CN103020908B - 图像降噪的方法和设备 - Google Patents

Abstract

本发明提供图像降噪的方法和设备，包括：通过根据目标图像区域集合中的每一个图像区域的每一种颜色分量的平均值和参考颜色分量值，确定该目标图像区域集合中的每一个图像区域的降噪权重，并根据该目标图像区域集合中的每一个图像区域的降噪权重，对第一像素点进行降噪，可以更好的去除平坦区域的颜色噪声，并且对细节保留的更好。同时，本发明可以节省大量的运算资源，特别是在图像区域越大的情况下，节省的运算资源越多。

Description

图像降噪的方法和设备

技术领域

本发明实施例涉及图像处理技术领域，并且更具体地，涉及图像降噪的方法和设备。

背景技术

为了让图像传感器只感光红、蓝、绿三种色光中的一种，图像传感器普遍使用颜色滤波阵列。使用颜色滤波阵列的图像传感器得到的图像文件中每个像素点只有一种颜色分量，这种图像文件称为拜尔模版。最后的彩色图片需要有基于临域点插值算法处理得到彩色图片。传感器内部的电路等会在图像捕获过程中不可避免的产生干扰，使得图像传感器得到的图像文件存在噪声干扰，因此使用一个算法对图像传感器得到的拜尔模版图像数据进行修正是十分必要的。

现有的一种方案在对需要进行降噪的第一像素点进行降噪处理时，首先确定与第一图像区域同构的至少一个图像区域，其中第一图像区域是以第一像素点为中心的矩形区域。然后计算第一图像区域和每一个同构的图像区域中对应的像素点的高斯加权欧式距离，根据每一个对应像素点的高斯加权欧式距离，对第一像素点进行降噪。该方案对拜尔模版图像数据进行去噪的结果并不理想，因为每个图像区域中的每个像素点只有一种颜色分量，由单一颜色分量组成的图像区域并不能很好的标识该图像区域中的细节分布情况。所以直接根据每个像素点的高斯加权欧式距离进行降噪的结果并不准确。去噪后的现象是经常在图像平坦区域颜色噪声去除不干净，在图像细节丰富区域带来模糊效应。

发明内容

本发明提供图像降噪的方法和设备，以更好的去除平坦区域的颜色噪声，并且对细节保留的更好。

第一方面，本发明是实施例提供一种图像降噪的方法，包括：

确定目标图像区域集合中的每一个图像区域中的每一种颜色分量的平均值和参考颜色分量值，其中该目标图像区域集合包括以第一像素点为中心的第一图像区域和与该第一图像区域同构的至少一个图像区域；

根据该目标图像区域集合中的每一个图像区域的每一种颜色分量的平均值和参考颜色分量值，确定该目标图像区域集合中的每一个图像区域的降噪权重；

根据该目标图像区域集合中的每一个图像区域的降噪权重，对该第一像素点进行降噪。

结合第一方面，在第一种可能的实现方式中，根据该目标图像区域集合中的每一个图像区域的每一种颜色分量的平均值和参考颜色分量值，确定该目标图像区域集合中的每一个图像区域的降噪权重，包括：

根据该目标图像区域集合中的每一个图像区域的每一种颜色分量的平均值和参考颜色分量值，确定归一化值和该目标图像区域集合中每一个图像区域的第一参考降噪值；

根据该归一化值和该目标图像区域集合中每一个图像区域的第一参考降噪值，确定该目标图像区域中集合中每一个图像区域的降噪权重。

结合第一方面，在第二种可能的实现方式中，按照以下等式确定该参考颜色分量值：

$K=k_1\×\stackrel{\‾}{R}+k_2\×\stackrel{\‾}{G}+k_3\×\stackrel{\‾}{B},$

其中，K表示该参考颜色分量值，k₁+k₂+k₃=1，表示该图像区域中颜色分量R的平均值，表示该图像区域中颜色分量G的平均值，表示该图像区域中颜色分量B的平均值，该颜色分量G包括颜色分量Gr和颜色分量Gb。

结合第二种可能的实现方式，在第三种可能的实现方式中，按照以下等式确定该归一化值：

$z\left(i\right)=\underset{s\∈I}{\mathrm{\Σ}}\exp (-\frac{{\left|\right|p_i-q_s\left|\right|}_{2,\∂}^2}{h^2}),$

其中，z(i)表示该归一化值，为高斯函数的标准差，h为该图像区域的平滑参数，该目标图像区域集合包括I-1个与该第一图像区域相似的图像区域，I为大于等于2的整数，

其中， 表示该第一图像区域中颜色分量R的平均值，表示该第一图像区域中颜色分量G的平均值，表示该第一图像区域中颜色分量B的平均值，K_i表示该第一图像区域中该参考颜色分量值，该颜色分量G包括颜色分量Gr和颜色分量Gb，

其中， 表示该目标图像区域集合中第s个图像区域中颜色分量R的平均值，表示该目标图像区域集合中第s个图像区域中颜色分量G的平均值，表示该目标图像区域集合中第s个图像区域中颜色分量B的平均值，K_s表示该目标图像区域集合中第s个图像区域中该参考颜色分量值，该颜色分量G包括颜色分量Gr和颜色分量Gb，s为小于等于I的正整数。

结合第三种可能的实现方式，在第四种可能的实现方式中，按照以下等式确定该目标图像区域集合中每一个图像区域的第一参考降噪值：

$d\left(j\right)=\exp (-\frac{{\left|\right|p_i-q_j\left|\right|}_{2,\∂}^2}{h^2}),$

其中，d(j)表示该目标图像区域集合中第j个图像区域的第一参考降噪值，为高斯函数的标准差，h为该图像区域的平滑参数，该目标图像区域集合包括I-1个与该第一图像区域相似的图像区域，I为大于等于2的整数，

其中， 表示该第一图像区域中颜色分量R的平均值，表示该第一图像区域中颜色分量G的平均值，表示该第一图像区域中颜色分量B的平均值，K_i表示该第一图像区域中该参考颜色分量值，该颜色分量G包括颜色分量Gr和颜色分量Gb，

其中， 表示该目标图像区域集合中第j个图像区域中颜色分量R的平均值，表示该目标图像区域集合中第j个图像区域中颜色分量G的平均值，表示该目标图像区域集合中第j个图像区域中颜色分量B的平均值，K_j表示该目标图像区域集合中第j个图像区域中该参考颜色分量值，该颜色分量G包括颜色分量Gr和颜色分量Gb，j为大于等于1且小于等于I的正整数。

结合第四种可能的实现方式，在第五种可能的实现方式中，按照以下等式确定该目标图像区域集合中每一个图像区域的降噪权重：

$w(i,j)=\frac{1}{z\left(i\right)}\×d\left(j\right),$

其中，z(i)表示该归一化值，d(j)表示该目标图像区域集合中第j个图像区域的第一参考降噪值，w(i,j)表示该目标图像区域集合中第j个图像区域的降噪权重，该目标图像区域集合包括I-1个与该第一图像区域相似的图像区域，I为大于等于2的整数。

第二方面，本发明提供一种设备，包括：

第一确定单元，用于确定目标图像区域集合中的每一个图像区域中的每一种颜色分量的平均值和参考颜色分量值，其中该目标图像区域集合包括以第一像素点为中心的第一图像区域和与该第一图像区域同构的至少一个图像区域；

第二确定单元，用于根据该目标图像区域集合中的每一个图像区域的每一种颜色分量的平均值和参考颜色分量值，确定该目标图像区域集合中的每一个图像区域的降噪权重；

第三确定单元，用于根据该目标图像区域集合中的每一个图像区域的降噪权重，对该第一像素点进行降噪。

结合第二方面，在第一种可能的实现方式中，该第二确定单元，具体用于根据该目标图像区域集合中的每一个图像区域的每一种颜色分量的平均值和参考颜色分量值，确定归一化值和该目标图像区域集合中每一个图像区域的第一参考降噪值；

该第二确定单元，具体用于根据该归一化值和该目标图像区域集合中每一个图像区域的第一参考降噪值，确定该目标图像区域中集合中每一个图像区域的降噪权重。

结合第二方面，在第二种可能的实现方式中，该第一确定单元，具体用于按照以下等式确定该参考颜色分量值：

$K=k_1\×\stackrel{\‾}{R}+k_2\×\stackrel{\‾}{G}+k_3\×\stackrel{\‾}{B},$

其中，K表示该参考颜色分量值，k₁+k₂+k₃=1，表示该图像区域中颜色分量R的平均值，表示该图像区域中颜色分量G的平均值，表示该图像区域中颜色分量B的平均值，该颜色分量G包括颜色分量Gr和颜色分量Gb。

结合第一种可能的实现方式，在第三种可能的实现方式中，该第二确定单元，具体用于按照以下等式确定该归一化值：

$z\left(i\right)=\underset{s\∈I}{\mathrm{\Σ}}\exp (-\frac{{\left|\right|p_i-q_s\left|\right|}_{2,\∂}^2}{h^2}),$

其中，z(i)表示该归一化值，为高斯函数的标准差，h为该图像区域的平滑参数，该目标图像区域集合包括I-1个与该第一图像区域相似的图像区域，I为大于等于2的整数，

其中， 表示该第一图像区域中颜色分量R的平均值，表示该第一图像区域中颜色分量G的平均值，表示该第一图像区域中颜色分量B的平均值，K_i表示该第一图像区域中该参考颜色分量值，该颜色分量G包括颜色分量Gr和颜色分量Gb，

其中， 表示该目标图像区域集合中第s个图像区域中颜色分量R的平均值，表示该目标图像区域集合中第s个图像区域中颜色分量G的平均值，表示该目标图像区域集合中第s个图像区域中颜色分量B的平均值，K_s表示该目标图像区域集合中第s个图像区域中该参考颜色分量值，该颜色分量G包括颜色分量Gr和颜色分量Gb，s为小于等于I的正整数。

结合第三方面，在第四种可能的实现方式中，该第二确定单元，具体用于按照以下等式确定该目标图像区域集合中每一个图像区域的第一参考降噪值：

$d\left(j\right)=\exp (-\frac{{\left|\right|p_i-q_j\left|\right|}_{2,\∂}^2}{h^2}),$

其中，d(j)表示该目标图像区域集合中第j个图像区域的第一参考降噪值，为高斯函数的标准差，h为该图像区域的平滑参数，该目标图像区域集合包括I-1个与该第一图像区域相似的图像区域，I为大于等于2的整数，

其中， 表示该第一图像区域中颜色分量R的平均值，表示该第一图像区域中颜色分量G的平均值，表示该第一图像区域中颜色分量B的平均值，K_i表示该第一图像区域中该参考颜色分量值，该颜色分量G包括颜色分量Gr和颜色分量Gb，

其中， 表示该目标图像区域集合中第j个图像区域中颜色分量R的平均值，表示该目标图像区域集合中第j个图像区域中颜色分量G的平均值，表示该目标图像区域集合中第j个图像区域中颜色分量B的平均值，K_j表示该目标图像区域集合中第j个图像区域中该参考颜色分量值，该颜色分量G包括颜色分量Gr和颜色分量Gb，j为大于等于1且小于等于I的正整数。

结合第四种可能的实现方式，在第五种可能的实现方式中，该第二确定单元，具体用于按照以下等式确定该目标图像区域集合中每一个图像区域的降噪权重：

$w(i,j)=\frac{1}{z\left(i\right)}\×d\left(j\right),$

其中，z(i)表示该归一化值，d(j)表示该目标图像区域集合中第j个图像区域的第一参考降噪值，w(i,j)表示该目标图像区域集合中第j个图像区域的降噪权重，该目标图像区域集合包括I-1个与该第一图像区域相似的图像区域，I为大于等于2的整数。

结合上面可能的实现方式，该设备包括图像传感器。

第三方面，本发明提供一种图像处理设备，该图像处理设备包括本发明第二方面全部可实现方式。该图像处理设备包括数码相机、摄像头、携带图像传感器的终端、携带图像传感器的平板电脑。

根据本发明，通过根据目标图像区域集合中的每一个图像区域的每一种颜色分量的平均值和参考颜色分量值，确定该目标图像区域集合中的每一个图像区域的降噪权重，并根据该目标图像区域集合中的每一个图像区域的降噪权重，对第一像素点进行降噪，可以更好的去除平坦区域的颜色噪声，并且对细节保留的更好。同时，本发明可以节省大量的运算资源，特别是在图像区域越大的情况下，节省的运算资源越多。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是根据本发明实施例的图像降噪方法的示意性流程图。

图2是根据本发明实施例的图像降噪方法的示意性流程图。

图3是本发明实施例的降噪图像的一个例子的示意图。

图4是本发明实施例的设备的结构框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。

图1是根据本发明实施例的图像降噪方法的示意性流程图。

101，确定目标图像区域集合中的每一个图像区域中的每一种颜色分量的平均值和参考颜色分量值，其中该目标图像区域集合包括以第一像素点为中心的第一图像区域和与该第一图像区域同构的至少一个图像区域。

102，根据该目标图像区域集合中的每一个图像区域的每一种颜色分量的平均值和参考颜色分量值，确定该目标图像区域集合中的每一个图像区域的降噪权重。

103，根据该目标图像区域集合中的每一个图像区域的降噪权重，对第一像素点进行降噪。

根据图1所述的方法，通过根据目标图像区域集合中的每一个图像区域的每一种颜色分量的平均值和参考颜色分量值，确定该目标图像区域集合中的每一个图像区域的降噪权重，并根据该目标图像区域集合中的每一个图像区域的降噪权重，对第一像素点进行降噪，可以更好的去除平坦区域的颜色噪声，并且对细节保留的更好。同时，图1所述的方法可以节省大量的运算资源，特别是在图像区域越大的情况下，节省的运算资源越多。

图2是根据本发明实施例的图像降噪方法的示意性流程图。

201，确定目标图像区域集合中的每一个图像区域中的每一种颜色分量的平均值和参考颜色分量值，其中该目标图像区域集合包括以第一像素点为中心的第一图像区域和与该第一图像区域同构的至少一个图像区域。公式2.1可以用于计算该参考颜色分量值。

$K=k_1\×\stackrel{\‾}{R}+k_2\×\stackrel{\‾}{G}+k_3\×\stackrel{\‾}{B}$ …………………………………………公式2.1

在公式2.1中，K表示该参考颜色分量值，k₁+k₂+k₃=1，表示该图像区域中颜色分量R的平均值，表示该图像区域中颜色分量G的平均值，表示该图像区域中颜色分量B的平均值，颜色分量G包括颜色分量Gr和颜色分量Gb。

可选的，作为一个实施例，k₁=0.299，k₂=0.578，k₃=0.114。此时参考颜色分量值K实际上是该图像区域中的亮度值。

202，根据该目标图像区域集合中的每一个图像区域中的每一种颜色分量的平均值和参考颜色分量值，确定归一化值和该目标图像区域集合中每一个图像区域的第一参考降噪值。公式2.2可以用于确定归一化值。

$z\left(i\right)=\underset{s\∈I}{\mathrm{\Σ}}\exp (-\frac{{\left|\right|p_i-q_s\left|\right|}_{2,\∂}^2}{h^2})$ ………………………………………公式2.2

在公式2.2中，z(i)表示归一化值，为高斯函数的标准差，h为该图像区域的平滑参数，和h的选取与图像的噪声平方差有关，该目标图像区域集合包括I-1个与第一图像区域相似的图像区域，I为大于等于2的整数。 表示第一图像区域中颜色分量R的平均值，表示第一图像区域中颜色分量G的平均值，表示第一图像区域中颜色分量B的平均值，K_i表示第一图像区域中参考颜色分量值，颜色分量G包括颜色分量Gr和颜色分量Gb， 表示目标图像区域集合中第s个图像区域中颜色分量R的平均值，表示目标图像区域集合中第s个图像区域中颜色分量G的平均值，表示目标图像区域集合中第s个图像区域中颜色分量B的平均值，K_s表示目标图像区域集合中第s个图像区域中参考颜色分量值，颜色分量G包括颜色分量Gr和颜色分量Gb，s为小于等于I的正整数。

公式2.3可以用于确定该目标图像区域集合中的每一个图像区域的第一参考降噪值。

$d\left(j\right)=\exp (-\frac{{\left|\right|p_i-q_j\left|\right|}_{2,\∂}^2}{h^2})$ …………………………………………公式2.3

在公式2.3中，d(j)表示该目标图像区域集合中第j个图像区域的第一参考降噪值，为高斯函数的标准差，h为图像的平滑参数，和h的选取与图像的噪声平方差有关，该目标图像区域集合包括I-1个与第一图像区域相似的图像区域，I为大于等于2的整数， 表示第一图像区域中颜色分量R的平均值，表示第一图像区域中颜色分量G的平均值，表示第一图像区域中颜色分量B的平均值，K_i表示第一图像区域中参考颜色分量值，颜色分量G包括颜色分量Gr和颜色分量Gb， 表示该目标图像区域集合中第j个图像区域中颜色分量R的平均值，表示该目标图像区域集合中第j个图像区域中颜色分量G的平均值，表示该目标图像区域集合中第j个图像区域中颜色分量B的平均值，K_j表示该目标图像区域集合中第j个图像区域中参考颜色分量值，颜色分量G包括颜色分量Gr和颜色分量Gb，j为大于等于1且小于等于I的正整数。

203，根据该归一化值和该目标图像区域集合中每一个图像区域的第一参考降噪值，确定该目标图像区域集合中的每一个图像区域的降噪权重。公式2.4可以用于确定该目标图像区域集合中每一个图像区域的降噪权重。

$w(i,j)=\frac{1}{z\left(i\right)}\×d\left(j\right)$ ...............................公式2.4

在公式2.4中，z(i)表示所述归一化值，d(j)表示该目标图像区域集合中第j个图像区域的第一参考降噪值，w(i,j)表示该目标图像区域集合中第j个图像区域的降噪权重，该目标图像区域集合包括I-1个与所述第一图像区域相似的图像区域，I为大于等于2的整数。

204，根据该目标图像区域集合中的每一个图像区域的降噪权重，对第一像素点进行降噪。

公式2.5可以用于确定降噪后的第一像素点的值。

$\mathrm{NL}\left(V\right)\left(i\right)=\underset{j=1}{\overset{I}{\mathrm{\Σ}}}w(i,j)*v\left(i\right)$ ................................公式2.5

在公式2.5中，v(i)表示第一像素点的值，NL(V)(i)表示降噪后的第一像素点的值，w(i,j)表示该目标图像区域集合中第j个图像区域的降噪权重。

类似的，对于该目标图像区域集合中的所有像素点，均可以采用步骤1至步骤4的方法对其进行降噪处理，从而得到降噪后图像。

根据图2所述的方法，通过根据目标图像区域集合中的每一个图像区域的每一种颜色分量的平均值和参考颜色分量值，确定该目标图像区域集合中的每一个图像区域的降噪权重，并根据该目标图像区域集合中的每一个图像区域的降噪权重，对第一像素点进行降噪，可以更好的去除平坦区域的颜色噪声，并且对细节保留的更好。同时，图2所述的方法可以节省大量的运算资源，特别是在图像区域越大的情况下，节省的运算资源越多。

图3是本发明实施例的降噪图像的一个例子的示意图。

如图3所示，图像301是待处理的含噪声图像，图像区域302是第一图像区域，第一像素点是图像区域302的中心点颜色分量为R的点。图像区域303是图像301中的一个与图像区域302同构的图像区域的例子。与图像区域302同构的图像区域是如图像区域303所示的，大小与第一图像区域相同的，且相应位置像素点的颜色分量的种类相同的图像区域。由此可见，图像301中包括与图像302同构的至少一个图像区域。图像301中所有与图像区域302同构的图像区域和图像区域302组成目标图像区域集合。

使用公式2.1计算该目标图像区域集合中的所有图像区域的参考颜色分量值，使用公式2.2确定归一化值，使用公式2.3确定该目标图像区域集合中的每一个图像区域的第一参考降噪值，使用公式2.4确定该目标图像区域集合中的每一个图像区域的降噪权重。依据公式2.4确定的该目标图像区域集合中的每一个图像区域的降噪权重，对第一像素点R进行降噪处理，得到降噪后的第一像素点R的值。类似的，可以确定图像301中所有像素点降噪后的值，从而得到降噪后的图像301。

根据图3所述的方法，通过根据目标图像区域集合中的每一个图像区域的每一种颜色分量的平均值和参考颜色分量值，确定该目标图像区域集合中的每一个图像区域的降噪权重，并根据该目标图像区域集合中的每一个图像区域的降噪权重，对第一像素点进行降噪，可以更好的去除平坦区域的颜色噪声，并且对细节保留的更好。类似的，可以对图像301的所有像素点进行降噪，从而得到降噪后的图像301。同时，图3所述的方法可以节省大量的运算资源，特别是在图像区域越大的情况下，节省的运算资源越多。

图4是本发明实施例的设备的结构框图。设备400可以执行图1至图3的各个步骤。设备400包括第一确定单元401、第二确定单元402和第三确定单元403。

第一确定单元401，用于确定目标图像区域集合中每一个图像区域中的每一种颜色分量的平均值和参考颜色分量值，其中该目标图像区域集合包括以第一像素点为中心的第一图像区域和与该第一图像区域同构的至少一个图像区域。

第二确定单元402，用于根据该目标图像区域集合中的每一个图像区域的每一种颜色分量的平均值和参考颜色分量值，确定该目标图像区域集合中的每一个图像区域的降噪权重。

第三确定单元403，用于根据该目标图像区域集合中的每一个图像区域的降噪权重，对该第一像素点进行降噪。

可选的，第二确定单元402，具体用于根据该目标图像区域集合中的每一个图像区域的每一种颜色分量的平均值和参考颜色分量值，确定归一化值和该目标图像区域集合中每一个图像区域的第一参考降噪值。第二确定单元402，具体用于根据该归一化值和该目标图像区域集合中每一个图像区域的第一参考降噪值，确定该目标图像区域中集合中每一个图像区域的降噪权重。

可选的，第一确定单元401，具体用于按照公式4.1确定该参考颜色分量值：

$K=k_1\×\stackrel{\‾}{R}+k_2\×\stackrel{\‾}{G}+k_3\×\stackrel{\‾}{B}$ …………………………………………公式4.1

公式4.1中，K表示该参考颜色分量值，k₁+k₂+k₃=1，表示该图像区域中颜色分量R的平均值，表示该图像区域中颜色分量G的平均值，表示该图像区域中颜色分量B的平均值，该颜色分量G包括颜色分量Gr和颜色分量Gb。

可选的，第二确定单元402，具体用于按照公式4.2确定该归一化值：

$z\left(i\right)=\underset{s\∈I}{\mathrm{\Σ}}\exp (-\frac{{\left|\right|p_i-q_s\left|\right|}_{2,\∂}^2}{h^2})$ …………………………………………公式4.2

公式4.1中，z(i)表示该归一化值，为高斯函数的标准差，h为该图像区域的平滑参数，该目标图像区域集合包括I-1个与该第一图像区域相似的图像区域，I为大于等于2的整数，

其中， 表示该第一图像区域中颜色分量R的平均值，表示该第一图像区域中颜色分量G的平均值，表示该第一图像区域中颜色分量B的平均值，K_i表示该第一图像区域中该参考颜色分量值，该颜色分量G包括颜色分量Gr和颜色分量Gb，

其中， 表示该目标图像区域集合中第s个图像区域中颜色分量R的平均值，表示该目标图像区域集合中第s个图像区域中颜色分量G的平均值，表示该目标图像区域集合中第s个图像区域中颜色分量B的平均值，K_s表示该目标图像区域集合中第s个图像区域中该参考颜色分量值，该颜色分量G包括颜色分量Gr和颜色分量Gb，s为小于等于I的正整数。

可选的，第二确定单元402，具体用于按照公式4.3确定该目标图像区域集合中每一个图像区域的第一参考降噪值：

$d\left(j\right)=\exp (-\frac{{\left|\right|p_i-q_j\left|\right|}_{2,\∂}^2}{h^2})$ ……………………………………………公式4.3

公式4.3中，d(j)表示该目标图像区域集合中第j个图像区域的第一参考降噪值，为高斯函数的标准差，h为该图像区域的平滑参数，该目标图像区域集合包括I-1个与该第一图像区域相似的图像区域，I为大于等于2的整数，

其中， 表示该第一图像区域中颜色分量R的平均值，表示该第一图像区域中颜色分量G的平均值，表示该第一图像区域中颜色分量B的平均值，K_i表示该第一图像区域中该参考颜色分量值，该颜色分量G包括颜色分量Gr和颜色分量Gb，

其中， 表示该目标图像区域集合中第j个图像区域中颜色分量R的平均值，表示该目标图像区域集合中第j个图像区域中颜色分量G的平均值，表示该目标图像区域集合中第j个图像区域中颜色分量B的平均值，K_j表示该目标图像区域集合中第j个图像区域中该参考颜色分量值，该颜色分量G包括颜色分量Gr和颜色分量Gb，j为大于等于1且小于等于I的正整数。

可选的，第二确定单元402，具体用于按照公式4.4确定该目标图像区域集合中每一个图像区域的降噪权重：

$w(i,j)=\frac{1}{z\left(i\right)}\×d\left(j\right)$ …………………………………………………公式4.4

公式4.4中，z(i)表示该归一化值，d(j)表示该目标图像区域集合中第j个图像区域的第一参考降噪值，w(i,j)表示该目标图像区域集合中第j个图像区域的降噪权重，该目标图像区域集合包括I-1个与该第一图像区域相似的图像区域，I为大于等于2的整数。

图4的设备400，通过根据目标图像区域集合中的每一个图像区域的每一种颜色分量的平均值和参考颜色分量值，确定该目标图像区域集合中的每一个图像区域的降噪权重，并根据该目标图像区域集合中的每一个图像区域的降噪权重，对第一像素点进行降噪，可以更好的去除平坦区域的颜色噪声，并且对细节保留的更好。同时，设备400可以节省大量的运算资源，特别是在图像区域越大的情况下，节省的运算资源越多。具体的，该设备400包括图像传感器，用于感受光学图像信息并转换成可用输出信号。

作为本发明的另一个实施例，公开了一种图像处理设备，该图像处理设备包括上述发明实施例的设备400的结构实施例。具体的，该设备400可集成在该图像处理设备之中，用于感受光学图像信息并转换成可用输出信号，该图像处理设备对经过转换后的输出信号能够进行进一步处理，例如压缩、存储、传输、编辑等。该图像处理设备包括数码相机、摄像头、携带图像传感器的终端（例如具有拍照功能的智能手机）、携带图像传感器的平板电脑等。上述图像处理设备的种类只是示例性的，并不构成对其具体产品形态的限制。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）或处理器（processor）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random AccessMemory）、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内，因此本发明的保护范围应以权利要求的保护范围为准。

Claims (13)

1.一种图像降噪的方法，其特征在于，包括：

确定目标图像区域集合中的每一个图像区域中的每一种颜色分量的平均值和参考颜色分量值，其中所述目标图像区域集合包括以第一像素点为中心的第一图像区域和与所述第一图像区域同构的至少一个图像区域；

根据所述目标图像区域集合中的每一个图像区域的每一种颜色分量的平均值和参考颜色分量值，确定归一化值和所述目标图像区域集合中每一个图像区域的第一参考降噪值；

根据所述归一化值和所述目标图像区域集合中每一个图像区域的第一参考降噪值，确定所述目标图像区域中集合中每一个图像区域的降噪权重；

根据所述目标图像区域集合中的每一个图像区域的降噪权重，对所述第一像素点进行降噪。

2.如权利要求1所述的方法，其特征在于，按照以下等式确定所述参考颜色分量值：

$K=k_1\×\stackrel{\‾}{R}+k_2\×\stackrel{\‾}{G}+k_3\×\stackrel{\‾}{B},$

其中，K表示所述参考颜色分量值，k₁+k₂+k₃＝1，表示所述图像区域中颜色分量R的平均值，表示所述图像区域中颜色分量G的平均值，表示所述图像区域中颜色分量B的平均值，所述颜色分量G包括颜色分量Gr和颜色分量Gb。

3.如权利要求1所述的方法，其特征在于，按照以下等式确定所述归一化值：

$z\left(i\right)=\underset{s\∈I}{\mathrm{\Σ}}\exp (-\frac{{\left|\right|p_i-q_s\left|\right|}_{2,\∂}^2}{h^2}),$

其中，z(i)表示所述归一化值，为高斯函数的标准差，h为所述图像区域的平滑参数，所述目标图像区域集合包括I-1个与所述第一图像区域相似的图像区域，I为大于等于2的整数，

其中，表示所述第一图像区域中颜色分量R的平均值，表示所述第一图像区域中颜色分量G的平均值，表示所述第一图像区域中颜色分量B的平均值，K_i表示所述第一图像区域中所述参考颜色分量值，所述颜色分量G包括颜色分量Gr和颜色分量Gb，

其中，表示所述目标图像区域集合中第s个图像区域中颜色分量R的平均值，表示所述目标图像区域集合中第s个图像区域中颜色分量G的平均值，表示所述目标图像区域集合中第s个图像区域中颜色分量B的平均值，K_s表示所述目标图像区域集合中第s个图像区域中所述参考颜色分量值，所述颜色分量G包括颜色分量Gr和颜色分量Gb，s为小于等于I的正整数。

4.如权利要求3所述的方法，其特征在于，按照以下等式确定所述目标图像区域集合中每一个图像区域的第一参考降噪值：

$d\left(j\right)=\exp (-\frac{{\left|\right|p_i-q_j\left|\right|}_{2,\∂}^2}{h^2}),$

其中，d(j)表示所述目标图像区域集合中第j个图像区域的第一参考降噪值，为高斯函数的标准差，h为所述图像区域的平滑参数，所述目标图像区域集合包括I-1个与所述第一图像区域相似的图像区域，I为大于等于2的整数，

其中，表示所述第一图像区域中颜色分量R的平均值，表示所述第一图像区域中颜色分量G的平均值，表示所述第一图像区域中颜色分量B的平均值，K_i表示所述第一图像区域中所述参考颜色分量值，所述颜色分量G包括颜色分量Gr和颜色分量Gb，

其中，表示所述目标图像区域集合中第j个图像区域中颜色分量R的平均值，表示所述目标图像区域集合中第j个图像区域中颜色分量G的平均值，表示所述目标图像区域集合中第j个图像区域中颜色分量B的平均值，K_j表示所述目标图像区域集合中第j个图像区域中所述参考颜色分量值，所述颜色分量G包括颜色分量Gr和颜色分量Gb，j为大于等于1且小于等于I的正整数。

5.如权利要求4所述的方法，其特征在于，按照以下等式确定所述目标图像区域集合中每一个图像区域的降噪权重：

$w(i,j)=\frac{1}{z\left(i\right)}\×d\left(j\right),$

其中，z(i)表示所述归一化值，d(j)表示所述目标图像区域集合中第j个图像区域的第一参考降噪值，w(i,j)表示所述目标图像区域集合中第j个图像区域的降噪权重，所述目标图像区域集合包括I-1个与所述第一图像区域相似的图像区域，I为大于等于2的整数。

6.一种图像降噪的设备，其特征在于，包括：

第一确定单元，用于确定目标图像区域集合中的每一个图像区域中的每一种颜色分量的平均值和参考颜色分量值，其中所述目标图像区域集合包括以第一像素点为中心的第一图像区域和与所述第一图像区域同构的至少一个图像区域；

第二确定单元，用于根据所述目标图像区域集合中的每一个图像区域的每一种颜色分量的平均值和参考颜色分量值，确定归一化值和所述目标图像区域集合中每一个图像区域的第一参考降噪值，根据所述归一化值和所述目标图像区域集合中每一个图像区域的第一参考降噪值，确定所述目标图像区域中集合中每一个图像区域的降噪权重；

第三确定单元，用于根据所述目标图像区域集合中的每一个图像区域的降噪权重，对所述第一像素点进行降噪。

7.如权利要求6所述的设备，其特征在于，

所述第一确定单元，具体用于按照以下等式确定所述参考颜色分量值：

$K=k_1\×\stackrel{\‾}{R}+k_2\×\stackrel{\‾}{G}+k_3\×\stackrel{\‾}{B},$

其中，K表示所述参考颜色分量值，k₁+k₂+k₃＝1，表示所述图像区域中颜色分量R的平均值，表示所述图像区域中颜色分量G的平均值，表示所述图像区域中颜色分量B的平均值，所述颜色分量G包括颜色分量Gr和颜色分量Gb。

8.如权利要求6所述的设备，其特征在于，

所述第二确定单元，具体用于按照以下等式确定所述归一化值：

$z\left(i\right)=\underset{s\∈I}{\mathrm{\Σ}}\exp (-\frac{{\left|\right|p_i-q_s\left|\right|}_{2,\∂}^2}{h^2}),$

其中，z(i)表示所述归一化值，为高斯函数的标准差，h为所述图像区域的平滑参数，所述目标图像区域集合包括I-1个与所述第一图像区域相似的图像区域，I为大于等于2的整数，

其中，表示所述第一图像区域中颜色分量R的平均值，表示所述第一图像区域中颜色分量G的平均值，表示所述第一图像区域中颜色分量B的平均值，K_i表示所述第一图像区域中所述参考颜色分量值，所述颜色分量G包括颜色分量Gr和颜色分量Gb，

其中，表示所述目标图像区域集合中第s个图像区域中颜色分量R的平均值，表示所述目标图像区域集合中第s个图像区域中颜色分量G的平均值，表示所述目标图像区域集合中第s个图像区域中颜色分量B的平均值，K_s表示所述目标图像区域集合中第s个图像区域中所述参考颜色分量值，所述颜色分量G包括颜色分量Gr和颜色分量Gb，s为小于等于I的正整数。

9.如权利要求8所述的设备，其特征在于，

所述第二确定单元，具体用于按照以下等式确定所述目标图像区域集合中每一个图像区域的第一参考降噪值：

$d\left(j\right)=\exp (-\frac{{\left|\right|p_i-q_j\left|\right|}_{2,\∂}^2}{h^2}),$

其中，d(j)表示所述目标图像区域集合中第j个图像区域的第一参考降噪值，为高斯函数的标准差，h为所述图像区域的平滑参数，所述目标图像区域集合包括I-1个与所述第一图像区域相似的图像区域，I为大于等于2的整数，

表示所述第一图像区域中颜色分量R的平均值，表示所述第一图像区域中颜色分量G的平均值，表示所述第一图像区域中颜色分量B的平均值，K_i表示所述第一图像区域中所述参考颜色分量值，所述颜色分量G包括颜色分量Gr和颜色分量Gb，

其中，表示所述目标图像区域集合中第j个图像区域中颜色分量R的平均值，表示所述目标图像区域集合中第j个图像区域中颜色分量G的平均值，表示所述目标图像区域集合中第j个图像区域中颜色分量B的平均值，K_j表示所述目标图像区域集合中第j个图像区域中所述参考颜色分量值，所述颜色分量G包括颜色分量Gr和颜色分量Gb，j为大于等于1且小于等于I的正整数。

10.如权利要求9所述的设备，其特征在于，

所述第二确定单元，具体用于按照以下等式确定所述目标图像区域集合中每一个图像区域的降噪权重：

$w(i,j)=\frac{1}{z\left(i\right)}\×d\left(j\right),$

其中，z(i)表示所述归一化值，d(j)表示所述目标图像区域集合中第j个图像区域的第一参考降噪值，w(i,j)表示所述目标图像区域集合中第j个图像区域的降噪权重，所述目标图像区域集合包括I-1个与所述第一图像区域相似的图像区域，I为大于等于2的整数。

11.如权利要求6～10任一项所述的设备，其特征在于，所述设备包括图像传感器。

12.一种图像处理设备，其特征在于，包括权利要求6～11任一项所述的设备。

13.如权利要求12所述的图像处理设备，其特征在于，所述设备包括数码相机、摄像头、携带图像传感器的终端、携带图像传感器的平板电脑。