一种快速提取图像中的噪声点的方法[发明专利]

(12)发明专利申请

(10)申请公布号 CN 111915547 A(43)申请公布日 2020.11.10

(21)申请号 201910366985.2(22)申请日 2019.05.07

(71)申请人 北京创原天地科技有限公司

地址 100088 北京市海淀区花园路13号5栋

三层商务中心3003(72)发明人 刘辛越　

其他发明人请求不公开姓名　(51)Int.Cl.

G06T 7/00(2017.01)

权利要求书1页 说明书3页 附图1页

(54)发明名称

一种快速提取图像中的噪声点的方法(57)摘要

本发明提高一种快速提取图像中的噪声点的方法。本发明先定一个256×256的大矩阵模板，从图像的左顶部开始，不断地沿对角线向下移动，一次移动一个256×256的矩阵，当达到图像边缘时，将最开始左顶部的矩阵右移256像素重新定位起始点，再沿对角线向下移动，直到提取到满足数目要求的噪声点或提取完图像右上半角内全部噪声点。本发明可以快速提取图像中的噪声数据，以作为随机数发生器的高质量熵源。

CN 111915547 ACN 111915547 A

权　利　要　求　书

1/1页

1.一种快速提取图像中的噪声点的方法，其步骤包括：1)计算当前拍摄图像与已拍摄图像的相似度，当相似度大于50则舍弃当前图像重新拍摄；

2)从当前图像的(i，j)＝(0，0)像素点开始，选取一个大小为n×n的矩阵A，不足则全选；

3)在矩阵A内，将A分割成n个m×m的小矩阵，在每个小矩阵B内：a)用坐标(x，y)表示矩阵B内所有点，x和y的范围均为[0，m-1]；b)按照均值滤波法计算g(x，y)，如果g(x，y)大于它原本的灰度值f(x，y)，则认为f(x，y)为噪声点，并令f(x，y)＝g(x，y)，否则f(x，y)不是噪声点，其值不改变；

4)不断地沿矩阵A对角线向下移动，一次移动一个n×n的矩阵，当达到图像边缘时，将最开始左顶部的矩阵右移n像素重新定位起始点，再沿对角线向下移动，直到提取到满足数目要求的噪声点或提取完图像右上半角内全部噪声点。

2

CN 111915547 A

说　明　书

一种快速提取图像中的噪声点的方法

1/3页

所属技术领域：

[0001]本发明涉及信息处理领域，涉及一种图像数据处理方法，尤其涉及一种图像噪声数据提 取方法。背景技术：

[0002]图像在形成、传输、接收和处理的过程中，由于通过的传输介质的实际性能和接收的设 备的性能的限制，不可避免地存在着外部干扰和内部干扰，因此会产生各种各样的噪声(康牧， 王宝树.一种基于图像增强的图像滤波方法[J].武汉大学学报(信息科学版)，2009， 34(7)：822-825.)。

[0003]数字图像领域关于噪声的处理称为滤波，常见的滤波方法有中值滤波、均值滤波、高斯 滤波和双边滤波等。[0004]均值滤波方法是，对待处理的当前像素，选择一个模板，该模板为其邻近的若干个像素 组成，用模板的均值来替代原像素的值的方法，如下所示：

[0005]

M为矩阵模板权系数，s为矩阵模板，f(x，y)为矩阵模板内像素点灰度值，g(x，y)为矩阵 模板内所有像素点灰度值的均值，灰度值代表图像明暗程度，纯白为255，纯黑为0。[0007]如下表所示，计算f(x，y)的均值，矩阵模板权系数M＝9，可以算出：

[0006]

[0008]

[0009]

例如，假如一张图片的灰度值如附图1表(a)所示，用均值滤波方法对其滤波后(M＝9)， 可以得到滤波后图像的灰度值如附图1表(b)所示。

[0010]

自然图像中局部点之间具有相关性，局部点的明暗程度具有平滑过渡的特征。若有噪声 点使某点模糊，则会降低该点的灰度值，则该点灰度值会小于该点邻域窗口的平均灰度值。 因此，基于均值滤波的方法，可以对图像进行噪声提取。均值滤波方法简单，并且能很好地 找到噪声点。[0012]不过，Android设备拍摄的一张图像的尺寸往往很大，而且噪声点往往集中在图像中部， 如果从图像最上端由左向右顺序地访问图像，可能需要移动矩阵模板很多次，才能采集够数 据，影响效率。[0013]并且，如果连续拍摄相同的地方，得到的图像数据会有很大程度的相似性，从而提

3

[0011]

CN 111915547 A

说　明　书

2/3页

取的 噪声数据也会有很大部分是相同的，也影响效率。

发明内容：

[0014]本发明目的在于提供一种可以快速地提取图像中的噪声点的方法。[0015]本发明所述快速提取图像中的噪声点的方法，其步骤包括：[0016]1、计算当前拍摄图像与已拍摄图像的相似度，当相似度大于50则舍弃当前图像重新拍 摄；[0017]2、从当前图像的(i，j)＝(0，0)像素点开始，选取一个大小为n×n的矩阵A，不足则全选；

[0018]3、在矩阵A内，将A分割成n个m×m的小矩阵，在每个小矩阵B内：[0019]a)用坐标(x，y)表示矩阵B内所有点，x和y的范围均为[0，m-1]；[0020]b)按照均值滤波法计算g(x，y)，如果g(x，y)大于它原本的灰度值f(x，y)，则认为 f(x，y)为噪声点，并令f(x，y)＝g(x，y)，否则f(x，y)不是噪声点，其值不改变；[0021]4、不断地沿矩阵A对角线向下移动，一次移动一个n×n的矩阵，当达到图像边缘时，将 最开始左顶部的矩阵右移n像素重新定位起始点，再沿对角线向下移动，直到提取到满足数 目要求的噪声点或提取完图像右上半角内全部噪声点。[0022]本发明通过均值哈希算法计算图像的相似性(黄嘉恒等，基于哈希的图像相似度算法比较 研究，大理大学学报，2017年12期)。[0023]均值哈希算法基于像素域设计，原理简单，实现速度快，算法流程如下：[0024]1)将图片缩小到n×n，共n2个像素；[0025]2)将n×n图片转换为灰度图，记为Ga；[0026]3)计算灰度图Ga的像素平均值，记为pavg；[0027]4)遍历Ga中每一个像素pi，并将pi与pavg进行比较，若pi≥pavg，则记下1，否则记下 0，得到n2个比特的二进制串即为图片aHash值，记为Ha；[0028]计算两张图片哈希值的海明距离，距离越小图片越相似，距离越大图片差异性越大。

[0029]本发明改进了均值滤波法：如矩阵模板为3×3，矩阵模板权系数M始终为9，均值滤波 计算的结果g(x，y)，如果g(x，y)大于它原本的灰度值f(x，y)，则认为f(x，y)为噪声点，并令 f(x，y)＝g(x，y)，否则f(x，y)不是噪声点，其值不改变。[0030]按改进后的均值滤波法对图像进行提取噪声，提取的噪声点图1所示。

[0031][0032]

本发明方法可以快速地提取图像中的噪声点，作为随机数发生器的高质量熵源。

附图说明：

[0033]图1为本发明方法提取噪声点示意图

图2为本发明方法流程示意图

具体实施方式：

[0034]本发明拍摄图像后，会先提取图像的特征，并保存最新几张图像的特征。每次新拍

4

CN 111915547 A

说　明　书

3/3页

摄图 像后，都会与保存的图像特征进行对比，如果相似度很大，则重新拍摄。[0035]具体说来，本发明基于均值哈希算法，对拍摄的图像进行相似度比较，如果相似度大于 百分之50，则认为是近似图像，需要重新拍摄，如果小于百分之50，则认为是不同图像，进 行噪声提取。

[0036]本发明假设图像的尺寸为height×width，如附图2所示，本发明方法先定一个256×256的 大矩阵模板，从图像的左顶部开始，不断地沿对角线向下移动，一次移动一个256×256的矩阵， 当达到图像边缘时，将最开始左顶部的矩阵右移256像素重新定位起始点，再沿对角线向下移 动，直到提取到满足数目要求的噪声点或提取完图像右上半角内全部噪声点。

[0037]具体流程如下：[0038]1)从图像的(i，j)＝(0，0)像素点开始，选取一个大小为256×256的矩阵A，不足则全选；

[0039]2)在矩阵A内，将A分割成256个16×16的小矩阵，在每个小矩阵B内：[0040]a)用坐标(x，y)表示矩阵B内所有点，x和y的范围均为[0，15]；[0041]b)用改写的均值滤波方法记录所有的噪声点坐标；[0042]c)找到所有噪声点的中点，提取该中点的坐标(x0，y0)，将x0和y0转换为二进制，以 x0|y0的形式输出，其中x0|y0就是从该小矩阵B中提取到的数据；如果该矩阵B 中没有噪声点，则不提取；

[0043]3)将像素点(i，j)沿图像对角线向下移动，即(i，j)＝(i+256，j+256)，如果像素点(i，j)已经到 了图像边缘，则重新令(i，j)＝(i+256k，j)，k为点到达边缘的次数，直到将图片的右上 角像素全部读取完，如果此时还不满足需要提取的比特数，则重新从(0，0)处采集；

[0044]由于小矩阵B的x和y坐标均为4比特，因此从B中提取的数据x0|y0为8比特(1字节)， 这样可以从一个256×256的矩阵A中提取到0-256字节噪声数据，如果一个图像有n个这样 的A矩阵，则从该图像中可以提取0-256n字节噪声数据。[0045]按照本发明方法从图像中提取的噪声数据，可以作为随机数发生器的熵源，以生成高熵 的随机数序列。

5

CN 111915547 A

说　明　书　附　图

1/1页

图1

图2

6