一种用于碳纤维板受损图像的去噪方法

1.本发明涉及数字图像处理领域，具体涉及到一种用于碳纤维板受损图像的去噪方法。


背景技术：

2.当下是信息化的时代，科学技术和人类社会得到了前所未有的发展，图像处理技术在各个技术领域的重要性也日益凸显。一直以来，人类的生活都离不开图像，我们也习惯于从图像中获取外界的信息，随着科学的不断进步，图像处理技术在越来越多的领域发挥着作用，它对经济发展、社会进步已经起到了极大的帮助。
3.图像处理是指通过电脑或者其他硬件数字化处理图像信息的技术，它包括了多个方面如图像分割、图像增强、图像模糊等等。在计算机技术飞速发展的时代，图像处理技术的进步也越来越依赖于计算机。根据不同领域的需求，如何从图像中获取我们需要的信息，以适应时代发展已成为当下热点。
4.其中，如何快速高效地处理出高质量的模糊图像显得尤为重要。利用特定的算法，将待处理图像主体中的像素色值进行重新排序、合成，这就是模糊的原理。其中利用正态分布的高斯函数，对图像的像素点做二维卷积变换，从而使图像模糊的技术就是高斯模糊。
5.在诸多的模糊算法之中，高斯模糊的图像处理效果相较于其他的模糊算法，更加接近于自然景深的效果。因为该优点，它深受图像处理者的青睐，通常用它对图像进行去噪，从而降低细节层次，使图像更加平滑，也因为该特性它被称为平滑模糊。


技术实现要素：

6.为了克服上述现有技术中的缺陷，本发明提供了一种用于碳纤维板受损图像的去噪方法，通过图像放缩后得到的高斯模糊效果更好，处理中计算复杂度的得到降低，计算机运算量减少，运行速度加快，采用先在水平做卷积，再在垂直做卷积，使得到的模糊图像平滑，消除图像放缩后可能产生的锯齿。
7.技术方案
8.一种用于碳纤维板受损图像的去噪方法，包括如下步骤：
9.(1)将待处理的图像主体缩小一倍，减少需要处理的数据量；
10.(2)对缩小后的图像进行一维高斯卷积操作，先在水平方向做卷积，再在垂直方向做卷积；
11.(3)将一维高斯卷积操作处理后的图像放大到原来的大小。
12.进一步的，所述图像主体缩小一倍会因为数据量的减少而造成图像细节丢失的问题，而高斯模糊有降低图像细节、平滑图像的作用，因此缩小图像所造成的问题可以忽略不计，将高斯模糊和缩小图像结合，能够在减少计算量的同时还几乎不影响最终效果。
13.进一步的，用一维高斯卷积对待处理的图像进行卷积操作的基本原理：
14.待处理的图像：
15.先在水平方向一维变换：
16.再在垂直方向一维变换：
17.对图像做二维变换：
18.其中
×
代表高斯卷积变换。
19.有益效果
20.本发明与现有技术相比，具有以下有益效果：
21.1.图像放缩后得到的高斯模糊效果更好；
22.2.处理中计算复杂度的得到降低，计算机运算量减少，运行速度加快；
23.3.采用先在水平做卷积，再在垂直做卷积，使得到的模糊图像平滑，消除图像放缩后可能产生的锯齿；
24.4.可以适用于需要规模化处理图像的领域，以及为硬件性能较差的设备提供技术支持。
附图说明
25.图1是二维高斯函数和卷积的过程图；
26.图2是本实例中一维高斯函数和两次一维卷积的过程图；
27.图3是高斯模糊处理前的原图；
28.图4是原图的二值化效果图；
29.图5是改进后的高斯模糊图像二值化效果；
30.图6是普通高斯模糊图像二值化效果；
31.图7为普通高斯模糊与改进高斯模糊的运算时间和计算复杂度对比表；
32.图8是本发明的优化流程图。
具体实施方式
33.为更好地说明阐述本发明内容，下面结合附图和实施实例进行展开说明：
34.有图1-图8所示，本发明公开了一种用于碳纤维板受损图像的去噪方法，包括如下步骤：
35.(1)将待处理的图像主体缩小一倍，减少需要处理的数据量；
36.(2)对缩小后的图像进行一维高斯卷积操作，先在水平方向做卷积，再在垂直方向做卷积；
37.(3)将一维高斯卷积操作处理后的图像放大到原来的大小。
38.进一步的，所述图像主体缩小一倍会因为数据量的减少而造成图像细节丢失的问题，而高斯模糊有降低图像细节、平滑图像的作用，因此缩小图像所造成的问题可以忽略不计，将高斯模糊和缩小图像结合，能够在减少计算量的同时还几乎不影响最终效果。
39.进一步的，用一维高斯卷积对待处理的图像进行卷积操作的基本原理：
40.待处理的图像：
41.先在水平方向一维变换：
42.再在垂直方向一维变换：
43.对图像做二维变换：
44.其中
×
代表高斯卷积变换，而非矩阵相乘，从上面的推导结果可以看出，图像在二维高斯卷积处理后得到的结果，与先在水平方向高斯卷积，再在垂直方向高斯卷积得到的结果一样，可以看出，在理论上如果取一个三阶矩阵，计算机的运算速度可以提高6倍。
45.进一步的，将二维高斯卷积操作，变成两个一维卷积操作是可行的，原因分析如下，设f(x,y),f(x),f(y)符合标准正态分布，有
46.f(x，y)＝f(x)f(y)
47.则：
[0048][0049]
由公式推导可见，先在水平方向做一维卷积，再在垂直方向做一维卷积，二维高斯
卷积可以被拆分成两部分；
[0050]
在高斯模糊原来的算法中，它不会对m*m内的点加权平均，这样导致的计算机运算时间复杂度为o(n*n*m*m)，而在一种用于碳纤维板受损图像的去噪方法下，如果是对大小为n*n的图像进行处理，在水平垂直各做一次加权平均，时间复杂度可以降低到o(n*n*m)。
[0051]
具体地，每次卷积进行前对图像缩小一倍，减少需要处理的数据量，更有利于模糊效果的快速实现；
[0052]
其次，以水平与垂直两个方向的一维卷积替代原先的二维卷积，不仅有效提升了计算机运算速度，而且在两个方向的一维高斯卷积后，线性的卷积核变化为非线性的，可以避免可能因缩小图像而造成的图像锯齿；
[0053]
最后，放大图像到原来的尺寸，即可以得到更好的高斯模糊效果。
[0054]
对缩小后的图像进行一维高斯卷积操作，先在水平方向做卷积，再在垂直方向做卷积，与一次二维卷积核对图像进行卷积相比，图像数据有所减少，计算机运算量减少，计算复杂度降低，当图像在第一步缩小比例较大时，小图高斯模糊之后再放大，图像可能会有锯齿存在，而普通高斯模糊的卷积核是线性的，但经过优化之后，在两个不同方向各做一维卷积，可以实现卷积核的非线性，使得模糊处理后的图像平滑效果更好，所有不会发生有因缩小图像而产生图像锯齿的情况；
[0055]
为了使一种用于碳纤维板受损图像的去噪方法方法更具信服度，展示一种用于碳纤维板受损图像的去噪方法下图片的平滑效果和计算机的运输速度：
[0056]
选取一张清晰灰度图，在相同的高斯模糊半径，编程对图像进行普通高斯模糊和优化高斯模糊处理，并将两种情况下的模糊图像的计算机运算速度进行对比。(试验环境：matlabr2017b，图像大小：640*640)
[0057]
图1很直观的展示了二维高斯函数，以及二维卷积核对整幅数字图像进行卷积的过程，需要一一对每个像素点进行卷积处理，复杂的运算过程大大降低了计算机的运行效率；
[0058]
图2将二维的高斯卷积核分离成两个一维的高斯卷积核，通过图示中的运算过程，可以看出一种用于碳纤维板受损图像的去噪方法对运算量和运算复杂度的优化；
[0059]
图3-6展示了在高斯模糊半径为1.5的大小下，一种用于碳纤维板受损图像的去噪方法与原方法对图像的处理效果，从模糊质量来看，图5-6这两幅附图都非常平滑，但是相比较而言，一种用于碳纤维板受损图像的去噪方法得到的模糊图像最为模糊；
[0060]
图4从运算复杂度和运算时间两个方面对两种方法进行了对比，可以看到，一种用于碳纤维板受损图像的去噪方法的运算速度快于普通高斯模糊，同时运算复杂度也是较普通高斯模糊小，这对大量图像处理的运算中尤为占优；
[0061]
因此，综合以上对比和效果，一种用于碳纤维板受损图像的去噪方法可以快速实现高质量的模糊图像，计算方式与原先虽有差异，但是模糊的效果更好，图像更加平滑，并且计算复杂度大大降低，运算速度加快。
[0062]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明技术方案进行了详细的说明，本领域的技术人员应当理解，其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行同等替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精
神与范围。