CN101795352A - 动态噪声滤波装置及西格玛滤波方法 - Google Patents

Abstract

本发明提供一种动态噪声滤波装置及西格玛滤波方法，其中，该动态噪声滤波装置，包含一噪声估计电路、一TNR滤波器、一SNR滤波器、一混合电路及一移动估计电路。本发明通过对每一图像进行噪声估计，来动态调整SNR滤波器及TNR滤波器的强度，以及动态调整SNR滤波器的输出及TNR滤波器的输出的混合比例，来达到最佳的图像品质。

Description

动态噪声滤波装置及西格玛滤波方法

技术领域

本发明有关噪声滤波，尤有关于一种具有动态调整功能的噪声滤波装置(noise filter)及西格玛滤波方法。

背景技术

图1A是已知时间域噪声抑制(temporal noise reduction，TNR)滤波器的特性曲线。图1B显示时间轴上连续图场(field)间的关系图。

将有可能相关(correlated)的像素群平均化是实现图像噪声抑制(noisereduction)的常见方式，参考图1A及图1B，例如TNR滤波器就是在时间轴上依序排列的交错式(interlaced)图场中，比较单一像素(假设是目前图场(以下简称cur图场)坐标(i，j)的像素pixel(cur，i，j))的亮度(luminance)值及其前二张图场(以下简称pre2图场)中相同坐标像素pixel(pre2，i，j)的亮度值，若该像素的亮度差的绝对值(diff＝abs(pixel(cur，i，j)-pixel(pre2，i，j)))小于th1，则该像素会被视为静止，而推测其diff是来自于噪声(假设噪声是低振幅)。反之，若diff大于th2，该像素会被判断为移动(motion)中的像素。像素pixel(cur，i，j)经过TNR滤波器之后产生的输出值如下：

pixel(cur，i，j)＝pixel(cur，i，j)×alpha+pixel(pre2，i，j)×(1-alpha)...(1)

请注意，在本说明书中，i定义为一图像(例如一图场或一图框(frame))的行(row)的索引(index)，j定义为列(column)的索引。

虽然TNR滤波器对静态图像的噪声抑制效果明显，但对于动态图像会产生如下的缺点。图2A显示当图像中的物体移动量较小时，一物体边缘在cur图场及pre2图场的相对位置关系图。图2B显示图2A的cur图场及pre2图场间的亮度差绝对值。图2C显示图2B在套用图1A的特性曲线后的像素输出值。从图2A～图2C可以观察到，当图像中的物体移动量较小时，套用图1A的特性曲线，会使得移动物体产生边缘模糊(trailing effect)的现象。

图3A显示当图像中的物体移动量较大时，该物体边缘在pre2及cur二个图场的相对位置关系图。图3B显示图3A的cur图场及pre2图场间的亮度差绝对值。图3C显示图3B在套用图1A的特性曲线后的像素输出值。从第3A～3C图可以观察到，当图像中的物体移动量较大时，套用图1A的特性曲线，会使得移动物体的边缘有涟漪效应(ringing effect)产生。

图4A显示在pre2图场中的一移动物体，该pre2图场已经过TNR滤波器处理，故背景噪声已被滤除。图4B显示在cur图场中和图4A中相同的移动物体，该cur图场尚未经过传统TNR滤波器的处理。其中虚线表示该物体在pre2图场中的位置，而实线表示该物体在cur图场中的位置，由于该cur图场尚未经过TNR滤波器处理，故该物体的背景还留有噪声。图4C显示经过传统TNR滤波器处理后的cur图场。从图4C可以观察到，有噪声的背景会使得移动中的物体产生阴影(shadow)或拖曳效果。

传统噪声滤波装置通常为TNR滤波器及空间域噪声抑制(spatial noisereduction，SNR)滤波器的组合，一般而言，传统TNR滤波器及SNR滤波器的参数一经设定就不再改变。然而，在实际应用时，由于图像内容组成相当复杂，例如每一张图场会具有不同的噪声位准、不同的物体移动量、或者物体和背景间会有各种不同的亮度差值，无论采用TNR滤波器或SNR滤波器，恐难由预设的单一特性曲线或仅设定一组参数来涵盖或套用至所有图像内容，而对图像品质造成一定程度的影响。

另一方面，已知西格玛(sigma)滤波器是将落在一特定范围的亮度差值或色度差值的像素点取平均，而排除超过该特定范围的亮度差值或色度差值的像素点。如图5A的例子，假设ppdiff(定义请参考关系式(8))为一区块内的亮度差最大绝对值且factor为一预设值，R＝ppdiff×factor为系统设定的亮度差范围，已知西格玛滤波器以目标像素pixel(cur，i，j)的亮度值ya为基准，亮度值落在(ya-R)～(ya+R)范围内的像素才会列入平均，例如像素pixel(cur，i，j+2)、pixel(cur，i，j+3)的亮度值过大，就不列入平均。图5B是根据已知西格玛滤波器，显示实际亮度差值R_diff(y，x)与修正亮度差值m_diff(y，x)的关系图。从图5B可以观察到当目标像素(坐标(i，j))与邻近像素(坐标(y，x)，y≠i，x≠j))的实际亮度差值R_diff(y，x)＝(pixel(cur，y，x)-pixel(cur，i，j))大于R或小于-R时，修正亮度差值m_diff(y，x)会等于0(即斜率slope2＝∞)，换言之，已知西格玛滤波器进行滤波时会将像素pixel(cur，y，x)排除，不列入平均。

以一个1x5(m＝1(行数)，n＝5(列数))区块为例，假设factor＝0.25，若该1x5区块的五个像素的亮度值依序为100，51，25，0，5(假设目标像素为亮度值为25的像素)，根据图5B的关系图，R＝(100-0)×0.25＝25，则西格玛滤波器的目标像素输出值out＝25+(0+0-25-20)/4＝14。假设上述1x5区块的五个像素带有少许噪声，使得亮度值变为104，50，25，0，5，根据图5B的关系图，R＝(104-0)×0.25＝26，则西格玛滤波器的目标像素输出值out’＝25+(0+25-25-20)/4＝20。从上述的例子可以看到，因为图5B中斜率slope2＝∞的关系，当区块像素值带有些许噪声时，就可能使得西格玛滤波器的目标像素输出产生六个灰阶的变化，导致图像输出品质不稳定。

发明内容

有鉴于上述问题，本发明目的之一为提供一种动态噪声滤波装置，通过对每一图像进行噪声估计，来动态调整SNR滤波器及TNR滤波器的强度，以及动态调整SNR滤波器的输出及TNR滤波器的输出的混合比例，以滤除噪声并得到最佳的图像品质。

依本发明一实施例，提供一种噪声滤波装置，用以滤除图像噪声，该装置包含：一噪声估计电路，接收一目前图像及其对应前一图像，进行噪声估计，产生一时间属性参数及一空间属性参数；一时间域噪声抑制(TNR)滤波电路，接收该目前图像及其对应前一图像，根据该噪声估计电路上一个图像周期产生的时间属性参数来调整本身的TNR滤波特性曲线，以产生至少一第一滤波扫描线及其对应的第一参数流；一移动估计电路，对一输入图像及其对应前一图像，进行蚊状区块的设定及移动量估计；一空间域噪声抑制(SNR)滤波电路，根据该噪声估计电路上一个图像周期产生的空间属性参数、该移动估计电路的背景输出、该至少一第一滤波扫描线及其对应的第一参数流，用以产生一第二滤波扫描线及其对应的第二参数流；以及，一混合电路，根据该第二参数流，依序混合该第二滤波扫描线及该至少一第一滤波扫描线的其一，以产生一输出扫描线。

依本发明另一实施例，提供一种动态噪声滤波装置，用以滤除图像噪声，该装置包含：一噪声估计电路，接收一目前图像及其对应前一图像，进行噪声估计，产生一时间属性参数；以及，一时间域噪声抑制滤波器，耦接该噪声估计电路，接收该目前图像及其对应前一图像，根据该噪声估计电路上一个图像周期产生的时间属性参数来调整本身的TNR滤波特性曲线，以产生一时间域滤波图像。

依本发明再一实施例，提供一种动态噪声滤波装置，用以滤除图像噪声，该装置包含：一噪声估计电路，接收一目前图像及其对应前一图像，进行噪声估计，产生一空间属性参数；一移动估计电路，对该目前图像及其对应前一图像，进行蚊状区块的设定及移动量估计；以及，一空间域噪声抑制滤波电路，接收该目前图像，根据该噪声估计电路上一个图像周期产生的空间属性参数、该移动估计电路的背景输出，以产生一空间域滤波图像。

依本发明一实施例，提供一种西格玛滤波方法，用以处理至少一图像，包含以下步骤：接收该图像的m×n大小的区块；根据该区块中的一目标像素，计算该区块中其余每一像素与该目标像素的实际像素差值R_diff；根据一预设差值范围与一预设负斜率slope3，将每一实际像素差值R_diff调整为一相对的修正像素差值m_diff；以及，根据各该修正像素差值m_diff、该目标像素值及该区块的像素数目，得到一滤波输出值。

综上所述，本发明能够依据每一个图像的噪声平均值与噪声变异值产生相对应的时间属性参数及空间属性参数，进而动态调整SNR滤波器及TNR滤波器的强度。

附图说明

图1A是已知TNR滤波器的特性曲线。

图1B显示时间轴上连续图场之间的关系图。

图2A显示当图像中的物体移动量较小时，一物体边缘在cur图场及pre2图场的相对位置关系图。

图2B显示图2A的cur图场及pre2图场间的亮度差绝对值。

图2C显示图2B在套用图1A的特性曲线后的像素输出值。

图3A显示当图像中的物体移动量较大时，该物体边缘在pre2及cur二个图场的相对位置关系图。

图3B显示图3A的cur图场及pre2图场间的亮度差绝对值。

图3C显示图3B在套用图1A的特性曲线后的像素输出值。

图4A显示在pre2图场中的一移动物体，该pre2图场已经过传统TNR滤波器的处理。

图4B显示在cur图场中和图4A中相同的移动物体，该cur图场尚未经过传统TNR滤波器的处理。

图4C显示经过传统TNR滤波器处理后的cur图场。

图5A显示多个像素的亮度值与位置关系图的一个例子。

图5B是根据已知西格玛滤波器，显示实际亮度差值与修正亮度差值的关系图。

图6A为本发明动态噪声滤波装置的一实施例的架构示意图。

图6B为本发明动态噪声滤波装置的另一实施例的架构示意图。

图7A显示原始图像及由Vs、Ve、Hs、He所框住的有效图像范围的关系图。

图7B显示噪声估计电路610将一目标像素(i，j)以本身为中心扩展为3x5区块的示意图。

图7C显示噪声直方图的一个例子。

图8是本发明TNR滤波特性曲线。

图9是本发明SNR滤波特性曲线。

图10A及图10B是显示强烈边缘区域及蚊状噪声关系的例子。

图10C是显示一个具强烈边缘的区块以十字形扩张为一蚊状区域。

图11是本发明SNR滤波器的另一实施例的架构图。

图12A是显示七个像素的亮度值、s_alpha与位置关系的一个例子。

图12B是根据本发明西格玛滤波器的一实施例，显示实际亮度差值与修正亮度差值的关系图。

图12C显示本发明一实施例的西格玛滤波方法的流程图。

图13显示以一目标像素(i，j)为中心的3x3区块的亮度值与位置关系图。

图14为本发明动态噪声滤波装置的另一实施例的架构示意图。

图15为本发明动态噪声滤波装置的再一实施例的架构示意图。

附图标号：

111决定电路

112十字滤波器

113西格玛滤波器

114中值滤波器

140、150、600、600’动态噪声滤波装置

610噪声估计电路

620TNR滤波器

621、622、623 1xN TNR滤波单元

630、630’SNR滤波器

631垂直SNR滤波单元

632水平SNR滤波单元

640混合电路

650移动估计电路

661、662延迟电路

702黑条区

具体实施方式

本发明的其他目的和优点可以从本发明所揭露的技术特征中得到进一步的了解。为让本发明的上述和其他目的、特征和优点能更明显易懂，下文特举实施例并配合所附图式，作详细说明如下。

本发明动态噪声滤波装置的可以利用硬件、软件、固件(firmware)的其中之一、或前三者的任意组合来实施，例如：纯硬件实施的例子为一现场可程序逻辑门阵列(field programmable gate array，FPGA)设计、或一特殊应用集成电路(application specific integrated circuit，ASIC)设计，而硬件与固件合并实施的例子为一数字信号处理器(digital signal processor，DSP)及其内建国件的组合。

图6A为本发明动态噪声滤波装置的一实施例的架构示意图。参考图6A，本发明动态噪声滤波装置600包含一噪声估计(noise estimation)电路610、一TNR滤波器620、一SNR滤波器630、一混合电路640及一移动(motion)估计电路650。本实施例中，噪声估计电路610是同时接收cur图场的三条扫描线C(i-1)、C(i)、C(i+1)及pre2图场的三条扫描线P(i-1)、P(i)、P(i+1)，进行噪声估计后，产生一组时间域参数TP及一组空间域参数SP。其中，时间域参数TP包含参数nr_th1及nr_alpha，而空间域参数SP包含参数hl_coring、hc_coring、vl_coring及vc_coring。另外，每一扫描线由多个像素所组成，每一像素值包含一亮度成份及/或一色度成份。

TNR滤波器620，耦接噪声估计电路610，亦同时接收cur图场的三条扫描线C(i-1)、C(i)、C(i+1)及pre2图场的三条扫描线P(i-1)、P(i)、P(i+1)，并根据噪声估计电路610前一个图场周期产生的时间域参数TP，混合cur图场及pre2图场中同一坐标的像素的亮度值及/或色度值，以产生三条时间域滤波扫描线T(i-1)、T(i)、T(i+1)及其对应的参数流t_alpha(i-1)、t_alpha(i)、t_alpha(i+1)。移动估计电路650同时接收cur图场的三条扫描线C(i-1)、C(i)、C(i+1)及pre2图场的三条扫描线P(i-1)、P(i)、P(i+1)，以进行蚊状区块(mosquito noise block)的蚊状旗标设定及蚊状区块的移动量估计，产生相对应蚊状旗标mnr_rgn及移动量MBW。SNR滤波器630，耦接噪声估计电路610及TNR滤波器620，接收上述三条时间域滤波扫描线T(i-1)、T(i)、T(i+1)及其相对应参数流t_alpha(i-1)、t_alpha(i)、t_alpha(i+1)，并根据移动估计电路650前二个图场周期产生的蚊状旗标mnr_rgn与移动量MBW及噪声估计电路610前一个图场周期产生的空间域参数SP，产生一空间域滤波扫描线S(i)及其对应的参数流s_alpha(i)。混合电路640，接收该空间域滤波扫描线S(i)、上述时间域滤波扫描线T(i)及参数流s_alpha(i)，根据参数s_alpha(i)混合扫描线S(i)、T(i)中相同坐标像素的亮度值及/或色度值，以产生一输出扫描线B(i)。以坐标为(i，j)的像素为例，混合电路640的输出像素值B(i，j)＝S(i，j)×s_alpha(i，j)+T(i，j)×(1-s_alpha(i，j))。

图6B为本发明动态噪声滤波装置的另一实施例的架构示意图。图6A与图6B的实施例中，所有元件的功能皆一致，差别仅在于移动估计电路650的输入信号部分，图6B的移动估计电路650是接收TNR滤波器620输出的三条扫描线T(i-1)、T(i)、T(i+1)及pre2图场的三条扫描线P(i-1)、P(i)、P(i+1)，以进行蚊状区块的蚊状旗标设定及蚊状区域的移动量估计，并产生相对应蚊状旗标mnr_rgn及移动量MBW。也因为图6B的移动估计电路650是接收TNR滤波器620输出的三条扫描线T(i-1)、T(i)、T(i+1)的关系，本发明在移动估计电路650的前级另设置三个延迟电路671～673，用以补偿TNR滤波器620的处理时间，使扫描线P(i-1)、P(i)、P(i+1)能和TNR滤波器620输出的三条扫描线T(i-1)、T(i)、T(i+1)同步进入移动估计电路650。以下说明书是以图6A的实施例为依据，详细介绍本发明。

请注意，当噪声估计电路610对cur、pre2图场进行噪声估计、产生出一组时间域参数TP及一组空间域参数SP时，其实TNR滤波器620已处理完cur、pre2图场，因此噪声估计电路610对cur、pre2图场所进行噪声估计的结果已无法回溯而应用于cur图场，如图1B所示。虽然如此，本发明认为连续的图场或图框(frame)之间的图像是具有高度的相依性，据此，噪声估计电路610对cur、pre2图场所进行噪声估计的结果即可应用至下一个图场nxt1，同时，本发明动态噪声滤波装置的电路中亦无须设置额外缓冲器来暂存cur图场的图像数据，可节省大量硬件成本。至于目前这个图场周期TNR滤波器620及SNR滤波器630所接收到的参数TP、SP是噪声估计电路610于前一个图场周期对pre1、pre3图场进行噪声估计的结果。同样地，本实施例中，移动估计电路650对cur、pre2图场所进行移动估计的结果，是应用至下二个图场nxt2，而目前SNR滤波器630接收到的蚊状旗标mnr_rgn及移动量MBW是移动估计电路650于前二个图场周期对pre2、pre4图场进行移动估计的结果。于另一实施例中，移动估计电路650对cur、pre2图场所进行移动估计的结果，也可应用至下一个图场nxt1，而目前SNR滤波器630接收到的蚊状旗标mnr_rgn及移动量MBW是移动估计电路650于前一个图场周期对pre1、pre3图场进行移动估计的结果。

基于以上原因及同步目的，图6A及图6B的实施例中设置二个延迟(delay)电路661及662，延迟电路661是用以将输入延迟一个或二个图场周期之后输出，而延迟电路662是用以将输入延迟一个图场周期之后输出。于一实施例中，图6A的动态噪声滤波装置600不须设置任何延迟电路，噪声估计电路610与移动估计电路650是将本次估计结果先暂存于系统的缓冲器(图未示)，噪声估计电路610于下一个图场nxt1输入时，再将参数TP、SP读出并传送到TNR滤波器620及SNR滤波器630；而移动估计电路650则于下二个图场nxt2输入时，将蚊状旗标mnr_rgn及移动量MBW读出并传送到SNR滤波器630。因此，图6A及图6B中的延迟电路661及6623并非必要元件，仅以虚线标示。另外，请注意，图6A及图6B的实施例是以应用于连续图场为例，当然，图6A及图6B的电路架构也可应用于连续图框，此时，差别在于延迟电路661、662皆用以将输入延迟一个图框周期之后输出。

根据一实施例，在进行噪声估计时，在图7A的Vs、Ve、Hs、He所框住的有效图像范围内，噪声估计电路610分别将每一目标像素(i，j)以本身为中心扩展为3x5区块(如图7B所示)。由于本发明是假设噪声是低振幅，噪声估计电路610在噪声估计过程中，先根据每一区块的亮度差绝对值总和来排除掉图场中移动中(motion)的区块(亮度变化太大)及落在黑条(black bar)区702的区块(亮度几乎没有变化)。对于非落在黑条区的偏静止区块，再根据区块内单一像素的亮度差最大绝对值，计算出一噪声直方图(histogram)。例如，依据本发明一实施例，可以利用如下程序码产生图7C的噪声直方图的步骤。图7C的噪声直方图是由多个箱型区(bin)所组成，每一箱型区的索引亦代表一亮度差最大绝对值(从0～15)，而纵轴表示每一箱型区的相对累计数目，至于亮度差最大绝对值大于15的区块是列入bin(15)的计数。

for i＝Vs:Ve

  for j＝Hs:He

  pixel_diff(i，j)＝abs(pixel(pre2，i，j)-pixel(cur，i，j))...(2)

  /*计算目标像素(i，j)在cur及pre2图场间的亮度差绝对值*/

  end

end

for i＝Vs:Ve

 for j＝Hs:He

$\mathrm{bk}\_\mathrm{diff}(i,j)=\underset{-2\≤n\≤2}{\underset{-1\≤m\≤1}{\mathrm{\Σ}}}\mathrm{pixel}\_\mathrm{diff}(i+m,j+n)$

  /*计算每一区块的亮度差绝对值总和*/

   if((bk_diff(i，j)＞＝reg_th1 && pixel(cur，i，j)

   ＞＝reg_th2 && bk_diff(i，j)＜＝reg_th3)

   /*是否属于非落在黑条区的偏静止区块*/

   max_diff＝0

    for x＝-2:2

      for y＝-1:1

        if(max_diff＜pixel_diff(i+y，j+x))

         max_diff＝pixel_diff(i+y，j+x)；

         /*寻找区块内的单一像素的亮度差最大绝对值*/

       end

     end

    if(max_diff＞15)max_diff＝15；

    end

    hist(max_diff)＝hist(max_diff)+1；

   /*每一箱型区累计数目*/

  end

 end

end

熟悉本技术领域的技术人员可以了解，若一张图场的整体噪声位准偏大的话，基本上连低位准噪声也会跟着放大，因此，要判断一张图场的整体噪声位准其实不需检视整张图场的图像数据，只需取样最低几个噪声位准就具有充分的代表性。于一实施例中，噪声估计电路610仅取样整体图场中噪声位准最低的2％像素，并利用如下程序码来计算噪声平均值(mean)u及噪声变异数(variance)v。

ne_total_th＝2％*(He-Hs)*(Ve-Vs)

    /*计算一图场中2％像素的总数*/

 count＝0；bincount＝0；sum＝0；

 sum2＝0；enough_sample＝0；

   for i＝0:15 begin

     count＝count+bin(i)

     if(count＞＝ne_total_th)/*箱型区累计数目大于或等于2％像素的总

数*/

      bincount＝ne_total_th+bin(i)-count；

       count＝ne_total_th；

       enough_sample＝1；/*表示样本数足够*/

  end

    else

      bincount＝bin(i)

    end

    sum＝i*bincount+sum；

    sum2＝i^2*bincount+sum2；

    if(enough_sample)break；/*表示样本数已达2％*/

end

u＝sum/count；/*计算噪声平均数*/

v＝sum2/count；/*计算噪声变异数*/

就图7C中的例子而言，本发明噪声估计电路610首先要确认从bin(0)累计到bin(15)的样本总数是否超过2％像素的总数(ne_total_th)，图中的虚线是显示从bin(0)累计到bin(4)的样本总数即达到2％像素的总数(ne_total_th)。当然，也有可能从bin(0)累计到bin(15)的的样本总数仍未超过ne_total_th(即样本数不足)，这样的状况通常发生在(1)场景大幅度改变(scene change)，或者(2)场景完全静止且画面非常干净。而倘若真的碰到上述二种场景，cur图场其实就不需做噪声抑制处理、也不需计算u、v值了。

在噪声估计电路610接收的一连串图场过程中，很可能会产生有些图场的样本数足够、有些图场的样本数不足的现象，此关系到目前计算出的u、v值的可靠度。于一实施例中，噪声估计电路61 0是根据过去1 6个图场中样本数足够的图场总数(stable_cnt)，并利用下列数学关系式来得到具有可靠度的噪声平均值u及噪声变异数值v：

u＝(u*stable_cnt+u_ref*(16-stable_cnt))/16；

v＝(v*stable_cnt+v_ref*(16-stable_cnt))/16；

在上述数学关系式中，u_ref、v_ref是假设图场的样本数不足的情况下，系统所设定的u、v初始值；当stable_cnt越接近16，表示过去16个图场中样本数足够的图场数越多且目前计算出的u、v值的可靠度越高。

本发明是利用噪声估计电路610根据每一图场内含的噪声所计算出来的u、v值，来动态调整TNR滤波器620及SNR滤波器630的强度。平均来说，具有较高噪声平均值u及噪声变异数值v的图场，表示有较强的噪声，相对地，TNR滤波器620或/及SNR滤波器630就必需有较强的滤噪声能力。

本发明一实施例中，是利用如下的无限脉冲响应(IIR，infinite impulseresponse)形式的数学关系式，来平均化空间域参数lpu_snr、lpv_snr(其中，ne_alpha为一个小于16的预设值)：

lpu_snr＝(u*ne_alpha+lpu_snr*(16-ne_alpha))/16；(3)

lpv_snr＝(v*ne_alpha+lpv_snr*(16-ne_alpha))/16；(4)

在背景技术的应用中，常发现若对静止物体图像采用SNR滤波器，则静止物体边缘容易产生模糊边缘。有鉴于此，本发明在实现噪声抑制时，对静止物体图像主要采用TNR滤波器，而对移动中物体图像则适度采用SNR滤波器，以得到较佳图像品质。因此，噪声估计电路610通过统计在cur及pre2图场间，亮度差绝对值pixel_diff(i，j)(请参考关系式(2)的定义)大于一临界值ne_th1的像素总数diff_cnt，以判断整体cur图场是偏静态或偏动态。一实施例中，若像素总数diff_cnt小于临界值ne_th2，表示整体cur图场是偏超静态；而若像素总数diff_cnt大于临界值ne_th2但小于临界值ne_th3(ne_th3＞ne_th2)，表示整体cur图场是偏静态，否则整体cur图场是偏动态。当噪声估计电路610判断出cur图场是偏静态、偏超静态、或偏动态时，再利用参数extra_u、extra_v来调整u、v值大小，如下关系式(5)所示。趋势上，图场越是偏静态，设定的extra_u、extra_v值越大。一实施例中，本发明是利用如下的IIR形式的数学关系式(6)(7)，来平均化时间域参数lpu、lpv：

u＝u+extra_u；v_f＝v_f+extra_v；......(5)

lpu＝(u*ne_alpha+lpu*(16-ne_alpha))/16；...(6)

lpv＝(v*ne_alpha+lpv*(16-ne_alpha))/16；...(7)

须注意的是，关系式(5)中u、v值的调整不会回溯影响到上述关系式(3)(4)的空间域参数lpu_snr、lpv_snr，只会影响到后面的时间域参数lpu、lpv。因此，通过关系式(5)，cur图场越偏向静态，u、v值会被调得越大，使得TNR滤波器620的滤噪声能力越强，这是因为cur图场越偏向静态时，越允许放大TNR滤波器620的滤噪声能力，但不能影响到SNR滤波器630(或空间域参数lpu_snr、lpv_snr)。

图8是本发明TNR滤波特性曲线。噪声估计电路610利用上述时间域参数lpu、lpv来产生图8的TNR滤波特性曲线的时间属性参数TP(nr_alpha及nr_th1)。一实施例中，噪声估计电路610根据时间域参数lpu、lpv，并利用下列程序码来分别得到时间属性参数nr_alpha及nr_th1：

nr_alpha＝nr_alpha-(lpv-v_ref)*alpha_fact；

nr_th1＝nr_th1+(lpu-u_ref)*th1_fact；

/*v_ref、u_ref、alpha_fact及th1_fact均为预设值*/

从上述程序码可以观察到，当噪声变异程度越大(lpv值越大)，nr_alpha值就会越小；当噪声平均值越大(lpu值越大)，nr_th1值会越大，TNR滤波器620的滤噪声能力越强。在实际应用时，本发明会分别给予nr_alpha及nr_th1一个动态调整范围，例如图8中的虚线所示，nr_alpha值会在nr_alpha_max及nr_alpha_min范围内变动，而nr_th1值会在nr_th1_max及nr_th1_min范围内变动。之后，噪声估计电路610于下一个图场周期开始时，将上述时间属性参数TP(nr_alpha及nr_th1)传送给TNR滤波器620，以供TNR滤波器620据以动态调整本身的TNR滤波特性曲线(如图8所示)。

根据本发明，图8中斜线的斜率是固定的，且nr_th1及nr_th2之间的距离也是固定的，因此，TNR滤波器620一旦接收到最新的时间属性参数nr_alpha及nr_th1后，nr_th2会随着nr_th1左右调整。就图6A的实施例而言，TNR滤波器620是包含三个1xN TNR滤波单元621～623，每一TNR滤波单元均适用上述动态调整过的TNR滤波特性曲线。图8中横轴的定义是以一目标像素(i，j)为中心扩展成m×n的区块后，得到该区块内每一像素在cur及pre2图场间的低通亮度差总和：

$\mathrm{abslpdiff}(i,j)=\underset{-n/2\≤x\≤n/2}{\underset{-m/2\≤y\≤m/2}{\mathrm{\Σ}}}(\mathrm{pixel}(\mathrm{cur},i+y,j+x)-\mathrm{pixel}(\mathrm{pre}2,i+y,j+x))*w(y,x)$

大小的低通滤波器，其中m×n的区块大小未必要跟图7B中的区块一样大，m大小主要是取决于每一TNR滤波单元接受的扫描线的数目，就TNR滤波单元621～623的实施例而言，m等于1。

将图8和图1A的TNR滤波特性曲线作比较，相较于传统TNR滤波特性曲线的横轴是以单一像素的亮度差为参考值，本发明TNR特性曲线的横轴是利用区块的低通亮度差总和(abslpdiff(i，j))作为参考值，更容易分辨亮度差的原因是来自于移动或噪声，而当分辨出亮度差的原因是来自于移动时，本发明即适度增加SNR滤波器630的滤噪声强度。例如，当1xN TNR滤波单元622将一目标像素(i，j)为中心扩展成m×n的区块后计算出的abslpdiff(i，j)值，再根据图8得到一相对应alpha(i，j)值，而从alpha(i，j)值大小即可判断出目标像素(i，j)移动的程度，例如：当alpha(i，j)值越大，移动量就会越大。接着，1xN TNR滤波单元(621～623)即根据得到的alpha(i，j)值利用关系式(1)，混合cur及pre2图场中目标像素(i，j)的像素值(即混合C(i，j)及P(i，j))，产生一输出像素值T(i，j)(包含亮度值Y及色度值C)，同时将像素值T(i，j)相对应alpha(i，j)值减去nr_alpha值之后作为t_alpha(i，j)值(t_alpha(i，j)＝alpha(i，j)-nr_alpha)传送给SNR滤波器630，供SNR滤波器630调整的本身的滤噪声强度。根据本发明，当t_alpha(i，j)值越大时，相对的SNR滤波器630的滤噪声强度越强。

图9是本发明SNR滤波特性曲线。根据图6A的实施例，本发明SNR滤波器630是利用一十字滤波器来实施，该十字滤波器包含一垂直SNR滤波单元631与一水平SNR滤波单元632。图9的SNR滤波特性曲线适用于垂直SNR滤波单元631与水平SNR滤波单元632。图9的纵轴表示增益(gain)，横轴表示cur图场中以一目标像素(i，j)为中心扩展成m×n的区块，以bk(cur，i，j，m，n)表式(本SNR区块不需与TNR区块一样大)内最大值与最小值的差ppdiff。一实施，以程序码表示如下：

maxvalue＝max(bk(cur，i，j，m，n))；

/*cur图场中m×n区块内的最大值*/

minvalue＝min(bk(cur，i，j，m，n))；

/*cur图场中m×n区块内的最小值*/

ppdiff＝maxvalue-minvalue；........(8)

aug＝hpf(bk(cur，i，j，m，n))；/*区块的平均高频量化数值*/

pixel_out(i，j)＝pixel_in(i，j)-aug*(64-g)/32/64；..........(9)

/*输入像素pixel_in(i，j)通过SNR滤波单元后的输出值pixel_out(i，j)*/

请注意，不同于第8图TNR滤波特性曲线的调整方式，本发明垂直SNR滤波单元631与水平SNR滤波单元632根据噪声估计电路610及移动估计电路650产生的参数，只会调整SNR滤波特性曲线的coring值，而不会改变增益初始值(smooth)及斜线的斜率。

一实施例中，噪声估计电路610根据上述关系式(3)、(4)产生空间域参数lpu_snr及lpv_snr后，更根据以下四个关系式来产生空间属性参数SP(包含vl_coring、vc_coring、hl_coring、hc_coring)以传送至SNR滤波器630：

vl_coring(i，j)＝lpu_snr*vl_th1+lpv_snr*vl_th2；

/*用于调整垂直SNR滤波亮度特性曲线的coring值*/

vc_coring(i，j)＝lpu_snr*vc_th1+lpv_snr*vc_th2；

/*用以调整垂直SNR滤波色度特性曲线的coring值*/

hl_coring(i，j)＝lpu_snr*hl_th1+lpv_snr*hl_th2；

/*用于调整水平SNR滤波亮度特性曲线的coring值*/

hc_coring(i，j)＝lpu_snr*hc_th1+lpv__snr*hc_th2；

/*用于调整水平SNR滤波色度特性曲线的coring值*/

须注意的是，本发明并未限定SNR滤波器630中垂直SNR滤波单元631与水平SNR滤波单元632设置的前后级次序，电路设计者可视应用需要来调整顺序。于SNR滤波器630的另一实施例中，是设置三个水平SNR滤波单元632于垂直SNR滤波单元631的前级(图未示)。

另一方面，在一般图像的强烈边缘(strong edge)区域附近常见到蚊状噪声(mosquito noise)(如图10A及图10B所示)，这是图像压缩的二维图像离散余弦转换(discrete cosine transform)过程中造成的问题。当碰到图像中有强烈边缘区域时，本发明可通过调整SNR滤波器630的强度来改善甚至解决蚊状噪声的问题。蚊状噪声大致分为静态蚊状噪声及动态蚊状噪声，一般而言，静态蚊状噪声比较容易被人眼发现，因此有迫切改善的需要，至于动态蚊状噪声则视应用来选择是否要滤除。

移动估计电路650首先以4x4(或8x8、或4x8)为一区块单位，检测cur图场及pre2图场间是否在一相同位置的区块内具有强烈边缘区域，例如：当一目标像素(i，j)所属的4x4区块内的亮度差异最大值大于一临界值mnr_th时，表示该4x4区块内具有强烈边缘区域。若检测到具有强烈边缘的区块，即以该4x4蚊状区块为中心扩充为十字型蚊状区域，如图10C所示。在另一实施例中，是以该4x4蚊状区块为中心扩充为12x12正方形蚊状区域(图未示)。只要是属于该蚊状区域的像素，移动估计电路650会将所述多个像素的蚊状旗标设为1(即mnr_rgn(y，x)＝1)，且分别对此蚊状旗标设为1的十字型蚊状区域，以4x4蚊状区块为单位，进行cur、pre2图场间的移动量估计，以产生各蚊状区块的相对移动量MBW。如上所述，移动估计电路650对cur、pre2图场所进行的蚊状旗标设定及移动估计的结果，是应用至下二个图场nxt2。至于目前SNR滤波器630接收到的蚊状区块及其相对移动量MBW是移动估计电路650于二个图场周期的前对pre2、pre4图场进行移动估计的结果。

垂直SNR滤波单元631与水平SNR滤波单元632接收到空间属性参数vl_coring、vc_coring、hl_coring及hc_coring后，根据(1)目标像素(i，j)是否属于一蚊状区块(或目标像素(i，j)的蚊状旗标是否设为1)以及(2)该蚊状区块的移动量MBW大小，来进一步调整SNR特性曲线的vl_coring、vc_coring、hl_coring及hc_coring值。一实施例中，假设要滤除图像中偏静态的蚊状噪声，首先，垂直SNR滤波单元631与水平SNR滤波单元632判断目标像素(i，j)是否属于一蚊状区块(即mnr_rgn(i，j)＝1)，再判断该蚊状区块的移动量MBW是否小于一临界值mbw_th，若上述二个条件都符合的话，再根据以下关系式来动态调整SNR滤波特性曲线的vl_coring、vc_coring、hl_coring及hc_coring值与同时调整参数s_alpha(i，j)：

vl_coring(i，j)＝vl_coring(i，j)+mnr_rgn(i，j)*mnr_vl_coring；

/*有蚊状噪声时，vl_coring值会被进一步加大*/

vc_coring(i，j)＝vc_coring(i，j)+mnr_rgn(i，j)*mnr_vc_coring；

/*有蚊状噪声时，vc_coring值会被进一步加大*/

hl_coring(i，j)＝hl_coring(i，j)+mnr_rgn(i，j)*mnr_hl_coring；

/*有蚊状噪声时，hl_coring值会被进一步加大*/

hc_coring(i，j)＝hc_coring(i，j)+mnr_rgn(i，j)*mnr_hc_coring；

/*有蚊状噪声时，hc_coring值会被进一步加大*/

s_alpha(i，j)＝t_alpha(i，j)+mnr_rgn(i，j)*mnr_gain；

/*有蚊状噪声时，t_alpha会被进一步加大成为s_alpha*/

根据图6A，SNR滤波器630是接收TNR滤波器620输出的三条扫描线T(i-1)、T(i)、T(i+1)后，以目标像素T(i，j)为中心扩展为m×n的区块，分别根据四条调整过的SNR特性曲线(垂直SNR滤波亮度特性曲线、垂直SNR滤波色度特性曲线、水平SNR滤波亮度特性曲线、水平SNR滤波色度特性曲线)取得不同的增益值g，再利用关系式(9)的计算，最后得到输出像素值S(i，j)(包含亮度值Y与色度值C)及像素S(i，j)的相对应参数s_alpha(i，j)。

最后，混合电路640根据参数s_alpha(i，j)混合像素值T(i，j)及S(i，j)，产生输出像素B(i，j)。一实施例中，混合电路640根据以下关系式来产生输出像素值：

B(i，j)＝S(i，j)×s_alpha(i，j)+T(i，j)×(1-s_alpha(i，j))

须注意的是，本发明SNR滤波器630除了利用单一的十字滤波器来实施之外，亦可利用图11的电路架构来实施。图11是本发明SNR滤波器的另一实施例的架构图。请同时参考图6A及图11，本发明SNR滤波器630’包含一十字滤波器112、一决定电路111、一西格玛滤波器113及一中值滤波器114。决定电路111接收TNR滤波器620产生的三条扫描线T(i-1)、T(i)、T(i+1)后，以一区块单位(以3x3为例)，根据区块内的亮度差异最大值(ppdiff，请参考关系式(8))是否大于一预设边缘值edge_th，来启动十字滤波器112或西格玛滤波器113。若亮度差异最大值(ppdiff)小于临界值edge_th，决定电路111利用控制信号CS来启动(enable)十字滤波器112并禁能(disable)西格玛滤波器113；反之，若亮度差异最大值(ppdiff)大于或等于临界值edge_th，决定电路111则利用控制信号CS来启动西格玛滤波器113并禁能十字滤波器112。由于十字滤波器112的结构与功能已于前面介绍过，在此不再赘述。

图12A是显示七个像素的亮度值、t_alpha与位置关系的一个例子。椒盐噪声有一个特性，其亮度值(或色度值)必是其所属区块的最大值或最小值，同时其移动量也最大(可利用t_alpha值当指标)。例如：当图12A中的目标像素同时符合亮度最大值及移动量最大值(t_alpha为最大值)时，即可以判断该目标像素是一个盐巴噪声(salt noise)；反之，若符合亮度最小值及移动量最大值时，则可以判断该目标像素是一个胡椒噪声(pepper noise)。

图12B是根据本发明西格玛滤波器的一实施例，显示实际亮度差值与修正亮度差值的关系图。请同时参考图5B及图12B，对于落在系统设定的亮度范围R(＝ppdiff×factor)～-R之外的像素，本发明西格玛滤波器113并非像背景技术一样，一律不列入考虑(slope2＝∞)，而是给于图12B中的负斜率区(slope3＝-2)。图中的负斜率区可视为一个缓冲区，有维持本发明西格玛滤波器113稳定输出品质的功效。

一实施例中，西格玛滤波器113接收m×n区块(目标像素(i，j)位于区块中心)，并利用以下程序码来产生输出像素S”(i，j)及其椒盐旗标salt_pepper(i，j)。

factor＝0.25；m2＝(m-1)/2；n2＝(n-1)/2；diffsum＝0；

spatial2_th＝1；/*factor为一预设值*/

salt_pepper_pos(i，j)＝1；salt_pepper_neg(i，j)＝1；

for y＝i-m2:i+m2

   for x＝j-n2:j+n2

     R_diff(y，x)＝pixel(cur，y，x)-pixel(cur，i，j)；

    /*邻近像素与目标像素的实际亮度差*/

     diff_t_alpha(y，x)＝t_alpha(i，j)-t_alpha(y，x)；

            /*邻近像素(y，x)与目标像素(i，j)的t_alpha差*/

    if(abs(R_diff(y，x)＞salt_pepper_th1 &(y！＝i)&(x！＝j))

       salt_pepper_pos(i，j)＝salt_pepper_pos(i，j)&(R_diff(y，x)    ＜0)&

(diff_t_alpha(y，x)≥salt_pepper_th2)；

/*盐巴噪声须符合亮度最大值及t_alpha最大值*/

salt_pepper_neg(i，j)＝salt_pepper_neg(i，j)&  (R_diff(y，x)  ＞  0)

&(diff_t_alpha(y，x)≥salt_pepper_th2)；

        /*胡椒噪声须符合亮度最小值及t_alpha最大值*/

             end

             if(R_diff(y，x))＞ppdiff*factor)

                m_diff(y，x)＝ppdiff*factor+((R_diff(y，x)-(ppdiff*factor))*

slope3；/*slope3为负斜率*/

     if(R_diff(y，x)＜0)

        m_diff(y，x)＝0；

      end

      elseif(R_diff(y，x)＜-ppdif*factor)

         m_diff(y，x)＝-ppdiff*factor+(R_diff(y，x)-(ppdiff*factor))*

slope3；/*slope3为负斜率*/

         if(R_diff(y，x)＞0)

            m_diff(y，x)＝0；

          end

        end

          diffsum＝diffsum+m_diff(y，x)；

       end

      end

S”(cur，i，j)＝pixel(cur，i，j)+diffsum*spatial2_th/(m*n-1)；......(10)    /*∑滤波器的目标像素(i，j)输出值*/

salt_pepper(i，j)＝salt_pepper_pos(i，j)|salt_pepper_neg(i，j)；

/*目标像素(i，j)相对应的椒盐旗标，若等于1为椒盐噪声*/

以一个1x5(m＝1，n＝5)区块及负斜率slope3＝-2为例，若该1x5区块的亮度值依序为100，51，25，0，5(假设目标像素为亮度值为25的像素)，根据图12B的关系图，R＝ppdiff*factor＝(100-0)×0.25＝25，则西格玛滤波器113的目标像素输出值S”＝25+(0+23-25-20)/4＝20。假设上述1x5区块带有少许噪声，使得亮度值依序为104，50，25，0，5，根据第12B图的关系图，R＝(104-0)×0.25＝26，则西格玛滤波器113的目标像素输出值S”＝25+(0+25-25-20)/4＝20。从上述的输出可以看到，即使像素带有噪声，本发明西格玛滤波器113的目标像素输出值仍维持得十分稳定。

图12C显示本发明一实施例的西格玛滤波方法的流程图。依据本发明一实施例的西格玛滤波方法，用以处理一图像，此方法包含以下步骤。

步骤S120：接收m×n大小的区块。其中，m为行数，n为列数。

步骤S122：根据该区块中的一目标像素(i，j)，计算该区块中其余每一像素(y，x)与该目标像素(i，j)的实际亮度差值R_diff(y，x)。R_diff(y，x)＝pixel(cur，y，x)-pixel(cur，i，j)。

步骤S124：根据一预设亮度差范围(R～-R)与一预设负斜率slope3，将每一实际亮度差值R_diff调整为一相对的修正亮度差值m_diff。

步骤S126：根据各该修正亮度差值m_diff、该目标像素的亮度值及该区块的像素数目，得到该区块的一滤波输出值。例如：利用上述关系式(10)，即可得到目标像素(i，j)的滤波输出值S”(cur，i，j)。

步骤S128：判断本图像是否处理完毕。若是，则结束，否则，继续处理下一个m×n区块。请注意，以上是针对图像的亮度值进行西格玛滤波，熟悉本技术领域的技术人员可以利用同样方法对图像的色度值进行西格玛滤波。

最后，中间值滤波器114是接收十字滤波器112及西格玛滤波器113的输出，只要目标像素的椒盐旗标值salt_pepper(i，j)或蚊状旗标值mnr_rgn(i，j)被设定为1，就对各目标像素所属区块进行中值滤波处理，否则，中值滤波器114将输入直接输出(bypass)，产生输出值S(i，j)及其对应的参数s_alpha(i，j)。图13显示以目标像素(i，j)为中心的3x3区块的亮度值y的一个例子。以下是以亮度值为例，本发明中值滤波器114对图13的3x3区块进行四个方向的中间值滤波，分别得到如下四个方向的中间值：

med1＝median(y(i-1，j)，y(i，j)，y(i+1，j))；/*水平*/

med2＝median(y(i，j-1)，y(i，j)，y(i，j+1))；/*垂直*/

med3＝median(y(i-1，j-1)，y(i，j)，y(i+1，j+1))；/*左下右上*/

med4＝median(y(i-1，j+1)，y(i，j)，y(i+1，j-1))；

/*左上右下*/

再取四个中间值的最大值及最小值：

max_med＝max(med1，med2，med3，med4)；

min_med＝min(med1，med2，med3，med4)；

接着，计算diff＝median(max_med，min_med，y(i，j))-y(i，j)，若abs(diff)小于一临界值sp_th1时，中值滤波器114的输出值S(i，j)＝y(i，j)+diff×sp_th2，否则，中值滤波器114的输出值S(i，j)＝y(i，j)。一实施例中，sp_th1＝24，sp_th2＝0.5。

本发明动态噪声滤波装置更可以依据不同的图像应用需求，来调整电路组合，进而降低硬件成本。例如，对于偏静态图像应用可以采用图14的电路架构，而偏动态图像应用可以采用图15的电路架构。

图14为本发明动态噪声滤波装置的另一实施例的架构示意图。参考图14，本发明动态噪声滤波装置140包含一噪声估计电路610以及一TNR滤波器620。由于噪声估计电路610以及TNR滤波器620的结构与功能已于前面介绍过，在此不再赘述。图15为本发明动态噪声滤波装置的再一实施例的架构示意图。参考图15，本发明动态噪声滤波装置150包含一噪声估计电路610、一SNR滤波器630及一移动估计电路650。由于噪声估计电路610、SNR滤波器630及移动估计电路650的结构与功能已于前面介绍过，在此不再赘述。须注意的是，由于缺少了输入参数流t_alpha，故本实施例的SNR滤波器630仅能利用十字滤波器来实施，而不能利用图11的电路来实施。

综上所述，本发明的特色在于能够依据每一个图像的噪声平均值与噪声变异值产生相对应的时间属性参数TP及空间属性参数SP，进而动态调整SNR滤波器及TNR滤波器的强度，以及动态调整SNR滤波器的输出及TNR滤波器的输出的混合比例。甚至，若检测到图像包含蚊状噪声或椒盐噪声时，也能通过调整SNR滤波器的强度来达到最佳的图像品质。

在较佳实施例的详细说明中所提出的具体实施例仅用以方便说明本发明的技术内容，而非将本发明狭义地限制于上述实施例，在不超出本发明的精神及权利要求范围的情况，所做的种种变化实施，皆属于本发明的保护范围。

Claims (36)

1.一种动态噪声滤波装置，其特征在于，所述的动态噪声滤波装置包含：

一噪声估计电路，接收一目前图像及其对应前一图像，进行噪声估计，产生一时间属性参数及一空间属性参数；

一时间域噪声抑制TNR滤波电路，接收所述目前图像及其对应前一图像，根据所述噪声估计电路上一个图像周期产生的时间属性参数来调整本身的TNR滤波特性曲线，以产生至少一第一滤波扫描线及其对应的第一参数流；

一移动估计电路，对一输入图像及其对应前一图像，进行蚊状区块的设定及移动量估计；

一空间域噪声抑制SNR滤波电路，根据所述噪声估计电路上一个图像周期产生的空间属性参数、所述移动估计电路的背景输出、所述至少一第一滤波扫描线及其对应的第一参数流，用以产生一第二滤波扫描线及其对应的第二参数流；以及

一混合电路，根据所述第二参数流，依序混合所述第二滤波扫描线及所述至少一第一滤波扫描线的其一，以产生一输出扫描线。

2.如权利要求1所述的动态噪声滤波装置，其特征在于，所述图像为一图场或一图框。

3.如权利要求2所述的动态噪声滤波装置，其特征在于，还包含：

一第一延迟电路，耦接于所述噪声估计电路、所述时间域噪声抑制滤波电路及所述空间域噪声抑制滤波电路之间，用以将所述时间属性参数及所述空间属性参数延迟一个图像周期后输出；以及

一第二延迟电路，耦接于所述移动估计电路及所述空间域噪声抑制滤波电路之间，当所述图像为一图场时，所述第二延迟电路用以将所述移动估计电路的输出延迟一个或二个图场周期后输出，而当所述图像为一图框时，所述第二延迟电路用以将所述移动估计电路的输出延迟一个图框周期后输出。

4.如权利要求1所述的动态噪声滤波装置，其特征在于，所述输入图像为所述目前图像或所述时间域噪声抑制滤波电路的输出图像。

5.如权利要求4所述的动态噪声滤波装置，其特征在于，当所述输入图像为所述时间域噪声抑制滤波电路的输出图像时，所述时间域噪声抑制滤波电路的前级另设置一第三延迟电路，用以将所述输入图像的对应前一图像延迟输出，以补偿所述时间域噪声抑制滤波电路的处理时间。

6.如权利要求1所述的动态噪声滤波装置，其特征在于，所述空间属性参数包含有hl_coring、hc_coring、vl_coring以及vc_coring。

7.如权利要求6所述的动态噪声滤波装置，其特征在于，所述空间域噪声抑制滤波电路是利用一个十字滤波器来实施，所述十字滤波器为至少一垂直滤波单元以及至少一水平滤波单元的组合。

8.如权利要求7所述的动态噪声滤波装置，其特征在于，各所述水平滤波单元及各所述垂直滤波单元，是根据所述移动估计电路的背景蚊状区块的设定及移动量估计结果，来调整所述空间属性参数及所述第二参数流。

9.如权利要求8所述的动态噪声滤波装置，其特征在于，各所述水平滤波单元，是根据参数hl_coring与hc_coring，来动态调整本身的SNR滤波特性曲线，而各所述垂直滤波单元是根据参数vl_coring与vc_coring，来动态调整本身的SNR滤波特性曲线。

10.如权利要求1所述的动态噪声滤波装置，其特征在于，所述空间域噪声抑制滤波电路是包含：

一十字滤波器，接收所述至少一第一滤波扫描线及其对应的第一参数流，并根据所述噪声估计电路上一个图像周期产生的空间属性参数及所述移动估计电路的背景输出来调整本身的SNR滤波特性曲线，以产生一第三滤波扫描线及其对应的第二参数流，其中，所述十字滤波器为至少一垂直滤波单元以及至少一水平滤波单元的组合；

一西格玛滤波器，接收所述至少一第一滤波扫描线及其对应的第一参数流，根据一预设亮度范围及一预设负斜率，对各目标像素所属区块进行平均化运算，产生一第四滤波扫描线及其对应的椒盐旗标流；

一决定单元，根据所述至少一第一滤波扫描线中各目标像素所属区块的亮度最大差异值及一预设边缘值，决定启动所述十字滤波器及所述西格玛滤波器的其中之一；以及

一中值滤波器，接收所述十字滤波器及所述西格玛滤波器的输出，根据各目标像素的椒盐旗标值及蚊状旗标值，决定是否对各目标像素所属区块进行中值滤波处理，以产生所述第二滤波扫描线及其对应的第二参数流。

11.如权利要求1所述的动态噪声滤波装置，其特征在于，所述时间属性参数包含有nr_alpha及nr_th1。

12.如权利要求1所述的动态噪声滤波装置，其特征在于，所述噪声估计电路是根据所述目前图像中多个特定像素的噪声平均值及噪声变异值，来产生所述时间属性参数及所述空间属性参数。

13.如权利要求12所述的动态噪声滤波装置，其特征在于，所述多个特定像素是所述目前图像中噪声位准较低的像素。

14.如权利要求12所述的动态噪声滤波装置，其特征在于，所述噪声估计电路更根据所述目前图像偏静态的程度来调整所述时间属性参数的大小。

15.一种动态噪声滤波装置，其特征在于，所述的动态噪声滤波装置包含：

一噪声估计电路，接收一目前图像及其对应前一图像，进行噪声估计，产生一时间属性参数；以及

一时间域噪声抑制滤波器，耦接所述噪声估计电路，接收所述目前图像及其对应前一图像，根据所述噪声估计电路上一个图像周期产生的时间属性参数来调整本身的TNR滤波特性曲线，以产生一时间域滤波图像。

16.如权利要求15所述的动态噪声滤波装置，其特征在于，还包含：

一延迟电路，耦接于所述噪声估计电路，用以将所述时间属性参数延迟一个图像周期后输出。

17.如权利要求15所述的动态噪声滤波装置，其特征在于，所述噪声估计电路是根据所述目前图像中多个特定像素的噪声平均值及噪声变异值，来产生所述时间属性参数。

18.如权利要求17所述的动态噪声滤波装置，其特征在于，所述多个特定像素是所述目前图像中噪声位准较低的像素。

19.如权利要求17所述的动态噪声滤波装置，其特征在于，所述噪声估计电路更根据所述目前图像偏静态的程度来调整所述时间属性参数的大小。

20.如权利要求15所述的动态噪声滤波装置，其特征在于，所述时间属性参数包含有nr_alpha及nr_th1。

21.一种动态噪声滤波装置，其特征在于，所述的动态噪声滤波装置包含：

一噪声估计电路，接收一目前图像及其对应前一图像，进行噪声估计，以产生一空间属性参数；

一移动估计电路，对所述目前图像及其对应前一图像，进行蚊状区块的设定及移动量估计；以及

一空间域噪声抑制滤波电路，接收所述目前图像，根据所述噪声估计电路上一个图像周期产生的空间属性参数及所述移动估计电路的背景输出，以产生一空间域滤波图像。

22.如权利要求21所述的动态噪声滤波装置，其特征在于，所述噪声估计电路是根据所述目前图像中多个特定像素的噪声平均值及噪声变异值，来产生所述空间属性参数。

23.如权利要求22所述的动态噪声滤波装置，其特征在于，所述多个特定像素是所述目前图像中噪声位准较低的像素。

24.如权利要求21所述的动态噪声滤波装置，其特征在于，所述图像为一图场或一图框。

25.如权利要求24所述的动态噪声滤波装置，其特征在于，还包含：

一第一延迟电路，耦接于所述噪声估计电路及所述空间域噪声抑制滤波电路之间，用以将所述空间属性参数延迟一个图像周期后输出；以及

一第二延迟电路，  耦接于所述移动估计电路及所述空间域噪声抑制滤波电路之间，当所述图像为一图场时，所述第二延迟电路用以将所述移动估计电路的输出延迟一个或二个图场周期后输出，而当所述图像为一图框时，所述第二延迟电路用以将所述移动估计电路的输出延迟一个图框周期后输出。

26.如权利要求21所述的动态噪声滤波装置，其特征在于，所述空间属性参数包含有hl_coring、hc_coring、vl_coring以及vc_coring。

27.如权利要求26所述的动态噪声滤波装置，其特征在于，所述空间域噪声抑制滤波电路是利用一个十字滤波器来实施，所述十字滤波器为至少一垂直滤波单元以及至少一水平滤波单元的组合。

28.如权利要求27所述的动态噪声滤波装置，其特征在于，各所述水平滤波单元及各所述垂直滤波单元，是根据所述移动估计电路的背景蚊状区块的设定及移动量估计结果，来调整所述空间属性参数。

29.如权利要求28所述的动态噪声滤波装置，其特征在于，各所述水平滤波单元，是根据参数hl_coring及hc_coring，来动态调整本身的SNR滤波特性曲线，而各所述垂直滤波单元是根据参数vl_coring与vc_coring，来动态调整本身的SNR滤波特性曲线。

30.一种西格玛滤波方法，其特征在于，所述的西格玛滤波方法用以处理至少一图像，所述方法包含以下步骤：

接收所述图像的m×n大小的区块；

根据所述区块中的一目标像素，计算所述区块中其余每一像素与所述目标像素的实际像素差值R_diff；

根据一预设差值范围与一预设负斜率slope3，将每一实际像素差值R_diff调整为一相对的修正像素差值m_diff；以及

根据各所述修正像素差值m_diff、所述目标像素值及所述区块的像素数目，得到一滤波输出值。

31.如权利要求30所述的西格玛滤波方法，其特征在于，所述预设差值范围是从-R至R，R＝ppdiff×factor，其中，ppdiff为所述区块中的像素最大值与像素最小值的差且factor为一预设值。

32.如权利要求30所述的西格玛滤波方法，其特征在于，所述调整步骤还包含：

当所述实际像素差值R_diff大于R时，根据R值及所述预设负斜率slope3，计算所述修正像素差值m_diff；以及

当所述修正像素差值m_diff小于0时，将所述修正像素差值m_diff设为0。

33.如权利要求32所述的西格玛滤波方法，其特征在于，所述修正像素差值m_diff＝R+(R_diff-R)×slope3。

34.如权利要求30所述的西格玛滤波方法，其特征在于，所述调整步骤还包含以下步骤：

当所述实际像素差值R_diff小于-R时，根据-R值及所述预设负斜率slope3，计算所述修正像素值差m_diff；以及

当所述修正像素差值m_diff大于0时，将所述修正像素差值m_diff设为0。

35.如权利要求34所述的西格玛滤波方法，其特征在于，所述修正像素差值m_diff＝-R+(R_diff-R)×slope3。

36.如权利要求30所述的西格玛滤波方法，其特征在于，所述像素差值为亮度差值或色度差值。

Images