(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210692254.9 (22)申请日 2022.06.17 (71)申请人 常州企智略科技有限公司 地址 213031 江苏省常州市新北区龙虎塘 街道信息大道6幢-4 号 (72)发明人 胡术杰　朱煜勇　陈星宇　 (74)专利代理 机构 武汉菲翔 知识产权代理有限 公司 42284 专利代理师 吕小娜 (51)Int.Cl. G06T 7/13(2017.01) G06T 7/00(2017.01) G06T 7/73(2017.01) G06T 5/00(2006.01) G06T 5/20(2006.01) (54)发明名称 一种基于灰度检测的图像边缘定位及除噪 技术 (57)摘要 本发明公开了一种基于灰度检测的图像边 缘定位及除噪技术， 具体涉及图像处理领域， 具 体包括以下步骤： S1、 图像获取； S2、 图像 预处理； S3、 图像噪声评估； S4、 图像的去噪处理； S5、 图像 的结构复原； S6、 图像的噪声添加； S7、 图像分辨 率调整； S8、 图像处理完毕， 首先对CT图像进行预 处理， 定位图像边缘， 避免后期图像处理过程中 因为边缘不确定而无法准确地对图像内容进行 除燥， 预处理过程中， 不仅对图像进行定位处理， 且对图像的灰度进行了检测以及灰度处理， 进一 步方便了图像的后期处理， 之后利用评价算法以 及噪声去除算法对图像的噪声进行评估以及消 除， 不仅能够实现对图像的处理， 且能够根据噪 声评估判断设备成像的优缺点， 方便针对进行改 进。 权利要求书2页 说明书6页 附图1页 CN 114972396 A 2022.08.30 CN 114972396 A 1.一种基于灰度检测的图像边 缘定位及除噪技 术， 其特征在于， 包括以下步骤： S1、 图像获取： 利用医学设备CT机回去高分辨 率和有噪声的3D图像； S2、 图像预处 理： 图像的预处 理主要包括图像的边 缘定位以及灰度处 理； S3、 图像噪声评估： 利用评价 算法对图像噪声 进行评估； S4、 图像的去噪处 理： 利用算法对图像进行去噪处 理； S5、 图像的结构复原； S6、 图像的噪声添加； S7、 图像分辨 率调整； S8、 图像处 理完毕。 2.根据权利要求1所述的一种基于灰度检测的图像边缘定位及除噪技术， 其特征在于， 所述步骤S2具体包括以下步骤： S2.1、 图像的边缘定位： 图像的边缘定位主要包括 图像滤波、 图像增强、 图像检测以及 图像定位， 其中： 图像滤波： 利用滤波器改善与噪声相关的边 缘检测器的性能； 图像增强： 利用增强算法即梯度算子增强邻域强度值有显著变化的点 突出现实； 图像检测： 依据梯度幅值阈值判断图像边 缘突出点； 图像定位： 根据图像 检测得出边缘的二值化图像即定位 边缘点， 完成图像的边 缘定位； S2.2、 灰度检测及处 理， 具体包括以下步骤： S2.2.1、 灰度的检测： 用RGB三个分量， 即红、 绿、 蓝三原色来表示真彩色， R分量、 G分量、 B分量的取值范围均为0～255， 根据图像的像素尺寸确定R矩阵、 G矩阵、 B矩阵的大小， R矩 阵、 G矩阵、 B矩阵的大小与像素尺寸相同， 根据R矩阵， G矩阵， B矩阵找出对应的R分量、 G分 量、 B分量的对应数值； S2.2.2、 灰度的处理： 利用图像的二值化法进行灰度的处理， 即使得图像的像素点矩阵 中的每个像素点的灰度值为0至255， 具体步骤为： 计算像素点矩阵中的所有像素点的灰度 值的平均值av g， 设定X为像素灰度值， n为像素灰度值的数量， X＝(X1， X0......Xn)， 计算公 式为： (X1+X2+......+Xn)/n＝avg， 然后让每一个像素点与avg值一一比较， 小于等于avg值的像素点就为0， 大于avg值的 像素点为255。 3.根据权利要求1所述的一种基于灰度检测的图像边缘定位及除噪技术， 其特征在于， 所述步骤S3具体为： 利用NP S分析图像的噪声， NP S表述为： 4.根据权利要求1所述的一种基于灰度检测的图像边缘定位及除噪技术， 其特征在于， 所述步骤S4具体为： 顺序检测每一个像素， 如果一个像素 的幅度大于或者小于邻域的平均 值， 则将该像素判定为噪声， 之后用其 他邻域平均值代替该像素， 具体表达公式为： g′(x， y)＝{f(x， y)g(x， y)， 当f(x， y) ‑g(x， y)＞T， 满足上述要求时即确定像素噪声处理完毕， 如此 反复， 直至 完成去噪处 理。 5.根据权利要求1所述的一种基于灰度检测的图像边缘定位及除噪技术， 其特征在于，权　利　要　求　书 1/2 页 2 CN 114972396 A 2所述步骤S5具体为： 设原 始图像f(x,y)f(x,y)， 则退化后的图像可以表示 为： g(x， y)＝H[f(x， y)]+η(x， y)， 其中H为退化函数， η(x,y)为加性噪声， 复原的目标是得 到基于退化图像的一个估计f^(x,y)， 若h是线性的、 空间不变的过程， 则退化图像在空间频 域中可以表示 为： g(x， y)＝h(x， y)*f(x， y)+η(x， y)， 进行傅里叶变化后， 得到： G(u,v)＝H(u,v)F(u,v)+N (u,v)。 6.根据权利要求1所述的一种基于灰度检测的图像边缘定位及除噪技术， 其特征在于， 所述步骤S6具体为： 利用Box ‑Muller变换产生Gaussian噪音， Mu ller变换具体为： 假 设随机 变量X1,X2来自独立的处于[0,1]之间的均匀分布， 则经过下面两个式子产生的随机变量Z1, Z2服从标准高斯分布： 7.根据权利要求1所述的一种基于灰度检测的图像边缘定位及除噪技术， 其特征在于， 所述步骤S7具体为： 利用PhotoShop对图像进行最后的分辨 率调整处 理。权　利　要　求　书 2/2 页 3 CN 114972396 A 3