图像处理方法、装置、电子设备和存储介质

技术领域

本发明涉及一种图像处理方法、装置、电子设备和存储介质，属于图像处理技术领域。

背景技术

采集的图像中通常具有噪声，影响目标信息的识别。因此，对图像进行降噪处理，提高目标信息识别的准确性，是本领域亟待解决的技术问题。

发明内容

本发明提供一种图像处理方法、装置、设备和存储介质，可以对图像进行降噪处理，提高目标信息识别的准确性。

本发明的一方面，提供一种图像处理方法，包括：

获取待处理图像和N幅参考图像，所述待处理图像与所述参考图像分别具有第一噪声，所述N为大于或等于2的正整数；

根据所述N幅参考图像获得校正数据图，所述校正数据图包括平滑处理后的所述第一噪声；

将所述待处理图像与所述校正数据图进行加权平均，得到去除所述第一噪声的均值图。

可选地，所述根据所述N幅参考图像获得校正数据图，所述校正图像包括平滑处理后的所述第一噪声步骤包括：

获取所述N幅参考图像的平均图像，得到含有所述第一噪声的背景图；

对所述背景图进行反色处理，得到所述校正数据图。

可选地，N＞10。

可选地，所述待处理图像为指纹图像；和/或，所述第一噪声包括条纹噪声，可选地，所述条纹噪声包括摩尔纹；和/或，所述第一噪声包括周期性噪声或非周期性噪声。

可选地，还包括：对所述背景图进行所述平滑处理后，再进行所述反色处理；和/或，对经所述反色处理后的背景图进行所述平滑处理，得到所述校正数据图。

可选地，所述第一噪声包括条纹噪声，所述平滑处理为沿所述条纹噪声的纹线进行平滑。

可选地，获取所述N幅参考图像的平均图像，得到含有所述第一噪声的背景图步骤包括：所述N幅参考图像中的每一者与其他任一者均具有一一对应的像素点，对于每一像素点，均取所述N幅参考图像的该像素点的像素值的平均值，得到所述平均图像；优选地，所述像素值为灰度值。

可选地，进行所述加权平均时，所述待处理图像的权重比例系数为w，所述校正图的权重比例系数为1-w，0.4≤w≤0.8。

可选地，所述得到去除所述第一噪声的均值图步骤之后还包括：对所述均值图进行对比度增强处理；可选地，采用直方图均衡化进行所述对比度增强处理。

本发明的另一方面，提供一种图像处理装置，包括：图像获取模块，用于获取待处理图像和N幅参考图像，所述待处理图像与所述参考图像分别具有第一噪声，所述N为大于或等于2的正整数；校正数据图获取模块，用于根据所述N幅参考图像获得校正数据图，所述校正数据图包括平滑处理后的所述第一噪声；加权平均模块，用于对所述待处理图像与所述校正数据图进行加权平均，得到均值图。

可选地，所述校正数据图获取模块包括：平均处理模块，用于获取所述N幅参考图像的平均图像，得到含有所述第一噪声的背景图；反色处理模块，用于对所述背景图进行反色处理，得到所述校正数据图。

可选地，还包括平滑处理模块，用于对所述背景图进行平滑处理后，再进行所述反色处理，和/或，对经所述反色处理后的背景图进行平滑处理，得到所述校正数据图。

本发明的再一方面，提供一种电子设备，包括处理器、存储器、以及计算机程序，所述计算机程序存储在所述存储器中，并被配制为由所述处理器执行以实现上述图像处理方法。

本发明的再一方面，提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现如上述图像处理方法。

本发明提供的图像处理方法，根据N幅参考图像获得包括平滑处理含有的第一噪声的校正数据图，再将得到的校正数据图与待处理图像加权平均，抵消待处理图像中的固定噪声，从而减弱甚至消除所生成的均值图中的固定噪声(如固定的条纹噪声、背景噪声等)，避免这些噪声对图像中目标信息的干扰，提高目标信息的识别准确性。此外，本发明提供的图像处理方法还具有算法简单、可减少计算量、以及处理速度快、效率高等优势，利于实际应用。

附图说明

图1为本发明一实施例的图像处理方法的流程图；

图2为本发明另一实施例的图像处理方法的流程图；

图3为本发明另一实施例的图像处理方法的流程图；

图4为本发明一实施例中待处理图像；

图5为本发明一实施例中平均图像；

图6为本发明一实施例中经平滑处理但未经反色处理的背景图；

图7为本发明一实施例中将背景图依次进行平滑处理和反色处理后生成的校正数据图；

图8和图9为本发明一实施例中分别按照不同权重将待处理图像与校正数据图进行加权平均后生成的均值图；

图10为本发明一实施例中经反色处理但未经平滑处理的背景图；

图11为本发明一实施例中将背景图依次进行反色处理和平滑处理后生成的校正数据图。

具体实施方式

采集的图像中通常具有噪声，影响目标信息(图像的前景)的识别。例如，在指纹图像的采集过程中，由于采集设备的自身因素(如光线系统或电路等结构的缺陷)，会产生固定位置和增幅等特征的固定噪声，如有规则的周期性斜纹干扰噪声(如摩尔纹等)、或其他非周期性固定噪声等，同时，除采集设备自身因素外，受采集环境等外部因素影响，还会产生随机噪声，上述这些噪声和指纹的纹线叠加在一起，影响指纹这一目标信息的识别，容易造成伪特征的出现。

常用去周期性噪声的方式有频域滤波，其需要从空域转到频域，在频域中去噪声后再转回空域。然而，现有的这些降噪方式不容易定位噪声，降噪效果有限，且存在着计算量大、耗时长等缺陷。

因此，对图像进行降噪处理，提高目标信息识别的准确性，仍然是本领域亟待解决的技术问题。

鉴于此，本发明实施例提供一种图像处理方法，参考图1、图2和图3，该图像处理方法包括：

S110、获取待处理图像和N幅参考图像，待处理图像与参考图像分别具有第一噪声，N为大于或等于2的正整数。

可以理解的是，N幅参考图像用于提取与待处理图像中的背景数据相对应的背景图，因此，这些参考图像的背景数据与待处理图像的背景数据相对应，即二者的背景数据基本一致，参考图像中的第一噪声与待处理图像中的第一噪声的位置和增幅等特征基本一致，具体地，参考图像与待处理图像中的像素点可以一一对应，即每一参考图像中的任一像素点均在待处理图像的相同位置处具有相应的像素点。

具体实施时，待处理图像与N幅参考图像可以通过相同的设备采集得到，所述相同的设备可以是同一设备，或者不是同一个设备、但所用的这些设备的结构、组成模块(如光线系统和电路)等结构均是相同的，由此采集到的图像的背景数据、以及由设备自身因素产生的固定噪声等信息基本是一致的。

待处理图像具有前景(即目标信息)，其前景例如为指纹等，通过本发明实施例的处理方法去除图像中的噪声，以便于前景的识别。

参考图像中可以不具有待处理图像所具有的前景，或者具有待处理图像中所具有的前景(即参考图像可以是与待处理图像基本一致的图像)。举例来说，上述前景为指纹，待处理图像和参考图像分别为指纹图像，具体实施时，可以采用相同的指纹采集设备采集生命体的指纹，获得待处理图像和这些参考图像，待处理图像和这些参考图像中均为采集的原始图像，其均具有指纹这一前景、以及基本一致的背景数据等特征。

上述参考图像、待处理图像具体可以是8位灰度图像，其每个像素点的灰度值为0-255，灰度值代表像素点的亮度，255代表最亮(白色)，0代表最暗(黑色)。

一般情况下，上述待处理图像和参考图像可以分别包括固定噪声(即由采集设备自身因素(如光线系统或电路等结构的缺陷)产生的位置和增幅等特征固定的噪声)，也可以包括随机噪声(即由采集环境等外部因素影响而产生的位置等特征不固定的、随机的噪声)，通过本发明实施例的处理方法，可以去除这些固定噪声和随机噪声。其中，第一噪声具体可以包括固定噪声。

此外，第一噪声可以是周期性噪声或无规则的非周期性噪声，例如，在指纹图像的采集过程中，由于采集设备的光线系统或电路等结构的缺陷而产生的有规则的周期性斜纹噪声等。

此外，第一噪声可以包括条纹噪声，该条纹噪声可以是由采集设备自身因素导致的固定噪声，例如，在指纹图像的采集过程中，由于采集设备的光线系统或电路等结构的缺陷而产生的斜纹噪声等。

在一些具体实施例中，上述条纹噪声可以包括摩尔纹，通过本发明实施例的处理方法，可以高效去除摩尔纹。

S120、根据N幅参考图像获得校正数据图，校正数据图包括平滑处理后的所述第一噪声。

具体地，校正数据图中含有第一噪声，且其中的第一噪声经过了平滑处理，利于后续待处理图像与校正数据图进行加权平均后，抵消待处理图像中的第一噪声，并使背景均匀，提高目标信息的识别准确性。

具体地，根据N幅参考图像获得校正数据图，校正数据图包括平滑处理后的所述第一噪声，具体包括：

S1201、获取N幅参考图像的平均图像，得到含有第一噪声的背景图。

具体地，采集图像时，由采集设备自身因素产生噪声以及背景数据等信息是固定的，而采集对象所产生的前景(如采集对象是生命体指纹，产生的前景为指纹)以及受环境等外部因素产生的随机噪声的位置等信息是随机的、不固定的，通过对N幅参考图像进行平均，得到这些参考图像的平均图像，可以去除随机的、不确定的信息(如前景、随机噪声等)，而保留背景数据和固定噪声等固定信息，从而提取到含有背景数据和固定噪声、但基本不含有前景和随机噪声的背景图。

上述N幅参考图像具有相同的背景数据和噪声等特征，这些参考图像中的每一者与其他任一者的像素点均是一一对应，即每一者中的每一像素点均在其他任意一者的相同位置处具有相应的像素点，对于每一像素点，均取N幅参考图像的该像素点的像素值的平均值，从而获得这些参考图像的平均图像。

举例来说，N幅参考图像的每一者均有像素点1、像素点2、像素点3……像素点m(m等于每一参考图像中的像素点的总数量)，每一参考图像中的像素点a与其他任意一参考图像中的像素点a对应(a＝1、或2、或3、……、或m)，即每一参考图像中的像素点1与其他任意一参考图像中的像素点1对应，每一参考图像中的像素点2与其他任意一参考图像中的像素点2对应，……，每一参考图像中的像素点m与其他任意一参考图像中的像素点m对应，分别计算N幅参考图像的像素点1的像素值的平均值、N幅参考图像的像素点2的像素值的平均值、N幅参考图像的像素点3的像素值的平均值、……、N幅参考图像的像素点m的像素值的平均值，从而生成N幅参考图像的平均图像，即提取得到背景图，亦即，平均图像/背景图中具有与参考图像一一对应的像素点，平均图像/背景图中与参考图像的像素点a位置对应的像素点为像素点a'，像素点a'的像素值是N幅参考图像的像素点a的像素值的平均值。

具体地，可以基于以下公式计算N幅参考图像的像素点a的像素值I

I

其中，I

具体地，如上所述的像素值可以是灰度值，即像素点a的像素值为像素点a的灰度值。

相对而言，N越大，即参考图像数量越多，越利于所提取的背景图的数据准确性，即提高其背景数据/固定噪声等信息与待处理图像的匹配度，并可进一步去除随机噪声，提高背景图的平滑度。在一些具体实施例中，可以使N＞10。

S1202、对背景图进行反色处理，得到校正数据图。

具体地，背景图经反色处理后，其亮区和暗区发生反转(即亮区变为暗区，暗区变为亮区)，例如，反色处理前，背景图中某一像素点a的灰度值为255，经反色处理后，生成的校正数据图中这一相应的像素点a的灰度值变为0；反色处理前，背景图中的某一像素点b的灰度值为0，经反色处理后，生成的校正数据图中的这一像素点b的灰度值为255。

由此，通过反色处理，使校正数据图与待处理图像中的亮区和暗区相反，举例来说，待处理图像中的某一像素点a是亮区，而校正数据图中与该像素点a位置相对应的像素点是暗区；待处理图像中的某一像素点b是暗区，而校正数据图中与该像素点b位置相对应的像素点是亮区。从而在后续的步骤S1203中，通过将待处理图像与校正数据图进行加权平均，各像素点/位置的亮暗抵消，从而去除噪声(尤其可以去除固定噪声)，使背景均匀，获得降噪后的均值图，提高目标信息的识别准确性。

可选地，如图2和图3所示，上述图像处理方法还可以包括S1203、对背景图进行平滑处理。

一般情况下，当N较大时，获得的背景图的平滑度较高，可以不进行步骤S1203，当N较小时，获得的背景图的平滑度较差，可以进行步骤S1203，以进一步对背景图进行降噪。

此外，如图2所示，可以对背景图进行平滑处理后，再进行反色处理(即先执行步骤S1203，再执行步骤S1202)。

或者，如图3所示，对背景图进行反色处理后，再进行平滑处理，即对经反色处理后的背景图进行平滑处理(先执行步骤S1202、再执行步骤S1203)，生成校正数据图。

或者，也可以根据需要，对步骤S1201得到的背景图依次进行平滑处理、反色处理、平滑处理(即依次进行步骤S1203、步骤S1202、步骤S1203)，生成校正数据图。

在一些实施例中，第一噪声包括条纹噪声(即背景图中含有条纹噪声)，平滑处理具体可以为沿条纹噪声的纹线进行平滑，经平滑处理后，这些条纹噪声的纹线方向基本不变。

具体实施时，可以采用均值平滑、高斯平滑、中值平滑、拉普拉斯平滑中的至少一种方式进行上述平滑处理。

S130、将待处理图像与校正数据图进行加权平均，得到去除第一噪声的均值图。

如上所述，通过步骤S1202的反色处理，使校正数据图与待处理图像中的亮区和暗区相反，通过将待处理图像与校正数据图进行加权平均，各像素点/位置的亮暗抵消，从而去除第一噪声等干扰噪声，使背景均匀，获得降噪后的均值图，提高目标信息的识别准确性。

具体地，校正数据图像与待处理图像具有一一对应的像素点，即校正数据图像中的每一像素点均在待处理图像的相同位置处具有相应的像素点，对于每一像素点，均对这两个图像(即待处理图像和数据校正图像)的该像素点的像素值进行加权平均(即根据这两个图像的预设权重比例系数，计算这两个图像的该像素点的加权平均值)，从而获得待处理图像与校正数据图的加权平均图像(即均值图)。

举例来说，校正数据图与待处理图像均有像素点1'、像素点2'、像素点3'……像素点m'(m'等于校正图像或待处理图像中的像素点的总数量)，校正数据图中的像素点c与待处理图像中的像素点c对应(c＝1'、或2'、或3'、……、或m')，即校正数据图中的像素点1'与待处理图像中的像素点1'对应，校正数据图中的像素点2'与待处理图像中的像素点2'对应，……，校正数据图中的像素点m'与待处理图像中的像素点m'对应，分别计算校正数据图中的像素点1'的像素值与待处理图像中的像素点1'的像素值的加权平均值、校正数据图中的像素点2'的像素值与待处理图像中的像素点2'的像素值的加权平均值、……、校正数据图中的像素点m'的像素值与待处理图像中的像素点m'的像素值的加权平均值，从而生成待处理图像与校正数据图的加权平均图像(即均值图)，亦即，均值图具有与校正数据图/待处理图像一一对应的像素点，均值图中与校正数据图/待处理图像的像素点c位置对应的像素点为像素点c'，像素点c'的像素值是校正数据图中的像素点c的像素值V

具体地，可以基于以下公式计算校正数据图中的像素点c的像素值V

V

其中，0＜w＜1，w为待处理图像的权重比例系数，1-w为校正数据图的权重比例系数。

示例性地，w可以为0.4、0.5、0.6、0.7、0.8、0.9或介于其中的任意两者组成的范围之间。

在一些优选实施例中，0.4≤w≤0.8，通过控制待处理图像与校正图像的权重在这样的范围内，可以进一步提高降噪效果。

如上所述的像素值具体可以是灰度值，举例来说，上述像素点a的像素值为像素点a的灰度值，像素点c的像素值为像素点c的灰度值。

此外，本发明实施例的图像处理方法还可以包括S140、对均值图进行对比度增强处理，即得到最终的去噪图像。

具体地，通过对均值图进行对比度增强处理，可以增强均值图的对比度，进一步提高所得到的去噪图的目标信息(如指纹)识别准确性。随后，可以输出去噪图像，完成图像处理操作。

示例性地，可以采用直方图均衡化等方式对均值图进行对比度增强处理。

需要说明的是，在本发明实施例中，待处理图像与N幅参考图像可以同时获取，也可以不同时获取，例如，先通过步骤S110获取N幅参考图像，执行步骤S1201、步骤S1202、步骤S1203后，再按照步骤S110的方式获取待处理图像，然后再执行后续的步骤S130等步骤。

以下，以对指纹图像进行处理为例，通过图2所示流程和图3所示流程的具体实施例对本申请实施例的图像处理方法进行进一步介绍。

图2为本发明一实施例的图像处理方法的流程图，参照图2，依次执行步骤S110、步骤S1201、步骤S1203、步骤S1202、步骤S130、步骤S140，各步骤具体过程参考前述，于此不再赘述，采用本实施例的图像处理方法对指纹图像进行降噪处理，待处理图像和N(N＞10)幅参考图像分别为指纹图像，具体为8位灰度图像，其前景为指纹，第一噪声为斜纹/摩尔纹(如图4至图7所示)。

其中，图4为执行步骤S110获取的待处理图像(参考图像与其类似)，图5为步骤S1201得到的平均图像(即未经平滑处理和反色处理的背景图)，图6为经平滑处理(步骤S1203)后的背景图，图7为将背景图进行反色处理(步骤S1202)后生成的校正数据图，图8和图9分别为按照不同权重将待处理图像与校正数据图进行加权平均(步骤S130)后的均值图(图8是按照待处理图像的权重比例系数w＝0.7进行加权平均后的均值图，图9是按照待处理图像的权重比例系数w＝0.9进行加权平均后的均值图)。

从图4可以看到，指纹图像中存在指纹和噪声，噪声包括斜纹噪声和随机噪声。

从图5可以看出，经步骤S1201取N幅参考图像的平均图像后，去除了指纹和随机噪声，而保留了背景和斜纹噪声。

从图6可以看出，经步骤S1203平滑处理后，进一步去除随机噪声，背景图的平滑度提高。

从图7可以看出，经反色处理后，图像的亮区和暗区发生反转，即未经反色的背景图中的暗区经反色处理后变为亮区，亮区变为暗区，举例来说，结合图4至图6，待处理图像(原始图)和未经反色的背景图的中间部分较暗(灰度较低)，而将背景图进行反色处理后，生成的校正数据图的中间部分较亮(灰度值较高)，从而将待处理图像与校正数据图进行加权平均后，亮暗抵消，获得背景均匀、去除斜纹噪声的均值图(图8或图9)。

结合图4、图8和图9可以看出，通过本实施例的图像处理方法，有效去除了待处理图像中的随机噪声和固定噪声(斜纹)。

结合图8(w＝0.7)和图9(w＝0.9)可以看出，图8中的背景更为均匀，指纹更加清晰，能够进一步提高指纹识别准确度。

图3为本发明另一实施例的图像处理方法的流程图，与图2所示实施例的区别仅在于，先执行步骤S1202、再执行步骤S1203(先对步骤S1201得到的背景图进行反色处理后，再进行平滑处理，生成校正数据图)，即依次执行步骤S110、步骤S1201、步骤S1202、步骤S1203、步骤S130、步骤S140。图10为对步骤S1201得到的背景图进行步骤S1202反色处理后、但未进行步骤S1203平滑处理的背景图，图11为对经步骤S1202反色处理后的背景图进行步骤S1203平滑处理后的背景图。

结合图2所示实施例中的图5至图7、以及图3所示实施例中的图10和图11，可以看到，先对背景图进行平滑处理后再进行反色处理，或者先对背景图进行反色处理后再执行平滑处理，均可以较好的去除背景图中的随机噪声，获得背景均匀的含有斜纹噪声的校正数据图。

此外，结合图5和图6、图10和图11可以看出，执行步骤S1203时，沿斜纹的纹线进行平滑，经平滑处理后，这些斜纹的纹线方向基本不变。

本发明实施例还提供一种图像处理装置，包括：图像获取模块，用于获取上述待处理图像和N幅参考图像；校正数据图获取模块，用于根据N幅参考图像获得上述校正数据图；加权平均模块，用于对待处理图像与校正数据图进行加权平均，得到均值图。

具体地，校正数据图获取模块可以包括：平均处理模块，用于获取N幅参考图像的平均图像，得到背景图；反色处理模块，用于对背景图进行反色处理，得到校正数据图。

此外，上述校正数据图获取模块还可以包括平滑处理模块，用于对平均图像进行平滑处理，得到背景图，和/或，对经反色处理后的背景图进行平滑处理，得到校正数据图。

本发明实施例提供的图像处理装置可用于实施上述图像处理方法，其实现原理与上述图像处理方法相类似，并具有与上述图像处理方法相对应的优异效果，于此不再赘述。

本发明实施例还提供一种电子设备，包括处理器、存储器、以及计算机程序，计算机程序存储在存储器中，并被配制为由处理器执行以实现上述图像处理方法。

本发明实施例还提供一种存储介质，其上存储有计算机程序，计算机程序被处理器执行以实现上述图像处理方法。该存储介质为计算机可读存储介质，其例如是包括指令(计算机程序)的存储器，该指令可由上述电子设备的处理器执行以完成上述图像处理方法。举例来说，该存储介质为非临时性计算机可读存储介质，可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

本发明实施例还提供一种计算机程序产品，包括计算机程序，被处理器执行以实现上述图像处理方法。

根据本发明的一些实施例，上述电子设备包括至少一个处理器，其至少一个处理器可以从可读存储介质读取计算机程序，至少一个处理器执行计算机程序使得电子设备执行上述图像处理方法。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；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范围。