CN102456221A - 一种图像噪声快速去除方法 - Google Patents

Abstract

本发明属于图像处理技术，具体涉及一种图像噪声快速去除方法。该方法首先根据用户选定的去噪力度参数Amplitude对当前色彩通道接收到的含噪图像进行平滑处理，得到噪声平滑图像；然后根据用户对图像边缘清晰程度的要求，利用选定的边缘保留度参数Edge确定逻辑平衡变量T_x，y；通过逻辑平衡变量T_x，y来平衡噪声平滑图像和含噪图像的比重，将含噪图像与噪声平滑图像进行插值运算，最终得到输出去噪图像。本发明计算方法简单，去噪效率高，而且能够对图像明显边缘进行有效的保留。

Description

一种图像噪声快速去除方法

技术领域

本发明属于图像处理技术，具体涉及一种图像噪声快速去除方法。

背景技术

在图像/视频处理软件中，对图像中存在的噪声进行去除是一种很广泛的需求。图像噪声的形成有很多种原因，可能在成像过程中产生，也可能在传输过程中产生，在图像处理中对噪声的去除也有许多不同的方法。

图像去噪可以提高图像的清晰度，改善图像质量，并提高后续算法的处理效率。特别在抠像技术中，目前存在的抠像算法都容易受到图像噪声的干扰，从而影响抠像的准确性。传统的图像去噪方法容易使图像的边缘信息在去噪过程中变得过度模糊，使边缘处无法得到有效的保留，从而对抠像或者其他各种图像应用造成新的干扰，而且现有的图像去噪算法相对复杂，去噪效率不高。

发明内容

本发明的目的在于针对现有图像去噪方法的缺陷，提供一种计算方法简单，去噪效率高，且能够对图像明显边缘进行有效保留的图像噪声快速去除方法。

本发明的技术方案如下：一种图像噪声快速去除方法，包括如下步骤：

(1)根据用户选定的去噪力度参数Amplitude对当前色彩通道接收到的含噪图像进行平滑处理，得到噪声平滑图像；

(2)根据用户对图像边缘清晰程度的要求，利用选定的边缘保留度参数Edge确定逻辑平衡变量T_x，y；

(3)通过逻辑平衡变量T_x，y来平衡噪声平滑图像和含噪图像的比重，将含噪图像与噪声平滑图像进行插值运算，得到最终的输出去噪图像。

进一步，如上所述的图像噪声快速去除方法，其中，本方法包括单色彩通道和多色彩通道两种处理模式，单色彩通道模式能够对RGB格式图像的任一色彩通道进行处理，多色彩通道模式能够同时对RGB格式图像的三个色彩通道进行处理。

进一步，如上所述的图像噪声快速去除方法，步骤(1)中在对含噪图像进行平滑处理之前，先对含噪图像的像素值域归一化到[0，1]。

进一步，如上所述的图像噪声快速去除方法，步骤(1)中所述的去噪力度参数的取值范围为Amplitude∈[0，1]，当Amplitude＝0时，表示当前待处理像素I_x，y的邻域内所有像素I_i，j都不参与I_x，y的平滑计算；当Amplitude＝1时，表示当前待处理像素I_x，y的邻域内所有像素I_i，j都参与I_x，y的平滑计算。

进一步，如上所述的图像噪声快速去除方法，步骤(1)中得到噪声平滑图像的具体计算方式如下：

$\stackrel{\‾}{I_{x,y}}=\underset{(i,j)\∈R_{x,y}}{\mathrm{\Σ}}{I}_{i,j}\·K_{i,j}/S$

上式中，

表示当前待处理像素I_x，y的噪声平滑值，I_i，j表示I_x，y邻域R_x，y内任一点(i，j)的像素值，K_i，j表示当前待处理像素邻域内各像素的平滑系数，S为当前待处理像素邻域内各像素的平滑系数之和；

其中， $K_{(i,j)\&Element;R_{x,y}=}\left\{\begin{array}{ccc}1& \mathrm{if}& \mathrm{abs}(I_{i,j}-I_{x,y})<\mathrm{Amplitude}\\ 0& & \mathrm{else}\end{array}\right..$

进一步，如上所述的图像噪声快速去除方法，步骤(2)中所述的边缘保留度参数的取值范围为Edge∈[0，20]，逻辑平衡变量的取值范围为T_x，y∈[0，1]。

进一步，如上所述的图像噪声快速去除方法，步骤(2)中确定逻辑平衡变量T_x，y的方法如下：

$T_{x,y}=\min (l_0\&CenterDot;\mathrm{Edge}\&CenterDot;(\mathrm{abs}\left({\mathrm{Grad}}_{x,y}^H\right)+\mathrm{abs}\left({\mathrm{Grad}}_{x,y}^V\right)),1)$

上式中，

和

分别表示当前像素I_x，y的水平方向和垂直方向的梯度，具体公式为：

${\mathrm{Grad}}_{x,y}^H=\underset{i={-l}_1}{\overset{l_1}{\mathrm{\&Sigma;}}}{I}_{x+i,y}\&CenterDot;\mathrm{sgn}\left(i\right),$ ${\mathrm{Grad}}_{x,y}^V=\underset{j={-l}_1}{\overset{l_1}{\mathrm{\&Sigma;}}}{I}_{x,y+j}\&CenterDot;\mathrm{sgn}\left(j\right)$

其中l₁是常数，sgn(·)是符号函数，满足

I_x+i，y表示点(x+i，y)的像素值，I_x，y+j表示点(x，y+j)的像素值。

进一步，如上所述的图像噪声快速去除方法，步骤(3)中，将含噪图像与噪声平滑图像进行插值运算的具体方式如下：

$I_{x,y}^{\&prime;}=I_{x,y}\&CenterDot;T_{x,y}+\stackrel{\&OverBar;}{I_{x,y}}\&CenterDot;(1-T_{x,y})$

上式中，I′_x，y表示输出去噪图像的像素，表示I_x，y当前待处理像素，T_x，y表示逻辑平衡变量，

表示当前待处理像素I_x，y的噪声平滑值。

本发明的有益效果如下：利用本发明提出的方法可以将含噪图像的噪声进行有效去除，同时又能根据需要对其进行边缘保留。该去噪方法属于经典的领域滤波器类型，二值系数模型的设定使得计算量相对同类的经典算法明显简化，而且这种方法又可以对明显边缘进行有效保留，因此算法的效率很高，效果也较好。

附图说明

图1为本发明的方法流程图；

图2a-图2c为应用本发明的去噪效果图；

图3a、图3b为应用本发明的抠像效果图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细的描述。

本发明所提供的图像噪声快速去除方法分为单色彩通道和多色彩通道两种模式。单色彩通道模式可对RGB格式图像的某一色彩通道进行处理，多色彩通道模式可同时对RGB三个通道进行处理。在对任一通道内的处理中，本发明用到输入含噪图像、噪声平滑图像以及输出去噪图像这三个概念。输入含噪图像指的是当前通道所接收到的含有噪声的待处理图像，噪声平滑图像是根据用户提供的去噪力度参数对该通道图像进行平滑处理的结果，而最终输出去噪图像是根据用户对边缘清晰程度的需求，将中间平滑图像与输入含噪图像进行合理插值的结果。下面的实施例中主要针对单色彩通道模式进行计算，多色彩通道的原理与其相同。

如图1所示，本发明所提供的图像噪声快速去除方法，包括如下步骤：

步骤S1，根据用户选定的去噪力度参数Amplitude对当前色彩通道接收到的含噪图像进行平滑处理，得到噪声平滑图像。

在噪声平滑图像的计算中，首先对输入噪声图像的像素值域归一化到[0，1]。图像的像素值域归一化方法为本领域的公知技术，归一化是要获得从图像中提取的噪声通道的像素值的变化范围，并能够实现对此范围内的全部像素值进行去噪处理。不进行归一化处理，则会产生图像噪声无法消除的或者过度平滑的现象。

设输入噪声图像中任一点坐标为(x，y)，该点像素值为I_x，y，由经验可知，图像中与某一点像素值接近的点常常来源于该点的邻域像素。因此本发明从该点的邻域像素中选择像素进行平滑计算。在此引入去噪力度参数Amplitude的概念，去噪力度参数Amplitude表示对图像噪声去除的彻底程度，去噪力度参数的取值范围为Amplitude∈[0，1]。

设I_i，j为I_x，y邻域R_x，y内任一点(i，j)的像素值，邻域R_x，y的大小由经验而定，一般可选17×17～33×33。如果I_i，j与I_x，y的差值的绝对值小于用户输入的去噪力度参数Amplitude，那么该点得以参与对I_x，y的平滑运算，其平滑系数也为1。反之，则认为点I_i，j属于明显噪点，不应该参与到对I_x，y的平滑运算中，否则会对原有图像信息造成影响，因此其平滑系数为0。当Amplitude＝0时，表示当前待处理像素I_x，y的邻域内所有像素I_i，j都不参与I_x，y的平滑计算中，随着Amplitude的增大，I_x，y邻域内越来越多的像素点参与到平滑计算中，而Amplitude＝1则表示I_x，y邻域内每一个像素点都被用来计算I_x，y的去噪平滑结果。对于当前点I_x，y，其邻域内平滑系数K具体公式可以表示为：

$K_{(i,j)\&Element;R_{x,y}=}\left\{\begin{array}{ccc}1& \mathrm{if}& \mathrm{abs}(I_{i,j}-I_{x,y})<\mathrm{Amplitude}\\ 0& & \mathrm{else}\end{array}\right.$

那么I_x，y的噪声平滑值为

$\stackrel{\&OverBar;}{I_{x,y}}=\underset{(i,j)\&Element;R_{x,y}}{\mathrm{\&Sigma;}}{I}_{i,j}\&CenterDot;K_{i,j}/S$

其中，S为当前待处理像素邻域内各像素的平滑系数之和。

步骤S2，根据用户对图像边缘清晰程度的要求，利用选定的边缘保留度参数Edee确定逻辑平衡变量T_x，y。

在对图像中的噪声进行平滑的过程中，为了消除幅值过大的噪声，会将图像的边缘信息过度模糊，从而对抠像或者其他各种图像应用造成新的干扰，而用户既需要低噪的背景，也需要清晰的边缘。因此，本发明利用用户提供的边缘保留度参数Edge，调整噪声去除和边缘保留之间的关系。Edge表示用户对于输入噪声图像边缘的保留程度，边缘保留度参数的取值范围为Edge∈[0，20]。而由于输入图像中存在梯度不同的多个边缘，那么每个像素的实际边缘保留度不仅应取决于用户主观输入的参数Edge，更应该取决于图像内不同边缘梯度大小的客观差别，因此我们用逻辑平衡变量T_x，y来表示上述逻辑关系。

逻辑平衡变量T_x，y由参数Edge、图像每个像素的水平和垂直方向的梯度和的绝对值以及常数l₀相乘而得，并限制在[0，1]内。具体计算公式如下：

$T_{x,y}=\min (l_0\&CenterDot;\mathrm{Edge}\&CenterDot;(\mathrm{abs}\left({\mathrm{Grad}}_{x,y}^H\right)+\mathrm{abs}\left({\mathrm{Grad}}_{x,y}^V\right)),1)$

上式中，

和

分别表示当前像素I_x，y的水平方向和垂直方向的梯度，具体公式为：

${\mathrm{Grad}}_{x,y}^H=\underset{i=-l_1}{\overset{l_1}{\mathrm{\&Sigma;}}}{I}_{x+i,y}\&CenterDot;\mathrm{sgn}\left(i\right),$ ${\mathrm{Grad}}_{x,y}^V=\underset{j={-l}_1}{\overset{l_1}{\mathrm{\&Sigma;}}}{I}_{x,y+j}\&CenterDot;\mathrm{sgn}\left(j\right)$

其中l₁是常数，取值根据经验而定，l₁一般设定为4～8，

sgn(·)是符号函数，满足

I_x+i，y表示点(x+i，y)的像素值，I_x，y+j表示点(x，y+j)的像素值。

步骤S3，通过逻辑平衡变量T_x，y来平衡噪声平滑图像和含噪图像的比重，将含噪图像与噪声平滑图像进行插值运算，得到最终的输出去噪图像。具体计算公式如下：

$I_{x,y}^{\&prime;}=I_{x,y}\&CenterDot;T_{x,y}+\stackrel{\&OverBar;}{I_{x,y}}\&CenterDot;(1-T_{x,y})$

其中，I′_x，y表示输出去噪图像的像素，表示I_x，y当前待处理像素，T_x，y表示逻辑平衡变量，表示当前待处理像素I_x，y的噪声平滑值。

由于T_x，y与Edge所具有的上述逻辑关系，当边缘保留度参数Edge＝0时，输出去噪图像就是噪声平滑图像，图像边缘相对模糊；而随着参数Edge的增大，逻辑平衡变量T_x，y也逐渐增大，输出去噪图像也会根据边缘梯度的重要程度保留越来越多输入噪声图像的信息，从而使得输出去噪图像中的边缘变得更加明显。

本发明中对于去噪力度参数Amplitude和边缘保留度参数Edge的具体取值的原则是根据处理后图像的应用需求而定的。假设有一幅含有人像的图像，如果对该图去噪处理后需要将该人像提取出来并与其他的背景图像进行合成，那么人像的边缘就要求非常清晰，这样就需要选取较高的边缘保留度参数Edge，由此而带来的图像噪声的增加则不得不采用诸如包围模板等方法予以屏蔽。而如果去噪处理后该图像作为最终节目素材输出，那么边缘的高清晰度要求并不明显，而遍布全图的颗粒感则必须被消除，因此就可以选择较高的去噪力度参数Amplitude，并适当降低边缘保留度参数Edge。

图2a为一幅输入的含噪图像，对该图像的RGB三个色彩通道一起进行噪声去除处理的结果如图2b所示，所选择的去噪力度参数Amplitude＝0.2，边缘保留度参数Edge＝0，即边缘无保留。图2c在图2b的基础上，增加了边缘保留度，去噪力度参数Amplitude＝0.2，边缘保留度参数Edge＝1，得到该图像的RGB三个色彩通道一起进行噪声去除处理的结果。从图2c与图2b的比较中可以看出，图2c的图像边缘部分明显清晰，如衣领部分或面部轮廓，而在图2b中则显得比较模糊。

图3c为直接对输入的含噪图像图2a抠像的效果图，图3b为对去噪处理后的图2c抠像的效果图。从图3a与图3b的比较中可以看出，应用本发明处理后的图2c抠像后得到的图像图3b的边缘更加清晰。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其同等技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种图像噪声快速去除方法，包括如下步骤：

(1)根据用户选定的去噪力度参数Amplitude对当前色彩通道接收到的含噪图像进行平滑处理，得到噪声平滑图像；

(2)根据用户对图像边缘清晰程度的要求，利用选定的边缘保留度参数Edge确定逻辑平衡变量T_x，y；

(3)通过逻辑平衡变量T_x，y来平衡噪声平滑图像和含噪图像的比重，将含噪图像与噪声平滑图像进行插值运算，得到最终的输出去噪图像。

2.如权利要求1所述的图像噪声快速去除方法，其特征在于：本方法包括单色彩通道和多色彩通道两种处理模式，单色彩通道模式能够对RGB格式图像的任一色彩通道进行处理，多色彩通道模式能够同时对RGB格式图像的三个色彩通道进行处理。

3.如权利要求1所述的图像噪声快速去除方法，其特征在于：步骤(1)中在对含噪图像进行平滑处理之前，先对含噪图像的像素值域归一化到[0，1]。

4.如权利要求1所述的图像噪声快速去除方法，其特征在于：步骤(1)中所述的去噪力度参数的取值范围为Amplitude∈[0，1]，当Amplitude＝0时，表示当前待处理像素I_x，y的邻域内所有像素I_i，j都不参与I_x，y的平滑计算；当Amplitude＝1时，表示当前待处理像素I_x，y的邻域内所有像素I_i，j都参与I_x，y的平滑计算。

5.如权利要求4所述的图像噪声快速去除方法，其特征在于：步骤(1)中得到噪声平滑图像的具体计算方式如下：

$\stackrel{\&OverBar;}{I_{x,y}}=\underset{(i,j)\&Element;R_{x,y}}{\mathrm{\&Sigma;}}{I}_{i,j}\&CenterDot;K_{i,j}/S$

上式中，

表示当前待处理像素I_x，y的噪声平滑值，I_i，j表示I_x，y邻域R_x，y内任一点(i，j)的像素值，K_i，j表示当前待处理像素邻域内各像素的平滑系数，S为当前待处理像素邻域内各像素的平滑系数之和；

其中， $K_{(i,j)\&Element;R_{x,y}=}\left\{\begin{array}{ccc}1& \mathrm{if}& \mathrm{abs}(I_{i,j}-I_{x,y})<\mathrm{Amplitude}\\ 0& & \mathrm{else}\end{array}\right..$

6.如权利要求1所述的图像噪声快速去除方法，其特征在于：步骤(2)中所述的边缘保留度参数的取值范围为Edg∈[0，20]，逻辑平衡变量的取值范围为T_x，y∈[0，1]。

7.如权利要求6所述的图像噪声快速去除方法，其特征在于：步骤(2)中确定逻辑平衡变量T_x，y的方法如下：

$T_{x,y}=\min (l_0\&CenterDot;\mathrm{Edge}\&CenterDot;(\mathrm{abs}\left({\mathrm{Grad}}_{x,y}^H\right)+\mathrm{abs}\left({\mathrm{Grad}}_{x,y}^V\right)),1)$

上式中，和

分别表示当前像素I_x，y的水平方向和垂直方向的梯度，具体公式为：

${\mathrm{Grad}}_{x,y}^H=\underset{i={-l}_1}{\overset{l_1}{\mathrm{\&Sigma;}}}{I}_{x+i,y}\&CenterDot;\mathrm{sgn}\left(i\right),$ ${\mathrm{Grad}}_{x,y}^V=\underset{j={-l}_1}{\overset{l_1}{\mathrm{\&Sigma;}}}{I}_{x,y+j}\&CenterDot;\mathrm{sgn}\left(j\right)$

其中l₁是常数，sgn(·)是符号函数，满足

I_x+i，y表示点(x+i，y)的像素值，I_x，y+j表示点(x，y+j)的像素值。

8.如权利要求1或7所述的图像噪声快速去除方法，其特征在于：步骤(3)中，将含噪图像与噪声平滑图像进行插值运算的具体方式如下：

$I_{x,y}^{\&prime;}=I_{x,y}\&CenterDot;T_{x,y}+\stackrel{\&OverBar;}{I_{x,y}}\&CenterDot;(1-T_{x,y})$

上式中，I’_x，y表示输出去噪图像的像素，表示I_x，y当前待处理像素，T_x，y表示逻辑平衡变量，表示当前待处理像素I_x，y的噪声平滑值。

Images