本发明涉及血液检测领域，具体地讲，涉及一种高清晰血液细胞图像去噪方法。
背景技术：
现实中的数字图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响，称为含噪图像或噪声图像，减少数字图像中噪声的过程称为图像去噪。噪声是干扰图像质量的重要原因。一幅图象在实际应用中可能存在各种各样的噪声,这些噪声可能在传输中产生,也可能在量化等处理中产生。高清晰血液细胞图像在图像产生过程中也不可避免的存在一些噪声，这些噪声会影响图像的质量，进而会影响医生对高清晰血液细胞图像的使用，因此，提供一种简洁有效的图像去噪方法对高清晰血液细胞图像尤为重要。现有的图像处理算法都比较复杂，学习和使用都比较费时费力，且针对高清晰血液细胞图像的去噪方法还比较少。此为现有技术的不足之处。
技术实现要素：
本发明要解决的技术问题是提供一种高清晰血液细胞图像去噪方法，简洁有效的去除掉高清晰血液细胞图像中的噪声。
本发明采用如下技术方案实现发明目的：
一种高清晰血液细胞图像去噪方法，其特征是：所述如下步骤：
(1)获取高清晰血液细胞图像；
(2)给定两个常数阀值：d和N,令H(i)表示第i个像素的灰度值，如果第一个像素没有噪音点，则H(1)位正常的灰度值，假设像素数为M，则对于像素i 从1到M-1，如果有
|H(i+1)-H(i)|＜d；
证明灰度值是连续变化的，H(i+1)不属于应该剔除的噪音点，如果
|H(i+1)-H(i)|＞d；
说明在第i+1个像元的灰度值变化较大,有可能是噪音点；
(3)计算从第i+1个像素开始有多少个连续的像素的灰度值满足
|H(i+n)-H(i)|＞d；n为正数
如果连续的像素个数小于阀值N，即n<N,则说明这些像素是噪音点。
作为对本技术方案的进一步限定，所述步骤(3)的噪音点进行如下处理：
(3.1)如果噪音点是不连续的，即杂散的噪音点,采用直接剔除,而以两边相邻的正常的像素灰度值的平均值来代替，如第i个点是噪音点,则以第i-1和i+1的灰度值的平均值来代替；
(3.2)如果第i个点和第i+n个点不是噪音点，而其之间的i+1，…i+n-1点是噪音点，即连续的噪音点，则第k个噪音点的像素灰度值计算公式为：
H(i+k)＝H(i)+(H(i+n)-H(i))/nk,k＝1,2,...,n-1。
与现有技术相比，本发明的优点和积极效果是：本发明专门针对高清晰血液细胞图像进行去噪处理，简洁有效，能够成功去除掉细胞图像中的噪声，获得高清晰度的细胞图像，方便医生的使用。
具体实施方式
下面对本发明的一个具体实施方式进行详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。
本发明包括所述如下步骤：
(1)获取高清晰血液细胞图像，采用现有技术获取高清晰血液细胞，在此不再赘述；
(2)给定两个常数阀值：d和N,令H(i)表示第i个像素的灰度值，如果第一个像素没有噪音点，则H(1)位正常的灰度值，假设像素数为M，则对于像素i从1到M-1，如果有
|H(i+1)-H(i)|＜d；
证明灰度值是连续变化的，H(i+1)不属于应该剔除的噪音点，如果
|H(i+1)-H(i)|＞d；
说明在第i+1个像元的灰度值变化较大,有可能是噪音点；
(3)计算从第i+1个像素开始有多少个连续的像素的灰度值满足
|H(i+n)-H(i)|＞d；n为正数
如果连续的像素个数小于阀值N，即n<N,则说明这些像素是噪音点。
所述步骤(3)的噪音点进行如下处理：
(3.1)如果噪音点是不连续的，即杂散的噪音点,采用直接剔除,而以两边相邻的正常的像素灰度值的平均值来代替，如第i个点是噪音点,则以第i-1和i+1的灰度值的平均值来代替；
(3.2)如果第i个点和第i+n个点不是噪音点，而其之间的i+1，…i+n-1点是噪音点，即连续的噪音点，则第k个噪音点的像素灰度值计算公式为：
H(i+k)＝H(i)+(H(i+n)-H(i))/nk,k＝1,2,...,n-1。