駱正茂 姜 磊

1(浙江東方職業(yè)技術(shù)學(xué)院 浙江 溫州 325011)2(溫州大學(xué)物理與電子信息工程學(xué)院 浙江 溫州 325035)

基于區(qū)域方差的紋理濾波算法

駱正茂1姜 磊2*

1(浙江東方職業(yè)技術(shù)學(xué)院 浙江 溫州 325011)2(溫州大學(xué)物理與電子信息工程學(xué)院 浙江 溫州 325035)

紋理濾波器算法是圖像處理領(lǐng)域重要的研究方向之一,具有廣泛的研究意義和實(shí)際應(yīng)用價(jià)值。一種類型紋理濾波器算法通過區(qū)分圖像中包含的復(fù)雜紋理信息和顯著結(jié)構(gòu)信息來引導(dǎo)進(jìn)行紋理濾波處理。如何區(qū)分圖像中的紋理信息和結(jié)構(gòu)信息成為了算法的關(guān)鍵。提出一種區(qū)分圖像的復(fù)雜紋理信息和顯著結(jié)構(gòu)信息的方法。同時(shí)對(duì)于彩色的包含紋理信息的圖像進(jìn)行濾波處理時(shí)，引入了對(duì)比度保持的方法來生成灰度圖像，用來生成指導(dǎo)紋理濾波的引導(dǎo)圖。為了證明算法的有效性，給出了和一些算法進(jìn)行比較的結(jié)果。另外，展示了算法在細(xì)節(jié)增強(qiáng)，JPEG壓縮印跡去除和圖像分割的應(yīng)用效果。

圖像處理 紋理濾波器 對(duì)比度保持 細(xì)節(jié)增強(qiáng) JPEG壓縮印跡去除 圖像分割

0 引 言

圖像作為一種重要的傳遞信息的方式，往往包含著豐富的內(nèi)容。在日常生活中，有些圖像中會(huì)包含一些復(fù)雜的紋理信息。由于我們?nèi)祟悡碛蟹浅?qiáng)大的視覺感知器官，所以可以非常容易地從包含這復(fù)雜的紋理信息的圖像中理解圖像所要表達(dá)的含義。然而這項(xiàng)任務(wù)對(duì)于計(jì)算機(jī)來說卻非常困難。計(jì)算機(jī)很難從包含復(fù)雜紋理信息的圖像中識(shí)別圖像中的顯著的結(jié)構(gòu)信息。

紋理濾波算法可以用來分離圖像中包含的復(fù)雜紋理信息和顯著結(jié)構(gòu)信息。通過對(duì)圖像中包含的復(fù)雜紋理信息進(jìn)行處理，從而減少計(jì)算機(jī)識(shí)別圖像信息的難度。另外紋理濾波器算法作為一種結(jié)構(gòu)保持的濾波器算法還有一些其他的應(yīng)用。例如，可以用來增強(qiáng)圖像的細(xì)節(jié)信息，去除圖像中包含的壓縮印跡，以及作為預(yù)處理操作提升圖像分割的效果等。因此紋理濾波算法的研究具有重要的意義。

本文提出了一種區(qū)分圖像中紋理信息和結(jié)構(gòu)信息的方法，并且在對(duì)于彩色圖像進(jìn)行濾波處理時(shí)引入了對(duì)比度保持的方法來生成灰度圖像。通過和其他算法進(jìn)行濾波效果的對(duì)比以及應(yīng)用效果的展示說明了算法的效果。

1 相關(guān)工作

紋理濾波器算法作為圖像處理領(lǐng)域一個(gè)重要的研究方向吸引了很多研究者投身于該問題的研究。近年來有很多優(yōu)秀的紋理濾波器算法被提了出來，這些算法可以歸納為以下兩種類型。(1) 邊界保持的濾波器算法。(2) 通過區(qū)分圖像的復(fù)雜結(jié)構(gòu)信息和紋理信息。下面將對(duì)這些紋理濾波器算法作一個(gè)簡(jiǎn)單的介紹。

一種是將一些具有邊界保持性質(zhì)的濾波器算法用來進(jìn)行圖像中紋理的去除。雙邊濾波器[1]是一種簡(jiǎn)單但非常高效的邊界保持濾波器算法，該算法可以用來去除圖像中包含的一些低對(duì)比度的噪聲信息。Farbman等[2]提出了利用加權(quán)二乘法來提取圖像中不同尺度的細(xì)節(jié)信息，克服了基于雙邊濾波算法只能提取特定尺度的圖像細(xì)節(jié)信息的問題。Ma等[3]提出了利用加權(quán)中值濾波算法來去除圖像中包含的一些噪聲信息。Subr等[4]提出了通過利用局部極值來區(qū)分邊界和細(xì)節(jié)的方式來進(jìn)行圖像的分解操作。雖然這些非線性的邊界保持的紋理濾波器算法能夠在去除特定尺度的圖像信息時(shí)比較好地保持圖像的邊界，但是大部分算法不能夠很好地去除圖像中包含的復(fù)雜紋理信息。

另一種是通過區(qū)分圖像中包含的復(fù)雜紋理信息和顯著結(jié)構(gòu)信息來引導(dǎo)進(jìn)行紋理濾波操作。全局變化[5]被證明能夠很好去除圖像中包含的規(guī)則或者不規(guī)則的紋理信息。Xu等[6]提出了利用相對(duì)全局變化來實(shí)現(xiàn)從圖像中復(fù)雜的紋理信息中抽取顯著的結(jié)構(gòu)。Cho等[7]提出了基于mRTV(modified Relative Total Variation)的方法來插值生成引導(dǎo)圖并且結(jié)合雙邊濾波來進(jìn)行圖像的紋理去除。Karacan等[8]提出了基于局部區(qū)域協(xié)方差來進(jìn)行紋理去除的方法。

2 算法介紹

本文提出了一種新的度量圖像中的紋理和結(jié)構(gòu)信息的方法，本文把這種方法稱為修改的局部方差，并且對(duì)于彩色圖像進(jìn)行紋理濾波時(shí)采用對(duì)比度保持的方法來生成灰度圖像。接下來采用Cho等[7]提出的算法來插值生成引導(dǎo)圖，最后采用交叉雙邊濾波來進(jìn)行紋理濾波。圖1中給出了本文算法的一些主要的中間結(jié)果。

圖1 本文算法的流程圖

2.1 生成灰度圖像

Cho等在文獻(xiàn)[7]中提出了處理彩色圖像的兩種不同的方式。這兩種方式的差別主要在于一種是直接用彩色圖像來計(jì)算mRTV，另一種是先把彩色圖像轉(zhuǎn)為灰度圖像來計(jì)算mRTV。利用彩色圖像計(jì)算mRTV能夠得到更好的引導(dǎo)圖，從而濾波后對(duì)于邊界保持得更好，同時(shí)也需要更多的時(shí)間開銷。

為了解決這個(gè)問題，本文采用了對(duì)比度保持的灰度化方法[9]來生成灰度化的彩色圖像。并且利用對(duì)比度保持的灰度化圖像來計(jì)算文中提出的修改后的局部方差來引導(dǎo)插值生成引導(dǎo)圖。實(shí)驗(yàn)結(jié)果證明該方法能夠較好地提高濾波的后邊界的效果，并且時(shí)間開銷要小于利用彩色圖像來進(jìn)行直接計(jì)算。圖2給出了Cho等[7]采用直接灰度化和本文利用對(duì)比度保持后灰度化的圖像進(jìn)行濾波處理的效果對(duì)比。通過對(duì)比可以發(fā)現(xiàn)采用對(duì)比度保持的灰度圖像具有相對(duì)較好的效果。

圖2 直接灰度化和對(duì)比度保持灰度化效果比較

2.2 修改的局部方差

紋理可以被看作是區(qū)域內(nèi)像素的值振幅比較小的區(qū)域，而包含顯著結(jié)構(gòu)的區(qū)域往往像素的值具有陡變。基于這個(gè)假設(shè)可以簡(jiǎn)單的采用式(1)來區(qū)分圖像中的紋理區(qū)域和顯著結(jié)構(gòu)區(qū)域。

Δ(Ωp)=Imax(Ωp)-Imin(Ωp)

(1)

這里I表示輸入圖像(本文采用的是對(duì)比度保持的灰度化的圖像)，p表示I中的像素點(diǎn)，像素的值記為IP，Ωp可以理解為以像素p為中心大小為K×K的鄰域。Imax(Ωp),Imin(Ωp)分別表示鄰域內(nèi)像素的極大值和極小值。這種方法在很多情況能夠取得不錯(cuò)的效果的，但是當(dāng)紋理區(qū)域內(nèi)像素值得變化和附近邊界的變化相等或者甚至大于邊界處的變化時(shí)，就不能取得好的效果。本文提出了一個(gè)改進(jìn)的方法來幫助解決這個(gè)問題。本文引入了區(qū)域方差的思想。公式如下：

(2)

這里mPV(Ωp)用來表示本文定義的修改的局部方差。mean(·)是像素鄰域內(nèi)的均值，N表示鄰域內(nèi)包含的像素個(gè)數(shù)。當(dāng)紋理區(qū)域內(nèi)的變化和附近結(jié)構(gòu)邊界的變化相等時(shí)，紋理區(qū)域的方差要比包含邊界的區(qū)域的方差要小(圖1(c))。因此mPV的值在平滑。

2.3 生成引導(dǎo)圖

本文采用Cho等[7]提出的鄰域平移思想來生成一個(gè)臨時(shí)的引導(dǎo)圖G，與Cho不同的是本文基于求得的mPV值來引導(dǎo)進(jìn)行鄰域平移。同樣因?yàn)閙PV的值在圖像中平滑的區(qū)域比較小容易受到噪聲點(diǎn)的影響，本文也采用Cho提出的插值的思想來生成最終需要的引導(dǎo)圖G′(圖1(d))。

基于mPV鄰域平移思想指的是，假設(shè)在以像素p為中心的鄰域Ωp的大小為K×K，則找到這K2個(gè)像素中使得mPV(Ωq)值最小的像素q，并且將Bp=Bq，得到鄰域平移后的臨時(shí)引導(dǎo)圖G。為了克服生成G時(shí)可能受到的噪聲的影響，再次檢驗(yàn)mPV(Ωp)和mPV(Ωq)如果二者的值相似那么Bp的值優(yōu)先作為Gp的值，如果后者值比前者小很多則采用Bq值作為Gp的值。該思想的實(shí)現(xiàn)如下：

(3)

(4)

2.4 交叉雙邊濾波器

最后本文采用交叉雙邊濾波[10]來對(duì)輸入圖像進(jìn)行濾波處理。本文基于求得引導(dǎo)圖G′來計(jì)算交叉雙邊濾波。公式如下：

(5)

式中，Jp表示在鄰域Ωp中的像素的值加權(quán)平均后的結(jié)果。函數(shù)f和g用來表示高斯函數(shù)。對(duì)彩色圖像的每個(gè)通道分別進(jìn)行交叉雙邊濾波就可以得到濾波后的結(jié)果(圖1(e))。

3 實(shí)驗(yàn)結(jié)果和總結(jié)

本文在配有IntelCorei5處理器、2GB內(nèi)存的筆記本電腦上利用MATLAB語言測(cè)試前面介紹的對(duì)比度保持的紋理濾波算法。該部分主要分析和總結(jié)本文算法的結(jié)果，以及和其他算法的比較情況。

本文算法對(duì)于彩色圖像的濾波，采用基于對(duì)比度保持的灰度化的圖像來生成引導(dǎo)圖，作為交叉雙邊濾波的權(quán)值。對(duì)于圖像的噪聲濾波或者去除一些尺度比較小的紋理，只需要進(jìn)行一次濾波操作就可以得到比較好的濾波效果。對(duì)于包含大尺度紋理的圖像濾波操作一般需要2～4次的迭代操作。這個(gè)操作很簡(jiǎn)單，只需把上一次的輸出作為下一次的輸入即可。算法中只有兩個(gè)參數(shù)需要調(diào)節(jié)，一個(gè)是控制迭代次數(shù)的n∈{2,3,4}，另一個(gè)是求mPV時(shí)鄰域的大小K，本文采用的大小為K∈{3,5,7,9}。交叉雙邊濾波的濾波核的大小為S*S(S=2K-1)，空域標(biāo)準(zhǔn)差σs=K-1，值域標(biāo)準(zhǔn)差為σr=0.1。

圖3中給出了本文算法在紋理進(jìn)行紋理濾波時(shí)和其他算法的比較。

圖3 算法結(jié)果比較

經(jīng)過對(duì)比可以發(fā)現(xiàn)，Karacan等[8]的算法能夠去除圖像中的紋理信息，但是過分的處理了一些結(jié)構(gòu)邊界。Cho等[7]的算法在平滑圖像中的紋理信息時(shí)保持了一些結(jié)構(gòu)邊界。但是對(duì)于一些低對(duì)比度區(qū)域的結(jié)構(gòu)沒能很好的保持。例如圖3中的魚眼睛部分模糊了。本文算法由于在生成灰度圖時(shí)加入了對(duì)比度的信息，同時(shí)mPV能夠較好地區(qū)分紋理和結(jié)構(gòu)邊界，因此取得了較好的處理結(jié)果。圖4中給出了本文算法處理的其他一些紋理圖片的結(jié)果。

圖4 本文算法濾波的結(jié)果

4 相關(guān)應(yīng)用

紋理濾波器算法有著非常多的應(yīng)用領(lǐng)域，這節(jié)將簡(jiǎn)單介紹本文算法在細(xì)節(jié)增強(qiáng)、JPEG壓縮印跡去除和圖像分割方面的一些應(yīng)用。

圖像細(xì)節(jié)增強(qiáng)是用來增強(qiáng)圖像中包含的一些不明顯的細(xì)節(jié)信息。利用本文的紋理濾波算法可以分離圖像中包含的不同尺度的細(xì)節(jié)信息。然后把分離出的細(xì)節(jié)信息加到原始圖像中來達(dá)到細(xì)節(jié)增強(qiáng)的效果。圖5中給出了應(yīng)用本文算法進(jìn)行圖像細(xì)節(jié)增強(qiáng)的效果和Subr等[4]、Cho等[7]算法的結(jié)果比較。通過觀察發(fā)現(xiàn)三種算法都對(duì)輸入圖中的細(xì)節(jié)信息進(jìn)行了增強(qiáng)。例如圖5上面一行花瓣的細(xì)節(jié)信息較原圖要更加的明顯。但是，Subr等[4]的算法在進(jìn)行細(xì)節(jié)增強(qiáng)的同時(shí)也一定程度上改變了圖像的亮度，本文算法和Cho等[7]的算法就很好地避免了這種情況。

圖5 細(xì)節(jié)增強(qiáng)效果對(duì)比

圖像壓縮技術(shù)是個(gè)比較重要的研究方向，JPEG壓縮方式得到了非常廣泛的應(yīng)用。然而，在壓縮圖像數(shù)據(jù)的過程中會(huì)遺留下一些壓縮產(chǎn)生的痕跡，有些甚至?xí)蟠蟮挠绊懥藞D像的美觀。通過實(shí)驗(yàn)發(fā)現(xiàn)，本文算法可以用來去除JPEG壓縮產(chǎn)生的印跡。圖6中給出了一個(gè)去除JPEG痕跡的結(jié)果，并且和Ma等[3]的算法進(jìn)行了簡(jiǎn)單的比較。圖6上面一行Ma等的算法(中間)未能完全去除JPEG產(chǎn)生的痕跡，但是對(duì)于邊界保持得較好，本文算法(右邊)較好地去除了壓縮印跡，然而邊界部分有點(diǎn)模糊。圖6下面一行由于原圖包含較少的壓縮印跡，因此兩種算法都取得了很好的效果，同時(shí)本文算法在邊界處顯得更加的平滑。

圖6 JPEG壓縮印跡去除結(jié)果比較

圖像分割一直是計(jì)算機(jī)視覺領(lǐng)域一個(gè)十分重要的研究方向，有著重要的應(yīng)用價(jià)值。圖像分割具有很多較好的方法。例如基于聚類的方法，典型的有利用Kmeans[11]方法進(jìn)行圖像的分割。另外還有基于圖論和最近比較好的基于深度學(xué)習(xí)方法的圖像分割方法。然而將這些方法直接用于包含復(fù)雜的紋理信息的圖像進(jìn)行分割，往往不能夠取得十分理想的效果。因此，可以利用紋理濾波算法作為一個(gè)圖像預(yù)處理的操作，然后對(duì)紋理濾波后的圖像進(jìn)行圖像的分割。圖7中給出了直接利用Kmeans方法進(jìn)行圖像分割和利用本文算法進(jìn)行預(yù)處理后再利用Kmeans方法后的效果比較。從圖中可以看出直接利用Kmeans算法對(duì)紋理圖片進(jìn)行分割會(huì)產(chǎn)生很多單獨(dú)的不連續(xù)的小塊區(qū)域。然而利用本文紋理濾波算法作為預(yù)處理操作再利用Kmeans算法進(jìn)行圖像分割，能夠取得比較好的分割效果。因此本文算法可以作為紋理圖像分割的預(yù)處理操作。

圖7 圖像分割效果比較

5 結(jié) 語

本文基于對(duì)比度保持的灰度化圖像和本文定義的修改局部方差來插值生成用于交叉雙邊濾波的引導(dǎo)圖。通過實(shí)驗(yàn)證明和相關(guān)應(yīng)用證明了本文算法能夠較好地去除圖像中包含的紋理信息。然而本文算法依然存在一些不足之處。一方面不能很好地去除一些具有大尺度的紋理，另一方面對(duì)于對(duì)比度比較低的結(jié)構(gòu)邊界不能很好地保持。對(duì)于算法中存在的問題希望在以后的研究中得到解決。

[1]TomasiC,ManduchiR.Bilateralfilteringforgrayandcolorimages[C]//6thInternationalConferenceonComputerVision.Bombay,India:IEEE,1998:839-846.

[2]FarbmanZ,FattalR,LischinskiD,etal.Edge-preservingdecompositionsformulti-scaletoneanddetailmanipulation[J].ACMTransactionsonGraphics,2008,27(3):15-19.

[3]MaZ,HeK,WeiY,etal.Constanttimeweightedmedianfilteringforstereomatchingandbeyond[C]//2013IEEEInternationalConferenceonComputerVision.IEEE,2013:49-56.

[4]SubrK,SolerC,DurandF.Edge-preservingmultiscaleimagedecompositionbasedonlocalextrema[J].ACMTransactionsonGraphics,2009,28(5):89-97.

[5]RudinLI,OsherS,FatemiE.Nonlineartotalvariationbasednoiseremovalalgorithms[J].PhysicaD:NonlinearPhenomena,1992,60(1-4):259-268.

[6]XuL,YanQ,XiaY,etal.Structureextractionfromtextureviarelativetotalvariation[J].ACMTransactionsonGraphics,2012,31(6):439-445.

[7]ChoH,LeeH,KangH,etal.Bilateraltexturefiltering[J].ACMTransactionsonGraphics,2014,33(4):1-8.

[8]KaracanL,ErdemE,ErdemA.Structure-preservingimagesmoothingviaregioncovariances[J].ACMTransactionsonGraphics,2013,32(6):1-11.

[9]LuC,XuL,JiaJ.Contrastpreservingdecolorization[C]//2012IEEEInternationalConferenceonComputationalPhotography(ICCP).IEEE,2012:1-7.

[10]EisemannE,DurandF.Flashphotographyenhancementviaintrinsicrelighting[J].ACMTransactionsonGraphics,2004,23(3):673-678.

[11]ComaniciuD,MeerP.Meanshift:arobustapproachtowardfeaturespaceanalysis[J].IEEETransactionsonPatternAnalysis&MachineIntelligence,2002,24(5):603-619.

TEXTURE FILTERING ALGORITHM BASED ON REGION VARIANCE

Luo Zhengmao1Jiang Lei2*

1(ZhejiangDongfangVocationalandTechnicalCollege,Wenzhou325011,Zhejiang,China)2(CollegeofPhysicsandElectronicInformationEngineering,WenzhouUniversity,Wenzhou325035,Zhejiang,China)

Texture filter algorithm is one of the important research directions in image processing field, which has wide research significance and practical application value. One type of texture filter algorithm directs the texture filtering process by distinguishing between complex texture information and salient structure information contained in the image. How to distinguish the texture information and structure information in the image becomes the key of the algorithm. Aiming at this problem, a method to distinguish between complex texture information and salient structure information is proposed. Meanwhile, when the color image containing texture is filtered, the method of contrast preserving is introduced to generate the gray scale image, which is used to generate the guide map to guide the texture filtering. In order to prove the effectiveness of the algorithm, some algorithms are compared with the results. In addition, the application of the algorithm in detail enhancement, JPEG compression marking removal and image segmentation is showed.

Image processing Texture filtering Contrast preserving Detail enhancement JPEG compression marking removal Image segmentation

2016-02-28。浙江省教育廳2015年度高等學(xué)校國內(nèi)訪問學(xué)者專業(yè)發(fā)展項(xiàng)目(153)。駱正茂，副教授，主研領(lǐng)域：數(shù)字可視媒體。姜磊，碩士生。

TP311.5

A

10.3969/j.issn.1000-386x.2017.05.057