CN104995658A - 图像处理方法,图像处理设备和图像处理程序 - Google Patents

Abstract

一种图像处理方法，该图像处理方法将输入图像分离成包括边缘成分和平坦成分的构架成分以及利用在输入图像与构架成分之间的差而被表达的残差成分。在这一图像处理方法中，计算局部偏差量，该局部偏差量是在兴趣像素和与兴趣像素相邻的像素之间的偏差量；基于局部偏差量来计算用于构架成分提取过滤器的权值；计算在兴趣像素周围的像素值的梯度方向的图像特征量和在兴趣像素周围的像素值的梯度强度的图像特征量；基于梯度方向的图像特征量和梯度强度的图像特征量来校正用于构架成分提取过滤器的权值；基于经校正的构架成分提取过滤器权值来计算构架成分提取过滤器系数；以及使用计算出的构架成分提取过滤器系数以对兴趣像素执行构架成分提取处理，由此提取构架成分。

Description

图像处理方法,图像处理设备和图像处理程序

技术领域

本发明涉及一种图像处理方法、图像处理设备和图像处理程序。

背景技术

在图像处理技术之中，一种用于减少在图像中包括的噪声的技术是为了更清楚地再现捕获的图像的必需技术。作为在图像中包括的噪声之一，存在如图10中所示的附加白高斯噪声。原有信号和被噪声劣化的信号分别被表示为s和f。这时，假设噪声n_G的幅度遵从高斯分布，则图10的附加白高斯噪声由f＝s+n_G代表。

作为一种用于减少在图像中包括的噪声的技术，例如，作为在NPL 1中公开的技术的总变化范数最小化方法(下文北欧表达为TV方法)被广泛地使用。

TV范数通过将在整个信号节段中的相邻信号之间的差的绝对值相加而被获得，并且信号u的TV范数由以下等式(1)定义：

$TV\left(u\right)={\∫}_{\mathrm{\Ω}}|\▿u|dx---\left(1\right),$

其中代表偏微分算符。

图11至图13图示了关于一维信号的TV范数的示例。图11中所示的温和地改变的信号(平坦信号)和图12中所示的包括陡峭边缘的信号具有相同TV范数。如图13中所示，在信号值振动时，TV反复具有大值。换而言之，TV范数可以被称为用于指示考虑不连续成分的信号的平滑度的指标。

TV方法是用于将包括噪声的输入图像f分离成构架成分u和残差成分v的方法，该构架成分u包括图像的边缘成分和平坦成分，该残差成分v包括纹理成分和噪声成分。换而言之，建立以下等式(2)的关系：

f＝u+v    (2)。

构架成分u可以通过最小化等式(3)而被确定，在等式(3)中，规范化项被引入由等式(1)定义的总变化范数TV(u)中。

$TV\left(u\right)+\frac{\mathrm{\μ}}{2}{\∫}_{\mathrm{\Ω}}{(u-u^{\left(0\right)})}^{2}dx---\left(3\right)$

在等式(3)中，u⁽⁰⁾＝f被满足并且μ是用于指示原有图像的保真度的参数。

以下参照图14描述等式(3)。图14中的用实线图示的信号被表示为包括噪声的输入信号f。图14中的用短划线图示的信号u₁和图14中的用点划线图示的信号u₂的TV范数彼此相等。然而，随着原有信号f和构架成分u相互分离，等式(3)的第二项变得更大，并且因此为了最小化以上等式(3)，与原有信号f更近的用点划线图示的信号被计算为构架成分u。

如以上描述的那样，TV方法引起将包括噪声的输入图像分离成包括图像的边缘和平坦区域的构架成分(TV范数：小)以及包括纹理和噪声的残差成分(TV范数：大)。这一构架成分可以被视为消除了噪声的图像。

图15图示了将输入图像分离成构架成分和残差成分的与本发明有关的图像处理方法的一个示例的框图。

有关的图像处理方法包括成分分离装置11。

输入图像f被输入到成分分离装置11，并且构架成分u和残差成分v被输出。

图16图示了用于图示成分分离装置11的框图。

成分分离装置11包括构架成分提取装置21和残差分离成分计算装置31。

构架成分提取装置21接收输入信号f并且最小化等式(3)以获得构架成分u。向残差成分计算装置31输出获得的构架成分u。

残差成分计算装置31接收输入图像f和从构架成分提取装置21输出的构架成分u并且基于等式(2)的关系从关系v＝f-u计算残差成分v。

作为一种用于在构架成分提取装置21中通过最小化等式(3)来提取构架成分的方法，存在作为在NPL 2中公开的技术的数字TV过滤器(DTVF)。

图17图示了用于图示根据DTVF提取构架成分的构架成分提取装置21的框图，并且以下使用图18的流程图来描述相应的处理单元的操作。

在以下描述中，图像u的像素位置α中的像素值被表达为u_α。α的邻居像素位置的集合被表达为N(α)。图19图示了像素位置α＝(i,j)的邻居像素位置的示例。这里，图19的模式(a)被称为四邻居方式，并且N(α)被表达为N(α)＝{(i，j-1)，(i，j+1)，(i-1，j)，(i+1，j)}。另外，图19的模式(b)被称为八邻居方式，并且N(α)被表达为N(α)＝{(i，j-1)，(i，j+1)，(i-1，j)，(i+1，j)，(i-1，j-1)，(i-1，j+1)，(i+1，j-1)，(i+1，j+1)}。

构架成分提取装置21包括局部变化量计算装置101、过滤器权值计算装置102、过滤器系数计算装置103和过滤执行装置104。

初始地，作为初始设置，用于存储重复的数目的计数器变量k被设置为k＝0。输入图像f被表示为初始构架图像u⁽⁰⁾(步骤S1)。

局部变化量计算装置101接收图像u^(k)并且基于以下等式(4)计算局部变化量(步骤S2)。向过滤器权值计算装置102输出通过计算而获得的局部变化量

$\left|{\▿}_{\mathrm{\α}}u\right|=|{\▿}_{\mathrm{\α}}u{|}_{\mathrm{\ϵ}}=\sqrt{{\mathrm{\Σ}}_{\mathrm{\β}\∈N\left(\mathrm{\α}\right)}{(u_{\mathrm{\β}}^{\left(k\right)}-u_{\mathrm{\α}}^{\left(k\right)})}^2+{\mathrm{\ϵ}}^2}---\left(4\right)$

等式(4)中的ε是用于在以下处理中防止除以0的参数并且可以是约为10^-4的值。

过滤器权值计算装置102从局部变化量计算装置101接收局部变化量并且计算由以下等式(5)代表的过滤器权值w_αβ(u)(步骤S3)。向过滤器系数计算装置103输出通过计算而获得的过滤器权值w_αβ(u)。

$w_{\mathrm{\α}\mathrm{\β}}\left(u\right)=\frac{1}{\left|{\▿}_{\mathrm{\α}}u\right|}+\frac{1}{\left|{\▿}_{\mathrm{\β}}u\right|}---\left(5\right)$

过滤器系数计算装置103从过滤器权值计算装置102接收过滤器权值w_αβ(u)并且分别基于以下等式(6)和(7)计算过滤器系数h_αα和h_αβ(步骤S4)。向过滤器执行装置103输出通过计算而获得的过滤器系数h_αα和h_αβ。

$h_{\mathrm{\α}\mathrm{\α}}=\frac{\mathrm{\μ}}{\mathrm{\μ}+{\mathrm{\Σ}}_{\mathrm{\γ}\∈N\left(\mathrm{\α}\right)}{w}_{\mathrm{\α}\mathrm{\γ}}\left(u^{\left(k\right)}\right)}---\left(6\right)$

$h_{\mathrm{\α}\mathrm{\β}}=\frac{w_{\mathrm{\α}\mathrm{\β}}\left(u^{\left(k\right)}\right)}{\mathrm{\μ}+{\mathrm{\Σ}}_{\mathrm{\γ}\∈N\left(\mathrm{\α}\right)}{w}_{\mathrm{\α}\mathrm{\γ}}\left(u^{\left(k\right)}\right)}---\left(7\right)$

过滤器执行装置104接收输入图像u⁽⁰⁾和作为过滤目标的图像u^(k)以及从过滤器系数计算装置103接收过滤器系数h_αα和h_αβ，基于以下等式(8)计算在k+1次过滤之后的图像u^(k+1)并且将重复数目计数器k增加1(步骤S6)。

$u_{\mathrm{\α}}^{(k+1)}={\mathrm{\Σ}}_{\mathrm{\β}\∈N\left(\mathrm{\α}\right)}{h}_{\mathrm{\α}\mathrm{\β}}{u}_{\mathrm{\β}}^{\left(k\right)}+h_{\mathrm{\α}\mathrm{\α}}{u}_{\mathrm{\α}}^{\left(0\right)}---\left(8\right)$

然后，比较k和最大重复数目k_max，并且在k小于最大重复数目k_max时，对于下一重复计算，向局部变化量计算装置101和过滤执行装置104输出在过滤之后的图像，并且继续处理。在k已经达到最大重复数目k_max时，图像被输出作为构架成分u(步骤S7)。

如从等式(5)、(6)和(7)清楚的那样，在局部变化量与噪声成分比较充分地大时，h_αα≈1被满足，并且因此可防止边缘的模糊。对照而言，在局部变化量小时，DTVF将这一区域视为平坦，并且h_αα≈1被满足，并且因此DTVF表现如同常见低通滤波器。关于μ，使用估计的噪声标准偏差σ，关系：μ＝1/σ²可以被满足。

图20图示了将输入图像分离成构架成分和残差成分的有关的图像处理设备1000的框图。

图像处理设备1000包括局部变化量计算单元1001、过滤器权值计算单元1002、过滤器系数计算单元1003、过滤执行单元1004、残差成分计算单元1005、控制单元1006、开关1007、开关1008和存储器1009。

输入图像f从输入缓冲器被输入到开关1007和存储器1009。

控制单元1006使用微计算机等而被配置并且执行存储的程序以控制相应的单元。控制单元1006包括存储过滤次数的计数器变量k。在输入图像从输入缓冲器被输入时，控制单元1006将计数器k重置成k＝0、切换开关1007以向局部变化量计算单元1001和过滤执行单元10054输出该输入图像f作为初始构架图像u⁽⁰⁾，并且切换开关1007。然后，控制单元1006向局部变化量计算单元1001和过滤执行单元1004输出不是从输入缓冲器、而是从开关1008接收的图像。

控制单元1006监视过滤执行单元1004并且在过滤完成时将过滤数目计数器k增加1。然后，控制单元1006比较k和最大重复数目k_max、在k小于最大重复数目k_max时切换开关1008以便向开关1007输出图像，并且在k已经达到最大重复数目k_max时切换开关1008以便向残差成分计算单元1005输出图像作为构架成分u。

开关1007和开关1008根据控制单元1006的控制而被切换。

存储器1009存储输入图像f。

局部变化量计算单元1001从开关接收图像u^(k)并且基于以上等式(4)计算局部变化量向过滤器权值计算单元1002输出通过计算而获得的局部变化量

过滤器权值计算单元1002从局部变化量计算单元1001接收局部变化量并且计算由以上等式(5)代表的过滤器权值w_αβ(u)。向过滤器系数计算单元1003输出通过计算而获得的过滤器权值w_αβ(u)。

过滤器系数计算单元1003从过滤器系数计算单元1001接收过滤器权值w_αβ(u)并且分别基于以上等式(6)和(7)计算过滤器系数h_αα和h_αβ。向过滤执行单元1004输出通过计算而获得的过滤器系数h_αα和h_αβ。

过滤执行单元1004从存储器1009读取输入图像u⁽⁰⁾、从开关接收图像u^(k)作为过滤目标以及从过滤系数计算单元1003接收过滤系数数h_αα和h_αβ并且基于以上等式(8)计算在k+1次过滤之后的图像u^(k+1)。向开关1008输出通过计算而获得的在k+1次过滤之后的图像u^(k+1)。

残差成分计算单元1005从存储器1009接收输入图像u⁽⁰⁾并且从开关1008接收构架成分u，并且从等式(2)的关系获得残差成分v。向输出缓冲器输出获得的残差成分v。

引用列表

非专利文献

NPL 1：L.Rudin，S.Osher，and E.Fatemi，″Nonlinear totalvariation based noise removal algorithms，"Physic D，vol.60，pp.259-268，1992.

NPL 2：Chan，T.F.，Osher，S.，Shen，J.，″The digital TV filter andnonlinear denoising，"Image Processing，IEEE Transactions on，vol.10，no.2，pp.231-241，Feb 2001.

NPL 3：Yan，Luxin；Fang，Houzhang；Zhong，Sheng，“Blind imagedeconvolution with spatially adaptive total variation regularization”，Optics Letters，vol.37，issue 14，p.2778

发明内容

TV方法基于局部变化量来确定过滤器系数，但是难以基于局部变化量辨别在由于边缘所致的局部变化量与由于噪声振动所致的局部变化量之间的差。这使得关于如下边缘未满足h_αα≈1，在该边缘中，在相邻像素之间的像素值的变化量相对小，并且因此产生出现略微模糊的问题。另外，TV方法是重复处理，并且因此随着重复进展，这样的模糊变得更引人注意。

换而言之，TV方法具有对于像素值的变化量相对小的状态提高边缘存储性能的问题。

作为一种用于在TV方法中的边缘存储的方法，存在如在NPL 3中公开的如下方法，在该方法中，保真度参数μ适应图像的空间特征。这一方法通过增加保真度参数μ从而使得在边缘存在时满足h_αα≈1来防止模糊。然而，这一情况等效于其中未向边缘上的像素应用过滤的情况，并且因此存在在边缘周围的噪声保留的问题。

因此，已经鉴于以上问题而做出了本发明，并且其目的是提供一种能够有效地消除噪声而保留其中像素值的变化量相对小的边缘的图像处理方法、图像处理设备和图像处理程序。

对问题的解决方案

根据本发明的一个方面的一种图像处理方法，该方法将输入图像分离成包括边缘成分和平坦成分的构架成分、以及由在输入图像与构架成分之间的差表达的残差成分，该方法包括：计算局部变化量，局部变化量是在目标像素和与目标像素相邻的像素之间的变化量；基于局部变化量来计算构架成分提取过滤器权值；计算在目标像素的周围的像素值的梯度方向的图像特征量和在目标像素的周围的像素值的梯度强度的图像特征量；基于梯度方向上的图像特征量和梯度强度的图像特征量来校正构架成分提取过滤器权值；基于经校正的构架成分提取过滤器权值来计算构架成分提取过滤器系数；以及通过使用计算出的构架成分提取过滤器系数向目标像素应用构架成分提取过滤来提取构架成分。

根据本发明的一个方面的一种图像处理设备，该设备将输入图像分离成包括边缘成分和平坦成分的构架成分、以及由在输入图像与构架成分之间的差表达的残差成分，该设备包括：局部变化量计算单元，其被配置为计算局部变化量，局部变化量是在目标像素和与目标像素相邻的像素之间的变化量；构架成分提取过滤器权值计算单元，其被配置为基于局部变化量来计算构架成分提取过滤器权值；图像特征量计算单元，其被配置为计算在目标像素的周围的像素值的梯度方向的图像特征量和在目标像素的周围的像素值的梯度强度的图像特征量；构架成分提取过滤器权值校正单元，其被配置为基于梯度方向上的图像特征量和梯度强度的图像特征量来校正构架成分提取过滤器权值；构架成分提取过滤器系数计算单元，其被配置为基于经校正的构架成分提取过滤器权值来计算构架成分提取过滤器系数；以及构架成分提取过滤执行单元，其被配置为通过使用计算出的构架成分提取过滤器系数向目标像素应用构架成分提取过滤来提取构架成分。

根据本发明的一个方面的一种图像处理程序，该图像处理将输入图像分离成包括边缘成分和平坦成分的构架成分、以及由在输入图像与构架成分之间的差表达的残差成分，该程序使计算机执行：局部变化量计算处理，用于计算局部变化量，局部变化量是在目标像素和与目标像素相邻的像素之间的变化量；构架成分提取过滤器权值计算处理，用于基于局部变化量来计算构架成分提取过滤器权值；图像特征量计算处理，用于计算在目标像素的周围的像素值的梯度方向的图像特征量和在目标像素的周围的像素值的梯度强度的图像特征量；构架成分提取过滤器权值校正处理，用于基于梯度方向上的图像特征量和梯度强度的图像特征量来校正构架成分提取过滤器权值；构架成分提取过滤器系数计算处理，用于基于经校正的构架成分提取过滤器权值来计算构架成分提取过滤器系数；以及构架成分提取过滤执行处理，用于通过使用计算出的构架成分提取过滤器系数向目标像素应用构架成分提取过滤来提取构架成分。

本发明的有利效果

根据本发明，可以有效地消除噪声而保留其中像素值的变化量相对小的边缘。

附图说明

[图1]图1是用于本发明的一个示例性实施例的图像处理方法的框图。

[图2]图2是用于图示成分分离单元12的框图。

[图3]图3是用于图示构架成分提取单元22的框图。

[图4]图4是用于图示构架成分提取单元22的相应的处理单元的操作的流程图。

[图5]图5是在图像的每个区域与梯度协方差矩阵的特征对之间的关系的概念图。

[图6]图6是用于图示八个方向的方向矢量的示图。

[图7]图7是拐角中的过滤器系数的校正量计算的概念图。

[图8]图8是边缘中的过滤器系数的校正量计算的概念图。

[图9]图20是本发明的第一示例性实施例的图像处理设备2000的框图。

[图10]图10是用于图示随机噪声的示图。

[图11]图11是图示了信号温和地改变的区域中的TV范数的示图。

[图12]图12是图示了包括边缘的区域中的TV范数的示图。

[图13]图13是图示了包括振动成分的区域中的TV范数的示图。

[图14]图14是用于图示TV方法的示图。

[图15]图15是有关的图像处理方法的框图。

[图16]图16是用于图示成分分离装置11的框图。

[图17]图17是用于图示构架成分提取装置21的框图。

[图18]图18是用于图示构架成分提取装置21的相应的处理单元的操作的流程图。

[图19]图19描绘了用于图示像素位置α的邻居像素位置的示例的示图。

[图20]图20是有关的图像处理设备1000的框图。

具体实施方式

现在将描述本发明的一个示例性实施例。

图1图示了本发明的示例性实施例的图像处理方法的框图。

本发明的第一示例性实施例的图像处理方法包括成分分离装置12。

输入图像f被输入到成分分离装置12，并且构架成分u和残差成分v被输出。

图2图示了用于图示本发明的第一示例性实施例的图像处理方法的成分分离装置12的框图。

成分分离装置12包括构架成分提取装置22和残差成分计算装置31。

构架成分提取装置22接收输入图像f并且使用基于稍后将描述的图4的流程图的方法来获得构架成分u。向残差成分计算装置31输出获得的构架成分u。

残差成分计算装置31接收输入图像f和从构架成分提取装置21输出的构架成分u并且基于等式(2)的关系从关系v＝f-u确定残差成分v。

图3是用于图示本发明的示例性实施例的图像处理方法的构架成分提取装置22的框图。

构架成分提取装置22以与构架成分提取装置21相同的方式包括局部变化量计算装置101、过滤器权值计算装置102、过滤器系数计算装置103和过滤执行装置104，并且除此之外还包括图像特征量计算单元201和过滤器权值校正单元202。

接着，以下将参照图4的流程图描述构架成分提取装置22的相应的处理单元的操作。

初始地，以与构架成分提取装置21相同的方式，作为初始设置，用于存储重复数目的计数器变量k被设置为k＝0。另外，输入图像f被设置为初始构架图像u⁽⁰⁾(步骤S1)。

局部变化量计算装置101通过与常规构架成分提取装置21相同的操作基于等式(4)计算局部变化量(步骤S2)并且向过滤器权值计算装置102输出计算出的量。

过滤器权值计算装置102通过与构架成分提取装置21相同的操作计算由等式(5)代表的过滤器权值w_αβ(u)(步骤S3)。与构架成分提取装置21不同，过滤器权值计算装置102向过滤器权值校正装置202输出通过计算而获得的过滤器权值w_αβ(u)。

图像特征量计算装置201接收在k次过滤之后的图像u^(k)并且计算由以下等式(9)代表的梯度协方差矩阵M的每个特征对(特征值和特征矢量)作为图像特征量(步骤S8)。特征值对应于在目标像素的周围的像素值的梯度强度，并且特征矢量对应于在目标像素的周围的像素值的梯度方向。向过滤器权值校正装置202输出获得的每个特征对作为图像特征量。

$M=\left(\begin{array}{cc}{G}_{\mathrm{\σ}}\left({\left(\frac{\∂I}{\∂x}\right)}^2\right)& G_{\mathrm{\σ}}\left(\frac{\∂I}{\∂x}\frac{\∂I}{\∂y}\right)\\ G_{\mathrm{\σ}}\left(\frac{\∂I}{\∂x}\frac{\∂I}{\∂y}\right)& G_{\mathrm{\σ}}\left({\left(\frac{\∂I}{\∂y}\right)}^2\right)\end{array}\right)---\left(9\right)$

在等式(9)中，代表图像在水平方向上的梯度，代表在竖直方向上的梯度，并且G_σ(·)代表高斯函数对标准偏差σ的平滑。这一矩阵M的特征值被表示为λ₀和λ₁(λ₀≥λ₁)，并且与相应的特征值对应的特征矢量被表示为e₀和e₁。已知矩阵M的特征值具有以下属性。

1.在λ₀和λ₁各自具有相对大的值时，目标像素在拐角上。

2.在λ₀具有相对大的值并且λ₁≈0时，目标像素被包括在边缘区域中。

3.在λ₀≈0并且λ₁≈0时，目标像素被包括在平坦区域上。

图5图示了在图像的每个区域与梯度协方差矩阵M的特征对之间的关系的概念图。

根据梯度协方差矩阵M的特征值的属性，在两个特征值均为大作为图5中的特征矢量(a)时，目标像素在拐角上，并且因此为了维持图像的锐度，不希望在任何方向上执行用于目标像素的低通滤波。换而言之，假设过滤执行装置104的过滤器系数是在对初始图像和通过向初始图像应用预定处理而获得的图像的加权相加时使用的过滤器系数，则更佳的是过滤器权值校正装置202校正过滤执行装置104的权值，从而使得用于初始图像的过滤器系数随着梯度强度增加而增加(从而使得初始图像变得主导)。

在特征值之一为大而另一个为小作为图5中的特征矢量(b)时，目标像素位于边缘上，并且因此对于特征矢量的与大特征值对应的方向(即，穿过边缘的方向)不执行低通滤波，而对于特征矢量的与小特征值对应的方向(即，沿着边缘的方向)执行低通滤波。换而言之，假设过滤执行装置104的过滤器系数是在对初始图像和通过向初始图像应用预定处理而获得的图像的加权相加时使用的过滤器系数，则更佳的是过滤器权值校正装置202校正过滤执行装置104的权值，从而使得随着在梯度方向上的梯度强度增加，用于初始图像的过滤器系数在该方向上增加，或者备选地，随着在梯度方向上的梯度强度减少，用于初始图像的过滤器系数在该方向上减少。

在两个特征值均为小作为图5中的特征矢量(c)时，目标像素未位于图像中的特征区域中，并且因此可以对于方向中的任何方向执行低通滤波。换而言之，假设过滤执行装置104的过滤器系数是在对初始图像和通过向初始图像应用预定处理而获得的图像的加权相加时使用的过滤器系数，则更佳的是过滤器权值校正装置202校正过滤执行装置104的权值，从而使得用于初始图像的过滤器系数随着梯度强度减少而增加。

过滤器权值校正装置202从局部变化量计算装置101接收局部变化量并且从图像特征量计算装置101接收等式(9)的矩阵M的特征对λ₀、λ₁、e₀、e₁作为图像特征量，并且基于梯度协方差矩阵的特征值的以上描述的属性校正等式(5)的过滤器权值w_αβ(u)作为以下等式(10)的w’_αβ(u)(步骤9)。向过滤器系数计算装置103输出通过校正而获得的过滤器权值w’_αβ(u)。

${w^{\′}}_{\mathrm{\α}\mathrm{\β}}\left(u\right)=\frac{1}{\left(\right|{\mathrm{\λ}}_0{e}_0^T{d}_{\mathrm{\β}-\mathrm{\α}}|+|{\mathrm{\λ}}_1{e}_1^T{d}_{\mathrm{\β}-\mathrm{\α}}|+\mathrm{\ϵ})}{w}_{\mathrm{\α}\mathrm{\β}}\left(u\right)---\left(10\right)$

ε用于防止除以0。d_β-α指示在从目标像素位置α查看时的像素位置β方向矢量并且由以下等式(11)代表。

$d_{\mathrm{\β}-\mathrm{\α}}=\frac{\mathrm{\β}-\mathrm{\α}}{\left|\right|\mathrm{\β}-\mathrm{\α}\left|\right|}---\left(11\right)$

例如，在考虑八邻居像素作为图10中的模式(b)时，如图6中那样定义八个方向的矢量。倾斜方向(45度、135度、225度和315度)被归一化，从而使得每个范数被设置为1。

图7是拐角中的过滤器系数的校正量计算的概念图。箭头1指示通过向一个方向矢量上投影λ₀e₀而获得的箭头并且箭头2指示通过向一个方向矢量上投影λ₁e₁而获得的箭头。在拐角中，λ₀和λ₁各自具有大值，并且因此在八个邻居的每个方向上，|λ₀e₀ ^Td_β-α|+|λ₁e₁ ^Td_β-α|的值增加。换而言之，由等式(10)代表的过滤器系数减少。因此，在拐角中，等式(8)的第二项(h_αα(u)u_α ⁽⁰⁾)变成主导，并且因此未生成模糊。

图8是用于边缘中的过滤器系数的校正量计算的概念图。在拐角中，λ₀具有大值并且λ₁具有相对小的值。由于λ₀具有大值，所以对于除了e₀与之正交的方向(即，e₁的方向)之外的方向，|λ₀e₀ ^Td_β-α|增加。换而言之，由等式(10)代表的过滤器系数值减少。对于与e₀与之正交的方向(即，e₁的方向)接近的方向(图8的45°方向)，|λ₀e₀ ^Td_β-α|≈0被满足，并且由于λ₁也具有相对小的值，所以|λ₁e₁ ^Td_β-α|≈0被满足。因此，对于与e₁接近的方向，由等式(10)代表的过滤器系数值增加，并且然后执行低通滤波。

最后，对于平坦区域，λ₀≈0并且λ₁≈0。因此，对于任何方向，|λ₀e₀ ^Td_β-α|+|λ₁e₁ ^Td_β-α|≈0被满足，并且因此对于所有方向执行低通滤波。

过滤器系数计算装置103从权值校正装置202接收作为经校正的过滤器权值w_αβ的过滤器权值w’_αβ(u)并且使用过滤器权值w’_αβ(u)而不是过滤器权值w_αβ来分别基于等式(6)和(7)计算过滤器系数h_αα和h_αβ(步骤S4)。向过滤执行装置104输出通过计算而获得的过滤器系数h_αα和h_αβ。

过滤执行装置104接收输入图像u⁽⁰⁾和作为过滤目标的图像u^(k)以及从过滤系数计算装置103接收过滤器系数h_αα和h_αβ、基于等式(8)计算在k+1次过滤之后的图像u^(k+1)(步骤S5)，并且将计数器k增加1(步骤S6)。

然后，比较k和最大重复数目k_max，并且在k小于最大重复数目k_max时，对于下一重复计算，向局部变化量计算装置101和过滤执行装置104输出在过滤之后的图像，并且继续处理。在k已经达到最大重复数目k_max时，输出图像作为构架成分u(步骤S7)。

注意，在图4的流程图中，步骤S8的图像特征量计算跟随步骤S2的局部变化量计算和步骤S3的过滤器权值计算，但是可以在步骤S1的初始设置和步骤S9的过滤器权值校正之前的任何别处被执行。

等式(10)基于通过向相邻像素方向上投影梯度协方差矩阵M的特征对而获得的值的倒数来计算过滤器权值w’_αβ(u)，但是作为相同技术思想的一个示例可以如在以下等式(12)中那样被形成为函数并且也可以如在等式(13)中那样被扩展。

${w^{\′}}_{\mathrm{\α}\mathrm{\β}}\left(u\right)=F\left(\right|{\mathrm{\λ}}_0{e}_0^T{d}_{\mathrm{\β}-\mathrm{\α}}|+|{\mathrm{\λ}}_1{e}_1^T{d}_{\mathrm{\β}-\mathrm{\α}}\left|\right)\×w_{\mathrm{\α}\mathrm{\β}}\left(u\right)---\left(12\right)$

$F\left(x\right)=\left\{\begin{array}{cc}{\mathrm{\&tau;}}_{Min},& \frac{1}{\mathrm{\&rho;}x+\mathrm{\&epsiv;}}<{\mathrm{\&tau;}}_{Min}\\ {\mathrm{\&tau;}}_{Max},& \frac{1}{\mathrm{\&rho;}x+\mathrm{\&epsiv;}}>{\mathrm{\&tau;}}_{Max}\\ \frac{1}{\mathrm{\&rho;}x+\mathrm{\&epsiv;}},& otherwise\end{array}\right.---\left(13\right)$

Otherwise：否则

在等式(13)的示例中，为了防止过滤器系数值被过分地校正，设置校正上限值和下限值。另外，经由与参数ρ相乘来调整校正的强度。

以这一方式，在本发明的示例性实施例中，基于在目标像素的周围的像素值的梯度方向和梯度强度这两个图像特征量，在最优过滤方向上执行低通滤波。使用在本发明的示例性实施例中描述的图像处理方法使得有可能有效地消除噪声而保留其中像素值的变化量相对小的边缘。

图9图示了本发明的示例性实施例的图像处理设备2000的框图。

本发明的示例性实施例的图像处理设备2000以与图像处理设备1000相同的方式包括局部变化量计算单元1001、过滤器权值计算单元1002、过滤器系数计算单元1003、过滤执行单元1004、残差成分计算单元1005、控制单元1006、开关1007、开关1008和存储器1009，并且除此之外新包括图像特征量计算单元2001和过滤器权值校正单元2002。

输入图像f从输入缓冲器被输入到开关1007和存储器1009。

控制单元1006以与图像处理设备1000相同的方式操作。然而，开关1007被控制，从而使得除了局部变化量计算单元1001和过滤执行单元1004之外还向图像特征量计算单元2001新输出图像u^(k)。

过滤器权值计算单元1002从局部变化量计算单元1001接收局部变化量并且计算由以上等式(5)代表的过滤器权值w_αβ(u)。向过滤器权值校正单元2002输出通过计算而获得的过滤器权值w_αβ(u)。

图像特征量计算单元2001从开关1007接收图像u^(k)并且计算由以上表达式(9)代表的梯度协方差矩阵M的每个特征对(特征值和特征矢量)作为图像特征量。向过滤器权值校正单元202输出获得的特征对作为图像特征量。

过滤器权值校正单元2002从过滤器权值计算单元1002接收过滤器权值w_αβ(u)并且从图像特征量计算单元2001接收图像特征量，并且校正过滤器权值w_αβ(u)作为以上等式(10)的w’_αβ(u)。向过滤器系数计算单元1003输出通过校正而获得的过滤器权值w’_αβ(u)。

过滤器系数计算单元1003从过滤器权值校正单元2002接收过滤器权值w’_αβ(u)并且分别基于以上等式(6)和(7)计算过滤器系数h_αα和h_αβ。向过滤执行单元1004输出通过计算而获得的过滤器系数h_αα和h_αβ。

局部变化量计算单元1001、过滤执行单元1004、残差成分计算单元1005、开关1007、开关1008和存储器1009的操作与图像处理设备1000中相同，因此将省略其描述。

如以上描述的那样，根据本发明的示例性实施例，基于在目标像素的周围的像素值的梯度方向和梯度强度这两个图像特征量、在最优过滤方向上执行低通滤波，并且因此可以有效地消除噪声而保留其中像素值的变化量相对小的边缘。

如也从以上描述清楚的那样，相应的单元可以用硬件而被配置，但是可以由计算机程序实现。在这一情况下，通过在程序存储器上存储的程序而操作的处理器实现与示例性实施例中相同的功能和操作。以上描述的示例实施例的仅部分功能可以由计算机程序实现。

可以如在以下补充备注中那样描述示例性实施例的部分或者全部，但是本发明不限于此。

(补充备注1)

一种图像处理方法，该图像处理方法将输入图像分离成包括边缘成分和平坦成分的构架成分、以及利用由在输入图像与构架成分之间的差表达的残差成分，该方法包括：

计算局部变化量，局部变化量是在目标像素和与目标像素相邻的像素之间的变化量；

基于局部变化量来计算构架成分提取过滤器权值；

计算在目标像素的周围的像素值的梯度方向的图像特征量和在目标像素的周围的像素值的梯度强度的图像特征量；

基于梯度方向上的图像特征量和梯度强度的图像特征量来校正构架成分提取过滤器权值；

基于经校正的构架成分提取过滤器权值来计算构架成分提取过滤器系数；以及

通过使用计算出的构架成分提取过滤器系数向目标像素应用构架成分提取过滤来提取构架成分。

(补充备注2)根据补充备注1的图像处理方法，其中：

构架成分提取过滤器系数是在对初始图像和通过向初始图像应用预定处理而获得的图像的加权相加时使用的过滤器系数，以及

校正构架成分提取过滤器权值包括校正构架成分提取过滤器权值，从而使得随着梯度强度增大，用于初始图像的过滤器系数增大。

(补充备注3)根据补充备注1的图像处理方法，其中：

构架成分提取过滤器系数是在对初始图像和通过向初始图像应用预定处理而获得的图像的加权相加时使用的过滤器系数，以及

校正构架成分提取过滤器权值包括校正构架成分提取过滤器权值，从而使得随着梯度强度减小，用于初始图像的过滤器系数减小。

(补充备注4)根据补充备注1的图像处理方法，其中：

构架成分提取过滤器系数是在对初始图像和通过向初始图像应用预定处理而获得的图像的加权相加时使用的过滤器系数，以及

校正构架成分提取过滤器权值包括校正构架成分提取过滤器权值，从而使得随着梯度方向上的梯度强度增大，用于初始图像的过滤器系数在该方向上增大。

(补充备注5)根据补充备注1的图像处理方法，其中：

构架成分提取过滤器系数是在对初始图像和通过向初始图像应用预定处理而获得的图像的加权相加时使用的过滤器系数，以及

校正构架成分提取过滤器权值包括校正构架成分提取过滤器权值，从而使得随着梯度方向上的梯度强度减小，用于初始图像的过滤器系数在该方向上减小。

(补充备注6)根据补充备注1至5中的任一补充备注的图像处理方法，还包括：

在基于梯度方向上的图像特征量和梯度强度的图像特征量而计算出的构架成分提取过滤器权值的校正量多于或者少于预定阈值时，将校正量设置为预定值。

(补充备注7)根据补充备注6的图像处理方法，还包括：

确定构架成分提取过滤器权值的校正量的上限值和下限值；在基于梯度方向上的图像特征量和梯度强度的图像特征量而计算出的构架成分提取过滤器权值的校正量多于第一阈值时、构架成分提取过滤器权值的校正量被设置为上限；并且在基于梯度方向上的图像特征量和梯度强度的图像特征量而计算出的构架成分提取过滤器权值的校正量少于第二阈值时、构架成分提取过滤器权值的校正量被设置为下限。

(补充备注8)根据补充备注1至7中的任一补充备注的图像处理方法，还包括：

使用构架成分作为输入图像来将过滤重复预定次数。

(补充备注9)一种图像处理设备，该图像处理设备将输入图像分离成包括边缘成分和平坦成分的构架成分、以及利用由在输入图像与构架成分之间的差表达的残差成分，该设备包括：

局部变化量计算单元，该局部变化量计算单元计算局部变化量，局部变化量是在目标像素和与目标像素相邻的像素之间的变化量；

构架成分提取过滤器权值计算单元，该构架成分提取过滤器权值计算单元基于局部变化量来计算构架成分提取过滤器权值；

图像特征量计算单元，该图像特征量计算单元计算在目标像素的周围的像素值的梯度方向的图像特征量和在目标像素的周围的像素值的梯度强度的图像特征量；

构架成分提取过滤器权值校正单元，该构架成分提取过滤器权值校正单元基于梯度方向上的图像特征量和梯度强度的图像特征量来校正构架成分提取过滤器权值；

构架成分提取过滤器系数计算单元，改构架成分提取过滤器系数计算单元基于经校正的构架成分提取过滤器权值计算构架成分提取过滤器系数；以及

构架成分提取过滤执行单元，该构架成分提取过滤执行单元通过使用计算出的构架成分提取过滤器系数向目标像素应用构架成分提取过滤来提取构架成分。

(补充备注10)根据补充备注9的图像处理设备，其中：

构架成分提取过滤器系数是在对初始图像和通过向初始图像应用预定处理而获得的图像的加权相加时使用的过滤器系数，以及

构架成分提取过滤器权值校正单元校正构架成分提取过滤器权值，从而使得随着梯度强度增大，用于初始图像的过滤器系数增大。

(补充备注11)根据补充备注9的图像处理设备，其中：

构架成分提取过滤器系数是在对初始图像和通过向初始图像应用预定处理而获得的图像的加权相加时使用的过滤器系数，以及

构架成分提取过滤器权值校正单元校正构架成分提取过滤器权值，从而使得随着梯度强度减小，用于初始图像的过滤器系数减小。

(补充备注12)根据补充备注9的图像处理设备，其中：

构架成分提取过滤器系数是在对初始图像和通过向初始图像应用预定处理而获得的图像的加权相加时使用的过滤器系数，以及

构架成分提取过滤器权值校正单元校正构架成分提取过滤器权值，从而使得随着梯度方向上的梯度强度增大，用于初始图像的过滤器系数在该方向上增大。

(补充备注13)根据补充备注9的图像处理设备，其中：

构架成分提取过滤器系数是在对初始图像和通过向初始图像应用预定处理而获得的图像的加权相加时使用的过滤器系数，以及

构架成分提取过滤器权值校正单元校正构架成分提取过滤器权值，从而使得随着梯度方向上的梯度强度减小，用于初始图像的过滤器系数在该方向上减小。

(补充备注14)根据补充备注9至13中的任一补充备注的图像处理设备，其中：

构架成分提取过滤器权值校正单元在基于梯度方向上的图像特征量和梯度强度的图像特征量而计算出的构架成分提取过滤器权值的校正量多于或者少于预定阈值时，将校正量设置为预定值。

(补充备注15)根据补充备注14的图像处理设备，其中：

构架成分提取过滤器权值校正单元存储构架成分提取过滤器权值的校正量的上限值和下限值，在基于梯度方向上的图像特征量和梯度强度的图像特征量而计算出的构架成分提取过滤器权值的校正量多于第一阈值时、将构架成分提取过滤器权值的校正量设置为上限，并且在基于梯度方向上的图像特征量和梯度强度的图像特征量而计算出的构架成分提取过滤器权值的校正量少于第二阈值时、将构架成分提取过滤器权值的校正量设置为下限。

(补充备注16)根据补充备注9至15中的任一补充备注的图像处理设备，其中：

从构架成分提取过滤执行单元输出的构架成分被用作输入图像，并且

局部变化量计算单元、构架成分提取过滤器权值计算单元、图像特征量计算单元、权值校正单元、构架成分提取过滤器系数计算单元和构架成分提取过滤执行单元各自将对应处理重复预定次数。

(补充备注17)一种图像处理的程序，该图像处理将输入图像分离成包括边缘成分和平坦成分的构架成分、以及利用由在输入图像与构架成分之间的差表达的残差成分，该程序使计算机执行：

局部变化量计算处理，用于计算局部变化量，局部变化量是在目标像素和与目标像素相邻的像素之间的变化量；

构架成分提取过滤器权值计算处理，用于基于局部变化量来计算构架成分提取过滤器权值；

图像特征量计算处理，用于计算在目标像素的周围的像素值的梯度方向的图像特征量和在目标像素的周围的像素值的梯度强度的图像特征量；

构架成分提取过滤器权值校正处理，用于基于梯度方向上的图像特征量和梯度强度的图像特征量来校正构架成分提取过滤器权值；

构架成分提取过滤器系数计算处理，用于基于经校正的构架成分提取过滤器权值来计算构架成分提取过滤器系数；以及

构架成分提取过滤执行处理，用于通过使用计算出的构架成分提取过滤器系数向目标像素应用构架成分提取过滤来提取构架成分。

(补充备注18)根据补充备注17的程序，其中：

构架成分提取过滤器系数是在对初始图像和通过向初始图像应用预定处理而获得的图像的加权相加时使用的过滤器系数，以及

构架成分提取过滤器权值校正处理校正构架成分提取过滤器权值，从而使得随着梯度强度增大，用于初始图像的过滤器系数增大。

(补充备注19)根据补充备注17的程序，其中：

构架成分提取过滤器系数是在对初始图像和通过向初始图像应用预定处理而获得的图像的加权相加时使用的过滤器系数，以及

构架成分提取过滤器权值校正处理校正构架成分提取过滤器权值，从而使得随着梯度强度减小，用于初始图像的过滤器系数减小。

(补充备注20)根据补充备注17的程序，其中：

构架成分提取过滤器系数是在对初始图像和通过向初始图像应用预定处理而获得的图像的加权相加时使用的过滤器系数，以及

构架成分提取过滤器权值校正处理校正构架成分提取过滤器权值，从而使得随着梯度方向上的梯度强度增大，用于初始图像的过滤器系数在该方向上增大。

(补充备注21)根据补充备注17的程序，其中：

构架成分提取过滤器系数是在对初始图像和通过向初始图像应用预定处理而获得的图像的加权相加时使用的过滤器系数，以及

构架成分提取过滤器权值校正处理校正构架成分提取过滤器权值，从而使得随着梯度方向上的梯度强度减小，用于初始图像的过滤器系数在该方向上减小。

(补充备注22)根据补充备注17至21中的任一补充备注的程序，其中：

构架成分提取过滤器权值校正处理在基于梯度方向上的图像特征量和梯度强度的图像特征量而计算出的构架成分提取过滤器权值的校正量多于或者少于预定阈值时，将校正量设置为预定值。

(补充备注23)根据补充备注22的程序，其中：

构架成分提取过滤器权值校正处理存储构架成分提取过滤器权值的校正量的上限值和下限值，在基于梯度方向上的图像特征量和梯度强度的图像特征量而计算出的构架成分提取过滤器权值的校正量多于第一阈值时、将构架成分提取过滤器权值的校正量设置为上限，并且在基于梯度方向上的图像特征量和梯度强度的图像特征量而计算出的构架成分提取过滤器权值的校正量少于第二阈值时、将构架成分提取过滤器权值的校正量设置为下限。

(补充备注24)根据补充备注17至23中的任一补充备注的程序，其中：

使用由构架成分提取过滤执行处理输出的构架成分作为输入图像，以及

将局部变化量计算处理、构架成分提取过滤器权值计算处理、图像特征量计算处理、权值校正处理、构架成分提取过滤器系数计算处理和构架成分提取过滤执行处理重复预定次数。

已经参照优选示例性实施例描述了本发明，但是本发明未必限于此并且因此可以在它的技术思想的范围内经受各种修改并且被实现。

本申请基于通过引用将其公开内容整体结合于此、提交于2013年2月18日的第2013-28876号日本专利申请并且要求来自该日本专利申请的优先权。

标号列表

1    图像处理方法

2    图像处理方法

11      成分分离装置

21      构架成分提取装置

22      构架成分提取装置

31      残差成分计算装置

101  局部变化量计算装置

102  过滤器权值计算装置

103  过滤器系数计算装置

104  过滤执行装置

201  图像特征量计算单元

202  过滤器权值校正单元

1000 图像处理设备

1001 局部变化量计算单元

1002 过滤器权值计算单元

1003 过滤器系数计算单元

1004 过滤执行单元

1005 残差成分计算单元

1006 控制单元

1007 开关

1008 开关

1009 存储器

2000 图像处理设备

2001 图像特征量计算单元

2002 过滤器权值校正单元

Claims (18)

1.一种图像处理方法，所述图像处理方法将输入图像分离成包括边缘成分和平坦成分的构架成分、以及由在所述输入图像与所述构架成分之间的差表达的残差成分，所述方法包括：

计算局部变化量，所述局部变化量是在目标像素和与所述目标像素相邻的像素之间的变化量；

基于所述局部变化量来计算构架成分提取过滤器权值；

计算在所述目标像素的周围的像素值的梯度方向的图像特征量和在所述目标像素的所述周围的所述像素值的梯度强度的图像特征量；

基于所述梯度方向上的所述图像特征量和所述梯度强度的所述图像特征量来校正所述构架成分提取过滤器权值；

基于经校正的所述构架成分提取过滤器权值来计算构架成分提取过滤器系数；以及

通过使用计算出的所述构架成分提取过滤器系数向所述目标像素应用构架成分提取过滤来提取所述构架成分。

2.根据权利要求1所述的图像处理方法，其中：

所述构架成分提取过滤器系数是在对初始图像和通过向所述初始图像应用预定处理而获得的图像的加权相加时使用的过滤器系数，以及

校正所述构架成分提取过滤器权值包括校正所述构架成分提取过滤器权值，从而使得随着所述梯度强度增大，用于所述初始图像的过滤器系数增大。

3.根据权利要求1所述的图像处理方法，其中：

所述构架成分提取过滤器系数是在对初始图像和通过向所述初始图像应用预定处理而获得的图像的加权相加时使用的过滤器系数，以及

校正所述构架成分提取过滤器权值包括校正所述构架成分提取过滤器权值，从而使得随着所述梯度强度减小，用于所述初始图像的过滤器系数减小。

4.根据权利要求1所述的图像处理方法，其中：

所述构架成分提取过滤器系数是在对初始图像和通过向所述初始图像应用预定处理而获得的图像的加权相加时使用的过滤器系数，以及

校正所述构架成分提取过滤器权值包括校正所述构架成分提取过滤器权值，从而使得随着所述梯度方向上的所述梯度强度增大，用于所述初始图像的过滤器系数在所述方向上增大。

5.根据权利要求1所述的图像处理方法，其中：

所述构架成分提取过滤器系数是在对初始图像和通过向所述初始图像应用预定处理而获得的图像的加权相加时使用的过滤器系数，以及

校正所述构架成分提取过滤器权值包括校正所述构架成分提取过滤器权值，从而使得随着所述梯度方向上的所述梯度强度减小，用于所述初始图像的过滤器系数在所述方向上减小。

6.根据权利要求1至5中的任一权利要求所述的图像处理方法，还包括：

在基于所述梯度方向上的所述图像特征量和所述梯度强度的所述图像特征量而计算出的所述构架成分提取过滤器权值的校正量多于或者少于预定阈值时，将校正量设置为预定值。

7.根据权利要求6所述的图像处理方法，还包括：

确定所述构架成分提取过滤器权值的校正量的上限值和下限值；在基于所述梯度方向上的所述图像特征量和所述梯度强度的所述图像特征量而计算出的所述构架成分提取过滤器权值的所述校正量多于第一阈值时、所述构架成分提取过滤器权值的所述校正量被设置为所述上限；并且在基于所述梯度方向上的所述图像特征量和所述梯度强度的所述图像特征量而计算出的所述构架成分提取过滤器权值的所述校正量少于第二阈值时、所述构架成分提取过滤器权值的所述校正量被设置为所述下限。

8.根据权利要求1至7中的任一权利要求所述的图像处理方法，还包括：

使用所述构架成分作为所述输入图像来将所述过滤重复预定次数。

9.一种图像处理设备，所述图像处理设备将输入图像分离成包括边缘成分和平坦成分的构架成分、以及由在所述输入图像与所述构架成分之间的差表达的残差成分，所述设备包括：

局部变化量计算装置，所述局部变化量计算装置计算局部变化量，所述局部变化量是在目标像素和与所述目标像素相邻的像素之间的变化量；

构架成分提取过滤器权值计算装置，所述构架成分提取过滤器权值计算装置基于所述局部变化量来计算构架成分提取过滤器权值；

图像特征量计算装置，所述图像特征量计算装置计算在所述目标像素的周围的像素值的梯度方向的图像特征量和在所述目标像素的所述周围的所述像素值的梯度强度的图像特征量；

构架成分提取过滤器权值校正装置，所述构架成分提取过滤器权值校正装置基于所述梯度方向上的所述图像特征量和所述梯度强度的所述图像特征量来校正所述构架成分提取过滤器权值；

构架成分提取过滤器系数计算装置，所述构架成分提取过滤器系数计算装置基于经校正的所述构架成分提取过滤器权值来计算构架成分提取过滤器系数；以及

构架成分提取过滤执行装置，所述构架成分提取过滤执行装置通过使用计算出的所述构架成分提取过滤器系数向所述目标像素应用构架成分提取过滤来提取所述构架成分。

10.根据权利要求9所述的图像处理设备，其中：

所述构架成分提取过滤器系数是在对初始图像和通过向所述初始图像应用预定处理而获得的图像的加权相加时使用的过滤器系数，以及

所述构架成分提取过滤器权值校正装置校正所述构架成分提取过滤器权值，从而使得随着所述梯度强度增大，用于所述初始图像的过滤器系数增大。

11.根据权利要求9所述的图像处理设备，其中：

所述构架成分提取过滤器系数是在对初始图像和通过向所述初始图像应用预定处理而获得的图像的加权相加时使用的过滤器系数，以及

所述构架成分提取过滤器权值校正装置校正所述构架成分提取过滤器权值，从而使得随着所述梯度强度减小，用于所述初始图像的过滤器系数减小。

12.根据权利要求9所述的图像处理设备，其中：

所述构架成分提取过滤器系数是在对初始图像和通过向所述初始图像应用预定处理而获得的图像的加权相加时使用的过滤器系数，以及

所述构架成分提取过滤器权值校正装置校正所述构架成分提取过滤器权值，从而使得随着所述梯度方向上的所述梯度强度增大，用于所述初始图像的过滤器系数在所述方向上增大。

13.根据权利要求9所述的图像处理设备，其中：

所述构架成分提取过滤器系数是在对初始图像和通过向所述初始图像应用预定处理而获得的图像的加权相加时使用的过滤器系数，以及

所述构架成分提取过滤器权值校正装置校正所述构架成分提取过滤器权值，从而使得随着所述梯度方向上的所述梯度强度减小，用于所述初始图像的过滤器系数在所述方向上减小。

14.根据权利要求9至13中的任一权利要求所述的图像处理设备，其中：

所述构架成分提取过滤器权值校正装置在基于所述梯度方向上的所述图像特征量和所述梯度强度的所述图像特征量而计算出的所述构架成分提取过滤器权值的校正量多于或者少于预定阈值时，将校正量设置为预定值。

15.根据权利要求14所述的图像处理设备，其中：

所述构架成分提取过滤器权值校正装置存储所述构架成分提取过滤器权值的校正量的上限值和下限值，在基于所述梯度方向上的所述图像特征量和所述梯度强度的所述图像特征量而计算出的所述构架成分提取过滤器权值的所述校正量多于第一阈值时、将所述构架成分提取过滤器权值的所述校正量设置为所述上限，并且在基于所述梯度方向上的所述图像特征量和所述梯度强度的所述图像特征量而计算出的所述构架成分提取过滤器权值的所述校正量少于第二阈值时、将所述构架成分提取过滤器权值的所述校正量设置为所述下限。

16.根据权利要求9至15中的任一权利要求所述的图像处理设备，其中：

从所述构架成分提取过滤执行装置输出的所述构架成分被用作所述输入图像，并且

所述局部变化量计算装置、所述构架成分提取过滤器权值计算装置、所述图像特征量计算装置、所述权值校正装置、所述构架成分提取过滤器系数计算装置和所述构架成分提取过滤执行装置各自将对应处理重复预定次数。

17.一种图像处理的程序，所述图像处理将输入图像分离成包括边缘成分和平坦成分的构架成分、以及由在所述输入图像与所述构架成分之间的差表达的残差成分，所述程序使计算机执行：

局部变化量计算处理，用于计算局部变化量，所述局部变化量是在目标像素和与所述目标像素相邻的像素之间的变化量；

构架成分提取过滤器权值计算处理，用于基于所述局部变化量来计算构架成分提取过滤器权值；

图像特征量计算处理，用于计算在所述目标像素的周围的像素值的梯度方向的图像特征量和在所述目标像素的所述周围的所述像素值的梯度强度的图像特征量；

构架成分提取过滤器权值校正处理，用于基于所述梯度方向上的所述图像特征量和所述梯度强度的所述图像特征量来校正所述构架成分提取过滤器权值；

构架成分提取过滤器系数计算处理，用于基于经校正的所述构架成分提取过滤器权值来计算构架成分提取过滤器系数；以及

构架成分提取过滤执行处理，用于通过使用计算出的所述构架成分提取过滤器系数向所述目标像素应用构架成分提取过滤来提取所述构架成分。

18.根据权利要求17所述的程序，其中：

使用由所述构架成分提取过滤执行处理输出的所述构架成分作为所述输入图像，以及

将所述局部变化量计算处理、所述构架成分提取过滤器权值计算处理、所述图像特征量计算处理、所述权值校正处理、所述构架成分提取过滤器系数计算处理和所述构架成分提取过滤执行处理重复预定次数。