CN108665419B - 一种图像去噪的方法及装置 - Google Patents
一种图像去噪的方法及装置 Download PDFInfo
- Publication number
- CN108665419B CN108665419B CN201710204551.3A CN201710204551A CN108665419B CN 108665419 B CN108665419 B CN 108665419B CN 201710204551 A CN201710204551 A CN 201710204551A CN 108665419 B CN108665419 B CN 108665419B
- Authority
- CN
- China
- Prior art keywords
- pixel point
- size
- filtering
- current pixel
- template
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000001914 filtration Methods 0.000 claims abstract description 122
- 230000014759 maintenance of location Effects 0.000 claims abstract description 54
- 238000013507 mapping Methods 0.000 claims abstract description 14
- 238000004321 preservation Methods 0.000 claims description 21
- 238000000354 decomposition reaction Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000002146 bilateral effect Effects 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
一种图像去噪的方法及装置，所述方法包括：以待处理的当前像素点为中心，从所述图像中选取大小为p×q的模板；将所述大小为p×q的模板平均分解为s个大小为m×n的模块；按照预设的滤波方式对所述当前的像素点的低频分量进行滤波，得到滤波值；根据包括所述当前像素点的且大小为m×n模块中的每个像素点对应的高频分量、高频保留参数及所述滤波值，将所述包括所述当前像素点的模块进行重构，得到重构后的大小为p×q的模板；其中：所述高频保留参数与所述当前像素点的边缘信息之间存在预设的映射关系。采用上述方案可以在保证去噪强度的同时，最大限度地保护边缘细节，且计算简单，便于实现。
Description
技术领域
本发明实施例涉及图像处理领域，尤其涉及一种图像去噪的方法及装置。
背景技术
随着通信和网络技术的迅速发展以及各种数字产品的日益普及，图像已经成为人们获取外界信息的重要载体。而数字图像在采集和传输过程中，经常会受到噪声的污染，故在对图像进行如分割、编码或美化等后续的处理前，经常需要先对图像进行去噪处理。因此，图像去噪是图像处理领域至关重要的环节，也是一项长期的研究方向。而在对边缘的保护和去噪效果之间如何兼顾，一直是去噪的难点。
目前，存在一些比较传统的保护边缘的去噪方法，如非局部均值滤波(Non-LocalMeans，NLM)、双边滤波(bilateral)等等，它们有一定的保边作用，不过还是不能将噪声和边缘细节完全分开，所以在保护细节边缘和去噪之间仍然难以达到平衡，比如如果去噪过强，则容易误伤细节边缘，如果保护细节边缘，又会使噪声残留。
而近年来，很多图像去噪的方法都是以小波为基础的，因为小波具有良好的时频特性，多分辨率等特性，可以聚集到图像的任意细节，使其非常适用于图像去噪。不过小波也有其严重的局限性。因为小波变换不具有平移不变性，容易产生一种“伪吉布斯现象”，表现在去噪后的图像上，图像边缘会发生平移，边缘的颜色会溢出，严重影响图像质量。虽有一些使用改进后的基于平移不变的小波进行去噪的方法，可以抑制这种“伪吉布斯现象”，但是计算起来过于复杂，不利于硬件实现。
发明内容
本发明实施例解决的问题是如何在保证去噪强度的同时，最大限度地保护边缘细节，且计算简单，便于实现。
为解决上述问题，本发明实施例提供了一种图像去噪的方法，所述方法包括：以待处理的当前像素点为中心，从所述图像中选取大小为p×q的模板；其中：p及q均为奇数；将所述大小为p×q的模板平均分解为s个大小为m×n的模块；s为正整数，且s＞1，s、m及n为奇数；按照预设的滤波方式对所述当前的像素点的低频分量进行滤波，得到滤波值；其中：滤波的强度与所述当前的像素点的边缘信息有关；根据包括所述当前像素点的且大小为m×n模块中的每个像素点对应的高频分量、高频保留参数及所述滤波值，将所述包括所述当前像素点的模块进行重构，得到重构后的大小为p×q的模板；其中：所述高频保留参数与所述当前像素点的边缘信息之间存在预设的映射关系。
可选地，采用如下公式，计算所述包括所述当前像素点的且大小为m×n模块中的每个像素点对应的高频分量：
hqij＝pij-c
其中：ij表征像素的标识，hqij表征每个像素点对应的高频分量，pij表征所述当前像素点的模块中的每个像素点的像素值，c表征所述包括所述当前像素点的模块内所有像素点的平均像素值。
可选地，所述高频保留参数与所述当前像素点的边缘信息之间存在的预设的映射关系，满足如下公式：
其中：hqratio表征所述高频保留参数，edge表征所述边缘信息，edge1表征第一边缘信息阈值，edge2表征第二边缘信息阈值，hqratio1为第一高频保留参数阈值，edge2所对应的高频保留参数为1。
可选地，所述滤波的强度与所述当前的像素点的边缘信息有关，满足如下公式：
其中：filter表示滤波的强度，filter1表示滤波的第一强度阈值，edge_th表示第三边缘信息阈值，edge表示所述边缘信息。
可选地，所述根据包括所述当前像素点的且大小为m×n模块中的每个像素点对应的所述高频分量、高频保留参数及所述滤波值，将所述包括所述当前像素点的模块进行像素重构，适于采用如下公式：
p′ij＝c’+hqij*hqratio
其中：ij表征像素的标识，p′ij表征像素重构后的像素值，c’表征所述滤波值，hqij表征所述高频分量，hqratio表征所述高频保留参数。
可选地，所述方法还包括：以所述当前像素点为中心，从所述重构后的大小为p×q的模板中选取大小a×b的模板；其中：a＜p，b＜q，a及b为奇数；分解为s个大小m1×n1的模板，对所述大小m1×n1的模板执行按照预设的滤波方式对所述当前的像素点的低频分量进行滤波，得到滤波值；其中：m1及n1为奇数；根据包括所述当前像素点的大小m1×n1模块中的每个像素点对应的高频分量、高频保留参数及所述滤波值，将所述包括所述当前像素点的模块进行像素重构的操作，得到重构后的大小为a×b的模板，从所述重构后的大小为a×b的模板中选取大小t×d的模板，分解为s个大小为m2×n2的模板，对所述大小m2×n2的模板执行按照预设的滤波方式对所述当前的像素点的低频分量进行滤波，得到滤波值；其中：t＜a，d＜b，m2、n2、t及d为奇数；根据包括所述当前像素点的大小m2×n2模块中的每个像素点对应的高频分量、高频保留参数及所述滤波值，将所述包括所述当前像素点的模块进行像素重构的操作，直至无法再分解。
本发明实施例提供了一种图像去噪的装置，所述装置可以包括：选取单元，适于以待处理的当前像素点为中心，从所述图像中选取大小为p×q的模板；其中：p及q均为奇数；分解单元，适于将所述大小为p×q的模板平均分解为s个大小为m×n的模块；s为正整数，且s＞1，s、m及n为奇数；滤波单元，适于按照预设的滤波方式对所述当前的像素点的低频分量进行滤波，得到滤波值；其中：滤波的强度与所述当前的像素点的边缘信息有关；重构单元，适于根据包括所述当前像素点的且大小为m×n模块中的每个像素点对应的高频分量、高频保留参数及所述滤波值，将所述包括所述当前像素点的模块进行重构，得到重构后的大小为p×q的模板；其中：所述高频保留参数与所述当前像素点的边缘信息之间存在预设的映射关系。
可选地，所述重构单元，适于采用如下公式，计算所述包括所述当前像素点的且大小为m×n模块中的每个像素点对应的高频分量：
hqij＝pij-c
其中：ij表征像素的标识，hqij表征每个像素点对应的高频分量，pij表征所述当前像素点的模块中的每个像素点的像素值，c表征所述包括所述当前像素点的模块内所有像素点的平均像素值。
可选地，所述高频保留参数与所述当前像素点的边缘信息之间存在的预设的映射关系，满足如下公式：
其中：hqratio表征所述高频保留参数，edge表征所述边缘信息，edge1表征第一边缘信息阈值，edge2表征第二边缘信息阈值，hqratio1为第一高频保留参数阈值，edge2所对应的高频保留参数为1。
可选地，所述滤波的强度与所述当前的像素点的边缘信息有关，满足如下公式：
其中：filter表示滤波的强度，filter1表示滤波的第一强度阈值，edge_th表示第三边缘信息阈值，edge表示所述边缘信息。
可选地，所述重构单元，适于采用如下公式，来根据包括所述当前像素点的且大小为m×n模块中的每个像素点对应的所述高频分量、高频保留参数及所述滤波值，将所述包括所述当前像素点的模块进行像素重构：
p′ij＝c’+hqij*hqratio；
其中：ij表征像素的标识，p′ij表征像素重构后的像素值，c’表征所述滤波值，hqij表征所述高频分量，hqratio表征所述高频保留参数。
可选地，所述选取单元，还适于以所述当前像素点为中心，从所述重构后的大小为p×q的模板中选取大小a×b的模板；其中：a＜p，b＜q，a及b为奇数；所述分解单元，还适于将所述大小a×b的模板分解为s个大小m1×n1的模板；所述滤波单元，还适于对所述大小m1×n1的模板执行按照预设的滤波方式对所述当前的像素点的低频分量进行滤波，得到滤波值；其中：m1及n1为奇数；所述重构单元，还适于根据包括所述当前像素点的大小m1×n1模块中的每个像素点对应的高频分量、高频保留参数及所述滤波值，将所述包括所述当前像素点的模块进行像素重构的操作，得到重构后的大小为a×b的模板，从所述重构后的大小为a×b的模板中选取大小t×d的模板，分解为s个大小为m2×n2的模板，对所述大小m2×n2的模板执行按照预设的滤波方式对所述当前的像素点的低频分量进行滤波，得到滤波值；其中：t＜a，d＜b，m2、n2、t及d为奇数；根据包括所述当前像素点的大小m2×n2模块中的每个像素点对应的高频分量、高频保留参数及所述滤波值，将所述包括所述当前像素点的模块进行像素重构的操作，直至无法再分解。
与现有技术相比，本发明的技术方案具有以下优点：
上述的方案，按照预设的滤波方式对像素进行滤波及根据包括所述当前像素点的且大小为m×n模块中的每个像素点对应的高频分量、高频保留参数及所述滤波值对高频像素进行重构，可以兼顾对低频的噪声去除和高频边缘细节的保留，故可以达到噪声去除与边缘细节保留的平衡，而且整个计算和逻辑均较简单，可操作性强，故亦便于实现。
进一步，高频保留参数与所述当前像素点的边缘信息之间在一定区间内存在线性变化的关系，可以提高高频边缘细节的保留效果。
进一步，滤波的强度与所述当前的像素点的边缘信息有关，即随着边缘信息的下降，滤波的强度在一定程度上线性下降，故可以提高低频噪声的去除效果。
附图说明
图1是本发明实施例中的一种图像去噪的方法的结构示意图；
图2是本发明实施中的滤波的强度与边缘信息之间的关系示意图；
图3是本发明实施中的另一种图像去噪的方法的流程示意图；
图4是本发明实施中的模板分解示意图；
图5是本发明实施中的均值模板的结构示意图；
图6是本发明实施中的高频保留参数与边缘信息之间的关系曲线；
图7是本发明实施例中的一种图像去噪的装置的结构示意图；
图8是本发明实施例中的一种图像去噪的装置的结构示意图。
具体实施方式
如上，目前的图像去噪的方法容易产生一种“伪吉布斯现象”，表现在去噪后的图像上，图像边缘会发生平移，边缘的颜色会溢出，严重影响图像质量。虽还有一些改进后的基于平移不变的小波进行去噪的方法，可以抑制这种“伪吉布斯现象”，但是计算起来过于复杂，不利于硬件实现。
为解决上述问题，本发明实施例按照预设的滤波方式对像素进行滤波及根据包括所述当前像素点的且大小为m×n模块中的每个像素点对应的高频分量、高频保留参数及所述滤波值对高频像素进行重构，可以兼顾对低频的噪声去除和高频边缘细节的保留，故可以达到噪声去除与边缘细节保留的平衡，而且整个计算和逻辑均较简单，可操作性强，故亦便于实现。
为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
图1示出了本发明实施例中的一种图像去噪的方法的结构示意图，下面参考图1对所述方法进行分步骤详细介绍，所述方法可以包括如下步骤：
步骤S11：以待处理的当前像素点为中心，从所述图像中选取大小为p×q的模板。
通常待处理的图像均较大，但与具体某个像素点较相关的像素点仅仅是所述某个像素周边一定范围内的像素，故为了减低计算量及提高图像质量，在具体实施中，可以以待处理的当前像素点为中心，从所述图像中选取大小为p×q的模板。需要说明的是，p与q是非零的奇数，并且p与q之间没有相对大小关系的限定，也就是说，p可以大于q，p也可以小于q，p还可以等于q。
步骤S12：将所述大小为p×q的模板平均分解为s个大小为m×n的模块。
为了提高图像边缘颜色的保留，在具体实施中，可以将所述大小为p×q的模板平均分解为s个大小为m×n的模块，进而以大小为m×n的模块为单位分别处理。需要说明的是，s可以为正整数，且s＞1，s、m及n均为奇数。
步骤S13：按照预设的滤波方式对所述当前的像素点的低频分量进行滤波，得到滤波值。
在具体实施中，滤波的强度可以与所述当前的像素点的边缘信息有关。详细地说，所述滤波的强度与所述当前的像素点的边缘信息满足如下公式(1)：
其中：filter表示滤波的强度，filter1表示滤波的第一强度阈值，edge_th表示第三边缘信息阈值，edge表示所述边缘信息。
为便于理解，滤波的强度与所述当前的像素点的边缘信息之间的关系如图2所示，图2的横轴表征边缘信息edge，纵轴表征滤波强度filter。
参考2可知，当边缘信息edge小于第三边缘信息阈值edge_th时，随着边缘信息edge的增大，滤波强度filter线性不断降低；当边缘信息edge大于第三边缘信息阈值edge_th时，边缘信息edge保持不再改变，因此可以提高非边缘区域的去噪而减弱边缘区域的去噪，达到去除低频噪声，且同时保留边缘信息的效果。
步骤S14：根据包括所述当前像素点的且大小为m×n模块中的每个像素点对应的高频分量、高频保留参数及所述滤波值，将所述包括所述当前像素点的模块进行重构，得到重构后的大小为p×q的模板；其中：所述高频保留参数与所述当前像素点的边缘信息之间存在预设的映射关系。
在本发明一实施例中，可以采用如下公式(2)，计算所述包括所述当前像素点的且大小为m×n模块中的每个像素点对应的高频分量：
hqij＝pij-c (2)
其中：ij表征像素的标识，hqij表征每个像素点对应的高频分量，pij表征所述当前像素点的模块中的每个像素点的像素值，c表征所述包括所述当前像素点的模块内所有像素点的平均像素值。
在本发明一实施例中，所述高频保留参数与所述当前像素点的边缘信息之间存在的预设的映射关系，可以满足如下公式(3)：
其中：hqratio表征所述高频保留参数，edge表征所述边缘信息，edge1表征第一边缘信息阈值，edge2表征第二边缘信息阈值，hqratio1为第一高频保留参数阈值，edge2所对应的高频保留参数为1。
在具体实施中，可以采用如下公式(4)来根据包括所述当前像素点的且大小为m×n模块中的每个像素点对应的所述高频分量、高频保留参数及所述滤波值，将所述包括所述当前像素点的模块进行像素重构：
pij′＝c’+hqij*hqratio (4)
其中：ij表征像素的标识，p′ij表征像素重构后的像素值，c’表征所述滤波值，hqij表征所述高频分量，hqratio表征所述高频保留参数。
在具体实施中，当完成该次的重构后，还可以以所述当前像素点为中心，从所述重构后的大小为p×q的模板中选取大小a×b的模板；其中：a＜p，b＜q，a及b为奇数，分解为s个大小m1×n1的模板，对所述大小m1×n1的模板执行按照预设的滤波方式对所述当前的像素点的低频分量进行滤波，得到滤波值；其中：m1及n1为奇数。
并且，根据包括所述当前像素点的大小m1×n1模块中的每个像素点对应的高频分量、高频保留参数及所述滤波值，将所述包括所述当前像素点的模块进行像素重构的操作，得到重构后的大小为a×b的模板，从所述重构后的大小为a×b的模板中选取大小t×d的模板，分解为s个大小为m2×n2的模板，对所述大小m2×n2的模板执行按照预设的滤波方式对所述当前的像素点的低频分量进行滤波，得到滤波值；其中：t＜a，d＜b，m2、n2、t及d为奇数。
进而，可以根据包括所述当前像素点的大小m2×n2模块中的每个像素点对应的高频分量、高频保留参数及所述滤波值，将所述包括所述当前像素点的模块进行像素重构的操作，直至无法再分解。换言之，也就是在重构后的图像后，选取更小的模板，并不断再次分解，每次均利用再次分解后得到的模板来重复步骤S12～S14的处理，直至分解或者分层到最后一层，无法继续再分解，并对所有像素点做上述的操作，则最后的结果值作为图像去噪后的结果。
目前，存在一些改进后的基于平移不变的小波对图像去噪的方法，但是计算起来过于复杂，不利于硬件实现。
而本发明实施例按照预设的滤波方式对像素进行滤波及根据包括所述当前像素点的且大小为m×n模块中的每个像素点对应的高频分量、高频保留参数及所述滤波值对高频像素进行重构，可以兼顾对低频的噪声去除和高频边缘细节的保留，故可以达到噪声去除与边缘细节保留的平衡，而且整个计算和逻辑均较简单，可操作性强，故亦便于实现。
为使得本领域技术人员更好地理解和实现本发明，图3示出了本发明实施中的另一种图像去噪的方法的流程示意图，此处从图像中选取的模板大小为15×15，模板也可以为其它尺寸大小，在此不做限制。需要说明的是，如果颜色噪声比较严重，模板的尺寸较大才能有效处理。下面参考图3对所述方法对分步骤详细介绍：
步骤S31：以待处理的当前像素点为该模板内的中心点，对选取的模板做第一层分解。
需要说明的是，待处理的图像可以称为层layer0的图像，一层分解后的图像可以为层layer1的图像。
在具体实施中，可以以待处理的当前像素点为该模板内的中心点，对选取的模板做第一层分解，具体采用的分解的方法可以有多种。
为了降低计算的复杂度，在本发明一实施例中，可以采用均值分解的方法对选取的模板做分解。详细地说，可以如图4所示，将15×15的图像均分为3×3个大小为5×5的模板，在每个5×5的模板里计算出该5×5的模板的均值得到的均值层layer1的模板如图5所示，中心像素点为m11。
步骤S32：计算layer0上的高频分量：
对于中心像素点m11所在的5×5的模板可以称为中心模板，在具体实施中，所述计算layer0上的高频分量，即计算中心模板内的每个像素pij的高频分量，具体可以采用公式(5)：
hqij＝pij-m11 (5)
步骤S33：计算当前像素点的边缘信息。
如果当前像素点处于平坦区域，则得到的高频分量很可能是噪声，需要消除。如果当前像素点处于边缘区域，则得到的高频分量很可能是真正的信息，需要保留。故为了确定高频分量的保留系数，在具体实施中，可以先计算当前像素点的边缘信息edge，以确定自适应变化的高频保留系数，可以采用公式(6)～(10)计算得到边缘信息edge：
edgex1＝abs((2*m01+m11+m21)-(m00+m20+m10)-(m02+m12+m22)) (6)
edgey1＝abs((2*m10+m11+m12)-(m00+m02+m01)-(m20+m21+m22)) (7)
edgex2＝abs(m00+m10+m20-m02-m12-m22) (8)
edgey2＝abs(m00+m10+m02-m20-m21-m22) (9)
edge＝max(edgex1,edgey1,edgex2,edgey2) (10)
其中，edgex1与edgey1可以用于计算窄边缘，edgex2及edgey2可以用于计算宽边缘。
步骤S34：根据预先的映射关系，得到高频保留参数。
图6示出了高频保留参数与边缘信息之间的关系曲线，横轴表示边缘信息edge，纵轴表示高频保留参数hqratio。需要说明的是，该曲线不是唯一的，可以根据实际需求进行调整，但可以遵守的原则即是，当边缘信息edge较大时，高频保留得要多一些，即高频保留参数要更大一些；当边缘信息edge较小时，高频保留得要少一些，即高频保留参数要更小一些；
步骤S35：低频滤波。
在具体实施中，可以采用图5示出的均值模板，对中心点m11进行双边滤波或高斯滤波，得到m11’。其中，滤波强度可以按图2示出的曲线进行自适应调整。
步骤S36：在layer0上高频回加。
在具体实施中，可以在layer0上，采用公式(11)将中心5×5的小模板的高频进行回加：
p′ij＝m′11+hqij*hqratio (11)
步骤S37：在重构后的layer0上再次分解，以取中心点周围9×9的模板。
在具体实施中，和步骤S31类似，可以将大小为9×9的模板分成3×3个大小为3×3的小模板，如图7所示，进而可以分别计算每个小模板里的均值，按照步骤S32～步骤S36的方法进行layer1上的滤波和重构。
步骤S38：在重构后的layer0上再次分解，以取中心点周围3×3的模板。
在本发明一实施例中，大小为3×3的模板即为最后一层，无法继续再分解，故无需进行步骤S31，可以分别计算每个小模板里的均值，按照步骤S32～步骤S36的方法进行layer0上的滤波和重构，将最终得到的结果作为去噪的结果值即可。
综上，本方法实施例通过不同尺度下的低频滤波和高频自适应的回加，对于低频的噪声去除和高频边缘细节的保留都有较好的效果，能较好的达到噪声去除与细节保留的平衡。而且本发明计算和逻辑均较简单，可操作性强，有较好的实用性。
为使得本领域技术人员更好地理解和实现本发明，图8示出了本发明实施例中的一种图像去噪的装置的结构示意图，如图8所示，所述装置可以包括：选取单元81、分解单元82、滤波单元83及重构单元84，其中：
选取单元81，适于以待处理的当前像素点为中心，从所述图像中选取大小为p×q的模板；其中：p及q均为奇数；
分解单元82，适于将所述大小为p×q的模板平均分解为s个大小为m×n的模块；s为正整数，且s＞1，s、m及n为奇数；
滤波单元83，适于按照预设的滤波方式对所述当前的像素点的低频分量进行滤波，得到滤波值；其中：滤波的强度与所述当前的像素点的边缘信息有关；
重构单元84，适于根据包括所述当前像素点的且大小为m×n模块中的每个像素点对应的高频分量、高频保留参数及所述滤波值，将所述包括所述当前像素点的模块进行重构，得到重构后的大小为p×q的模板；其中：所述高频保留参数与所述当前像素点的边缘信息之间存在预设的映射关系。
综上，本发明实施例的滤波单元83按照预设的滤波方式对像素进行滤波，重构单元84根据包括所述当前像素点的且大小为m×n模块中的每个像素点对应的高频分量、高频保留参数及所述滤波值对高频像素进行重构，可以兼顾对低频的噪声去除和高频边缘细节的保留，故可以达到噪声去除与边缘细节保留的平衡，而且整个计算和逻辑均较简单，可操作性强，故亦便于实现。
在具体实施中，所述重构单元84，适于采用如下公式，计算所述包括所述当前像素点的且大小为m×n模块中的每个像素点对应的高频分量：
hqij＝pij-c
其中：ij表征像素的标识，hqij表征每个像素点对应的高频分量，pij表征所述当前像素点的模块中的每个像素点的像素值，c表征所述包括所述当前像素点的模块内所有像素点的平均像素值。
在具体实施中，所述高频保留参数与所述当前像素点的边缘信息之间存在的预设的映射关系，满足如下公式：
其中：hqratio表征所述高频保留参数，edge表征所述边缘信息，edge1表征第一边缘信息阈值，edge2表征第二边缘信息阈值，hqratio1为第一高频保留参数阈值，edge2所对应的高频保留参数为1。
在具体实施中，所述滤波的强度与所述当前的像素点的边缘信息有关，满足如下公式：
其中：filter表示滤波的强度，filter1表示滤波的第一强度阈值，edge_th表示第三边缘信息阈值，edge表示所述边缘信息。
在具体实施中，所述重构单元84，适于采用如下公式，来根据包括所述当前像素点的且大小为m×n模块中的每个像素点对应的所述高频分量、高频保留参数及所述滤波值，将所述包括所述当前像素点的模块进行像素重构：
p′ij＝c’+hqij*hqratio
其中：ij表征像素的标识，p′ij表征像素重构后的像素值，c’表征所述滤波值，hqij表征所述高频分量，hqratio表征所述高频保留参数。
在具体实施中，所述选取单元81，还适于以所述当前像素点为中心，从所述重构后的大小为p×q的模板中选取大小a×b的模板；其中：a＜p，b＜q，a及b为奇数；
所述分解单元82，还适于将所述大小a×b的模板分解为s个大小m1×n1的模板；所述滤波单元83，还适于对所述大小m1×n1的模板执行按照预设的滤波方式对所述当前的像素点的低频分量进行滤波，得到滤波值；其中：m1及n1为奇数；
所述重构单元84，还适于根据包括所述当前像素点的大小m1×n1模块中的每个像素点对应的高频分量、高频保留参数及所述滤波值，将所述包括所述当前像素点的模块进行像素重构的操作，得到重构后的大小为a×b的模板，从所述重构后的大小为a×b的模板中选取大小t×d的模板，分解为s个大小为m2×n2的模板，对所述大小m2×n2的模板执行按照预设的滤波方式对所述当前的像素点的低频分量进行滤波，得到滤波值；其中：t＜a，d＜b，m2、n2、t及d为奇数；根据包括所述当前像素点的大小m2×n2模块中的每个像素点对应的高频分量、高频保留参数及所述滤波值，将所述包括所述当前像素点的模块进行像素重构的操作，直至无法再分解。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于以计算机可读存储介质中，存储介质可以包括：ROM、RAM、磁盘或光盘等。虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (10)
1.一种图像去噪的方法，其特征在于，包括：
以待处理的当前像素点为中心，从所述图像中选取大小为p×q的模板；其中：p及q均为奇数；
将所述大小为p×q的模板平均分解为s个大小为m×n的模块；s为正整数，且s＞1，s、m及n为奇数；
按照预设的滤波方式对所述当前的像素点的低频分量进行滤波，得到滤波值；其中：滤波的强度与所述当前的像素点的边缘信息有关；
根据包括所述当前像素点的且大小为m×n模块中的每个像素点对应的高频分量、高频保留参数及所述滤波值，将所述包括所述当前像素点的模块进行重构，得到重构后的大小为p×q的模板；其中：所述高频保留参数与所述当前像素点的边缘信息之间存在预设的映射关系；
所述预设关系满足如下公式：
其中：hqratio表征所述高频保留参数，edge表征所述边缘信息，edge1表征第一边缘信息阈值，edge2表征第二边缘信息阈值，hqratio1为第一高频保留参数阈值，edge2所对应的高频保留参数为1。
2.如权利要求1所述的图像去噪的方法，其特征在于，采用如下公式，计算所述包括所述当前像素点的且大小为m×n模块中的每个像素点对应的高频分量：
hqij＝pij-c
其中：ij表征像素的标识，hqij表征每个像素点对应的高频分量，pij表征所述当前像素点的模块中的每个像素点的像素值，c表征所述包括所述当前像素点的模块内所有像素点的平均像素值。
3.如权利要求1所述的图像去噪的方法，其特征在于，所述滤波的强度与所述当前的像素点的边缘信息有关，满足如下公式：
其中：filter表示滤波的强度，filter1表示滤波的第一强度阈值，edge_th表示第三边缘信息阈值，edge表示所述边缘信息。
4.如权利要求1所述的图像去噪的方法，其特征在于，所述根据包括所述当前像素点的且大小为m×n模块中的每个像素点对应的所述高频分量、高频保留参数及所述滤波值，将所述包括所述当前像素点的模块进行像素重构，适于采用如下公式：
p′ij＝c’+hqij*hqratio
其中：ij表征像素的标识，p′ij表征像素重构后的像素值，c’表征所述滤波值，hqij表征所述高频分量，hqratio表征所述高频保留参数。
5.如权利要求1-4任一项所述的图像去噪的方法，其特征在于，还包括：
以所述当前像素点为中心，从所述重构后的大小为p×q的模板中选取大小a×b的模板；其中：a＜p，b＜q，a及b为奇数；
分解为s个大小m1×n1的模板，对所述大小m1×n1的模板执行按照预设的滤波方式对所述当前的像素点的低频分量进行滤波，得到滤波值；其中：m1及n1为奇数；
根据包括所述当前像素点的大小m1×n1模块中的每个像素点对应的高频分量、高频保留参数及所述滤波值，将所述包括所述当前像素点的模块进行像素重构的操作，得到重构后的大小为a×b的模板，从所述重构后的大小为a×b的模板中选取大小t×d的模板，分解为s个大小为m2×n2的模板，对所述大小m2×n2的模板执行按照预设的滤波方式对所述当前的像素点的低频分量进行滤波，得到滤波值；其中：t＜a，d＜b，m2、n2、t及d为奇数；
根据包括所述当前像素点的大小m2×n2模块中的每个像素点对应的高频分量、高频保留参数及所述滤波值，将所述包括所述当前像素点的模块进行像素重构的操作，直至无法再分解。
6.一种图像去噪的装置，其特征在于，包括：
选取单元，适于以待处理的当前像素点为中心，从所述图像中选取大小为p×q的模板；其中：p及q均为奇数；
分解单元，适于将所述大小为p×q的模板平均分解为s个大小为m×n的模块；s为正整数，且s＞1，s、m及n为奇数；
滤波单元，适于按照预设的滤波方式对所述当前的像素点的低频分量进行滤波，得到滤波值；其中：滤波的强度与所述当前的像素点的边缘信息有关；
重构单元，适于根据包括所述当前像素点的且大小为m×n模块中的每个像素点对应的高频分量、高频保留参数及所述滤波值，将所述包括所述当前像素点的模块进行重构，得到重构后的大小为p×q的模板；其中：所述高频保留参数与所述当前像素点的边缘信息之间存在预设的映射关系；
所述预设关系满足如下公式：
其中：hqratio表征所述高频保留参数，edge表征所述边缘信息，edge1表征第一边缘信息阈值，edge2表征第二边缘信息阈值，hqratio1为第一高频保留参数阈值，edge2所对应的高频保留参数为1。
7.如权利要求6所述的图像去噪的装置，其特征在于，所述重构单元，适于采用如下公式，计算所述包括所述当前像素点的且大小为m×n模块中的每个像素点对应的高频分量：
hqij＝pij-c
其中：ij表征像素的标识，hqij表征每个像素点对应的高频分量，pij表征所述当前像素点的模块中的每个像素点的像素值，表征所述包括所述当前像素点的模块内所有像素点的平均像素值。
8.如权利要求6所述的图像去噪的装置，其特征在于，所述滤波的强度与所述当前的像素点的边缘信息有关，满足如下公式：
其中：filter表示滤波的强度，filter1表示滤波的第一强度阈值，edge_th表示第三边缘信息阈值，edge表示所述边缘信息。
9.如权利要求6所述的图像去噪的装置，其特征在于，所述重构单元，适于采用如下公式，来根据包括所述当前像素点的且大小为m×n模块中的每个像素点对应的所述高频分量、高频保留参数及所述滤波值，将所述包括所述当前像素点的模块进行像素重构：
p′ij＝c’+hqij*hqratio；
其中：ij表征像素的标识，p′ij表征像素重构后的像素值，c’表征所述滤波值，hqij表征所述高频分量，hqratio表征所述高频保留参数。
10.如权利要求6-9任一项所述的图像去噪的装置，其特征在于，所述选取单元，还适于以所述当前像素点为中心，从所述重构后的大小为p×q的模板中选取大小a×b的模板；其中：a＜p，b＜q，a及b为奇数；
所述分解单元，还适于将所述大小a×b的模板分解为s个大小m1×n1的模板；
所述滤波单元，还适于对所述大小m1×n1的模板执行按照预设的滤波方式对所述当前的像素点的低频分量进行滤波，得到滤波值；其中：m1及n1为奇数；
所述重构单元，还适于根据包括所述当前像素点的大小m1×n1模块中的每个像素点对应的高频分量、高频保留参数及所述滤波值，将所述包括所述当前像素点的模块进行像素重构的操作，得到重构后的大小为a×b的模板，从所述重构后的大小为a×b的模板中选取大小t×d的模板，分解为s个大小为m2×n2的模板，对所述大小m2×n2的模板执行按照预设的滤波方式对所述当前的像素点的低频分量进行滤波，得到滤波值；其中：t＜a，d＜b，m2、n2、t及d为奇数；根据包括所述当前像素点的大小m2×n2模块中的每个像素点对应的高频分量、高频保留参数及所述滤波值，将所述包括所述当前像素点的模块进行像素重构的操作，直至无法再分解。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710204551.3A CN108665419B (zh) | 2017-03-30 | 2017-03-30 | 一种图像去噪的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710204551.3A CN108665419B (zh) | 2017-03-30 | 2017-03-30 | 一种图像去噪的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108665419A CN108665419A (zh) | 2018-10-16 |
| CN108665419B true CN108665419B (zh) | 2020-07-03 |
Family
ID=63785642
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710204551.3A Active CN108665419B (zh) | 2017-03-30 | 2017-03-30 | 一种图像去噪的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108665419B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109685730B (zh) * | 2018-12-11 | 2023-06-02 | 上海集成电路研发中心有限公司 | 一种基于自适应非局域均值的小波去噪方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101957984A (zh) * | 2010-08-30 | 2011-01-26 | 西安电子科技大学 | 基于非局部萎缩因子参数估计的图像去噪方法 |
| CN101984461A (zh) * | 2010-11-05 | 2011-03-09 | 西安电子科技大学 | 基于可操纵金字塔的统计模型图像去噪方法 |
| CN103345726A (zh) * | 2013-06-14 | 2013-10-09 | 华为技术有限公司 | 图像去噪处理方法、装置和终端 |
| CN104766289A (zh) * | 2015-03-20 | 2015-07-08 | 华南理工大学 | 一种图像去噪和压缩处理方法 |
| CN106023112A (zh) * | 2016-05-24 | 2016-10-12 | 中国科学院深圳先进技术研究院 | 一种基于小波分析的图像去雨方法及*** |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9418398B2 (en) * | 2014-06-12 | 2016-08-16 | Samsung Electronics Co., Ltd. | Low power subpixel rendering on RGBW display |
-
2017
- 2017-03-30 CN CN201710204551.3A patent/CN108665419B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101957984A (zh) * | 2010-08-30 | 2011-01-26 | 西安电子科技大学 | 基于非局部萎缩因子参数估计的图像去噪方法 |
| CN101984461A (zh) * | 2010-11-05 | 2011-03-09 | 西安电子科技大学 | 基于可操纵金字塔的统计模型图像去噪方法 |
| CN103345726A (zh) * | 2013-06-14 | 2013-10-09 | 华为技术有限公司 | 图像去噪处理方法、装置和终端 |
| CN104766289A (zh) * | 2015-03-20 | 2015-07-08 | 华南理工大学 | 一种图像去噪和压缩处理方法 |
| CN106023112A (zh) * | 2016-05-24 | 2016-10-12 | 中国科学院深圳先进技术研究院 | 一种基于小波分析的图像去雨方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108665419A (zh) | 2018-10-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Knaus et al. | Progressive image denoising | |
| CN110889812B (zh) | 一种多尺度融合图像特征信息的水下图像增强方法 | |
| US9443286B2 (en) | Gray image processing method and apparatus based on wavelet transformation | |
| Rahman et al. | Gaussian noise reduction in digital images using a modified fuzzy filter | |
| CN113724164B (zh) | 一种基于融合重构制导滤波的可见光图像噪声去除方法 | |
| Dewangan et al. | Image smoothening and sharpening using frequency domain filtering technique | |
| CN108665419B (zh) | 一种图像去噪的方法及装置 | |
| CN113487505A (zh) | 一种基于噪声识别的红外图像混合降噪方法 | |
| Makandar et al. | Computation pre-processing techniques for image restoration | |
| CN110175959B (zh) | 一种台风云图增强方法 | |
| Shetter et al. | Image de-noising algorithm based on filtering and histogram equalization | |
| Ono et al. | Optimized JPEG image decompression with super-resolution interpolation using multi-order total variation | |
| Adhikari et al. | Image enhancement using successive mean quantization transform and homomorphic filtering | |
| Rajkumar et al. | An efficient image denoising approach for the recovery of impulse noise | |
| Gerace et al. | An inpainting technique based on regularization to remove bleed-through from ancient documents | |
| Charde | A review on image denoising using wavelet transform and Median filter over AWGN channel | |
| Wen et al. | Modified block-matching 3-D filter in Laplacian pyramid domain for speckle reduction | |
| Hanumantharaju et al. | Natural color image enhancement based on modified multiscale retinex algorithm and performance evaluation using wavelet energy | |
| Tyagi et al. | Comparative study of image enhancement and analysis of thermal images using image processing and wavelet techniques | |
| Siddeq et al. | Using Discrete Wavelet Transform and Wiener filter for Image De-nosing: Discrete Wavelet Transform | |
| Dhiman et al. | An improved threshold estimation technique for image denoising using wavelet thresholding techniques | |
| Majeeth et al. | A Novel Algorithm to Remove Gaussian Noise in an Image | |
| Singh | COMPARATIVE STUDY OF ALGORITHMS/TECHNIQUES FOR DENOISING OF GAUSSIAN NOISE. | |
| Ehsaeyan | A new shearlet hybrid method for image denoising | |
| Singh et al. | Study of various image enhancement techniques-a review |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |