CN104243767A - 去除图像噪声的方法 - Google Patents

Abstract

本发明提供一种去除图像噪声的方法，包括下列步骤：先接收待处理图像，其中待处理图像包括多数个待处理像素；选取待处理像素的其中之一作为目标像素，并对此目标像素进行纹理分析，以判断此目标像素是否位于阴影区域；当此目标像素并非位于阴影区域内，则对此目标像素执行三边噪声去除处理，以产生处理后像素。据此，本发明可去除图像噪声以提升图像品质。

Description

去除图像噪声的方法

技术领域

本发明是有关于一种图像处理技术，且特别是有关于一种去除图像噪声的方法。 

背景技术

在图像处理当中，清楚呈现边缘与增强边缘，同时去除不必要的噪声是最基本的工作。数码图像在拍摄的过程中往往会因为相机本身电子元件或是外在因素如温度、光线等影响而产生噪声，而为了因应这些噪声问题，许多滤除噪声的方法也陆续被提出。然而，噪声滤除的最大问题是会降低图像的锐利度。换句话说，噪声滤除亦可能导致模糊图像（blurred Image）情形。一般来说，这样的情形会应用边缘增强算法来改进图像的锐利度。但做边缘增强的图像处理也常常会将噪声的信号同时增强。 

现有去除图像噪声的方法中，有一部分的作法是使用中值滤波器（Median filter）、平均滤波器（Mean filter）或低通滤波器（Low Pass Filter，LPF）等方法来将图像噪声去除。上述几种方法是使用将整个图像中的像素进行平均运算以去除图像噪声，并未考虑图像中的平滑区域及细节区域问题。现有另一种作法是使用双边滤波器（Bilateral filter），可通过调整权重值来调整去除噪声的强度。然而，若权重值太高，则可能会导致模糊图像问题；若权重值太低，则可能会降低去除噪声的能力，是以，如何在去除噪声与保留图像细节信息之间做取舍，实为一重要课题。此外，在高噪声图像当中，单纯使用双边滤波器来提升图像品质的效果有限。 

发明内容

本发明提供一种去除图像噪声的方法，可用以有效地滤除图像中的噪声，并在去除图像噪声的同时还能有效地保留图像细节与边缘信息。 

本发明的去除图像噪声的方法，包括下列步骤：先接收待处理图像，其 中待处理图像包括多数个待处理像素；选取待处理像素的其中之一作为目标像素，并对此目标像素进行纹理分析（texture analysis），以判断此目标像素是否位于阴影区域（shading area）；当此目标像素并非位于阴影区域内，则对此目标像素执行三边噪声去除（trilateral noise reduction）处理，以产生处理后像素。 

在本发明的一实施例中，上述的去除图像噪声的方法还包括当此目标像素位于阴影区域内，则对此目标像素执行双边噪声去除（Bilateral noise reduction）处理，以产生处理后像素。 

在本发明的一实施例中，上述对此目标像素执行三边降低噪声处理的步骤包括：先分别选定以此目标像素为中心的第一核心（Kernel），并选定以各个参考像素为中心的第二核心。接着，对第一核心中的每一像素与第二核心中的每一对应像素进行计算，以获得各个参考像素对应于此目标像素的相似度值。各个参考像素再依据各个相似度值决定对应的像素权重值。最后，将属于此目标像素的遮罩（mask）内的各个参考像素的像素值乘上对应的像素权重值，以获得处理后像素。 

在本发明的一实施例中，上述对第一核心中的各个像素与第二核心中的各个对应像素进行计算，以获得各个参考像素对应于此目标像素的相似度值的公式为： ${\mathrm{Sim}}_j=w_c\underset{t=1}{\overset{M}{\mathrm{\Σ}}}\underset{s=1}{\overset{M}{\mathrm{\Σ}}}(w_l^d\·|k_l^i-k_l^j\left|\right),l=s+t\×M.$ 其中，Sim_j为参考像素的相似度值，w_c为信心权重值，为距离权重值，为以目标像素为中心的第一核心，为以参考像素为中心的第二核心。 

在本发明的一实施例中，上述的信心权重值w_c是由参考像素与目标像素之间的距离来决定。 

在本发明的一实施例中，上述对此目标像素执行双边噪声去除处理的步骤包括：先选定以此目标像素为中心的遮罩。接着，计算属于此遮罩中的每个参考像素对应于此目标像素的距离权重值以及接近强度（intensity closeness）权重值。并且，各个参考像素依据各个距离权重值以及各个接近强度权重值进行运算，以获得处理后像素。 

在本发明的一实施例中，上述的各个参考像素依据各个距离权重值以及各个接近强度权重值进行运算的公式为： $P_i=\underset{t=1}{\overset{N}{\mathrm{\Σ}}}\underset{s=1}{\overset{N}{\mathrm{\Σ}}}{w}_j^d\·w_j^r\·P_j,j=s+t\×N.$ 其中，P_i为目标像素，P_j为参考像素，为参考像素的距离权重值，为参考 像素的接近强度权重值。 

在本发明的一实施例中，上述的第一与第二核心的区块大小为M×M，该遮罩的区块大小为N×N，其中M<N且M、N皆为大于0的正整数。 

基于上述，本发明提出一种整合型的流程架构来去除图像噪声，以提升图像的品质。其中，通过对图像进行纹理分析，适应性选择使用双边噪声去除或三边噪声去除算法，在达到去除图像噪声的同时也保留了图像细节信息。 

为让本发明的上述特征和优点能更明显易懂，下文特举实施例，并配合附图作详细说明如下。 

附图说明

图1是依照本发明一实施例所示出的一种去除图像噪声的方法的流程图； 

图2是依照本发明一实施例所示出的对目标像素执行双边噪声去除处理方法的流程图； 

图3是依照本发明一实施例所示出的遮罩示意图； 

图4是依照本发明一实施例所示出的对目标像素执行（改良的）三边降低噪声处理方法的流程图； 

图5是依照本发明另一实施例所示出的遮罩及其核心的简单示意图。 

附图标记说明： 

300、500：遮罩； 

Pi：目标像素； 

Pj：参考像素； 

K¹：第一核心； 

K²：第二核心； 

S110～S150：去除图像噪声的方法的各步骤； 

S210～S230：执行双边噪声去除处理方法的各步骤； 

S410～S440：执行三边降低噪声处理方法的各步骤。 

具体实施方式

本发明提出一种整合型的流程架构来去除图像噪声问题。其根据图像纹 理信息适应性地使用双边噪声去除算法或使用改良的非局部平均（Non-local mean）噪声去除算法，而可同时保留两种算法的优点，据以在去除图像噪声的同时，达到保留图像细节信息的功效。为了使本发明的内容更为明了，以下列举实施例作为本发明确实能够据以实施的范例。所提出的实施例仅作为解说用，并非用来限定本发明的权利范围。 

图1是依照本发明一实施例所示出的一种去除图像噪声的方法的流程图。请参照图1，本实施例的方法流程适于用在数码相机、数码单反（Digital Single Lens Reflex，DSLR）相机、数码摄影机（Digital Video Camcorder，DVC）等图像获取装置，或是其他具有图像处理功能的智能手机、平板电脑等电子装置，不限于上述。 

首先，在步骤S110中，先接收待处理图像，其中待处理图像包括多数个待处理像素。接着，在步骤S120，选取待处理像素中的其中一个像素作为目标像素，并对此目标像素进行纹理分析（texture analysis）处理。其中，在此所述的纹理分析处理可由本领域具通常知识者选择现有的纹理分析算法加以应用，故在此不加以限制。 

接下来，在步骤S130，根据上述纹理分析的结果，判断此目标像素是否位于阴影区域（shading area）。在此所述的阴影区域代表图像在此区域中具有较少的轮廓（contour）或边缘存在，因此，又可称之为平滑区域。换句话说，若目标像素位于阴影区域，亦可称之为阴影像素（shading pixel）。 

在步骤S140，当此目标像素位于阴影区域内，则可利用双边滤波器（Bilateral filter）对此目标像素执行双边噪声去除处理，以产生处理后像素。相反地，在步骤S150，当此目标像素并非位于阴影区域内，则可利用改良的非局部平均滤波器（improved Non-Local means filter）对此目标像素执行三边噪声去除（trilateral noise reduction）处理，以产生处理后像素。 

据此，本实施例所提供的方法基于纹理分析后的结果适应性地使用两种不同的滤波器，而可在去除图像噪声的同时，达到保留图像细节信息的功效。 

以下则针对双边滤波器所执行的双边噪声去除算法以及改良的非局部平均滤波器所执行的（改良的）三边噪声去除算法进行详细说明。 

需先说明的是，去除图像噪声的滤波器大致可分为两类，其一为局部平均滤波器，另一为非局部平均滤波器。其中，双边滤波器所执行的双边噪声 去除算法是一种常见且有效的局部平均滤波器。但无论是非局部平均滤波器或双向滤波器皆是运用高斯滤波器（Gaussian filter）的特性来消除图像中的噪声问题。 

图2是依照本发明一实施例所示出的对目标像素执行双边噪声去除处理方法的流程图。其中，图2是图1的步骤S140的一种详细实施方式。 

请参照图2，于步骤S210，先选定以此目标像素为中心的遮罩。在本实施例中，遮罩的区块大小为N×N，N为大于0的正整数。也就是说，在此步骤中会以目标像素为中心圈选出二维正方形像素阵列来进行去除噪声的运算。举例来说，图3是依照本发明一实施例所示出的遮罩示意图。请参照图3，遮罩300例如为5×5（N=5）的阵列，其包括一个目标像素Pi以及24个参考像素Pj。 

接着，于步骤S220，计算属于此遮罩中的每个参考像素对应于此目标像素的距离权重值以及接近强度（intensity closeness）权重值。详细地说，各个参考像素依据各个距离权重值以及各个接近强度权重值进行运算的公式如下式（1）所示： 

$P_i=\underset{t=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{s=1}{\overset{N}{\mathrm{\&Sigma;}}}{w}_j^d\&CenterDot;w_j^r\&CenterDot;P_j,j=s+t\&times;N---\left(1\right)$

其中，P_i为目标像素，P_j为参考像素，为参考像素的距离权重值，为参考像素的接近强度权重值。 

双向滤波器使用与距离及接近强度（相似度）有关的两个权重值来重建待处理图像中的每一个像素。因此，距离权重值指的是距离目标像素Pi越近的参考像素Pj的参考价值越高，使得在依据各个参考像素重建目标像素Pi时，越靠近目标像素Pi的参考像素Pj的距离权重值越高。与相似度有关的接近强度权重值指的是在目标像素Pi周围的各个参考像素Pj中，与目标像素Pi越相似的参考像素Pj具有越高的参考价值，使得在依据各个参考像素Pj重建目标像素Pi时，与目标像素Pi越相似的参考像素的Pj的接近强度权重值越高。 

在各个参考像素的距离权重值与接近强度权重值都得到之后，便可接续步骤S230，各个参考像素依据各个距离权重值以及各个接近强度权重值进行运算，以获得处理后像素（即经运算处理后的目标像素）。 

图4是依照本发明一实施例所示出的对目标像素执行（改良的）三边降 低噪声处理方法的流程图。其中，图4是图1的步骤S150的一种详细实施方式。 

请参照图4，于步骤S410，先分别选定以目标像素为中心的第一核心（Kernel），并选定以各个参考像素为中心的第二核心。有别于双向滤波器是要针对每一个参考像素分别决定其权重值，三边降低噪声处理方法是用以检查以目标像素为中心，围绕在目标像素周围的一较小尺寸遮罩的相似度。在本实施例中将较小尺寸遮罩称之为“核心”。在本实施例中，遮罩的区块大小为N×N，第一与第二核心的区块大小为N×N，其中M<N且M、N皆为大于0的正整数。 

接着，于步骤S420，对第一核心中的每一像素与第二核心中的每一对应像素进行计算，以获得各个参考像素对应于此目标像素的相似度值。举例来说，图5是依照本发明另一实施例所示出的遮罩及其核心的简单示意图。请参照图5，遮罩500是以目标像素Pi为中心，目标像素Pi周围所围绕的区块例如为第一核心K¹，参考像素Pj周围所围绕的区块例如为第二核心K²。 

其中，对第一核心中的各个像素与第二核心中的各个对应像素进行计算，以获得各个参考像素对应于此目标像素的相似度值的公式如下式（2）所示： 

${\mathrm{Sim}}_j=w_c\underset{t=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{s=1}{\overset{M}{\mathrm{\&Sigma;}}}(w_l^d\&CenterDot;|K_l^i-K_l^j\left|\right),l=s+t\&times;M---\left(2\right)$

其中，Sim_j为参考像素Pj的相似度值，w_c为信心权重值，为距离权重值， 为以目标像素Pi为中心的第一核心，为以参考像素Pj为中心的第二核心。 

相似度值Sim_j是由两个核心做相似度量测所得。若相似度值Sim_j愈高，代表相似度愈低。相反地，若相似度值Sim_j愈低，代表相似度愈高。需特别说明的是，本发明在计算相似度值的公式（2）当中，利用信心权重值w_c来调整去除噪声的强度。其中，信心权重值w_c是由参考像素P_j与目标像素P_i之间的距离来决定。 

于步骤S430，各个参考像素再依据各个相似度值决定对应的像素权重值。最后，于步骤S440，将属于此目标像素的遮罩内的各个参考像素的像素值乘上对应的像素权重值，以获得处理后像素。据此，本发明通过改良计算相似度值的方法，以使三边降低噪声处理方法相较于现有的非局部平均算法更能提升图像品质。 

综上所述，本发明去除图像噪声的方法，其根据图像纹理信息适应性地使用双边噪声去除算法或使用三边降低噪声处理方法，而可同时保留两种算法的优点，据以在去除图像噪声的同时，达到保留图像细节信息的功效，而不会产生模糊图像的问题。此外，本发明通过改良计算相似度值的方法，以使三边降低噪声处理方法相较于现有的非局部平均算法更能提升图像品质。采用本发明去除图像噪声方法的图像获取装置可有效提升在高感光度时的图像输出品质。 

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。 

Claims (8)

1.一种去除图像噪声的方法，其特征在于，包括：

接收一待处理图像，其中该待处理图像包括多数个待处理像素；

选取该些待处理像素的其中之一作为一目标像素，并对该目标像素进行一纹理分析，以判断该目标像素是否位于一阴影区域；以及

当该目标像素并非位于该阴影区域内，对该目标像素执行一三边噪声去除处理，以产生一处理后像素。

2.根据权利要求1所述的去除图像噪声的方法，其特征在于，还包括：

当该目标像素位于该阴影区域内，则对该目标像素执行一双边噪声去除处理，以产生一处理后像素。

3.根据权利要求1所述的去除图像噪声的方法，其特征在于，对该目标像素执行该三边降低噪声处理的步骤包括：

分别选定以该目标像素为中心的一第一核心，以及选定以各该参考像素为中心的一第二核心；

对该第一核心中的每一像素与该第二核心中的每一对应像素进行计算，以获得各该参考像素对应于该目标像素的一相似度值；

各该参考像素依据各该相似度值决定对应的一像素权重值；以及

将在该目标像素的一遮罩内的各该参考像素的像素值乘上对应的该像素权重值，以获得该处理后像素。

4.根据权利要求1所述的去除图像噪声的方法，其特征在于，对该第一核心中的各该像素与该第二核心中的各该对应像素进行计算，以获得各该参考像素对应于该目标像素的该相似度值的公式如下式（1）：

${\mathrm{Sim}}_j=w_c\underset{t=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{s=1}{\overset{M}{\mathrm{\&Sigma;}}}(w_l^d\&CenterDot;|K_l^i-K_l^i\left|\right),l=s+t\&times;M---\left(1\right)$

其中，Sim_j为参考像素j的该相似度值，w_c为信心权重值，为距离权重值，为以该目标像素i为中心的该第一核心，为以该参考像素j为中心的该第二核心。

5.根据权利要求4所述的去除图像噪声的方法，其特征在于，信心权重值w_c是由该参考像素j与该目标像素i之间的距离来决定。

6.根据权利要求2所述的去除图像噪声的方法，其特征在于，对该目标像素执行该双边噪声去除处理的步骤包括：

选定以该目标像素为中心的一遮罩；

计算该遮罩中的每一参考像素对应于该目标像素的一距离权重值以及一接近强度权重值；以及

各该参考像素依据各该距离权重值以及各该接近强度权重值进行运算，以获得该处理后像素。

7.根据权利要求6所述的去除图像噪声的方法，其特征在于，各该参考像素依据各该距离权重值以及各该接近强度权重值进行运算的公式如下式（2）：

$P_i=\underset{t=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{s=1}{\overset{N}{\mathrm{\&Sigma;}}}{w}_j^d\&CenterDot;w_j^r\&CenterDot;P_j,j=s+t\&times;N---\left(2\right)$

其中，P_i为该目标像素i，P_j为该参考像素j，为该参考像素j的该距离权重值，为该参考像素j的该接近强度权重值。

8.根据权利要求3所述的去除图像噪声的方法，其特征在于，该第一与该第二核心的区块大小为M×M，该遮罩的区块大小为N×N，其中M<N且M、N皆为大于0的正整数。