CN104504700A - 一种获取图像传感器噪声水平曲线的方法及系统 - Google Patents

Abstract

本发明公开了一种获取图像传感器噪声水平曲线的方法及系统，涉及图像处理技术领域，旨在提出一种计算简单、准确度高的图像传感器的噪声水平曲线估计方法与系统。本发明技术要点：对彩色图像进行单通道灰度图像分解，得到不同颜色通道的灰度图像；依次对所述三幅灰度图像进行处理，得到每幅灰度图像的传感器噪声水平曲线：进行灰度直方图统计；计算直方图的可信灰度区间比例因子；标定可信灰度区间；将灰度图像分块；得到可信图像块的方差与均值；得到端点均值与方差；以各均值与方差对为曲线上的点，利用分段的三次Hermite插值算法得到该灰度图像传感器噪声水平曲线。

Description

一种获取图像传感器噪声水平曲线的方法及系统

技术领域

本发明涉及图像处理技术领域，尤其是一种获取图像传感器噪声水平曲线的获取方法。

背景技术

近年来，随着数码相机、带摄像头的手机的普及，人类进入了全民摄影时代。而相机中普遍采用的图像传感器，比如CCD(Charge-Coupled Device)、CMOS(Complementary Metal-Oxide-Semiconductor)传感器，在工作时会产生大量的随机噪声。这种噪声不是简单的高斯白噪声AWGN(Additive White Gaussian Noise)，而是一种严重依赖于信号强度的随机噪声(Signal Dependent Noise)。

目前，利用得到的任意单张图像估计传感器的噪声曲线的方法包括两类：基于光滑图像块的噪声估计方法和基于贝叶斯推断的估计方法。

其中，基于光滑图像块的噪声估计方法是先对图像进行分块，计算所有块的平均绝对偏差MAD(Mean Absolute Deviate)，找出最小的MAD值的块即为光滑块。然后计算此光滑块的均值和方差，将均值与方差作为图像噪声曲线上的样本点。再根据此样本点，在事先模拟出的各种噪声曲线的集合中，找出离此样本点最近的两条噪声曲线。最后，根据样本点和这两条噪声曲线，线性插值出整幅图像的噪声曲线。这种方法计算简单，但需要大的噪声曲线集合。并且，会因为噪声曲线集合展开的空间的扭曲，而得到错误的插值结果。

基于贝叶斯推断的估计方法是假设图像是分段光滑的，对图像进行聚类分割，计算出每一类的均值和方差，得到噪声水平函数(Noise Level Function)的上界，以此作为待估计的噪声曲线的先验。再根据每个类别的像素个数以及事先模拟出的各种噪声曲线的集合构造出似然项。最后通过贝叶斯模型推理出整幅图像的噪声曲线。这种方法精度较高，但计算复杂，需要大的噪声曲线集合，效果易受分割的影响，且对于小噪声会出现过估计的现象。

发明内容

故此，本发明旨在解决现有技术的不足，提出一种图像传感器的噪声水平曲线估计方法，能够准确的估计出不同传感器的噪声水平函数，且计算简单。

本发明提供的一种获取图像传感器噪声水平曲线的方法，包括：

步骤1：对彩色图像进行单通道灰度图像分解，得到三幅不同颜色通道的灰度图像；

按照步骤2~8依次对所述三幅灰度图像进行处理，得到每幅灰度图像的传感器噪声水平曲线：

步骤2：将灰度值范围0~255等分为m个灰度区间，统计灰度图像中落入各个灰度区间的像素点个数；m为非零自然数且能整除256；

步骤3：统计所述m个灰度区间中像素点数量大于1/m×a×N的灰度区间的个数f，令1/f为可信灰度区间的比例因子；其中0.588≤a≤0.648，N为灰度图像的像素点总数；

步骤4：标定出m个灰度区间中像素点数量大于1/f×N的灰度区间，将标定出来的灰度区间作为可信灰度区间，令可信灰度区间的个数为K；1≤K≤m；

步骤5：将灰度图像划分为b×b个图像块，分别计算每个图像块的灰度均值与灰度方差；b为非零自然数；

步骤6：针对每个可信灰度区间，找出灰度均值位于该可信灰度区间的图像块，并找出灰度均值位于同一可信灰度区间的图像块中灰度方差最小的图像块，最后得到K个图像块以及这K个图像块的灰度均值与灰度方差对（u_k，v_k），u_k为所述K个图像块的灰度均值，v_k为所述K个图像块的灰度方差，k取1、2、…、K；

步骤7：找出灰度方差v_k，k取1、2、…、K，中最小的方差并令为v_min；得到两个新的灰度均值与灰度方差对：（0，v_min），（255，v_min）；

步骤8：将所述K+2个灰度均值与灰度方差对作为灰度图像传感器噪声水平曲线上的点，利用分段的三次Hermite插值算法得到该灰度图像传感器噪声水平曲线。

本发明还提供了一种获取图像传感器噪声水平曲线的系统，包括：

单通道灰度图像分解模块，用于对彩色图像进行单通道灰度图像分解，得到三幅不同颜色通道的灰度图像；

噪声水平曲线拟合模块，用于依次对所述三幅灰度图像进行处理，得到每幅灰度图像的传感器噪声水平曲线；其进一步包括：

m区间的灰度直方图获取模块，用于将灰度值范围0~255等分为m个灰度区间，统计灰度图像中落入各个灰度区间的像素点个数；m为非零自然数且能整除256；

直方图可信灰度区间比例因子获取模块，用于统计所述m个灰度区间中像素点数量大于1/m×a×N的灰度区间的个数f，令1/f为可信灰度区间的比例因子；其中0.588≤a≤0.648，N为灰度图像的像素点总数；

可信灰度区间标定模块，用于标定出m个灰度区间中像素点数量大于1/f×N的灰度区间，将标定出来的灰度区间作为可信灰度区间，令可信灰度区间的个数为K；1≤K≤m；

分块灰度均值与方差获取模块，用于将灰度图像划分为b×b个图像块，分别计算每个图像块的灰度均值与灰度方差；b为非零自然数；

灰度均值与灰度方差对获取模块，用于针对每个可信灰度区间，找出灰度均值位于该可信灰度区间的图像块，并比较得出灰度均值位于同一可信灰度区间的图像块中灰度方差最小的图像块，最后得到K个图像块以及这K个图像块的灰度均值与灰度方差对（u_k，v_k），u_k为所述K个图像块的灰度均值，v_k为所述K个图像块的灰度方差，k取1、2、…、K；

找出灰度方差v_k，k取1、2、…、K，中最小的方差并令为v_min；得到两个新的灰度均值与灰度方差对：（0，v_min），（255，v_min）；

插值模块，用于将所述K+2个灰度均值与灰度方差对作为灰度图像传感器噪声水平曲线上的点，利用分段的三次Hermite插值算法得到该灰度图像传感器噪声水平曲线。

优选地，m取值为16。

优选地，8≤b≤24。

优选地，a的取值为0.618。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

本发明通过在单张图中寻找可信的图像信息块，统计出其最小方差，并三次样条插值出最终的噪声水平曲线，可以简单快速准确地估计出图像传感器的噪声曲线，占用运算资源少，运算速度快。整个噪声曲线估计算法可以用于对传感器特性的研究，以及图像的去噪算法等应用之中。

附图说明

本发明将通过例子并参照附图的方式说明，其中：

图1为本发明方法流程图。

具体实施方式

本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。

本说明书中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。

如图1，本发明提供的获取图像传感器噪声水平曲线的方法，包括：

步骤1：对彩色图像进行单通道灰度图像分解。用，表示每个通道的灰度图像。一个具体实施例中，按照图像像素的R、G、B值对整幅彩色图像进行灰度图像分解，具体做法是，将像素点的R值作为R颜色通道灰度图像对应像素点的灰度值，以此类推得到G颜色通道灰度图像，B颜色通道的灰度图像。其中，灰度值范围为[0,255]。

按照步骤2~8依次处理三幅灰度图像得到三条传感器噪声水平曲线。

步骤2：对灰度图像进行直方图统计。将灰度值范围[0,255]平均分为m个区间，每个区间的大小设为m。遍历整幅灰度图像，统计出灰度图像中的像素点落入各个灰度区间的像素点的个数。其中m为可以整除256的非零自然数，优选取16。

步骤3：计算直方图的可信灰度区间的比例因子1/f：统计出直方图中灰度区间的像素点的个数大于1/m×a×N的灰度区间的个数f，1/f即是可信灰度区间的比例因子，其中N为单通道灰度图的像素个数；a的取值范围为 [0.588，0.648]，优选为0.618。

步骤4：标定出直方图中的可信灰度区间：标定出直方图中灰度区间的像素点的个数大于1/f×N的灰度区间；标定出来的灰度区间即为可信灰度区间。

步骤5：将整幅灰度图划分成b×b个图像块，计算每个小块的灰度均值与灰度方差；其中b为非零自然数，8≤b≤24，b优选取值为16。

步骤6：针对直方图的每个可信灰度区间，找出灰度均值在此区间的图像块，再找出灰度均值位于同一可信灰度区间的图像块中灰度方差最小的图像块。由此得到K个图像块以及该K个图像块的灰度均值与灰度方差对（u_k，v_k），u_k为所述K个图像块的灰度均值，v_k为所述K个图像块的灰度方差，k取1、2、…、K，K为可信灰度区间个数。

步骤7：找出上述K个方差中的最小值v_min，将其作为均值为0、255处的方差，于是得到两个端点的灰度均值与灰度方差对（0，v_min），（255，v_min）。

步骤8：根据这K+2个灰度均值与灰度方差对，用分段的三次Hermite插值出该灰度图像灰度值范围为[0，255]的噪声水平曲线。

本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。

Claims (8)

1.一种获取图像传感器噪声水平曲线的方法，其特征在于，包括：

步骤1：对彩色图像进行单通道灰度图像分解，得到三幅不同颜色通道的灰度图像；

按照步骤2~8依次对所述三幅灰度图像进行处理，得到每幅灰度图像的传感器噪声水平曲线：

步骤2：将灰度值范围0~255等分为m个灰度区间，统计灰度图像中落入各个灰度区间的像素点个数；m为非零自然数且能整除256；

步骤3：统计所述m个灰度区间中像素点数量大于1/m×a×N的灰度区间的个数f，令1/f为可信灰度区间的比例因子；其中0.588≤a≤0.648，N为灰度图像的像素点总数；

步骤4：标定出m个灰度区间中像素点数量大于1/f×N的灰度区间，将标定出来的灰度区间作为可信灰度区间，令可信灰度区间的个数为K；1≤K≤m；

步骤5：将灰度图像划分为b×b个图像块，分别计算每个图像块的灰度均值与灰度方差；b为非零自然数；

步骤6：针对每个可信灰度区间，找出灰度均值位于该可信灰度区间的图像块，并比较得出灰度均值位于同一可信灰度区间的图像块中灰度方差最小的图像块，最后得到K个图像块以及这K个图像块的灰度均值与灰度方差对（u_k，v_k），u_k为所述K个图像块的灰度均值，v_k为所述K个图像块的灰度方差，k取1、2、…、K；

步骤7：找出灰度方差v_k，k取1、2、…、K，中最小的方差并令为v_min；得到两个新的灰度均值与灰度方差对：（0，v_min），（255，v_min）；

步骤8：将所述K+2个灰度均值与灰度方差对作为灰度图像传感器噪声水平曲线上的点，利用分段的三次Hermite插值算法得到该灰度图像传感器噪声水平曲线。

2.根据权利要求1所述的一种获取图像传感器噪声水平曲线的方法，其特征在于，m取值为16。

3.根据权利要求1或2所述的一种获取图像传感器噪声水平曲线的方法，其特征在于，8≤b≤24。

4.根据权利要求1或2或3所述的一种获取图像传感器噪声水平曲线的方法，其特征在于，a的取值为0.618。

5.一种获取图像传感器噪声水平曲线的系统，其特征在于，包括：

单通道灰度图像分解模块，用于对彩色图像进行单通道灰度图像分解，得到三幅不同颜色通道的灰度图像；

噪声水平曲线拟合模块，用于依次对所述三幅灰度图像进行处理，得到每幅灰度图像的传感器噪声水平曲线；其进一步包括：

m区间的灰度直方图获取模块，用于将灰度值范围0~255等分为m个灰度区间，统计灰度图像中落入各个灰度区间的像素点个数；m为非零自然数且能整除256；

直方图可信灰度区间比例因子获取模块，用于统计所述m个灰度区间中像素点数量大于1/m×a×N的灰度区间的个数f，令1/f为可信灰度区间的比例因子；其中0.588≤a≤0.648，N为灰度图像的像素点总数；

可信灰度区间标定模块，用于标定出m个灰度区间中像素点数量大于1/f×N的灰度区间，将标定出来的灰度区间作为可信灰度区间，令可信灰度区间的个数为K；1≤K≤m；

分块灰度均值与方差获取模块，用于将灰度图像划分为b×b个图像块，分别计算每个图像块的灰度均值与灰度方差；b为非零自然数；

灰度均值与灰度方差对获取模块，用于针对每个可信灰度区间，找出灰度均值位于该可信灰度区间的图像块，并比较得出灰度均值位于同一可信灰度区间的图像块中灰度方差最小的图像块，最后得到K个图像块以及这K个图像块的灰度均值与灰度方差对（u_k，v_k），u_k为所述K个图像块的灰度均值，v_k为所述K个图像块的灰度方差，k取1、2、…、K；

找出灰度方差v_k，k取1、2、…、K，中最小的方差并令为v_min；得到两个新的灰度均值与灰度方差对：（0，v_min），（255，v_min）；

插值模块，用于将所述K+2个灰度均值与灰度方差对作为灰度图像传感器噪声水平曲线上的点，利用分段的三次Hermite插值算法得到该灰度图像传感器噪声水平曲线。

6.根据权利要求5所述的一种获取图像传感器噪声水平曲线的系统，其特征在于，m取值为16。

7.根据权利要求5或6所述的一种获取图像传感器噪声水平曲线的系统，其特征在于，8≤b≤24。

8.根据权利要求5或6或7所述的一种获取图像传感器噪声水平曲线的系统，其特征在于，a的取值为0.618。