CN104751416A - 一种图像去噪的方法、装置及图像处理系统 - Google Patents

Abstract

一种图像去噪的方法、装置及图像处理系统，所述方法包括：确定图像中第一图像块的相似块；基于所述第一图像块及第一图像块的相似块确定第二图像块；基于所述第一图像块与所述第二图像块的差值，确定第三图像块；对所述第三图像块进行小波变换，对所述小波变换的系数进行收缩处理，通过小波逆变换获取处理后的第三图像块；基于处理后的第三图像块和所述第二图像块获得所述第一图像块去噪后的图像数据。该方法计算量小，复杂度低，可同时去除图像中的颜色噪声和亮度噪声。

Description

一种图像去噪的方法、装置及图像处理系统

技术领域

本发明涉及图像处理领域，尤其涉及一种图像去噪的方法、装置及图像处理系统。

背景技术

图像去噪是图像处理中一种应用比较广泛的技术，图像去噪的目的是为了提高图像的信噪比，突出图像的期望特征。

目前典型的图像传感器包括CCD和CMOS等类型，当基于图像传感器采集图像时，图像在获取和传输的过程中容易受到各种因素的影响，使得通过图像传感器所采集到的图像往往是包含有噪声的图像，所述噪声通常可以被简单的分为亮度噪声和颜色噪声，在低亮度环境下颜色噪声尤为明显，而从频率上来说，亮度噪声是频率比较高的噪声，而颜色噪声是频率较低的噪声。

由于所述含有噪声的图像中噪声信号和图像信号混合在一起，使得图像存在特征不明显、清晰度不高等问题，所以通常需要对图像传感器所采集到图像进行去噪处理以提高图像的信噪比，提高图像的显示效果。

现有技术中，对图像进行去噪可以通过多种方法实现，例如利用块匹配和三维变换去除亮度高斯噪声的方法、基于BM3D算法对图像进行去噪、根据区域特征自适应的去除亮度噪声等。但现有技术中去噪的方法中都存在一些问题。例如，虽然BM3D算法是目前去噪领域效果较好的算法，但该算法复杂度很高，需要大量的行缓冲，硬件成本较高，且只能针对亮度通道进行去噪，而且在去噪的过程中，可能会使图像的颜色信息发生变化；在一些可以去除颜色噪声的方法中，由于获得的亮度信息以及颜色信息不准确，又存在去除颜色噪声的同时，会导致亮度信息的模糊会比较严重，影像图像质量。

相关技术可参考公开号为US2012328193A1美国专利申请。

发明内容

本发明解决的是在图像去噪过程中存在颜色信息发生变化、亮度信息模糊且去噪方法复杂度高的问题。

为解决上述问题，本发明技术方案提供一种图像去噪的方法，所述方法包括：

确定图像中第一图像块的相似块，所述第一图像块的相似块位于所述第一图像块周边，所述图像以CFA数据格式存储；

基于所述第一图像块的相似块确定第二图像块，所述第二图像块中像素点的像素值为所有相似块中与所述像素点具有相同通道的所有像素点的像素值的均值；

基于所述第一图像块与所述第二图像块的差值，确定第三图像块；

对所述第三图像块进行小波变换，对所述小波变换所确定的小波系数进行收缩处理，通过小波逆变换获取处理后的第三图像块；

基于处理后的第三图像块和所述第二图像块获得所述第一图像块去噪后的图像数据；

其中，第一图像块、相似块、第二图像块与第三图像块的大小相同。

或计算；可选的，所述第一图像块的相似块为所述第一图像块周边与所述第一图像块的距离小于第一阈值τ的图像块。

可选的，所述第一图像块周边的图像块互不重叠。

可选的，所述第一图像块周边的图像块与第一图像块的距离通过公式：

$d(P_R,P_S)=\frac{{\left|\right|P_R-P_S\left|\right|}_2^2}{N\×M}$ 或 $d(P_R,P_S)=\frac{\mathrm{abs}(P_R-P_S)}{N\×M}$ 计算；

其中，N为所述第一图像块每一行所包含的像素点的个数，M为所述第一图像块每一列所包含的像素点的个数，P_S表示所述第一图像块周边的图像块，P_R表示所述第一图像块，d(P_R,P_S)为表示第一图像块周边的图像块P_S与第一图像块P_R的距离，P_R-P_S表示第一图像块P_R与第一图像块周边的图像块P_S中对应像素点的像素值差，表示为所有像素值差的平方和，abs（P_R-P_S）为所有像素值差的绝对值之和。

可选的，所述第一阈值τ=A1×σ²，为2.5≤A1≤3.2；或者，所述第一阈值τ=A2×σ，σ为图像的噪声级别，1.2≤A2≤1.8。

可选的，所述对所述小波变换所确定的小波系数进行收缩处理包括：

如果所述小波系数的绝对值小于第二阈值ε，则将该小波系数置为0。

可选的，所述第二阈值ε=A3×σ，σ为图像的噪声级别,2.5≤A3≤3.2。

可选的，所述基于处理后的第三图像块和所述第二图像块获得所述第一图像块去噪后的图像数据包括：

将所述处理后的第三图像块与所述第二图像块中对应像素点的像素值的和作为所述第一图像块去噪后的对应像素点的像素值。

可选的，所述第一图像块的像素点为搜索窗口所包含的像素点，所述搜索窗口按照如下步骤依次移动：

按照从左到右的顺序，移动第一距离阈值；

当所述搜索窗口移动到所述图像的右边界时，将所述搜索窗口移动到所述图像的左边界，并向下移动第二距离阈值。

可选的，所述第一距离阈值的取值范围为［1，K］，所述第二距离阈值的取值范围为［1，L］，其中，K为所述搜索窗口每一行所包含的像素点的个数，L为所述搜索窗口每一列所包含的像素点的个数。

可选的，所述方法还包括：基于所有第一图像块去噪后的图像数据获得所述图像的去噪处理结果。

可选的，所述基于所有第一图像块去噪后的图像数据获得所述图像的去噪处理结果包括：若图像的一个像素点被所述搜索窗口在移动过程中多次覆盖，则该像素点的像素值为所有所述第一图像块去噪后的图像数据中对应像素点的像素值的均值。

本发明技术方案还提供一种图像去噪的装置，所述装置包括：

第一确定单元，适于确定图像中第一图像块的相似块，所述第一图像块的相似块位于所述第一图像块周边，所述图像以CFA数据格式存储；

第二确定单元，适于基于所述第一图像块的相似块确定第二图像块，所述第二图像块中像素点的像素值为所有相似块中与所述像素点具有相同通道的所有像素点的像素值的均值；

第三确定单元，适于基于所述第一图像块与所述第二图像块的差值，确定第三图像块；

处理单元，适于对所述第三图像块进行小波变换，对所述小波变换所确定的小波系数进行收缩处理，通过小波逆变换获取处理后的第三图像块；

第一获得单元，适于基于处理后的第三图像块和所述第二图像块获得所述第一图像块去噪后的图像数据；

其中，第一图像块、相似块、第二图像块与第三图像块的大小相同。

可选的，所述第一图像块的相似块为所述第一图像块周边与所述第一图像块的距离小于第一阈值τ的图像块。

可选的，所述第一确定单元包括：计算子单元，适于基于公式：

$d(P_R,P_S)=\frac{{\left|\right|P_R-P_S\left|\right|}_2^2}{N\×M}$ 或 $d(P_R,P_S)=\frac{\mathrm{abs}(P_R-P_S)}{N\×M}$ 计算所述第一图像块周边的图像块与第一图像块的距离；

其中，N为所述第一图像块每一行所包含的像素点的个数，M为所述第一图像块每一列所包含的像素点的个数，P_S表示所述第一图像块周边的图像块，P_R表示所述第一图像块，d(P_R,P_S)为表示第一图像块周边的图像块P_S与第一图像块P_R的距离，P_R-P_S表示第一图像块P_R与第一图像块周边的图像块PS中对应像素点的像素值差，表示为所有像素值差的平方和，abs（P_R-P_S）为所有像素值差的绝对值之和。

可选的，所述处理单元包括：收缩子单元，适于如果所述小波系数的绝对值小于第二阈值ε，则将该小波系数置为0。

可选的，所述第一获得单元包括：求和子单元，适于将所述处理后的第三图像块与所述第二图像块中对应像素点的像素值的和作为所述第一图像块去噪后的对应像素点的像素值。

可选的，所述第一图像块的像素点为搜索窗口所包含的像素点，所述装置还包括：移动单元，适于按照如下步骤依次移动所述搜索窗口：

按照从左到右的顺序，移动第一距离阈值；

当所述搜索窗口移动到所述图像的右边界时，将所述搜索窗口移动到所述图像的左边界，并向下移动第二距离阈值。

可选的，所述装置还包括：第二获得单元，适于基于所有第一图像块去噪后的图像数据获得所述图像的去噪处理结果。

可选的，所述第二获得单元包括：均值子单元，适于若图像的一个像素点被所述搜索窗口在移动过程中多次覆盖，则所述像素点的像素值为所有所述第一图像块去噪后的图像数据中对应像素点的像素值的均值。

本发明技术方案还提供一种图像处理系统，所述系统包括：

如上所述的图像去噪装置。

可选的，所述系统还包括：去坏点单元，适于对图像数据进行去坏点操作；所述图像去噪的装置适于基于所述去坏点单元操作后的图像数据获得所述第一图像块去噪后的图像数据。

可选的，所述系统还包括：后处理单元，适于对经图像去噪装置处理后的图像数据进行后续处理。

与现有技术相比，本发明的技术方案具有以下优点：

首先确定所述第一图像块的相似块，基于所述第一图像块的所有相似块中相同通道的所有像素点的像素值的均值确定第二图像块，基于此过程可去除所述第一图像块中的颜色噪声；基于所述第一图像块与所述第二图像块的差值，可以获得第三图像块；通过对所述第三图像块进行小波变换以及小波系数的收缩，实现对于亮度噪声的去噪；通过小波逆变换获取处理后的第三图像块，基于处理后的第三图像块和所述第二图像块获得所述第一图像块去噪后的图像数据。该方法计算量小，复杂度低，可同时去除图像中的颜色噪声和亮度噪声。

在确定第一图像块的相似块时，可以基于第一图像块与其周边的图像块距离进行确定，进一步，可以基于周边的图像块所有对应像素点的像素值差的绝对值之和计算该图像块与所述第一图像块之间的距离，该方法在计算图像块之间的距离时，可以有效减少运算量。

在对图像进行去噪的过程中，可以通过搜索窗口的移动实现对整个图像的去噪，在移动过程中，所述搜索窗口可以重叠，则基于每一个搜索窗口所包含的像素点，可以确定一个相应的第一图像块，对于被搜索窗口多次覆盖的像素点，可以以所有所述第一图像块去噪后的图像数据中对应像素点的像素值的均值确定该像素点的最后去噪的结果，该方法可以使得该像素点进行多次去噪处理，可以有效提高图像的去噪效果。

附图说明

图1是本发明实施例提供的图像去噪的方法的流程示意图；

图2至图5是本发明实施例提供的搜索窗口的位置示意图；

图6是本发明实施例提供的图像块的去噪的方法的流程示意图；

图7至图8是本发明实施例提供的第一图像块周边的图像块的位置示意图；

图9是本发明实施例提供的构建第二图像块的方法示意图；

图10是本发明实施例提供的图像处理系统的结构示意图。

具体实施方式

现有技术中，在图像去噪去噪过程中存在颜色信息发生变化、亮度信息模糊且算法复杂度高的问题。

为解决上述问题，本发明技术方案提供一种图像去噪的方法。

下面结合实施例和附图对本发明技术方案进行详细说明

图1是本发明实施例提供的图像去噪的方法的流程示意图，如图1所示，在对图像进行去噪处理时，通过对搜索窗口的移动，确定各搜索窗口所对应的第一图像块，所述搜索窗口所对应的第一图像块的像素点为该搜索窗口所包含的图像的像素点，对所述第一图像块进行去噪处理，直到搜索窗口完成对整个图像的遍历，基于搜索窗口移动过程中，基于每一次搜索窗口所确定的第一图像块的图像去噪结果，实现对整个图像的去噪处理。

如图1所示，首先执行步骤S1，移动搜索窗口。

在对图像进行去噪处理的开始时，如图2所示，可以首先将搜索窗口210移动到图像200的左上角位置，即以此位置为搜索窗口的初始位置。

搜索窗口从如图2所示的初始位置开始，可以按照从左到右的顺序将所述搜索窗口移动到如图3所示的位置，之后继续按照从左到右、从上到下的顺序进行移动，搜索窗口在移动的过程中，如果前一时刻搜索窗口210位于图像200的右边界，则在移动时，如图4所示，将搜索窗口210返回到输入图像200的左边界并向下移动一定距离。

在从左向右移动搜索窗口的过程中，可以预先设置一个第一距离阈值，即每次向右移动一个第一距离阈值，所述第一距离阈值的取值范围可以为1至K，K为所述搜索窗口每一行所包含的像素点的个数，即可以每次向右移动一个像素点的位置，或者移动多个像素点的位置，一次最多移动一个搜索窗口的长度的位置；从上向下移动搜索窗口的过程中，也可以预先设置一个第二距离阈值，即向下移动一个第二距离阈值，所述第二距离阈值的取值范围为1至L，L为所述搜索窗口每一列所包含的像素点的个数，即可以向下移动一个像素点的位置，或者移动多个像素点的位置，一次最多移动一个搜索窗口的宽度的位置。

在每次移动所述搜索窗口后，需要执行步骤S2。

步骤S2，基于搜索窗口的位置确定第一图像块。

所述第一图像块的像素点为搜索窗口在当前位置时所包含的图像的像素点，基于当前位置的搜索窗口所含有的像素点确定所述第一图像块，在搜索窗口移动的过程中，基于每一个位置处的搜索窗口所含有的像素点都可以确定一个相应的第一图像块。所述搜索窗口的形状、大小和第一图像块的大小、形状均相同。所述搜索窗口的大小可以根据实际的图像去噪效果进行相应的调整，所述搜索窗口的形状为矩形。

执行步骤S3，对所述第一图像块进行去噪处理。

在对所述第一图像块进行去噪处理时，首先确定所述第一图像块的相似块，基于所述第一图像块的相似块确定第二图像块，所述第二图像块中像素点的像素值为所有相似块中与所述像素点具有相同通道的所有像素点的像素值的均值；基于所述第一图像块与所述第二图像块的差值，确定第三图像块；对所述第三图像块进行小波变换，对所述小波变换所确定的小波系数进行收缩处理，通过小波逆变换获取处理后的第三图像块；基于处理后的第三图像块和所述第二图像块获得所述第一图像块去噪后的图像数据。此步骤的具体实现过程后续会进行详细说明。

执行步骤S4，判断搜索窗口是否已完成对整个图像的搜索。

在对一个第一图像块进行去噪后，执行此步骤，判断此时搜索窗口是否已完成对整个图像的搜索，即搜索窗口210是否位于如图5所示的位置。

如果步骤S4的判断结果为是，则说明搜索窗口已完成对整个图像的搜索，则此时可以执行步骤S5，基于步骤S5完成对图像的去噪；否则返回执行步骤S1，继续移动搜索窗口，重复执行步骤S1至步骤S4。

步骤S5，基于所有第一图像块去噪后的图像数据获得所述图像的去噪处理结果。

由于在搜索窗口整个移动过程中，基于每一个搜索窗口所在的位置，都对应得到一个第一图像块进行去噪处理后的图像数据，当搜索窗口完成对图像的搜索之后，会获得多个第一图像块去噪处理后的图像数据。

在搜索窗口移动的过程中，搜索窗口每次移动的距离可以为一个像素也可以为多个像素，当搜索窗口从左向右移动的距离小于搜索窗口的长度时，搜索窗口就会产生重叠，同理，当搜索窗口从上向下移动的距离小于搜索窗口的宽度时，搜索窗口同样会产生重叠。

对于图像中的一个像素点，在搜索窗口移动的过程中，可能会被搜索窗口多次覆盖，由于每个位置处的搜索窗口都可以确定一个第一图像块，基于步骤S3可以得到该位置处的第一图像块的去噪后的图像数据，也就是说，对于被搜索窗口多次覆盖的像素点，在多个第一图像块的去噪后的图像数据中均有对应像素点（所述对应像素点是指在不同的图像块中对应的相同位置处的像素点），基于多个第一图像块的去噪后的图像数据可以获得该像素点的最终的去噪结果，具体地，该像素点的像素值可以为所有的第一图像块去噪后的图像数据中对应像素点的像素值的均值，如果图像中的一个像素点，在搜索窗口移动的过程中，只被一个搜索窗口所覆盖，则该像素点的像素值即为由此搜索窗口所确定第一图像块去噪后的图像数据中对应像素点的像素值。

以搜索窗口为4×4的矩阵（单位为像素点）为例，假设搜索窗口从如图2所示的初始位置开始移动，搜索窗口每次向右移动一个像素点，在第一次移动后，搜索窗口假设位于如图3所示出的位置，对于图像最左上角的像素点，其只被初始位置时刻的搜索窗口所覆盖，所以该像素点的最终的去噪结果即为由初始时刻搜索窗口所确定的第一图像块去噪处理后的图像数据中对应像素点（第一图像块最左上角的像素点）的像素值。

对于图像的第一行第2个像素点，其会被初始位置时的搜索窗口覆盖，在搜索窗口位于如图3所示出的位置时，会再次被此时刻的搜索窗口所覆盖，之后搜索窗口继续向右移动，对于此像素点，在搜索窗口之后移动的过程中，不会再被覆盖，即该像素点在整个搜索窗口移动的过程中，会被搜索窗口覆盖两次。

由于搜索窗口在初始位置时，可以得到该位置处的第一图像块的去噪后的图像数据（称为第一图像数据），搜索窗口在如图3所示出的位置时，同样可以一个第一图像块的去噪后的图像数据（称为第二图像数据），图像的第一行第2个像素点的最终去噪结果为所有的第一图像块去噪后的图像数据中对应像素点的像素值的均值，由于在搜索窗口整个移动过程中，只有两次会覆盖到该像素点，即在所有的第一图像块去噪后的图像数据中只有第一图像数据和第二图像数据中有该像素点对应像素点存在，所以该像素点的最终去噪结果为第一图像数据和第二图像数据中该像素点对应像素点的像素值相加后求取平均值的结果。

依此类推，在搜索窗口对整个图像进行搜索后，并得到所有的第一图像块去噪后的图像数据后，对于图像的任意一个像素点，可以基于含有该像素点的对应像素点的第一图像块去噪后的图像数据获得该像素点的最终的去噪结果，即将所有的第一图像块去噪后的图像数据中对应像素点的像素值的均值确定为该像素点的最终的去噪结果。

至此即可以完成对图像的去噪处理。

需要说明的是，本实施例提供的图像去噪的方法是基于图像中的噪声符合高斯模型的前提进行的，如果图像中的噪声为高斯和泊松的混合噪声，则在进行图像去噪处理之前先进行Anscombe正变换，将所述高斯和泊松的混合噪声转化为类高斯噪声，之后再按照本实施例提供的方法对图像进行去噪处理，并对处理后的图像数据通过Anscombe逆变换将图像还原到原始的图像空间中。

下面结合图6对步骤S3中对所述第一图像块进行去噪处理的过程进行详细论述。

如图6所示，首先执行步骤S301，确定图像中第一图像块的相似块。

在基于图像中搜索窗口的位置，得到相应的第一图像块后，通过此步骤获得所述第一图像块的相似块。

所述第一图像块的相似块位于所述第一图像块的周边，本实施例中，所述第一图像块的相似块为所述第一图像块周边与所述第一图像块的距离小于第一阈值τ的图像块。

所述第一图像块周边的图像块是指如图7所示位于P_R周边的P_S，P_R为所述第一图像块。在本实施例中，以P_R为4×4的矩阵（单位为像素点），周边的图像块P_S总共有8个图像块为例进行说明。在其他实施例中，P_R周边的图像块P_S也可以根据实际去噪处理效果以及经验值等进行相应的设定，例如可以设置为如图8所示的形式，在图8所示的第一图像块P_R周边共有26个P_S。

所述第一图像块周边的图像块如图7或者图8所示是互不重叠的，本实施例这样设置的目的是，在较少的计算量下，让图像中更多互不重复的像素点可以参与到后续确定第二图像块的过程中，使得后续确定第二图像块更加准确。

在其他实施例中，第一图像块周边的图像块也可以是重叠的。

此外，当所述第一图像块位于图像的边界时，例如位于如图2至图5所示出的位置时，需要对所述第一图像块周边的图像块进行边界镜像，将图像中所述第一图像块周边的图像块镜像映射到所述第一图像块没有图像块的边界处，最终形成如图7或图8所示的形式。

所述第一图像块周边的图像块P_S也可以称为搜索块。

所述搜索块的大小与所述第一图像块的大小相同，在此为4×4的矩阵。

基于所述第一图像块P_R与各个搜索块P_S之间的距离，确定所述第一图像块的相似块。

例如，可以基于公式（1）计算所述第一图像块P_R与搜索块P_S之间的距离，在其他实施例中，本领域技术人员也可以采用其它方法获取所述第一图像块P_R与搜索块P_S之间的距离。

$d(P_R,P_S)=\frac{{\left|\right|P_R-P_S\left|\right|}_2^2}{N\×M}---\left(1\right)$

其中，N为所述第一图像块每一行所包含的像素点的个数，M为所述第一图像块每一列所包含的像素点的个数，P_S表示所述第一图像块周边的图像块，P_R表示所述第一图像块，d(P_R,P_S)为表示第一图像块周边的图像块P_S与第一图像块P_R的距离，P_R-P_S表示第一图像块P_R与第一图像块周边的图像块P_S中对应像素点的像素值差，表示为所有像素值差的平方和。

在本实施例中，N和M的值均为4，对于其中一个搜索块，在计算其与所述第一图像块的距离时，将所述第一图像块和该搜索块中对应像素点的像素值求取差值的平方，共可以得到16个计算结果，对这16个计算结果进行求和，将求和结果作为所述第一图像块与该搜索块之间的距离值。

基于上述计算过程，可以分别获得所述第一图像块与其周围的8个搜索块的距离值，对于其中一个搜索块，如果其与所述第一图像块的距离值小于第一阈值τ，则确定该搜索块为所述第一图像块的相似块。

所述第一阈值τ=A1×σ²，其中，σ为输入图像的噪声级别。

图像的噪声级别可以基于现有技术的多种方法获得，在此不再细述。A1的取值可以根据经验值或者实际处理过程进行相应的设定。例如A1的取值范围可以为2.5≤A1≤3.2，在本实施例中，A1的取值可以设置为2.7。

由此则可以获得所述第一图像块的相似块，在本实施例中，其周围共有8个搜索块，则所述第一图像块的相似块可以为1到8之间的数值。

基于公式（1）可以得到所述第一图像块与各搜索块之间的距离，但由于其中需要计算对应位置的像素点的像素值差值的平方，当第一图像块含有的像素点比较多的时候，运算量可能会比较大，在其他实施例中，也可以采用其他方法求取所述第一图像块与各搜索块之间的距离。例如，可以基于公式（2）进行计算。

$d(P_R,P_S)=\frac{\mathrm{abs}(P_R-P_S)}{N\×M}---\left(2\right)$

其中，abs（P_R-P_S）为所有像素值差的绝对值之和。

在基于公式（2）计算搜索块与所述第一图像块的距离时，将所述第一图像块和该搜索块中对应像素点的像素值求取差值的绝对值，对各个像素点所对应的计算结果进行求和，将求和结果作为所述第一图像块与该搜索块之间的距离值。由于基于公式（2）计算的过程中，无需进行平方运算，在像素点个数比较多的时候，可以有效降低运算量。

由于公式（1）和公式（2）的不同，第一距离阈值τ也相应的有所不同。

在其它实施例中，在基于公式（2）计算距离时，所述第一阈值τ可以为A2×σ²，A2的取值可以根据经验值或者实际处理过程进行相应的设定，例如A2的取值范围可以为1.2≤A2≤1.8。

基于此步骤，可以确定所述第一图像块的一个或者多个相似块。所述第一图像块的相似块的个数可以根据经验值或者实际图像去噪的效果，通过对所述第一阈值的调节，进行相应的确定。如果所述第一阈值设置的比较小，则相应的相似块的个数会比较多，可能去噪效果会随着所述相似块的个数的增加而有所提升，但如果相似块的个数太多，后续计算过程中运算量会比较大，且在所述相似块的个数达到一定数量时，去噪效果的提升就不太明显，而运算量却会增加很多，所以第一阈值的选取可以根据实际处理情况进行相应的设定。

执行步骤S302，基于所述第一图像块的相似块确定第二图像块。

在确定了所述第一图像块的相似块后，可以基于所有相似块中具有相同通道的所有像素点的像素值的均值确定第二图像块中该通道的像素点的像素值。

通常图像传感器获得的是彩色滤波阵列（CFA，Color Filter Array）格式的颜色信息，图像可以以CFA数据格式进行存储，目前，常见的有Bayer数据格式。

由于bayer格式的图像数据中每四个像素点组成的正方形区域的颜色信息包含了两个绿色的像素点、一个红色和一个蓝色的像素点，bayer格式的图像数据可以分为四个通道的图像数据，即可以分为Gr、R、B和Gb通道，其中R表示像素值为红色的通道，B表示像素值为蓝色的通道，Gr和Gb表示的是像素值为绿色的两个通道。

在求取所述第一图像块的所有相似块中各通道的像素点的像素值的均值时，将所述第一图像块所对应的所有相似块中该通道中的所有像素点的像素值进行求和，之后再除以该通道的像素点的总数，即可以获得该通道的像素点的像素值的均值。以本实施例所述第一图像块为4×4的矩阵来说，所述第一图像块中分别有4个Gr通道的像素点、4个R通道的像素点、4个B通道的像素点和4个Gb通道的像素点，共16个像素点，第一图像块的相似块所包含的像素点与所述第一图像块是相同的。

以所述第一图像块的相似块的个数为8为例，则对于Gr通道，则8个相似块共有4×8共32个颜色值为Gr的像素点，可以将这32个颜色值为Gr的像素点的像素值进行相加，之后再除以32得到Gr通道的像素点的像素值的均值，同理可以求得其它各通道的均值。

因为通常在运算的过程中，乘法、除法的运算量相对来说是比较大的，所以也可以在具体实施时，可以采用移位运算代替所述乘法或者除法，在本实施例中，可以采用移动运算代替求取均值的过程中的除法运算，进而有效减少运算量。

由于进行移位运算时，需要被运算的数字应该为2的指数级的格式，所以当相似块的个数为偶数的时候，可以采用移位运算代替除法运算进行均值的求取，仍以上述Gr通道为例，在得到其32个颜色值为Gr的像素点的像素值相加结果后，在计算程序中将计算结果右移5位即可求得均值。

基于各通道的像素点的像素值的均值，可以确定第二图像块，所述第二图像块的大小和所述第一图像块的大小相同。所述第二图像块中各像素点的像素值为所述各通道的像素点的像素值的均值。

举例来说，对于第一图像块中像素值为Gr的一个像素点而言，该像素点在第二图像块中对应位置像素点的像素值为上述确定的Gr通道的像素点的像素值的均值。依次类推，可以确定第二图像块中所述第一图像块的对应像素点的像素值。在其它实施例中，也可以采用另外一种方法确定所述第二图像块，如图9所示，假设得到Gr通道的像素点的像素值的均值为mGr，B通道的像素点的像素值的均值为mB，R通道的像素点的像素值的均值为mR和Gb通道的像素点的像素值的均值为mGb，则可以先构建如图9所示的左侧的含有四个均值的图像块，之后将其扩展为如图9右侧所示的与所述第一图像块相同大小的第二图像块，在构建所述第二图像块的过程中，应该保持所述第二图像块与所述第一图像块中对应像素点应该为同一个通道。

由于所述第二图像块中各像素点的像素值均为该通道的均值，所以所述第二图像块也可以称为均值块，所述第二图像块可以有效消除颜色噪声，可以增强平坦区域的降噪效果，而对于纹理区域，则基于后续步骤中小波方法进行去噪。

执行步骤S303，基于所述第一图像块与所述第二图像块的差值，确定第三图像块。

将所述第一图像块与所述第二图像块中对应像素点的像素值的差值作为所述第三图像块中对应像素点的像素值，所述第三图像块的大小与所述第一图像块、第二图像块的大小相同。

所述第三图像块也可以称为残差块。由于在第三图像块中已将均值块（第二图像块）去除，即通过此操作已经将不同颜色通道中的平坦部分去除，因此剩余在第三图像块中的图像信息应该为与颜色信息不相关的图像细节部分的图像信息。

执行步骤S304，对所述第三图像块进行小波变换，对所述小波变换所确定的小波系数进行收缩处理，通过小波逆变换获取处理后的第三图像块。

对所述第三图像块进行小波变换，具体地，可以采用小波变换中的DCT方法进行变化。在其他实施例中，也可以采用haar或者hadamard方法进行变换。

基于小波变换对所述第三图像块进行处理后，可以得到多个小波系数。在对所述小波系数进行收缩时，可以先确定一个第二阈值ε，基于第二阈值ε对小波系数进行收缩。

所述第二阈值ε可以基于公式（3）进行确定。

ε=A3×σ   （3）

其中，σ为图像的噪声级别。A3的取值可以根据经验值或者实际处理过程进行相应的设定，例如A3的取值范围可以为2.5≤A3≤3.2。在本实施例中，A3取值为2.7。

所述第二阈值ε可以通过阈值训练方法得到。在其他实施例中，也可以针对每一个小波系数均确定一个相应的第二阈值ε，在确定第二阈值ε的过程中，第一图像块的相似块的个数也可以作为一个确定第二阈值ε的参考因素。

在确定第二阈值ε后，如果所述小波系数的绝对值小于所述第二阈值ε，则将该小波系数置为0，否则该小波系数保持不变，基于此可以实现对小波系数的收缩处理。

λ基于小波系数收缩处理后的结果，通过小波逆变换得到处理后的第三图像块的图像数据。

执行步骤S305，基于处理后的第三图像块和所述第二图像块获得所述第一图像块去噪后的图像数据。

将所述处理后的第三图像块与所述第二图像块中对应像素点的像素值的和作为所述第一图像块去噪后的对应像素点的像素值。

至此已完成对所述第一图像块的去噪过程。由于基于步骤S301和步骤S302可以通过所述第一图像块的相似块确定第二图像块，所述第二图像块即为均值块，得到各个通道的均值信息，基于步骤S303，通过第一图像块与第二图像块做差值得到第三图像块，即得到残差块，所述残差块也可以理解为是噪声块，基于步骤S304，通过小波变换将过度去除的残差块中的有效信息提取出来。可以理解，第二图像块中图像的低频信息，第三图像块中的最高频信息可以被认为是噪声信息，通过小波系数收缩达到去除噪声的目的，基于处理后的第三图像块与所述第二图像块可得到第一图像块去噪后的图像数据。

在本发明实施例中，该方法计算量小，复杂度低，可同时去除图像中的颜色噪声和亮度噪声。

在确定第一图像块的相似块时，可以基于周边的图像块所有对应像素点的像素值差的绝对值之和计算该图像块与所述第一图像块之间的距离，该方法在计算图像块之间的距离时，可以有效减少运算量。

在对图像进行去噪的过程中，可以通过搜索窗口的移动实现对整个图像的去噪，在移动过程中，所述搜索窗口可以重叠，对于被搜索窗口多次覆盖的像素点，可以使得该像素点进行了多次去噪的处理，可以有效提高该区域的去噪效果。

对应于上述图像去噪的方法，本发明实施例还提供一种图像去噪的装置。如图10所示，所述图像去噪装置10包括：第一确定单元U11，适于确定图像中第一图像块的相似块，所述第一图像块的相似块位于所述第一图像块周边，所述图像以CFA数据格式存储；第二确定单元U12，适于基于所述第一图像块的相似块确定第二图像块，所述第二图像块中像素点的像素值为所有相似块中与所述像素点具有相同通道的所有像素点的像素值的均值；第三确定单元U13，适于基于所述第一图像块与所述第二图像块的差值，确定第三图像块；处理单元U14，适于对所述第三图像块进行小波变换，对所述小波变换所确定的小波系数进行收缩处理，通过小波逆变换获取处理后的第三图像块；第一获得单元U15，适于基于处理后的第三图像块和所述第二图像块获得所述第一图像块去噪后的图像数据；其中，第一图像块、相似块、第二图像块与第三图像块的大小相同。

对应于上述图像去噪的装置，本实施例还提供一种图像处理系统。

如图10所示，所述图像处理系统包括如上所述的图像去噪的装置10，所述图像处理系统还包括图像传感器模组（图未示）；数据采集单元U16，适于基于图像传感器模组获取图像数据；校正单元U17，适于对采集单元U16所获取的图像数据进行黑电平校正；去坏点单元U18，适于对校正单元U17校正后的图像数据进行去坏点操作；后处理单元U19，适于对去噪后的图像数据进行后续处理，所述后续处理包括镜头阴影校正、白平衡、去马赛克、gamma校正、颜色矩阵校正、图像空间转换、对比度饱和度调整、JPEG编码等处理。

在本实施例中，将经过去坏点单元U18处理之后的图像数据输入图像去噪装置10进行去噪处理，之后再将图像去噪强装置10处理后的数据输入后处理单元U19进行后处理。如果图像先经过所述图像去噪装置10处理，然后再将处理后的图像数据输入去坏点单元U18进行处理，则可能会导致图像去噪装置10中的第一确定单元U11在确定图像中第一图像块的相似块的过程中，产生误匹配或者不匹配的问题。在其他实施例中，也可以将图像去噪装置10处理后的图像数据输入到去坏点单元U18进行处理，在此不做限定。

如果图像数据先经过后处理单元U19进行处理，之后再将处理后的数据输入图像去噪装置10进行处理，即图像数据先通过后处理单元U19做镜头阴影校正、白平衡等处理，则可能会影响图像数据的噪声分布模型，进而影响去噪的效果，在本实施例中，将图像去噪装置10处理后的数据输入后处理单元U19进行后处理，会使的后处理单元U19中的白平衡处理中的白平衡的信息统计更加准确，且鲁棒性更好。在其他实施例中，也可以将图像数据先经过后处理单元U19进行处理，之后再将处理后的数据输入图像去噪装置10进行处理，在此不做限定。

虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (23)

1.一种图像去噪的方法，其特征在于，包括：

确定图像中第一图像块的相似块，所述第一图像块的相似块位于所述第一图像块周边，所述图像以CFA数据格式存储；

基于所述第一图像块的相似块确定第二图像块，所述第二图像块中像素点的像素值为所有相似块中与所述像素点具有相同通道的所有像素点的像素值的均值；

基于所述第一图像块与所述第二图像块的差值，确定第三图像块；

对所述第三图像块进行小波变换，对所述小波变换所确定的小波系数进行收缩处理，通过小波逆变换获取处理后的第三图像块；

基于处理后的第三图像块和所述第二图像块获得所述第一图像块去噪后的图像数据；

其中，第一图像块、相似块、第二图像块与第三图像块的大小相同。

2.如权利要求1所述的图像去噪的方法，其特征在于，所述第一图像块的相似块为所述第一图像块周边与所述第一图像块的距离小于第一阈值τ的图像块。

3.如权利要求2所述的图像去噪的方法，其特征在于，所述第一图像块周边的图像块互不重叠。

4.如权利要求2所述的图像去噪的方法，其特征在于，所述第一图像块周边的图像块与第一图像块的距离通过公式：

$d(P_R,P_S)=\frac{{\left|\right|P_R-P_S\left|\right|}_2^2}{N\×M}$ 或 $d(P_R,P_S)=\frac{\mathrm{abs}(P_R-P_S)}{N\×M}$ 计算；

其中，N为所述第一图像块每一行所包含的像素点的个数，M为所述第一图像块每一列所包含的像素点的个数，P_S表示所述第一图像块周边的图像块，P_R表示所述第一图像块，d(P_R,P_S)为表示第一图像块周边的图像块P_S与第一图像块P_R的距离，P_R-P_S表示第一图像块P_R与第一图像块周边的图像块P_S中对应像素点的像素值差，表示为所有像素值差的平方和，abs（P_R-P_S）为所有像素值差的绝对值之和。

5.如权利要求2所述的图像去噪的方法，其特征在于，所述第一阈值τ=A1×σ²，为2.5≤A1≤3.2；或者，所述第一阈值τ=A2×σ，σ为图像的噪声级别，1.2≤A2≤1.8。

6.如权利要求1所述的图像去噪的方法，其特征在于，所述对所述小波变换所确定的小波系数进行收缩处理包括：

如果所述小波系数的绝对值小于第二阈值ε，则将该小波系数置为0。

7.如权利要求6所述的图像去噪的方法，其特征在于，所述第二阈值ε=A3×σ，σ为图像的噪声级别,2.5≤A3≤3.2。

8.如权利要求1所述的图像去噪的方法，其特征在于，所述基于处理后的第三图像块和所述第二图像块获得所述第一图像块去噪后的图像数据包括：

将所述处理后的第三图像块与所述第二图像块中对应像素点的像素值的和作为所述第一图像块去噪后的对应像素点的像素值。

9.如权利要求1所述的图像去噪的方法，其特征在于，所述第一图像块的像素点为搜索窗口所包含的像素点，所述搜索窗口按照如下步骤依次移动：

按照从左到右的顺序，移动第一距离阈值；

当所述搜索窗口移动到所述图像的右边界时，将所述搜索窗口移动到所述图像的左边界，并向下移动第二距离阈值。

10.如权利要求9所述的图像去噪的方法，其特征在于，所述第一距离阈值的取值范围为［1，K］，所述第二距离阈值的取值范围为［1，L］，其中，K为所述搜索窗口每一行所包含的像素点的个数，L为所述搜索窗口每一列所包含的像素点的个数。

11.如权利要求9所述的图像去噪的方法，其特征在于，还包括：基于所有第一图像块去噪后的图像数据获得所述图像的去噪处理结果。

12.如权利要求11所述的图像去噪的方法，其特征在于，所述基于所有第一图像块去噪后的图像数据获得所述图像的去噪处理结果包括：若图像的一个像素点被所述搜索窗口在移动过程中多次覆盖，则该像素点的像素值为所有所述第一图像块去噪后的图像数据中对应像素点的像素值的均值。

13.一种图像去噪的装置，其特征在于，包括：

第一确定单元，适于确定图像中第一图像块的相似块，所述第一图像块的相似块位于所述第一图像块周边，所述图像以CFA数据格式存储；

第二确定单元，适于基于所述第一图像块的相似块确定第二图像块，所述第二图像块中像素点的像素值为所有相似块中与所述像素点具有相同通道的所有像素点的像素值的均值；

第三确定单元，适于基于所述第一图像块与所述第二图像块的差值，确定第三图像块；

处理单元，适于对所述第三图像块进行小波变换，对所述小波变换所确定的小波系数进行收缩处理，通过小波逆变换获取处理后的第三图像块；

第一获得单元，适于基于处理后的第三图像块和所述第二图像块获得所述第一图像块去噪后的图像数据；

其中，第一图像块、相似块、第二图像块与第三图像块的大小相同。

14.如权利要求13所述的图像去噪的装置，其特征在于，所述第一图像块的相似块为所述第一图像块周边与所述第一图像块的距离小于第一阈值τ的图像块。

15.如权利要求14所述的图像去噪的装置，其特征在于，所述第一确定单元包括：计算子单元，适于基于公式：

$d(P_R,P_S)=\frac{{\left|\right|P_R-P_S\left|\right|}_2^2}{N\×M}$ 或 $d(P_R,P_S)=\frac{\mathrm{abs}(P_R-P_S)}{N\×M}$ 计算所述第一图像块周边的图像块与第一图像块的距离；

其中，N为所述第一图像块每一行所包含的像素点的个数，M为所述第一图像块每一列所包含的像素点的个数，P_S表示所述第一图像块周边的图像块，P_R表示所述第一图像块，d(P_R,P_S)为表示第一图像块周边的图像块P_S与第一图像块P_R的距离，P_R-P_S表示第一图像块P_R与第一图像块周边的图像块PS中对应像素点的像素值差，表示为所有像素值差的平方和，abs（P_R-P_S）为所有像素值差的绝对值之和。

16.如权利要求13所述的图像去噪的装置，其特征在于，所述处理单元包括：收缩子单元，适于如果所述小波系数的绝对值小于第二阈值ε，则将该小波系数置为0。

17.如权利要求13所述的图像去噪的装置，其特征在于，所述第一获得单元包括：求和子单元，适于将所述处理后的第三图像块与所述第二图像块中对应像素点的像素值的和作为所述第一图像块去噪后的对应像素点的像素值。

18.如权利要求13所述的图像去噪的装置，其特征在于，所述第一图像块的像素点为搜索窗口所包含的像素点，所述装置还包括：移动单元，适于按照如下步骤依次移动所述搜索窗口：

按照从左到右的顺序，移动第一距离阈值；

当所述搜索窗口移动到所述图像的右边界时，将所述搜索窗口移动到所述图像的左边界，并向下移动第二距离阈值。

19.如权利要求18所述的图像去噪的装置，其特征在于，还包括：第二获得单元，适于基于所有第一图像块去噪后的图像数据获得所述图像的去噪处理结果。

20.如权利要求19所述的图像去噪的装置，其特征在于，所述第二获得单元包括：均值子单元，适于若图像的一个像素点被所述搜索窗口在移动过程中多次覆盖，则所述像素点的像素值为所有所述第一图像块去噪后的图像数据中对应像素点的像素值的均值。

21.一种图像处理系统，其特征在于，包括：

如权利要求13至20任一项所述的图像去噪装置。

22.如权利要21所述的图像处理系统，其特征在于，还包括：去坏点单元，适于对图像数据进行去坏点操作；所述图像去噪的装置适于基于所述去坏点单元操作后的图像数据获得所述第一图像块去噪后的图像数据。

23.如权利要21所述的图像处理系统，其特征在于，还包括：后处理单元，适于对经图像去噪装置处理后的图像数据进行后续处理。