利用自适应区域划分对样本图像进行选择性混合处理的方法

《IEEE Access》：Selective Hybrid Processing Method of Sample Images Using Adaptive Regional Partitioning

　　

摘要：

在样品表面质量检测过程中，由于照明不均匀、检测设备轻微振动以及图像采集设备的性能限制，获取的图像通常具有较低的空间分辨率和混合噪声，从而降低了后续的缺陷识别和质量评估效果。为了解决这个问题，本文提出了一种基于自适应区域划分的样品图像选择性混合处理方法。首先，根据局部结构特征和噪声情况，将输入图像划分为无噪声块、边缘块、疑似噪声块和噪声块。然后，针对不同类型的块选择性地应用加权均方根滤波和高斯滤波，以在尽可能保留原始信息和边缘细节的同时抑制噪声。接下来，根据区域平滑度将去噪后的图像进一步划分为平滑区域和非平滑区域，并对这两种区域采用不同的插值重建策略。具体来说，对于非平滑区域，通过结合Sigmoid函数的特性和局部不对称性构建了一个均方根非线性插值模型，以增强边缘和纹理细节的重建效果；而对于平滑区域，则采用双线性插值来降低计算复杂度并提高处理效率。在自然图像和样品检测图像上的实验结果表明，所提出的方法在视觉质量、客观评估指标和计算效率之间取得了良好的平衡，尤其是在混合噪声条件下。这些结果表明，该方法有效提高了样品图像的质量和检测效率，为复杂噪声条件下的样品表面质量检测提供了一种实用的图像处理方法。