CN103945090B - 噪声估测装置及其方法 - Google Patents
噪声估测装置及其方法 Download PDFInfo
- Publication number
- CN103945090B CN103945090B CN201310017554.8A CN201310017554A CN103945090B CN 103945090 B CN103945090 B CN 103945090B CN 201310017554 A CN201310017554 A CN 201310017554A CN 103945090 B CN103945090 B CN 103945090B
- Authority
- CN
- China
- Prior art keywords
- block
- noise
- pixel
- distribution
- image
- 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.)
- Expired - Fee Related
Links
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
一种噪声估测装置及其方法,用以计算图像的噪声估测值。此噪声估测装置包括分布计算单元、变异计算单元、分布曲线产生模块及噪声估测单元。分布计算单元用以依据图像的第i个区块的多笔像素数据,以及先前图像的第i个区块的多笔先前像素数据,产生一像素分布。变异计算单元用以组合图像及先前图像的第i个区块的像素数据,对应地产生一变异数。分布曲线产生模块用以根据变异数产生一分布曲线,并比较像素分布以及分布曲线,以对应地产生一权重值。噪声估测单元用以依据图像的每一个区块所对应的权重值及变异数,输出噪声估测值。
Description
技术领域
本发明是有关于一种噪声估测装置及其方法,且特别是有关于一种计算图像的噪声估测值的噪声估测装置及其方法。
背景技术
近年来,由于多媒体应用的快速发展,对于图像质量的要求也日渐提高。然而,多媒体图像常会受到噪声的干扰,这些噪声不仅会降低图像的质量,使其清晰度、锐利度因此而降低,物体轮廓也变得模糊。为了消除图像噪声,噪声估测(noise estimation)技术通常被应用于图像处理***当中,以作为噪声降低(noise reduction)处理的基准。
然而,在执行噪声估测时,图像中的细节部分或是动态的图像往往会被误判为图像中的噪声,倘若依此判断结果而接着进行噪声降低处理,如此将使得噪声降低处理后的图像反而被减低了图像质量。
因此,如何提供一种可以有效地判断图像内容受噪声干扰程度的噪声估测技术,以避免图像细节或是动态图像被误判为噪声,乃业界所致力的课题之一。
发明内容
本发明是有关于一种噪声估测技术,可以有效地判断图像内容受噪声干扰的程度。
根据本发明的一方面,提出一种噪声估测装置。噪声估测装置用以计算一图像的一噪声估测值,该图像具有M个区块,该M个区块可重迭或不重迭,每个区块各自具有多笔像素数据,该些像素数据中包括一目标像素数据,M系大于1的正整数,该噪声估测装置包括一分布计算单元、一变异计算单元、一分布曲线产生模块及一噪声估测单元。分布计算单元用以依据该图像的第i个区块的该些像素数据,以及一先前图像的该第i个区块的多笔先前像素数据,计算多笔像素值的所分别对应的像素个数,以产生一像素分布,i是介于1至M的正整数。变异计算单元用以组合该图像的该第i个区块的该些像素数据以及该先前图像的该第i个区块的该些先前像素数据,并对应地产生一变异数。分布曲线产生模块以该图像的该第i个区块的该目标像素数据为基准,根据该变异数产生一分布曲线,并比较该像素分布以及该分布曲线,以对应地产生一权重值。噪声估测单元用以依据该图像的每一个区块所对应的该权重值及该变异数,输出该噪声估测值。
根据本发明的另一方面,提出一种噪声估测方法,是使用于一噪声估测装置,此方法用以计算一图像的一噪声估测值,该图像具有M个区块,该M个区块可重迭或不重迭,每个区块各自具有多笔像素数据,该些像素数据中包括一目标像素数据,M系大于1的正整数,该噪声估测方法包括:依据该图像的第i个区块的该些像素数据,以及一先前图像的该第i个区块的多笔先前像素数据,计算多笔像素值的所分别对应的像素个数,以产生一像素分布,i是介于1至M的正整数;组合该图像的该第i个区块的该些像素数据以及该先前图像的该第i个区块的该些先前像素数据,并对应地产生一变异数;以该图像的该第i个区块的该目标像素数据为基准,根据该变异数产生一分布曲线,并比较该像素分布以及该分布曲线,以对应地产生一权重值;以及依据该图像的每一个区块所对应的该权重值及该变异数,输出该噪声估测值。
为了对本发明的上述及其它方面有更佳的了解,下文特举实施例,并配合所附图式,作详细说明如下。
附图说明
图1绘示本发明一实施例的噪声估测装置的方块图。
图2A绘示图像的M个区块可重迭的示意图。
图2B绘示图像的M个区块不重迭的示意图。
图3绘示分布计算单元的一例的方块图。
图4A绘示第一分布的一例的示意图。
图4B绘示第二分布的一例的示意图。
图4C绘示像素分布的一例的示意图。
图5绘示变异计算单元的一例的方块图。
图6绘示合成像素数据的一例的示意图。
图7绘示分布曲线产生模块的一例的方块图。
图8绘示分布曲线的一例的示意图。
图9A绘示权重值与差异值的对应关系的一例的示意图。
图9B绘示第一阈值与变异数的对应关系的一例的示意图。
图9C绘示第二阈值与变异数的对应关系的一例的示意图。
图10绘示噪声估测单元的一例的方块图。
图11绘示所有区块的权重值的加总与低减值的对应关系的一例的示意图。
图12绘示本实施例噪声估测方法的流程图。
[主要元件标号说明]
100:噪声估测装置 102:分布计算单元
104:变异计算单元 106:分布曲线产生模块
108:噪声估测单元 302:第一计算单元
304:第二计算单元 306:合成单元
502:运算单元 504:变异数取得单元
702:分布曲线产生单元 704:差值计算单元
706:权值计算单元 1002:噪声估测器
1004:保护单元
具体实施方式
请参照图1,图1绘示乃本发明一实施例的噪声估测装置100的方块图。噪声估测装置100用以计算图像的噪声估测值σavg。此图像具有M个区块,此M个区块可重迭或不重迭。每个区块各自具有多笔像素数据,此些像素数据中包括一目标像素数据,M是大于1的正整数。上述的多笔像素数据例如是对应至显示面板上的多个像素点。
为方便理解,请同时参照图2A及2B。图2A及2B乃分别绘示图像的M个区块可重迭及不重迭的示意图。在图2A中,图像Ft中的每条横列各表一像素列,而各横列中的每个小方格各代表一个像素。各个像素是各自对应至一个区块,目标像素数据为所对应的区块的一中心像素数据。进一步地说,假使图像中的区块的大小为1×K的像素列,且K为大于零的奇数,当目标像素数据为图像中的第i笔像素数据Pi,则对应于此像素数据Pi的图像中第i个区块Ft(i)包括了像素数据Pi-(K-1)/2、Pi-(K-1)/2+1、...Pi...、Pi+(K-1)/2-1、Pi+(K-1)/2。而当目标像素数据为图像中的第i+1笔像素数据Pi+1,则对应于此像素数据Pi+1的图像中第i+1个区块Ft(i+1)包括了像素数据Pi+1-(K-1)/2、Pi+1-(K-1)/2+1、...Pi+1...、Pi+1+(K-1)/2-1、Pi+1+(K-1)/2,以此类推。反之,在图2B中,图像中的区块的大小例如为K×K的像素矩阵,图像Ft’被均分为多个彼此不重迭的区块,每个区块的目标像素数据例如为该区块的中心像素数据。举例来说,区块Ft’(i)的目标像素数据例如为像素数据Pi,而区块Ft’(i+1)的目标像素数据例如为像素数据Pi+K。然本发明并不以此为限,上述的区块的大小以及目标像素数据相对于其对应区块的位置皆可视不同的应用而调整。
请再参照图1,噪声估测装置100包括分布计算单元102、变异计算单元104、分布曲线产生模块106及噪声估测单元108。分布计算单元102用以依据图像Ft的第i个区块Ft(i)的多笔像素数据,以及先前图像Ft-1的第i个区块Ft-1(i)的多笔先前像素数据,计算多笔像素值的所分别对应的像素个数,以产生一像素分布h(i),i是介于1至M的正整数。上述的图像Ft的第i个区块Ft(i)以及先前图像Ft-1的第i个区块Ft-1(i)例如对应至画面中相同的显示位置,且于时间的排序上,先前图像Ft-1是表示早于图像Ft所显示的图像。此外,上述的像素值例如为灰阶值(gray scale level)。
变异计算单元104用以组合图像Ft的第i个区块Ft(i)的多笔像素数据以及先前图像Ft-1的该第i个区块Ft-1(i)的多笔先前像素数据,并对应地产生一变异数σ(i)。上述的变异数σ(i)例如代表统计学上的变异数(variance)。
分布曲线产生模块106以图像Ft的第i个区块Ft(i)的目标像素数据为基准,根据变异数σ(i)产生一分布曲线G(i),并比较像素分布h(i)以及分布曲线G(i),以对应地产生一权重值W(i)。
最后,噪声估测单元108用以依据Ft图像的每一个区块Ft(1)~Ft(M)所对应的权重值W(1)~W(M)及变异数σ(1)~σ(M),输出噪声估测值σavg。
请参照图3,其绘示乃上述分布计算单元102的方块图的一例。分布计算单元102包括第一计算单元302、第二计算单元304及合成单元306。第一计算单元302用以计算图像Ft的第i个区块的多笔像素数据的对应至各该些像素值的像素个数,以输出一第一分布h1(i)。第二计算单元304用以计算先前图像Ft-1的第i个区块的多笔先前像素数据的对应至各该些像素值的像素个数,以输出一第二分布h2(i)。合成单元306用以结合第一分布h1(i)及第二分布h2(i),以产生像素分布h(i)。上述的第一分布h1(i)、第二分布h2(i)及像素分布h(i)例如皆为直方图(histogram)的形式。
请同时参照图4A及图4B。图4A绘示为第一分布h1(i)的一例的示意图,图4B绘示为第二分布h2(i)的一例的示意图。于图4A以及图4B中,坐标的横轴表示灰阶值,范围例如由0至255;坐标的纵轴表示像素个数。每一直方条分别表示对应于一灰阶值的像素个数。
合成单元306结合第一分布h1(i)及第二分布h2(i)的方式例如是将两分布进行迭合(superposition)。举例来说,第一分布h1(i)中每一像素值所对应的像素个数是与第二分布h2(i)中每一像素值所对应的像素个数分别相加以产生对应至不同像素值的像素个数的像素分布h(i)。如图4C所示,其绘示如图4A中的第一分布h1(i)与图4B中的第二分布h2(i)进行迭合后所产生的像素分布h(i)的一例的示意图。
然,本发明并不限于上述的例示,分布计算单元102亦可对多组分别对应至不同时间点的画面Ft~Ft-k的第i个区块的多笔像素数据进行处理,以对应地产生像素分布h’(i),其中k为正整数。而引进多张分别对应至不同时间点的画面Ft~Ft-k可提供图像处理上更多的取样点。
接着请参照图5,其绘示乃上述变异计算单元104的方块图的一例。变异计算单元104包括运算单元502及变异数取得单元504。运算单元502用以组合图像Ft的第i个区块的多笔像素数据与先前图像Ft-1的第i个区块的多笔先前像素数据,以对应输出一合成像素数据S(i)。
请参照图6,其绘示上述合成像素数据S(i)的一例的示意图。于图6中,图像Ft的第i个区块的多笔像素数据Ft(i)是接续于先前图像Ft-1的第i个区块的多笔先前像素数据Ft-1(i),以组合成一笔合成像素数据S(i)。然上述的例示并非用以限定本发明,运算单元502亦可通过其它组合、排序的方式,以产生包括图像Ft的第i个区块的多笔像素数据Ft(i)以及先前图像Ft-1的第i个区块的多笔先前像素数据Ft-1(i)的合成像素数据S(i)。
请再参照图5,变异数取得单元504用以依据此合成像素数据S(i)以产生变异数σ(i)。由于产生变异数σ(i)的方式例如可由一般图像处理软件得出,故不在此赘述。然倘若分布计算单元102依上述对多组分别对应至不同时间点的画面Ft~Ft-k的第i个区块的多笔像素数据进行处理,以对应地产生像素分布h’(i),则变异计算单元104是对应地对此些不同时间点的画面Ft~Ft-k的第i个区块的多笔像素数据作计算,以产生变异数σ’(i)。简言之,本发明实施例并不局限于仅依据图像Ft及先前图像Ft-1作噪声估测,亦可依据多组分别对应至不同时间点的画面Ft~Ft-k来作噪声估测。
请参照图7,其绘示乃上述分布曲线产生模块106的方块图的一例。分布曲线产生模块106包括分布曲线产生单元702、差值计算单元704及权值计算单元706。分布曲线产生单元702以图像Ft的第i个区块的目标像素数据为基准,根据变异数σ(i),进行查表以输出分布曲线G(i)。
上述的分布曲线G(i)例如为高斯分布(Gaussian distribution)。选取高斯分布作为例示的原因在于,申请人于研究时发现,一般的电视图像信号当中,受到噪声干扰的像素数据往往会以高斯分布呈现;相对地,图像内容的细节部分或是动态图像所对应的像素分布则通常会和高斯分布大不相同。因此,倘若经比较后得知图像内容中的像素分布与高斯分布越相近似,则表示此图像内容越可能是受噪声所干扰。然本发明并不限于此,于另一实施例中,分布曲线G(i)亦可例如为卜瓦松分布(Poisson distribution)。总而言之,凡是分布的曲线可对应至图像信号中的噪声模型,皆不脱离本发明实施例中所述分布曲线G(i)的精神。
此外,若以分布曲线G(i)为高斯分布为例,因高斯分布具有分布曲线下的涵盖面积为固定的特性,通过此特性,可预先建立数组分别对应至不同变异数σ(i)的高斯分布模型于分布曲线产生单元702当中,以供之后的查表对应。
请同时参照图8,其绘示乃分布曲线G(i)的一例的示意图。于图8中,其坐标的横轴表示像素值,像素值例如为灰阶值,其范围例如由0至255,纵轴表示像素个数。曲线802表示以目标像素数据所对应的像素值Pv作为基准,依据变异数σ(i)所查表得出的分布曲线G(i)。于此实施例中,由于分布曲线产生单元702当中所预先建立的分布模型(例如为高斯分布模型)是以坐标原点为基准(例如均值为零),为了呈现以目标像素数据为基准的噪声模型,分布曲线产生模块106进一步将目标像素数据所对应的像素值Pv设定为此分布模型的基准以作为分布曲线G(i)输出。
请再参照图7,差值计算单元704用以比较分布曲线G(i)及像素分布h(i),以输出一差异值D(i)。差异值D(i)例如可由下式得出:
其中,参数k表示像素值,倘若像素值代表灰阶值,则参数k的范围例如为0至255;参数Sk表示分布曲线G(i)于像素值k的像素个数减去像素分布h(i)于像素值k的像素个数。当然,本发明并不限于此,凡是依据参数Sk所作的线性或非线性的组合,或是将分布曲线G(i)及像素分布h(i)间的差异进行量化所产生的值,皆可作为本发明实施例的差异值D(i)。
权值计算单元706用以依据此差异值D(i)以对应地产生权重值W(i)。请参照图9A,其绘示乃权重值W(i)与差异值D(i)的对应关系的一例的示意图。由曲线902的变化可知,当差异值D(i)的大小介于第一阈值TH1与第二阈值TH2之间,且第二阈值TH2大于该第一阈值TH1,当该差异值D(i)越大时,则所对应的该权重值W(i)越小。于此实施例中,权重值W(i)的大小是介于权重上限值WH及权重下限值WL之间,于曲线902中,介于第一阈值TH1至第二阈值TH2间的差异值D(i),是由点坐标(TH1,WH)及点坐标(TH2,WL)线性内插所得到。权重上限值WH及权重下限值WL例如分别为介于0至1的值,且权重上限值WH大于权重下限值WL。曲线902的意义在于,权重值W(i)例如对应至噪声的发生机率,当差异值D(i)越大,表示像素分布h(i)与分布曲线G(i)间的差异越大,亦表示像素分布h(i)越不近似于噪声的分布曲线(例如高斯曲线),噪声的发生机率越低,故权重值W(i)对应地越小。然本发明并不以上述的例示为限,亦即,权重值(i)与差异值D(i)间的对应关系曲线并不限于两点间的线性内插,只要权重值W(i)能依据差异值D(i)而反映噪声的权重,皆属于本发明精神所涵盖的范围。
上述的第一阈值TH1与第二阈值TH2例如是分别根据变异数σ(i)以动态阈值(dynamic threshold)的方式产生。为清楚说明,请同时参照图9B及图9C,其分别绘示第一阈值TH1与第二阈值TH2分别与变异数σ(i)的对应关系的一例的示意图。于图9B中,由曲线904的变化可知,当变异数σ(i)于下临界值THa及上临界值THb间变化时,第一阈值TH1是介于第一下限值TH1α及第一上限值TH1β之间,第一阈值TH1的值是可由点(THa,TH1α)及点(THb,TH1β)线性内插形成。类似地,于图9C中,由曲线906的变化可知,当变异数σ(i)于下临界值THa及上临界值THb间变化时,第二阈值TH2是介于第二下限值TH2α及第二上限值TH2β之间,第二阈值TH2的值是可由点(THa,TH2α)及点(THb,TH2β)线性内插所形成。上述的第一下限值TH1α、第一上限值TH1β、第二下限值TH2α、第二上限值TH2β、上临界值THb及下临界值THa皆可视不同的应用情况而设定,惟第二下限值TH2α及第二上限值TH2β皆须分别大于第一下限值TH1α及第一上限值TH1β。以动态阈值的方式产生第一阈值TH1与第二阈值TH2的好处在于,当所得出的变异数σ(i)过大时,权值计算单元706同样能够依据差异值D(i)对应出适当的权重值W(i),以有效地判别出图像内容受噪声干扰的程度。
接着请参照图10,其绘示乃上述噪声估测单元108的一例的方块图。噪声估测单元108包括噪声估测器1002。噪声估测器1002用以依据图像Ft的每一个区块Ft(1)~Ft(M)所对应的权重值W(1)~W(M)及变异数σ(1)~σ(M)进行加权平均处理,以输出噪声估测值σavg。举例来说,噪声估测值σavg例如可由下式得出:
由上式可知,噪声估测值σavg是表示整张图像Ft受噪声干扰的程度。当噪声估测值σavg越大,则表示图像Ft受噪声干扰的程度越高,反之,当噪声估测值σavg越小,则表示图像Ft受噪声干扰的程度越低。然本发明并不限于此,只要是依据权重值W(i)及变异数σ(i)运算组合所得出的结果,皆可作为本发明中用以评估图像噪声的参考值。
此外,噪声估测单元108还可包括保护单元1004。保护单元1004用以于所有区块Ft(1)~Ft(M)的权重值W(1)~W(M)的加总(即)低于一临界值T时,对噪声估测器1002所输出的噪声估测值σavg除以一低减值DN,以作为噪声估测值σavg’输出。由于当所有区块Ft(1)~Ft(M)的权重值W(1)~W(M)的加总过低时,所对应得出的噪声估测值σavg是较不可靠(unreliable)的,故于此情况下,保护单元1004是通过对噪声估测值σavg除以低减值DN,以适当地调整噪声估测值σavg以作为输出。
请参照图11,其绘示乃所有区块Ft(1)~Ft(M)的权重值W(1)~W(M)的加总与低减值DN的对应关系的一例的示意图。由曲线1102可知,当所有区块Ft(1)~Ft(M)的权重值W(1)~W(M)的加总越低于临界值T,则此低减值DN越大。低减值DN的范围例如是介于低减上限值DNH至低减下限值DNL之间。低减上限值DNH的值例如为128,低减下限值DNL的值例如是1。
本实施例还提出一种噪声估测方法,噪声估测方法用于本发明实施例的噪声估测装置100。请参照图12,其绘示乃本实施例的噪声估测方法的流程图。此方法包括步骤S1202、S1204、S1206与S1208。首先,于步骤S1202中,依据图像Ft的第i个区块的多笔像素数据,以及先前图像Ft-1的第i个区块的多笔先前像素数据,计算多笔像素值的所分别对应的像素个数,以产生一像素分布h(i),i是介于1至M的正整数。
接着,于步骤S1204中,组合图像Ft的第i个区块的多笔像素数据以及先前图像Ft-1的第i个区块的多笔先前像素数据,并对应地产生一变异数σ(i)。
然后,于步骤S1206中,以图像Ft的第i个区块的目标像素数据为基准,根据变异数σ(i)产生一分布曲线G(i),并比较像素分布h(i)以及分布曲线G(i),以对应地产生一权重值W(i)。
最后,于步骤S1208中,依据图像Ft的每一个区块Ft(1)~Ft(M)所对应的权重值W(1)~W(M)及变异数σ(1)~σ(M),输出噪声估测值σavg。
本实施例的一种用以计算图像的噪声估测值的噪声估测装置及其方法,可以有效地判断图像内容受噪声干扰的程度。
综上所述,虽然本发明已以实施例揭露如上,然其并非用以限定本发明。本发明所属技术领域中具有通常知识者,在不脱离本发明的精神和范围内,当可作各种的更动与润饰。因此,本发明的保护范围当视所附的权利要求范围所界定者为准。
Claims (20)
1.一种噪声估测装置,用以计算一图像的一噪声估测值,该图像具有M个区块,该M个区块可重迭或不重迭,每个区块各自具有多笔像素数据,该多笔像素数据中包括一目标像素数据,M是大于1的正整数,该噪声估测装置包括:
一分布计算单元,用以依据该图像的第i个区块的该多笔像素数据,以及一先前图像的该第i个区块的多笔先前像素数据,计算多笔像素值的所分别对应的像素个数,以产生一像素分布,i是介于1至M的正整数;
一变异数计算单元,用以组合该图像的该第i个区块的该多笔像素数据以及该先前图像的该第i个区块的该多笔先前像素数据,并对应地产生一变异数;
一分布曲线产生模块,以该图像的该第i个区块的该目标像素数据为基准,根据该变异数产生一分布曲线,并比较该像素分布以及该分布曲线,以对应地产生一权重值;以及
一噪声估测单元,用以依据该图像的每一个区块所对应的该权重值及该变异数,输出该噪声估测值。
2.根据权利要求1所述的噪声估测装置,其中该分布计算单元包括:
一第一计算单元,用以计算该图像的该第i个区块的该像素数据的对应至各该像素值的像素个数,以输出一第一分布;
一第二计算单元,用以计算该先前图像的该第i个区块的该先前像素数据的对应至各该像素值的像素个数,以输出一第二分布;以及
一叠加单元,用以叠加该第一分布及该第二分布,以产生该像素分布。
3.根据权利要求1所述的噪声估测装置,其中该变异数计算单元包括:
一运算单元,用以组合该图像的该第i个区块的该像素数据与该先前图像的该第i个区块的该先前像素数据,以对应输出一合成像素数据;以及
一变异数取得单元,用以依据该合成像素数据以产生该变异数。
4.根据权利要求1所述的噪声估测装置,其中该分布曲线产生模块包括:
一分布曲线产生单元,以该图像的该第i个区块的该目标像素数据为基准,根据该变异数,进行查表以输出该分布曲线;
一差异值计算单元,用以比较该分布曲线及该像素分布,以输出一差异值;以及
一权重值计算单元,用以依据该差异值以对应地产生该权重值。
5.根据权利要求4所述的噪声估测装置,其中该分布曲线为高斯分布。
6.根据权利要求4所述的噪声估测装置,其中当该差异值的大小介于一第一阈值与一第二阈值之间,该第二阈值大于该第一阈值,当该差异值越大时,所对应的该权重值越小。
7.根据权利要求6所述的噪声估测装置,其中该第一阈值与该第二阈值是分别根据该变异数以动态阈值的方式产生。
8.根据权利要求1所述的噪声估测装置,其中该噪声估测单元包括:
一噪声估测器,用以依据该图像的每一个区块所对应的该权重值及该变异数进行加权平均处理,以输出该噪声估测值。
9.根据权利要求8所述的噪声估测装置,其中该噪声估测单元还包括:
一保护单元,用以于所有区块的该权重值的加总低于一临界值时,对该噪声估测器所输出的该噪声估测值除以一低减值,以作为该噪声估测值输出,其中当所有区块的该权重值的加总越低于该临界值,则该低减值越大。
10.根据权利要求1所述的噪声估测装置,其中该图像具有M个像素,各个像素是各自对应至一个区块,该目标像素数据为所对应的该区块的一中心像素数据。
11.一种噪声估测方法,用以计算一图像的一噪声估测值,该图像具有M个区块,该M个区块可重迭或不重迭,每个区块各自具有多笔像素数据,该多笔像素数据中包括一目标像素数据,M是大于1的正整数,该噪声估测方法包括:
依据该图像的第i个区块的该多笔像素数据,以及一先前图像的该第i个区块的多笔先前像素数据,计算多笔像素值的所分别对应的像素个数,以产生一像素分布,i是介于1至M的正整数;
组合该图像的该第i个区块的该多笔像素数据以及该先前图像的该第i个区块的该多笔先前像素数据,并对应地产生一变异数;
以该图像的该第i个区块的该目标像素数据为基准,根据该变异数产生一分布曲线,并比较该像素分布以及该分布曲线,以对应地产生一权重值;以及
依据该图像的每一个区块所对应的该权重值及该变异数,输出该噪声估测值。
12.根据权利要求11所述的噪声估测方法,其中该产生该像素分布的步骤包括:
计算该图像的该第i个区块的该像素数据的对应至各该像素值的像素个数,以输出一第一分布;
计算该先前图像的该第i个区块的该先前像素数据的对应至各该像素值的像素个数,以输出一第二分布;以及
叠加该第一分布及该第二分布,以产生该像素分布。
13.根据权利要求11所述的噪声估测方法,其中该产生该变异数的步骤包括:
组合该图像的该第i个区块的该像素数据与该先前图像的该第i个区块的该先前像素数据,以对应输出一合成像素数据;以及
依据该合成像素数据以产生该变异数。
14.根据权利要求11所述的噪声估测方法,其中该产生该权重值的步骤包括:
以该图像的该第i个区块的该目标像素数据为基准,根据该变异数,进行查表以输出该分布曲线;
比较该分布曲线及该像素分布,以输出一差异值;以及
依据该差异值以对应地产生该权重值。
15.根据权利要求14所述的噪声估测方法,其中该分布曲线为高斯分布。
16.根据权利要求14所述的噪声估测方法,其中当该差异值的大小介于一第一阈值与一第二阈值之间,该第二阈值是大于该第一阈值,当该差异值越大时,所对应的该权重值越小。
17.根据权利要求16所述的噪声估测方法,其中该第一阈值与该第二阈值是分别根据该变异数以动态阈值的方式产生。
18.根据权利要求11所述的噪声估测方法,其中该输出该噪声估测值的步骤包括:
依据该图像的每一个区块所对应的该权重值及该变异数进行加权平均处理,以输出该噪声估测值。
19.根据权利要求18所述的噪声估测方法,其中该输出该噪声估测值的步骤还包括:
于所有区块的该权重值的加总低于一临界值时,对该噪声估测器所输出的该噪声估测值除以一低减值,以作为该噪声估测值输出,其中当所有区块的该权重值的加总越低于该临界值,则该低减值越大。
20.根据权利要求11所述的噪声估测方法,其中该图像具有M个像素,各个像素是各自对应至一个区块,该目标像素数据为所对应的该区块的一中心像素数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310017554.8A CN103945090B (zh) | 2013-01-17 | 2013-01-17 | 噪声估测装置及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310017554.8A CN103945090B (zh) | 2013-01-17 | 2013-01-17 | 噪声估测装置及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103945090A CN103945090A (zh) | 2014-07-23 |
CN103945090B true CN103945090B (zh) | 2017-06-30 |
Family
ID=51192559
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310017554.8A Expired - Fee Related CN103945090B (zh) | 2013-01-17 | 2013-01-17 | 噪声估测装置及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103945090B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201742001A (zh) * | 2016-05-30 | 2017-12-01 | 聯詠科技股份有限公司 | 影像雜訊估測方法及裝置與影像擷取裝置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102447817A (zh) * | 2010-09-30 | 2012-05-09 | 瑞昱半导体股份有限公司 | 图像处理装置与空间图像噪声消除方法 |
JP2012138043A (ja) * | 2010-12-28 | 2012-07-19 | Jvc Kenwood Corp | 画像ノイズ除去方法及び画像ノイズ除去装置 |
CN102622729A (zh) * | 2012-03-08 | 2012-08-01 | 北京邮电大学 | 基于模糊集合理论的空间自适应块匹配图像去噪方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4210021B2 (ja) * | 2000-06-21 | 2009-01-14 | 富士フイルム株式会社 | 画像信号処理装置および画像信号処理方法 |
US8279345B2 (en) * | 2009-07-21 | 2012-10-02 | Qualcomm Incorporated | System and method for random noise estimation in a sequence of images |
KR101727285B1 (ko) * | 2010-12-28 | 2017-04-14 | 삼성전자주식회사 | 노이즈 변화와 움직임 감지를 고려한 영상 노이즈 필터링 방법 및 장치 |
-
2013
- 2013-01-17 CN CN201310017554.8A patent/CN103945090B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102447817A (zh) * | 2010-09-30 | 2012-05-09 | 瑞昱半导体股份有限公司 | 图像处理装置与空间图像噪声消除方法 |
JP2012138043A (ja) * | 2010-12-28 | 2012-07-19 | Jvc Kenwood Corp | 画像ノイズ除去方法及び画像ノイズ除去装置 |
CN102622729A (zh) * | 2012-03-08 | 2012-08-01 | 北京邮电大学 | 基于模糊集合理论的空间自适应块匹配图像去噪方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103945090A (zh) | 2014-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108921800B (zh) | 基于形状自适应搜索窗口的非局部均值去噪方法 | |
CN107578430B (zh) | 一种基于自适应权值和局部熵的立体匹配方法 | |
TWI501628B (zh) | 雜訊估測裝置及其方法 | |
CN107203980B (zh) | 自适应多尺度暗通道先验的水下目标探测图像增强方法 | |
CN105303561A (zh) | 一种图像预处理的灰度空间划分方法 | |
Tan et al. | Multipoint filtering with local polynomial approximation and range guidance | |
CN103914820A (zh) | 一种基于图像分层增强的图像去雾方法及*** | |
CN111489435A (zh) | 基于单图像的自适应三维人脸重建方法 | |
CN108596992B (zh) | 一种快速实时的唇彩化妆方法 | |
CN107424121B (zh) | 一种基于分数阶微分的模糊图像超分辨率重构方法 | |
CN109871790B (zh) | 一种基于混合神经网络模型的视频去色方法 | |
CN111681236B (zh) | 一种带注意力机制的目标密度估计方法 | |
CN103945090B (zh) | 噪声估测装置及其方法 | |
CN104268845A (zh) | 极值温差短波红外图像的自适应双局部增强方法 | |
CN111899200B (zh) | 一种基于3d滤波的红外图像增强方法 | |
CN109064427A (zh) | 增强图像对比度的方法、装置、显示设备和存储介质 | |
CN110836649B (zh) | 一种自适应的空间复合超声成像方法 | |
Dosselmann et al. | A formal assessment of the structural similarity index | |
JP2021086284A (ja) | 画像処理装置、画像処理方法、及びプログラム | |
CN102831583B (zh) | 基于分形分析的图像视频超分辨率与增强方法 | |
US9401005B2 (en) | Image processing circuit, image processing method, and display device using the same | |
CN110738612B (zh) | X光透视图像的降噪方法及计算机可读存储介质 | |
CN107895355A (zh) | 一种移动侦测和图像对比度自适应增强***及其方法 | |
CN117611486B (zh) | 一种非正则自监督的低光图像增强方法 | |
CN113487496B (zh) | 一种基于像素类型推断的图像去噪方法、***及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170630 Termination date: 20200117 |
|
CF01 | Termination of patent right due to non-payment of annual fee |