CN104253929A - 视频降噪方法及其*** - Google Patents

Abstract

本发明提供一种视频降噪方法及其***，通过计算得到当前帧图像和前一帧图像中相应的像素点的SAD值，从而通过所述SAD值判断当前帧图像和前一帧图像中的像素点是否发生移动，搜索出当前帧和至少前一帧图像中相应的像素点，对相应的像素点至少在当前帧图像和前一帧图像中的像素值进行加权平均，从而达到利用之前各帧图像对当前帧图像进行降噪的目的。并且对当前帧中新出现的像素点进行帧内降噪处理，使每一帧视频图像的所有像素点都能够获得降噪的效果，降噪效果较好。整个视频降噪方法中无需执行复杂的降噪算法，比较简单，对视频降噪处理更快，对CPU的处理资源占用较少，符合网络视频技术的实时性要求。

Description

视频降噪方法及其***

技术领域

本发明涉及视频噪声处理的技术领域，特别是涉及一种视频降噪方法，以及一种视频降噪***。

背景技术

随着webcam（网络摄像）设备的普及，网络实时视频应用越来越广泛，但是webcam设备普遍存在着噪声大和色彩还原差的特点，特别是光线较暗的条件下尤其突出。

需要采用图像和视频的降噪技术来改善用户的观看效果。然而，目前的视频降噪技术需要涉及大量的运算，占用CPU的处理资源过多，并且由于视频的数据量巨大，算法复杂性高，以及视频降噪技术多是浮点计算，导致CPU计算慢，不能实时处理，达不到网络视频技术的实时性要求。

发明内容

针对上述背景技术中存在的问题，本发明的目的在于提供一种视频降噪方法，降噪方法并不复杂，并且降噪效果较好，能够减少视频降噪处理对CPU的处理资源占用，对视频降噪处理更快，符合网络视频技术的实时性要求。

一种视频降噪方法，包括以下步骤：

计算当前帧图像和前一帧图像中相应的像素点的SAD值，将所述SAD值与预设的SAD阈值比较；

如果小于所述SAD阈值，则对所述像素点至少在当前帧图像和前一帧图像中的像素值进行加权平均计算，获得新像素点；

如果不小于所述SAD阈值，则在前一帧图像中搜索与当前帧图像相同的像素点；

如果搜索到相同的像素点，则对所述像素点在当前帧图像和前一帧图像中的像素值进行加权平均计算，获得新像素点；

如果未搜索到相同的像素点，则对所述像素点在当前帧图像中执行帧内降噪处理，获得新像素点。

本发明的目的还在于提供一种视频降噪***，降噪方法并不复杂，并且降噪效果较好，能够减少视频降噪处理对CPU的处理资源占用，对视频降噪处理更快，符合网络视频技术的实时性要求。

一种视频降噪***，包括：

用于计算当前帧图像和前一帧图像中相应的像素点的SAD值，将所述SAD值与预设的SAD阈值比较的比较模块；

如果小于所述SAD阈值，则对所述像素点至少在当前帧图像和前一帧图像中的像素值进行加权平均计算，获得新像素点的第一处理模块；

如果不小于所述SAD阈值，则在前一帧图像中搜索与当前帧图像相同的像素点的搜索模块；

如果搜索到相同的像素点，则对所述像素点在当前帧图像和前一帧图像中的像素值进行加权平均计算，获得新像素点的第二处理模块；

以及，如果未搜索到相同的像素点，则对所述像素点在当前帧图像中执行帧内降噪处理，获得新像素点的第三处理模块。

本发明的视频降噪方法及其***中，通过计算得到当前帧图像和前一帧图像中相应的像素点的SAD值，从而通过所述SAD值判断当前帧图像和前一帧图像中的像素点是否发生移动，搜索出当前帧和至少前一帧图像中相应的像素点，对相应的像素点至少在当前帧图像和前一帧图像中的像素值进行加权平均，从而达到利用之前各帧图像对当前帧图像进行降噪的目的。并且对当前帧中新出现的像素点（即在前一帧未出现的像素点）进行帧内降噪处理，使每一帧视频图像的所有像素点都能够获得降噪的效果，降噪效果较好。整个视频降噪方法中无需执行复杂的降噪算法，比较简单，对视频降噪处理更快，对CPU的处理资源占用较少，符合网络视频技术的实时性要求。

附图说明

图1是本发明视频降噪方法的流程示意图；

图2是本发明视频降噪***的结构示意图；

图3为本发明视频降噪***的另一种优选实施方式的结构示意图。

具体实施方式

请参阅图1，图1是本发明视频降噪方法的流程示意图。

所述视频降噪方法包括以下步骤：

S101，计算当前帧图像和前一帧图像中相应的像素点的SAD值，将所述SAD值与预设的SAD阈值比较；

在本步骤中，所述当前帧图像和前一帧图像中相应的像素点为两帧图像上相同位置的像素点。将所述像素点的SAD值与预设的SAD阈值（例如设定为512）比较，如果低于所述SAD阈值，则所述像素点在当前帧图像和前一帧图像中没有发生相对运动，所述像素点是“静止的像素点”；如果所述像素点的SAD值不小于所述SAD阈值，则所述像素点在当前帧图像和前一帧图像中发生了相对移动，所述像素点是“移动的像素点”。

优选地，在本步骤中，进一步将每一帧图像都对应划分为多个图像块，计算当前帧图像和前一帧图像的相应的图像块中所有像素点的SAD值，将所述图像块的SAD值与预设的SAD阈值比较。

例如将每一帧图像都以同样的方式对应划分为多个大小16像素×16像素的图像块，将当前帧图像和前一帧图像中的各个图像块按照从左到右，从上到下的顺序依次进行差分比较，计算前后两帧图像中各个对应的图像块的SAD值，并将所述图像块的SAD值与预设的SAD阈值比较。如果所述图像快的SAD值低于所述SAD阈值，则所述图像块在当前帧图像和前一帧图像中没有发生相对运动，所述图像块是“静止的图像块”，所述图像块中包含的各个像素点即为“静止的像素点”；如果所述图像块的SAD值不小于所述SAD阈值，则所述图像块在当前帧图像和前一帧图像中发生了相对移动，所述图像块是“移动的图像块”，所述图像块中包含的各个像素点即为“移动的像素点”。

S102，如果小于所述SAD阈值，则对所述像素点至少在当前帧图像和前一帧图像中的像素值进行加权平均计算，获得新像素点；

对于静止的像素点，对其至少在当前帧图像和前一帧图像中的像素值进行加权平均计算，获取新的像素点。在计算时可以根据降噪的要求设定对前若干帧图像的像素点进行加权平均计算。

优选地，最多可对前3帧图像中静止的像素点执行加权平均计算，以获得更好的降噪效果，具体地，在对第n帧图像进行降噪处理时，其中，n为自然数；步骤S102包括以下子步骤：

如果第n帧图像和第n-1帧图像中相应的像素点的SAD值小于所述SAD阈值，则记录所述像素点在第n帧图像的像素值，并进一步计算第n-1帧图像和第n-2帧图像中相应的像素点的SAD值；

如果第n-1帧图像和第n-2帧图像中相应的像素点的SAD值不小于所述SAD阈值，则对所述像素点在第n帧图像和第n-1帧图像中的像素值进行加权平均计算，获得新像素点；如果小于所述SAD阈值，则记录所述像素点在第n-1帧图像的像素值，并进一步计算第n-2帧图像和第n-3帧图像中相应的像素点的SAD值；

如果第n-2帧图像和第n-3帧图像中相应的像素点的SAD值不小于所述SAD阈值，则对所述像素点在第n帧图像、第n-1帧图像和第n-2帧图像中的像素值进行加权平均计算，获得新像素点；如果小于所述SAD阈值，则对所述像素点在第n帧图像、第n-1帧图像、第n-2帧图像和第n-3帧图像中的像素值进行加权平均计算，获得新像素点。

在上述实施例中，最多可对所述像素点在当前帧以及前三帧图像中的像素值做加权平均处理，以获得更高的降噪效果。

上述加权处理过程的权值可由用户设置，作为一个优选实施例，在对所述像素点在第n帧图像和第n-1帧图像中的像素值进行加权平均计算时，按照以下公式计算获得新的像素点：

n(x)=(p0(x)*4+p1(x)*2)/6;

其中，n(x)为新像素点的像素值，p0(x)为当前帧，即第n帧图像的像素点的像素值，p1(x)为第n-1帧图像的像素点的像素值。

在对所述像素点在第n帧图像、第n-1帧图像和第n-2帧图像中的像素值进行加权平均计算时，按照以下公式计算获得新的像素点：

n(x)=(p0(x)*4+p1(x)*2+p2(x))/7;

其中，p2(x)为第n-2帧图像的像素点的像素值。

在对所述像素点在第n帧图像、第n-1帧图像、第n-2帧图像和第n-3帧图像中的像素值进行加权平均计算时，按照以下公式计算获得新的像素点：

n(x)=(p0(x)*4+p1(x)*2+p2(x)+p3(x))/8；

其中，p3(x)为第n-3帧图像的像素点的像素值。

在上述实施方式中，当前帧图像的像素点的权值最大，与当前帧的时间间隔越大，该帧图像的权值越少。

S103，如果不小于所述SAD阈值，则在前一帧图像中搜索与当前帧图像相同的像素点；

对于移动的像素点，则在前一帧图像中搜索与当前帧图像相同的像素点。在搜索时，优选采用MV（运动向量）搜索，在前一帧图像中找到相同的像素点或者图像块。例如可采用了简单的三步搜索算法,为了提高速度，仅对前一帧进行搜索，搜索范围设定为32个像素，停止搜索的SAD阀值设定义为小于512,之所以定义为如此小，是因为要完全整帧匹配。

优选地，为避免噪声对运动像素的搜索影响，在搜索前，对当前帧图像的像素采用邻域均值计算的方法，降低噪声对搜索结果的影响，具体包括以下步骤：

获取以当前帧图像中的所述像素点为中心的8个周边像素点的像素值；

对所述像素点以及所述8个周边像素点的像素值进行加权平均，获得所述像素点的邻域均值；

根据所述像素点的邻域均值，在前一帧图像中搜索与当前帧图像相同的像素点。

通过对所述像素点为中心的8个周边像素点进行加权平均，可以有效降低噪声对该像素点的影响，能够更准确地在前一帧中搜索相同的像素点。

进一步可将当前帧图像中的所述像素点的邻域均值的计算结果储存在内存中，以便之后读取比较时更方便。

在一个实施例中，在对所述像素点以及所述8个周边像素点的像素值进行加权平均计算所述邻域均值时，采用以下公式计算：

f(x,y)=(f(x-1,y-1)+f(x-1,y)+f(x-1,y+1)+f(x,y)*8+f(x,y-1)+f(x,y+1)+f(x+1,y)+f(x-1,y+1)+f(x+1,y+1))/16。

其中，x为所述像素点的横坐标，y为所述像素点的纵坐标，f(x,y)为相应像素点的像素值。

在前一帧图像中搜索与当前帧图像相同的像素点的结果有两个，一个情况是搜索到相同的像素点，在这种情况下执行步骤S104；而另一个情况是搜索不到相同的像素点，在这种情况下执行步骤S105。

S104，如果搜索到相同的像素点，则对所述像素点在当前帧图像和前一帧图像中的像素值进行加权平均计算，获得新像素点；

在本步骤中进行的加权平均计算处理时，所述当前帧图像的像素值和前一帧图像中的像素值的权值可以根据降噪要求进行设置。作为一个优选实施例，按照以下公式计算获得新的像素点：

n(x)=(p0(x)*4+p1(x)*2)/6;

其中，n(x)为新像素点的像素值，p0(x)为当前帧，即第n帧图像的像素点的像素值，p1(x)为前一帧，即第n-1帧图像的像素点的像素值。

S105，如果未搜索到相同的像素点，则对所述像素点在当前帧图像中执行帧内降噪处理，获得新像素点。

如果在前一帧搜索不到相同的像素点，则该像素点为新图像的像素点，在前一帧中并未出现，因此对该像素点进行帧内降噪处理。

所述帧内降噪处理可以采用业内常用的各种降噪方式，优选采用帧内NLM（Non-local Means）降噪处理。

在一个实施例中，所述帧内降噪处理的步骤包括：

计算所述像素点与相邻的36个像素点中任一像素点的差值；

根据以下公式，计算所述任一像素点的权重：

fw(x,y)=exp(-(f3w(x,y)*fNoiseLevel+(x*x+y*y)*fg))，其中，f3w(x,y)为所述差值的平方，fNoiseLevel=1.0/(0.2*0.2)，fg=1.0/80.0，x所述像素点与任一像素点的横坐标距离，y为所述像素点与任一像素点的纵坐标距离；

将所述36个像素点的像素值乘以其对应的权重后取其平均值，获得所述像素点的理论值；

根据以下公式，计算新像素点的像素值：

n(x,y)=p(x,y)+(p(x,y)-p1(x,y))*f；

其中，p(x,y)为所述像素点的实际像素值，p1(x,y)为所述像素点的理论值，f为设置新像素在旧像素中的权重值，取(0.0-1.0)之间。

在上述实施例中，根据像素点的周围36个像素点的像素值的加权平均值，对所述像素点进行帧内降噪处理，可以在前后两帧之间没有相同像素点的情况下对当前帧进行降噪处理，达到全面的降噪效果。

本发明的视频降噪方法通过计算得到当前帧图像和前一帧图像中相应的像素点的SAD值，从而通过所述SAD值判断当前帧图像和前一帧图像中的像素点是否发生移动，搜索出当前帧和至少前一帧图像中相应的像素点，对相应的像素点至少在当前帧图像和前一帧图像中的像素值进行加权平均，从而达到利用之前各帧图像对当前帧图像进行降噪的目的。并且对当前帧中新出现的像素点（即在前一帧未出现的像素点）进行帧内降噪处理，使每一帧视频图像的所有像素点都能够获得降噪的效果，降噪效果较好。整个视频降噪方法中无需执行复杂的降噪算法，比较简单，对视频降噪处理更快，对CPU的处理资源占用较少，符合网络视频技术的实时性要求。

并且，由于本发明大部分的降噪处理可对多个像素点同时并行，因此，可以将并行处理的部分交由更适合处理并行数据的GPU（图形处理器）处理，降低对CPU（中央处理器）的占用率，由于算法并不复杂，因此对显卡的要求也低。

作为本发明视频降噪方法的一种优选实施方式，对视频流进行降噪处理时，因为第一帧图像无法通过与前一帧图像的加权平均进行降噪，因此，对第一帧图像首先执行帧内降噪处理，采用降噪完成后，将其保存到历史队列中，供下一帧图像进行帧间降噪处理。然后，从第二帧图像开始，执行步骤S101-105，对该帧图像进行降噪处理。

作为本发明视频降噪方法的另一种优选实施方式，在对当前帧图像进行降噪处理之后，进一步执行一个锐化和色彩增强的步骤：

根据用户指令生成蒙板图像；

按照以下公式计算获取新像素点：

a(x,y)=p(x,y)+(p(x,y)–p2(x,y))*k;

其中，a(x,y)为新像素点的像素值，p(x,y)为所述像素点原像素值，p2(x,y)为所述蒙板图像中对应的像素点的像素值，k为比例值。

在一个实施例中，通过以下方式生成所述蒙板图像：

1.确定每个像素点关联的半径范围：

半径范围r=Round(radius*3*sqrt(2.0*3.1415956)/4.0);

其中，Round为取整运算符，radius为用户指令中包含的指定值，sqrt为开平方运算符。

2.计算水平和垂直蒙板，每个方向重复计算3次,生成新的蒙板图像：

如果半径范围r为奇数，则

起始点范围长度:H=0+...(r-1)/2（起始点）

尾部返转长度:T=-r;（就是结束的长度）

如果半径范围为偶数，

如果是第1次计算：

H=(r/2)-1;

T=r;

第2次计算:

H=r/2;

T=r;

第3次计算:

H=0;

T=0;

计算分为4段：

起始范围:

S(0)：0--H:计算累计合Total1=P(0)+..P(h)

S(1)：H--T:(Total1+P(x)+(x/2))/X,Total2=Total1+..+P(t)

S(2)：T--L:(Total2+P(x)+(x/2))/X,Total3=Total2+..+P(l)

S(3)：L--E:(Total3-P(x)+(x/2))/X。

通过上述方式，可以对降噪后的图像进行锐化和色彩增强，在减少图像的噪声的同时，又可保持图像的色彩不受影响，提高降噪后的图像显示效果。所述锐化和色彩增强的步骤优选在GPU中执行。

作为本发明视频降噪方法的另一种优选实施方式，在执行步骤S101对图像进行降噪处理之前，进一步对图像进行Gamma校正，所述Gamma校正可以通过查找预先设置的Gamma表对每个像素点的RGB分量查找校正。所述Gamma校正优选在CPU进行。

与现有技术相比较，采用本发明的视频降噪方法进行视频降噪后能使画面看起来更干净，更清爽，同时基本不损失视频的原有细节，效果远好于传统的去噪算法，同时也没有其他算法的复杂性。此外由于少了噪声干扰，也利于下一步的视频编码处理，例如帧内预测和MV查找等。基于锐化蒙板的视频锐化和增强，使视频看起来更锐利，效果比传统的增强算法好。并且，由于本发明的视频降噪方法大部分的处理可对多个像素点同时并行处理，因此，可以将并行处理的部分交由GPU（图形处理器）处理，降低对CPU（中央处理器）的占用率，由于算法并不复杂，因此对显卡的要求也低。

请参阅图2，图2是本发明视频降噪***的结构示意图。

所述视频降噪***包括：

用于计算当前帧图像和前一帧图像中相应的像素点的SAD值，将所述SAD值与预设的SAD阈值比较的比较模块11；

如果小于所述SAD阈值，则对所述像素点至少在当前帧图像和前一帧图像中的像素值进行加权平均计算，获得新像素点的第一处理模块12；

如果不小于所述SAD阈值，则在前一帧图像中搜索与当前帧图像相同的像素点的搜索模块13；

如果搜索到相同的像素点，则对所述像素点在当前帧图像和前一帧图像中的像素值进行加权平均计算，获得新像素点的第二处理模块14；

以及，如果未搜索到相同的像素点，则对所述像素点在当前帧图像中执行帧内降噪处理，获得新像素点的第三处理模块15。

对于所述比较模块11，所述当前帧图像和前一帧图像中相应的像素点为两帧图像上相同位置的像素点。所述比较模块11将所述像素点的SAD值与预设的SAD阈值（例如设定为512）比较，如果低于所述SAD阈值，则所述像素点在当前帧图像和前一帧图像中没有发生相对运动，所述像素点是“静止的像素点”；如果所述像素点的SAD值不小于所述SAD阈值，则所述像素点在当前帧图像和前一帧图像中发生了相对移动，所述像素点是“移动的像素点”。

优选地，在本步骤中，所述比较模块11进一步将每一帧图像都对应划分为多个图像块，计算当前帧图像和前一帧图像的相应的图像块中所有像素点的SAD值，将所述图像块的SAD值与预设的SAD阈值比较。

例如将每一帧图像都以同样的方式对应划分为多个大小16像素×16像素的图像块，将当前帧图像和前一帧图像中的各个图像块按照从左到右，从上到下的顺序依次进行差分比较，计算前后两帧图像中各个对应的图像块的SAD值，并将所述图像块的SAD值与预设的SAD阈值比较。如果所述图像快的SAD值低于所述SAD阈值，则所述图像块在当前帧图像和前一帧图像中没有发生相对运动，所述图像块是“静止的图像块”，所述图像块中包含的各个像素点即为“静止的像素点”；如果所述图像块的SAD值不小于所述SAD阈值，则所述图像块在当前帧图像和前一帧图像中发生了相对移动，所述图像块是“移动的图像块”，所述图像块中包含的各个像素点即为“移动的像素点”。

所述第一处理模块12用于在小于所述SAD阈值时，对所述像素点至少在当前帧图像和前一帧图像中的像素值进行加权平均计算，获得新像素点；

对于静止的像素点，所述第一处理模块12对其至少在当前帧图像和前一帧图像中的像素值进行加权平均计算，获取新的像素点。在计算时可以根据降噪的要求设定对前若干帧图像的像素点进行加权平均计算。

优选地，所述第一处理模块12最多可对前3帧图像中静止的像素点执行加权平均计算，以获得更好的降噪效果，具体地，所述第一处理模块12在对第n帧图像进行降噪处理时，如果第n帧图像和第n-1帧图像中相应的像素点的SAD值小于所述SAD阈值，则记录所述像素点在第n帧图像的像素值，并进一步计算第n-1帧图像和第n-2帧图像中相应的像素点的SAD值；如果第n-1帧图像和第n-2帧图像中相应的像素点的SAD值不小于所述SAD阈值，则对所述像素点在第n帧图像和第n-1帧图像中的像素值进行加权平均计算，获得新像素点；如果小于所述SAD阈值，则记录所述像素点在第n-1帧图像的像素值，并进一步计算第n-2帧图像和第n-3帧图像中相应的像素点的SAD值；如果第n-2帧图像和第n-3帧图像中相应的像素点的SAD值不小于所述SAD阈值，则对所述像素点在第n帧图像、第n-1帧图像和第n-2帧图像中的像素值进行加权平均计算，获得新像素点；如果小于所述SAD阈值，则对所述像素点在第n帧图像、第n-1帧图像、第n-2帧图像和第n-3帧图像中的像素值进行加权平均计算，获得新像素点。其中，n为自然数。

在上述实施例中，所述第一处理模块12最多可对所述像素点在当前帧以及前三帧图像中的像素值做加权平均处理，以获得更高的降噪效果。

上述加权处理过程的权值可由用户设置，作为一个优选实施例，所述第一处理模块12在对所述像素点在第n帧图像和第n-1帧图像中的像素值进行加权平均计算时，按照以下公式计算获得新的像素点：

n(x)=(p0(x)*4+p1(x)*2)/6;

其中，n(x)为新像素点的像素值，p0(x)为当前帧，即第n帧图像的像素点的像素值，p1(x)为第n-1帧图像的像素点的像素值。

所述第一处理模块12在对所述像素点在第n帧图像、第n-1帧图像和第n-2帧图像中的像素值进行加权平均计算时，按照以下公式计算获得新的像素点：

n(x)=(p0(x)*4+p1(x)*2+p2(x))/7;

其中，p2(x)为第n-2帧图像的像素点的像素值。

所述第一处理模块12在对所述像素点在第n帧图像、第n-1帧图像、第n-2帧图像和第n-3帧图像中的像素值进行加权平均计算时，按照以下公式计算获得新的像素点：

n(x)=(p0(x)*4+p1(x)*2+p2(x)+p3(x))/8；

其中，p3(x)为第n-3帧图像的像素点的像素值。

在上述实施方式中，当前帧图像的像素点的权值最大，与当前帧的时间间隔越大，该帧图像的权值越少。

所述搜索模块13用于在不小于所述SAD阈值时，在前一帧图像中搜索与当前帧图像相同的像素点；

对于移动的像素点，则在前一帧图像中搜索与当前帧图像相同的像素点。在搜索时，优选采用MV（运动向量）搜索，在前一帧图像中找到相同的像素点或者图像块。例如可采用了简单的三步搜索算法,为了提高速度，仅对前一帧进行搜索，搜索范围设定为32个像素，停止搜索的SAD阀值设定义为小于512,之所以定义为如此小，是因为要完全整帧匹配。

优选地，为避免噪声对运动像素的搜索影响，所述搜索模块13在搜索前，获取以当前帧图像中的所述像素点为中心的8个周边像素点的像素值；对所述像素点以及所述8个周边像素点的像素值进行加权平均，获得所述像素点的邻域均值；根据所述像素点的邻域均值，在前一帧图像中搜索与当前帧图像相同的像素点。

通过上述方式对当前帧图像的像素采用邻域均值计算的方法，降低噪声对搜索结果的影响。通过对所述像素点为中心的8个周边像素点进行加权平均，可以有效降低噪声对该像素点的影响，能够更准确地在前一帧中搜索相同的像素点。

所述搜索模块13进一步可将当前帧图像中的所述像素点的邻域均值的计算结果储存在内存中，以便之后读取比较时更方便。

在一个实施例中，所述搜索模块13在对所述像素点以及所述8个周边像素点的像素值进行加权平均计算所述邻域均值时，采用以下公式计算：

f(x,y)=(f(x-1,y-1)+f(x-1,y)+f(x-1,y+1)+f(x,y)*8+f(x,y-1)+f(x,y+1)+f(x+1,y)+f(x-1,y+1)+f(x+1,y+1))/16。

其中，x为所述像素点的横坐标，y为所述像素点的纵坐标，f(x,y)为相应像素点的像素值。

在前一帧图像中搜索与当前帧图像相同的像素点的结果有两个，一个情况是搜索到相同的像素点；而另一个情况是搜索不到相同的像素点。

所述第二处理模块14用于在搜索到相同的像素点时，对所述像素点在当前帧图像和前一帧图像中的像素值进行加权平均计算，获得新像素点；

所述第二处理模块14进行的加权平均计算处理时，所述当前帧图像的像素值和前一帧图像中的像素值的权值可以根据降噪要求进行设置。作为一个优选实施例，所述第二处理模块14按照以下公式计算获得新的像素点：

n(x)=(p0(x)*4+p1(x)*2)/6;

其中，n(x)为新像素点的像素值，p0(x)为当前帧，即第n帧图像的像素点的像素值，p1(x)为前一帧，即第n-1帧图像的像素点的像素值。

所述第三处理模块15用于在未搜索到相同的像素点时，对所述像素点在当前帧图像中执行帧内降噪处理，获得新像素点。

如果在前一帧搜索不到相同的像素点，则该像素点为新图像的像素点，在前一帧中并未出现，因此所述第三处理模块15对该像素点进行帧内降噪处理。

所述帧内降噪处理可以采用业内常用的各种降噪方式，优选采用帧内NLM（Non-local Means）降噪处理。

在一个实施例中，所述第三处理模块15通过一下方式执行帧内降噪处理：

计算所述像素点与相邻的36个像素点中任一像素点的差值；

根据以下公式，计算所述任一像素点的权重：

fw(x,y)=exp(-(f3w(x,y)*fNoiseLevel+(x*x+y*y)*fg))，其中，f3w(x,y)为所述差值的平方，fNoiseLevel=1.0/(0.2*0.2)，fg=1.0/80.0，x所述像素点与任一像素点的横坐标距离，y为所述像素点与任一像素点的纵坐标距离；

将所述36个像素点的像素值乘以其对应的权重后取其平均值，获得所述像素点的理论值；

根据以下公式，计算新像素点的像素值：

n(x,y)=p(x,y)+(p(x,y)-p1(x,y))*f；

其中，p(x,y)为所述像素点的实际像素值，p1(x,y)为所述像素点的理论值，f为设置新像素在旧像素中的权重值，取(0.0-1.0)之间。

在上述实施例中，所述第三处理模块15根据像素点的周围36个像素点的像素值的加权平均值，对所述像素点进行帧内降噪处理，可以在前后两帧之间没有相同像素点的情况下对当前帧进行降噪处理，达到全面的降噪效果。

本发明的视频降噪***通过计算得到当前帧图像和前一帧图像中相应的像素点的SAD值，从而通过所述SAD值判断当前帧图像和前一帧图像中的像素点是否发生移动，搜索出当前帧和至少前一帧图像中相应的像素点，对相应的像素点至少在当前帧图像和前一帧图像中的像素值进行加权平均，从而达到利用之前各帧图像对当前帧图像进行降噪的目的。并且对当前帧中新出现的像素点（即在前一帧未出现的像素点）进行帧内降噪处理，使每一帧视频图像的所有像素点都能够获得降噪的效果，降噪效果较好。整个视频降噪方法中无需执行复杂的降噪算法，比较简单，对视频降噪处理更快，对CPU的处理资源占用较少，符合网络视频技术的实时性要求。

并且，由于本发明大部分的降噪处理可对多个像素点同时并行，因此，可以将并行处理的部分交由更适合处理并行数据的GPU（图形处理器）处理，降低对CPU（中央处理器）的占用率，由于算法并不复杂，因此对显卡的要求也低。

作为本发明视频降噪***的一种优选实施方式，对视频流进行降噪处理时，因为第一帧图像无法通过与前一帧图像的加权平均进行降噪，因此，第三处理模块15首先对第一帧图像执行帧内降噪处理，采用降噪完成后，将其保存到历史队列中，供下一帧图像进行帧间降噪处理。然后，从第二帧图像开始，所述比较模块11开始执行SAD值比较，并根据比较结果由所述第一处理模块12，所述搜索模块13，所述第二处理模块14和所述第三处理模块15进行处理。

请参阅图3，图3为本发明视频降噪***的另一种优选实施方式的结构示意图。

作为本发明视频降噪***的另一种优选实施方式，进一步包括一个锐化模块16，所述锐化模块16包括：

根据用户指令生成蒙板图像的蒙板生成模块161；

根据所述蒙板图像计算获取新像素点的第四处理模块162，其中，所述第四处理模块162按照以下公式计算获取新像素点：

a(x,y)=p(x,y)+(p(x,y)–p2(x,y))*k;

其中，a(x,y)为新像素点的像素值，p(x,y)为所述像素点原像素值，p2(x,y)为所述蒙板图像中对应的像素点的像素值，k为比例值。

通过上述方式，可以对降噪后的图像进行锐化和色彩增强，在减少图像的噪声的同时，又可保持图像的色彩不受影响，提高降噪后的图像显示效果。所述锐化和色彩增强的步骤优选在GPU中执行。

作为本发明视频降噪***的另一种优选实施方式，所述视频降噪***可进一步包括一个Gamma校正模块（图未示），所述Gamma校正模块用于在对图像进行降噪处理之前，对图像进行Gamma校正，所述Gamma校正模块可以通过查找预先设置的Gamma表对每个像素点的RGB分量查找校正。所述Gamma校正优选在CPU进行。

与现有技术相比较，本发明的视频降噪***进行视频降噪后能使画面看起来更干净，更清爽，同时基本不损失视频的原有细节，效果远好于传统的去噪算法，同时也没有其他算法的复杂性。此外由于少了噪声干扰，也利于下一步的视频编码处理，例如帧内预测和MV查找等。基于锐化蒙板的视频锐化和增强，使视频看起来更锐利，效果比传统的增强算法好。并且，由于本发明的视频降噪***大部分的处理可对多个像素点同时并行处理，因此，可以将并行处理的部分交由GPU（图形处理器）处理，降低对CPU（中央处理器）的占用率，由于算法并不复杂，因此对显卡的要求也低。

本领域普通技术人员可以理解实现上述实施方式中的全部或部分流程以及对应的***，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各实施方式的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体（Read-OnlyMemory，ROM）或随机存储记忆体（Random Access Memory，RAM）等。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种视频降噪方法，其特征在于，包括以下步骤：

计算当前帧图像和前一帧图像中相应的像素点的SAD值，将所述SAD值与预设的SAD阈值比较；

如果小于所述SAD阈值，则对所述像素点至少在当前帧图像和前一帧图像中的像素值进行加权平均计算，获得新像素点；

如果不小于所述SAD阈值，则在前一帧图像中搜索与当前帧图像相同的像素点；

如果搜索到相同的像素点，则对所述像素点在当前帧图像和前一帧图像中的像素值进行加权平均计算，获得新像素点；

如果未搜索到相同的像素点，则对所述像素点在当前帧图像中执行帧内降噪处理，获得新像素点。

2.如权利要求1所述的视频降噪方法，其特征在于，计算当前帧图像和前一帧图像中相应的像素点的SAD值，将所述SAD值与预设的SAD阈值比较的步骤为：

将每一帧图像对应划分为多个图像块，计算当前帧图像和前一帧图像中相应的图像块的SAD值，将所述图像块的SAD值与预设的SAD阈值比较。

3.如权利要求1或者2所述的视频降噪方法，其特征在于，如果小于所述SAD阈值，则对所述像素点在当前帧图像和至少前一帧图像中的像素值进行加权平均计算，获得新像素点的步骤包括：

如果第n帧图像和第n-1帧图像中相应的像素点的SAD值小于所述SAD阈值，则记录所述像素点在第n帧图像的像素值，并进一步计算第n-1帧图像和第n-2帧图像中相应的像素点的SAD值；其中，n为自然数；

如果第n-1帧图像和第n-2帧图像中相应的像素点的SAD值不小于所述SAD阈值，则对所述像素点在第n帧图像和第n-1帧图像中的像素值进行加权平均计算，获得新像素点；如果小于所述SAD阈值，则记录所述像素点在第n-1帧图像的像素值，并进一步计算第n-2帧图像和第n-3帧图像中相应的像素点的SAD值；

如果第n-2帧图像和第n-3帧图像中相应的像素点的SAD值不小于所述SAD阈值，则对所述像素点在第n帧图像、第n-1帧图像和第n-2帧图像中的像素值进行加权平均计算，获得新像素点；如果小于所述SAD阈值，则对所述像素点在第n帧图像、第n-1帧图像、第n-2帧图像和第n-3帧图像中的像素值进行加权平均计算，获得新像素点。

4.如权利要求3所述的视频降噪方法，其特征在于，对所述像素点在第n帧图像和第n-1帧图像中的像素值进行加权平均计算，获得新像素点的步骤包括：

按照以下公式对所述像素点在第n帧图像和第n-1帧图像中的像素值进行加权平均计算：

n(x)=(p0(x)*4+p1(x)*2)/6;

其中，n(x)为新像素点的像素值，p0(x)为当前帧，即第n帧图像的像素点的像素值，p1(x)为第n-1帧图像的像素点的像素值；

按照以下公式对所述像素点在第n帧图像、第n-1帧图像和第n-2帧图像中的像素值进行加权平均计算：

n(x)=(p0(x)*4+p1(x)*2+p2(x))/7;

其中，p2(x)为第n-2帧图像的像素点的像素值；

按照以下公式对所述像素点在第n帧图像、第n-1帧图像、第n-2帧图像和第n-3帧图像中的像素值进行加权平均计算：

n(x)=(p0(x)*4+p1(x)*2+p2(x)+p3(x))/8；

其中，p3(x)为第n-3帧图像的像素点的像素值。

5.如权利要求1所述的视频降噪方法，其特征在于，在前一帧图像中搜索与当前帧图像相同的像素点的步骤包括：

获取以所述像素点为中心的8个周边像素点的像素值；

对所述像素点以及所述8个周边像素点的像素值进行加权平均，获得所述像素点的邻域均值；

根据所述像素点的邻域均值，在前一帧图像中搜索与当前帧图像相同的像素点。

6.如权利要求5所述的视频降噪方法，其特征在于，对所述像素点以及所述8个周边像素点的像素值进行加权平均，获得所述像素点的邻域均值的步骤包括：

f(x,y)=(f(x-1,y-1)+f(x-1,y)+f(x-1,y+1)+f(x,y)*8+f(x,y-1)+f(x,y+1)+f(x+1,y)+f(x-1,y+1)+f(x+1,y+1))/16；

其中，x为所述像素点的横坐标，y为所述像素点的纵坐标，f(x,y)为相应像素点的像素值。

7.如权利要求1所述的视频降噪方法，其特征在于，对所述像素点在当前帧图像中执行帧内降噪处理，获得新像素点的步骤包括：

计算所述像素点与相邻的36个像素点中任一像素点的差值；

根据以下公式，计算所述任一像素点的权重：

fw(x,y)=exp(-(f3w(x,y)*fNoiseLevel+(x*x+y*y)*fg))，其中，f3w(x,y)为所述差值的平方，fNoiseLevel=1.0/(0.2*0.2)，fg=1.0/80.0，x所述像素点与任一像素点的横坐标距离，y为所述像素点与任一像素点的纵坐标距离；

将所述36个像素点的像素值乘以其对应的权重后取其平均值，获得所述像素点的理论值；

根据以下公式，计算新像素点的像素值：

n(x,y)=p(x,y)+(p(x,y)-p1(x,y))*f;

其中，p(x,y)为所述像素点的实际像素值，p1(x,y)为所述像素点的理论值，f为设置新像素在旧像素中的权重值，取(0.0-1.0)之间。

8.如权利要求1所述的视频降噪方法，其特征在于，在进行加权平均计算或者帧内降噪处理之后，还包括以下步骤：

根据用户指令生成蒙板图像；

按照以下公式计算获取新像素点：

a(x,y)=p(x,y)+(p(x,y)–p2(x,y))*k;

其中，a(x,y)为新像素点的像素值，p(x,y)为所述像素点原像素值，p2(x,y)为所述蒙板图像中对应的像素点的像素值，k为比例值。

9.一种视频降噪***，其特征在于，包括：

用于计算当前帧图像和前一帧图像中相应的像素点的SAD值，将所述SAD值与预设的SAD阈值比较的比较模块；

如果小于所述SAD阈值，则对所述像素点至少在当前帧图像和前一帧图像中的像素值进行加权平均计算，获得新像素点的第一处理模块；

如果不小于所述SAD阈值，则在前一帧图像中搜索与当前帧图像相同的像素点的搜索模块；

如果搜索到相同的像素点，则对所述像素点在当前帧图像和前一帧图像中的像素值进行加权平均计算，获得新像素点的第二处理模块；

以及，如果未搜索到相同的像素点，则对所述像素点在当前帧图像中执行帧内降噪处理，获得新像素点的第三处理模块。

10.如权利要求1所述的视频降噪***，其特征在于，进一步包括锐化模块，所述锐化模块包括：

根据用户指令生成蒙板图像的蒙板生成模块；

根据所述蒙板图像计算获取新像素点的第四处理模块，其中，所述第四处理模块按照以下公式计算获取新像素点：

a(x,y)=p(x,y)+(p(x,y)–p2(x,y))*k;

其中，a(x,y)为新像素点的像素值，p(x,y)为所述像素点原像素值，p2(x,y)为所述蒙板图像中对应的像素点的像素值，k为比例值。