CN102611831B - 降低压缩图像编码噪声的方法 - Google Patents

Abstract

本发明公开了一种降低由于量化导致离散余弦项系数的丢失，造成在解码恢复后图像边界区域出现的吉布斯震荡现象，以及块边界区域出现的不连续现象的压缩图像编码噪声滤波装置，它包括：按照图像的像素特点，将原始图像的像素所属区域分为平滑区域和非平滑区域，所述非平滑区域是指图像中亮度变化较大的区域，它包括边界区域和纹理区域，所述平滑区域是指图像中亮度变化缓慢的区域；采用带方向性行程可变滤波器对原始图像中的平滑区域进行平滑滤波处理；通过噪声检测区分原始图像的细节和噪声，检测出原始图像中属于块效应的噪声；采用不同平滑系数的带方向性行程可变滤波器对平滑滤波处理后的图像中属于块效应的噪声进行滤波降噪处理。

Description

降低压缩图像编码噪声的方法

技术领域

本发明涉及一种降低压缩图像编码噪声的技术，具体来说，涉及一种由于量化导致离散余弦项(Discrete Cosine Transform，DCT)系数的丢失，造成在解码恢复后图像边界区域出现的吉布斯震荡现象，以及块边界区域出现的不连续现象的降低压缩图像编码噪声的方法。

背景技术

随着高清晰、高画质液晶电视的普及，人们对画面显示质量的要求日渐提高，图像压缩技术的应用有效地解决了高质量视频源占用存储空间大和传输带宽限制的问题，使得高清晰、高画质视频的通信成为可能。目前，压缩技术已经在静态图像和动态图像压缩编码中取得了广泛应用。在学术界、工业界中广泛采用基于块的图像压缩标准，例如JPEG(JointPhotographic Experts Group)作为一种通用静态图像压缩标准、MPEG1/2/4(Moving Picture Experts Group)、AVS(Audio Video Standard)等作为视频图像压缩标准，压缩过程通常采用有损压缩方式，包括离散余弦变换、系数量化和熵编码等处理，由于量化过程会导致DCT变换后高频项系数丢失，使得解码后的视频图像在边缘处会出现类似水波纹的吉布斯震荡现象，即振铃效应；在每个DCT变换基本块边界处出现不连续的现象，即方块效应。两种效应将严重影响视频质量，压缩率越大，图像损失越明显。

发明内容

针对以上的不足，本发明提供了一种降低由于量化导致离散余弦项(Discrete Cosine Transform，DCT)系数的丢失，造成在解码恢复后图像边界区域出现的吉布斯震荡现象，以及块边界区域出现的不连续现象的压缩图像编码噪声滤波装置。

本发明的降低压缩图像编码噪声的方法包括：1)按照图像的像素特点，将原始图像的像素所属区域分为平滑区域和非平滑区域，所述非平滑区域是指图像中亮度变化较大的区域，它包括边界区域和纹理区域，所述平滑区域是指图像中亮度变化缓慢的区域；2)对原始图像中的平滑区域进行平滑滤波处理；3)通过噪声检测区分原始图像的细节和噪声，检测出原始图像中属于块效应的噪声；4)对平滑滤波处理后的图像中属于块效应的噪声进行滤波降噪处理。

所述步骤1)包括：

11)对原始图像进行灰度检测处理，获取图像的各像素点的灰度值；

12)设计一个n×n观察窗，其中n×n表示观察窗的尺寸，n为大于2的奇数；

13)计算每个观察窗内n×n-1个邻域像素点相对于中心像素点的韦伯比率c_i：

$c_i=\frac{|I_m-I_i|}{I_m},i\∈[1,n\×n],i\≠m$

其中，I表示灰度值，i表示窗口内像素点坐标索引值下标，第一行索引分别为1、2、…、n，第二行为n+1、n+2、…、n+n，第三行为2n+1、2n+2、…、2n+n，以此类推。I_i表示邻域内索引值为i的像素点的灰度值，m表示中心像素点索引值下标，m＝(n×n+1)/2。I_m表示当前处理像素点即观察窗中心点的灰度值；

14)将得到的韦伯比率c_i与预设的人眼可分辨亮度变化阈值T1进行比较，当韦伯比率小于该阈值时，表示窗口邻域内观测点相对中心像素点变化缓慢，反之表示观测点相对中心像是变化剧烈；

15)将比较结果二值化为ε_i，并对窗口内的ε_i求和，得到窗口内亮度连续的像素点的个数count1：

${\mathrm{\ϵ}}_i=\left\{\begin{array}{cc}0,& c_i>T1\\ 1,& c_i\≤T1\end{array}\right.$

$\mathrm{count}1=\underset{i\≠m}{\underset{i=\mathrm{1,2},\·\·\·,n\×n;}{\mathrm{\Σ}}}{\mathrm{\ϵ}}_i$

16)对当前处理像素点所属区域进行分类，如果count1≥T2，表示该点相对邻域像素连续，即当前像素点处于平滑区域，否则，表示该点处于不平滑区域，其中，T2为平滑区域判断门限值，用δ_m表示分类结果，当δ_m的值为0时表示该像素点处于不平滑区域，当δ_m的值为1时表示该像素点处于平滑区域：

${\mathrm{\&delta;}}_m=\left\{\begin{array}{cc}0,& \mathrm{count}1<T2\\ 1,& \mathrm{count}1\&GreaterEqual;T2\end{array}\right..$

所述步骤2)采用带方向性行程可变滤波器对图像的平滑区域进行平滑滤波处理：

$\mathrm{count}2=\underset{i=1}{\overset{n^{\&prime;}\&times;n^{\&prime;}}{\mathrm{\&Sigma;}}}{\mathrm{\&delta;}}_i^{\&prime;}$

$I_m^{\&prime;}=I_m+\frac{\underset{i=1}{\overset{n^{\&prime;}\&times;n^{\&prime;}}{\mathrm{\&Sigma;}}}{\mathrm{\&delta;}}_i^{\&prime;}(I_i-I_m)}{k}$

其中count2表示行程扩充后的窗口内连续像素点个数，n′×n′表示行程扩充后的最大观察窗大小，其取值由中心像素点与领域像素点的平滑连续性决定，I_m表示当前像素点灰度值，I′_m表示当前像素点滤波处理后的灰度值，I_i为邻域内像素灰度值，δ′_i为二值矩阵值中满足平滑行程扩展条件的修正值，其取值由中心像素点与领域像素点的平滑连续性决定，k为平滑系数，其选择如下所示：

当各方向最大行程为1时，即在最大3×3观察窗内，此时取k＝8；

当各方向最大行程为2时，即在最大5×5观察窗内，如果count2∈[0，12]时，取k＝12，否则当count2∈[12，24]时，k＝24；

当各方向最大行程为3时，即在最大7×7观察窗内，如果count2∈[0，24]时，取k＝24，否则当count2∈[24，48]，取k＝48。

所述步骤4)采用带方向性行程可变滤波器对图像的不平滑区域进行平滑滤波处理：

$\mathrm{count}2=\underset{i=1}{\overset{n^{\&prime;}\&times;n^{\&prime;}}{\mathrm{\&Sigma;}}}{\mathrm{\&delta;}}_i^{\&prime;}$

$I_m^{\&prime;}=I_m+\frac{\underset{i=1}{\overset{n^{\&prime;}\&times;n^{\&prime;}}{\mathrm{\&Sigma;}}}{\mathrm{\&delta;}}_i^{\&prime;}(I_i-I_m)}{k^{\&prime;}}$

其中count2表示行程扩充后的窗口内连续像素点个数，n′×n′表示行程扩充后的最大观察窗大小，其取值由中心像素点与领域像素点的不平滑连续性决定，I_m表示当前像素点灰度值，I′_m表示当前像素点滤波处理后的灰度值，I_i为邻域内像素灰度值，δ′_i为二值矩阵值中满足不平滑行程扩展条件的修正值，其取值由中心像素点与领域像素点的不平滑连续性决定，k′为平滑系数，其选择如下：

当各方向最大行程为1时，即在最大3×3观察窗内，此时取k′＝8；

当各方向最大行程为2时，即在最大5×5观察窗内，如果count2∈[0，12]时，取k′＝24，否则当count2∈[12，24]时，k′＝12；

当各方向最大行程为3时，即在最大7×7观察窗内，如果count2∈[0，24]时，取k′＝48，否则当count2∈[24，48]时，取k′＝24。

本发明的有益效果：本发明的实施方式对处于不同区域的振铃噪声与方块噪声进行不同强度的平滑滤波或者不进行平滑滤波，根据人类视觉系统特性，利用韦伯定理作为衡量像素间亮度变化的敏感度指标，并依照该理论完成判断阈值的选取，本发明从人类视觉感受出发准确的区分平滑区域与非平滑区域，其中非平滑区域包括了噪声、边缘及细节；进一步本发明结合振铃效应与方块效应的特点，提出了区分噪声与真实图像的方法和基于该方法的滤波技术，本发明能够有效地降低图像中的编码噪声，同时保持住图像的边缘、细节等高频成分；另外，本发明方法的处理过程能用逻辑操作、移位操作和整数运算完成，因此能够实时完成降低编码噪声操作，而且硬件实现的复杂度低。本发明中的降低振铃噪声方法可以应用于由低通滤波造成的振铃现象以及由压缩编码造成的振铃效应，本发明中的降低方块噪声方法可以应用在基于块DCT的编码图像标准中，例如H.261、H.263、JPEG、MPEG等。

附图说明

图1为本发明的降低压缩图像编码噪声的方法的流程图。

具体实施方式

下面结合附图对本发明进行进一步阐述。

如图1所示，本发明的降低压缩图像编码噪声的方法的基本思想为：

第一步，本文发明通过检测基于3×3的观察窗口，为了得到韦伯比率，将每个窗内像素与中心像素比较，这样一次需要计算窗口内8个邻域点的韦伯比率。依据人类视觉系统特性，当该像素相对中心点韦伯比率小于门限值时，效果上表现为亮度相似，人眼很难区别两个像素点亮度差；当8个点同时表现为与中心点亮度相似时，即韦伯比率小于门限值，将中心点像素标记为1，用以表示该点在8邻域内亮度连续，否则表示邻域中存在亮度不连续变化，将图像中心像素点标记为0，用以表示该点在8邻域内某些方向不连续。

第二步，判断像素所处区域与降噪。经上述标记后得到二值矩阵，本发明用矩阵中的0元素表示不连续的图像边界或是纹理区域，而矩阵中的1元素表示平滑部分。由于平滑部分本身像素间差异较小，振铃效应在平滑区域表现的不是很严重。采用本发明滤波器处理时，各方向行程基本达到最大值，滤波过程参考的有效像素点增多，因此可以准确的降低该区域表现出不明显的振铃噪声，提高图像显示效果。边缘、纹理区域像素间差异较大，二值矩阵部分方向出现了亮度不连续跳变，对于这种跳变人眼很容易察觉。本发明则避免引入不连续区域像素点，提出了自适应的查找像素的算法。通过扩大连续区域的行程，算法将找到更多相关像素，用以滤除像素过渡带在该平滑区域表现出的振铃效应。在细节较多的非平滑区域，由于模板内多个方向存在不连续性，表现为振铃效应与细节差别并不明显。此时本发明的滤波器会自动缩减平滑系数以及参考点数，有效地保留了图像细节。

下面就各步骤进行详细的描述：

一、按照图像的像素特点，将原始图像的像素所属区域分为平滑区域和非平滑区域，所述非平滑区域是指图像中亮度变化较大的区域，它包括边界区域和纹理区域，所述平滑区域是指图像中亮度变化缓慢的区域。其具体步骤包括：

11)对原始图像进行灰度检测处理，获取图像的各像素点的灰度值；

12)设计一个n×n(3×3为例)观察窗，其中n×n表示观察窗的尺寸，n为大于2的奇数；

13)计算每个观察窗内n×n-1个邻域像素点相对于中心像素点的韦伯比率c_i：

$c_i=\frac{|I_m-I_i|}{I_m},i\&Element;[1,n\&times;n],i\&NotEqual;m$

其中，I表示灰度值，i表示窗口内像素点坐标索引值下标，第一行索引分别为1、2、…、n，第二行为n+1、n+2、…、n+n，第三行为2n+1、2n+2、…、2n+n，以此类推。I_i表示邻域内索引值为i的像素点的灰度值，m表示中心像素点索引值下标，m＝(n×n+1)/2。I_m表示当前处理像素点即观察窗中心点的灰度值；

14)将得到的韦伯比率c_i与预设的人眼可分辨亮度变化阈值T1进行比较，其中T1＝0.1，当韦伯比率小于该阈值时，表示窗口邻域内观测点相对中心像素点变化缓慢，反之表示观测点相对中心像是变化剧烈；

15)将比较结果二值化为ε_i，并对窗口内的ε_i求和，得到窗口内连续像素点个数count1：

${\mathrm{\&epsiv;}}_i=\left\{\begin{array}{cc}0,& c_i>T1\\ 1,& c_i\&le;T1\end{array}\right.$

$\mathrm{count}1=\underset{i\&NotEqual;m}{\underset{i=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,n\&times;n;}{\mathrm{\&Sigma;}}}{\mathrm{\&epsiv;}}_i$

16)对当前处理像素点所属区域进行分类，如果count1≥T2，表示该点相对邻域像素连续，即当前像素点处于平滑区域，否则，表示该点处于不平滑区域，其中，T2为平滑区域判断门限值，用δ_m表示分类结果，当δ_m的值为0时表示该像素点处于不平滑区域，当δ_m的值为1时表示该像素点处于平滑区域：

${\mathrm{\&delta;}}_m=\left\{\begin{array}{cc}0,& \mathrm{count}1<T2\\ 1,& \mathrm{count}1\&GreaterEqual;T2\end{array}\right..$

当采用3×3观察窗时门限值T2取值为7。如果3×3邻域内存在7个以上点相对中心点连续，那么中心像素I_m点处于平滑区域，此时需要将像素I_m坐标对应位置的δ_m初始化为1；否则，表示中心像素点处于亮度变化区域(边缘区域或细节区域)，此时将δ_m初始化为0，并将得到的δ_m的值存储在与图像的长宽同样大小的二值矩阵中，位置为I_m在图像矩阵中的坐标。

二、对原始图像中的平滑区域进行平滑滤波处理。

对平滑区域进行平滑滤波处理采用一种带方向性行程可变滤波器，首先对当前像素3×3模板内像素对应坐标二值矩阵进行检测，当前像素点，即中心像素点δ₅为1时，如果模板邻域内某个像素点二值也为1，则规定该像素点方向相对δ₅存在连续性，如果领域内某个方向的所有δ值为0，则规定该像素点方向相对δ₅不存在连续性。只要判断某个方向存在连续性，就应该扩大该方向上模板行程宽度，以选择尽可能相关的所有像素进行运算。方向可控行程取1，模板变为5×5，对于上述判断为不存在连续性的方向，扩大模板时自动将此方向上对应的δ值设为0，因为我们不考虑扩展此方向，而对于判定存在连续性的方向，其δ值取二值矩阵中对应位置的δ值。如果5×5模板在某个方向存在连续性，则扩大方向可控行程为2，模板变为7×7，同样在5×5模板时判定为不存在连续性的方向自动补0，而判定为存在连续性的方向取二值矩阵中对应位置的δ值。如果7×7模板中在某个方向存在连续性，则继续扩大方向可控行程为3，以此类推。

方向可控行程的最大取值应大于2，但随着行程的扩大，像素点的相关性变小，同时计算复杂度也增大，因此取值不超过4。经行程扩展后采用如下运算处理：

$\mathrm{count}2=\underset{i=1}{\overset{n^{\&prime;}\&times;n^{\&prime;}}{\mathrm{\&Sigma;}}}{\mathrm{\&delta;}}_i^{\&prime;}$

$I_m^{\&prime;}=I_m+\frac{\underset{i=1}{\overset{n^{\&prime;}\&times;n^{\&prime;}}{\mathrm{\&Sigma;}}}{\mathrm{\&delta;}}_i^{\&prime;}(I_i-I_m)}{k}$

其中count2表示行程扩充后的窗口内连续像素点个数，n′×n′表示行程扩充后的最大观察窗大小，其取值由中心像素点与领域像素点的平滑连续性决定，I_m表示当前像素点灰度值，I′_m表示当前像素点滤波处理后的灰度值，I_i为邻域内像素灰度值，δ′_i为二值矩阵值中满足平滑行程扩展条件的修正值，其取值由中心像素点与领域像素点的平滑连续性决定，k为平滑系数，其选择如下所示：

当各方向最大行程为1时，即在最大3×3观察窗内，此时取k＝8；当各方向最大行程为2时，即在最大5×5观察窗内，如果count2∈[0，12]时取k＝12，表示中心像素点I₅在5×5观察窗内处于非平滑区域，此时应采用相对较低的平滑系数平滑噪声，否则当count2∈[12，24]时k＝24；当各方向最大行程为3时，即在最大7×7观察窗内，如果count2∈[0，24]时取k＝24，表示中心像素点I₅在7×7观察窗内处于非平滑区域，此时应采用相对较低的平滑系数降低噪声，否则当count2∈[24，48]取k＝48。

三、通过噪声检测区分原始图像的细节和噪声，检测出原始图像中属于块效应的噪声。

四、对平滑滤波处理后的图像中属于块效应的噪声进行滤波降噪处理。

先选取3×3大小的模板，若中心像素点对应的二值矩阵值δ₅为0时，表示当前点处于不平滑区域。

对不平滑区域进行平滑滤波处理采用采用带方向性行程可变滤波器处理：

$\mathrm{count}2=\underset{i=1}{\overset{n^{\&prime;}\&times;n^{\&prime;}}{\mathrm{\&Sigma;}}}{\mathrm{\&delta;}}_i^{\&prime;}$

$I_m^{\&prime;}=I_m+\frac{\underset{i=1}{\overset{n^{\&prime;}\&times;n^{\&prime;}}{\mathrm{\&Sigma;}}}{\mathrm{\&delta;}}_i^{\&prime;}(I_i-I_m)}{k^{\&prime;}}$

其中count2表示行程扩充后的窗口内连续像素点个数，行程扩充方式与上述平滑区域的扩充方式相同，这里不在赘述。n′×n′表示行程扩充后的最大观察窗大小，其取值由中心像素点与领域像素点的不平滑连续性决定，I_m表示当前像素点灰度值，I′_m表示当前像素点滤波处理后的灰度值，I_i为邻域内像素灰度值，δ′_i为二值矩阵值中满足不平滑行程扩展条件的修正值，其取值由中心像素点与领域像素点的不平滑连续性决定，k′为平滑系数，其选择如下：

当各方向最大行程为1时，即在最大3×3观察窗内，此时取k′＝8；当各方向最大行程为2时，即在最大5×5观察窗内，如果count2∈[0，12]时，取k′＝24，表示中心像素点I₅在5×5观察窗内处于非平滑区域，此时应采用相对较高的平滑系数保留细节，否则当count2∈[12，24]时k′＝12；当各方向最大行程为3时，即在最大7×7观察窗内，如果Y_i＝1的像素个数count2∈[0，24]时，取k′＝48，表示中心像素点I₅在7×7观察窗内处于非平滑区域，此时应采用相对较高的平滑系数保留细节，否则当count2∈[24，48]时，取k′＝24。这样滤波处理后可以得到了良好的降噪效果。实际设定平滑系数时为了保留原始像素点的信息，减小降噪后引入的干扰，减小因平滑带来的模糊效果。

以上所述仅为本发明的较佳实施方式，本发明并不局限于上述实施方式，在实施过程中可能存在局部微小的结构改动，如果对本发明的各种改动或变型不脱离本发明的精神和范围，且属于本发明的权利要求和等同技术范围之内，则本发明也意图包含这些改动和变型。

Claims (3)

1.一种降低压缩图像编码噪声的方法，其特征在于，它包括： 

1)按照图像的像素特点，将原始图像的像素所属区域分为平滑区域和非平滑区域，所述非平滑区域是指图像中亮度变化较大的区域，它包括边界区域和纹理区域，所述平滑区域是指图像中亮度变化缓慢的区域； 

2)对原始图像中的平滑区域进行平滑滤波处理； 

3)通过噪声检测区分原始图像的细节和噪声，检测出原始图像中属于块效应的噪声； 

4)对平滑滤波处理后的图像中属于块效应的噪声进行滤波降噪处理； 

所述步骤2)采用带方向性行程可变滤波器对图像的平滑区域进行平滑滤波处理： 

其中count2表示行程扩充后的窗口内连续像素点个数，n′×n′表示行程扩充后的最大观察窗大小，其取值由中心像素点与领域像素点的平滑连续性决定，I_m表示当前像素点灰度值，I′_m表示当前像素点滤波处理后的灰度值，I_i为邻域内像素灰度值，δ′_i为二值矩阵值中满足平滑行程扩展条件的修正值，其取值由中心像素点与领域像素点的平 滑连续性决定，k为平滑系数，其选择如下所示： 

当各方向最大行程为1时，即在最大3×3观察窗内，此时取k＝8； 

当各方向最大行程为2时，即在最大5×5观察窗内，如果count2∈[0,12]时，取k＝12，否则当count2∈[12,24]时，k＝24； 

当各方向最大行程为3时，即在最大7×7观察窗内，如果count2∈[0,24]时，取k＝24，否则当count2∈[24,48]，取k＝48。 

2.根据权利要求1所述的降低压缩图像编码噪声的方法，其特征在于，所述步骤1)包括： 

11)对原始图像进行灰度检测处理，获取图像的各像素点的灰度值； 

12)设计一个n×n观察窗，其中n×n表示观察窗的尺寸，n为大于2的奇数； 

13)计算每个观察窗内n×n-1个邻域像素点相对于中心像素点的韦伯比率ci： 

其中，I表示灰度值，i表示窗口内像素点坐标索引值下标，第一行索引分别为1、2、…、n，第二行为n+1、n+2、…、n+n，第三行为2n+1、2n+2、…、2n+n，以此类推，Ii表示邻域内索引值为i的像素点的灰度值，m表示中心像素点索引值下标，m＝(n×n+1)/2，I_m表示当前处理像素点即观察窗中心点的灰度值； 

14)将得到的韦伯比率c_i与预设的人眼可分辨亮度变化阈值T1进行比较，当韦伯比率小于该阈值时，表示窗口邻域内观测点相对中心 像素点变化缓慢，反之表示观测点相对中心像是变化剧烈； 

15)将比较结果二值化为ε_i，并对窗口内的ε_i求和，得到窗口内亮度连续的像素点的个数count1： 

16)对当前处理像素点所属区域进行分类，如果count1≥T2，表示该点相对邻域像素连续，即当前像素点处于平滑区域，否则，表示该点处于不平滑区域，其中，T2为平滑区域判断门限值，用δ_m表示分类结果，当δ_m的值为0时表示该像素点处于不平滑区域，当δ_m的值为1时表示该像素点处于平滑区域： 

3.根据权利要求1所述的降低压缩图像编码噪声的方法，其特征在于，所述步骤4)采用带方向性行程可变滤波器对图像的不平滑区域进行平滑滤波处理： 

其中count2表示行程扩充后的窗口内连续像素点个数，n′×n′表示行程扩充后的最大观察窗大小，其取值由中心像素点与领域像素点 的不平滑连续性决定，I_m表示当前像素点灰度值，I′_m表示当前像素点滤波处理后的灰度值，I_i为邻域内像素灰度值，δ′_i为二值矩阵值中满足不平滑行程扩展条件的修正值，其取值由中心像素点与领域像素点的不平滑连续性决定，k′为平滑系数，其选择如下： 

当各方向最大行程为1时，即在最大3×3观察窗内，此时取k′＝8； 

当各方向最大行程为2时，即在最大5×5观察窗内，如果count2∈[0,12]时，取k′＝24，否则当count2∈[12,24]时，k′＝12； 

当各方向最大行程为3时，即在最大7×7观察窗内，如果count2∈[0,24]时，取k′＝48，否则当count2∈[24,48]时，取k′＝24。