CN103871035A - 图像去噪方法及装置 - Google Patents

Abstract

本发明实施例公开了一种图像去噪方法及装置，从拜耳模板图像中确定去噪邻区和参考邻区；基于所述中心像素点的颜色分量，获取所述去噪邻区中的第一RGB颜色分量值和所述参考邻区中的第二RGB颜色分量值；基于所述中心像素点的颜色分量，对所述第一RGB颜色分量值进行缩放处理，获取第一组RGB颜色向量，以及对所述第二RGB颜色分量值进行缩放处理，获得第二组RGB颜色向量；基于所述第一组RGB颜色向量和所述第二组RGB颜色向量，获取所述参考邻区相对于所述去噪邻区的滤波权重；基于所述滤波权重，对所述去噪邻区进行去噪处理。

Description

图像去噪方法及装置

技术领域

本发明涉及图像处理领域，具体涉及一种图像去噪方法及装置。

背景技术

随着各种数字仪器和数码产品的普及，图像和视频已成为人类活动中最常用的信息载体，它们包含着物体的大量信息，成为人们获取外界原始信息的主要途径，然而在图像的获取、传输和存贮过程中常常会受到各种噪声的干扰和影响而使图像降质，为了使得图像的质量得以提高，现有技术中可以采用空间域的邻域滤波方法例如非局部均值（nonlocal-mean）算法对图像进行去噪处理，使得去噪处理后的图像的噪声降低，使得处理的图像的显示效果。

但是，现有技术在通过nonlocal-mean算法对拜尔模板图像进行去噪处理时，首先获取去噪像素点的颜色分量，则从所述拜尔模板图像中挑选出与所述去噪像素点的颜色分量相同的所有像素点进行加权滤波，使得去噪像素点i和参考像素点j的相似程度是依据各自所在的邻域矩形邻域的相似程度来确定的，也就是以i为中心的矩形邻域v(N_i)和以j为中心的矩形邻域v(N_j)这两个矩形邻域的高斯加权欧氏距离的平方，通常将此处的高斯参数设为0，v(N_i)和v(N_j)的相似程度完全由所述欧式距离与v(N_j)或v(N_j)中的像素个数比值决定，即公式

${\left|\right|v\left(N_i\right)-v\left(N_j\right)\left|\right|}_2^2/N$

若v(N_i)是以像素点i为中心的3*3像素点形成的矩形邻域，v(N_j)是以像素点j为中心的3*3像素点形成的矩形邻域，v(N_i)和v(N_j)的欧式距离平方就是两个块中九个对应像素点差的平方和，但是每个邻域矩形块中的每个像素只有一个颜色分量，由单一颜色分量的9个像素并不能很好的表示邻域矩形块中的细节分布情况，导致直接依据两个邻域矩形块的欧式距离平方来衡量其相似度并不精确，从而会导致挑选参与加权滤波的相似像素带你也不精确，出现去噪效果差的问题。

发明内容

本申请实施例通过提供一种图像去噪方法及装置，能够更精确获取去噪邻区和参考邻区的相似度及其滤波权重，使得去噪效果得以提高。

根据本发明的第一方面，提供了一种图像去噪方法，所述方法包括：

从拜耳模板图像中确定去噪邻区和参考邻区，其中，所述去噪邻区和所述参考邻区中的中心像素点具有相同的颜色分量；

基于所述中心像素点的颜色分量，获取所述去噪邻区中的第一RGB颜色分量值和所述参考邻区中的第二RGB颜色分量值；

基于所述中心像素点的颜色分量，对所述第一RGB颜色分量值进行缩放处理，获取第一组RGB颜色向量，以及对所述第二RGB颜色分量值进行缩放处理，获得第二组RGB颜色向量；

基于所述第一组RGB颜色向量和所述第二组RGB颜色向量，获取所述参考邻区相对于所述去噪邻区的滤波权重；

基于所述滤波权重，对所述去噪邻区进行去噪处理。

结合第一方面，在第一种可能的实现方式中，在所述中心像素点的颜色分量为R颜色分量时，所述基于所述中心像素点的颜色分量，获取所述去噪邻区中的第一RGB颜色分量值和所述参考邻区中的第二RGB颜色分量值，具体包括：

基于所述R颜色分量，获取所述第一RGB颜色分量值，其中，所述第一RGB颜色分量值中的R颜色分量值为所述去噪邻区中的中心像素点的R颜色分量值，以及G颜色分量值为所述去噪邻区中的所有G颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值；以及

基于所述R颜色分量，获取所述第二RGB颜色分量值，其中，所述第二RGB颜色分量值中的R颜色分量值为所述参考邻区中的中心像素点的R颜色分量值，以及G颜色分量值为所述去噪邻区中的所有G颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值。

结合第一方面，在第二种可能的实现方式中，在所述中心像素点的颜色分量为Gr颜色分量时，所述基于所述中心像素点的颜色分量，获取所述去噪邻区中的第一RGB颜色分量值和所述参考邻区中的第二RGB颜色分量值，具体包括：

基于所述Gr颜色分量，获取所述第一RGB颜色分量值，其中，所述第一RGB颜色分量值中的G颜色分量值为所述去噪邻区中的中心像素点的Gr颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值；以及

基于所述Gr颜色分量，获取所述第二RGB颜色分量值，其中，所述第二RGB颜色分量值中的G颜色分量值为所述考邻区中的中心像素点的Gr颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值。

结合第一方面，在第三种可能的实现方式中，在所述中心像素点的颜色分量为B颜色分量时，所述基于所述中心像素点的颜色分量，获取所述去噪邻区中的第一RGB颜色分量值和所述参考邻区中的第二RGB颜色分量值，具体包括：

基于所述B颜色分量，获取所述第一RGB颜色分量值，其中，所述第一RGB颜色分量值中的B颜色分量值为所述去噪邻区中的中心像素点的B颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及G颜色分量值为所述去噪邻区中的所有G颜色分量的均值；以及

基于所述B颜色分量，获取所述第二RGB颜色分量值，其中，所述第二RGB颜色分量值中的B颜色分量值为所述考邻区中的中心像素点的B颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及G颜色分量值为所述去噪邻区中的所有G颜色分量的均值。

结合第一方面，在第四种可能的实现方式中，在所述中心像素点的颜色分量为Gb颜色分量时，所述基于所述中心像素点的颜色分量，获取所述去噪邻区中的第一RGB颜色分量值和所述参考邻区中的第二RGB颜色分量值，具体包括：

基于所述Gb颜色分量，获取所述第一RGB颜色分量值，其中，所述第一RGB颜色分量值中的G颜色分量值为所述去噪邻区中的中心像素点的Gb颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值；以及

基于所述Gb颜色分量，获取所述第二RGB颜色分量值，其中，所述第二RGB颜色分量值中的G颜色分量值为所述考邻区中的中心像素点的Gb颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值。

结合第一方面或第一种至第四种可能的实现方式中的任一种，在第五种可能的实现方式中，所述第一组RGB颜色向量和所述第二组RGB颜色向量中的每一个种颜色分量的方差相同。

结合第一方面或第一种至第五种可能的实现方式中的任一种，在第六种可能的实现方式中，所述基于所述第一组RGB颜色向量和所述第二组RGB颜色向量，获取所述参考邻区相对于所述去噪邻区的滤波权重，具体包括：获取所述第一组RGB颜色向量和所述第二组RGB颜色向量的欧式距离；基于所述欧式距离，获取所述参考邻区相对于所述去噪邻区的滤波权重。

根据第二方面，提供了一种图像去噪装置，所述装置包括：

邻区确定单元，用于从拜耳模板图像中确定去噪邻区和参考邻区，其中，所述去噪邻区和所述参考邻区中的中心像素点具有相同的颜色分量；

颜色分量获取单元，用于在所述邻区确定单元确定所述去噪邻区和所述参考邻区时，基于所述中心像素点的颜色分量，获取所述去噪邻区中的第一RGB颜色分量值和所述参考邻区中的第二RGB颜色分量值；

颜色向量获取单元，用于接收所述颜色分量获取单元发送的所述第一RGB颜色分量值和所述第二RGB颜色分量值，基于所述中心像素点的颜色分量，对所述第一RGB颜色分量值进行缩放处理，获取第一组RGB颜色向量，以及对所述第二RGB颜色分量值进行缩放处理，获得第二组RGB颜色向量；

滤波权重获取单元，用于接收所述颜色向量获取单元发送的所述第一组RGB颜色向量和所述第二组RGB颜色向量，基于所述第一组RGB颜色向量和所述第二组RGB颜色向量，获取所述参考邻区相对于所述去噪邻区的滤波权重；

去噪单元，用于接收所述滤波权重获取单元发送的所述滤波权重，基于所述滤波权重，对所述去噪邻区进行去噪处理。

结合第二方面，在第一种可能的实现方式中，所述颜色分量获取单元，具体用于在所述中心像素点的颜色分量为R颜色分量时，基于所述R颜色分量，获取所述第一RGB颜色分量值，其中，所述第一RGB颜色分量值中的R颜色分量值为所述去噪邻区中的中心像素点的R颜色分量值，以及G颜色分量值为所述去噪邻区中的所有G颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值，以及基于所述R颜色分量，获取所述第二RGB颜色分量值，其中，所述第二RGB颜色分量值中的R颜色分量值为所述参考邻区中的中心像素点的R颜色分量值，以及G颜色分量值为所述去噪邻区中的所有G颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值。

结合第二方面，在第二种可能的实现方式中，所述颜色分量获取单元，具体用于在所述中心像素点的颜色分量为Gr颜色分量时，基于所述Gr颜色分量，获取所述第一RGB颜色分量值，其中，所述第一RGB颜色分量值中的G颜色分量值为所述去噪邻区中的中心像素点的Gr颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值，以及基于所述Gr颜色分量，获取所述第二RGB颜色分量值，其中，所述第二RGB颜色分量值中的G颜色分量值为所述考邻区中的中心像素点的Gr颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值。

结合第二方面，在第三种可能的实现方式中，所述颜色分量获取单元，具体用于在所述中心像素点的颜色分量为B颜色分量时，基于所述B颜色分量，获取所述第一RGB颜色分量值，其中，所述第一RGB颜色分量值中的B颜色分量值为所述去噪邻区中的中心像素点的B颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及G颜色分量值为所述去噪邻区中的所有G颜色分量的均值，以及基于所述B颜色分量，获取所述第二RGB颜色分量值，其中，所述第二RGB颜色分量值中的B颜色分量值为所述考邻区中的中心像素点的B颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及G颜色分量值为所述去噪邻区中的所有G颜色分量的均值。

结合第二方面，在第四种可能的实现方式中，所述颜色分量获取单元，具体用于在所述中心像素点的颜色分量为Gb颜色分量时，基于所述Gb颜色分量，获取所述第一RGB颜色分量值，其中，所述第一RGB颜色分量值中的G颜色分量值为所述去噪邻区中的中心像素点的Gb颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值，以及基于所述Gb颜色分量，获取所述第二RGB颜色分量值，其中，所述第二RGB颜色分量值中的G颜色分量值为所述考邻区中的中心像素点的Gb颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值。

结合第二方面或第一种至第四种可能的实现方式中的任一种，在第五种可能的实现方式中，所述滤波权重获取单元，具体用于获取所述第一组RGB颜色向量和所述第二组RGB颜色向量的欧式距离，再基于所述欧式距离，获取所述参考邻区相对于所述去噪邻区的滤波权重。

根据第三方面，提供了一种图像去噪装置，所述装置包括：

存储器，用于存储拜尔模板图像；

处理器，用于从所述拜耳模板图像中确定去噪邻区和参考邻区，其中，所述去噪邻区和所述参考邻区中的中心像素点具有相同的颜色分量，再基于所述中心像素点的颜色分量，获取所述去噪邻区中的第一RGB颜色分量值和所述参考邻区中的第二RGB颜色分量值，以及基于所述中心像素点的颜色分量，对所述第一RGB颜色分量值进行缩放处理，获取第一组RGB颜色向量，以及对所述第二RGB颜色分量值进行缩放处理，获得第二组RGB颜色向量，再基于所述第一组RGB颜色向量和所述第二组RGB颜色向量，获取所述参考邻区相对于所述去噪邻区的滤波权重，以及基于所述滤波权重，对所述去噪邻区进行去噪处理。

结合第三方面，在第一种可能的实现方式中，所述处理器，具体用于在所述中心像素点的颜色分量为R颜色分量时，基于所述R颜色分量，获取所述第一RGB颜色分量值，其中，所述第一RGB颜色分量值中的R颜色分量值为所述去噪邻区中的中心像素点的R颜色分量值，以及G颜色分量值为所述去噪邻区中的所有G颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值，以及基于所述R颜色分量，获取所述第二RGB颜色分量值，其中，所述第二RGB颜色分量值中的R颜色分量值为所述参考邻区中的中心像素点的R颜色分量值，以及G颜色分量值为所述去噪邻区中的所有G颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值。

结合第三方面，在第二种可能的实现方式中，所述处理器，具体用于在所述中心像素点的颜色分量为Gr颜色分量时，基于所述Gr颜色分量，获取所述第一RGB颜色分量值，其中，所述第一RGB颜色分量值中的G颜色分量值为所述去噪邻区中的中心像素点的Gr颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值，以及基于所述Gr颜色分量，获取所述第二RGB颜色分量值，其中，所述第二RGB颜色分量值中的G颜色分量值为所述考邻区中的中心像素点的Gr颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值。

结合第三方面，在第三种可能的实现方式中，所述处理器，具体用于在所述中心像素点的颜色分量为B颜色分量时，基于所述B颜色分量，获取所述第一RGB颜色分量值，其中，所述第一RGB颜色分量值中的B颜色分量值为所述去噪邻区中的中心像素点的B颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及G颜色分量值为所述去噪邻区中的所有G颜色分量的均值，以及基于所述B颜色分量，获取所述第二RGB颜色分量值，其中，所述第二RGB颜色分量值中的B颜色分量值为所述考邻区中的中心像素点的B颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及G颜色分量值为所述去噪邻区中的所有G颜色分量的均值。

结合第三方面，在第四种可能的实现方式中，所述处理器，具体用于在所述中心像素点的颜色分量为Gb颜色分量时，基于所述Gb颜色分量，获取所述第一RGB颜色分量值，其中，所述第一RGB颜色分量值中的G颜色分量值为所述去噪邻区中的中心像素点的Gb颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值，以及基于所述Gb颜色分量，获取所述第二RGB颜色分量值，其中，所述第二RGB颜色分量值中的G颜色分量值为所述考邻区中的中心像素点的Gb颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值。

结合第三方面或第一种至第四种可能的实现方式中的任一种，在第五种可能的实现方式中，所述处理器，具体用于获取所述第一组RGB颜色向量和所述第二组RGB颜色向量的欧式距离，再基于所述欧式距离，获取所述参考邻区相对于所述去噪邻区的滤波权重。

本发明有益效果如下：

由于本申请技术方案并不是用所述拜尔模板图像中单个像素的颜色分量值进行比较，而是用所述去噪邻区和所述参考邻区中的RGB颜色分量值进行比较，而所述去噪邻区和所述参考邻区中的RGB颜色分量能够更好的凸显出所述去噪邻区和所述参考邻区的细节，从而使得用所述去噪邻区和所述参考邻区中的RGB颜色分量值进行比较，能够更精确的获取所述去噪邻区和所述参考邻区的相似度，即使得计算出的所述参考邻区和所述参考邻区的欧式距离更精确，使得计算获得所述滤波权重更精确，使得在通过滤波权重对所述图像去噪时，所述滤波权重越精确，去噪的效果更好，并且去噪过程对图片细节的影响比较小，在强纹理图像去噪中效果更加明显。

附图说明

图1为本发明实施例中图像去噪方法的流程图；

图2为本发明实施例中从拜尔模板图像中确定去噪邻区和参考邻区的第一种结构图；

图3为本发明实施例中从拜尔模板图像中确定去噪邻区和参考邻区的第二种结构图；

图4为本发明实施例中从拜尔模板图像中确定去噪邻区和参考邻区的第三种结构图；

图5为本发明实施例中从拜尔模板图像中确定去噪邻区和参考邻区的第四种结构图；

图6为本发明实施例中图像去噪装置的第一种结构图；

图7为本发明实施例中图像去噪装置的第二种结构图。

具体实施方式

针对现有技术在对图像进行去噪时，存在获取去噪邻区和参考邻区的相似度及其滤波权重精确性低，导致去噪效果差的技术问题，本发明实施例这里提出的技术方案并不是用所述拜尔模板图像中单个像素的颜色分量值进行比较，而是用所述去噪邻区和所述参考邻区中的RGB颜色分量值进行比较，而所述去噪邻区和所述参考邻区中的RGB颜色分量能够更好的凸显出所述去噪邻区和所述参考邻区的细节，从而使得用所述去噪邻区和所述参考邻区中的RGB颜色分量值进行比较，能够更精确的获取所述去噪邻区和所述参考邻区的相似度，即使得计算出的所述参考邻区和所述参考邻区的欧式距离更精确，使得计算获得所述滤波权重更精确，使得在通过滤波权重对所述图像去噪时，所述滤波权重越精确，去噪的效果更好，并且去噪过程对图片细节的影响比较小，在强纹理图像去噪中效果更加明显。

下面结合各个附图对本发明实施例技术方案的主要实现原理、具体实施方式及其对应能够达到的有益效果进行详细地阐述。

本发明实施例提出了一种图像去噪方法，如图1所示，该方法具体处理过程如下：

步骤S101：从拜耳模板图像中确定去噪邻区和参考邻区，其中，所述去噪邻区和所述参考邻区中的中心像素点具有相同的颜色分量；

步骤S102：基于所述中心像素点的颜色分量，获取所述去噪邻区中的第一RGB颜色分量值和所述参考邻区中的第二RGB颜色分量值；

步骤S103：基于所述中心像素点的颜色分量，对所述第一RGB颜色分量值进行缩放处理，获取第一组RGB颜色向量，以及对所述第二RGB颜色分量值进行缩放处理，获得第二组RGB颜色向量；

步骤S104：基于所述第一组RGB颜色向量和所述第二组RGB颜色向量，获取所述参考邻区相对于所述去噪邻区的滤波权重；

步骤S105：基于所述滤波权重，对所述去噪邻区进行去噪处理。

其中，在步骤S101中，从拜耳模板图像中确定去噪邻区和参考邻区，其中，所述去噪邻区和所述参考邻区中的中心像素点具有相同的颜色分量。

在具体实施过程中，拜耳模板图像中的每个像素点只有一个颜色分量，例如可以是R（red）颜色分量，G（green）颜色分量和B（blue）颜色分量中的任一种，所述去噪邻区例如可以是以所述去噪邻区中的中心像素点为中心的矩形区域，同理，所述参考邻区也可以是以所述参考邻区中的中心像素点为中心的矩形区域，其中，所述去噪邻区和所述参考邻区中的中心像素点具有相同的颜色分量，为了使得说明书更加简洁明了，下面所有的颜色分量均以R、G和B表示。

具体来讲，所述去噪邻区和所述参考邻区中的中心像素点具有相同的颜色分量，且所述去噪邻区的区域面积和所述参考邻区的区域面积相同，例如，所述去噪邻区的区域面积为3*3区域，则所述参考邻区的区域面积也为3*3区域，而且由于所述拜耳模板图像中的像素点的颜色分量分布是按相同的规则排序的，使得所述去噪邻区中的像素点的颜色分量分布与所述参考邻区中的像素点的颜色分量分布相同。

具体的，所述去噪邻区和所述参考邻区不同，例如在从所述拜尔模板图像中确定所述去噪邻区之后，可以从所述拜尔模板图像中选择不同于所述去噪邻区的区域为所述参考邻区，所述去噪邻区和所述参考邻区的中心像素点具有相同的颜色分量。

例如，参见图2，首先获取拜尔模板图像20，再从拜尔模板图像20中确定去噪邻区21，以及参考邻区22，其中，去噪邻区21的中心像素点23和参考邻区22的中心像素点24的颜色分量均为R，去噪邻区21的区域面积为3*3的像素点面积，参考邻区22的区域面积也为3*3的像素点面积，中心像素点23和中心像素点24均为R，中心像素点23周围的像素点的颜色分量分布为B、Gb、B、Gr、B、Gb、B和Gr，同样，中心像素点24周围的像素点的颜色分量分布为B、Gb、B、Gr、B、Gb、B和Gr，使得去噪邻区21中的像素点的颜色分量分布与参考邻区22中的像素点的颜色分量分布相同，具体参见图2。

接下来执行步骤S102，在该步骤中，基于所述中心像素点的颜色分量，获取所述去噪邻区中的第一RGB颜色分量值和所述参考邻区中的第二RGB颜色分量值。

在具体实施过程中，基于所述中心像素点的颜色分量，获取所述第一RGB颜色分量值和所述第二RGB颜色分量值，在所述中心像素点的颜色分量不同时，采用不同的方式来获取所述第一RGB颜色分量值和所述第二RGB颜色分量值。

具体来讲，在所述中心像素点的颜色分量为R颜色分量时，基于所述R颜色分量，获取所述第一RGB颜色分量值，其中，所述第一RGB颜色分量值中的R颜色分量值为所述去噪邻区中的中心像素点的R颜色分量值，以及G颜色分量值为所述去噪邻区中的所有G颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值；以及基于所述R颜色分量，获取所述第二RGB颜色分量值，其中，所述第二RGB颜色分量值中的R颜色分量值为所述参考邻区中的中心像素点的R颜色分量值，以及G颜色分量值为所述去噪邻区中的所有G颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值。

具体的，若所述中心像素点的颜色分量为R，且所述去噪邻区和所述参考邻区均为3*3的像素点时，则可以将3*3的像素点的颜色分量表示为：

B₁₁   Gb1₂   B₁₃

Gr₂₁   R₂₂   Gr₂₃

B₃₁   Gb₃₂   B₃₃

其中，获取所述第一RGB和第二RGB颜色分量值中R、G和B公式（1）为：

R=R₂₂

$G=\frac{({\mathrm{Gb}}_{12}+{\mathrm{Gr}}_{21}+{\mathrm{Gr}}_{23}+{\mathrm{Gb}}_{32})}{4}$

$B=\frac{(B_{11}+B_{12}+B_{31}+B_{33})}{4}$

具体的，若所述中心像素点的颜色分量为R，且所述去噪邻区和所述参考邻区均为5*3的像素点时，则可以将5*3的像素点的颜色分量表示为：

Cb₁₁   B_i2   Cb₁₃   B₁₄   Cb₁₅

R₂₂   Gr₂₂   R₂₃   Gr₂₄   R₂₅

Gb₃₁   B₃₂   Gb₃₃   B₃₄   Gb₃₅

其中，获取所述第一RGB和第二RGB颜色分量值中R、G和B公式（2）为：

R=R₂₃

$G=\frac{({\mathrm{Gb}}_{11}+{\mathrm{Gb}}_{13}+{\mathrm{Gb}}_{15}+{\mathrm{Gr}}_{22}+{\mathrm{Gr}}_{24}+{\mathrm{Gb}}_{31}+{\mathrm{Gb}}_{33}+{\mathrm{Gb}}_{35})}{8}$

$B=\frac{(B_{12}+B_{14}+B_{32}+B_{34})}{4}$

例如，参见图2，拜尔模板图像20，再从拜尔模板图像20中确定去噪邻区21，以及参考邻区22，其中，去噪邻区21的中心像素点23和参考邻区22的中心像素点24的颜色分量均为R，由于去噪邻区21和参考邻区22的区域面积为3*3的像素点面积，因此，采用公式（1）来计算出噪邻区21的第一RGB颜色分量值，同样采用公式（1）来计算参考邻区22的第二RGB颜色分量值。

具体来讲，在所述中心像素点的颜色分量为Gr颜色分量时，所述基于所述中心像素点的颜色分量，获取所述去噪邻区中的第一RGB颜色分量值和所述参考邻区中的第二RGB颜色分量值，具体包括：基于所述Gr颜色分量，获取所述第一RGB颜色分量值，其中，所述第一RGB颜色分量值中的G颜色分量值为所述去噪邻区中的中心像素点的Gr颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值；以及基于所述Gr颜色分量，获取所述第二RGB颜色分量值，其中，所述第二RGB颜色分量值中的G颜色分量值为所述考邻区中的中心像素点的Gr颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值。

具体的，若所述中心像素点的颜色分量为Gr，且所述去噪邻区和所述参考邻区均为3*3的像素点时，则可以将3*3的像素点的颜色分量表示为：

Cb₁₁   B_i2   Cb₁₃

R₂₁   Gr₂₂   R₂₃

Gb₃₁   B₃₂   Gb₃₃

其中，获取所述第一RGB和第二RGB颜色分量值中R、G和B公式（3）为：

$R=\frac{(R_{21}+R_{23})}{2}$

G=Cr₂₂

$B=\frac{(B_{12}+B_{32})}{2}$

例如，参见图3，拜尔模板图像30，再从拜尔模板图像30中确定去噪邻区31，以及参考邻区32，其中，去噪邻区31的中心像素点33和参考邻区32的中心像素点34的颜色分量均为Gr，由于去噪邻区31和参考邻区32的区域面积为3*3的像素点面积，因此，采用公式（3）来计算出噪邻区31的第一RGB颜色分量值，同样采用公式（3）来计算参考邻区32的第二RGB颜色分量值。

具体来讲，在所述中心像素点的颜色分量为Gb颜色分量时，所述基于所述中心像素点的颜色分量，获取所述去噪邻区中的第一RGB颜色分量值和所述参考邻区中的第二RGB颜色分量值，具体包括：基于所述Gb颜色分量，获取所述第一RGB颜色分量值，其中，所述第一RGB颜色分量值中的G颜色分量值为所述去噪邻区中的中心像素点的Gb颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值；以及基于所述Gb颜色分量，获取所述第二RGB颜色分量值，其中，所述第二RGB颜色分量值中的G颜色分量值为所述考邻区中的中心像素点的Gb颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值。

具体的，若所述中心像素点的颜色分量为Gb，且所述去噪邻区和所述参考邻区均为3*3的像素点时，则可以将3*3的像素点的颜色分量表示为：

Cr₁₁   R_i2   Cr₁₃

B₂₁   Gb₂₂   B₂₃

Gr₃₁   R₃₂   Gr₃₃

其中，获取所述第一RGB和第二RGB颜色分量值中R、G和B公式（4）为：

$R=\frac{(R_{12}+R_{32})}{2}$

G=Cb₂₂

$B=\frac{(B_{21}+B_{23})}{2}$

例如，参见图4，拜尔模板图像40，再从拜尔模板图像40中确定去噪邻区41，以及参考邻区42，其中，去噪邻区41的中心像素点43和参考邻区42的中心像素点44的颜色分量均为Gb，由于去噪邻区41和参考邻区42的区域面积为3*3的像素点面积，因此，采用公式（4）来计算出噪邻区41的第一RGB颜色分量值，同样采用公式（4）来计算参考邻区42的第二RGB颜色分量值。

具体来讲，在所述中心像素点的颜色分量为B颜色分量时，所述基于所述中心像素点的颜色分量，获取所述去噪邻区中的第一RGB颜色分量值和所述参考邻区中的第二RGB颜色分量值，具体包括：基于所述B颜色分量，获取所述第一RGB颜色分量值，其中，所述第一RGB颜色分量值中的B颜色分量值为所述去噪邻区中的中心像素点的B颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及G颜色分量值为所述去噪邻区中的所有G颜色分量的均值；以及基于所述B颜色分量，获取所述第二RGB颜色分量值，其中，所述第二RGB颜色分量值中的B颜色分量值为所述考邻区中的中心像素点的B颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及G颜色分量值为所述去噪邻区中的所有G颜色分量的均值。

具体的，若所述中心像素点的颜色分量为B，且所述去噪邻区和所述参考邻区均为3*3的像素点时，则可以将3*3的像素点的颜色分量表示为：

R₁₁   Cr₁₂   R₁₃

Gb₂₁   B₂₂   Gb₂₃

R₃₁   Gr₃₂   R₃₃

其中，获取所述第一RGB和第二RGB颜色分量值中R、G和B公式（5）为：

$R=\frac{(R_{11}+R_{13}+R_{31}+R_{33})}{4}$

$G=\frac{({\mathrm{Gr}}_{12}+{\mathrm{Gb}}_{21}+{\mathrm{Gb}}_{23}+{\mathrm{Gr}}_{32})}{4}$

B=B₂₂

例如，参见图5，拜尔模板图像50，再从拜尔模板图像50中确定去噪邻区51，以及参考邻区52，其中，去噪邻区51的中心像素点53和参考邻区52的中心像素点54的颜色分量均为B，由于去噪邻区51和参考邻区52的区域面积为3*3的像素点面积，因此，采用公式（5）来计算出噪邻区51的第一RGB颜色分量值，同样采用公式（5）来计算参考邻区52的第二RGB颜色分量值。

接下来执行步骤S103，在该步骤中，基于所述中心像素点的颜色分量，对所述第一RGB颜色分量值进行缩放处理，获取第一组RGB颜色向量，以及对所述第二RGB颜色分量值进行缩放处理，获得第二组RGB颜色向量。

在具体实施过程中，由于在通过nonlocal-means算法对图像进行去噪处理的前提是图像中的像素服从相同方差的正态分布，如此，使得缩放系数是根据所述去噪邻区的面积和概率论的基本原理来配置的，然后通过所述缩放系数对所述第一RGB颜色分量值和所述第二RGB颜色分量值进行缩放处理的，使得经过缩放处理而获得的所述第一组RGB颜色向量和所述第二组RGB颜色向量中的每一个种颜色分量的方差一致。

具体来讲，在所述中心像素点的颜色分量不同时，采用不同的缩放系数来对所述第一RGB颜色分量值和所述第二RGB颜色分量值进行缩放处理。

具体的，在所述中心像素点的颜色分量为R时，所述缩放系数例如可以为 $\left(\begin{array}{ccc}1& 0& 0\\ 0& 2& 0\\ 0& 0& 2\end{array}\right),$ 在所述缩放系数为 $\left(\begin{array}{ccc}1& 0& 0\\ 0& 2& 0\\ 0& 0& 2\end{array}\right)$ 时，获取所述第一组RGB颜色向量和所述第二组RGB颜色向量的公式（6）为：

$\left(\begin{array}{c}{R}_{\mathrm{scaled}}\\ G_{\mathrm{scaled}}\\ B_{\mathrm{scaled}}\end{array}\right)=\left(\begin{array}{ccc}1& 0& 0\\ 0& 2& 0\\ 0& 0& 2\end{array}\right)\left(\begin{array}{c}R\\ G\\ B\end{array}\right)$

如此，将所述第一RGB颜色分量值代入所述公式（6）中，则可以获取所述第一组RGB颜色向量，具体用p表示，且所述p=[R_i，G_i，B_i]，其中,i表示所述去噪邻区的中心像素点；同理将所述第二RGB颜色分量值代入所述公式（6）中，则可以获取所述第二组RGB颜色向量，具体用q表示，且所述q=[R_j，G_j，B_j]，其中,j表示所述参考邻区的中心像素点，下面出现的i均表示所述去噪邻区的中心像素点，j表示所述参考邻区的中心像素点，为了说明书的简洁，下面就不再赘述了。

具体的，在所述中心像素点的颜色分量为Gr时，所述缩放系数例如可以为 $\left(\begin{array}{ccc}\sqrt{2}& 0& 0\\ 0& 1& 0\\ 0& 0& \sqrt{2}\end{array}\right),$ 在所述缩放系数为 $\left(\begin{array}{ccc}\sqrt{2}& 0& 0\\ 0& 1& 0\\ 0& 0& \sqrt{2}\end{array}\right)$ 时，获取所述第一组RGB颜色向量和所述第二组RGB颜色向量的公式（7）为：

$\left(\begin{array}{c}{R}_{\mathrm{scaled}}\\ G_{\mathrm{scaled}}\\ B_{\mathrm{scaled}}\end{array}\right)=\left(\begin{array}{ccc}\sqrt{2}& 0& 0\\ 0& 1& 0\\ 0& 0& \sqrt{2}\end{array}\right)\left(\begin{array}{c}R\\ G\\ B\end{array}\right)$

如此，将所述第一RGB颜色分量值代入所述公式（7）中，则可以获取所述第一组RGB颜色向量，具体用p表示，且所述p=[R_i，G_i，B_i]；同理将所述第二RGB颜色分量值代入所述公式（7）中，则可以获取所述第二组RGB颜色向量，具体用q表示，且所述q=[R_j，G_j，B_j]。

具体的，在所述中心像素点的颜色分量为Gb时，所述缩放系数例如可以为 $\left(\begin{array}{ccc}\sqrt{2}& 0& 0\\ 0& 1& 0\\ 0& 0& \sqrt{2}\end{array}\right),$ 在所述缩放系数为 $\left(\begin{array}{ccc}\sqrt{2}& 0& 0\\ 0& 1& 0\\ 0& 0& \sqrt{2}\end{array}\right)$ 时，获取所述第一组RGB颜色向量和所述第二组RGB颜色向量的公式（8）为：

$\left(\begin{array}{c}{R}_{\mathrm{scaled}}\\ G_{\mathrm{scaled}}\\ B_{\mathrm{scaled}}\end{array}\right)=\left(\begin{array}{ccc}\sqrt{2}& 0& 0\\ 0& 1& 0\\ 0& 0& \sqrt{2}\end{array}\right)\left(\begin{array}{c}R\\ G\\ B\end{array}\right)$

如此，将所述第一RGB颜色分量值代入所述公式（8）中，则可以获取所述第一组RGB颜色向量，具体用p表示，且所述p=[R_i，G_i，B_i]；同理将所述第二RGB颜色分量值代入所述公式（8）中，则可以获取所述第二组RGB颜色向量，具体用q表示，且所述q=[R_j，G_j，B_j]。

具体的，在所述中心像素点的颜色分量为B时，所述缩放系数例如可以为 $\left(\begin{array}{ccc}2& 0& 0\\ 0& 2& 0\\ 0& 0& 1\end{array}\right),$ 在所述缩放系数为 $\left(\begin{array}{ccc}2& 0& 0\\ 0& 2& 0\\ 0& 0& 1\end{array}\right)$ 时，获取所述第一组RGB颜色向量和所述第二组RGB颜色向量的公式（9）为：

$\left(\begin{array}{c}{R}_{\mathrm{scaled}}\\ G_{\mathrm{scaled}}\\ B_{\mathrm{scaled}}\end{array}\right)=\left(\begin{array}{ccc}1& 0& 0\\ 0& 2& 0\\ 0& 0& 2\end{array}\right)\left(\begin{array}{c}R\\ G\\ B\end{array}\right)$

如此，将所述第一RGB颜色分量值代入所述公式（9）中，则可以获取所述第一组RGB颜色向量，具体用p表示，且所述p=[R_i，G_i，B_i]；同理将所述第二RGB颜色分量值代入所述公式（9）中，则可以获取所述第二组RGB颜色向量，具体用q表示，且所述q=[R_j，G_j，B_j]。

接下来执行步骤S104，在该步骤中，基于所述第一组RGB颜色向量和所述第二组RGB颜色向量，获取所述参考邻区相对于所述去噪邻区的滤波权重。

在具体实施过程中，获取所述第一组RGB颜色向量和所述第二组RGB颜色向量的欧式距离；基于所述欧式距离，获取所述参考邻区相对于所述去噪邻区的滤波权重。

具体来讲，若所述第一组RGB颜色向量具体用p表示，且所述第二组RGB颜色向量具体用q表示，则可以确定所述欧式距离的公式为：

${\left|\right|p-1\left|\right|}_2^2/N$    公式（10）其中，N为所述去噪邻区或所述参考邻区中的像素点的个数，然后，再将所述欧式距离作为所述去噪邻区和所述参考邻区的相似度进行输入公式（11）中，然后获得所述滤波权重，其中，所述公式（11）为：

$w(i,j)=\frac{1}{z\left(i\right)}\exp \left(\frac{{\left|\right|p-1\left|\right|}_2^2,a}{h^2}\right)$     公式（11）

其中，

$z\left(j\right)=\underset{j}{\mathrm{\Σ}}\exp (-\frac{{\left|\right|p-1\left|\right|}_{2,a}^2}{h^2})$ 公式（12）

其中，w(i,j)为所述滤波权重，a为高斯加权系数，z(i)为权值的归一化系数，h为所述拜尔模板图像的平滑参数，参数h通过控制指函数的衰减来控制w(i,j)的大小，进而实现控制平滑噪声的程度，如果h比较小，幂函数的衰减效果比较显著，细节保留程度比较高，因此能够更好保持图像本身的细节信息，由于所述去噪邻区的中心像素点和所述参考邻区的中心像素点相似程度依赖于所述去噪邻区和所述参考邻区的相似程度，因此当w(i,j)越大时，拜尔模板图像中的所述去噪邻区和所述参考邻区也就越相似，同时，w(i,j)还满足以下条件：0≤w(i,j)≤1，且Σw(i,j)=1。

由于本申请并不是用所述拜尔模板图像中单个像素的颜色分量值进行比较，而是用所述去噪邻区和所述参考邻区中的RGB颜色分量值进行比较，而所述去噪邻区和所述参考邻区中的RGB颜色分量能够更好的凸显出所述去噪邻区和所述参考邻区的细节，从而使得用所述去噪邻区和所述参考邻区中的RGB颜色分量值进行比较，能够更精确的获取所述去噪邻区和所述参考邻区的相似度，即使得计算出的所述参考邻区和所述参考邻区的欧式距离更精确，使得计算获得所述滤波权重更精确，使得在通过滤波权重对所述图像去噪时，所述滤波权重越精确，去噪的效果更好，并且去噪过程对图片细节的影响比较小，在强纹理图像去噪中效果更加明显。

例如，参见图2，拜尔模板图像20，再从拜尔模板图像20中确定去噪邻区21，以及参考邻区22，其中，去噪邻区21的中心像素点23和参考邻区22的中心像素点24的颜色分量均为R，由于去噪邻区21和参考邻区22的区域面积为3*3的像素点面积，因此，采用公式（1）来计算出噪邻区21的第一RGB颜色分量值，同样采用公式（1）来计算参考邻区22的第二RGB颜色分量值；由于中心像素点23和中心像素点24的颜色分量均为R，则将所述第一RGB颜色分量值代入所述公式（6）中，计算得到p=[R_i，G_i，B_i]，以及将所述第二RGB颜色分量值代入所述公式（6）中，计算得到q=[R_j，G_j，B_j]，在通过所述公式（10）获取去噪邻区21和参考邻区22的欧式距离，然后将所述欧式距离代入公式（11）中获得参考邻区22相对于去噪邻区21的滤波权重。

接下来执行步骤S105，在该步骤中，基于所述滤波权重，对所述去噪邻区进行去噪处理。

在具体实施过程中，在通过步骤S104获取所述滤波权重之后，根据所述滤波权重，通过空间域滤波算法来对所述去噪邻区进行去噪处理。

具体来讲，根据所述滤波权重，可以通过nonlocal-mean算法来对所述去噪邻区进行去噪处理，其中，所述nonlocal-mean算法的公式为：

NL(υ)(i)=Σw(i,j)v(j)    公式（13）

其中，v为所述拜尔模板图像，i为所述去噪邻区的中心像素点，j为所述参考邻区的中心像素点，NL(v)(i)为所述拜尔模板图像中去噪后的得到的像素值。

由于nonlocal-mean算法不是用图像中单个像素的灰度值进行比较，而是对该像素周围的整个灰度的分布状况进行比较，根据灰度分布的相似度来贡献权值，使得因此在利用非局部均值去噪的算法后，图像去噪的效果大大提高了，并且去噪过程对图片细节的影响比较小，在强纹理图像去噪中效果更加明显。

本发明实施例中，由于本申请技术方案并不是用所述拜尔模板图像中单个像素的颜色分量值进行比较，而是用所述去噪邻区和所述参考邻区中的RGB颜色分量值进行比较，而所述去噪邻区和所述参考邻区中的RGB颜色分量能够更好的凸显出所述去噪邻区和所述参考邻区的细节，从而使得用所述去噪邻区和所述参考邻区中的RGB颜色分量值进行比较，能够更精确的获取所述去噪邻区和所述参考邻区的相似度，即使得计算出的所述参考邻区和所述参考邻区的欧式距离更精确，使得计算获得所述滤波权重更精确，使得在通过滤波权重对所述图像去噪时，所述滤波权重越精确，去噪的效果更好，并且去噪过程对图片细节的影响比较小，在强纹理图像去噪中效果更加明显。

另外，由于本申请能够更精确的获取所述去噪邻区和所述参考邻区的相似度，从而可以为参与加权滤波的像素点分配更合适的权重系数，达到更好的去噪效果；而且还减少运算资源，使用的加减法器也较少，使得与所述图像去噪方法对应的算法硬件逻辑实现面积也较小。

基于与上述方法相同的技术构思，本申请实施例还提供了一种图像去噪装置，参见图6，所述装置包括：

邻区确定单元601，用于从拜耳模板图像中确定去噪邻区和参考邻区，其中，所述去噪邻区和所述参考邻区中的中心像素点具有相同的颜色分量；

颜色分量获取单元602，用于在邻区确定单元601确定所述去噪邻区和所述参考邻区时，基于所述中心像素点的颜色分量，获取所述去噪邻区中的第一RGB颜色分量值和所述参考邻区中的第二RGB颜色分量值；

颜色向量获取单元603，用于接收颜色分量获取单元602发送的所述第一RGB颜色分量值和所述第二RGB颜色分量值，基于所述中心像素点的颜色分量，对所述第一RGB颜色分量值进行缩放处理，获取第一组RGB颜色向量，以及对所述第二RGB颜色分量值进行缩放处理，获得第二组RGB颜色向量；

滤波权重获取单元604，用于接收颜色向量获取单元603发送的所述第一组RGB颜色向量和所述第二组RGB颜色向量，基于所述第一组RGB颜色向量和所述第二组RGB颜色向量，获取所述参考邻区相对于所述去噪邻区的滤波权重；

去噪单元605，用于接收滤波权重获取单元604发送的所述滤波权重，基于所述滤波权重，对所述去噪邻区进行去噪处理。

其中，拜耳模板图像中的每个像素点只有一个颜色分量，例如可以是R颜色分量，G颜色分量和B颜色分量中的任一种，所述去噪邻区例如可以是以所述去噪邻区中的中心像素点为中心的矩形区域，同理，所述参考邻区也可以是以所述参考邻区中的中心像素点为中心的矩形区域，其中，所述去噪邻区和所述参考邻区中的中心像素点具有相同的颜色分量，为了使得说明书更加简洁明了，下面所有的颜色分量均以R、G和B表示。

较佳的，邻区确定单元601在确定所述去噪邻区和所述参考邻区时，所述去噪邻区和所述参考邻区中的中心像素点具有相同的颜色分量，且所述去噪邻区的区域面积和所述参考邻区的区域面积相同，例如，所述去噪邻区的区域面积为3*3区域，则所述参考邻区的区域面积也为3*3区域，而且由于所述拜耳模板图像中的像素点的颜色分量分布是按相同的规则排序的，使得所述去噪邻区中的像素点的颜色分量分布与所述参考邻区中的像素点的颜色分量分布相同。

较佳的，颜色分量获取单元602，用于在邻区确定单元601确定所述去噪邻区和所述参考邻区时，基于所述中心像素点的颜色分量，获取所述第一RGB颜色分量值和所述第二RGB颜色分量值，在所述中心像素点的颜色分量不同时，采用不同的方式来获取所述第一RGB颜色分量值和所述第二RGB颜色分量值。

具体的，颜色分量获取单元602，具体用于在所述中心像素点的颜色分量为R颜色分量时，基于所述R颜色分量，获取所述第一RGB颜色分量值，其中，所述第一RGB颜色分量值中的R颜色分量值为所述去噪邻区中的中心像素点的R颜色分量值，以及G颜色分量值为所述去噪邻区中的所有G颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值，以及基于所述R颜色分量，获取所述第二RGB颜色分量值，其中，所述第二RGB颜色分量值中的R颜色分量值为所述参考邻区中的中心像素点的R颜色分量值，以及G颜色分量值为所述去噪邻区中的所有G颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值。

具体的，颜色分量获取单元602，具体用于在所述中心像素点的颜色分量为Gr颜色分量时，基于所述Gr颜色分量，获取所述第一RGB颜色分量值，其中，所述第一RGB颜色分量值中的G颜色分量值为所述去噪邻区中的中心像素点的Gr颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值，以及基于所述Gr颜色分量，获取所述第二RGB颜色分量值，其中，所述第二RGB颜色分量值中的G颜色分量值为所述考邻区中的中心像素点的Gr颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值。

具体的，颜色分量获取单元602，具体用于在所述中心像素点的颜色分量为B颜色分量时，基于所述B颜色分量，获取所述第一RGB颜色分量值，其中，所述第一RGB颜色分量值中的B颜色分量值为所述去噪邻区中的中心像素点的B颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及G颜色分量值为所述去噪邻区中的所有G颜色分量的均值，以及基于所述B颜色分量，获取所述第二RGB颜色分量值，其中，所述第二RGB颜色分量值中的B颜色分量值为所述考邻区中的中心像素点的B颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及G颜色分量值为所述去噪邻区中的所有G颜色分量的均值。

具体的，颜色分量获取单元602，具体用于在所述中心像素点的颜色分量为Gb颜色分量时，基于所述Gb颜色分量，获取所述第一RGB颜色分量值，其中，所述第一RGB颜色分量值中的G颜色分量值为所述去噪邻区中的中心像素点的Gb颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值，以及基于所述Gb颜色分量，获取所述第二RGB颜色分量值，其中，所述第二RGB颜色分量值中的G颜色分量值为所述考邻区中的中心像素点的Gb颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值。

较佳的，颜色向量获取单元603，在对所述第一组RGB颜色分量值和所述第二组RGB颜色分量值进行缩放处理时，由于在通过nonlocal-means算法对图像进行去噪处理的前提是图像中的像素服从相同方差的正态分布，如此，使得缩放系数是根据所述去噪邻区的面积和概率论的基本原理来配置的，然后通过所述缩放系数对所述第一RGB颜色分量值和所述第二RGB颜色分量值进行缩放处理的，使得经过缩放处理而获得的所述第一组RGB颜色向量和所述第二组RGB颜色向量中的每一个种颜色分量的方差一致。

较佳的，颜色向量获取单元603，具体用于在所述中心像素点的颜色分量不同时，采用不同的缩放系数来对所述第一RGB颜色分量值和所述第二RGB颜色分量值进行缩放处理，在所述中心像素点的颜色分量为R时，所述缩放系数例如可以为 $\left(\begin{array}{ccc}1& 0& 0\\ 0& 2& 0\\ 0& 0& 2\end{array}\right);;$ 以及在所述中心像素点的颜色分量为Gr时，所述缩放系数例如可以为 $\left(\begin{array}{ccc}\sqrt{2}& 0& 0\\ 0& 1& 0\\ 0& 0& \sqrt{2}\end{array}\right);$ 以及在所述中心像素点的颜色分量为Gb时，所述缩放系数例如可以为 $\left(\begin{array}{ccc}\sqrt{2}& 0& 0\\ 0& 1& 0\\ 0& 0& \sqrt{2}\end{array}\right);$ 以及在所述中心像素点的颜色分量为B时，所述缩放系数例如可以为 $\left(\begin{array}{ccc}2& 0& 0\\ 0& 2& 0\\ 0& 0& 1\end{array}\right).$

较佳的，滤波权重获取单元604，具体用于获取所述第一组RGB颜色向量和所述第二组RGB颜色向量的欧式距离，再基于所述欧式距离，获取所述参考邻区相对于所述去噪邻区的滤波权重。

具体的，滤波权重获取单元604，具体用于在所述第一组RGB颜色向量具体用p表示，且所述第二组RGB颜色向量具体用q表示时，可以确定所述欧式距离的公式为：

${\left|\right|p-q\left|\right|}_2^2/N$     公式（10）

其中，N为所述去噪邻区或所述参考邻区中的像素点的个数，然后，再将所述欧式距离作为所述去噪邻区和所述参考邻区的相似度进行输入公式（11）中，然后获得所述滤波权重。

较佳的，去噪单元605，具体用于根据所述滤波权重，通过空间域滤波算法来对所述去噪邻区进行去噪处理，例如可以通过nonlocal-mean算法来对所述去噪邻区进行去噪处理。

由于nonlocal-mean算法不是用图像中单个像素的灰度值进行比较，而是对该像素周围的整个灰度的分布状况进行比较，根据灰度分布的相似度来贡献权值，使得因此在利用非局部均值去噪的算法后，图像去噪的效果大大提高了，并且去噪过程对图片细节的影响比较小，在强纹理图像去噪中效果更加明显。

本发明实施例中，由于本申请技术方案并不是用所述拜尔模板图像中单个像素的颜色分量值进行比较，而是用所述去噪邻区和所述参考邻区中的RGB颜色分量值进行比较，而所述去噪邻区和所述参考邻区中的RGB颜色分量能够更好的凸显出所述去噪邻区和所述参考邻区的细节，从而使得用所述去噪邻区和所述参考邻区中的RGB颜色分量值进行比较，能够更精确的获取所述去噪邻区和所述参考邻区的相似度，即使得计算出的所述参考邻区和所述参考邻区的欧式距离更精确，使得计算获得所述滤波权重更精确，使得在通过滤波权重对所述图像去噪时，所述滤波权重越精确，去噪的效果更好，并且去噪过程对图片细节的影响比较小，在强纹理图像去噪中效果更加明显。

另外，由于本申请能够更精确的获取所述去噪邻区和所述参考邻区的相似度，从而可以为参与加权滤波的像素点分配更合适的权重系数，达到更好的去噪效果；而且还减少运算资源，使用的加减法器也较少，使得与所述图像去噪方法对应的算法硬件逻辑实现面积也较小。

基于与上述方法相同的技术构思，本申请实施例还提供了一种图像去噪装置，参见图7，所述装置包括：

存储701，用于存储拜尔模板图像；

处理器702，用于从所述拜耳模板图像中确定去噪邻区和参考邻区，其中，所述去噪邻区和所述参考邻区中的中心像素点具有相同的颜色分量，再基于所述中心像素点的颜色分量，获取所述去噪邻区中的第一RGB颜色分量值和所述参考邻区中的第二RGB颜色分量值，以及基于所述中心像素点的颜色分量，对所述第一RGB颜色分量值进行缩放处理，获取第一组RGB颜色向量，以及对所述第二RGB颜色分量值进行缩放处理，获得第二组RGB颜色向量，再基于所述第一组RGB颜色向量和所述第二组RGB颜色向量，获取所述参考邻区相对于所述去噪邻区的滤波权重，以及基于所述滤波权重，对所述去噪邻区进行去噪处理。

其中，存储器701例如是内存、硬盘等电子设备，进一步的，处理器702例如可以是单独的处理芯片，也可以是所述装置的处理器。

具体的，存储器701存储的所述拜尔模板图像中的每个像素点只有一个颜色分量，例如可以是R颜色分量，G颜色分量和B颜色分量中的任一种，所述去噪邻区例如可以是以所述去噪邻区中的中心像素点为中心的矩形区域，同理，所述参考邻区也可以是以所述参考邻区中的中心像素点为中心的矩形区域，其中，所述去噪邻区和所述参考邻区中的中心像素点具有相同的颜色分量，为了使得说明书更加简洁明了，下面所有的颜色分量均以R、G和B表示。

较佳的，处理器702，用于在确定所述去噪邻区和所述参考邻区时，所述去噪邻区和所述参考邻区中的中心像素点具有相同的颜色分量，且所述去噪邻区的区域面积和所述参考邻区的区域面积相同，例如，所述去噪邻区的区域面积为3*3区域，则所述参考邻区的区域面积也为3*3区域，而且由于所述拜耳模板图像中的像素点的颜色分量分布是按相同的规则排序的，使得所述去噪邻区中的像素点的颜色分量分布与所述参考邻区中的像素点的颜色分量分布相同。

较佳的，处理器702，具体用于在所述中心像素点的颜色分量为R颜色分量时，基于所述R颜色分量，获取所述第一RGB颜色分量值，其中，所述第一RGB颜色分量值中的R颜色分量值为所述去噪邻区中的中心像素点的R颜色分量值，以及G颜色分量值为所述去噪邻区中的所有G颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值，以及基于所述R颜色分量，获取所述第二RGB颜色分量值，其中，所述第二RGB颜色分量值中的R颜色分量值为所述参考邻区中的中心像素点的R颜色分量值，以及G颜色分量值为所述去噪邻区中的所有G颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值。

较佳的，处理器702，具体用于在所述中心像素点的颜色分量为Gr颜色分量时，基于所述Gr颜色分量，获取所述第一RGB颜色分量值，其中，所述第一RGB颜色分量值中的G颜色分量值为所述去噪邻区中的中心像素点的Gr颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值，以及基于所述Gr颜色分量，获取所述第二RGB颜色分量值，其中，所述第二RGB颜色分量值中的G颜色分量值为所述考邻区中的中心像素点的Gr颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值。

较佳的，处理器702，具体用于在所述中心像素点的颜色分量为B颜色分量时，基于所述B颜色分量，获取所述第一RGB颜色分量值，其中，所述第一RGB颜色分量值中的B颜色分量值为所述去噪邻区中的中心像素点的B颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及G颜色分量值为所述去噪邻区中的所有G颜色分量的均值，以及基于所述B颜色分量，获取所述第二RGB颜色分量值，其中，所述第二RGB颜色分量值中的B颜色分量值为所述考邻区中的中心像素点的B颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及G颜色分量值为所述去噪邻区中的所有G颜色分量的均值。

较佳的，处理器702，具体用于在所述中心像素点的颜色分量为Gb颜色分量时，基于所述Gb颜色分量，获取所述第一RGB颜色分量值，其中，所述第一RGB颜色分量值中的G颜色分量值为所述去噪邻区中的中心像素点的Gb颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值，以及基于所述Gb颜色分量，获取所述第二RGB颜色分量值，其中，所述第二RGB颜色分量值中的G颜色分量值为所述考邻区中的中心像素点的Gb颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值。

较佳的，处理器702，具体用于在对所述第一组RGB颜色分量值和所述第二组RGB颜色分量值进行缩放处理时，由于在通过nonlocal-means算法对图像进行去噪处理的前提是图像中的像素服从相同方差的正态分布，如此，使得缩放系数是根据所述去噪邻区的面积和概率论的基本原理来配置的，然后通过所述缩放系数对所述第一RGB颜色分量值和所述第二RGB颜色分量值进行缩放处理的，使得经过缩放处理而获得的所述第一组RGB颜色向量和所述第二组RGB颜色向量中的每一个种颜色分量的方差一致。

较佳的，处理器702，具体用于在所述中心像素点的颜色分量不同时，采用不同的缩放系数来对所述第一RGB颜色分量值和所述第二RGB颜色分量值进行缩放处理，在所述中心像素点的颜色分量为R时，所述缩放系数例如可以为 $\left(\begin{array}{ccc}1& 0& 0\\ 0& 2& 0\\ 0& 0& 2\end{array}\right);$ 以及在所述中心像素点的颜色分量为Gr时，所述缩放系数例如可以为 $\left(\begin{array}{ccc}\sqrt{2}& 0& 0\\ 0& 1& 0\\ 0& 0& \sqrt{2}\end{array}\right);$ 以及在所述中心像素点的颜色分量为Gb时，所述缩放系数例如可以为 $\left(\begin{array}{ccc}\sqrt{2}& 0& 0\\ 0& 1& 0\\ 0& 0& \sqrt{2}\end{array}\right);$ 以及在所述中心像素点的颜色分量为B时，所述缩放系数例如可以为 $\left(\begin{array}{ccc}2& 0& 0\\ 0& 2& 0\\ 0& 0& 1\end{array}\right).$

较佳的，处理器702，具体用于获取所述第一组RGB颜色向量和所述第二组RGB颜色向量的欧式距离，再基于所述欧式距离，获取所述参考邻区相对于所述去噪邻区的滤波权重。

具体的，处理器702，具体用于在所述第一组RGB颜色向量具体用p表示，且所述第二组RGB颜色向量具体用q表示时，可以确定所述欧式距离的公式为：

${\left|\right|p-q\left|\right|}_2^2/N$     公式（10）

其中，N为所述去噪邻区或所述参考邻区中的像素点的个数，然后，再将所述欧式距离作为所述去噪邻区和所述参考邻区的相似度进行输入公式（11）中，然后获得所述滤波权重。

较佳的，处理器702，具体用于根据所述滤波权重，通过空间域滤波算法来对所述去噪邻区进行去噪处理，例如可以通过nonlocal-mean算法来对所述去噪邻区进行去噪处理。

由于nonlocal-mean算法不是用图像中单个像素的灰度值进行比较，而是对该像素周围的整个灰度的分布状况进行比较，根据灰度分布的相似度来贡献权值，使得因此在利用非局部均值去噪的算法后，图像去噪的效果大大提高了，并且去噪过程对图片细节的影响比较小，在强纹理图像去噪中效果更加明显。

本发明实施例中，由于本申请技术方案并不是用所述拜尔模板图像中单个像素的颜色分量值进行比较，而是用所述去噪邻区和所述参考邻区中的RGB颜色分量值进行比较，而所述去噪邻区和所述参考邻区中的RGB颜色分量能够更好的凸显出所述去噪邻区和所述参考邻区的细节，从而使得用所述去噪邻区和所述参考邻区中的RGB颜色分量值进行比较，能够更精确的获取所述去噪邻区和所述参考邻区的相似度，即使得计算出的所述参考邻区和所述参考邻区的欧式距离更精确，使得计算获得所述滤波权重更精确，使得在通过滤波权重对所述图像去噪时，所述滤波权重越精确，去噪的效果更好，并且去噪过程对图片细节的影响比较小，在强纹理图像去噪中效果更加明显。

另外，由于本申请能够更精确的获取所述去噪邻区和所述参考邻区的相似度，从而可以为参与加权滤波的像素点分配更合适的权重系数，达到更好的去噪效果；而且还减少运算资源，使用的加减法器也较少，使得与所述图像去噪方法对应的算法硬件逻辑实现面积也较小。

本领域的技术人员应明白，本发明的实施例可提供为方法、装置（设备）、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、装置（设备）和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

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等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (13)

1.一种图像去噪方法，其特征在于，所述方法包括：

从拜耳模板图像中确定去噪邻区和参考邻区，其中，所述去噪邻区和所述参考邻区中的中心像素点具有相同的颜色分量；

基于所述中心像素点的颜色分量，获取所述去噪邻区中的第一RGB颜色分量值和所述参考邻区中的第二RGB颜色分量值；

基于所述中心像素点的颜色分量，对所述第一RGB颜色分量值进行缩放处理，获取第一组RGB颜色向量，以及对所述第二RGB颜色分量值进行缩放处理，获得第二组RGB颜色向量；

基于所述第一组RGB颜色向量和所述第二组RGB颜色向量，获取所述参考邻区相对于所述去噪邻区的滤波权重；

基于所述滤波权重，对所述去噪邻区进行去噪处理。

2.如权利要求1所述的方法，其特征在于，在所述中心像素点的颜色分量为R颜色分量时，所述基于所述中心像素点的颜色分量，获取所述去噪邻区中的第一RGB颜色分量值和所述参考邻区中的第二RGB颜色分量值，具体包括：

基于所述R颜色分量，获取所述第一RGB颜色分量值，其中，所述第一RGB颜色分量值中的R颜色分量值为所述去噪邻区中的中心像素点的R颜色分量值，以及G颜色分量值为所述去噪邻区中的所有G颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值；以及

基于所述R颜色分量，获取所述第二RGB颜色分量值，其中，所述第二RGB颜色分量值中的R颜色分量值为所述参考邻区中的中心像素点的R颜色分量值，以及G颜色分量值为所述去噪邻区中的所有G颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值。

3.如权利要求1所述的方法，其特征在于，在所述中心像素点的颜色分量为Gr颜色分量时，所述基于所述中心像素点的颜色分量，获取所述去噪邻区中的第一RGB颜色分量值和所述参考邻区中的第二RGB颜色分量值，具体包括：

基于所述Gr颜色分量，获取所述第一RGB颜色分量值，其中，所述第一RGB颜色分量值中的G颜色分量值为所述去噪邻区中的中心像素点的Gr颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值；以及

基于所述Gr颜色分量，获取所述第二RGB颜色分量值，其中，所述第二RGB颜色分量值中的G颜色分量值为所述考邻区中的中心像素点的Gr颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值。

4.如权利要求1所述的方法，其特征在于，在所述中心像素点的颜色分量为B颜色分量时，所述基于所述中心像素点的颜色分量，获取所述去噪邻区中的第一RGB颜色分量值和所述参考邻区中的第二RGB颜色分量值，具体包括：

基于所述B颜色分量，获取所述第一RGB颜色分量值，其中，所述第一RGB颜色分量值中的B颜色分量值为所述去噪邻区中的中心像素点的B颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及G颜色分量值为所述去噪邻区中的所有G颜色分量的均值；以及

基于所述B颜色分量，获取所述第二RGB颜色分量值，其中，所述第二RGB颜色分量值中的B颜色分量值为所述考邻区中的中心像素点的B颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及G颜色分量值为所述去噪邻区中的所有G颜色分量的均值。

5.如权利要求1所述的方法，其特征在于，在所述中心像素点的颜色分量为Gb颜色分量时，所述基于所述中心像素点的颜色分量，获取所述去噪邻区中的第一RGB颜色分量值和所述参考邻区中的第二RGB颜色分量值，具体包括：

基于所述Gb颜色分量，获取所述第一RGB颜色分量值，其中，所述第一RGB颜色分量值中的G颜色分量值为所述去噪邻区中的中心像素点的Gb颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值；以及

基于所述Gb颜色分量，获取所述第二RGB颜色分量值，其中，所述第二RGB颜色分量值中的G颜色分量值为所述考邻区中的中心像素点的Gb颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值。

6.如权利要求1-5任一项所述的方法，其特征在于，所述第一组RGB颜色向量和所述第二组RGB颜色向量中的每一个种颜色分量的方差相同。

7.如权利要求1-6任一项所述的方法，其特征在于，所述基于所述第一组RGB颜色向量和所述第二组RGB颜色向量，获取所述参考邻区相对于所述去噪邻区的滤波权重，具体包括：

获取所述第一组RGB颜色向量和所述第二组RGB颜色向量的欧式距离；

基于所述欧式距离，获取所述参考邻区相对于所述去噪邻区的滤波权重。

8.一种图像去噪装置，其特征在于，所述装置包括：

邻区确定单元，用于从拜耳模板图像中确定去噪邻区和参考邻区，其中，所述去噪邻区和所述参考邻区中的中心像素点具有相同的颜色分量；

颜色分量获取单元，用于在所述邻区确定单元确定所述去噪邻区和所述参考邻区时，基于所述中心像素点的颜色分量，获取所述去噪邻区中的第一RGB颜色分量值和所述参考邻区中的第二RGB颜色分量值；

颜色向量获取单元，用于接收所述颜色分量获取单元发送的所述第一RGB颜色分量值和所述第二RGB颜色分量值，基于所述中心像素点的颜色分量，对所述第一RGB颜色分量值进行缩放处理，获取第一组RGB颜色向量，以及对所述第二RGB颜色分量值进行缩放处理，获得第二组RGB颜色向量；

滤波权重获取单元，用于接收所述颜色向量获取单元发送的所述第一组RGB颜色向量和所述第二组RGB颜色向量，基于所述第一组RGB颜色向量和所述第二组RGB颜色向量，获取所述参考邻区相对于所述去噪邻区的滤波权重；

去噪单元，用于接收所述滤波权重获取单元发送的所述滤波权重，基于所述滤波权重，对所述去噪邻区进行去噪处理。

9.如权利要求8所述的装置，其特征在于，所述颜色分量获取单元，具体用于在所述中心像素点的颜色分量为R颜色分量时，基于所述R颜色分量，获取所述第一RGB颜色分量值，其中，所述第一RGB颜色分量值中的R颜色分量值为所述去噪邻区中的中心像素点的R颜色分量值，以及G颜色分量值为所述去噪邻区中的所有G颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值，以及基于所述R颜色分量，获取所述第二RGB颜色分量值，其中，所述第二RGB颜色分量值中的R颜色分量值为所述参考邻区中的中心像素点的R颜色分量值，以及G颜色分量值为所述去噪邻区中的所有G颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值。

10.如权利要求8所述的装置，其特征在于，所述颜色分量获取单元，具体用于在所述中心像素点的颜色分量为Gr颜色分量时，基于所述Gr颜色分量，获取所述第一RGB颜色分量值，其中，所述第一RGB颜色分量值中的G颜色分量值为所述去噪邻区中的中心像素点的Gr颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值，以及基于所述Gr颜色分量，获取所述第二RGB颜色分量值，其中，所述第二RGB颜色分量值中的G颜色分量值为所述考邻区中的中心像素点的Gr颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值。

11.如权利要求8所述的装置，其特征在于，所述颜色分量获取单元，具体用于在所述中心像素点的颜色分量为B颜色分量时，基于所述B颜色分量，获取所述第一RGB颜色分量值，其中，所述第一RGB颜色分量值中的B颜色分量值为所述去噪邻区中的中心像素点的B颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及G颜色分量值为所述去噪邻区中的所有G颜色分量的均值，以及基于所述B颜色分量，获取所述第二RGB颜色分量值，其中，所述第二RGB颜色分量值中的B颜色分量值为所述考邻区中的中心像素点的B颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及G颜色分量值为所述去噪邻区中的所有G颜色分量的均值。

12.如权利要求8所述的装置，其特征在于，所述颜色分量获取单元，具体用于在所述中心像素点的颜色分量为Gb颜色分量时，基于所述Gb颜色分量，获取所述第一RGB颜色分量值，其中，所述第一RGB颜色分量值中的G颜色分量值为所述去噪邻区中的中心像素点的Gb颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值，以及基于所述Gb颜色分量，获取所述第二RGB颜色分量值，其中，所述第二RGB颜色分量值中的G颜色分量值为所述考邻区中的中心像素点的Gb颜色分量值，以及R颜色分量值为所述去噪邻区中的所有R颜色分量的均值，以及B颜色分量值为所述去噪邻区中的所有B颜色分量的均值。

13.如权利要求8-12任一项所述的装置，其特征在于，所述滤波权重获取单元，具体用于获取所述第一组RGB颜色向量和所述第二组RGB颜色向量的欧式距离，再基于所述欧式距离，获取所述参考邻区相对于所述去噪邻区的滤波权重。

Images