CN102045514B - 图像噪声滤除方法 - Google Patents
图像噪声滤除方法 Download PDFInfo
- Publication number
- CN102045514B CN102045514B CN 200910180403 CN200910180403A CN102045514B CN 102045514 B CN102045514 B CN 102045514B CN 200910180403 CN200910180403 CN 200910180403 CN 200910180403 A CN200910180403 A CN 200910180403A CN 102045514 B CN102045514 B CN 102045514B
- Authority
- CN
- China
- Prior art keywords
- pixel
- current
- frame
- frequency
- comparison block
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Image Processing (AREA)
- Picture Signal Circuits (AREA)
Abstract
本发明公开了一种图像噪声滤除方法,该方法包括下列步骤:在图像中依序选择一像素作为当前像素;动态地决定一当前搜寻框和一强度参数;将所述当前搜寻框中每一像素的比较框转换至一频域;决定当前频率基准;根据该当前频率基准求出所述当前搜寻框中每一邻域像素与当前像素的相似度;根据所述当前搜寻框中每一邻域像素与当前像素的距离、相似度和强度参数,决定每一邻域像素相对于当前像素的权重;以及根据该权重对所述当前搜寻框中每一邻域像素与当前像素的灰阶值进行加权平均,以得到当前像素的重建值。本发明的方法可根据频域比较框中频率参数集中度来决定噪声滤除强度参数、当前搜寻框的尺寸和比较框的尺寸,可保留更多图像细节。
Description
技术领域
本发明涉及一种图像处理方法,并且尤其涉及一种图像噪声滤除方法。
背景技术
图像噪声是影响图像品质的关键因素之一。然而,在图像感测器的像素数目逐渐增加的同时,像素大小却因成本考虑不断地被缩小,导致图像感测器撷取的图像中所包含的噪声无可避免地被放大。因此,噪声滤除(denoising)的效果逐渐成为决定图像品质的一个重要因素。
利用滤波器(filter)将去噪声前图像(noisy image)重建为去噪声后图像(denoised image)的过程称为图像重建(image reconstruction),如图1所示。可以理解的是,图像重建是通过处理单元进行,且该处理单元一般耦接储存单元,其用于暂存图像重建过程中所产生的各种信息。
利用邻域滤波器(neighborhood filter)进行图像重建是一项标准的技术。邻域滤波器根据当前像素(current pixel)及其邻域像素(neighborhood pixel)之间的相似度决定权重(weighting),并根据该权重将当前像素与其邻域像素进行加权平均,以得到当前像素的重建值。当去噪声前图像中所有像素均执行完上述图像重建的步骤后,则可得到去噪声后图像。邻域滤波一般可以以式(1)表示:
其中,U表示去噪声前图像;Nh(x)表示归一化常数(normalizationconstant);表示去噪声后图像;Rx表示当前像素x的邻域;h表示滤波常数,其决定于当前像素x与其邻域像素y在图像中的距离,例如邻域像素y与当前像素x的位置距离(distance),以及亮度差异(intensity difference)。请参照图2所示,其显示7×7邻域滤波的示意图。图像感测器撷取图像I,其为去噪声前图像。邻域滤波器则根据当前像素x与该当前像素x周围的搜寻框Rx内的邻域像素y之间的相似度,分别求出48个权重,并根据这些权重将当前像素x的灰阶值(gray level)与其48个邻域像素y的灰阶值进行加权平均,以得到当前像素x的重建值。然而,邻域滤波器由于仅单纯地根据两像素之间的相似度进行加权平均,因此往往无法达到令人满意的重建效果。
因此,另提出一种图像重建法,称之为非区域演算法(non-localalgorithm),用于改善上述基于邻域滤波的图像重建法。非区域演算法最主要是根据当前像素周围预设尺寸的当前像素比较框(comparison block)与当前像素的邻域像素周围预设尺寸的邻域像素比较框之间的相似度来决定权重,并根据该权重将当前像素的灰阶值与其邻域像素的灰阶值进行加权平均,以求出当前像素的重建值。非区域演算法一般可以以式(2)表示:
其中NL[v](i)表示当前像素i的重建值;v(j)表示去噪声前当前像素i的邻域像素j的灰阶值;ω(i,j)表示当前像素i与其邻域像素j之间的权重,其决定于当前像素i周围预设尺寸的当前像素比较框与邻域像素j周围预设尺寸的邻域像素比较框之间的相似度。该权重可以以式(3)表示:
其中式(3)主要是表示当前像素i周围预设大小的当前像素比较框与邻域像素j周围预设大小的邻域像素比较框之间相对位置像素灰阶值的差值平方和;Z(i)则为归一化常数。
例如请参照图3所示,其显示了利用7×7搜寻框Rx和5×5比较框(Ni、Nj)的非区域演算法的示意图;其中,图像I为图像感测器所撷取的去噪声前图像;i为当前像素;Ni为该当前像素周围预设尺寸(5×5)的当前像素比较框;j为当前像素i的邻域像素;Nj为该邻域像素j周围预设尺寸的邻域像素比较框;Rx为搜寻框。根据图3所示,当前像素i与邻域像素j之间的权重由当前像素比较框Ni与邻域像素比较框Nj中相对位置像素进行相减后所得25个差值的平方和所决定。因此,在搜寻框Rx中共可求得48个权重。当前像素i的重建值则为根据这些权重将当前像素i与其邻域像素j的灰阶值进行加权平均所得。
相较于邻域滤波,上述非区域演算法虽然可得到较佳的去噪声效果,但由于像素会受到噪声影响,所以直接对两个比较框的灰阶值进行运算的结果仍然无法完全排除噪声的图像。因此,本领域另提出了一种先将非区域演算法中所使用的比较框转换至一频域后,再进行比较的方法。基于噪声通常在频域中属于高频成分的概念,先将转换至频域的比较框中的部份高频成分去除后再进行比较,以提高噪声滤除的效果。然而,上述方法并无法根据每一像素的特性动态地进行参数调整,导致细节保存效果较差,并且容易出现鬼影(shock effect)和锯齿化(staircasting effect)等现象。
上述图像重建法的详细内容可参照Antoni Buades等人发表于CVPR2005,标题为“A non-local algorithm for image denoising”,以及NouraAzzabou等人发表于ICIP2007,标题为“Image denoising based on adapteddictionary computation”,的论文中所公开的内容。
发明内容
有鉴于此,本发明另提出一种图像噪声滤除方法,根据转换至频域的频域比较框中频率系数的分布情形,判定当前像素附近图像的复杂度,并据以动态地调整搜寻框尺寸和当前像素的噪声滤除强度(denoising strength),以保留更多图像细节并消除现有方法中所存在的副作用。
本发明的目的在于提出一种图像噪声滤除方法,其可根据当前像素附近图像的复杂度动态地调整当前搜寻框和比较框的尺寸,可保留更多图像细节。
本发明的另一目的在于提出一种图像噪声滤除方法,其可适用于各种频率转换方法。
本发明的另一目的在于提出一种可根据图像复杂度动态地调整每一像素的噪声滤除强度的图像噪声滤除方法。
本发明提出一种图像噪声滤除方法,该方法包括下列步骤:在图像中依序选择一像素作为当前像素,其中该当前像素周围的像素为该当前像素的邻域像素;动态地在当前像素周围决定一当前搜寻框并决定一强度参数,并在所述当前搜寻框中每一像素周围决定一比较框;将所述当前搜寻框中每一像素的比较框转换至一频域,以形成频域比较框;决定该频域比较框的当前频率基准;根据该当前频率基准求出所述当前搜寻框中每一邻域像素与当前像素的相似度;根据所述当前搜寻框中每一邻域像素与当前像素的距离、所述相似度和所述强度参数,决定每一邻域像素相对于当前像素的权重;以及根据该权重对所述当前搜寻框中每一邻域像素与当前像素的灰阶值进行加权平均,以得到当前像素的重建值。
在本发明的图像噪声滤除方法中,动态地在所述当前像素周围决定一当前搜寻框并决定一强度参数的一种实施例包括下列步骤:在所述当前像素周围决定一最大搜寻框,其中该最大搜寻框中每一像素的周围决定有一比较框;计算所述最大搜寻框的频率参数集中度;以及根据该频率参数集中度决定所述当前搜寻框和所述强度参数。
在本发明的图像噪声滤除方法中,计算频率参数集中度的一种实施例包括下列步骤:将所述最大搜寻框中所有像素的比较框转换至一频域,以形成频域比较框;计算所述最大搜寻框的所有频域比较框的相同频率的能量和之中,能量和最大的预设数目频率的能量和之和与所有频率的能量和之和的商;以及将该能量和之和的商与门槛值相比较,以决定所述频率参数集中度。
本发明另提出一种图像噪声滤除方法,该方法包括下列步骤:在图像中依序选择一像素作为当前像素,其中该当前像素周围的像素为该当前像素的邻域像素;在当前像素周围决定一最大搜寻框,并在该最大搜寻框中每一像素的周围决定一比较框;将所述最大搜寻框中所有像素的比较框转换至一频域,以形成频域比较框;计算所述最大搜寻框的边缘像素比例;根据该边缘像素比例决定一当前搜寻框和一强度参数,并决定所述当前搜寻框中的当前频率基准;根据该当前频率基准求出所述当前搜寻框中每一邻域像素与当前像素的相似度;根据所述当前搜寻框中每一邻域像素与当前像素的距离、所述相似度和所述强度参数,决定每一邻域像素相对于当前像素的权重;以及根据该权重对所述当前搜寻框中每一邻域像素与当前像素的灰阶值进行加权平均,以得到当前像素的重建值。
在本发明的图像噪声滤除方法中,计算所述最大搜寻框的边缘像素比例的步骤包括下列步骤:计算所述最大搜寻框的所有频域比较框的相同频率的能量和之中,能量和最大的预设数目频率的能量和之和与所有频率的能量和之和的商;以及将该能量和之和的商与门槛值相比较,以决定所述边缘像素比例
在本发明的图像噪声滤除方法中,所述相似度决定于所述当前搜寻框中每一邻域像素的频域比较框与当前像素的频域比较框中,各当前基准频率的能量的能量差绝对值之和或能量差平方和。
在本发明的图像噪声滤除方法中,所述当前频率基准为所有频域比较框的相同频率的能量和之中,能量和最大的预设数目频率。
本发明的图像噪声滤除方法中,例如,但不限于,可利用离散余弦变换、傅立叶转换、小波转换或主向量分析进行频域转换。本发明的方法可根据频域比较框中频率参数集中度来决定噪声滤除强度参数、当前搜寻框的尺寸和比较框的尺寸。
附图说明
图1显示了图像重建的示意图;
图2显示了现有的邻域滤波的示意图;
图3显示了现有的非区域演算法的示意图;
图4a显示了本发明一种实施例的图像噪声滤除方法的流程图;
图4b显示了图4a中决定一当前搜寻框和一强度参数的流程图;
图4c显示了图4b中计算频率参数集中度的流程图;
图5显示了本发明的图像噪声滤除方法的示意图;
图6显示了本发明的图像噪声滤除方法中频域比较框所包含的各频率的示意图;
图7a显示了本发明另一种实施例的图像噪声滤除方法的流程图;以及
图7b显示了图7a中决定边缘像素比例的流程图。
主要元件符号说明
I 去噪声前图像 P、P11~P77 像素
Pc 当前像素 Sc 当前搜寻框
Sc_max 最大搜寻框 S1~S9、A1~A3 步骤
Bpc 当前像素的比较框 Bpc′ 当前像素的频域比较框
BP11~BP77 比较框 BP11′~BP77′ 频域比较框
E1~E25 频域比较框中各频率的能量
E1 sum~E25 sum 当前搜寻框的频域比较框中各频率的能量和
Rx 搜寻框 x、y 像素
i、j 像素 Ni、Nj 比较框
具体实施方式
为了让本发明的上述和其他目的、特征和优点能更明显,下文将配合所附图示,作详细说明如下。此外,需要说明的是,在本发明的说明中,相同的构件以相同的符号表示。
请参照图4a所示,其显示了根据本发明一种实施例的图像噪声滤除方法,该方法包括下列步骤:在图像中依序选择一像素作为当前像素,其中该当前像素周围的像素为该当前像素的邻域像素(步骤S1);动态地在当前像素周围决定一当前搜寻框并决定一强度参数,并于所述当前搜寻框中每一像素周围决定一比较框(步骤S2);将当前搜寻框中每一像素的比较框转换至一频域,以形成频域比较框(步骤S3);决定所述频域比较框的当前频率基准(步骤S4);根据该当前频率基准求出当前搜寻框中每一邻域像素与当前像素的相似度(步骤S5);根据当前搜寻框中每一邻域像素与当前像素的距离、所述相似度和所述强度参数,决定每一邻域像素相对于当前像素的权重(步骤S6);根据该权重对当前搜寻框中每一邻域像素与当前像素的灰阶值进行加权平均,以得到当前像素的重建值(步骤S7);以及判断是否所述图像的所有像素均已求得重建值(步骤S8);若是,完成所述图像的重建(步骤S9);若否,则重新执行步骤S1。
请参照图4b所示,其显示了图4a的步骤S2中动态地决定一当前搜寻框和一强度参数的一种实施例,包括下列步骤:在当前像素周围决定一最大搜寻框,其中该最大搜寻框中每一像素的周围决定有一比较框(步骤S21);计算最大搜寻框的频率参数集中度(步骤S22);以及根据该频率参数集中度决定当前搜寻框和强度参数(步骤S23)。
请参照图4c所示,其显示了图4b的步骤S22中计算频率参数集中度的一种实施例,包括下列步骤:将最大搜寻框中所有像素的比较框转换至一频域,以形成频域比较框(步骤S221);计算最大搜寻框的所有频域比较框的相同频率的能量和之中,能量和最大的预设数目频率的能量和之和与所有频率的能量和之和的商(步骤S222);以及将该能量和之和的商与门槛值相比较,以决定所述频率参数集中度(步骤S223)。其中,所述门槛值为一数值,其大小可根据所欲达成的噪声滤除效果来决定。
接着说明本发明实施例的图像噪声滤除方法的详细实施方式,本发明的图像噪声滤除方法针对去噪声前图像(noisy image)进行图像重建以形成去噪声后图像(denoised image),如图1所示。可以理解的是,上述各步骤是通过处理单元进行的,且该处理单元耦接存储单元,以存取图像重建过程中所产生的各种信息。
请参照图5所示,去噪声前图像I包含多个矩阵形式排列的像素P,每一像素P具有一灰阶值(gray level),其中图像I的尺寸可根据实际应用决定。本发明的图像噪声滤除方法求出去噪声前图像I中所有像素P的重建灰阶值(reconstructed gray level),并根据所求出的重建灰阶值以形成去噪声后图像。
请同时参照图4a和图5所示,本发明的图像噪声滤除方法例如,但不限于,选择从图像I的一个角落的第一个像素开始计算该像素的重建灰阶值,然后依序求出去噪声前图像I中其他像素的重建灰阶值。在本发明的说明中,当前正在处理的像素称为当前像素(current pixel)Pc,该当前像素Pc周围的像素为该当前像素Pc的邻域像素,例如P11、P12、…、P77(步骤S1)。
动态地在当前像素Pc的周围决定一当前搜寻框Sc并决定一强度参数(步骤S2)。在本发明中,当前搜寻框Sc的尺寸是根据当前像素Pc附近图像的复杂度动态地被决定的,复杂度愈高,当前搜寻框Sc的尺寸愈小;复杂度愈低,当前搜寻框Sc的尺寸愈大。本发明通过选择不同的当前搜寻框Sc尺寸以提高图像去噪声的效果。所述强度参数则用于后续步骤,用于决定图像去噪声强度(详述于后)。在步骤S2中,同时决定当前搜寻框Sc内所有像素P周围的一比较框B,例如像素P11的比较框BP11、…、像素P77的比较框BP77;且比较框BP11~BP77的尺寸例如为5×5。因此,若当前搜寻框Sc尺寸为7×7,则其包含49个像素P11~P77和Pc,这些像素周围分别决定有相对应的比较框BP11~BP77和Bpc。可以理解的是,上述当前搜寻框Sc和比较框的尺寸并不限于此处所公开的内容。
请同时参照图4b和图5,接着说明决定当前搜寻框Sc尺寸和决定强度参数强弱的一种实施例。当当前像素Pc被决定后(步骤S1),首先在当前像素Pc周围决定一最大搜寻框Sc_max,其尺寸例如为7×7(步骤S21),且该最大搜寻框Sc_max中每一像素周围都决定有一比较框,其尺寸例如为5×5。例如,像素P11周围决定有一比较框BP11,当前像素Pc周围决定有一比较框Bpc。接着,将最大搜寻框Sc_max中所有像素的比较框转换至一频域,以形成频域比较框。例如,比较框BP11转换后形成BP11′、比较框Bpc转换后形成Bpc′;同理最大搜寻框Sc_max中其他47个比较框也均被转换为频域比较框。频率转换的方式例如,但不限于,可使用离散余弦变换、傅立叶转换、小波转换或主向量分析。
接着,计算最大搜寻框的频率参数集中度(步骤S22),其实施方式将详述于后。在本发明中,最大搜寻框的频率参数集中度的意义相当于最大搜寻框Sc_max中的边缘像素比例。判断最大搜寻框中一像素是否为边缘像素的方式例如为,当该像素的比较框转换为频域比较框后,若该频域比较框的能量集中于某些特定频率,则表示该像素属于边缘像素;反之,若该频域比较框的能量均匀分布于所有频率,则表示该像素不属于边缘像素。因此,当最大搜寻框的频率参数集中度愈高,则表示该最大搜寻框包含较多的边缘像素。接着,根据频率参数集中度来决定当前搜寻框Sc的尺寸和强度参数的强弱(步骤S23)。例如,当频率参数集中度(或边缘像素比例)较高时,表示最大搜寻框Sc_max的图像范围内的图像较复杂,因此选择较小的当前搜寻框Sc和较弱的强度参数;反之,当频率参数集中度(或边缘像素比例)较低时,表示最大搜寻框Sc_max的图像范围内的图像较平缓,因此选择较大的当前搜寻框Sc和较强的强度参数。在本发明中,根据频率参数集中度,当前搜寻框Sc的尺寸例如可为7×7、5×5或3×3。然而,本发明并不限于上述所公开的内容,本发明的精神在于可根据当前像素Pc周围图像的复杂度来决定当前搜寻框Sc的尺寸以及强度参数的强弱。
请同时参照图4c至图6,接着说明决定所述频率参数集中度的一种实施例。在此说明中,假设最大搜寻框Sc_max的尺寸为7×7,每一像素的比较框尺寸为5×5。当一比较框被转换为一频域比较框后包含25个频率,例如像素P11的比较框BP11转换至频域后形成BP11′,该频域比较框BP11′包含25个频率(例如频率1~25,其中1~25仅为编号而并非代表实际频率),且每一频率分别具有一能量E1 11~E25 11;当前像素Pc的频域比较框Bpc′包含25个频率的能量E1 pc~E25 pc;频域比较框BP77′包含25个频率的能量E1 77~E25 77。为方便说明,图6中将每一频域比较框显示为一个25维的阵列(array),其中能量E的下标表示频率编号,上标则表示像素(步骤S221)。
将所述频域比较框(BP11′~BP77′)中相同频率的能量相加,以求得各频率的能量和E1 sum~E25 sum,例如频率1的能量和为 频率25的能量和为 接着,将能量和最大的预设数目频率的能量和相加,并除以各频率能量和之和以求得一能量和之和的商(步骤S222)。例如假设能量和最大的5个频率为E1 sum、E3 sum、E5 sum、E7 sum和E9 sum,则能量和之和的商可表示为(E1 sum+E3 sum+E5 sum+E7 sum+E9 sum)/(E1 sum+…+E25 sum)。
接着,将所求出的能量和之和的商与门槛值相比较,并根据该能量和之和的商与门槛值的关系,决定所述频率参数集中度(步骤S223)。例如当能量和之和的商大于门槛值时,表示最大搜寻框Sc_max图像范围内的图像较复杂;反之,当能量和之和的商小于门槛值时,表示最大搜寻框Sc_max图像范围内的图像较平缓。可以理解的是,判定频率参数集中度的计算方式并不限定为此处所公开的内容,例如还可利用其他统计方法计算各频率能量的分布情形。此外可以理解的是,当前搜寻框Sc中每一像素的比较框尺寸也可根据频率参数集中度(边缘像素比例)动态地决定。
当步骤S2完成后,则可根据当前像素Pc附近图像的复杂度决定一当前搜寻框Sc和一强度参数。接着,将当前搜寻框Sc中每一像素的比较框转换至一频域,以形成频域比较框(步骤S3),此处转换至频域的方式同样可利用离散余弦变换、傅立叶转换、小波转换或主向量分析。可以理解的是,若在步骤S2中已将最大搜寻框Sc_max中每一像素的比较框转换为频域比较框,则可先将这些频域比较框储存于储存单元。由于当前搜寻框Sc小于等于最大搜寻框Sc_max,因此在步骤S3则可直接从储存单元读取当前搜寻框Sc中相对于每一像素的频域比较框而不需再做一次频域转换。
请再参照图4a、图5和图6所示,当当前搜寻框Sc,其尺寸例如为7×7,的每一像素的比较框被转换为频域比较框后,其尺寸例如为5×5,接着要决定当前搜寻框Sc相关的频域比较框的当前频率基准(frequency basis)以供后续步骤中使用。请再参照图6,在本发明中,当前搜寻框Sc的当前频率基准决定为各频率的能量和E1 sum~E25 sum之中,能量和最大的预设数目频率。因为一个频率的能量和愈大,则表示该频率包含了当前搜寻框Sc中大部分的图像信息。例如,假设E10 sum~E10 sum为能量和最大的10个频率,则以该10频率(频率编号10~19)为当前频率基准(步骤S4)。
接着,根据当前频率基准求出当前搜寻框中每一邻域像素与当前像素的相似度(步骤S5)。计算方式是计算当前搜寻框Sc中,当前像素Pc的每一邻域像素的频域比较框中属于该当前频率基准的各频率能量与当前像素Pc的频域比较框中属于当前频率基准的各频率能量的能量差值绝对值之和或能量差值平方和。当该能量差值绝对值之和或能量差值平方和的值愈小时,则表示一邻域像素与当前像素的相似度高;反之,当能量差值绝对值之和或能量差值平方和的值愈大时,则表示一邻域像素与当前像素的相似度低。例如像素P11与当前像素Pc的相似度可根据下式决定:(|E10 11-E10 pc|+|E11 11-E11 pc|+…+|E19 11-E19 pc|)或[(E10 11-E10 pc)2+(E11 11-E11 pc)2+…+(E19 11-E19 pc)2]。可以理解的是,一邻域像素与当前像素相似度的计算方式并不限于上述所公开的内容,也可利用其他方式表示一邻域像素的频域比较框与当前像素Pc的频域比较框Bpc′中各频率能量的关系。在此实施例中可求出48个邻域像素与当前像素Pc的相似度,而当前像素Pc与本身则具有百分之百的相似度。
此时,可根据当前搜寻框Sc中每一邻域像素P11~P77与当前像素Pc的距离、相似度和强度参数,决定像素P11~P77相对于当前像素Pc的权重(weighting)(步骤S6)。当一邻域像素距离当前像素Pc较远时,降低该邻域像素的权重,当一邻域像素距离当前像素Pc较近时,增加该邻域像素的权重;当一邻域像素与当前像素Pc的相似度低时,降低该邻域像素的权重,当一邻域像素与当前像素Pc的相似度高时,增加该邻域像素的权重。当当前搜寻框中Sc的所有邻域像素P11~P77根据其与当前像素Pc的距离和相似度决定权重比例后,配合强度参数便可决定每一邻域像素P11~P77相对于当前像素Pc的权重;其中,当当前搜寻框Sc范围内图像较复杂时,选择较低的强度参数,以降低去噪声强度;反之,当当前搜寻框Sc范围内图像较平缓时,选择较高的强度参数,以增加去噪声强度。所述强度参数用于根据当前搜寻框Sc范围内图像复杂度来调整所述权重比例,因此强度参数例如可为数学函数(比例值、次方、log函数或其他数学函数)或数值,但并不限于此;例如强度参数用于对权重比例乘上一比例值、对权重比例取次方、对权重比例取log函数或加上一数值等。
当求得当前搜寻框Sc中每一邻域像素P11~P77与当前像素Pc的权重后,则根据该权重将当前像素Pc与每一邻域像素P11~P77的灰阶值,例如利用式(2),进行加权平均,以得到当前像素的重建值(步骤S6)。
接着,判断是否去噪声前图像I中所有像素P均已求得重建值(步骤S7)。当所有像素P均已求得重建值时,则完成图像I的重建,并产生去噪声后图像。若未完成所有像素P的重建,则回到步骤S1进行图像I中下一个像素P的图像重建。
请参照图7a所示,其显示了根据本发明另一种实施例的图像噪声滤除方法,该方法包括下列步骤:在图像中依序选择一像素作为当前像素,其中该当前像素周围的像素为该当前像素的邻域像素(步骤S1);在当前像素周围决定一最大搜寻框,并于该最大搜寻框中每一像素的周围决定一比较框(步骤S21);将最大搜寻框中所有像素的比较框转换至一频域,以形成频域比较框(步骤S221);计算最大搜寻框的边缘像素比例(步骤A1);根据该边缘像素比例决定一当前搜寻框和一强度参数,并决定当前搜寻框的当前频率基准(步骤A2);根据该当前频率基准求出当前搜寻框中每一邻域像素与当前像素的相似度(步骤S5);根据当前搜寻框中每一邻域像素与当前像素的距离、所述相似度和所述强度参数,决定每一邻域像素相对于当前像素的权重(步骤S6);根据该权重对当前搜寻框中每一邻域像素与当前像素的灰阶值进行加权平均,以得到当前像素的重建值(步骤S7);以及判断是否所有像素均已求得重建值(步骤S8);若是,完成图像的重建(步骤S9);若否,则重新执行步骤S1。此实施例中,与图4a-4c相同的步骤以相同标号表示。此外,如前所述,最大搜寻框的边缘像素比例于意义上相同于频率参数集中度,因此图7a的步骤A1类似于图4b的步骤S22;步骤A2类似于步骤S23和S4。此实施例与图4a-4c的实施例的差异仅在于步骤的实施顺序,实施方式则相类似,由于其详细实施方式可参照前述,故于此不再赘述。
此外,请参照图7a和图7b所示,步骤A1中决定最大搜寻框的边缘像素比例的方式还包括下列步骤:计算最大搜寻框的所有频域比较框的相同频率的能量和之中,能量和最大的预设数目频率的能量和之和与所有频率的能量和之和的商(步骤S222);以及将该能量和之和的商与门槛值相比较,以决定所述边缘像素比例(步骤A3)。由于最大搜寻框的边缘像素比例在意义上相同于频率参数集中度,图7b的步骤A3类似于图4c的步骤S223。
必须说明的是,上述各视窗(框),包括当前搜寻框、最大搜寻框、频域比较框、搜寻框和比较框等,虽以方形来说明,但其并非用于限定本发明。所述视窗(框)可根据实际需求而可为任意形状,例如矩形、菱形、圆形或椭圆形等。
如前所述,由于现有的图像重建法无法根据每一像素的特性动态地进行参数调整,导致细节保存效果较差。本发明另提出一种可根据图像复杂度动态地调整每一像素的噪声滤除强度、搜寻框尺寸和比较框尺寸的图像噪声滤除方法(图4a-4c和图7a-7b),可保留更多图像细节并可消除现有方法中所存在的副作用。
虽然本发明已被上述实施例所公开,然而上述实施例并非用于限定本发明,任何本发明所属技术领域中的技术人员,在不脱离本发明的精神和范围内,应当可以作各种变化与修改。因此本发明的保护范围应当以所附权利要求书所界定的范围为准。
Claims (12)
1.一种图像噪声滤除方法,该方法包括下列步骤:
在图像中依序选择一像素作为当前像素,其中该当前像素周围的像素为该当前像素的邻域像素;
根据所述当前像素周围图像的复杂度动态地在所述当前像素周围决定一当前搜寻框并决定一强度参数,并在所述当前搜寻框中每一像素周围决定一比较框;
将所述当前搜寻框中每一像素的比较框转换至一频域,以形成频域比较框;
决定所述频域比较框的当前频率基准,其中所述当前频率基准为所有频域比较框的相同频率的能量和之中,能量和最大的预设数目频率;
根据该当前频率基准求出所述当前搜寻框中每一邻域像素与当前像素的相似度;
根据所述当前搜寻框中每一邻域像素与当前像素的距离、所述相似度和所述强度参数,决定每一邻域像素相对于当前像素的权重;以及
根据该权重对所述当前搜寻框中每一邻域像素与当前像素的灰阶值进行加权平均,以得到当前像素的重建值。
2.根据权利要求1所述的图像噪声滤除方法,该方法还包括下列步骤:
判断是否所述图像的所有像素均已求得重建值;
其中,将所述当前搜寻框中每一像素的比较框转换至一频域的步骤是利用离散余弦变换、傅立叶转换、小波转换或主向量分析实现的;
其中,所述当前频率基准为所有频域比较框的相同频率的能量和之中,能量和最大的预设数目频率。
3.根据权利要求1所述的图像噪声滤除方法,其中,所述相似度为所 述当前搜寻框中每一邻域像素的频域比较框与当前像素的频域比较框中各当前基准频率的能量的能量差绝对值之和或能量差平方和;所述当前搜寻框、比较框和频域比较框各自为方形、矩形、菱形、圆形或椭圆形。
4.根据权利要求1所述的图像噪声滤除方法,其中,动态地在所述当前像素周围决定一当前搜寻框并决定一强度参数的步骤包括下列步骤:
在所述当前像素周围决定一最大搜寻框,其中该最大搜寻框中每一像素的周围决定有一比较框;
将所述最大搜寻框中所有像素的比较框转换至一频域,以形成频域比较框;
根据所述最大搜寻框的所有像素的所述频域比较框中各频率能量的分布情形以计算所述最大搜寻框的频率参数集中度以表示所述复杂度;以及
根据该频率参数集中度决定所述当前搜寻框和所述强度参数。
5.根据权利要求4所述的图像噪声滤除方法,其中,根据所述最大搜寻框的所有像素的所述频域比较框中各频率能量的分布情形以计算所述最大搜寻框的频率参数集中度的步骤包括下列步骤:
计算所述最大搜寻框的所有频域比较框的相同频率的能量和之中,能量和最大的预设数目频率的能量和之和与所有频率的能量和之和的商;以及
将该能量和之和的商与门槛值相比较,以决定所述频率参数集中度;
其中,将所述最大搜寻框中所有像素的比较框转换至一频域的步骤是利用离散余弦变换、傅立叶转换、小波转换或主向量分析实现的;
其中,所述最大搜寻框的尺寸为7×7。
6.根据权利要求4所述的图像噪声滤除方法,其中,所述频率参数集 中度愈高,所述强度参数愈低且所述当前搜寻框愈小;所述频率参数集中度愈低,所述强度参数愈高且所述当前搜寻框愈大;根据所述频率参数集中度,所述当前搜寻框的尺寸为7×7、5×5或3×3。
7.一种图像噪声滤除方法,该方法包括下列步骤:
在图像中依序选择一像素作为当前像素,其中该当前像素周围的像素为该当前像素的邻域像素;
在所述当前像素周围决定一最大搜寻框,并在该最大搜寻框中每一像素的周围决定一比较框;
将所述最大搜寻框中所有像素的比较框转换至一频域,以形成频域比较框;
计算所述最大搜寻框的边缘像素比例,其中所述边缘像素为所述频域比较框的能量集中于某些特定频率而非均匀分布于所有频率的所述最大搜寻框中的像素,所述边缘像素比例为所述最大搜寻框中所述边缘像素与所有像素的比例;
根据该边缘像素比例决定一当前搜寻框和一强度参数,并决定所述当前搜寻框的当前频率基准,其中所述当前频率基准为所有频域比较框的相同频率的能量和之中,能量和最大的预设数目频率;
根据该当前频率基准求出所述当前搜寻框中每一邻域像素与当前像素的相似度;
根据所述当前搜寻框中每一邻域像素与当前像素的距离、所述相似度和所述强度参数,决定每一邻域像素相对于当前像素的权重;以及
根据该权重对所述当前搜寻框中每一邻域像素与当前像素的灰阶值进行加权平均,以得到当前像素的重建值。
8.根据权利要求7所述的图像噪声滤除方法,该方法还包括下列步骤:
判断是否所述图像的所有像素均已求得重建值;
其中,将所述最大搜寻框中所有像素的比较框转换至一频域的步骤是利用离散余弦变换、傅立叶转换、小波转换或主向量分析实现的;
其中,所述当前频率基准为所有频域比较框的相同频率的能量和之中,能量和最大的预设数目频率。
9.根据权利要求7所述的图像噪声滤除方法,其中,计算所述最大搜寻框的边缘像素比例的步骤包括下列步骤:
计算所述最大搜寻框的所有频域比较框的相同频率的能量和之中,能量和最大的预设数目频率的能量和之和与所有频率的能量和之和的商;以及
将该能量和之和的商与门槛值相比较,以决定所述边缘像素比例。
10.根据权利要求7所述的图像噪声滤除方法,其中,所述边缘像素比例愈高,所述强度参数愈低且所述当前搜寻框愈小;所述边缘像素比例愈低,所述强度参数愈高且所述当前搜寻框愈大;根据所述边缘像素比例,所述当前搜寻框的尺寸为7×7、5×5或3×3。
11.根据权利要求7所述的图像噪声滤除方法,其中,所述相似度为所述当前搜寻框中每一邻域像素的频域比较框与当前像素的频域比较框中各当前基准频率的能量的能量差绝对值之和或能量差平方和;所述最大搜寻框、比较框、频域比较框和当前搜寻框各自为方形、矩形、菱形、圆形或椭圆形。
12.根据权利要求7所述的图像噪声滤除方法,其中,所述强度参数为 数学函数或数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200910180403 CN102045514B (zh) | 2009-10-13 | 2009-10-13 | 图像噪声滤除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200910180403 CN102045514B (zh) | 2009-10-13 | 2009-10-13 | 图像噪声滤除方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102045514A CN102045514A (zh) | 2011-05-04 |
CN102045514B true CN102045514B (zh) | 2012-12-05 |
Family
ID=43911231
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200910180403 Active CN102045514B (zh) | 2009-10-13 | 2009-10-13 | 图像噪声滤除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102045514B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106663310A (zh) * | 2014-09-25 | 2017-05-10 | 谷歌公司 | 频域去噪 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101910870B1 (ko) * | 2012-06-29 | 2018-10-24 | 삼성전자 주식회사 | 잡음 제거 장치, 시스템 및 방법 |
CN103338337A (zh) * | 2013-05-30 | 2013-10-02 | 益海芯电子技术江苏有限公司 | 光学指示装置中的图像噪声消除方法 |
CN111415313B (zh) * | 2020-04-13 | 2022-08-30 | 展讯通信(上海)有限公司 | 图像处理方法、装置、电子设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101132477A (zh) * | 2006-08-23 | 2008-02-27 | 原相科技股份有限公司 | 数字图像处理方法及其装置 |
CN101364302A (zh) * | 2008-09-28 | 2009-02-11 | 西安理工大学 | 一种散焦模糊图像的清晰化处理方法 |
-
2009
- 2009-10-13 CN CN 200910180403 patent/CN102045514B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101132477A (zh) * | 2006-08-23 | 2008-02-27 | 原相科技股份有限公司 | 数字图像处理方法及其装置 |
CN101364302A (zh) * | 2008-09-28 | 2009-02-11 | 西安理工大学 | 一种散焦模糊图像的清晰化处理方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106663310A (zh) * | 2014-09-25 | 2017-05-10 | 谷歌公司 | 频域去噪 |
CN106663310B (zh) * | 2014-09-25 | 2019-09-17 | 谷歌有限责任公司 | 频域去噪 |
Also Published As
Publication number | Publication date |
---|---|
CN102045514A (zh) | 2011-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101661611B (zh) | 基于贝叶斯非局部均值滤波器的实现方法 | |
US10339643B2 (en) | Algorithm and device for image processing | |
US8594456B2 (en) | Image denoising method | |
CN104103041B (zh) | 超声图像混合噪声自适应抑制方法 | |
CN107527333A (zh) | 一种基于伽马变换的快速图像增强方法 | |
CN102521813B (zh) | 基于双平台直方图的红外图像自适应增强方法 | |
CN102306377A (zh) | 一种超声图像去噪的方法和装置 | |
CN102819827B (zh) | 一种基于灰度分割的自适应矩匹配条带噪声去除方法 | |
US9589323B1 (en) | Super resolution image enhancement technique | |
CN101706954B (zh) | 图像增强方法和装置以及图像低频分量计算方法和装置 | |
CN102045514B (zh) | 图像噪声滤除方法 | |
CN102034239A (zh) | 一种基于局部灰度突变的红外小目标检测方法 | |
CN104077746B (zh) | 灰度图像处理方法及其装置 | |
CN109919870A (zh) | 一种基于bm3d的sar图像相干斑抑制方法 | |
US20110069902A1 (en) | Image denoising method | |
CN102045513B (zh) | 图像噪声滤除方法 | |
CN103310414B (zh) | 基于方向波变换和模糊理论的图像增强方法 | |
CN107301631B (zh) | 一种基于非凸加权稀疏约束的sar图像降斑方法 | |
CN102789634A (zh) | 一种获取光照均一化图像的方法 | |
CN104616252A (zh) | 基于nsct和pcnn的数字图像增强方法 | |
CN104636497A (zh) | 一种视频数据智能检索方法 | |
CN102289793B (zh) | 一种面向游牧服务的多尺度图像处理方法 | |
CN103426145A (zh) | 一种基于多分辨分析的合成孔径声纳相干斑噪声抑制方法 | |
CN105528772A (zh) | 一种基于指导性滤波的图像融合方法 | |
CN105956600A (zh) | 复杂背景下基于椭圆拟合和svm的螺栓识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |