CN101094313B - 一种图像噪声抑制装置和方法 - Google Patents

Abstract

本发明公开了一种图像噪声抑制装置，其包括噪声滤波器、水平高通滤波器、垂直高通滤波器、权重计算单元及滤波系数计算单元。水平高通滤波器对输入图像进行水平高通滤波以得到水平边缘图像edge_x。垂直高通滤波器对输入图像进行垂直高通滤波以得到垂直边缘图像edge_y。权重计算单元根据垂直边缘图像edge_y、水平边缘图像edge_x进行权重计算得到权重因子图像w。滤波系数计算单元根据权重因子图像w设定滤波器系数。所述噪声滤波器根据设定的滤波器系数对输入图像进行滤波。这样，其可以在抑制图像噪声的同时也能保证图像细节部分的清晰程度。

Description

一种图像噪声抑制装置和方法 

技术领域

本发明涉及图像处理领域，尤其涉及图像噪声抑制技术。 

技术背景 

现在摄像头、摄像机、照相机等数字图像摄取设备正在逐渐的进入了千家万户，越来越深的影响着我们的生活。在这些数字图像摄取设备中需要对图像进行各种各样的处理，比如图像传感器在获取了图像信号之后需要经过模数转换以获得数字图像数据，再比如可能需要将RGB格式图像转换为YUV格式图像，再比如可能需要对图像的大小进行缩放，等等。几乎每次对图像数据的处理都会引入一些随机噪声，降低图像的信噪比。 

现有技术中的图像噪声抑制的方法可请参看图1所示，将一帧图像输入一滤波器从而得到输出图像，其可以用如下公式表示： 

其中，in表示输入的图像，h表示滤波器，out表示输出的图像， 

氛示滤波操作。具体请参看图2A、2B、2C，图2A示出了输入图像的像素阵列示意图，其具有m行n列个像素，通常被表示为n*m的图像，其中，P(i，j)表示输入图像的第i行第j列像素的像素值，图2B示出了滤波器的一个实施例的示意图，其中该滤波器为3*3的滤波器，h11、h12、h13、h21、h22、h23、h31、h32、h33为滤波器系数，这些滤波器系数的和为1，通常它们都被设定为1/9，图2C示出了输出图像的像素阵列示意图，其与输入图像一样都是n*m的图像，其中P’(i，j)表示输出图像的第i行第j列像素的像素值，那么： 

P’(i，j)=h11*P(i-1，j-1)+h12*P(i-1，j)+h13*P(i-1，j+1)+ 

H21*P(i，j-1)+h22*P(i，j)+h2*P(i，j+1)+ 

H31*P(i+1，j-1)+h32*P(i+1，j)+h23*P(i+1，j+1)    公式(1) 

在依次求出输出图像的每一个像素点的像素值后，就可以得到完整的滤波后的图像。 

然而对图像进行的此种滤波，虽然能去处噪声，但同时也会使图像中的内容边缘产生模糊，使得图像细节不清楚，整体感觉图像模糊不清。 

发明内容

有鉴于此，本发明提供了一种图像噪声抑制方法，其可以在抑制图像噪声的同时也能保证图像细节部分的清晰程度。 

本发明提供了一种图像噪声抑制装置，其可以在抑制图像噪声的同时也能保证图像细节部分的清晰程度。 

为了达到上述目的，根据本发明的一方面，本发明提供的图像噪声抑制方法，其包括：提取输入图像的水平边缘图像edge_x和垂直边缘图像edge_y；根据水平边缘图像edge_x和垂直边缘图像edge_y求取权重因子图像w，权重因子图像w代表了图像中每个像素点的权重；根据权重因子图像w设定滤波器系数h11、h12、h13、h21、h22、h23、h31、h32、h33；和利用设定的滤波器系数对输入图像进行噪声滤波以得到输出图像。 

进一步的，根据水平边缘图像edge_x和垂直边缘图像edge_y求取权重因子图像W的步骤根据以下公式进行： 

w＝sqrt(1+edge_x²+edge_y²)或者 

w＝sqrt(1+k1*edge_x²+k2*edge_y²)或者 

w＝(1+edge_x²+edge_y²)或者 

w＝(1+k1*edge_x²+k2*edge_y²) 

其中，k1，k2为控制保留细节强弱的因子。 

进一步的，设定滤波器系数h11、h12、h13、h21、h22、h23、h31、h32、h33具体根据以下公式设定：假设输入图像中当前需要滤波的像素点的坐标为(i，j)， 

$h11=\frac{1}{8*w(i-1,j-1)}$

$h12=\frac{1}{8*w(i-1,j)}$

$h13=\frac{1}{8*w(i-1,j+1)}$

$h21=\frac{1}{8*w(i,j-1)}$

$h23=\frac{1}{8*w(i,j+1)}$

$h31=\frac{1}{8*w(i+1,j-1)}$

$h32=\frac{1}{8*w(i+1,j)}$

$h33=\frac{1}{8*w(i+1,j+1)}$

h22＝1-(h11+h12+h13+h21+h23+h31+h32+h33)。 

进一步的，将输出图像作为输入图像再次进行图像噪声抑制处理。 

根据本发明的另一方面，本发明提供的图像噪声抑制装置，其包括噪声滤波器、水平高通滤波器、垂直高通滤波器、权重计算单元及滤波系数计算单元。水平高通滤波器对输入图像进行水平高通滤波以得到水平边缘图像edge_x。垂直高通滤波器对输入图像进行垂直高通滤波以得到垂直边缘图像edge_y。权重计算单元根据垂直边缘图像edge_y、水平边缘图像edge_x进行权重计算得到权重因子图像w。滤波系数计算单元根据权重因子图像w设定滤波器系数。所述噪声滤波器根据设定的滤波器系数对输入图像进行滤波。 

本发明中提出的图像噪声抑制方法和装置与现有技术相比，滤波器的系数不再是固定不变的，而是为每个像素点自适应的计算最合适滤波系数。并且，该滤波器以边为权重，在边丰富的地方，滤波器系数小，平滑的程度就轻，可以保留细节；而在没有边的地方，滤波器系数大，平滑的程度强，在有效去除噪声的同时保证图像细节部分的清晰程度。 

附图说明

图1是现有技术的图像噪声抑制结构图； 

图2A是输入图像的像素阵列示意图； 

图2B是滤波器的结构示意图； 

图2C是输出图像的像素阵列示意图； 

图3是本发明图像噪声抑制方法的一个实施例的流程示意图； 

图4是本发明图像噪声抑制装置的一个实施例的功能结构示意图。 

具体实施方式

下面结合说明书附图来说明本发明的具体实施方式。 

经过对现有技术中滤波方法的分析可以发现，在整个滤波过程中滤波器的系数都是固定不变的，也就是说，在滤波过程中对图像中的每一个像素采用完全一样的方式进行滤波，这也是使图像细节部分产生模糊的症结所在。因此总体来讲，在本发明中，针对图像内不同的像素点自适应的采用不同的滤波系数对其进行滤波，这样可以更有针对性地对图像的每个象素点进行滤波，从而在保证抑制噪声的同时保证图像细节部分的清晰度。 

根据本发明的一方面，本发明提供了一种图像噪声抑制方法，其可以在抑制图像噪声的同时也能保证图像细节部分的清晰程度。 

请参考图3所示，其示出了本发明图像噪声抑制方法的一个实施例的流程示意图，所述图像噪声抑制方法包括如下步骤。 

步骤100、提取图像的水平边缘图像edge_x和垂直边缘图像edge_y。 

所述水平边缘和垂直边缘是指图像中像素值水平变化或垂直变化比较剧烈的部分，也就是指图像中内容的细节部分，比如说图像中有一朵花，那么花的边缘轮廓就是指图像的边缘。在一个具体的实施例中，图像中的高频部分代表了图像的细节，也就是图像内容的边缘，因此可以分别通过水平高通滤波器和垂直高通滤波器来提取图像的水平边缘图像edg_x和垂直边缘图像edge_y。 

所述水平高通滤波器和垂直高通滤波器可以是3*3的滤波器，也都有9个滤波器系数，这9个滤波器系数之和为零。当然，在其他的实施例中，也可以采用比如4*4或5*5的滤波器，那滤波器的系数就可以变为16或25，滤波器的选择根据需要而定。将一帧图像输入水平高通滤波器，根据公式(1)中的类似方式，依次得到水平高通滤波后每个像素点的值从而得到水平边缘图像edge_x，一般不是水平边缘像素点的值为0，就是水平边缘像素点的值不为0。同样，将该帧图像输入垂直高通滤波器，根据公式(1)中的类似方式，依次得到垂直高通滤波后每个像素点的值从而得到垂直边缘图像edge_y，一般不是垂直边缘像素点的值为0，就是垂直边缘像素点的值不为0。 

步骤200、根据水平边缘图像edge_x和垂直边缘图像edge_y求取权重因子图像w。 

可以根据以下公式计算权重因子图像w： 

w＝sqrt(1+edge_x²+edge_y²)                        公式(2) 

所述权重因子图像w代表了图像中每个像素点的权重，而公式(2)意味着水平边缘或垂直边缘越丰富的区域的像素点的权重越高，水平边缘或垂直边缘越少的区域的像素点的权重越低。 

基于上述原理，在其他实施例中，计算权重因子图像w还可以采用如下公式： 

w＝sqrt(1+k1*edge_x²+k2*edge_y²)或者 

w＝(1+edge_x²+edge_y²)或者 

w＝(1+k1*edge_x²+k2*edge_y²) 

其中，k1，k2为控制保留细节强弱的因子，它们的值可以根据经验设定。 

步骤300、根据权重因子图像w设定滤波器系数。 

如果依然采用2B中的3*3滤波器，假设当前的像素点坐标为(i，j) 

$h11=\frac{1}{8*w(i-1,j-1)}$

$h12=\frac{1}{8*w(i-1,j)}$

$h13=\frac{1}{8*w(i-1,j+1)}$

$h21=\frac{1}{8*w(i,j-1)}$

$h23=\frac{1}{8*w(i,j+1)}$

$h31=\frac{1}{8*w(i+1,j-1)}$

$h32=\frac{1}{8*w(i+1,j)}$

$h33=\frac{1}{8*w(i+1,j+1)}$

h22＝1-(h11+h12+h13+h21+h23+h31+h32+h33) 

这样，权重越高的像素点其对应的滤波系数越低，平滑的程度就轻，可以保留细节，权重越低的像素点其对应的滤波系数越高，平滑的程度就中，可以滤去噪声。 

当然在其他实施例中，还可以采用4*4、5*5或其他形式的滤波器，这可以根据用户的需要而定。 

步骤400、利用设定的滤波器系数对输入图像进行滤波得到输出图像。 

图2C示出了输出图像的像素阵列示意图，其与输入图像一样都是n*m的图像，其中P’(i，j)表示输出图像的第i行第j列像素的像素值，那么： 

P’(i，j)＝h11*P(i-1，j-1)+h12*P(i-1，j)+h13*P(i-1，j+1)+ 

H21*P(i，j-1)+h22*P(i，j)+h23*P(i，j+1)+ 

H31*P(i+1，j-1)+h32*P(i+1，j)+h23*P(i+1，j+1)            公式(1) 

在依次求出输出图像的每一个像素点的像素值后，就可以得到完整的滤波后的图像。 

从以上可以看出，滤波器的系数不再是固定不变的，而是为每个像素点自适应的计算最合适滤波系数。并且，该滤波器以边为权重，在边丰富 的地方，滤波器系数小，平滑的程度就轻，可以保留细节；而在没有边的地方，滤波器系数大，平滑的程度强，在有效去除噪声的同时保证图像细节部分的清晰程度。 

另外，由于在消除噪声的过程中有效的保护了边缘细节信息，利用本发明提出的图像噪声抑制方法可以对一幅图像进行多次噪声消除处理，以得到更好的图像噪声抑制效果，同时又能保持图像的清晰度。而如果利用现有技术中的图像噪声抑制方法对一幅图像进行多次噪声消除处理，那么图像会变得越来越模糊。 

根据本发明的一方面，本发明提供了一种图像噪声抑制装置，其可以在抑制图像噪声的同时也能保证图像细节部分的清晰程度。 

请参考图4所示，其示出了本发明图像噪声抑制装置的一个实施例的功能结构示意图。所述图像噪声抑制装置包括噪声滤波器10、水平高通滤波器20、垂直高通滤波器30、权重计算单元40及滤波系数计算单元50。 

其中水平高通滤波器20对输入图像进行水平高通滤波以得到水平边缘图像edge_x；垂直高通滤波器30对输入图像进行垂直高通滤波以得到垂直边缘图像edge_y；权重计算单元40根据垂直边缘图像edge_y、水平边缘图像edge_x进行权重计算得到权重因子图像w；滤波系数计算单元50根据权重因子图像w设定滤波器系数；所述噪声滤波器10根据设定的滤波器系数对输入图像进行滤波。 

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换等，均应包含在本发明的保护范围之内。 

Claims (6)

1.一种图像噪声抑制方法，其特征在于，其包括：

提取输入图像的水平边缘图像edge_x和垂直边缘图像edge_y；

根据水平边缘图像edge_x和垂直边缘图像edge_y求取权重因子图像w，权重因子图像w代表了图像中每个像素点的权重，求取权重因子图像W的步骤根据以下公式进行：

w＝sqrt(1+edge_x²+edge_y²)或者

w＝sqrt(1+k1*edge_x²+k2*edge_y²)或者

w＝(1+edge_x²+edge_y²)或者

w＝(1+k1*edge_x²+k2*edge_y²)

其中，k1，k2为控制保留细节强弱的因子；

根据权重因子图像w设定滤波器系数h11、h12、h13、h21、h22、h23、h31、h32、h33，假设输入图像中当前需要滤波的像素点的坐标为(i，j)，

$h11=\frac{1}{8*w(i-1,j-1)}$

$h12=\frac{1}{8*w(i-1,j)}$

$h13=\frac{1}{8*w(i-1,j+1)}$

$h21=\frac{1}{8*w(i,j-1)}$

$h23=\frac{1}{8*w(i,j+1)}$

$h31=\frac{1}{8*w(i+1,j-1)}$

$h32=\frac{1}{8*w(i+1,j)}$

$h33=\frac{1}{8*w(i+1,j+1)}$

h22＝1-(h11+h12+h13+h21+h23+h31+h32+h33)；

利用设定的滤波器系数对输入图像进行噪声滤波以得到输出图像。

2.如权利要求1所述的图像噪声抑制方法，其特征在于，提取输入图像的水平边缘图像edge_x和垂直边缘图像edge_y的步骤具体为：

对输入图像进行水平高通滤波得到水平边缘图像edge_x；

对输入图像进行垂直高通滤波得到垂直边缘图像edge_y。

3.如权利要求1所述的图像噪声抑制方法，其特征在于，利用设定的滤波器系数对输入图像进行滤波得到输出图像的步骤具体为：

P’(i，j)＝h11*P(i-1，j-1)+h12*P(i-1，j)+h13*P(i-1，j+1)+

           h21*P(i，j-1)+h22*P(i，j)+h23*P(i，j+1)+

           h31*P(i+1，j-1)+h32*P(i+1，j)+h23*P(i+1，j+1)，

其中P(i，j)表示输入图像的第i行第j列像素的像素值，P’(i，j)表示输出图像的第i行第j列像素的像素值，输入图像及输入图像均为n*m的图像。

4.如权利要求1所述的图像噪声抑制方法，其特征在于，将输出图像作为输入图像再次进行图像噪声抑制处理。

5.一种图像噪声抑制装置，其特征在于，其包括噪声滤波器、水平高通滤波器、垂直高通滤波器、权重计算单元及滤波系数计算单元，

水平高通滤波器对输入图像进行水平高通滤波以得到水平边缘图像edge_x；

垂直高通滤波器对输入图像进行垂直高通滤波以得到垂直边缘图像edge_y；

权重计算单元根据垂直边缘图像edge_y、水平边缘图像edge_x进行权重计算得到权重因子图像w，权重因子图像w代表了图像中每个像素点的权重，求取权重因子图像W的步骤根据以下公式进行：

w＝sqrt(1+edge_x²+edge_y²)或者

w＝sqrt(1+k1*edge_x²+k2*edge_y²)或者

w＝(1+edge_x²+edge_y²)或者

w＝(1+k1*edge_x²+k2*edge_y²)

其中，k1，k2为控制保留细节强弱的因子；

滤波系数计算单元根据权重因子图像w设定滤波器系数h11、h12、h13、h21、h22、h23、h31、h32、h33，假设输入图像中当前需要滤波的像素点的坐标为(i，j)，

$h11=\frac{1}{8*w(i-1,j-1)}$

$h12=\frac{1}{8*w(i-1,j)}$

$h13=\frac{1}{8*w(i-1,j+1)}$

$h21=\frac{1}{8*w(i,j-1)}$

$h23=\frac{1}{8*w(i,j+1)}$

$h31=\frac{1}{8*w(i+1,j-1)}$

$h32=\frac{1}{8*w(i+1,j)}$

$h33=\frac{1}{8*w(i+1,j+1)}$

h22＝1-(h11+h12+h13+h21+h23+h31+h32+h33)；

所述噪声滤波器根据设定的滤波器系数对输入图像进行滤波。

6.如权利要求5所述的图像噪声抑制装置，其特征在于，根据设定的滤波器系数对输入图像进行滤波具体为：

P’(i，j)＝h11*P(i-1，j-1)+h12*P(i-1，j)+h13*P(i-1，j+1)+

h21*P(i，j-1)+h22*P(i，j)+h23*P(i，j+1)+

h31*P(i+1，j-1)+h32*P(i+1，j)+h23*P(i+1，j+1)，

其中P(i，j)表示输入图像的第i行第j列像素的像素值，P’(i，j)表示输出图像的第i行第j列像素的像素值，输入图像及输入图像均为n*m的图像。

Images