集模块，用于获取输入图像p和引导图像i；以及采集用户设置的用于弱去噪的第一矩形窗口w
k1
和用于强去噪的第二矩形窗口w
k2
，所述第一矩形窗口w
k1
小于第二矩形窗口w
k2
；弱去噪模块，用于基于引导图像i和输入图像p用窗口w
k1
做导向滤波弱去噪，计算对应的滤波系数(a
k1
，b
k1
)，其中，a
k1
和b
k1
表示窗口w
k1
中的线性模型的系数；强去噪模块，用于基于引导图像i和输入图像p用窗口w
k2
做导向滤波强去噪，计算对应的滤波系数(a
k2
，b
k2
)，其中，a
k2
和b
k2
表示窗口w
k2
中的线性模型的系数；滤波权重调整模块，用于根据前述滤波系数a
k1
和a
k2
得到去噪强度绝对差diff
ka
，所述diff
ka
=|a
k2
‑ꢀ
a
k1 |，基于预设的去噪强度绝对差diff
ka
与滤波权重w
g
的对应关系，获取前述diff
ka
的值对应的滤波权重w
g ，所述滤波权重用于调节去噪强度；边缘梯度检测模块，用于基于强去噪结果图像计算强去噪结果图像的边缘梯度g
x
和g
y
的值，其中，g
x
表示横向梯度，g
y
表示纵向梯度，并根据所述边缘梯度的值判断需要进行边缘平滑处理的像素信息；平滑处理模块，用于基于弱去噪结果图像gif0的像素信息，根据前述滤波权重w
g
对需要进行边缘平滑处理的像素进行边缘平滑处理，得到最终结果图像的像素信息，的公式如下：,其中，为像素对应的中心像素均值；n为滤波权重的预设阈值；ii，jj表示像素下标。
16.本发明还提供了一种图像的边缘增强处理系统，包括：处理器；用于存储处理器可执行指令和参数的存储器；所述处理器被配置为：获取输入图像p和引导图像i，以及用户设置的用于弱去噪的第一矩形窗口w
k1
和用于强去噪的第二矩形窗口w
k2
，所述第一矩形窗口w
k1
小于第二矩形窗口w
k2
；基于前述引导图像i和输入图像p用窗口w
k1
做导向滤波弱去噪，计算对应的滤波系数(a
k1
，b
k1
)，其中，a
k1
和b
k1
表示窗口w
k1
中的线性模型的系数，基于引导图像i和输入图像p
用窗口w
k2
做导向滤波强去噪，计算对应的滤波系数(a
k2
，b
k2
)，其中，a
k2
和b
k2
表示窗口w
k2
中的线性模型的系数；以及，根据前述滤波系数a
k1
和a
k2
得到去噪强度绝对差diff
ka
，所述diff
ka
=|a
k2
‑ꢀ
a
k1 |，基于预设的去噪强度绝对差diff
ka
与滤波权重w
g
的对应关系，获取前述diff
ka
的值对应的滤波权重w
g ，所述滤波权重用于调节去噪强度；基于强去噪结果图像计算强去噪结果图像的边缘梯度g
x
和g
y
的值，其中，g
x
表示横向梯度，g
y
表示纵向梯度，并根据所述边缘梯度的值判断需要进行边缘平滑处理的像素信息；然后，基于弱去噪结果图像gif0的像素信息，根据前述滤波权重w
g
对需要进行边缘平滑处理的像素进行边缘平滑处理，得到最终结果图像的像素信息，的公式如下：,其中，为像素对应的中心像素均值；n为滤波权重的预设阈值；ii，jj表示像素下标。
17.本发明由于采用以上技术方案，与现有技术相比，作为举例，具有以下的优点和积极效果：能够有效降低或避免在去噪过程中丢失高频细节信息的现象，在抑制图像噪声、保持边缘细节的同时能够做到边缘平滑，使边缘过度自然；同时去噪强度和边缘平滑强度可以单独分别控制，方便用户灵活地根据输入图像需要对去噪强度和边缘平滑强度进行调整，适用性广，灵活性强。
附图说明
18.图1为现有技术中的导向滤波去噪结果的边缘毛刺现象。
19.图2为本发明提供的基于导向滤波的图像边缘处理方法的流程图。
20.图3为本发明实施例提供的进行边缘平滑处理的信息处理流程图。
21.图4为本发明提供的弱去噪边缘梯度和强去噪边缘梯度的比对示例图。
22.图5为本发明提供的去噪强度绝对差diff
ka
的变化曲线图。
23.图6为本发明提供的去噪强度绝对差diff
ka
与滤波权重w
g
的对应关系图。
具体实施方式
24.以下结合附图和具体实施例对本发明公开的基于导向滤波的图像边缘处理方法及应用作进一步详细说明。应当注意的是，下述实施例中描述的技术特征或者技术特征的组合不应当被认为是孤立的，它们可以被相互组合从而达到更好的技术效果。在下述实施例的附图中，各附图所出现的相同标号代表相同的特征或者部件，可应用于不同实施例中。因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
25.需说明的是，本说明书所附图中所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定发明可实施的限定条件，任何结构的修饰、比例关系的改变或大小的调整，在不影响发明所能产生的功效及所能达成的目的下，均应落在发明所揭示的技术内容所能涵盖的范围内。本发明的优选实施方式的范围包括另外的实现，其中可以不按所述的或讨论的顺序，包括根据所涉及的功能按
基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
26.对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
27.实施例参见图2所示，为本实施例提供了一种基于导向滤波的图像边缘处理方法。所述方法包括如下步骤：s100，获取输入图像p和引导图像i。
28.导向滤波通过一张引导图像i，对输入图像p进行滤波处理，使得最后输出图像大体上与输入图像p相似，但是纹理部分与引导图像i相似。引导图像i可以是单独的一幅图像，也可以是输入图像p本身。本实施例中，优选的，所述引导图像i为前述输入图像p。
29.导向滤波是基于这样一个模型假设：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（1）即在窗口w
k
上，引导图像i和输出图像q之间存在线性关系。其中，a
k
和b
k
是矩形窗w
k
中的线性模型的系数，称为滤波系数，假设其在特定的矩形窗内是常数；i
i
是引导图像i中第i个像素的像素值。
30.上述线性关系保证了在每个窗口w
k
中，若引导图像中存在一个边缘，输出图像将保持边缘不变。由于要求输出图像尽可能与输入图像相同来减少滤波带来的信息损失，引入一个参数防止过大，得到如下损失函数： （2）其中，ε为预设的平滑系数，其值越大输出图像平滑效果越明显。应用最小二乘法解极小值，可得：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（3）
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（4）其中，i表示像素；为引导图像i中的窗口中的像素均值（即像素的平均值）；为输入图像中的窗口中的像素均值；为窗口中的像素方差；ε为预设的平滑参数；i
i
为引导图像中第i个像素的像素值，p
i
为输入图像中第i个像素的像素值，当引导图像i为前述输入图像p时，。
31.在整幅图像内取窗口像素的均值，可得：
ꢀꢀꢀ
（5）其中，为窗口范围内所有像素计算得到的的均值；为窗口范围内所有像
素计算得到的 的均值。
32.s200，采集用户设置的用于弱去噪的第一矩形窗口w
k1
和用于强去噪的第二矩形窗口w
k2
，所述第一矩形窗口w
k1
小于第二矩形窗口w
k2
；基于引导图像i和输入图像p用窗口w
k1
做导向滤波弱去噪，计算对应的滤波系数(a
k1
，b
k1
)，其中，a
k1
和b
k1
表示窗口w
k1
中的线性模型的系数；以及基于引导图像i和输入图像p用窗口w
k2
做导向滤波强去噪，计算对应的滤波系数(a
k2
，b
k2
)，其中，a
k2
和b
k2
表示窗口w
k2
中的线性模型的系数。
33.导向滤波算法利用盒式滤波器完成相关系数计算，即为均值滤波。因此在同等程度的去噪参数下，窗口越大，去噪效果越强，窗口越小，去噪效果越弱。本实施例中，设置有用于弱去噪的第一矩形窗口w
k1
和用于强去噪的第二矩形窗口w
k2
，所述第一矩形窗口w
k1
小于第二矩形窗口w
k2
使得第一矩形窗口w
k1
相对于第二矩形窗口w
k2
为弱去噪，对应的，第二矩形窗口w
k2
相对于第一矩形窗口w
k1
为强去噪。
34.优选的，所述第一矩形窗口w
k1
为m1* m1窗口，即第一矩形窗口w
k1
有m1* m1个像素点，所述第二矩形窗口w
k2
为m2* m2窗口，即第二矩形窗口w
k2
有m2* m2个像素点，其中，m1<m2。
35.具体实施时，所述m1和m2的具体指可以由用户或系统设置。优选的，在初始化模块设置有窗口尺寸参数设置单元以供用户设置第一矩形窗口w
k1
和第二矩形窗口w
k2
的m1和m2值，用户可以基于实际需要的去噪效果来调整m1和m2的参数值。
36.本实施例的典型实施方式中，所述m1=3，m2=9。参见图3所示，用3*3窗口来进行导向滤波弱去噪获得弱去噪结果图像gif0，去噪同时保持细节。所述弱去噪结果图像gif0可以作为后续进行边缘滤波的基础。同时，用9*9窗口来进行导向滤波强去噪，强去噪结果图像用于边缘梯度检测。
37.通过公式（3）和公式（4）可知，用窗口w
k1
做导向滤波去噪时，滤波系数(a
k1
，b
k1
)的计算公式如下：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（6）
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（7）用窗口w
k2
做导向滤波去噪时，滤波系数(a
k2
，b
k2
)的计算公式如下：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（8）
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（9）s300，根据前述滤波系数a
k1
和a
k2
得到去噪强度绝对差diff
ka
，所述diff
ka
=|a
k2
‑ꢀ
a
k1 |，基于预设的去噪强度绝对差diff
ka
与滤波权重w
g
的对应关系，获取前述diff
ka
的值对应的滤波权重w
g ，所述滤波权重用于调节去噪强度；以及，获取强去噪结果图像的边缘梯度g
x
和g
y
的值，其中，g
x
表示横向梯度，g
y
表示纵向梯度，根据所述边缘梯度的值判断需要进行边缘平滑处理的像素信息。
38.导向滤波有梯度无反转特性的优点，因此可以利用该梯度信息，参见图4所示，其中左边的4a为弱去噪边缘梯度，右边的4b为强去噪边缘梯度。根据弱去噪与强去噪的边缘
响应结果获得去噪强度绝对差，参见图5所示，所述去噪强度绝对差diff
ka
为与第一滤波系数a
k
相关的参数，具体的，diff
ka
的计算公式如下：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（10）得到去噪强度绝对差diff
ka
的值后，就可以基于预设的去噪强度绝对差diff
ka
与滤波权重w
g
的对应关系，获取前述diff
ka
的值对应的滤波权重w
g
。
39.所述滤波权重w
g
用于调节去噪强度。滤波权重w
g
越大，对应的去噪强度越强，反之，滤波权重w
g
越小，对应的去噪强度越弱。
40.步骤s300中，还需要获取强去噪结果图像的边缘梯度g
x
和g
y
的值，其中，g
x
表示横向梯度，g
y
表示纵向梯度，根据所述边缘梯度的值判断需要进行边缘平滑处理的像素信息。
41.根据弱去噪结果图像与强去噪结果图像，参见图5中弱去噪结果图像和强去噪结果图像二者的边缘检测结果系数的变化趋势，可以看出相比于弱去噪结果图像，强去噪结果图像的边缘检测结果系数过度更为平滑，因此基于强去噪结果图像来检测边缘梯度。
42.s400，基于弱去噪结果图像gif0的像素信息，根据前述滤波权重w
g
对需要进行边缘平滑处理的像素进行边缘平滑处理后，计算最终结果图像的像素信息，公式如下：
ꢀꢀ
（11）其中，为像素对应的中心像素均值；n为滤波权重的预设阈值；ii，jj表示像素下标。
43.在优选的实施方式中，所述滤波权重的预设阈值n=6，此时，所述去噪强度绝对差diff
ka
与滤波权重w
g
的对应关系如下：当时，令 ；当时，令 ；当时，令 ；当时，令 ；当时，令 ；当时，令 ；当时，令 。
44.此时，去噪强度绝对差diff
ka
与滤波权重w
g
的对应关系可以参见图6所示。如此，在获取了所述第一矩形窗口w
k1
和第二矩形窗口w
k2
对应的第一滤波系数a
k1
和a
k2
后，就可以计算出对应的去噪强度绝对差diff
ka
，然后基于上述去噪强度绝对差diff
ka
与滤波权重w
g
的对应关系，就可以得到对应的滤波权重w
g
。
45.本实施例中，步骤s300中，获取强去噪结果图像的边缘梯度g
x
和g
y
的值的步骤可以如下：由于sobel算子在检测边缘的同时有一定的抑制噪声的效果，可以有效保留细节，
本实施例优选的采用sobel算子来检测强去噪结果图像的边缘梯度。具体的，可以基于3*3的sobel算子，在强去噪结果图像上取3*3的窗口，获取该窗口的像素矩阵a后，与前述sobel算子进行卷积运算后求得结果g
x
和g
y
，计算公式如下：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（12）
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（13）其中，表示水平方向算子，表示垂直方向算子。
46.根据图像的每一个像素的横向梯度及纵向梯度的值，可以计算出对应的梯度大小，然后，就可以根据梯度大小的值计算判断像素是属于噪声还是边缘。
47.梯度大小的计算公式如下：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（14）本实施例中考虑到计算速度，将上式简化为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（15）具体的，根据所述边缘梯度的值判断需要进行边缘平滑处理的像素信息的步骤如下：首先，根据强去噪结果图像的边缘梯度g
x
和g
y
，计算对应的梯度大小，其中 。
48.然后，基于用户设置的梯度阈值参数th，比对前述与梯度阈值参数th的大小。
49.如果 时，判定对应中心点为噪声，不做边缘平滑处理。
50.如果 时，判定对应中心点为边缘，需要进行边缘平滑处理。
51.当判定对应中心点为边缘，继续判断该中心点属于横向边缘还是纵向边缘。
52.如果时，判定为该中心点为横向边缘。
53.如果时，判定为该中心点为纵向边缘。
54.触发对前述横向边缘和纵向边缘分别进行水平方向和垂直方向上的边缘平滑处理。
55.具体的，对于的横向边缘，计算最终结果图像的像素信息的公式如下：
ꢀꢀꢀꢀꢀꢀꢀ
（16）
ꢀꢀꢀꢀꢀꢀ
（17）
对于的纵向边缘，计算最终结果图像的像素信息的公式如下：
ꢀꢀꢀꢀꢀꢀ
（18）
ꢀꢀꢀꢀꢀ
（19）利用本发明提供的上述技术方案，利用导向滤波算法做去噪及边缘平滑，在抑制图像噪声同时，能够能保持边缘细节并做到边缘平滑，显著减轻边缘毛刺现象，使边缘过度自然；同时，去噪强度及边缘平滑强度可分别独立控制，使得用户可以按照需求调节去噪和边缘平滑强度，适用性广、灵活性强。
56.本发明的另一实施例，还提供了一种基于导向滤波的图像边缘处理装置。
57.所述装置包括信息采集模块，弱去噪模块，强去噪模块，滤波权重调整模块，边缘梯度检测模块和平滑处理模块。
58.所述信息采集模块，用于获取输入图像p和引导图像i；以及采集用户设置的用于弱去噪的第一矩形窗口w
k1
和用于强去噪的第二矩形窗口w
k2
，所述第一矩形窗口w
k1
小于第二矩形窗口w
k2
。
59.导向滤波通过一张引导图像i，对输入图像p进行滤波处理，使得最后输出图像大体上与输入图像p相似，但是纹理部分与引导图像i相似。引导图像i可以是单独的一幅图像，也可以是输入图像p本身。本实施例中，优选的，所述引导图像i为前述输入图像p。
60.优选的，所述第一矩形窗口wk1为m1* m1窗口，所述第二矩形窗口wk2为m2* m2窗口，其中，m1<m2。
61.所述弱去噪模块，用于基于引导图像i和输入图像p用窗口w
k1
做导向滤波弱去噪，计算对应的滤波系数(a
k1
，b
k1
)，其中，a
k1
和b
k1
表示窗口w
k1
中的线性模型的系数。
62.所述强去噪模块，用于基于引导图像i和输入图像p用窗口w
k2
做导向滤波强去噪，计算对应的滤波系数(a
k2
，b
k2
)，其中，a
k2
和b
k2
表示窗口w
k2
中的线性模型的系数。
63.所述滤波权重调整模块，用于根据前述滤波系数a
k1
和a
k2
得到去噪强度绝对差diff
ka
，所述diff
ka
=|a
k2
‑ꢀ
a
k1 |，基于预设的去噪强度绝对差diff
ka
与滤波权重w
g
的对应关系，获取前述diff
ka
的值对应的滤波权重w
g ，所述滤波权重用于调节去噪强度。
64.所述边缘梯度检测模块，用于基于强去噪结果图像计算强去噪结果图像的边缘梯度g
x
和g
y
的值，其中，g
x
表示横向梯度，g
y
表示纵向梯度，并根据所述边缘梯度的值判断需要进行边缘平滑处理的像素信息。
65.所述平滑处理模块，用于基于弱去噪结果图像gif0的像素信息，根据前述滤波权重w
g
对需要进行边缘平滑处理的像素进行边缘平滑处理，得到最终结果图像的像素信息，的公式如下：,其中，为像素对应的中心像素均值；n为滤波权重的预设阈值；ii，jj表示像素下标。
66.本实施例中，所述滤波权重的预设阈值n=6，此时，所述去噪强度绝对差diff
ka
与滤
波权重w
g
的对应关系如下：当时，令 ；当时，令 ；当时，令 ；当时，令 ；当时，令 ；当时，令 ；当时，令 。
67.本实施例中，优选的，m1=3，m2=9。所述边缘梯度检测模块包括边缘梯度计算单元和边缘检测判断单元。
68.所述边缘梯度计算单元被配置为：基于3*3的sobel算子，在强去噪结果图像上取3*3的窗口，获取该窗口的像素矩阵a后，与前述sobel算子进行卷积运算后求得结果g
x
和g
y
。
69.所述边缘检测判断单元被配置为：根据强去噪结果图像的边缘梯度g
x
和g
y
，计算对应的梯度大小，其中 ；基于用户设置的梯度阈值参数th，比对前述与梯度阈值参数th的大小，当 时，判定对应中心点为噪声，不做边缘平滑处理；当 时，判定对应中心点为边缘，需要进行边缘平滑处理，继续判断该中心点属于横向边缘还是纵向边缘，其中，当时，判定为该中心点为横向边缘；当时，判定为该中心点为纵向边缘；触发对前述横向边缘和纵向边缘分别进行水平方向和垂直方向上的边缘平滑处理。
70.其它技术特征参见在前实施例的描述，各模块可以被配置进行在前实施例中描述的相应信息处理过程，在此不再赘述。
71.本发明的另一实施例，还提供了一种图像的边缘增强处理系统。所述系统包括处理器和用于存储处理器可执行指令和参数的存储器。
72.其中，所述处理器被配置为：获取输入图像p和引导图像i，以及用户设置的用于弱去噪的第一矩形窗口w
k1
和用于强去噪的第二矩形窗口w
k2
，所述第一矩形窗口w
k1
小于第二矩形窗口w
k2
；基于前述引导图像i和输入图像p用窗口w
k1
做导向滤波弱去噪，计算对应的滤波系数(a
k1
，b
k1
)，其中，a
k1
和b
k1
表示窗口w
k1
中的线性模型的系数，基于引导图像i和输入图像p用窗口w
k2
做导向滤波强去噪，计算对应的滤波系数(a
k2
，b
k2
)，其中，a
k2
和b
k2
表示窗口w
k2
中的线性模型的系数；以及，根据前述滤波系数a
k1
和a
k2
得到去噪强度绝对差diff
ka
，所述diff
ka
=|a
k2
‑ꢀ
a
k1 |，基于预设的去噪强度绝对差diff
ka
与滤波权重w
g
的对应关系，获取前述diff
ka
的值对应的滤波权重w
g ，所述滤波权重用于调节去噪强度；基于强去噪结果图像计算强去噪结果图像的边缘梯度g
x
和g
y
的值，其中，g
x
表示横向梯度，g
y
表示纵向梯度，并根据所述边缘梯度的值判断需要进行边缘平滑处理的像素信息；然后，基于弱去噪结果图像gif0的像素信息
，根据前述滤波权重w
g
对需要进行边缘平滑处理的像素进行边缘平滑处理，得到最终结果图像的像素信息，的公式如下：,其中，为像素对应的中心像素均值；n为滤波权重的预设阈值；ii，jj表示像素下标。
73.其它技术特征参见在前实施例的描述，所述处理器可以被配置为包括多个模块——比如前述的弱去噪模块，强去噪模块，滤波权重调整模块，边缘梯度检测模块和平滑处理模块——以进行在前实施例中描述的信息处理过程，在此不再赘述。
74.在上面的描述中，本发明的公开内容并不旨在将其自身限于这些方面。而是，在本公开内容的目标保护范围内，各组件可以以任意数目选择性地且操作性地进行合并。另外，像“包括”、“囊括”以及“具有”的术语应当默认被解释为包括性的或开放性的，而不是排他性的或封闭性，除非其被明确限定为相反的含义。所有技术、科技或其他方面的术语都符合本领域技术人员所理解的含义，除非其被限定为相反的含义。在词典里找到的公共术语应当在相关技术文档的背景下不被太理想化或太不实际地解释，除非本公开内容明确将其限定成那样。本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰，均属于权利要求书的保护范围。