CN102045513B - 图像噪声滤除方法 - Google Patents

Abstract

本发明公开了一种图像噪声滤除方法，该方法包括下列步骤：在图像中依序选择一像素作为当前像素；动态地决定一当前搜寻框和一强度参数；对所述当前搜寻框中每一像素的比较框进行预去噪；比较预去噪后邻域像素的比较框与预去噪后当前像素的比较框，以求出所述当前搜寻框中每一邻域像素与当前像素的相似度；根据所述当前搜寻框中每一邻域像素与当前像素的距离、相似度和强度参数，决定每一邻域像素相对于当前像素的权重；以及根据该权重对所述当前搜寻框中每一邻域像素与当前像素的灰阶值进行加权平均，以得到当前像素的重建值。本发明图像噪声滤除方法通过引入预去噪步骤，使得比较框内的图像信息仅剩下图像结构而不含噪声，可有效解决像素受噪声影响的情形。

Description

图像噪声滤除方法

技术领域

本发明涉及一种图像处理方法，并且尤其涉及一种图像噪声滤除方法。

背景技术

图像噪声是影响图像品质的关键因素之一。然而，在图像感测器的像素数目逐渐增加的同时，像素大小却因成本考虑而不断地被缩小，导致图像感测器撷取的图像中所包含的噪声而无可避免地被放大。因此，噪声滤除(denoising)的效果逐渐成为决定图像品质的一个重要因素。

利用滤波器(filter)将去噪前图像(noisy image)重建为去噪后图像(denoised image)的过程称为图像重建(image reconstruction)，如图1所示。

利用邻域滤波器(neighborhood filter)进行图像重建为一项标准技术。邻域滤波器根据当前像素(current pixel)及其邻域像素(neighborhood pixel)之间的相似度决定权重(weighting)，并根据该权重将当前像素与其邻域像素进行加权平均以得到当前像素的重建值。当去噪图像中所有像素均进行完上述图像重建的步骤后，则可得到去噪后图像。邻域滤波一般可以以式(1)表示：

$\hat{U}\left(x\right)=\frac{1}{N_h\left(x\right)}\underset{R_x}{\∫}\∫h(x,y)U\left(y\right)\mathrm{dy}---\left(1\right)$

其中，U表示去噪前图像；N_h(x)表示归一化常数(normalization constant)；表示去噪后图像；R_x表示当前像素x的邻域；h表示滤波常数，其决定于当前像素x与其邻域像素y在图像中的距离，例如邻域像素y与当前像素x的位置距离(distance)，以及亮度差异(intensity difference)。请参照图2所示，其显示了一7×7邻域滤波的示意图。图像感测器撷取图像I，其为去噪前图像。邻域滤波器则根据当前像素x与该当前像素x周围的搜寻框R_x内的邻域像素y之间的相似度分别求出48个权重，并将当前像素x的灰阶值(graylevel)与其48个邻域像素y的灰阶值进行加权平均，以得到当前像素x的重建值。然而，邻域滤波器由于仅单纯地根据两个像素之间的相似度进行加权平均，因此往往无法达到令人满意的重建效果。

因此，另提出了一种图像重建法，称之为非区域演算法(non-localalgorithm)，以改善上述基于邻域滤波的图像重建法。非区域演算法最主要是根据当前像素周围预设大小的当前像素比较框(comparison block)与当前像素的邻域像素周围预设大小的邻域像素比较框之间的相似度来决定权重，并根据该权重将当前像素的灰阶值与其邻域像素的灰阶值进行加权平均，以求出当前像素的重建值。非区域演算法一般可以以式(2)表示：

$\mathrm{NL}\left[v\right]\left(i\right)=\underset{j\∈\mathrm{Rx}}{\mathrm{\Σ}}\mathrm{\ω}(i,j)v\left(j\right)---\left(2\right)$

其中NL[v](i)表示当前像素i的重建值；v(j)表示去噪前当前像素i的邻域像素j的灰阶值；ω(i，j)表示当前像素i与其邻域像素j之间的权重，其决定于当前像素i周围预设大小的当前像素比较框与邻域像素j周围预设大小的邻域像素比较框之间的相似度。该权重可以以式(3)表示为：

$\mathrm{\ω}(i,j)=\frac{1}{Z\left(i\right)}{e}^{-\frac{{\left|\right|v\left(N_i\right)-v\left(N_j\right)\left|\right|}_{2,a}^2}{h^2}}---\left(3\right)$

其中式(3)主要是表示当前像素i周围预设大小的当前像素比较框与邻域像素j周围预设大小的邻域像素比较框之间相对位置像素灰阶值的差值平方和；Z(i)则为归一化常数。

例如请参照图3所示，其显示了利用7×7搜寻框Rx和5×5比较框(Ni、Nj)的非区域演算法的示意图；其中，图像I为图像感测器所撷取的去噪前图像；i为当前像素；Ni为当前像素周围预设尺寸(5×5)的当前像素比较框；j为当前像素i的邻域像素；Nj为邻域像素j周围预设尺寸的邻域像素比较框；Rx为搜寻框。根据图3所示，当前像素i与邻域像素j之间的权重由当前像素比较框Ni与邻域像素比较框Nj中相对位置像素进行相减后所得25个差值的平方和所决定。因此，在搜寻框Rx中共可求得48个权重。当前像素i的重建值则为根据所述权重将当前像素i与其邻域像素j的灰阶值进行加权平均所得。

相较于邻域滤波，上述非区域演算法虽然可得到较佳的去噪效果，但由于像素会受到噪声影响，所以直接将对两个比较框的灰阶值进行运算的结果仍然无法完全排除噪声的影响。因此，本领域另提出了一种先将非区域演算法中所使用的比较框转换至频域后再进行比较的方法。基于噪声通常在频域中属于高频成分的概念，先将转换至频域的比较框中部份高频成分去除后再比较低频成份以提高噪声滤除的效果。然而，上述方法并无法根据每一像素的特性动态地进行参数调整，导致细节保存效果较差，并且容易出现鬼影(shock effect)和锯齿化(staircasting effect)等现象。

上述图像重建法的详细内容可参照Antoni Buades等人发表于CVPR2005，标题为“A non-local algorithm for image denoising”，以及NouraAzzabou等人发表于ICIP2007，标题为“Image denoising based on adapteddictionary computation”，的论文中所公开的内容。

发明内容

有鉴于此，本发明另提出一种图像噪声滤除方法，基于非区域演算法中像素会受到噪声影响的特点，预先将当前像素比较框和邻域像素比较框进行预去噪(pre-denoising)后，再进行两比较框之间的相似度评估，虽会些微增加运算量，但却能够保留更多细节并提升去噪声效果。

本发明的目的在于提出一种图像噪声滤除方法，其通过引入预去噪步骤而能够保留更多细节并提升去噪效果。

本发明另一目的在于提出一种图像噪声滤除方法，其中当前搜寻框和比较框的尺寸均可动态地被调整，可降低图像边缘出现鬼影和轮廓的现象。

本发明提出一种图像噪声滤除方法，该方法包括下列步骤：在图像中依序选择一像素作为当前像素，其中该当前像素周围的像素为该当前像素的邻域像素；动态地决定一当前搜寻框和一强度参数，并在所述当前搜寻框中每一像素周围决定一比较框；对所述当前搜寻框中每一像素的比较框进行预去噪；比较预去噪后邻域像素的比较框与预去噪后当前像素的比较框，以求出所述当前搜寻框中每一邻域像素与当前像素的相似度；根据所述当前搜寻框中每一邻域像素与当前像素的距离、所述相似度和所述强度参数，决定每一邻域像素相对于当前像素的权重；以及根据该权重对所述当前搜寻框中每一邻域像素与当前像素的灰阶值进行加权平均，以得到当前像素的重建值。

在本发明的图像噪声滤除方法中，动态地决定一当前搜寻框和一强度参数的一种实施例包括下列步骤：在所述当前像素周围决定一最大搜寻框，其中该最大搜寻框中每一像素的周围决定有所述比较框；计算包含于所述最大搜寻框内的所有次搜寻框的边缘像素比例；以及以具有最低边缘像素比例的次搜寻框作为所述当前搜寻框，并根据该当前搜寻框的边缘像素比例决定所述强度参数。

在本发明的图像噪声滤除方法中，计算边缘像素比例的一种实施例包括下列步骤：对所述最大搜寻框中所有像素的比较框进行预去噪；计算所述最大搜寻框中每一像素的预去噪前比较框与预去噪后比较框中相对位置像素的灰阶值的差值绝对值之和；当该差值绝对值之和大于门槛值时，判定该像素为边缘像素；以及根据判定结果计算包含于所述最大搜寻框内的所有次搜寻框的边缘像素比例。

本发明还提出一种图像噪声滤除方法，该方法包括下列步骤：在图像中依序选择一像素作为当前像素，其中该当前像素周围的像素为该当前像素的邻域像素；在所述当前像素周围决定一最大搜寻框，并在该最大搜寻框中每一像素的周围决定一比较框；对所述最大搜寻框中每一像素的比较框进行预去噪；根据所述最大搜寻框中每一像素的预去噪前比较框与预去噪后比较框决定该像素是否为边缘像素；计算包含于所述最大搜寻框内的所有次搜寻框的边缘像素比例；以具有最低边缘像素比例的次搜寻框作为当前搜寻框，并根据该当前搜寻框的边缘像素比例决定强度参数；比较预去噪后邻域像素的比较框与预去噪后当前像素的比较框，以求得所述当前搜寻框中每一邻域像素与当前像素的相似度；根据所述当前搜寻框中每一邻域像素与当前像素的距离、所述相似度和所述强度参数，决定每一邻域像素相对于当前像素的权重；根据该权重对所述当前搜寻框中每一邻域像素与当前像素的灰阶值进行加权平均，以得到当前像素的重建值。

在本发明的图像噪声滤除方法中，决定像素是否为边缘像素的一种实施例包括下列步骤：计算最大搜寻框中每一像素的预去噪前比较框与预去噪后比较框中相对位置像素的灰阶值的差值绝对值之和；以及当该差值绝对值之和大于门槛值时，判定该像素为边缘像素。

本发明的图像噪声滤除方法中，预去噪是利用例如平均滤波器或邻域滤波器等低通滤波器来实现的。经过低通滤波器后，比较框内的图像信息仅剩下图像结构(structure)而不含噪声，可有效解决像素受噪声影响的情形。

附图说明

图1显示了图像重建的示意图；

图2显示了现有的邻域滤波的示意图；

图3显示了现有的非区域演算法的示意图；

图4a显示了本发明一种实施例的图像噪声滤除方法的流程图；

图4b显示了图4a中决定当前搜寻框和强度参数的流程图；

图4c显示了图4b中计算边缘像素比例的流程图；

图5显示了本发明实施例的图像噪声滤除方法所使用的次搜寻框和邻域像素比较框的示意图；

图6显示了本发明的图像噪声滤除方法中决定像素是否为边缘像素的示意图；

图7显示了本发明的图像噪声滤除方法中决定邻域像素相对于当前像素的权重的示意图；

图8a显示了本发明另一种实施例的图像噪声滤除方法的流程图；以及

图8b显示了图8a中决定像素是否为边缘像素的流程图。

主要元件符号说明

I       图像                  P、P₁₁～P₇₇     像素

Pc      当前像素              Sc              当前搜寻框

Sc_max  最大搜寻框            Sc_sub          次搜寻框

Pc′    预去噪后的当前像素    P₁₁′           预去噪后的像素P₁₁

P₂₂     像素                  P_22N            像素P₂₂的邻域像素

FB      滤波视窗              S₁～S₈、A₁～A₂  步骤

Bpc     当前像素的去噪前比较框

Bpc′   当前像素的去噪后比较框

B_P11    像素P₁₁的去噪前比较框

B_P11′  像素P₁₁的去噪后比较框

Rx      搜寻框                x、y            像素

i、j    像素                  Ni、Nj          比较框

具体实施方式

为了让本发明的上述和其他目的、特征和优点能更明显，下文将配合所附图示，作详细说明如下。此外，需要说明的是，在本发明的说明中，相同的构件以相同的符号表示。

请参照图4a所示，其显示了根据本发明一种实施例的图像噪声滤除方法，该方法包括下列步骤：在图像中依序选择一像素为当前像素，其中该当前像素周围的像素为该当前像素的邻域像素(步骤S₁)；动态地决定一当前搜寻框和一强度参数，并在当前搜寻框中每一像素周围决定一比较框(步骤S₂)；对当前搜寻框中每一像素的比较框进行预去噪(步骤S₃)；比较预去噪后的邻域像素的比较框与预去噪后的当前像素的比较框，以求出当前搜寻框中每一邻域像素与当前像素的相似度(步骤S₄)；根据当前搜寻框中每一邻域像素与当前像素的距离、相似度及强度参数，决定每一邻域像素相对于当前像素的权重(步骤S₅)；根据该权重对当前搜寻框中每一邻域像素与当前像素的灰阶值进行加权平均，以得到当前像素的重建值(步骤S₆)；以及判断是否所述图像的所有像素均已求得重建值(步骤S₇)；若是，完成所述图像的重建(步骤S₈)；若否，则重新执行步骤S₁。

请参照图4b所示，其显示了图4a的步骤S₂中动态地决定一当前搜寻框和强度参数的一种实施例，包括下列步骤：在当前像素周围决定一最大搜寻框，其中该最大搜寻框中每一像素的周围决定有所述比较框(步骤S₂₁)；计算包含于最大搜寻框内的所有次搜寻框的边缘像素比例(步骤S₂₂)；以及以具有最低边缘像素比例的次搜寻框作为当前搜寻框，并根据该当前搜寻框的边缘像素比例决定强度参数(步骤S₂₃)。

请参照图4c所示，其显示了图4b的步骤S₂₂中计算边缘像素比例的一种实施例，包括下列步骤：对最大搜寻框中所有像素的比较框进行预去噪(步骤S₂₂₁)；计算最大搜寻框中每一像素的预去噪前的比较框与预去噪后的比较框中相对位置像素的灰阶值的差值绝对值之和(步骤S₂₂₂)；当该差值绝对值之和大于门槛值时，判定该像素为边缘像素(步骤S₂₂₃)；以及根据判定结果计算包含于最大搜寻框内的所有次搜寻框的边缘像素比例(步骤S₂₂₄)。其中，所述门槛值为一数值，其大小可根据所欲达成的噪声滤除效果来决定。

接着说明本发明实施例的图像噪声滤除方法的详细实施方式，本发明的图像噪声滤除方法针对去噪前图像进行图像重建以形成去噪后图像，如图1所示。

请参照图5所示，去噪前图像I包含多个以阵列形式排列的像素P，每一像素具有一灰阶值(gray level)，其中图像I的尺寸可根据实际应用决定。本发明的图像噪声滤除方法求出图像I中所有像素P的重建灰阶值(reconstructed gray level)，该重建灰阶值则组成去噪后图像。

请同时参照图4a和图5所示，本发明的图像噪声滤除方法例如，但不限于，选择从图像I的一个角落的第一个像素开始计算该像素的重建灰阶值，然后依序处理图像I中的所有像素。当前正在处理的像素在此称为当前像素(current pixel)Pc，当前像素Pc周围的像素为该当前像素Pc的邻域像素，例如P₁₁、P₂₂、…、P₇₇(步骤S₁)。

在当前像素Pc的周围决定一当前搜寻框Sc并决定一强度参数。在本发明中，当前搜寻框Sc的尺寸可根据当前像素Pc附近图像的复杂度决定；复杂度愈高，当前搜寻框Sc的尺寸愈小，复杂度愈低，当前搜寻框Sc的尺寸愈大。本发明通过选择不同的当前搜寻框Sc尺寸以提高图像去噪效果。强度参数则用于后续步骤中，用于决定图像去噪的强度(denoising strength)。在此步骤中，同时决定当前搜寻框Sc内的所有像素P周围的比较框B，例如像素P₁₁的比较框B_P11，其尺寸为5×5。若当前搜寻框Sc的尺寸为7×7，则其包含49个像素P及相对每一像素的比较框B_P11～B_P77。

请同时参照图4b和图5，接着说明决定当前搜寻框Sc的尺寸和强度参数的强弱的一种实施例。当当前像素Pc被决定后(步骤S₁)，首先在该当前像素Pc周围决定一最大搜寻框Sc_max，其尺寸例如为7×7(步骤S₂₁)。该最大搜寻框Sc_max内包含多种尺寸的次搜寻框Sc_sub，该次搜寻框的尺寸可为(n-2m)×(n-2m)，其中n为最大搜寻框Sc的尺寸，m等于0或正整数。例如，在此实施例中，次搜寻框Sc_sub₁的尺寸为7×7、Sc_sub₂的尺寸为5×5而Sc_sub₃的尺寸为3×3，其中最大的次搜寻框Sc_sub₁即为最大搜寻框Sc_max，最小的次搜寻框尺寸为3×3。接着，判断最大搜寻框Sc_max所包含的所有像素P(在此实施例中为49个)是否属于边缘像素(edge pixel)，其中判断像素P是否为边缘像素的方式将详述于后。同时计算出最大搜寻框Sc_max内所有次搜寻框Sc_sub₁～Sc_sub₃的边缘像素比例。例如，次搜寻框Sc_sub₁中边缘像素比例为次搜寻框Sc_sub₁范围内属于边缘像素的像素数目除以49；Sc_sub₂中边缘像素比例为次搜寻框Sc_sub₂范围内属于边缘像素的像素数目除以25；Sc_sub₃中边缘像素比例为次搜寻框Sc_sub₃范围内属于边缘像素的像素数目除以9(步骤S₂₂)。当前搜寻框Sc则被决定为边缘像素比例最低的次搜寻框，并根据所决定的当前搜寻框Sc决定强度参数的强弱(步骤S₂₃)。例如，当边缘像素比例较高时，表示当前像素Pc附近的图像范围较复杂，强度参数被选择为较弱；反之，当边缘像素比例较低时，表示当前像素Pc附近的图像范围较平缓，强度参数被选择为较强。然而，本发明并不限于上述内容，本发明的精神在于根据当前像素Pc周围图像的复杂度决定当前搜寻框Sc的尺寸以及强度参数的强弱，因此也可使用其他方式判断当前像素Pc周围图像的复杂度。

请同时参照图4c和图6，接着说明计算次搜寻框Sc_sub的边缘像素比例的一种实施例，其为依序判断最大搜寻框Sc_max中每一像素P使否属于边缘像素后再进行边缘像素比例的计算。当最大搜寻框Sc_max被决定后(步骤S₂₁)，该最大搜寻框Sc_max内每一像素P周围均已决定一比较框B，例如当前像素Pc周围具有一比较框Bpc，其中在此实施例中，最大搜寻框Sc_max的尺寸为7×7，比较框B的尺寸为5×5。首先，对最大搜寻框Sc_max中的所有像素P的比较框B进行预去噪(pre-denoising)。以当前像素Pc为例，对当前像素Pc的比较框Bpc进行预去噪是利用平均滤波器(mean filter)或邻域滤波(neighborhood filter)实现。例如图6所示，一尺寸为3×3的滤波视窗FB将依序对比较框Bpc内的所有像素(此实施例包含25个)进行灰阶值平均或加权平均。例如像素P₂₂的灰阶值经过与周围8个邻域像素P_22N的灰阶值平均后(平均滤波)形成像素P₂₂′；预去噪前当前像素比较框Bpc的所有像素P经过如像素P₂₂的步骤后，则可形成预去噪后当前像素比较框Bpc′(步骤S₂₂₁)。接着，将预去噪前当前像素比较框Bpc与预去噪后当前像素比较框Bpc′中相对位置像素的灰阶值相减后取绝对值，并求出绝对值之和。例如本实施例中，当前像素比较框Bpc包含由25个像素差值绝对值所形成的一个差值绝对值之和(步骤S₂₂₂)。当该差值绝对值之和大于门槛值时，表示当前像素比较框Bpc图像范围较复杂，则将当前像素Pc定义为边缘像素(步骤S₂₂₃)，接着对最大搜寻框Sc_max的所有像素进行相同步骤，以判断其是否为边缘像素。当最大搜寻框Sc_max中所有像素(49个像素)经过判定是否为边缘像素后，则可分别计算出最大搜寻框Sc_max内所有的次搜寻框，例如Sc_sub₁、Sc_sub₂和Sc_sub₃的边缘像素比例(步骤S₂₂₄)。可以理解的是，判定像素P是否为边缘像素的方式并不限定为此处所公开的内容，其他能够判定像素区域的复杂度的方式也适用于步骤S₂₂中。例如还可通过计算最大搜寻框中每一像素的预去噪前的比较框与预去噪后的比较框中相对位置像素的差值平方和后，将该差值平方和与门槛值相比较，以判定该像素是否为边缘像素。此外可以理解的是，当前搜寻框Sc中每一像素的比较框的尺寸也可根据边缘像素比例动态地被决定。

请再参照图4a和图7所示，当步骤S₂完成后，则可根据当前像素Pc附近图像的复杂度决定当前搜寻框Sc和强度参数。图7中假设当前搜寻框Sc的尺寸为7×7，因此共包含有49个像素和相对应的比较框。接着，对当前搜寻框Sc中每一个像素的比较框B进行预去噪处理，例如可利用平均滤波器或邻域滤波器来实现(步骤S₃)，其详细实施方式如前所述。例如，一邻域像素P₁₁的预去噪前比较框B_P11经过预去噪后形成预去噪后比较框B_P11′，当前像素Pc的预去噪前比较框Bpc经过预去噪后形成预去噪后比较框Bpc′。可以理解的是，当前搜寻框Sc中的每一像素的预去噪前比较框经过预去噪后都会形成一相对的预去噪后比较框，如同B_P11′。此外，若在步骤S₂₂中已针对最大搜寻框Sc_max中所有像素P的比较框进行预去噪处理，则可将预去噪后比较框的数值储存于寄存器或存储器以供步骤S₃直接使用。

接着，比较当前搜寻框Sc中所有预去噪后邻域像素的比较框与预去噪后当前像素的比较框，以求得当前搜寻框Sc中每一邻域像素与当前像素Pc的相似度(步骤S₄)，因此在此实施例中共要比对48次。由于当前像素Pc的预去噪后比较框与本身具有百分之百的相似度，在实施时可不比较。例如，一种实施例中，比较预去噪后邻域像素的比较框B_P11′与预去噪后当前像素的比较框Bpc′中相对位置像素的灰阶值的差值平方和；当该差值平方和较大时，表示像素P₁₁与当前像素Pc具有较低的相似度，而当该差值平方和较小时，表示像素P₁₁与当前像素Pc具有较高的相似度。比较完像素P₁₁的预去噪后比较框B_P11′与当前像素Pc的预去噪后比较框Bpc′后，接着依序比对当前搜寻框Sc中其他像素P₁₂～P₇₇的预去噪后比较框B_P12′～B_P77′与当前像素Pc的预去噪后比较框Bpc′。然而，相似度的判断方式并不限于此，例如也可比较预去噪后比较框B_P11′与Bpc′中相对位置像素的灰阶值的差值绝对值之和。

此时，可根据当前搜寻框Sc中每一邻域像素P₁₁～P₇₇与当前像素Pc的距离、相似度和强度参数决定像素P₁₁～P₇₇相对于当前像素Pc的权重(weighting)(步骤S₅)；其中，当一邻域像素距离当前像素Pc较远时，降低该邻域像素的权重，当一邻域像素距离当前像素Pc较近时，增加该邻域像素的权重；当一邻域像素与当前像素Pc的相似度低时，降低该邻域像素的权重，当一邻域像素与当前像素Pc的相似度高时，增加该邻域像素的权重。当当前搜寻框中Sc的所有邻域像素P₁₁～P₇₇根据其与当前像素Pc的距离和相似度决定权重比例后，配合强度参数便可决定每一邻域像素P₁₁～P₇₇相对于当前像素Pc的权重；其中，当当前搜寻框Sc范围内图像较复杂时，选择较低的强度参数以降低去噪强度；反之，当当前搜寻框Sc范围内图像较平缓时，选择较高的强度参数以增加去噪强度。强度参数用于根据当前搜寻框Sc范围内图像复杂度来调整权重比例，因此强度参数例如可为数学函数(比例值、次方、log函数或其他数学函数)或数值，但并不限于此；例如强度参数用于对权重比例乘上一比例值、对权重比例取次方、对权重比例取log函数或加上一数值等。

当求得当前搜寻框Sc中每一邻域像素P₁₁～P₇₇与当前像素Pc的权重后，则根据该权重将当前像素Pc与每一邻域像素P₁₁～P₇₇的灰阶值，例如利用式(2)，进行加权平均，以得到该当前像素的重建值(步骤S₆)。

接着，判断是否图像I中的所有像素P均已求得重建值(步骤S₇)。当所有像素P均已求得重建值时，则完成图像I的重建并产生一去噪后图像。若未完成所有像素P的重建，则回到步骤S₁进行图像I中下一个像素P的图像重建。

请参照图8所示，其显示了根据本发明另一种实施例的图像噪声滤除方法，该方法包括下列步骤：在图像中依序选择一像素作为当前像素，其中该当前像素周围的像素为该当前像素的邻域像素(步骤S₁)；在当前像素周围决定一最大搜寻框，并在该最大搜寻框中每一像素的周围决定一比较框(步骤A₁)；对最大搜寻框中每一像素的比较框进行预去噪(步骤S₂₂₁)；根据最大搜寻框中每一像素的预去噪前比较框与预去噪后比较框，决定该像素是否为边缘像素(步骤A₂)；计算包含于最大搜寻框内的所有次搜寻框的边缘像素比例(步骤S₂₂)；以具有最低边缘像素比例的次搜寻框作为当前搜寻框，并根据该当前搜寻框的边缘像素比例决定强度参数(步骤S₂₃)；比较预去噪后邻域像素的比较框与预去噪后当前像素的比较框，以求得当前搜寻框中每一邻域像素与当前像素的相似度(步骤S₄)；根据当前搜寻框中每一邻域像素与当前像素的距离、相似度和强度参数，决定每一邻域像素相对于当前像素的权重(步骤S₅)；根据该权重对当前搜寻框中每一邻域像素与当前像素的灰阶值进行加权平均，以得到当前像素的重建值(步骤S₆)；以及判断是否所有像素均已求得重建值(步骤S₇)；若是，完成图像的重建(步骤S₈)；若否，则重新执行步骤S₁。此实施例中，与图4a-4c相同的步骤以相同标号表示。此外，图8的步骤A₁类似于图4b的步骤S₂₁；步骤A₂的详细实施方式类似于步骤S₂₂₂和S₂₂₃。此实施例与图4a-4c图的实施例的差异仅在于步骤的实施顺序，实施方式则相类似。由于其详细实施方式已描述于前，故于此不再赘述。

此外，请参照图8a和图8b所示，步骤A₂中决定像素是否为边缘像素的方式还包括下列步骤：计算最大搜寻框中每一像素的预去噪前比较框与预去噪后比较框中相对位置像素的灰阶值的差值绝对值之和(步骤S₂₂₂)；以及当该差值绝对值之和大于门槛值时，判定该像素为边缘像素(步骤S₂₂₃)。

必须说明的是，上述各视窗(框)，包括当前搜寻框、最大搜寻框、次搜寻框、滤波视窗、搜寻框以及比较框等，虽于此处以方形来说明，但其并非用于限定本发明。所述视窗(框)可根据实际需求而可为任意形状，例如矩形、菱形、圆形或椭圆形等。

如前所述，由于像素会受到噪声影响，使用现有的非区域演算法仍无法在比较两个比较框的过程中排除噪声的影响进而降低图像去噪效果。本发明另提出一种图像噪声滤除方法(图4a-4c和图8a-8b)，通过引入预去噪步骤并根据当前像素的特性动态地决定当前搜寻框和比较框的尺寸以及滤波强度参数，可保留更多细节并提升去噪的效果。

虽然本发明已被上述实施例所公开，然而上述实施例并非用于限定本发明，任何本发明所属技术领域中的技术人员，在不脱离本发明的精神和范围内，应当可以作各种变化与修改。因此本发明的保护范围应当以所附权利要求书所界定的范围为准。

Claims (5)

1.一种图像噪声滤除方法，该方法包括下列步骤：

在图像中依序选择一像素作为当前像素，其中该当前像素周围的像素作为该当前像素的邻域像素；

在所述当前像素周围决定一最大搜寻框，其中该最大搜寻框中每一像素的周围决定有一比较框；

对所述最大搜寻框中所有像素的比较框进行预去噪；

计算所述最大搜寻框中每一像素的预去噪前比较框与预去噪后比较框中相对位置像素的灰阶值的差值绝对值之和；

当该差值绝对值之和大于门槛值时，判定该像素为边缘像素；

根据判定结果计算包含于所述最大搜寻框内的所有次搜寻框的边缘像素比例；

以具有最低边缘像素比例的次搜寻框作为一当前搜寻框，并根据该当前搜寻框的边缘像素比例决定一强度参数，并在所述当前搜寻框中每一像素周围决定一比较框；

对所述当前搜寻框中每一像素的比较框进行预去噪；

比较预去噪后邻域像素的比较框与预去噪后当前像素的比较框，以求出所述当前搜寻框中每一邻域像素与所述当前像素的相似度；

根据所述当前搜寻框中每一邻域像素与当前像素的距离、所述相似度和所述强度参数，决定每一邻域像素相对于当前像素的权重；以及

根据所述权重对当前搜寻框中每一邻域像素与当前像素的灰阶值进行加权平均，以得到当前像素的重建值。

2.根据权利要求1所述的图像噪声滤除方法，该方法还包含下列步骤：

判断是否所述图像的所有像素均已求得重建值；

其中，预去噪是利用平均滤波器或邻域滤波器来实现；

其中，所述相似度为预去噪后邻域像素的比较框与预去噪后当前像素的比较框中相对位置像素的灰阶值的差值平方和；

其中，所述当前搜寻框和比较框各自为方形、矩形、菱形、圆形或椭圆形。

3.根据权利要求1所述的图像噪声滤除方法，其中，所述次搜寻框的尺寸为(n-2m)×(n-2m)，n为所述最大搜寻框的尺寸，m等于0或正整数；其中，最小的次搜寻框尺寸为3×3，最大的次搜寻框为所述最大搜寻框且该最大搜寻框的尺寸为7×7。

4.根据权利要求1所述的图像噪声滤除方法，其中，所述边缘像素比例愈高，所述强度参数愈低；所述边缘像素比例愈低，所述强度参数愈高。

5.根据权利要求1或4所述的图像噪声滤除方法，其中，所述强度参数为数学函数或数值。

Images