CN116977228B - 图像降噪方法、电子设备及存储介质 - Google Patents

Abstract

本发明公开图像降噪方法、电子设备及存储介质，方法包括：对获取到的待测图像进行噪声类型检测；当确定待测图像存在非冲击噪声，对待测图像进行低通滤波,并对待测图像进行非局部均值滤波，得到第一滤波结果以及第二滤波结果；对第一滤波结果以及第二滤波结果进行融合，得到混合滤波值；确定与混合滤波值对应的当前帧的前一帧的样本滤波值以计算得到亮度差值；将亮度差值与预设的动静阈值进行对比，确定待测图像的运动信息；基于预设的延迟控制参数以及预设的降噪强度增益参数对运动信息进行时域滤波操作，得到目标图像。在本发明实施例中，能够在降低***开销的同时，做到时空域滤波良性互动以实现对图像的干净去噪，避免出现运动模糊的情况。

Description

图像降噪方法、电子设备及存储介质

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像降噪方法、电子设备及存储介质。

背景技术

在电视机、相机、显示器等图像显示设备上，改善图像画质是图像视频技术发展的重要课题。在实际视频或图像产生过程中也因各类环境等因素影响，使得视频在采集过程中不可避免地引入白噪声、干扰噪声、光子散粒噪声、量化噪声等各种混合噪声。良好的视频图像序列去噪技术不仅可以作为预处理器嵌入式到视频编码***中，节省视频传输带宽及存储空间，也可以应用到视频图像的后处理中，改善其主观画质。

为了能有效去除白噪声、干扰噪声、光子散粒噪声等噪声，相关技术中通常采用空间域和变换域这两类技术展开。空域去噪会利用图像的空间相关性及噪声特性进行降噪，但无法准确区分噪声与纹理，容易导致去噪不干净或者细节模糊。时域去噪主要通过时间的相关性进行噪声的去除，分为运动检测和运动补偿两种方式的去噪。其中，运动检测的时域去噪方法因计算复杂度低但无法准确区分静止或运动，导致去噪不干净或者造成运动模糊，而运动补偿方法虽然能够解决运动模糊的问题，但是计算量巨大，目前大部分设备无法实时运行，因此，设计一种效果与复杂度均衡的时域降噪算法变得尤为关键。

发明内容

以下是对本文详细描述的主题的概述。

本发明实施例提供了一种图像降噪方法、电子设备及存储介质，能够在降低降噪所需的***开销的同时，做到时空域滤波良性互动以实现对图像的干净去噪，避免出现运动模糊的情况。

第一方面，本发明实施例提供了一种图像降噪方法，所述方法包括：

对获取到的待测图像进行噪声类型检测；

当确定所述待测图像存在非冲击噪声，对所述待测图像进行低通滤波,并对所述待测图像进行非局部均值滤波，得到第一滤波结果以及第二滤波结果；

对所述第一滤波结果以及所述第二滤波结果进行融合，得到混合滤波值；

确定与所述混合滤波值对应的当前帧的前一帧的样本滤波值，并对所述混合滤波值以及所述样本滤波值进行加权操作，得到亮度差值；

将所述亮度差值与预设的动静阈值进行对比，确定所述待测图像的运动信息；

基于预设的延迟控制参数以及预设的降噪强度增益参数对所述运动信息进行时域滤波操作，得到目标图像。

本发明实施例提供的图像降噪方法，至少具有如下有益效果：首先，对获取到的待测图像进行噪声类型检测，以确定待测图像中存在的噪声类型，便于后续有针对性地选择降噪算法对待测图像中噪声的去除，当确定待测图像存在非冲击噪声，对待测图像进行低通滤波，以实现对待测图像中高频噪声的降低，并且平滑图像的细节和纹理，并对待测图像进行非局部均值滤波，得到第一滤波结果以及第二滤波结果，在降低噪声的同时保留图像的细节，提供更高质量的降噪效果，之后，对第一滤波结果以及第二滤波结果进行融合，得到融合滤波值，从而能够做到滤波强度与保边的平衡，提高空域降噪的灵活性，再确定与混合滤波值对应的当前帧的前一帧的样本滤波值，并对混合滤波值以及样本滤波值进行加权操作，得到亮度差值，从而实现对待测图像亮度的调节，有效降低噪声水平，并减少待测图像中的随机噪点和纹理失真，将亮度差值与预设的动静阈值进行对比，确定待测图像的运动信息，实现对待测图像运动状态的判定，从而能够在判断运动状态的同时又保持了边缘清晰度，最后，基于预设的延迟控制参数以及预设的降噪强度增益参数对运动信息进行时域滤波操作，得到目标图像，提高运动判定的准确性，降低拖尾模糊的问题，提高降噪图像质量。

在一些实施例中，所述对获取到的待测图像进行噪声类型检测，包括：

在所述待测图像中选取当前像素点，并获取所述当前像素点的像素坐标，其中，所述像素坐标用于表征所述当前像素点在所述待测图像中的位置信息；

根据所述像素坐标确定在所述当前像素点周围的多个邻近像素点；

对所述邻近像素点进行组合，并对组合后的邻近像素点进行均值计算，得到多个方位均值；

将所述当前像素点的像素值与所述多个方位均值进行差异比较，得到多个邻域差值；

根据所述多个邻域差值以及预设的像素阈值对所述待测图像进行噪声类型检测。

在一些实施例中，所述确定所述待测图像存在非冲击噪声，包括：

当所有所述邻域差值小于等于所述像素阈值，确定所述待测图像存在非冲击噪声；

在所述对获取到的待测图像进行噪声类型检测之后，还包括：

当所有所述邻域差值大于所述像素阈值，确定所述待测图像存在冲击噪声；

计算所有所述方位均值的平均值；

根据所述平均值更新所述当前像素点的像素值。

在一些实施例中所述对所述待测图像进行低通滤波,并对所述待测图像进行非局部均值滤波，得到第一滤波结果以及第二滤波结果，包括：

基于预设的高斯模板以及预设的搜索窗对所述待测图像进行卷积操作，得到亮度滤波结果和色度滤波结果；

根据所述亮度滤波结果和所述色度滤波结果生成第一滤波结果；

在所述搜索窗内按照预设的匹配窗对所述待测图像进行非局部均值滤波，得到所述搜索窗内像素的绝对差加权均值；

根据所述绝对差加权均值确定所述搜索窗内的多个权重值，并确定与所述权重值对应的目标像素点；

获取所有所述目标像素点的亮度值，并将所述权重值与所述亮度值进行加权平均，得到第二滤波结果。

在一些实施例中，在所述对所述第一滤波结果以及所述第二滤波结果进行融合，得到混合滤波值之前，还包括：

在对所述待测图像进行低通滤波的过程中，计算所述待测图像的水平梯度值和垂直梯度值；

根据所述水平梯度值和所述垂直梯度值设置梯度指标值；

基于所述梯度指标值、预设的权重阈值、预设的梯度增益值以及预设的偏移值确定所述待测图像的纹理权重值。

在一些实施例中，所述将所述亮度差值与预设的动静阈值进行对比，确定所述待测图像的运动信息，包括：

将所述亮度差值与预设的动静阈值进行对比；

当所述亮度差值大于等于所述动静阈值，确定所述待测图像处于运动状态；

基于预设的动静过渡斜率、所述亮度差值以及所述动静阈值确定所述待测图像的移动值；

根据所述移动值以及所述纹理权重值确定所述待测图像的运动信息。

在一些实施例中，所述基于预设的延迟控制参数以及预设的降噪强度增益参数对所述运动信息进行时域滤波操作，得到目标图像，包括：

确定与所述运动信息对应的当前帧的前一帧的样本运动信息，并计算所述样本运动信息的运动信息权重；

根据所述样本运动信息、所述运动信息以及所述运动信息权重计算所述待测图像的运动时域滤波结果；

基于预设的延迟控制参数对所述运动时域滤波结果进行延迟处理，得到延迟参数；

基于预设的低通滤波核对所述延迟参数进行水平低通滤波，得到目标运动参数；

通过预设的降噪强度增益参数以及所述目标运动参数对所述待测图像进行时域滤波，得到目标图像。

在一些实施例中，所述降噪强度增益参数包括第一增益参数和第二增益参数；所述通过预设的降噪强度增益参数以及所述目标运动参数对所述待测图像进行时域滤波，得到目标图像，包括：

通过所述第一增益参数对所述目标运动参数进行计算，得到亮度滤波权重；

通过所述第二增益参数对所述目标运动参数进行计算，得到色度滤波权重；

根据所述亮度滤波权重、所述混合滤波值以及所述样本滤波值对所述待测图像进行时域滤波，得到第三滤波结果；

根据所述色度滤波权重以及所述目标运动参数对所述待测图像进行时域滤波，得到第四滤波结果；

根据所述三滤波结果以及所述第四滤波结果对所述待测图像进行降噪，得到目标图像。

第二方面，本发明实施例还提供了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的图像降噪方法。

第三方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如第一方面所述的图像降噪方法。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本发明的示例一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。

图1是本发明实施例提供的图像降噪方法的整体流程图；

图2是图1中的步骤S101的具体方法流程图；

图3是图1中的步骤S102的具体方法流程图；

图4是本发明另一实施例提供的图像降噪方法的整体流程图；

图5是图1中的步骤S102的具体方法另一流程图；

图6是本发明另一实施例提供的图像降噪方法的整体流程图；

图7是图1中的步骤S105的具体方法流程图；

图8是图1中的步骤S106的具体方法流程图；

图9是图8中的步骤S805的具体方法流程图；

图10是本发明实施例提供的图像降噪***的***示意图；

图11是本申请实施例提供的电子设备的硬件结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

在电视机、相机、显示器等图像显示设备上，改善图像画质是图像视频技术发展的重要课题。在实际视频或图像产生过程中也因各类环境等因素影响，使得视频在采集过程中不可避免地引入白噪声、干扰噪声、光子散粒噪声、量化噪声等各种混合噪声。良好的视频图像序列去噪技术不仅可以作为预处理器嵌入式到视频编码***中，节省视频传输带宽及存储空间，也可以应用到视频图像的后处理中，改善其主观画质。

为了能有效去除白噪声、干扰噪声、光子散粒噪声等噪声，相关技术中通常采用空间域和变换域这两类技术展开。空域去噪会利用图像的空间相关性及噪声特性进行降噪，但无法准确区分噪声与纹理，容易导致去噪不干净或者细节模糊。时域去噪主要通过时间的相关性进行噪声的去除，分为运动检测和运动补偿两种方式的去噪。其中，运动检测的时域去噪方法因计算复杂度低但无法准确区分静止或运动，导致去噪不干净或者造成运动模糊，而运动补偿方法虽然能够解决运动模糊的问题，但是计算量巨大，目前大部分设备无法实时运行，因此，设计一种效果与复杂度均衡的时域降噪算法变得尤为关键。

为了解决上述问题，本发明实施例提供了一种图像降噪方法、电子设备及存储介质，首先，对获取到的待测图像进行噪声类型检测，以确定待测图像中存在的噪声类型，便于后续有针对性地选择降噪算法对待测图像中噪声的去除，当确定待测图像存在非冲击噪声，对待测图像进行低通滤波，以实现对待测图像中高频噪声的降低，并且平滑图像的细节和纹理，并对待测图像进行非局部均值滤波，得到第一滤波结果以及第二滤波结果，在降低噪声的同时保留图像的细节，提供更高质量的降噪效果，之后，对第一滤波结果以及第二滤波结果进行融合，得到融合滤波值，从而能够做到滤波强度与保边的平衡，提高空域降噪的灵活性，再确定与混合滤波值对应的当前帧的前一帧的样本滤波值，并对混合滤波值以及样本滤波值进行加权操作，得到亮度差值，从而实现对待测图像亮度的调节，有效降低噪声水平，并减少待测图像中的随机噪点和纹理失真，将亮度差值与预设的动静阈值进行对比，确定待测图像的运动信息，实现对待测图像运动状态的判定，从而能够在判断运动状态的同时又保持了边缘清晰度，最后，基于预设的延迟控制参数以及预设的降噪强度增益参数对运动信息进行时域滤波操作，得到目标图像，提高运动判定的准确性，降低拖尾模糊的问题，提高降噪图像质量。

参照图1，本发明实施例提供了一种图像降噪方法，图像降噪方法包括但不限于以下步骤S101至步骤S106。

步骤S101，对获取到的待测图像进行噪声类型检测；

在一些实施例中，对获取到的待测图像进行噪声类型检测，从而能够确定待测图像是否存在冲击噪声的污染，实现对噪声类型的精准识别，使得滤波更有针对性。

步骤S102，当确定待测图像存在非冲击噪声，对待测图像进行低通滤波,并对待测图像进行非局部均值滤波，得到第一滤波结果以及第二滤波结果；

在一些实施例中，当确定待测图像存在非冲击噪声，对待测图像进行低通滤波,实现多尺度的分析和处理，使得滤波更加全面彻底，进一步降低图像的噪声，并对待测图像进行非局部均值滤波，得到第一滤波结果以及第二滤波结果，能够有效地降低噪声水平，减少图像中的随机噪点和纹理失真，能够更好地平衡噪声抑制和细节保留，产生更清晰、更自然的图像结果。

步骤S103，对第一滤波结果以及所述第二滤波结果进行融合，得到混合滤波值；

在一些实施例中，基于预设的融合权重对第一滤波结果以及所述第二滤波结果进行融合，以平衡降噪效果和平滑效果，得到混合滤波值，提高后续可调灵活性。

需要说明的是，得到混合滤波值的具体过程如下：

；

其中，为第二滤波结果，/>为融合权重，/>为第一滤波结果。

可以理解的是，越小越偏向于保边的/>结果，否则偏向于滤波强度更强的高斯。

步骤S104，确定与混合滤波值对应的当前帧的前一帧的样本滤波值，并对混合滤波值以及样本滤波值进行加权操作，得到亮度差值；

在一些实施例中，确定与混合滤波值对应的当前帧的前一帧的样本滤波值，从而能够得到待测图像的运动状态，并对混合滤波值以及样本滤波值进行加权操作，得到亮度差值，以便于后续通过亮度差值实现对待测图像的动静判定，保障了运动信息判定的准确性。

步骤S105，将亮度差值与预设的动静阈值进行对比，确定待测图像的运动信息；

在一些实施例中，将亮度差值与预设的动静阈值进行对比，确定待测图像的运动信息，从而减少动态和静态区域之间的突然切换或瑕疵，实现平滑的过渡效果，提高视觉上的连续性和平滑度。

步骤S106，基于预设的延迟控制参数以及预设的降噪强度增益参数对运动信息进行时域滤波操作，得到目标图像。

在一些实施例中，基于预设的延迟控制参数以及预设的降噪强度增益参数对运动信息进行时域滤波操作，得到目标图像，能够在动静判定过程中做到抗噪、保边、延迟、前后帧运动信息及平滑多维度结合，使得动静判定准确，提高对边缘的定位精度，使得检测结果更加准确和可靠，并且能够去除伪影，改善视觉感知效果。

参照图2，在一些实施例中，步骤S101可以包括但不限于包括步骤S201至步骤S205：

步骤S201，在待测图像中选取当前像素点，并获取当前像素点的像素坐标；

需要说明的是，像素坐标用于表征当前像素点在待测图像中的位置信息。

在一些实施例中，在待测图像中选取进行测试的当前像素点，并且获取当前像素点在待测图像中的像素坐标，便于后续进行噪声类型的判断。

需要说明的是，当前像素点为在待测图像上随机选取的任意像素点，本实施例不做具体限制。

步骤S202，根据像素坐标确定在当前像素点周围的多个邻近像素点；

在一些实施例中，获取所有待测图像中像素点的坐标，计算所有坐标与像素坐标的距离，确定在当前像素点周围的多个邻近像素点，以对待测图像中的高频成分进行分析，判断像素点是否出现幅度变化。

步骤S203，对邻近像素点进行组合，并对组合后的邻近像素点进行均值计算，得到多个方位均值；

在一些实施例中，根据邻近像素点的坐标对邻近像素点进行组合，并对组合后的邻近像素点进行均值计算，从而能够精准计算出当前像素点周围各个方向的均值，得到多个方位均值，便于后续对噪声类型的判断。

需要说明的是，在对邻近像素点进行组合的过程中，可以根据坐标确定每个邻近像素点与当前像素点的位置关系，之后再对相同方位的邻近像素点进行组合，以得到多个方位的均值，其中，本实施例中的各个方向可以包括东、南、西、北这四个方向，也可以细分为东、南、西、北、东北、东南、西北、西南这八个方向；或者根据邻近像素点与当前像素点的角度进行划分等等，本实施例不做具体限制。

步骤S204，将当前像素点的像素值与多个方位均值进行差异比较，得到多个邻域差值；

在一些实施例中，将当前像素点的像素值与多个方位均值进行差异比较，从而确定当前像素点与多个方位均值的差值，得到多个邻域差值，便于后续确定当前像素点是否存在冲击噪声的污染。

需要说明的是，本实施例中通过计算当前像素点与其周围四个方向点均值差异进行比较，邻域差值如下公式所示：

；

其中，为当前像素点，/>、/>、以及/>分别为四个方向的方位均值。

步骤S205，根据多个邻域差值以及预设的像素阈值对待测图像进行噪声类型检测。

在一些实施例中，根据多个邻域差值以及预设的像素阈值对待测图像进行噪声类型的检测，以确定待测图像中的噪声类型，从而实现对噪声类型的精准识别，使得滤波更有针对性。

需要说明的是，本实施例中的像素阈值可以根据使用者的需求自行设置。

参照图3，在一些实施例中，步骤S102可以包括但不限于包括步骤S301：

步骤S301，当所有邻域差值小于等于像素阈值，确定待测图像存在非冲击噪声；

在一些实施例中，当所有邻域差值小于等于像素阈值，确定待测图像存在非冲击噪声，其中，具体的判断过程如下所示：

；

其中，为像素阈值，/>为混合滤波值，/>为当前像素点的目标滤波值。

参照图4，图4是本发明另一实施例提供的图像降噪方法的整体流程图，包括但不限于包括步骤S401至步骤S403：

需要说明的是，步骤S401至步骤S403发生在对待测图像进行噪声类型检测之后。

步骤S401，当所有邻域差值大于像素阈值，确定待测图像存在冲击噪声；

步骤S402，计算所有方位均值的平均值；

步骤S403，根据平均值更新当前像素点的像素值。

在一些实施例的步骤S401至步骤S403中，当所有邻域差值大于像素阈值，则说明当前像素点与其邻域有较大区别，确定待测图像存在冲击噪声，之后，计算所有方位均值的平均值，并根据平均值更新当前像素点的像素值，将其值用周围均值替代，以避免冲击噪声的干扰。

可以理解的是，冲击噪声在频域上通常表现为高频成分，因为它的波形变化突然，含有快速的幅度变化。而非冲击噪声包含更多的低频成分，其波形变化相对平缓，因此本实施例可以通过当前像素点与周围像素点的均值的差异进行噪声类型的判断。

参照图5，在一些实施例中，步骤S102可以包括但不限于包括步骤S501至步骤S505：

步骤S501，基于预设的高斯模板以及预设的搜索窗对待测图像进行卷积操作，得到亮度滤波结果和色度滤波结果；

在一些实施例中，基于预设的高斯模板以及预设的搜索窗对待测图像进行卷积操作，以实现对当前帧的亮度和色度的空域滤波，得到亮度滤波结果和色度滤波结果，实现多尺度的分析和处理，使得滤波更加全面彻底，进一步降低图像的噪声。

需要说明的是，本实施例中通过低通滤波器对待测图像进行低通滤波，并且搜索窗的窗口大小可以根据使用者的需要自行调节，例如，搜索窗为5*5、8*8、7*7等等，本实施例不做具体限制。

可以理解的是，以对待测图像的亮度进行卷积为例，具体对待测图像的卷积过程如下：

；

其中，为第一滤波结果，/>为待测图像的亮度值，/>为高斯模板。

步骤S502，根据亮度滤波结果和色度滤波结果生成第一滤波结果；

在一些实施例中，根据亮度滤波结果和色度滤波结果生成第一滤波结果，以实现对当前帧的亮度和色度的空域滤波，能够捕捉到图像中的空间相关性，保留边缘和纹理等细节信息。

步骤S503，在搜索窗内按照预设的匹配窗对待测图像进行非局部均值滤波，得到搜索窗内像素的绝对差加权均值；

在一些实施例中，设置预设大小的匹配窗，在搜索窗内按照匹配窗的大小对待测图像进行非局部均值滤波，得到搜索窗内像素的绝对差加权均值，从而能够有效地降低噪声水平，减少图像中的随机噪点和纹理失真，能够更好地平衡噪声抑制和细节保留，产生更清晰、更自然的图像结果。

需要说明的是，匹配窗的面积小于搜索窗的面积，例如，搜索窗为5*5，匹配窗为3*3；搜索窗为6*6，匹配窗为2*2等等，本实施例不做具体限制。

可以理解的是，具体的非局部均值滤波的过程如下：

|)；

其中，为绝对差加权均值，/>为搜索窗中的图像块，/>为待测图像中心的图像块，/>表示对绝对值差做均值处理。

步骤S504，根据绝对差加权均值确定搜索窗内的多个权重值，并确定与权重值对应的目标像素点；

步骤S505，获取所有目标像素点的亮度值，并将权重值与亮度值进行加权平均，得到第二滤波结果。

在一些实施例中，根据绝对差加权均值确定搜索窗内的多个权重值，并确定与权重值对应的目标像素点，之后获取所有目标像素点的亮度值，并将所有的权重值与亮度值进行加权平均，得到第二滤波结果，从而能够减少图像中的噪声和不连续性，能够消除待测图像中一些孤立的噪点或者而异常值，使得滤波更加精准，提高降噪的质量。

参照图6，图6是本发明另一实施例提供的图像降噪方法的整体流程图，包括但不限于包括步骤S601至步骤S603：

需要说明的是，步骤S601至步骤S603发生在得到混合滤波值之前。

步骤S601，在对待测图像进行低通滤波的过程中，计算待测图像的水平梯度值和垂直梯度值；

在一些实施例中，考虑到图像边缘在运动判定中可能出现抵消的风险，本实施例需要在对待测图像进行低通滤波的过程中，计算待测图像的水平梯度值和垂直梯度值，以实现对待测图像的边缘的检测，确定边缘的方向，从而能够得到待测图像中的结构、纹理和形状信息等等。

需要说明的是，计算待测图像的水平梯度值和垂直梯度值的具体过程如下：

；

；

其中，与/>分别为水平与垂直高斯梯度核，/>为水平梯度值，/>为垂直梯度值。

步骤S602，根据水平梯度值和垂直梯度值设置梯度指标值；

在一些实施例中，根据水平梯度值和垂直梯度值设置梯度指标值，从而避免边缘变化误判的情况发生，并且梯度指标值用于表征测量图像中的局部梯度强度的指标，用于计算梯度增益或进行其他纹理特征的加权，具体过程如下：

；

步骤S603，基于梯度指标值、预设的权重阈值、预设的梯度增益值以及预设的偏移值确定待测图像的纹理权重值。

在一些实施例中，基于梯度指标值、预设的权重阈值、预设的梯度增益值以及预设的偏移值确定待测图像的纹理权重值，以便于对运动判定进行修正，降低冗余信息的影响，并且能够适应不同场景，避免边缘在运动过程中被抵消的情况。

其中，具体计算纹理权重值的过程如下：

；

为纹理权重值，/>为权重阈值，/>为梯度指标值，/>为梯度增益值，/>为偏移值。

可以理解的是，高斯梯度值越小，平坦区权重值越大，越趋近于平坦区域，反之则越偏向于边缘区域，从而能够实现对待测图像的图像边缘的准确检测。

值得注意的是，本实施例中的梯度增益值用于调整纹理特征的权重，还用于基于待测图像中的局部梯度强度来确定纹理特征在某个区域中的重要性；权重阈值用于限制纹理特征的权重取值范围，通过设置权重阈值，可以控制哪些纹理特征被保留或剔除；偏移值用于计算不同方向上的纹理特征，并检测图像中的纹理方向，通过设置不同的偏移值可以调整纹理特征的感知范围，通过上述参数计算纹理权重值以适应不同的纹理特征和任务需求，从而提高算法的性能和适应性。

参照图7，在一些实施例中，步骤S105可以包括但不限于包括步骤S701至步骤S704：

步骤S701，将亮度差值与预设的动静阈值进行对比；

在一些实施例中，将亮度差值与预设的动静阈值进行对比，从而实现待测图像运动状态的检测，实现对待测图像的动静判定，保障了运动信息判定的准确性。

其中，具体的亮度差值计算过程如下：

；

为当前像素点的目标滤波值，/>为当前帧的前一帧的样本滤波值，/>为亮度差值。

步骤S702，当亮度差值大于等于动静阈值，确定待测图像处于运动状态；

在一些实施例中，当亮度差值大于等于动静阈值，确定待测图像处于运动状态，并且当亮度差值小于动静阈值，确定待测图像处于静止状态，从而实现对待测图像运动状态的确定，本实施例中采用亮度差值加权求均值方式，因存在正负抵消情况，抗噪能力更强，同时加上纹理权重，进一步降低了边界抵消风险，使得判定更准确且保边效果好。

步骤S703，基于预设的动静过渡斜率、亮度差值以及动静阈值确定待测图像的移动值；

在一些实施例中，基于预设的动静过渡斜率、亮度差值以及动静阈值确定待测图像的移动值，从而减少动态和静态区域之间的突然切换或瑕疵，实现平滑的过渡效果，提高视觉上的连续性和平滑度。

其中，移动值表示如下：

；

为移动值，/>为亮度差值，/>为动静阈值，/>为动静过渡斜率。

需要说明的是，本实施例中的动静阈值和动静过渡斜率根据感光度值自行设置，并且动静过渡斜率值越大过渡越陡。

步骤S704，根据移动值以及纹理权重值确定待测图像的运动信息。

在一些实施例中，由于动态和静态区域之间的突然切换或剧烈变化可能导致视觉上的不连续感，影响观看体验，本实施例根据移动值以及纹理权重值确定待测图像的运动信息，从而避免边缘在运动判定过程中可能存在抵消的风险，减少动态和静态区域之间的突然切换造成的瑕疵，并且通过使用动静过渡斜率，可以缓慢地将动态变化的区域逐渐淡出，同时将静态区域逐渐淡入，从而提高视觉上的连续性和平滑度，避免在过渡过程中引入额外的模糊或失真。

其中，计算运动信息的过程如下：

；

为运动信息，/>为移动值，/>为纹理权重值。

参照图8，在一些实施例中，步骤S106可以包括但不限于包括步骤S801至步骤S805：

步骤S801，确定与运动信息对应的当前帧的前一帧的样本运动信息，并计算样本运动信息的运动信息权重；

在一些实施例中，确定与运动信息对应的当前帧的前一帧的样本运动信息，以确定待测图像的帧变化，实现对细节的捕捉，并计算样本运动信息的运动信息权重，使得前后帧运动信息相关联，使得运动更平滑，降低拖尾风险，收敛也更快速。

步骤S802，根据样本运动信息、运动信息以及运动信息权重计算待测图像的运动时域滤波结果；

在一些实施例中，根据样本运动信息、运动信息以及运动信息权重计算待测图像的运动时域滤波结果，做到降噪强度与保边融合自适应。在动静判定过程中做到抗噪、保边、延迟、前后帧运动信息及平滑多维度结合，使得动静判定准确。

需要说明的是，运动时域滤波结果为对样本运动信息以及运动信息的时域滤波结果。

其中，计算运动时域滤波结果的过程如下：

；

为运动信息，/>为样本运动信息，/>为运动信息权重。

步骤S803，基于预设的延迟控制参数对运动时域滤波结果进行延迟处理，得到延迟参数；

在一些实施例中，基于预设的延迟控制参数对运动时域滤波结果进行延迟处理，从而去除伪影，使得运动时域滤波结果的呈现更加清晰和准确，得到延迟参数，降低图像拖尾的情况。

其中，得到延迟参数的计算过程如下：

；

为延迟控制参数、/>为运动时域滤波结果，/>为样本运动信息，为延迟参数。

需要说明的是，通过计算延迟参数还能够让静止区的信息有所延迟，让运动过后的区域/>信息持久一些，其中，延迟控制参数越小，延迟越持久。

可以理解的是，引入延迟参数，使得由运动转静止过渡变缓慢，运动信息延迟更久，运动信息在更多的帧中存在，更有利于减少拖尾现象，使得过渡更自然。

步骤S804，基于预设的低通滤波核对延迟参数进行水平低通滤波，得到目标运动参数；

在一些实施例中，考虑到大运动时更容易拖尾，为进一步降低拖影现象的发生并考虑实现代价，本实施例基于预设的低通滤波核对延迟参数进行水平低通滤波，得到目标运动参数，以减少运动模糊的影响，提高对边缘的定位精度，使得检测结果更加准确和可靠，并且能够去除伪影，改善视觉感知效果。

其中，得到目标运动参数的具体过程如下：

；

为低通滤波核，/>为延迟参数，/>为目标运动参数。

步骤S805，通过预设的降噪强度增益参数以及目标运动参数对待测图像进行时域滤波，得到目标图像。

在一些实施例中，通过预设的降噪强度增益参数以及目标运动参数对待测图像进行时域滤波，得到目标图像，以实现对待测图像中不同区域的降噪，提高降噪质量。

需要说明的是，在实际应用中图像本身存在亮暗区域划分，一般情况下暗区噪声会比亮区更大，采用一样的降噪强度难以获得理想的去噪效果。甚至可能导致高亮区域细节模糊，低亮区噪声未去除干净。根据韦伯定理，人的视觉在亮区对噪声的敏感程度比暗区小，因此，可以对亮区图层采取保护细节为主，减弱降噪程度；对暗区增强降噪强度，保持大边平整，无明显噪声即可。

参照图9，在一些实施例中，步骤S805可以包括但不限于包括步骤S901至步骤S905：

需要说明的是，降噪强度增益参数包括第一增益参数和第二增益参数，其中，第一增益参数用于进行亮度的时域滤波，第二增益参数用于进行色度的时域滤波。

步骤S901，通过第一增益参数对目标运动参数进行计算，得到亮度滤波权重；

在一些实施例中，通过第一增益参数对目标运动参数进行计算，得到亮度滤波权重，从而能够增强降噪效果，提高视觉质量，其中，具体得到亮度滤波权重的过程如下：

；

为目标运动参数，/>为第一增益参数，/>为亮度滤波权重。

步骤S902，通过第二增益参数对目标运动参数进行计算，得到色度滤波权重；

在一些实施例中，通过第二增益参数对目标运动参数进行计算以在降低噪声的同时最大限度地保留图像的细节信息，避免过度平滑或模糊，得到色度滤波权重，提高待测图像的质量和稳定性，其中，具体得到亮度滤波权重的过程如下：

；

为目标运动参数，/>为第二增益参数，/>为色度滤波权重。

步骤S903，根据亮度滤波权重、混合滤波值以及样本滤波值对待测图像进行时域滤波，得到第三滤波结果；

在一些实施例中，根据亮度滤波权重、混合滤波值以及样本滤波值对待测图像进行时域滤波，得到第三滤波结果，采用前后帧运动信息的时域滤波来获取更精细化的运动信息，更有利于图像亮度或色度的时域滤波，提高降噪图像质量。

需要说明的是，得到第三滤波结果的具体过程如下：

；

为第三滤波结果，/>为亮度滤波权重，/>为当前像素点的目标滤波值，/>为样本滤波值。

步骤S904，根据色度滤波权重以及目标运动参数对待测图像进行时域滤波，得到第四滤波结果；

在一些实施例中，在根据色度滤波权重对待测图像进行时域滤波的过程中，首先，通过目标运动参数确定待测图像中的色度运动参数，并确定与色度运动参数对应的当前帧的前一帧的色度值，之后再通过色度运动参数以及色度值进行时域滤波，得到第四滤波结果，从而可以更好地保持图像质量和颜色信息，并且以亮度运动信息作为色度运动的导向，降噪一致性好。

需要说明的是，在色度时域滤波的过程中，会分别对Cb和Cr进行滤波，并且Cb和Cr分别表示蓝色和红色的色度分量，具体的过程如下：

；

；

其中，为对Cb进行滤波的滤波结果，/>为对Cr进行滤波的滤波结果，/>为色度滤波权重，/>、/>分别为色度运动参数，/>、/>分别为当前帧的前一帧的色度值。

步骤S905，根据三滤波结果以及第二滤波结果对待测图像进行降噪，得到目标图像。

在一些实施例中，根据三滤波结果以及第四滤波结果对待测图像进行降噪，在时域滤波上结合亮暗不同强度曲线控制，并且色度以亮度的运动信息导向，能够准确且精细地对待测图像进行降噪，得到目标图像，更好地平衡对图像细节和颜色信息的处理。

在一些实施例中，请参阅图10，本申请实施例还提供一种图像降噪***，可以实现上述图像降噪方法，该***包括：

噪声检测模块901，对获取到的待测图像进行噪声类型检测；

低通滤波模块902，当确定待测图像存在非冲击噪声，对待测图像进行低通滤波,并对待测图像进行非局部均值滤波，得到第一滤波结果以及第二滤波结果；

结果融合模块903，对第一滤波结果以及第二滤波结果进行融合，得到混合滤波值；

滤波加权模块904，确定与混合滤波值对应的当前帧的前一帧的样本滤波值，并对混合滤波值以及样本滤波值进行加权操作，得到亮度差值；

阈值对比模块905，将亮度差值与预设的动静阈值进行对比，确定待测图像的运动信息；

时域滤波模块906，基于预设的延迟控制参数以及预设的降噪强度增益参数对运动信息进行时域滤波操作，得到目标图像。

本申请实施例的图像降噪***用于执行上述实施例中的图像降噪方法，其具体处理过程与上述实施例中的图像降噪方法相同，此处不再一一赘述。

本申请实施例还提供了一种电子设备，包括存储器和处理器，其中，存储器中存储有计算机程序，该计算机程序被处理器执行时处理器用于执行本申请上述实施例中的图像降噪方法。

请参阅图11，图11示意了另一实施例的电子设备的硬件结构，电子设备包括：

处理器1001，可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application SpecificIntegrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本申请实施例所提供的技术方案；

存储器1002，可以采用只读存储器（Read Only Memory，ROM）、静态存储设备、动态存储设备或者随机存取存储器(Random Access Memory，RAM)等形式实现。存储器1002可以存储操作***和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1002中，并由处理器1001来调用执行本申请实施例的图像降噪方法；

输入/输出接口1003，用于实现信息输入及输出；

通信接口1004，用于实现本设备与其他设备的通信交互，可以通过有线方式（例如USB、网线等）实现通信，也可以通过无线方式（例如移动网络、WIFI、蓝牙等）实现通信；

总线1005，在设备的各个组件（例如处理器1001、存储器1002、输入/输出接口1003和通信接口1004）之间传输信息；

其中处理器1001、存储器1002、输入/输出接口1003和通信接口1004通过总线1005实现彼此之间在设备内部的通信连接。

本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述图像降噪方法。

存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。

本领域技术人员可以理解的是，图1-9中示出的技术方案并不构成对本申请实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。

以上所描述的***实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、***、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。

本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

在本申请所提供的几个实施例中，应该理解到，所揭露的***和方法，可以通过其它的方式实现。例如，以上所描述的***实施例仅仅是示意性的，例如，上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，***或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括多指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例的方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序的介质。

以上参照附图说明了本申请实施例的优选实施例，并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本申请实施例的权利范围之内。

Claims (9)

1.一种图像降噪方法，其特征在于，所述方法包括：

对获取到的待测图像进行噪声类型检测；

当确定所述待测图像存在非冲击噪声，对所述待测图像进行低通滤波,并对所述待测图像进行非局部均值滤波，得到第一滤波结果以及第二滤波结果；

对所述第一滤波结果以及所述第二滤波结果进行融合，得到混合滤波值；

确定与所述混合滤波值对应的当前帧的前一帧的样本滤波值，并对所述混合滤波值以及所述样本滤波值进行加权操作，得到亮度差值；

将所述亮度差值与预设的动静阈值进行对比，确定所述待测图像的运动信息；

基于预设的延迟控制参数以及预设的降噪强度增益参数对所述运动信息进行时域滤波操作，得到目标图像，所述延迟控制参数用于控制所述待测图像的运动信息的延迟程度，所述降噪强度增益参数用于对所述待测图像进行亮度的时域滤波和色度的时域滤波；

其中，所述基于预设的延迟控制参数以及预设的降噪强度增益参数对所述运动信息进行时域滤波操作，得到目标图像，包括：

确定与所述运动信息对应的当前帧的前一帧的样本运动信息，并计算所述样本运动信息的运动信息权重；

根据所述样本运动信息、所述运动信息以及所述运动信息权重计算所述待测图像的运动时域滤波结果；

基于预设的延迟控制参数对所述运动时域滤波结果进行延迟处理，得到延迟参数；

基于预设的低通滤波核对所述延迟参数进行水平低通滤波，得到目标运动参数；

通过预设的降噪强度增益参数以及所述目标运动参数对所述待测图像进行时域滤波，得到目标图像。

2.根据权利要求1所述的图像降噪方法，其特征在于，所述对获取到的待测图像进行噪声类型检测，包括：

在所述待测图像中选取当前像素点，并获取所述当前像素点的像素坐标，其中，所述像素坐标用于表征所述当前像素点在所述待测图像中的位置信息；

根据所述像素坐标确定在所述当前像素点周围的多个邻近像素点；

对所述邻近像素点进行组合，并对组合后的邻近像素点进行均值计算，得到多个方位均值；

将所述当前像素点的像素值与所述多个方位均值进行差异比较，得到多个邻域差值；

根据所述多个邻域差值以及预设的像素阈值对所述待测图像进行噪声类型检测。

3.根据权利要求2所述的图像降噪方法，其特征在于，所述确定所述待测图像存在非冲击噪声，包括：

当所有所述邻域差值小于等于所述像素阈值，确定所述待测图像存在非冲击噪声；

在所述对获取到的待测图像进行噪声类型检测之后，还包括：

当所有所述邻域差值大于所述像素阈值，确定所述待测图像存在冲击噪声；

计算所有所述方位均值的平均值；

根据所述平均值更新所述当前像素点的像素值。

4.根据权利要求1所述的图像降噪方法，其特征在于，所述对所述待测图像进行低通滤波,并对所述待测图像进行非局部均值滤波，得到第一滤波结果以及第二滤波结果，包括：

基于预设的高斯模板以及预设的搜索窗对所述待测图像进行卷积操作，得到亮度滤波结果和色度滤波结果；

根据所述亮度滤波结果和所述色度滤波结果生成第一滤波结果；

在所述搜索窗内按照预设的匹配窗对所述待测图像进行非局部均值滤波，得到所述搜索窗内像素的绝对差加权均值；

根据所述绝对差加权均值确定所述搜索窗内的多个权重值，并确定与所述权重值对应的目标像素点；

获取所有所述目标像素点的亮度值，并将所述权重值与所述亮度值进行加权平均，得到第二滤波结果。

5.根据权利要求1所述的图像降噪方法，其特征在于，在所述对所述第一滤波结果以及所述第二滤波结果进行融合，得到混合滤波值之前，还包括：

在对所述待测图像进行低通滤波的过程中，计算所述待测图像的水平梯度值和垂直梯度值；

根据所述水平梯度值和所述垂直梯度值设置梯度指标值；

基于所述梯度指标值、预设的权重阈值、预设的梯度增益值以及预设的偏移值确定所述待测图像的纹理权重值，其中，所述偏移值用于计算所述待测图像不同方向上的纹理特征，所述梯度增益值用于调整所述待测图像的纹理特征的权重。

6.根据权利要求5所述的图像降噪方法，其特征在于，所述将所述亮度差值与预设的动静阈值进行对比，确定所述待测图像的运动信息，包括：

将所述亮度差值与预设的动静阈值进行对比；

当所述亮度差值大于等于所述动静阈值，确定所述待测图像处于运动状态；

基于预设的动静过渡斜率、所述亮度差值以及所述动静阈值确定所述待测图像的移动值，其中，所述动静过渡斜率与感光度值相关；

根据所述移动值以及所述纹理权重值确定所述待测图像的运动信息。

7.根据权利要求1所述的图像降噪方法，其特征在于，所述降噪强度增益参数包括第一增益参数和第二增益参数；所述通过预设的降噪强度增益参数以及所述目标运动参数对所述待测图像进行时域滤波，得到目标图像，包括：

通过所述第一增益参数对所述目标运动参数进行计算，得到亮度滤波权重；

通过所述第二增益参数对所述目标运动参数进行计算，得到色度滤波权重；

根据所述亮度滤波权重、所述混合滤波值以及所述样本滤波值对所述待测图像进行时域滤波，得到第三滤波结果；

根据所述色度滤波权重以及所述目标运动参数对所述待测图像进行时域滤波，得到第四滤波结果；

根据所述第三滤波结果以及所述第四滤波结果对所述待测图像进行降噪，得到目标图像。

8.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的图像降噪方法。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至7中任意一项所述的图像降噪方法。