CN103903227B - 一种图像降噪的方法和装置 - Google Patents

Abstract

本发明公开了一种图像降噪的方法和装置，所述图像降噪的方法包括：输入图像I₀，对所述图像I₀做基于加权平均的降噪处理，得到初始平滑图像I₁和权重图像W₁，权重图像W₁由平滑图像I₁中每个像素点的平滑权重W₁(x，y)构成；基于所述权重图像W₁，选取一个目标权重值W_t；比较每个像素点的平滑权重W₁(x，y)与所述目标权重W_t的大小，并对比目标权重W_t大的像素点进行反向修正，对比目标权重W_t小的像素点进行正向修正。本发明结合图像各像素点的平滑权重以及基于平滑权重得到的目标权重，将图像中过平滑和降噪不足的区域划分出来，并分别对两个区域进行处理，在有效降噪的同时，解决图像降噪过程中的图像局部平滑程度不一的问题，使图像降噪更均匀。

Description

一种图像降噪的方法和装置

技术领域

本发明涉及图像处理领域，尤其涉及一种图像降噪的方法和装置。

背景技术

图像噪声在数字图像处理技术中的越来越被受到关注，如在医学领域，图像噪声也是决定医学图像质量的重要因素之一，直接关系到诊疗的效果。医学图像在生成过程中不可避免地受随机噪声(比如人体热噪声，机械噪声等)的污染，因此降噪成为改善图像质量的重要一步。

降噪的一个主要难点在于平滑程度的控制。平滑程度过低会导致降噪不充分，平滑程度过高会导致图像细节的损失，在视觉上也不自然。传统的图像降噪方法中的降噪滤波器通常依赖全局平滑系数来调整降噪程度。这种方法的问题在于，调节此参数将同时改变全图的降噪程度，也就是说，过平滑的区域与降噪不足的区域被同等对待，这与用户的期望并不一致。

图像的每个像素值都由实际像素值和随机噪声两部分组成。现有的降噪方法大致可分为：基于图像域的均值/中值滤波器和基于频域转换的滤波。

基于频域转换的滤波方法中的降噪效果一般依赖于频域转换函数和滤波方法两部分。频域转换滤波一个共同的特征是由于压缩(或者丢弃)图像高频部分，在降噪的同时往往难以有效地保护图像结构细节信息。另一方面，低频部分不做滤波导致部分噪声残留在低频中，容易引发吉布斯效应。

基于图像的均值/中值滤波利用像素点周边的像素集合的平均值来对实际像素值进行估计。其变化版本为使用加权平均来替代平均值，以及在筛选周边的像素集合时使用k近领域或者方差最小等约束条件。其中，非局部均值降噪方法在实际中普遍使用，然而，图像内容的不同导致不同的区块在图像中所能找到的自相似模板数量不同。在某些区块因相似模块不足而导致降噪不足的同时，另一些区块可能因得到过多的相似区块而导致过度平滑现象。

发明内容

本发明要解决的是医学图像中降噪不均匀，即降噪不足和降噪过度导致过平滑的技术问题。

为了解决上述问题，本发明提供了一种图像降噪的方法，包括如下步骤：

(1)输入图像I₀，对所述图像I₀进行基于加权平均的降噪处理，得到初始平滑图像I₁和权重图像W₁，所述权重图像W₁由所述平滑图像I₁中每个像素点的平滑权重W₁(x,y)构成；

(2)基于所述权重图像W₁，选取一个目标权重值W_t；

(3)比较所述每个像素点的平滑权重W₁(x,y)与所述目标权重W_t的大小，记所述平滑图像I₁中平滑权重W₁(x,y)大于所述目标权重W_t的像素点的集合为P，并反向修正所述集合P中所有像素点的平滑权重和像素值；记所述平滑图像I₁中平滑权重W₁(x,y)小于所述目标权重W_t的像素点的集合为S₁，并正向修正所述集合S₁中所有像素点的平滑权重和像素值。

上述所述的一种图像降噪的方法，其中，通过统计方法选取所述目标权重W_t。

上述所述的一种图像降噪的方法，其中，所述统计方法为对所述权重图像W₁的直方图进行加权中值或高斯拟合。

上述所述的一种图像降噪的方法，其中，所述反向修正的过程如下：选取所述集合P中任一像素点P(x,y)，以所述像素点P(x,y)为中心点建立搜索窗；计算所述搜索窗内所有的像素点与所述中心点的距离，将所述搜索窗内所有的像素点R(x,y)按照所述距离进行排序；根据所述排序，使所述像素点R(x,y)逐次参与对所述像素点P(x,y)的加权，所述加权累计到达目标权重W_t时，则根据已参与加权的像素点和已计算的权重，得到所述像素点P(x,y)的修正平滑权重和修正像素值。

上述所述的一种图像降噪的方法，其中，通过从所述中心点P(x,y)由近及远扫描的方法或基于建立查找表的方法对所述像素点R(x,y)进行排序。

上述所述的一种图像降噪的方法，其中，所述正向修正的过程如下：

a)输入当前平滑图像I_j，当前权重图像W_j和当前集合S_j，j表示迭代次数，所述当前平滑图像I_j为进行第j次迭代时所对应的平滑图像，即为待降噪图像，所述当前权重图像W_j为进行第j次迭代时所对应的权重图像；

b)以所述当前平滑图像I_j，对所述当前集合S_j中的所有像素点进行基于加权平均的降噪处理，得到平滑图像I_j+1和权重图像W_j+1，其中，所述权重图像W_j+1为所述当前权重图像W_j与所述当前加权平均所产生的权重图w_j+1的和；

c)遍历所述当前集合S_j中的每个像素点Q(x,y)的权重W_j+1(x,y)，终止所述权重W_j+1(x,y)达到目标权重W_t的像素点Q(x,y)的迭代降噪，并将其从所述当前集合S_j中去除，得到集合S_j+1，其中，所述权重W_j+1(x,y)为所述每个像素点在所述权重图像W_j+1中所对应的权重；

d)当所述集合S_j+1为空集时，则所述权重W_j+1(x,y)为所述像素点Q(x,y)的修正平滑权重，所述像素点Q(x,y)在所述平滑图像I_j+1中所对应的像素值，即为所述像素点Q(x,y)的修正像素值；当所述集合S_j+1非空，则转到所述步骤a)。

为了解决上述问题，本发明还提供了一种图像降噪的装置，包括：

加权平均单元，输入图像I₀，对所述图像I₀进行基于加权平均的降噪处理，得到初始平滑图像I₁和权重图像W₁，所述权重图像W₁由所述平滑图像I₁中每个像素点的平滑权重W₁(x,y)构成；

选取单元，基于所述加权平均单元中的权重图像W₁，选取一个目标权重值W_t；

修正单元，比较每个像素点的平滑权重W₁(x,y)与所述选取单元中的目标权重W_t的大小，记所述平滑图像I₁中平滑权重W₁(x,y)大于所述目标权重W_t的像素点的集合为P，并反向修正所述集合P中所有像素点的平滑权重和像素值；记所述平滑图像I₁中平滑权重W₁(x,y)小于所述目标权重W_t的像素点的集合为S₁，并正向修正所述集合S₁中所有像素点的平滑权重和像素值。

与现有技术相比，本发明基于全图的平滑权重统计信息，且引入目标权重，以此划分过平滑区域和降噪不足区域，并对两个区域加以不同的处理，对一个区域的处理并不会影响另一个区域，该降噪过程简单，降噪后输出的图像过平滑现象和降噪不足明显少于现有技术中的降噪结果，降噪更均匀。

附图说明

图1所示为本发明实施例图像降噪方法的流程示意图；

图2所示为本发明实施例反向修正的流程示意图；

图3所示为本发明实施例由远及近的扫描方法的示意图；

图4所示为本发明实施例正向修正的流程示意图；

图5所示为本发明实施例图像降噪装置的结构示意图。

具体实施方式

在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施的限制。

其次，本发明利用示意图进行详细描述，在详述本发明实施例时，为便于说明，所述示意图只是实例，其在此不应限制本发明保护的范围。

下面结合附图和实施例对本发明进行详细地说明。本发明图像降噪的方法如图1图像降噪方法的流程示意图所示，首先，执行步骤S1,输入图像I₀，对所述图像I₀进行基于加权平均的降噪处理，得到初始平滑图像I₁和权重图像W₁。其中，所述权重图像W₁由所述平滑图像I₁中每个像素点的平滑权重W₁(x,y)构成。具体地，所述输入图像I₀为医学图像，对所述医学图像进行小尺寸高频滤波，并据此对噪声水平σ进行估计。在本实施例中，所述小尺寸高频滤波为拉普拉斯滤波，基于拉普拉斯滤波后的响应的方差计算噪声水平σ。为了便于用户控制平滑程度，引入平滑系数β，β为用户输入的常数。根据所述噪声水平和平滑系数建立权重方程，在本实施例中，权重方程为高斯权重方程，用于表示两个像素点之间的相似度权重，其公式为：

$w\left(d\right)=e^{-\frac{d^2}{\mathrm{\β}*{\mathrm{\σ}}^2}}$

其中，σ为噪声方差(或者噪声水平)，β为平滑系数，d为两个像素点之间的相似度。

根据上述高斯权重方程对医学图像I₀进行基于加权平均的降噪处理，得到初始平滑图像I₁和权重图像W₁，所述权重图像W₁由所述平滑图像I₁中每个像素点的平滑权重W₁(x,y)构成。在本实施例中，基于加权平均的降噪处理使用非局部均值降噪的方法。根据非局部均值降噪的默认参数，设置全图统一的平滑系数β，匹配模块和搜索窗口。其中，在计算图像I₀中两个像素点之间的相似度d时，非局部均值降噪使用这两个像素周边像素组成的匹配模块之间的欧氏距离。其中，匹配模块可以为正方形模块，也可以使用圆形的模块，十字形的模块，自适应形状的模块以及基于频域变换的模块等，在本实施例中，使用的是5x5的正方形模块，需要说明的是，正方形模块的大小可以根据实际需要自行选择。除模块匹配之外，还可以根据两像素点之间的灰度差，梯度差或空间距离计算相似度d。根据非局部均值降噪的加权方法计算出所述医学图像I₀上的每个像素点I₀(x,y)的平滑权重W₁(x,y)和平滑后的像素值I₁(x,y)。具体地，医学图像I₀上任一像素点I₀(x,y)的平滑权重W₁(x,y)的计算过程为：以所述像素点I₀(x,y)为中心，建立大小为21x21搜索窗。其中，搜索窗的大小可以根据实际的情况进行自定义选择。根据上述高斯权重方程，平滑系数β和相似度d，计算该像素点I₀(x,y)与搜索窗口内所有像素点之间的相似性权重，再将所述相似性权重进行求和，即为像素点I₀(x,y)的平滑权重W₁(x,y)。基于每个像素点的平滑权重的平均值W₁(x,y)，即为降噪后的每个像素点的像素值I₁(x,y)。基于加权平均的降噪滤波器除了上述的非局部均值降噪，还可以是邻域滤波，双边滤波等。

接着，执行步骤S2，基于所述权重图像W₁，选取一个目标权重值W_t。具体地，通过统计方法对权重图像W₁进行分析，根据该分析结果选取目标权重W_t。在本实施例中，首先对权重图像W₁进行基于统计信息的分析，比如建立直方图，然后基于直方图加权中值计算得出W_t。也可以通过对直方图进行高斯拟合获取居中位置。除此之外，也可以根据经验值选取为合适的目标权重W_t。

再接着，执行步骤S3，比较每个像素点的平滑权重W₁(x,y)与所述目标权重W_t的大小。具体地，图像I₁中每个像素点的平滑权重(即权重图W₁中各点的值)和目标权重W_t的大小进行比较，选取比目标权重W_t大或比目标权重W_t小的像素点，对于和目标权重W_t相等的点，不对其像素值进行修正。若所述图像I₁中平滑权重W₁(x,y)大于所述目标权重W_t，则执行步骤S4；若所述图像I₁中平滑权重W₁(x,y)小于所述目标权重W_t，则执行步骤S5。

当所述图像I₁中平滑权重W₁(x,y)大于所述目标权重W_t时，将图像I₁中所有平滑权重W₁(x,y)大于所述目标权重W_t的像素点放入集合P中，并反向修正集合P中所有像素点的平滑权重及像素值，即上述步骤S4。反向修正(步骤S4)的过程为通过重新计算加权的方法来抑制比目标权重W_t大的(即为过平滑的)像素点的平滑权重，并以抑制后的加权来求取平均值(即修正像素值)。具体地，如图2反向修正的流程示意图所示，首先，执行S201，选取所述集合P中任一像素点P(x,y)，以所述像素点P(x,y)为中心点建立搜索窗。其中，建立搜索窗是在图像I₀中建立的，在本实施中，所述搜索窗的大小为21x21，该搜索窗的大小可以根据实际的需要自定义。

接着，执行S202，计算所述搜索窗内所有的像素点与所述中心点的距离，将所述搜索窗内所有的像素点R(x,y)按照所述距离进行排序。在本实施例中，通过从所述中心点P(x,y)由近及远扫描的方法对所述R(x,y)进行排序。具体地，计算步骤S201确定的搜索窗内所有的像素点R(x,y)与中心点P(x,y)的距离，将与中心点P(x,y)的距离相等的像素点放在一起，这样所有像素点可以根据与中心点P(x,y)的距离的远近进行分类，与中心点P(x,y)的距离近的那些像素点优先参与加权，依次类推，与中心点P(x,y)的距离远的那些像素点后参与加权。如图3由远及近的扫描方法的示意图所示，先确定与中心点P(x,y)的距离为1(一维距离)的像素点，再确定一维距离为2的像素点，依次类推，将搜索窗内所有的像素点进行了排序。除上述基于一维距离的排序方法外，还可以根据建立查找表的方法对所述R(x,y)进行排序。

再接着执行步骤S203，根据所述排序，使所述像素点R(x,y)逐次参与对所述像素点P(x,y)的加权，所述加权累计到达目标权重W_t时，则根据已参与平均的像素点和已计算的权重，得到所述像素点P(x,y)的修正平滑权重和修正像素值。具体地，根据步骤S202确定的排序，先计算中心点P(x,y)和与中心点P(x,y)的距离为1(一维距离)的所有像素点之间的相似性权重并求和(即为对像素点P(x,y)的加权)，记该次加权的结果为A₁。

接着执行步骤S204，所述加权的累计是否达到目标权重W_t。具体地，若该次加权后的值A₁达到目标权重W_t，则执行步骤S205，根据已参与加权的像素和已计算的权重，得到所述像素点P(x,y)的修正平滑权重和修正像素值。具体地，放弃搜索窗内所有距离大于1的像素点，已参与加权的像素点即为距离为1的所有像素点，且根据距离为1的像素点及其对像素点P(x,y)加权过程中已计算的权重，计算平均值，即为像素点P(x,y)的修正像素值，A₁即为像素点P(x,y)的修正平滑权重。

若该次加权后的值A₁并没有达到目标权重W_t，则转入步骤S203。具体地，考虑一维距离为2的像素点，在值A₁的基础上，与中心点P(x,y)的距离为2(一维距离)的像素点再参与对像素点P(x,y)的加权，记该次加权的结果为A₂，再对该次的加权结果A₂进行判断，若达到目标权重W_t，则放弃所有距离大于2的像素点，已参与加权的像素点即为距离为1和2的所有像素点，只使用距离为2以内的像素点进行加权平均以计算像素点P(x,y)的修正像素值，A₂即为修正平滑权重；若还没有达到目标权重W_t，则考虑一维距离为3的像素点，依次类推，直到加权累计达到目标权重W_t。其中，在权重累计的过程中，也可以通过设置阈值，降低平滑系数β或其他限制条件(比如在非局部平均的模板匹配时使用更大匹配窗)来加强对参与加权像素的筛选，从而同样达到抑制平滑权重的目的。当所有平滑权重比目标权重W_t大的像素点P(x,y)完成反向修正处理，在平滑图像I₁和权重图W₁中用重新算出的修正平滑权重和修正像素值替代通过步骤S1设置得到的值。

当所述图像I₁中平滑权重W₁(x,y)小于所述目标权重W_t时，将图像I₁中所有平滑权重W₁(x,y)小于所述目标权重W_t的像素点放入集合S₁中，并正向修正集合S₁中所有像素点的平滑权重及像素值，即上述步骤S5。正向修正(步骤S5)的过程为通过迭代的方法来增加比目标权重W_t小(即为降噪不足)的像素点的平滑权重，并同步更新这些像素点的像素值。

具体地，如图4正向修正的流程示意图所示，首先，执行步骤S401，输入当前平滑图像I_j，当前权重图像W_j和当前集合S_j，j表示迭代次数，所述当前平滑图像I_j为进行第j次迭代时所对应的平滑图像，即为待降噪图像，所述当前权重图像W_j为进行第j次迭代时所对应的权重图像。具体地，输入初始平滑图像I₁，权重图像W₁以及集合S₁。

接着，执行步骤S402，基于所述当前平滑图像I_j，对所述当前集合S_j中的所有像素点进行基于加权平均的降噪处理，并得到平滑图像I_j+1和权重图像W_j+1。其中，所述权重图像W_j+1为所述当前权重图像W_j与所述当前加权平均所产生的权重图w_j+1的和，I_j+1为进行第j次迭代时的输出平滑图像，同时也是第j+1次迭代时所对应的平滑图像，W_j+1为进行第j次迭代时的输出权重图像，同时也是第j+1次迭代时所对应的权重图像。具体地，在当前平滑图像I_j上，仅对存在于当前集合S_j中的每个像素点进行基于加权平均的降噪处理，得到平滑图像I_j+1和当前加权平均的权重图w_j+1，并令W_j+1等于w_j+1与W_j的和。所述当前集合S_j中的像素点基于迭代的加权平均的公式为：(I_j+1,W_j+1,S_j+1)＝f(I_j,W_j,S_j)。在本实施例中，在第1次迭代时，存在于集合S₁中的任一像素点Q(x,y)将在平滑图像I₁中进行基于加权平均的降噪处理，得到像素值为I₂(x,y)，所得当前加权平均的总权重W₂(x,y)与在权重图W₁中对应的平滑权重W₁(x,y)求和，得到W₂(x,y)。

再接着，执行步骤S403，遍历所述当前集合S_j中的每个像素点Q(x,y)的权重W_j+1(x,y)，终止所有所述权重W_j+1(x,y)达到目标权重W_t的像素点Q(x,y)的迭代降噪，并将其从所述当前集合S_j中去除，得到集合S_j+1。其中，所述权重W_j+1(x,y)为所述每个像素点在所述权重图像W_j+1中所对应的权重，集合S_j+1为当前集合S_j中所述权重W_j+1(x,y)未达到目标权重W_t的像素点Q(x,y)的集合。具体地，在第1次迭代时，比较步骤S402中所述像素点Q(x,y)所对应的W₂(x,y)与目标权重W_t的大小，若W₂(x,y)达到目标权重W_t，则终止所有W₂(x,y)达到目标权重W_t的像素点Q(x,y)的迭代降噪，并将它们从集合S₁中去除，此时的集合为集合S₂。

然后，执行步骤S404，判断集合S_j+1是否为空集，若集合S_j+1为空集，则执行步骤S405，跳出迭代降噪，平滑图像I_j+1和权重图W_j+1即为正向修正后的平滑图像和平滑权重图。若集合S_j+1中不是空集，转入步骤S401。在本实施例中，在第1次迭代中，判断集合S₂是否为空集。若集合S₂为空集，则跳出迭代降噪，平滑图像I₂和权重图W₂即为正向修正后的平滑图像和平滑权重图。若集合S₂中还有像素点，则转入步骤S401，并以所述平滑图像I₂，权重图W₂和集合S₂作为输入，进行第2次迭代降噪。具体地，存在于集合S₂中的任一像素点Q(x,y)将在平滑图像I₂中进行基于加权平均的降噪处理，得到像素值为I₃(x,y)，所得当前加权平均的总权重w₃(x,y)与在权重图像W₂中对应的平滑权重W₂(x,y)求和，得到W₃(x,y)。不存在于集合S₂中的像素点不做处理，即不存在于集合S₂中的像素点的权重和像素值仍为第一次迭代后的该像素点的权重和像素值。接着，比较集合S₂中的像素点Q(x,y)所对应的W₃(x,y)与目标权重W_t的大小，若W₃(x,y)达到目标权重W_t，则将所有W₃(x,y)达到目标权重W_t的像素点从集合S₂中去除以中止对这些像素点的迭代降噪，得到集合S₃，再接着判断集合S₃是否为空集。若集合S₃为空集，则跳出迭代降噪，平滑图像I₃和权重图W₃即为正向修正后的平滑图像和平滑权重图。若集合S₃非空，则以所述平滑图像I₃，权重图W₃和集合S₃为输入，转到所述步骤S401进行第3次迭代降噪，具体步骤如第2次迭代降噪。依次类推，直到迭代时的集合为空集。

对应于上述图像降噪的方法，本发明实施例还提供一种图像降噪的装置，如图5图像降噪装置的结构示意图所示，包括：加权平均单元1、选取单元2和修正单元3。

所述加权平均单元1适于输入图像I₀，对所述图像I₀进行加权平均，得到初始平滑图像I₁和权重图像W₁，所述权重图像W₁由所述平滑图像I₁中每个像素点的平滑权重W₁(x,y)构成。具体地，所述输入图像I₀为医学图像，对所述医学图像进行小尺寸高频滤波，据此对噪声水平σ进行估计。具体地，所述小尺寸高频滤波为拉普拉斯滤波，基于拉普拉斯滤波后的响应的方差计算噪声水平σ。根据所述噪声水平和平滑系数建立高斯权重方程，基于所述高斯权重方程，对医学图像I₀进行基于加权平均的降噪处理，得到初始平滑图像I₁和权重图像W₁，所述权重图像W₁由所述平滑图像I₁中每个像素点的平滑权重W₁(x,y)构成。

所述选取单元2适于基于所述权重图像W₁，选取一个目标权重值W_t。具体地，所述选取单元2还包括统计单元。所述统计单元适于通过统计方法(对权重图像W₁的直方图进行加权中值或高斯拟合)对权重图像W₁进行分析，根据该分析结果选取目标权重W_t。

所述修正单元3适于比较W₁(x,y)与W_t大小，记所述图像I₁中平滑权重W₁(x,y)大于所述目标权重W_t的像素点的集合为P，并反向修正所述集合P中所有像素点的平滑权重及像素值；记所述图像I₁中平滑权重W₁(x,y)小于所述目标权重W_t的像素点的集合为S₁，并正向修正所述集合S₁中所有像素点的平滑权重及像素值。所述修正单元3还包括反向修正单元和正向修正单元，所述反向修正单元适于通过重新计算加权的方法抑制集合P中所有像素点的权重；所述正向修正单元适于通过迭代的方法增加集合S₁中所有像素点的权重。

其中，所述反向修正单元包括建立单元、排序单元和加权单元。建立单元适于选取所述集合P中任一像素点为P(x,y)，以所述像素点P(x,y)为中心点建立搜索窗。排序单元适于计算所述建立单元中的搜索窗内所有的像素点R(x,y)与所述中心点的距离，将所述搜索窗内所有的像素点R(x,y)按照所述距离进行排序。其中，通过从中心点P(x,y)由近及远扫描的方法或基于建立查找表的方法对所述排序单元中的像素点R(x,y)进行排序。加权单元适于根据所述排序单元中的排序，使所述R(x,y)逐次参与对所述像素点P(x,y)进行加权平均，所述加权累计到达目标权重W_t，则根据已参与加权的像素点和已计算的权重，得到所述像素点P(x,y)的修正平滑权重和修正像素值。

其中，所述正向修正单元包括输入单元、加权平均单元、遍历单元和判断单元。所述输入单元适于输入当前平滑图像I_j，当前权重图像W_j和当前集合S_j，j表示迭代次数，所述当前平滑图像I_j为进行第j次迭代时所对应的平滑图像，即为待降噪图像，所述当前权重图像W_j为进行第j次迭代时所对应的权重图像。加权平均单元适于基于所述输入单元中的当前平滑图像I_j，对所述当前集合S_j中的所有像素点进行基于加权平均的降噪处理，得到平滑图像I_j+1和权重图像W_j+1，其中，所述权重图像W_j+1为所述当前权重图像W_j与所述当前加权平均所产生的权重图w_j+1的和。遍历单元适于遍历所述加权平均单元中的当前集合S_j中的每个像素点Q(x,y)的权重W_j+1(x,y)，终止所有所述权重W_j+1(x,y)达到目标权重W_t的像素点Q(x,y)的迭代降噪，并将其从所述当前集合S_j中去除，得到集合S_j+1，其中，所述权重W_j+1(x,y)为所述每个像素点在所述权重图像W_j+1中所对应的权重。判断单元适于当所述遍历单元中的集合S_j+1为空集时，则所述权重W_j+1(x,y)为所述像素点Q(x,y)的修正平滑权重，所述像素点Q(x,y)在所述平滑图像I_j+1中所对应的像素值，即为所述像素点Q(x,y)的修正像素值；当所述遍历单元中的集合S_j+1非空，则转到输入单元。

上述图像降噪装置中各单元的配合及工作过程可以参考上述图像降噪方法的说明，在此不再赘述。

本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。

Claims (11)

1.一种图像降噪的方法，其特征在于，包括如下步骤：

(1)输入图像I₀，对所述图像I₀进行基于加权平均的降噪处理，得到初始平滑图像I₁和权重图像W₁，所述权重图像W₁由所述平滑图像I₁中每个像素点的平滑权重W₁(x,y)构成；

(2)基于所述权重图像W₁，选取一个目标权重值W_t；

(3)比较所述每个像素点的平滑权重W₁(x,y)与所述目标权重W_t的大小，记所述平滑图像I₁中平滑权重W₁(x,y)大于所述目标权重W_t的像素点的集合为P，并反向修正所述集合P中所有像素点的平滑权重和像素值；记所述平滑图像I₁中平滑权重W₁(x,y)小于所述目标权重W_t的像素点的集合为S₁，并正向修正所述集合S₁中所有像素点的平滑权重和像素值。

2.如权利要求1所述一种图像降噪的方法，其特征在于，通过统计方法选取所述目标权重W_t。

3.如权利要求2所述一种图像降噪的方法，其特征在于，所述统计方法为对所述权重图像W₁的直方图进行加权中值或高斯拟合。

4.如权利要求1所述一种图像降噪的方法，其特征在于，所述反向修正的过程如下：

a)选取所述集合P中任一像素点P(x,y)，以所述像素点P(x,y)为中心点建立搜索窗；

b)计算所述搜索窗内所有的像素点与所述中心点的距离，将所述搜索窗内所有的像素点R(x,y)按照所述距离进行排序；

c)根据所述排序，使所述像素点R(x,y)逐次参与对所述像素点P(x,y)的加权，所述加权累计到达目标权重W_t时，则根据已参与加权的像素点和已计算的权重，得到所述像素点P(x,y)的修正平滑权重和修正像素值。

5.如权利要求4所述一种图像降噪的方法，其特征在于，在所述步骤b)中，通过从所述中心点P(x,y)由近及远扫描的方法或基于建立查找表的方法对所述像素点R(x,y)进行排序。

6.如权利要求1所述一种图像降噪的方法，其特征在于，所述正向修正的过程如下：

a)输入当前平滑图像I_j，当前权重图像W_j和当前集合S_j，j表示迭代次数，所述当前平滑图像I_j为进行第j次迭代时所对应的平滑图像，即为待降噪图像，所述当前权重图像W_j为进行第j次迭代时所对应的权重图像；

b)基于所述当前平滑图像I_j，对所述当前集合S_j中的所有像素点进行基于加权平均的降噪处理，得到平滑图像I_j+1和权重图像W_j+1，其中，所述权重图像W_j+1为所述当前权重图像W_j与所述当前加权平均所产生的权重图w_j+1的和；

c)遍历所述当前集合S_j中的每个像素点Q(x,y)的权重W_j+1(x,y)，终止所有所述权重W_j+1(x,y)达到目标权重W_t的像素点Q(x,y)的迭代降噪，并将其从所述当前集合S_j中去除，得到集合S_j+1，其中，所述权重W_j+1(x,y)为所述每个像素点在所述权重图像W_j+1中所对应的权重；

d)当所述集合S_j+1为空集时，则所述权重W_j+1(x,y)为所述像素点Q(x,y)的修正平滑权重，所述像素点Q(x,y)在所述平滑图像I_j+1中所对应的像素值，即为所述像素点Q(x,y)的修正像素值；当所述集合S_j+1非空，则转到所述步骤a)。

7.一种实现如权利要求1所述方法的图像降噪装置，其特征在于，包括：

a)加权平均单元，输入图像I₀，对所述图像I₀进行基于加权平均的降噪处理，得到初始平滑图像I₁和权重图像W₁，所述权重图像W₁由所述平滑图像I₁中每个像素点的平滑权重W₁(x,y)构成；

b)选取单元，基于所述加权平均单元中的权重图像W₁，选取一个目标权重值W_t；

c)修正单元，比较每个像素点的平滑权重W₁(x,y)与所述选取单元中的目标权重W_t的大小，记所述平滑图像I₁中平滑权重W₁(x,y)大于所述目标权重W_t的像素点的集合为P，并反向修正所述集合P中所有像素点的平滑权重和像素值；记所述平滑图像I₁中平滑权重W₁(x,y)小于所述目标权重W_t的像素点的集合为S₁，并正向修正所述集合S₁中所有像素点的平滑权重和像素值。

8.如权利要求7所述一种图像降噪的装置，其特征在于，所述选取单元中的目标权重W_t通过统计方法获取。

9.如权利要求7所述一种图像降噪的装置，其特征在于，所述修正单元还包括反向修正单元，所述反向修正单元包括：

a)建立单元，用于选取所述集合P中任一像素点为P(x,y)，以所述像素点P(x,y)为中心点建立搜索窗；

b)排序单元，计算所述建立单元中的搜索窗内所有的像素点与所述中心点的距离，将所述搜索窗内所有的像素点R(x,y)按照所述距离进行排序；

c)加权单元，根据所述排序单元中的排序，使所述R(x,y)逐次参与对所述像素点P(x,y)的加权平均，所述加权累计到达目标权重W_t时，则根据已参与加权的像素点和已计算的权重，得到所述像素点P(x,y)的修正平滑权重和修正像素值。

10.如权利要求9所述一种图像降噪的装置，其特征在于，所述加权单元中的所述像素点P(x,y)的加权通过从所述中心点P(x,y)由近及远扫描的方法或基于建立查找表的方法对所述像素点R(x,y)进行排序。

11.如权利要求7所述一种图像降噪的装置，其特征在于，所述修正单元还包括正向修正单元，所述正向修正单元包括：

a)输入单元，输入当前平滑图像I_j，当前权重图像W_j和当前集合S_j，j表示迭代次数，所述当前平滑图像I_j为进行第j次迭代时所对应的平滑图像，即为待降噪图像，所述当前权重图像W_j为进行第j次迭代时所对应的权重图像；

b)加权平均单元，基于所述输入单元中的当前平滑图像I_j，对所述当前集合S_j中的所有像素点进行基于加权平均的降噪处理，得到平滑图像I_j+1和权重图像W_j+1，其中，所述权重图像W_j+1为所述当前权重图像W_j与所述当前加权平均所产生的权重图w_j+1的和；

c)遍历单元，遍历所述加权平均单元中的当前集合S_j中的每个像素点Q(x,y)的权重W_j+1(x,y)，终止所述权重W_j+1(x,y)达到目标权重W_t的像素点Q(x,y)的迭代降噪，并将其从所述当前集合S_j中去除，得到集合S_j+1，其中，所述权重W_j+1(x,y)为所述每个像素点在所述权重图像W_j+1中所对应的权重；

d)判断单元，当所述遍历单元中的集合S_j+1为空集时，则所述权重W_j+1(x,y)为所述像素点Q(x,y)的修正平滑权重，所述像素点Q(x,y)在所述平滑图像I_j+1中所对应的像素值，即为所述像素点Q(x,y)的修正像素值；当所述遍历单元中的集合S_j+1非空，则转到输入单元。