CN113344820B - 图像处理方法及装置、计算机可读介质、电子设备 - Google Patents
图像处理方法及装置、计算机可读介质、电子设备 Download PDFInfo
- Publication number
- CN113344820B CN113344820B CN202110720734.7A CN202110720734A CN113344820B CN 113344820 B CN113344820 B CN 113344820B CN 202110720734 A CN202110720734 A CN 202110720734A CN 113344820 B CN113344820 B CN 113344820B
- Authority
- CN
- China
- Prior art keywords
- image
- noise
- result
- characteristic diagram
- feature map
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 28
- 238000001914 filtration Methods 0.000 claims abstract description 171
- 238000010586 diagram Methods 0.000 claims abstract description 85
- 238000012545 processing Methods 0.000 claims abstract description 80
- 238000000034 method Methods 0.000 claims abstract description 51
- 230000004927 fusion Effects 0.000 claims description 46
- 230000008569 process Effects 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 9
- 238000007499 fusion processing Methods 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 8
- 238000009499 grossing Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 6
- 101150064138 MAP1 gene Proteins 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000000670 limiting effect Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000002123 temporal effect Effects 0.000 description 4
- 101100075995 Schizosaccharomyces pombe (strain 972 / ATCC 24843) fma2 gene Proteins 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本公开具体涉及图像处理技术领域,具体涉及图像处理方法及装置、计算机可读介质及电子设备。方法包括:获取待处理图像,以及对应的参考图像;对待处理图像和参考图像分别进行均值滤波处理,以利用均值滤波处理后的待处理图像和参考图像的对应像素点的差值构建第一噪声特征图;对当前图像和参考原图像在目标色度通道进行下采样,并对下采样结果进行均值滤波处理,以利用均值滤波处理结果构建第三噪声特征图;结合第一噪声特征图以及当前图像对应的亮度特征确定当前图像对应的噪声程度参数;基于噪声程度参数结合第一噪声特征图和第三噪声特征图确定目标噪声特征图,以根据目标噪声特征图对当前图像去除鬼影噪声。本方法能有效的去除鬼影。
Description
技术领域
本公开涉及图像处理技术领域,具体涉及一种图像处理方法、一种图像处理装置、一种计算机可读介质以及一种电子设备。
背景技术
在图像或者视频的拍摄过程中,可能会由于环境光线、拍摄场景或者硬件设备的问题,在拍摄的图像或视频中出现“鬼影”。一般来说,鬼影是指在强光进入镜头后一排晕开的光斑的现象。
在现有技术中鬼影去除方案,例如通过多曝光融合控制去除高动态范围图像鬼影的方案;或者,使用前景后景分离,动态打散连通运动物体的前景图,基于空间相似性,用背景更新的方式消除运动物体检测中的鬼影的方案,均不能适用于消除视频去噪过程中产生的鬼影。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开提供一种基于图像的图像处理方法、一种图像处理装置、一种计算机可读介质以及一种电子设备,能够有效的去除视频去噪过程中产生的鬼影。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开的第一方面,提供一种图像处理方法,包括:
获取待处理图像,以及对应的参考图像;其中,所述待处理图像为当前图像对应的灰度图像,所述参考图像为与所述当前图像连续的参考原图像对应的灰度图像;
对所述待处理图像和所述参考图像分别进行均值滤波处理,以利用均值滤波处理后的所述待处理图像和所述参考图像的对应像素点的差值构建第一噪声特征图;以及
对所述当前图像和所述参考原图像在目标色度通道进行下采样,并对下采样结果进行均值滤波处理,以利用均值滤波处理结果构建第三噪声特征图;
结合所述第一噪声特征图以及所述当前图像对应的亮度特征确定所述当前图像对应的噪声程度参数;
基于所述噪声程度参数结合所述第一噪声特征图和所述第三噪声特征图确定目标噪声特征图,以根据所述鬼影地图对所述当前图像去除鬼影噪声。
根据本公开的第二方面,提供一种图像处理装置,包括:
图像获取模块,用于获取待处理图像,以及对应的参考图像;其中,所述待处理图像为当前图像对应的灰度图像,所述参考图像为与所述当前图像连续的参考原图像对应的灰度图像;
第一噪声特征图获取模块,用于对所述待处理图像和所述参考图像分别进行均值滤波处理,以利用均值滤波处理后的所述待处理图像和所述参考图像的对应像素点的差值构建第一噪声特征图;以及
第三噪声特征图获取模块,用于对所述当前图像和所述参考原图像在目标色度通道进行下采样,并对下采样结果进行均值滤波处理,以利用均值滤波处理结果构建第三噪声特征图;
噪声程度参数获取模块,用于结合所述第一噪声特征图以及所述当前图像对应的亮度特征确定所述当前图像对应的噪声程度参数;
去噪处理模块,用于基于所述噪声程度参数结合所述第一噪声特征图和所述第三噪声特征图确定目标噪声特征图,以根据所述鬼影地图对所述当前图像去除鬼影噪声。
根据本公开的第三方面,提供一种计算机可读介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的图像处理方法。
根据本公开的第四方面,提供一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现上述的图像处理方法。
本公开的一种实施例所提供的图像处理方法,通过对当前图像和参考图像对应的灰度图像进行像素点滤波和像素块滤波,并利用滤波结果差值来构建第一噪声特征图;同时,对当前图像和参考图像在指定的目标色度通道进行下采样,并利用均值滤波处理结构来构建第三噪声特征图;以及,通过第一噪声特征图和当前图像的亮度特征来构建噪声程度参数;从而可以通过该噪声程度参数指导第一噪声特征图和第三噪声特征图来进行图像融合得到目标噪声特征图,从而确定产生鬼影的位置;在利用该目标噪声特征图对当前图像和参考图像的融合程度进行限制,进而从根本上解决视频中各图像帧中的鬼影噪声问题。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示意性示出本公开示例性实施例中一种图像处理方法的流程示意图;
图2示意性示出本公开示例性实施例中一种构建第一噪声特征图的方法的流程示意图;
图3示意性示出本公开示例性实施例中一种构建第三噪声特征图的方法的流程示意图;
图4示意性示出本公开示例性实施例中另一种图像处理方法的流程示意图;
图5示意性示出本公开示例性实施例中一种构建第二噪声特征图的方法的流程示意图;
图6示意性示出本公开示例性实施例中一种构建目标噪声特征图的方法的示意图;
图7示意性示出本公开示例性实施例中一种图像处理装置的组成示意图;
图8示意性示出本公开示例性实施例中一种电子设备的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
在相关技术中,现有图像去鬼影方案中多针对高动态范围视频融合时产生的鬼影问题而设计。在一种现有的方案中,通过图像配准检测相邻帧运动区域,利用边缘轮廓检测得到鬼影区域,通过多曝光融合控制去除高动态范围图像鬼影。但是这样的方案主要是针对高动态范围图像在多曝光融合过程中产生的鬼影问题,在方案设定时,考虑到了多曝光图像特征,融合过程中消除鬼影;并不适用于消除视频去噪融合产生的鬼影。在另一种现有的方案中,使用前景后景分离的方式,动态打散连通运动物体的前景图,基于空间相似性,用背景更新的方式消除运动物体检测中的鬼影。但这样的技术方案主要针对运动物体检测这个应用而设计,并且也并不能适用于在视频时域去噪算法中遇到鬼影问题,我们无法通过前后景分离、更新背景的方式进行去噪过程中的鬼影消除。
针对上述的现有技术的缺点和不足,本示例实施方式中提供了一种图形处理方法,能够应用于在视频时域去噪过程中遇到鬼影问题。参考图1中所示,上述的图像处理方法可以包括以下步骤:
S11,获取待处理图像,以及对应的参考图像;其中,所述待处理图像为当前图像对应的灰度图像,所述参考图像为与所述当前图像连续的参考原图像对应的灰度图像;
S12,对所述待处理图像和所述参考图像分别进行均值滤波处理,以利用均值滤波处理后的所述待处理图像和所述参考图像的对应像素点的差值构建第一噪声特征图;以及
S13,对所述当前图像和所述参考原图像在目标色度通道进行下采样,并对下采样结果进行均值滤波处理,以利用均值滤波处理结果构建第三噪声特征图;
S14,结合所述第一噪声特征图以及所述当前图像对应的亮度特征确定所述当前图像对应的噪声程度参数;
S15,基于所述噪声程度参数结合所述第一噪声特征图和所述第三噪声特征图确定目标噪声特征图,以根据所述目标噪声特征图对所述当前图像去除鬼影噪声。
本示例实施方式所提供的图像处理方法中,依靠帧间差分的方式,构建基于图像灰度特征的第一噪声特征图;同时,对当前图像和参考图像基于图像的色度信息构建第三噪声特征图;以及,通过第一噪声特征图和当前图像的亮度特征来构建噪声程度参数;从而可以通过该噪声程度参数指导第一噪声特征图和第三噪声特征图来进行图像融合得到目标噪声特征图,从而确定产生鬼影的位置;在利用该目标噪声特征图对当前图像和参考图像的融合程度进行限制,进而从根本上解决视频中各图像帧中的鬼影噪声问题。
下面,将结合附图及实施例对本示例实施方式中的图像处理方法的各个步骤进行更详细的说明。
本示例实施方式中,举例来说,上述的方法可以应用于服务器端,用户可以通过终端设备将视频数据,或者视频是数据分解后的连续的图像帧数据上传至服务器端,使得服务器端响应接收到视频数据或图像数据进行计算。或者,上述的方法也可以应用于与服务器端具有相同计算能力的智能终端设备,例如手机、平板或者电脑等智能终端。用户输入视频数据或者包括连续多帧的图像数据后,便可以开始进行计算。
在步骤S11中,获取待处理图像,以及对应的参考图像;其中,所述待处理图像为当前图像对应的灰度图像,所述参考图像为与所述当前图像连续的参考原图像对应的灰度图像。
本示例实施方式中,以上述的方法在服务器端执行为例,在用户输入数据为视频数据时,则可以将视频数据拆分为连续的图像帧序列数据。依次将各帧图像作为当前图像进行处理。同时,可以将与当前图像连续的、在先的一帧或两帧图像作为参考原图像。在当前图像为图像帧序列的首帧图像时,则可以将当前图像配置为参考原图像。在选取当前帧图像,以及对应的参考原图像之后,可以对其进行灰度处理,得到对应的灰度图像;并将当前图像对应的灰度图像配置为待处理图像,将参考原图像对应的灰度图像配置为待处理图像对应的参考图像。
本示例实施方式中,以参考原图像为当前图像在先的连续两帧图像为例,则所述参考图像为两帧参考原图像对应的两帧灰度图像,包括第一参考图像和第二参考图像。
在步骤S12中,对所述待处理图像和所述参考图像分别进行均值滤波处理,以利用均值滤波处理后的所述待处理图像和所述参考图像的对应像素点的差值构建第一噪声特征图。
本示例实施方式中,具体来说,参考图2所示,上述的步骤S12可以包括:
步骤S121,对所述待处理图像和所述第一参考图像、第二参考图像分别计算对应的像素点均值滤波结果和按预设窗口尺寸的像素块均值滤波结果;
步骤S122,分别计算所述待处理图像与所述第一参考图像、第二参考图像之间的像素点均值滤波结果差值,并基于像素点均值滤波结果差值进行融合以确定第一像素点滤波结果;以及
步骤S123,分别计算所述待处理图像与所述第一参考图像、第二参考图像之间的像素块均值滤波结果差值,并基于像素块均值滤波结果差值进行融合以确定第一像素块滤波结果;
步骤S124,基于所述第一像素点滤波结果和所述第一像素块滤波结果进行融合以确定所述第一噪声特征图。
举例来说,输入数据为当前图像对应的灰度图像(即待处理图像)和当前图像之前的两帧连续的参考原图像对应的灰度图像(即第一参考图像和第二参考图像)。针对当前图像帧的灰度图像(curr)与参考原图像帧对应的灰度图像(ref0、ref1),分别计算各图像中各像素点与其邻近像素点之间均值滤波值,得到待处理图像curr、第一参考图像ref0和第二参考图像ref1对应的像素点均值滤波结果。然后,计算待处理图像与第一参考图像之间的像素点均值滤波结果的差值,Diff1=ref0-curr;同时计算待处理图像与第二参考图像之间的像素点均值滤波结果的差值,Diff2=ref1-curr。对于计算获取的两个像素点均值滤波结果的差值,进行比对融合;具体的,可以采用取最大值的方式进行融合,Diff=max(Diff1,Diff2),得到第一像素点滤波结果。
同时,以3*3的窗口大小,对待处理图像、第一参考图像和第二参考图像,分别计算像素块级的均值滤波结果,即将当前3*3块均值与邻近的上、下、左、右四个3*3块计算得到五个像素块的均值滤波值,再对五个均值滤波值取中值,从而得到待处理图像、第一参考图像和第二参考图像对应的像素块中值滤波结果。再分别计算待处理图像与第一参考图像、待处理图像与第二参考图像之间的像素块中值滤波结果的差值,得到两个像素块均值滤波结果的差值。如上述的像素点均值滤波结果的差值的比对融合方法,对两个像素块均值滤波结果的差值采用取最大值的方式进行融合,得到第一像素块滤波结果。
之后,再将上述的第一像素点滤波结果和第一像素块滤波结果进行比对融合,具体的,可以采用取最大值的方法进行融合。即,对于各像素点,选择第一像素点滤波结果和第一像素块滤波结果之间数值最大的结果进行保留,从而生成第一噪声特征图。
通过将当前图像和扩展的两帧参考原图像的灰度图作为输入,依靠帧间差分的方式,得到更大区域的鬼影位置信息,从而得到像素级的用于描述鬼影位置范围,以及鬼影边缘特征的第一噪声特征图。具体来说,第一噪声特征图从灰度通道的角度描述了鬼影边缘及位置信息,为像素级的鬼影特征地图(map)。
在步骤S13中,对所述当前图像和所述参考原图像在目标色度通道进行下采样,并对下采样结果进行均值滤波处理,以利用均值滤波处理结果构建第三噪声特征图。
本示例实施方式中,参考图3所示,上述的步骤S13可以包括:
步骤S131,对所述当前图像、所述参考原图像分别在第一色度通道、第二色度通道进行下采样处理以获取对应的在各色度通道的下采样图像;
步骤S132,对所述第一色度通道对应的各下采样图像分别进行均值滤波处理,并利用均值滤波处理结果进行融合、上采样处理以获取第一色度通道噪声特征结果;以及
步骤S133,对所述第二色度通道对应的各下采样图像分别进行均值滤波处理,并利用均值滤波处理结果进行融合、上采样处理以获取第二色度通道噪声特征结果;
步骤S134,对所述第一色度通道噪声特征结果和所述第二色度通道噪声特征结果进行比对融合处理,以获取所述第三噪声特征图。
具体来说,上述的第一色度通道和第二色度通道可以为色度通道U和色度通道V。对于当前图像、第一参考原图像和第二参考原图像,分别获取对应的U通道图像和V通道图像,再分别对U通道图像和V通道图像进行下采样,得到当前图像的U通道下采样图像和V通道下采样图像,第一参考原图像的U通道下采样图像和V通道下采样图像,以及第二参考原图像的U通道下采样图像和V通道下采样图像。举例来说,下采样倍数可以为4*4。
然后,可以使用与步骤S121-步骤S124相同的计算方法,针对U通道,当前图像的U通道下采样图像、第一参考原图像的U通道下采样图像、第二参考原图像的U通道下采样图像,分别计算像素点的均值滤波结果;以及,在V通道下的当前图像的V通道图像下采样图像、第一参考原图像的V通道下采样图像、第二参考原图像的V通道下采样图像,分别计算像素点的均值滤波结果。同时,在U通道下,当前图像的U通道下采样图像、第一参考原图像的U通道下采样图像、第二参考原图像的U通道下采样图像,分别计算像素块的均值滤波结果;以及,在V通道下,当前图像的V通道下采样图像、第一参考原图像的V通道下采样图像、第二参考原图像的V通道下采样图像,分别计算像素块的均值滤波结果。
针对V通道的数据,计算当前图像的V通道下采样图像的像素点均值滤波结果与第一参考原图像的V通道图像下采样图像的像素点均值滤波结果的差值,得到第一差值结果;以及,计算当前图像的V通道图像下采样图像的像素点均值滤波结果与第二参考原图像的V通道下采样图像的像素点均值滤波结果的差值,得到第二差值结果。将第一差值结果和第二差值结果进行比对融合。具体的,可以采样取最大值的比对融合方式;即,对于一个像素点,在第一差值结果和第二差值结果中保留较大的数值。从而得到在V通道下采样图像的像素点均值滤波结果。
同时,计算当前图像的V通道下采样图像的像素块均值滤波结果与第一参考原图像的V通道下采样图像的像素块均值滤波结果的差值,得到第三差值结果;以及,计算当前图像的V通道下采样图像的像素块均值滤波结果与第二参考原图像的V通道下采样图像的像素块均值滤波结果的差值,得到第四差值结果。以保留最大值的方式对第三差值结果和第四差值结果进行比对融合,得到V通道下采样图像的像素块均值滤波结果。
再将V通道下采样图像的像素点均值滤波结果与V通道下采样图像的像素块均值滤波结果进行比对融合,采用取最大值的方式,保留各像素点对应的最大数值,构建出V通道下采样的特征图;再对该特征图进行上采样处理,例如使用插值上采样的方式恢复为原尺寸,从而构建V通道噪声特征结果。
基于与V通道相同的计算策略,针对U通道的数据,计算当前图像的U通道下采样图像的像素点均值滤波结果与第一参考原图像的U通道图像下采样图像的像素点均值滤波结果的差值,得到第五差值结果;以及,计算当前图像的U通道图像下采样图像的像素点均值滤波结果与第二参考原图像的U通道下采样图像的像素点均值滤波结果的差值,得到第六差值结果。将第五差值结果和第六差值结果进行比对融合,采样取最大值的比对融合方式,从而得到在U通道下采样图像的像素点均值滤波结果。
同时,计算当前图像的U通道下采样图像的像素块均值滤波结果与第一参考原图像的U通道下采样图像的像素块均值滤波结果的差值,得到第七差值结果;以及,计算当前图像的U通道下采样图像的像素块均值滤波结果与第二参考原图像的U通道下采样图像的像素块均值滤波结果的差值,得到第八差值结果。以保留最大值的方式对第七差值结果和第八差值结果进行比对融合,得到U通道下采样图像的像素块均值滤波结果。
然后,再将U通道下采样图像的像素点均值滤波结果与U通道下采样图像的像素块均值滤波结果进行比对融合,采用取最大值的方式,保留各像素点对应的最大数值,构建出U通道下采样的特征图;再对该特征图进行上采样处理,例如使用插值上采样的方式恢复为原尺寸,从而构建U通道噪声特征结果。
针对获取的U通道噪声特征结果和V通道噪声特征结果,采用取最大值的方式进行比对融合,将U通道、V通道的两张色度特征图进行融合,构建第三噪声特征图。具体的,公式可以包括:
MapUV[i,j]=max(mapU[i,j],mapV[i,j])
其中,mapU为坐标为(i,j)的像素点对应的U通道噪声特征结果,mapV为坐标为(i,j)的像素点对应的V通道噪声特征结果。
在第三噪声特征图中,通过利用UV通道的色度信息,实现对移动物体的检测,计算出鬼影的位置,通过取最大值的方式对U通道和V通道进行比对融合,确保第三噪声特征图中能够代表UV中移动较大的通道。
在步骤S14中,结合所述第一噪声特征图以及所述当前图像对应的亮度特征确定所述当前图像对应的噪声程度参数。
本示例实施方式中,对于当前图像来说,可以提取各像素点的亮度特征,并对亮度特征图全图取平均值。例如,可以通过各像素点对应的RGB值计算对应的亮度。
同时,对于第一噪声特征图,可以对全图取平均值。然后,将亮度特征图的全图取平局值的结果和第一噪声特征图的全图平均值结果计算噪声程度参数,从而可以得到从全局角度描述的鬼影程度。具体的,公式可以包括:
ghostD=Adjust(AVE(Y))*AVE(map1)
其中,map1表示第一噪声特征图,Y表示亮度特征图。
在步骤S15中,基于所述噪声程度参数结合所述第一噪声特征图和所述第三噪声特征图确定目标噪声特征图,以根据所述鬼影地图对所述当前图像去除鬼影噪声。
本示例实施方式中,根据上述步骤计算获取的噪声程度参数、第一噪声噪声特征图、第三噪声特征图进行融合,依照噪声程度参数对第一噪声噪声特征图、第三噪声特征图进行乘积性融合,并将最终结果取最大值获取一张鬼影特征图,再对其进行取局部最大值进行膨胀,再通过低通滤波器进行平滑处理,得到目标噪声特征图。通过该目标噪声特征图,指导TNR时域滤波帧间融合程度,从而减少鬼影。
在本公开的一些示例性实施方式中,参考图4所示,上述的方法还可以包括:
步骤S21,获取待处理图像,以及对应的参考图像;其中,所述待处理图像为当前图像对应的灰度图像,所述参考图像为与所述当前图像连续的参考原图像对应的灰度图像;
步骤S22,对所述待处理图像和所述参考图像分别进行均值滤波处理,以利用均值滤波处理后的所述待处理图像和所述参考图像的对应像素点的差值构建第一噪声特征图;以及
步骤S23,对所述待处理图像和所述参考图像分别进行下采样和均值滤波处理,并利用均值滤波处理结果构建第二噪声特征图;
步骤S24,对所述当前图像和所述参考原图像在目标色度通道进行下采样,并对下采样结果进行均值滤波处理,以利用均值滤波处理结果构建第三噪声特征图;
步骤S25,结合所述第一噪声特征图以及所述当前图像对应的亮度特征确定所述当前图像对应的噪声程度参数;
步骤S26,基于所述噪声程度参数结合所述第一噪声特征图、第二噪声特征图和所述第三噪声特征图确定目标噪声特征图,以根据所述目标噪声特征图对所述当前图像去除鬼影噪声。
本示例实施方式中,上述的方法还可以对灰度图像进行下采样,并构建对应的噪声特征图。具体的,可以对所述待处理图像和所述参考图像分别进行下采样和均值滤波处理,并利用均值滤波处理结果构建第二噪声特征图,以基于所述噪声程度参数结合所述第二噪声特征图和所述第一噪声特征图、所述第三噪声特征图确定目标噪声特征图。
具体来说,参考图5所示,上述的步骤S23可以包括:
步骤S231,对所述待处理图像和所述参考图像分别进行下采样以获取对应的采样图像;
步骤S232,对获取的所述下采样图像分别进行均值滤波处理,以利用均值滤波处理结果进行融合、上采样处理,以获取所述第二噪声特征图。
具体来说,可以对灰度图格式的待处理图像、第一参考图像、第二参考图像分别进行下采样得到对应的下采样图像。例如,以4*4的窗口大小进行下采样。
可以使用与步骤S121-步骤S124相同的计算方法,对待处理图像、第一参考图像、第二参考图像的下采样图像分别进行像素点的均值滤波计算和像素块的均值滤波计算,得到待处理图像、第一参考图像和第二参考图像的下采样图像的像素点均值滤波结果、像素块均值滤波结果。将待处理图像的下采样图像的像素点均值滤波结果与第一参考图像的采样图像的像素点均值滤波结果之间计算差值,得到第九差值结果;同时,将待处理图像的下采样图像的像素点均值滤波结果与第二参考图像的采样图像的像素点均值滤波结果之间计算差值,得到第十差值结果。再将第九差值结果和第十差值结果之间进行比对融合,保留最大值,从而得到像素点均值滤波结果。
同时,计算待处理图像的下采样图像的像素块均值滤波结果与第一参考图像的下采样图像的像素块均值滤波结果之间的差值,得到第十一差值结果;计算待处理图像的下采样图像的像素块均值滤波结果与第二参考图像的下采样图像的像素块均值滤波结果之间的差值,得到第十二差值结果。再将第十一差值结果和第十二差值结果之间进行比对融合,保留最大值,从而得到像素块均值滤波结果。
之后,再将上述的下采样图像的像素点滤波结果和像素块滤波结果进行比对融合,采用取最大值的方法进行融合,对于融合结果,载通过临近点上采样的方式恢复尺寸,从而生成第二噪声特征图。通过对灰度图像进行下采样,从而能够得到块级的鬼影特征图,能够描述局部块级的鬼影信息;再进行上采样,可以获得比检测内容边缘更宽的鬼影位置信息。
本示例实施方式中,在步骤S26中,参考图6所示,具体可以包括:
步骤S261,基于所述噪声程度参数对所述第一噪声特征图、第二噪声特征图和第三噪声特征图进行乘积性变换融合,以根据像素点最大值的筛选结果构建所述初步噪声地图;
步骤S262,对所述初步噪声地图依次进行膨胀处理、平滑处理,以获取所述目标噪声特征图。
具体来说,可以依据噪声程度参数ghostD分别对第一噪声特征图、第二噪声特征图和第三噪声特征图进行乘积性变换融合。乘积性变换融合的原理是直接将不同空间分辨率的影像上对应像素灰度值进行乘积运算,从而获得新的影像对应像素灰度值。计算公式可以包括:
Map1_new[i,j]=map1[i,j]*ghostD
Map2_new[i,j]=map2[i,j]*ghostD
MapUV_new[i,j]=mapUV[i,j]*ghostD
其中,map1表示第一噪声特征图,map2表示第二噪声特征图,mapUV表示第三噪声特征图。
再将上述的三个结果进行比对融合得到初步噪声地图,公式可以包括:
map[i,j]=max(map1[i,j],map2[i,j],mapUV[i,j])
之后,再进行局部最大值膨胀。具体的,对于初步噪声地图,对于任意的当前点为中心3*3的块为例,取3*3九个点中的最大值,赋值给当前点。之后,在进行平滑处理,从而得到目标噪声特征图。
本示例实施方式中,在获取目标噪声特征图之后,可以利用所述目标噪声特征图指导时域降噪(TNR)。具体来说,可以首先将所述当前图像和所述参考原图像进行图像融合处理,获取初始融合图像;利用所述目标噪声特征图指导所述当前图像和所述初始融合图像之间的融合程度并进行图像融合处理,以去除所述当前图像的鬼影噪声。
举例来说,对于当前图像和两帧参考原图像,可以按1:1:1的比例进行图像融合处理,得到初步融合图像。再利用目标噪声特征图ghostD指导初步融合图像和当前图像的融合程度。公式可以包括:
Out=(255-map)*merge+map*ImgYCurr
其中,merge表示初步融合图像,ImgYCurr表示当前图像的灰度图像。
当ghostD值越大时,说明当前像素产生鬼影的可能性越高,此时帧间融合程度就要减小,降低融合比例,融合比例要更倾向于取当前帧自身,以减少鬼影程度。
本示例实施方式中,在获取所述当前图像后,还可以识别对应的图像类型信息、场景类型信息、分辨率信息中的任意一项或多项,以根据获取的信息配置下采样参数和/或像素块的大小。例如,在当前图像为夜景、日间场景,人像或者静态物体时,由于背景内容不同,图像的色彩丰富程度、亮度均不同,可以配置不同的采样窗口,以适配不同的图像内容,并且能够提升图像的处理速度。
基于以上内容,在本公开的其他示例性实施方式中,也可以使用第一噪声特征图、第二噪声特征图来计算噪声程度参数;或者,也可以使用第二噪声特征图和第三噪声特征图来计算噪声程度参数。
在计算各噪声特征图时,可以按上述的步骤依次进行计算;或者,也可以创建多个进程,从而可以同步计算各噪声特征图。从而提升计算效率。
本公开实施例所提供的图像处理方法,可以应用于视频去噪场景下,对于融合去噪而产生的鬼影。利用帧间差分的方式来构建噪声特征图,描述鬼影map。通过第一噪声特征图基于灰度通道构建像素级的鬼影map,通过第二噪声特征图基于灰度通道构建局部块的鬼影map,通过第三噪声特征图基于色度信息构建UV通道的鬼影map,实现对移动物体的检测,并通过构建噪声程度参数实现在灰度通道下描述全局的鬼影程度。通过灰度、色度信息定位连续图像内的运动物体,并定位运动物体的位置,给出鬼影信息;灰度差分信息是通过全局、局部、像素级三个维度进行鬼影定位,更加全面计算鬼影位置。并且,在计算噪声程度参数时,考虑了图像的亮度变化对鬼影map的灵敏度的影响,当图像亮度很低时,鬼影在边缘噪声均值很小的时候就可能产生,要结合图像亮度均值对融合比例进行自适应调整。通过将各特征噪声图和鬼影程度参数进行结合,实现结合灰度信息与色度信息得到的鬼影map,得到准确的鬼影位置信息;在时域去噪过程中参考鬼影位置信息,消除融合产生的鬼影。本方案将灰度值从三个维度:全局、局部、像素级计算帧间差分,同时计算色度帧间差分值;通过联合三个维度灰度、色度信息,准确定位时域融合产生鬼影的位置;通过对融合程度进行限制,从根本上解决鬼影问题。
需要注意的是,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
进一步的,参考图7所示,本示例的实施方式中还提供一种图像处理装置70,包括:图像获取模块701、第一噪声特征图获取模块702、第第三噪声特征图获取模块703、噪声程度参数获取模块704和去噪处理模块705。其中,
所述图像获取模块701可以用于获取待处理图像,以及对应的参考图像;其中,所述待处理图像为当前图像对应的灰度图像,所述参考图像为与所述当前图像连续的参考原图像对应的灰度图像。
所述第一噪声特征图获取模块702可以用于对所述待处理图像和所述参考图像分别进行均值滤波处理,以利用均值滤波处理后的所述待处理图像和所述参考图像的对应像素点的差值构建第一噪声特征图。
所述第三噪声特征图获取模块703可以用于对所述当前图像和所述参考原图像在目标色度通道进行下采样,并对下采样结果进行均值滤波处理,以利用均值滤波处理结果构建第三噪声特征图。
所述噪声程度参数获取模块704可以用于结合所述第一噪声特征图以及所述当前图像对应的亮度特征确定所述当前图像对应的噪声程度参数。
所述去噪处理模块705可以用于基于所述噪声程度参数结合所述第一噪声特征图和所述第三噪声特征图确定目标噪声特征图,以根据所述目标噪声特征图对所述当前图像去除鬼影噪声。
在本公开的一种示例中,所述装置70还可以包括:第二噪声特征图获取模块(图中未示出)。
所述第二噪声特征图获取模块可以用于对所述待处理图像和所述参考图像分别进行下采样和均值滤波处理,并利用均值滤波处理结果构建第二噪声特征图,以基于所述噪声程度参数结合所述第二噪声特征图和所述第一噪声特征图、所述第三噪声特征图确定目标噪声特征图。
在本公开的一种示例中,所述参考原图像为与所述当前图像连续的在先的两帧图像;所述参考图像为两帧参考原图像对应的两帧灰度图像,包括第一参考图像和第二参考图像。
在本公开的一种示例中,所述第一噪声特征图获取模块702可以用于对所述待处理图像和所述第一参考图像、第二参考图像分别计算对应的像素点均值滤波结果和按预设窗口尺寸的像素块均值滤波结果;
分别计算所述待处理图像与所述第一参考图像、第二参考图像之间的像素点均值滤波结果差值,并基于像素点均值滤波结果差值进行融合以确定第一像素点滤波结果;以及
分别计算所述待处理图像与所述第一参考图像、第二参考图像之间的像素块均值滤波结果差值,并基于像素块均值滤波结果差值进行融合以确定第一像素块滤波结果;
基于所述第一像素点滤波结果和所述第一像素块滤波结果进行融合以确定所述第一噪声特征图。
在本公开的一种示例中,所述第三噪声特征图获取模块703可以用于对所述当前图像、所述参考原图像分别在第一色度通道、第二色度通道进行下采样处理以获取对应的在各色度通道的下采样图像;
对所述第一色度通道对应的各下采样图像分别进行均值滤波处理,并利用均值滤波处理结果进行融合、上采样处理以获取第一色度通道噪声特征结果;以及
对所述第二色度通道对应的各下采样图像分别进行均值滤波处理,并利用均值滤波处理结果进行融合、上采样处理以获取第二色度通道噪声特征结果;
对所述第一色度通道噪声特征结果和所述第二色度通道噪声特征结果进行比对融合处理,以获取所述第三噪声特征图。
在本公开的一种示例中,所述第二噪声特征图获取模块703可以用于对所述待处理图像和所述参考图像分别进行下采样以获取对应的采样图像;
对获取的所述下采样图像分别进行均值滤波处理,以利用均值滤波处理结果进行融合、上采样处理,以获取所述第二噪声特征图。
在本公开的一种示例中,所述去噪处理模块705还可以用于基于所述噪声程度参数对所述第一噪声特征图、第二噪声特征图和第三噪声特征图进行乘积性变换融合,以根据像素点最大值的筛选结果构建所述初步噪声地图;
对所述初步噪声地图依次进行膨胀处理、平滑处理,以获取所述目标噪声特征图。
在本公开的一种示例中,所述去噪处理模块705可以用于将所述当前图像和所述参考原图像进行图像融合处理,获取初始融合图像;
利用所述目标噪声特征图指导所述当前图像和所述初始融合图像之间的融合程度并进行图像融合处理,以去除所述当前图像的鬼影噪声。
在本公开的一种示例中,所述装置70还可以包括:参数配置模块。所述参数配置膜可以用于获取所述当前图像的图像类型信息、场景类型信息、分辨率信息中的任意一项或多项,以根据获取的信息配置下采样参数。
上述的图像处理装置中各模块的具体细节已经在对应的图像处理方法中进行了详细的描述,因此此处不再赘述。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
图8示出了适于用来实现本发明实施例的电子设备的示意图。
需要说明的是,图8示出的电子设备500仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图8所示,电子设备500包括中央处理单元(Central Processing Unit,CPU)501,其可以根据存储在只读存储器(Read-Only Memory,ROM)402中的程序或者从储存部分508加载到随机访问存储器(Random Access Memory,RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有***操作所需的各种程序和数据。CPU 501、ROM502以及RAM 403通过总线504彼此相连。输入/输出(Input/Output,I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(Cathode Ray Tube,CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分507;包括硬盘等的储存部分508;以及包括诸如LAN(Local Area Network,局域网)卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入储存部分508。
特别地,根据本发明的实施例,下文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本申请的***中限定的各种功能。
具体来说,上述的电子设备可以是手机、平板电脑或者笔记本电脑等智能移动终端设备。或者,上述的电子设备也可以是台式电脑等智能终端设备。
需要说明的是,本发明实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
需要说明的是,作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现如下述实施例中所述的方法。例如,所述的电子设备可以实现如图1所示的各个步骤。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。
Claims (12)
1.一种图像处理方法,其特征在于,包括:
获取待处理图像,以及对应的参考图像;其中,所述待处理图像为当前图像对应的灰度图像,所述参考图像为与所述当前图像连续的参考原图像对应的灰度图像;
对所述待处理图像和所述参考图像分别进行均值滤波处理,以利用均值滤波处理后的所述待处理图像和所述参考图像的对应像素点的差值构建第一噪声特征图;以及
对所述当前图像和所述参考原图像在目标色度通道进行下采样,并对下采样结果进行均值滤波处理,以利用均值滤波处理结果构建第三噪声特征图;
结合所述第一噪声特征图以及所述当前图像对应的亮度特征确定所述当前图像对应的噪声程度参数;
基于所述噪声程度参数结合所述第一噪声特征图和所述第三噪声特征图确定目标噪声特征图,以根据所述目标噪声特征图对所述当前图像去除鬼影噪声。
2.根据权利要求1所述的图像处理方法,其特征在于,所述方法还包括:
对所述待处理图像和所述参考图像分别进行下采样和均值滤波处理,并利用均值滤波处理结果构建第二噪声特征图,以基于所述噪声程度参数结合所述第二噪声特征图和所述第一噪声特征图、所述第三噪声特征图确定目标噪声特征图。
3.根据权利要求1或2所述的图像处理方法,其特征在于,所述参考原图像为与所述当前图像连续的在先的两帧图像;所述参考图像为两帧参考原图像对应的两帧灰度图像,包括第一参考图像和第二参考图像。
4.根据权利要求3所述的图像处理方法,其特征在于,所述对所述待处理图像和所述参考图像分别进行均值滤波处理,以利用均值滤波处理后的所述待处理图像和所述参考图像的对应像素点的差值构建第一噪声特征图,包括:
对所述待处理图像和所述第一参考图像、第二参考图像分别计算对应的像素点均值滤波结果和按预设窗口尺寸的像素块均值滤波结果;
分别计算所述待处理图像与所述第一参考图像、第二参考图像之间的像素点均值滤波结果差值,并基于像素点均值滤波结果差值进行融合以确定第一像素点滤波结果;以及
分别计算所述待处理图像与所述第一参考图像、第二参考图像之间的像素块均值滤波结果差值,并基于像素块均值滤波结果差值进行融合以确定第一像素块滤波结果;
基于所述第一像素点滤波结果和所述第一像素块滤波结果进行融合以确定所述第一噪声特征图。
5.根据权利要求1所述的图像处理方法,其特征在于,对所述当前图像和所述参考原图像在目标色度通道进行下采样,并对下采样结果进行均值滤波处理,以利用均值滤波处理结果构建第三噪声特征图,包括:
对所述当前图像、所述参考原图像分别在第一色度通道、第二色度通道进行下采样处理以获取对应的在各色度通道的下采样图像;
对所述第一色度通道对应的各下采样图像分别进行均值滤波处理,并利用均值滤波处理结果进行融合、上采样处理以获取第一色度通道噪声特征结果;以及
对所述第二色度通道对应的各下采样图像分别进行均值滤波处理,并利用均值滤波处理结果进行融合、上采样处理以获取第二色度通道噪声特征结果;
对所述第一色度通道噪声特征结果和所述第二色度通道噪声特征结果进行比对融合处理,以获取所述第三噪声特征图。
6.根据权利要求2所述的图像处理方法,其特征在于,所述对所述待处理图像和所述参考图像分别进行下采样和均值滤波处理,并利用均值滤波处理结果构建第二噪声特征图,包括:
对所述待处理图像和所述参考图像分别进行下采样以获取对应的采样图像;
对获取的所述下采样图像分别进行均值滤波处理,以利用均值滤波处理结果进行融合、上采样处理,以获取所述第二噪声特征图。
7.根据权利要求2所述的图像处理方法,其特征在于,所述基于所述噪声程度参数结合所述第二噪声特征图和所述第一噪声特征图、所述第三噪声特征图确定目标噪声特征图,包括:
基于所述噪声程度参数对所述第一噪声特征图、第二噪声特征图和第三噪声特征图进行乘积性变换融合,以根据像素点最大值的筛选结果构建所述初步噪声地图;
对所述初步噪声地图依次进行膨胀处理、平滑处理,以获取所述目标噪声特征图。
8.根据权利要求1所述的图像处理方法,其特征在于,所述根据所述目标噪声特征图对所述当前图像去除鬼影噪声,包括:
将所述当前图像和所述参考原图像进行图像融合处理,获取初始融合图像;
利用所述目标噪声特征图指导所述当前图像和所述初始融合图像之间的融合程度并进行图像融合处理,以去除所述当前图像的鬼影噪声。
9.根据权利要求1或2所述的图像处理方法,其特征在于,所述方法还包括:
获取所述当前图像的图像类型信息、场景类型信息、分辨率信息中的任意一项或多项,以根据获取的信息配置下采样参数。
10.一种图像处理装置,其特征在于,包括:
图像获取模块,用于获取待处理图像,以及对应的参考图像;其中,所述待处理图像为当前图像对应的灰度图像,所述参考图像为与所述当前图像连续的参考原图像对应的灰度图像;
第一噪声特征图获取模块,用于对所述待处理图像和所述参考图像分别进行均值滤波处理,以利用均值滤波处理后的所述待处理图像和所述参考图像的对应像素点的差值构建第一噪声特征图;以及
第三噪声特征图获取模块,用于对所述当前图像和所述参考原图像在目标色度通道进行下采样,并对下采样结果进行均值滤波处理,以利用均值滤波处理结果构建第三噪声特征图;
噪声程度参数获取模块,用于结合所述第一噪声特征图以及所述当前图像对应的亮度特征确定所述当前图像对应的噪声程度参数;
去噪处理模块,用于基于所述噪声程度参数结合所述第一噪声特征图和所述第三噪声特征图确定目标噪声特征图,以根据所述目标噪声特征图对所述当前图像去除鬼影噪声。
11.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至9中任一项所述的图像处理方法。
12.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至9中任一项所述的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110720734.7A CN113344820B (zh) | 2021-06-28 | 2021-06-28 | 图像处理方法及装置、计算机可读介质、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110720734.7A CN113344820B (zh) | 2021-06-28 | 2021-06-28 | 图像处理方法及装置、计算机可读介质、电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113344820A CN113344820A (zh) | 2021-09-03 |
CN113344820B true CN113344820B (zh) | 2024-05-10 |
Family
ID=77479213
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110720734.7A Active CN113344820B (zh) | 2021-06-28 | 2021-06-28 | 图像处理方法及装置、计算机可读介质、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113344820B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113781375B (zh) * | 2021-09-10 | 2023-12-08 | 厦门大学 | 一种基于多曝光融合的车载视觉增强方法 |
CN114697468B (zh) * | 2022-02-16 | 2024-04-16 | 瑞芯微电子股份有限公司 | 图像信号处理方法和装置、电子设备 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1729936A (zh) * | 2004-08-06 | 2006-02-08 | 株式会社东芝 | 用于螺旋多切片ct的伴随着恢复噪声的降低螺旋风车伪像的方法 |
CN102509269A (zh) * | 2011-11-10 | 2012-06-20 | 重庆工业职业技术学院 | 一种结合曲线波的基于图像子块相似性的图像去噪方法 |
CN108898567A (zh) * | 2018-09-20 | 2018-11-27 | 北京旷视科技有限公司 | 图像降噪方法、装置及*** |
CN111031256A (zh) * | 2019-11-15 | 2020-04-17 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
CN111127347A (zh) * | 2019-12-09 | 2020-05-08 | Oppo广东移动通信有限公司 | 降噪方法、终端及存储介质 |
CN111192204A (zh) * | 2019-11-22 | 2020-05-22 | 晏子俊 | 一种图像增强方法、***和计算机可读存储介质 |
CN111311498A (zh) * | 2018-12-11 | 2020-06-19 | 展讯通信(上海)有限公司 | 图像鬼影剔除方法及装置、存储介质、终端 |
CN111383182A (zh) * | 2018-12-28 | 2020-07-07 | 展讯通信(上海)有限公司 | 图像去噪方法、装置及计算机可读存储介质 |
CN112513936A (zh) * | 2019-11-29 | 2021-03-16 | 深圳市大疆创新科技有限公司 | 图像处理方法、装置及存储介质 |
CN112785534A (zh) * | 2020-09-30 | 2021-05-11 | 广东电网有限责任公司广州供电局 | 一种动态场景下去鬼影多曝光图像融合方法 |
CN112991203A (zh) * | 2021-03-08 | 2021-06-18 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备及存储介质 |
WO2021217643A1 (zh) * | 2020-04-30 | 2021-11-04 | 深圳市大疆创新科技有限公司 | 红外图像处理方法、装置及可移动平台 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI423666B (zh) * | 2008-12-31 | 2014-01-11 | Altek Corp | Image elimination method for image sequence |
US11024006B2 (en) * | 2019-04-22 | 2021-06-01 | Apple Inc. | Tagging clipped pixels for pyramid processing in image signal processor |
GB201908517D0 (en) * | 2019-06-13 | 2019-07-31 | Spectral Edge Ltd | 3D digital imagenoise reduction system and method |
US11418766B2 (en) * | 2019-12-17 | 2022-08-16 | Samsung Electronics Co., Ltd. | Apparatus and method for chroma processing for multi-frame fusion |
-
2021
- 2021-06-28 CN CN202110720734.7A patent/CN113344820B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1729936A (zh) * | 2004-08-06 | 2006-02-08 | 株式会社东芝 | 用于螺旋多切片ct的伴随着恢复噪声的降低螺旋风车伪像的方法 |
CN102509269A (zh) * | 2011-11-10 | 2012-06-20 | 重庆工业职业技术学院 | 一种结合曲线波的基于图像子块相似性的图像去噪方法 |
CN108898567A (zh) * | 2018-09-20 | 2018-11-27 | 北京旷视科技有限公司 | 图像降噪方法、装置及*** |
CN111311498A (zh) * | 2018-12-11 | 2020-06-19 | 展讯通信(上海)有限公司 | 图像鬼影剔除方法及装置、存储介质、终端 |
CN111383182A (zh) * | 2018-12-28 | 2020-07-07 | 展讯通信(上海)有限公司 | 图像去噪方法、装置及计算机可读存储介质 |
CN111031256A (zh) * | 2019-11-15 | 2020-04-17 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
CN111192204A (zh) * | 2019-11-22 | 2020-05-22 | 晏子俊 | 一种图像增强方法、***和计算机可读存储介质 |
CN112513936A (zh) * | 2019-11-29 | 2021-03-16 | 深圳市大疆创新科技有限公司 | 图像处理方法、装置及存储介质 |
WO2021102913A1 (zh) * | 2019-11-29 | 2021-06-03 | 深圳市大疆创新科技有限公司 | 图像处理方法、装置及存储介质 |
CN111127347A (zh) * | 2019-12-09 | 2020-05-08 | Oppo广东移动通信有限公司 | 降噪方法、终端及存储介质 |
WO2021217643A1 (zh) * | 2020-04-30 | 2021-11-04 | 深圳市大疆创新科技有限公司 | 红外图像处理方法、装置及可移动平台 |
CN112785534A (zh) * | 2020-09-30 | 2021-05-11 | 广东电网有限责任公司广州供电局 | 一种动态场景下去鬼影多曝光图像融合方法 |
CN112991203A (zh) * | 2021-03-08 | 2021-06-18 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
Ademola E. Ilesanmi,et al..Methods for image denoising using convolutional neural network: a review.Complex & Intelligent Systems.2021,第7卷第2179-2198页. * |
基于导向滤波的鬼影消除多曝光图像融合;安世全等;计算机工程与设计;20201130;第41卷(第11期);3154-3160 * |
Also Published As
Publication number | Publication date |
---|---|
CN113344820A (zh) | 2021-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110675404B (zh) | 图像处理方法、图像处理装置、存储介质与终端设备 | |
CN108694705B (zh) | 一种多帧图像配准与融合去噪的方法 | |
KR101756173B1 (ko) | 전달률 하한치의 변형에 의한 안개영상 개선 시스템 및 그 방법 | |
EP3509034B1 (en) | Image filtering based on image gradients | |
CN108833785B (zh) | 多视角图像的融合方法、装置、计算机设备和存储介质 | |
US9202263B2 (en) | System and method for spatio video image enhancement | |
CN113344820B (zh) | 图像处理方法及装置、计算机可读介质、电子设备 | |
CN108174057B (zh) | 一种利用视频图像帧间差异对画面快速降噪的方法及装置 | |
US20190068891A1 (en) | Method and apparatus for rapid improvement of smog/low-light-level image using mapping table | |
WO2023273868A1 (zh) | 图像降噪方法、装置、终端、存储介质 | |
CN111563517B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
JP2016529747A (ja) | ビデオシーケンスをトーンマッピングする方法 | |
CN116823628A (zh) | 一种图像处理方法和图像处理装置 | |
Sun et al. | Fast single image dehazing using iterative bilateral filter | |
CN111311498B (zh) | 图像鬼影剔除方法及装置、存储介质、终端 | |
CN111833262A (zh) | 图像降噪方法、装置及电子设备 | |
CN115358962B (zh) | 一种端到端视觉里程计方法及装置 | |
KR101535630B1 (ko) | 밝기변환 모델을 이용한 야간 영상의 밝기 개선 장치 | |
CN116468636A (zh) | 低照度增强方法、装置、电子设备和可读存储介质 | |
CN115965531A (zh) | 模型训练方法及图像生成方法、装置、设备和存储介质 | |
CN115239653A (zh) | 支持多分屏的黑屏检测方法、装置、电子设备及可读存储介质 | |
CN111815535B (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
Wang et al. | An airlight estimation method for image dehazing based on gray projection | |
CN112017128A (zh) | 一种图像自适应去雾方法 | |
CN113469889A (zh) | 一种图像降噪的方法及装置 |
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 |