CN103258318B - 一种图像降噪处理方法及*** - Google Patents
一种图像降噪处理方法及*** Download PDFInfo
- Publication number
- CN103258318B CN103258318B CN201310199113.4A CN201310199113A CN103258318B CN 103258318 B CN103258318 B CN 103258318B CN 201310199113 A CN201310199113 A CN 201310199113A CN 103258318 B CN103258318 B CN 103258318B
- Authority
- CN
- China
- Prior art keywords
- image
- average
- template
- weighted deviations
- weight
- 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
Landscapes
- Image Processing (AREA)
Abstract
本发明提供一种图像降噪处理方法,包括如下步骤:建立方向模板,然后根据方向模板计算权重偏差;然后根据所述权重偏差计算权重偏差均值;再根据所述权重偏差均值计算决定因子;最后根据上述结果计算权重滤波均值,作为增强后的图像输出。该技术方案中考虑方向信息和偏差信息从而自适应地实现图像的降噪,同时较好地保持图像细节,自适应地改善图像的视觉效果,从一定程度上降低了噪声的影响,并能应用于视频图像降噪。
Description
技术领域
本发明涉及一种图像降噪处理方法,具体地说是一种图像降噪处理方法及装置。
背景技术
由于图像可以直观给人视觉信息,因此图像技术的应用日益广泛。但是,因为设备、光照、增益等因素,所显示的图像画面往往具有噪声,特别是在低照度情况下,图像噪声更为明显。这使得图像画面质量有所下降,影响到画面的视觉效果,从而会影响视频图像产品的展示效果。为了改善人眼对这类图像的视觉效果,并便于后续其他处理,需要对这种噪声图像进行降噪处理。图像降噪通常也是各种图像分析和处理的预处理过程。目前,已出现了许多图像降噪的技术或方法,比如均值去噪、中值去噪、频域去噪、高斯降噪等。均值去噪和中值去噪方法尽管相对简单,但其降噪后的图像质量不高,容易模糊。而有些方法则计算量较大,如小波降噪,不适合实时性视频降噪。
为此,中国专利文献CN101355648A中公开了一种图像降噪并增强图像的方法,包括以下步骤:(1)读取获取图像各像素点的坐标和灰度值;(2)遍历整幅图像,使用改进的图像降噪算法对每个像素点进行计算,得到降噪后的新的像素值;(3)使用降噪后的新的像素值替换原有图像各像素的值,得到降噪后的图像;(4)遍历降噪后的图像,使用改进的拉普拉斯算子增强算法对每个像素点进行计算,得到增强后的新的像素值;(5)使用增强后的新的像素值替换原有像素值,得到最终增强的图像。在该技术方案中,图像降噪的算法是以将要处理的像素点为中心一个N*N的图像块为处理单元,将处理单元内的图像块分为四个边缘方向,即垂直、水平和两个对角方向,判断中心像素点所在的边缘方向,根据其边缘方向进行降噪处理。但是,该方案中仅单独考虑了这四个方向因素,对于两个方向上的像素点并未结合考虑,当多个方向因素对整个图像存在影响时,容易导致采用该方法降噪后图像模糊,处理效果不明显的问题。此外,在该技术方案中根据边缘方向进行降噪处理的过程中,需要根据经验值来设置参数,先针对场景进行多次设置和调整,然后人工选取合适的参数进行设置,该方法不仅容易产生误差,而且当场景变化后,还需要对参数重新进行调整和设置,适应性较差,效率低。
发明内容
为此,本发明所要解决的技术问题在于现有技术中的图像降噪处理方法精确度不高、效果差、适应性差的问题,从而提出一种能够降低图像噪声,同时尽可能地保持图像细节,改善图像视觉效果,防止图像模糊的图像降噪处理方法及装置。
为解决上述技术问题,本发明提供一种图像降噪处理方法,包括如下步骤:
(1)根据中心点建立方向模板,然后根据方向模板计算权重偏差;
(2)根据所述权重偏差计算权重偏差均值;
(3)根据所述权重偏差均值计算决定因子;
(4)根据上述结果计算权重滤波均值,作为增强后的图像输出。
所述步骤(1)中,所述方向模板包括8个,以中心点为对称中心,分别为水平方向模板、竖直方向模板、左斜方向模板、右斜方向模板、左上方向模板、左下方向模板、右上方向模板、右下方向模板。
所述步骤(1)中,所述方向模板的大小为5*5个像素点,每个方向模板包含5个有效点,所述有效点包括所述中心点。
所述步骤(1)中,计算所述8个方向模板的权重偏差时,根据下述公式计算第m个方向的权重偏差:
其中|·|表示取绝对值,I(x,y)为原始图像,x和y分别是像素点的横纵坐标,和为第m个模板中权重为b的点相对于当前中心点的横纵坐标偏移,和为第m个模板中权重为c的点相对于当前中心点的横纵坐标偏移,b和c分别为两个偏差的权重。
所述步骤(2)中,计算所述权重偏差均值的公式如下:
dm(x,y)为第m个方向的权重偏差。
所述步骤(3)中,计算所述决定因子的公式如下:
所述步骤(4)中,计算所述滤波均值的过程如下:
A、如果权重偏差均值为0,将当前图像值直接赋给最终的权重滤波均值;
B、如果权重偏差均值不为0,则计算所述权重滤波均值,计算方法如下:
根据下列公式计算: 式中,假设第m个方向的5个像素点分别为 其中为权重a的中心点,和分别是权重为b的两个像素点,和分别是权重为c的两个像素点。
在所述步骤(4)中,通过调整各像素点的权重a、b和c设置距离中心点不同的像素点对均值的影响。
一种图像降噪处理***,包括:
图像输入单元:输入原始图像,作为待处理图像;
权重偏差计算单元:根据中心点建立方向模板并计算权重偏差;
自适应方向确定单元:用于计算权重偏差均值和决定因子:
自适应权重均值计算单元:根据上述结果计算权重滤波均值;
图像输出单元:输出增强后的图像。
上述技术方案相比现有技术具有以下优点,本发明所述的图像降噪处理方法,包括如下步骤:建立方向模板,然后根据方向模板计算权重偏差;然后根据所述权重偏差计算权重偏差均值;再根据所述权重偏差均值计算决定因子;最后根据上述结果计算权重滤波均值,作为增强后的图像输出。该技术方案中考虑方向信息和偏差信息从而自适应地实现图像的降噪,同时较好地保持图像细节,自适应地改善图像的视觉效果,从一定程度上降低了噪声的影响,并能应用于视频图像降噪。与现有技术中的降噪处理方法相比,所有方向的像素点都参与计算,并且结合了贡献度,获得了更好的降噪效果。
附图说明
为了使本发明的内容更容易被清楚的理解,下面根据本发明的具体实施例并结合附图,对本发明作进一步详细的说明,其中
图1是本发明所述的图像降噪处理方法的方向模板示意图;
图2是本发明所述的图像降噪处理***的示意图;
图3是本发明所述的图像降噪处理***的装置结构图;
图4是所述的图像降噪处理***对应的图像降噪处理方法的流程图;
图5是所述图像降噪处理方法中自适应方法的流程图
图6是计算权重均值的流程图。
具体实施方式
实施例1:
下面给出本发明所述的图像降噪处理方法的一个具体的实施方式,包括如下步骤:
(1)根据中心点建立方向模板,然后根据方向模板计算权重偏差。
在本步骤(1)中,所述方向模板包括8个,如图1给出了本发明所提供的图像降噪处理方法的8个5×5模板,以中心点为对称中心,从左到右、从上到下依次分别为水平方向模板、左斜方向模板、竖直方向模板、右斜方向模板、左上方向模板、左下方向模板、右上方向模板、右下方向模板。所述方向模板的大小都为5*5个像素点,每个方向模板包含5个有效点,所述有效点包括所述中心点。所述方向模板中根据离中心点的距离确定不同权重系数。
作为可以变换的实施方式,方向模板也可以根据其他的方式选择,此处的8个方向模板是较常用的,也可以根据需要设置更多个如10、16个等等。
本实施例中,计算所述8个方向模板的权重偏差时,根据下述公式计算第m个方向的权重偏差,m=1、2、3……8。权重偏差dm(x,y)的计算公式如下:
其中|·|表示取绝对值,I(x,y)为原始图像,x和y分别是像素点的横纵坐标,和为第m个模板中权重为b的点相对于当前中心点的横纵坐标偏移,和为第m个模板中权重为c的点相对于当前中心点的横纵坐标偏移,b和c分别为两个偏差的权重。
(2)根据所述权重偏差计算权重偏差均值。
计算所述权重偏差均值的公式如下:
dm(x,y)为步骤(1)中第m个方向的权重偏差。
(3)根据所述权重偏差均值计算决定因子。
计算所述决定因子的公式如下:
(4)根据上述结果计算权重滤波均值,作为降噪后的图像输出。
计算所述滤波均值的过程如下:
A、如果权重偏差均值为0,将当前图像值直接赋给最终的权重滤波均值;
B、如果权重偏差均值不为0,则计算所述权重滤波均值,计算方法如下:
根据下列公式计算: 式中,假设第m个方向的5个像素点分别为 其中为权重a的中心点,和分别是权重为b的两个像素点,和分别是权重为c的两个像素点。此处,通过调整各像素点的权重a、b和c设置距离中心点不同的像素点对均值的影响。通常权重a、b和c的值分别设为1、1和0.5,为了提高计算速度,权重a、b和c的值可设为整数2、2和1。这里由于权重c的点距离中心点较远,故权重c较小。
实施例2
下面给出本发明所述的图像降噪处理***的一个具体的实施方式,如图2所示,给出了上述实施例1所述的图像降噪处理方法对应的***结构。一种图像降噪处理***60,包括:
图像输入单元601:输入原始图像,作为待处理图像;
权重偏差计算单元602:根据中心点建立方向模板并计算权重偏差;
自适应方向确定单元603:用于计算权重偏差均值和决定因子:
自适应权重均值计算单元604:根据上述结果计算权重滤波均值;
图像输出单元605:输出增强后的图像。
本实施例所述的图像降噪***60,可以通过装置***10实现,如图3所示,在这个实施装置***中,装置***10包括处理器101和图像输入接口107。在该实施***中,也包括了处理器101可访问的存储设备102和103。这些存储设备可以是随机存储单元RAM,也可以是程序存储器等,例如硬盘。处理器101从程序存储器加载程序并运行,从而能够输入和处理图像。此外,处理器101也可以连接到显示设备104,以及一些输入输出人机交互设备105,如鼠标、键盘等。一些其他接口设备108也可以与处理器101相连接,实现一些其他处理功能。接口106可以实现一些图像或者视频的输出,而电源109为装置***提供电源。
本实施例所述图像降噪***,所提供的图像降噪流程可由处理器101执行。参见图4给出了所述图像降噪处理方法的流程图20。首先,步骤201根据8个方向模板分别计算原始图像每个像素点的8个权重偏差。然后,步骤202确定参与计算权重均值的方向,这些方向的权重偏差较小。最后,步骤203根据步骤201和202的结果确定图像每个像素的降噪值。为了进一步防止图像模糊,权重对个方向的结果进行适当抑制,从而得到最终的降噪值。
在步骤201中,根据8个方向模板计算每个像素点的8个权重偏差,这8个方向模板如图1所示,在水平方向、竖直方向、两个斜角方向以及四个对角方向共8个方向模板。这些方向模板概括了当前中心点可能属于的区域。这里模板大小定义为5×5,这样既可以对大颗粒或者细小颗粒噪声进行去噪,又可以从一定程度上保持细节。
在步骤201中,对于输入的原始图像,计算当前像素点I(x,y)的第m个方向模板的权重偏差dm(x,y),其计算公式如下:
其中I(x,y)为原始图像,x和y分别是像素点的横纵坐标,和为第m个模板中权重为b的点相对于当前中心点的横纵坐标偏移,和为第m个模板中权重为c的点相对于当前中心点的横纵坐标偏移,b和c分别为两个偏差的权重。这样步骤201得到8个权重偏差dm,m=1,2,…,8。通常权重a、b和c的值分别设为1、1和0.5,为了提高计算速度,权重a、b和c的值可设为整数2、2和1。这里由于权重c的点距离中心点较远,故权重c较小。
在步骤202中,从8个权重偏差中选择偏差较小的相应的方向模板,从而根据得到的方向模板计算滤波值。这里有两种方法选择偏差较小的方向模板,一种简单方法为最小偏差法,即从8个权重偏差中选择偏差最小的相应的方向;但这种方法通常对大颗粒噪声效果不明显,为了提高降噪效果,同时保持图像细节。本实施例中步骤202为自适应方法,可以根据8个权重偏差自适应地选择其中偏差较小的方向。
图5给出了所述自适应方法的流程图。如图4所示,步骤202主要包括两个模块,即计算偏差均值模块和自适应选择方向模块。
在步骤401中,本发明采用的偏差均值的计算公式如下
在步骤402中,根据步骤401得到偏差均值,确定所有权重偏差dm小于或等于的方向,由于对于图像中每个像素点的权重偏差会随着像素点所在的位置而变化,如果选择固定的阈值选择偏差较小的方向,则阈值的选择将会很困难,无法适用于所有的像素点。而根据均值作为阈值进行选择,而可以自适应地适用于所有的像素点,因为均值依赖于权重偏差,权重偏差变化会造成均值相应地变化。设一个方向的偏差dm的决定因子λm,决定因子λm决定当前方向的偏差dm是否参与步骤203的滤波值的计算。决定因子λm按照下述公式计算:
在步骤203中,根据步骤202输出结果自适应地计算权重均值,各方向的权重将会自适应地调整,偏差较小方向的权重较大,而偏差较大的方向的权重较小,这样可以较大程度上保持细节。图6给出了步骤203的处理流程。
在步骤203中,模块501对步骤202得到偏差均值进行判断,如果则执行步骤502,如果则执行步骤503。上述步骤的原因主要是在平滑单一的区域,偏差通常为0,为了防止步骤503中的权重和为0,同时也是为了降低计算量,故采用步骤501进行判断。步骤502则直接把当前中心点的值作为滤波值输出。步骤503根据步骤202输出的偏差均值各方向的决定因子λ、各方向的偏差等计算权重均值步骤503的权重均值计算公式如下
式中,为第m方向的像素点的均值。不失一般性,为了表示的方便,上式省略了坐标x和y。从上式可以看出,偏差小的方向的像素点对权重均值具有较大的贡献。不失一般性,假设第m个方向的5个像素点分别为 其中为权重a的中心点,和分别是权重为b的两个像素点,和分别是权重为c的两个像素点。这样第m方向的像素点的均值根据下式计算
这样通过调整个像素点的权重a、b和c可以设置距离中心点不同的像素点对均值的贡献度。
步骤203输出结果即为最终滤波结果,用于替代当前的中心点的像素值I(x,y)。这样,得到了滤波后的图像。通过上述的滤波处理,除了能够较好地滤除噪声,还能较好地保持图像细节。从而得到了具有较好视觉效果的图像。
如上所述,本发明的核心在于根据预定义不同方向的模板,通过这些方向计算偏差可以确定当前点所处的区域(即相似的相邻像素点);并考虑到图像局部特点不相同,自适应地计算选择偏差较小的方向,确定各方向的决定因子,决定因子可以排除那些偏差较大的方向对后续均值计算的影响;进一步考虑到对图像细节的保持,根据各方向的偏差、偏差均值、决定因子等自适应地决定各方向的像素点对滤波均值的贡献,从而在去除噪声的同时保持图像的细节,这样极好地提高了图像的视觉效果。
本发明可应用到与图像的图像处理相关的领域中,例如医疗图像设备、雷达信号处理***、电视会议***、数字电视***、视频监控***等。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (4)
1.一种图像降噪处理方法,其特征在于,包括如下步骤:
(1)根据中心点建立方向模板,然后根据方向模板计算权重偏差;
所述方向模板包括8个,以中心点为对称中心,分别为水平方向模板、竖直方向模板、左斜方向模板、右斜方向模板、左上方向模板、左下方向模板、右上方向模板、右下方向模板;
计算所述8个方向模板的权重偏差时,根据下述公式计算第m个方向的权重偏差:
其中|·|表示取绝对值,I(x,y)为原始图像,x和y分别是像素点的横纵坐标,和为第m个模板中权重为b的点相对于当前中心点的横纵坐标偏移,和 为第m个模板中权重为c的点相对于当前中心点的横纵坐标偏移,b和c分别为两个偏差的权重;
(2)根据所述权重偏差计算权重偏差均值;
计算所述权重偏差均值的公式如下:
dm(x,y)为第m个方向的权重偏差 ;
(3)根据所述权重偏差均值计算决定因子,计算所述决定因子的公式如下:
dm(x,y)为第m个方向的权重偏差,为权重偏差均值 ;
(4)根据上述结果计算权重滤波均值,作为增强后的图像输出,计算所 述滤波均值的过程如下:
A、如果权重偏差均值为0,将当前图像值直接赋给最终的权重滤波均值;
B、如果权重偏差均值不为0,则计算所述权重滤波均值,计算方法如下:
式中,为第m方向的像素点的均值;
根据下列公式计算:式中,假设第m个方向的5个像素点分别为其中为权重a的中心点,和分别是权重为b的两个像素点,和分别是权重为c的两个像素点。
2.根据权利要求1所述的图像降噪处理方法,其特征在于:所述步骤(1)中,所述方向模板的大小为5*5个像素点,每个方向模板包含5个有效点,所述有效点包括所述中心点。
3.根据权利要求1或2任一项所述的图像降噪处理方法 ,其特征在于:在所述步骤(4)中,通过调整各像素点的权重a、b和c设置距离中心点不同的像素点对均值的影响。
4.一种使用权利要求1所述的图像降噪处理方法的图像降噪处理***,其特征在于,包括:
图像输入单元:输入原始图像,作为待处理图像;
权重偏差计算单元:根据中心点建立方向模板并计算权重偏差;
自适应方向确定单元:用于计算权重偏差均值和决定因子:
自适应权重均值计算单元:根据上述结果计算权重滤波均值;
图像输出单元:输出增强后的图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310199113.4A CN103258318B (zh) | 2013-05-24 | 2013-05-24 | 一种图像降噪处理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310199113.4A CN103258318B (zh) | 2013-05-24 | 2013-05-24 | 一种图像降噪处理方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103258318A CN103258318A (zh) | 2013-08-21 |
CN103258318B true CN103258318B (zh) | 2015-09-16 |
Family
ID=48962213
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310199113.4A Active CN103258318B (zh) | 2013-05-24 | 2013-05-24 | 一种图像降噪处理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103258318B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104599250A (zh) * | 2015-01-23 | 2015-05-06 | 河南理工大学 | 基于局部均值差值的自适应伪球滤波方法 |
CN106875354B (zh) * | 2017-01-20 | 2020-04-28 | 北京东软医疗设备有限公司 | 图像去噪方法、装置及设备 |
CN108765312B (zh) * | 2018-04-27 | 2021-11-02 | 西安科技大学 | 一种基于方差信息的图像去噪方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6229578B1 (en) * | 1997-12-08 | 2001-05-08 | Intel Corporation | Edge-detection based noise removal algorithm |
CN102663706A (zh) * | 2012-04-23 | 2012-09-12 | 河北师范大学 | 基于菱形模板的自适应加权均值滤波方法 |
-
2013
- 2013-05-24 CN CN201310199113.4A patent/CN103258318B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6229578B1 (en) * | 1997-12-08 | 2001-05-08 | Intel Corporation | Edge-detection based noise removal algorithm |
CN102663706A (zh) * | 2012-04-23 | 2012-09-12 | 河北师范大学 | 基于菱形模板的自适应加权均值滤波方法 |
Non-Patent Citations (3)
Title |
---|
Fuzzy two-step filter for impulse noise reduction from color images;Stefan Schulte et al.;《IEEE TRANSACTIONS ON IMAGE PROCESSING》;20061130;第15卷(第11期);第881-882、937页 * |
Noise Reduction by Fuzzy Image Filtering;Dimitri Van De Ville et al.;《IEEE TRANSACTIONS ON FUZZY SYSTEMS》;20030831;第11卷(第4期);第429-436页 * |
基于Kirsch方向模板的SAR相干斑噪声抑制方法;柏正尧等;《***工程与电子技术》;20040731;第26卷(第7期);第3568-3579页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103258318A (zh) | 2013-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111179189B (zh) | 基于生成对抗网络gan的图像处理方法、装置以及电子设备、存储介质 | |
CN104125374B (zh) | 图像处理装置及其影像噪声抑制方法 | |
Yang et al. | Textured image demoiréing via signal decomposition and guided filtering | |
CN109859126A (zh) | 一种视频降噪方法、装置、电子设备及存储介质 | |
CN111192226B (zh) | 一种图像融合去噪方法及装置、*** | |
CN105096280A (zh) | 处理图像噪声的方法及装置 | |
Chen et al. | Saliency-directed image interpolation using particle swarm optimization | |
US20200154145A1 (en) | Content-weighted deep residual learning for video in-loop filtering | |
CN102243711A (zh) | 一种基于邻域嵌套的图像超分辨率重建方法 | |
CN107333027A (zh) | 一种视频图像增强的方法和装置 | |
DE102020200310A1 (de) | Verfahren und System zur Dunstreduzierung für die Bildverarbeitung | |
CN104794692A (zh) | 一种图像去锯齿的*** | |
CN111696033A (zh) | 基于角点引导级联沙漏网络结构学习的真实图像超分辨率模型及方法 | |
DE112016005482T5 (de) | Objektdetektion mit adaptiven Kanalmerkmalen | |
Luo et al. | Deep wavelet network with domain adaptation for single image demoireing | |
CN103258318B (zh) | 一种图像降噪处理方法及*** | |
Zhang et al. | Nonlocal edge-directed interpolation | |
Pu et al. | Fractional-order retinex for adaptive contrast enhancement of under-exposed traffic images | |
Ponomaryov et al. | Fuzzy color video filtering technique for sequences corrupted by additive Gaussian noise | |
CN106157251A (zh) | 一种基于柯西正则化的人脸超分辨率方法 | |
Yang et al. | Fast reconstruction for Monte Carlo rendering using deep convolutional networks | |
Yang et al. | Infrared image super-resolution with parallel random Forest | |
CN110991230A (zh) | 基于旋转候选框的任意方向遥感影像舰船检测方法及*** | |
CN111127355A (zh) | 一种对缺损光流图进行精细补全的方法及其应用 | |
Allaberdiev et al. | Speeded-up robust feature matching algorithm based on image improvement technology |
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 |