CN105654428A - 图像降噪方法及系统 - Google Patents
图像降噪方法及系统 Download PDFInfo
- Publication number
- CN105654428A CN105654428A CN201410648245.5A CN201410648245A CN105654428A CN 105654428 A CN105654428 A CN 105654428A CN 201410648245 A CN201410648245 A CN 201410648245A CN 105654428 A CN105654428 A CN 105654428A
- Authority
- CN
- China
- Prior art keywords
- pixel
- gray
- image
- scale value
- frequency region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明提供了一种图像降噪方法及系统,通过确定图像的高频区域与低频区域的分界阈值,以判定出图像中每个像素点属于高频区域还是低频区域,可以根据需要单独对图像的高频区域或低频区域的像素点进行降噪处理,从而解决了现有的图像降噪方法出现图像的细节部分丢失严重,图像降噪后变得模糊的问题,具有较强的自适应性,提高了图像降噪后的质量;此外,在计算每个窗口中所有像素点的灰度值之和均采用以列为单位的移位求和的方法,减少了重复计算,计算过程简单,加速了计算的速度。
Description
技术领域
本发明涉及图像降噪技术领域,特别涉及一种图像降噪方法及系统。
背景技术
数字图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响,从而导致图像的质量下降。其中,噪声的存在会造成以下影响:(1)噪声的存在影响着主观视觉效果。严重的噪声将会使图像产生变形,失去其本质数据特征。(2)噪声会降低图像数据的质量和精度,将会影响后续图像边缘检测及图像识别的准确率。
综上述内容可知噪声的存在,对后续的图像分割、特征提取、图像识别等更高层次的处理均具有直接的影响。因此,有效的抑制噪声对于图像处理有着至关重要的作用。
图像分为高频区域及低频区域,图像的高频区域是指图像的灰度在单位距离内变化较快的区域,反映为图像边缘(即细节部分),低频区域则相反,主要是图像中的平滑区域。由于图像边缘表征整幅图像的主体特征,直接冲击人的视觉,因此在图像降噪的过程中,需要较好地保留图像边缘的相关信息。
目前的图像的降噪的方法一般方法是衰减高频分量或称低通滤波的方式,但与之同时带来的负面影响是图像的细节部分也有一定的衰减,从而导致视觉效果上来看图像比处理前模糊;另外一些算法虽然降噪后图像质量较好,但是算法复杂度高、耗时多,不适用于相机中图像的实时性处理。
发明内容
本发明的目的在于提供一种图像降噪方法及系统,以解决使用现有技术中的图像降噪方法,会出现图像边缘(即细节部分)的衰减,使得处理后的图像较处理前的图像模糊,降低了图像质量的问题。
为解决上述技术问题,本发明提供一种图像降噪方法,所述图像降噪方法包括如下步骤:
S1:确定图像的高频区域与低频区域的分界阈值;
S2:根据所述分界阈值判定图像中每个像素点属于高频区域还是低频区域;
S3:单独对需要降噪区域内的像素点进行降噪处理。
可选的,在所述的图像降噪方法中,所述步骤S3中,单独对需要降噪区域内的像素点进行降噪处理,包括:
分别以需要降噪区域内的每个像素点为中心建立窗口,并以该窗口中的所有像素点的灰度值均值作为该像素点的灰度值估值;
利用每个像素点的灰度值估值替换每个像素点原有的灰度值。
可选的,在所述的图像降噪方法中,所述步骤S3中,以需要降噪区域内的每个像素点为中心所建立的窗口中所有像素点的灰度值之和除以当前建立的窗口中像素点的数量得出该窗口中的所有像素点的灰度值均值。
可选的,在所述的图像降噪方法中,所述步骤S3中,分别以需要降噪区域内的每个像素点为中心建立窗口时,水平向右移动一列前一像素点的窗口以形成下一个像素点的窗口。
可选的,在所述的图像降噪方法中,所述步骤S3中建立的每个窗口均为大小相同的正方形。
可选的,在所述的图像降噪方法中,所述步骤S1包括如下步骤:
统计整幅图像中相邻像素点的灰度值的梯度差,并创建图像的灰度值的梯度差的直方图;其中,所述直方图的横坐标为灰度值的梯度差,所述直方图的纵坐标为占用百分比,所述占用百分比为不同灰度值的梯度差所涉及的像素点占整幅图像中所有像素点的百分比;
预设一阈值百分比;
从所述直方图的横坐标中最小的灰度值的梯度差对应的纵坐标的占用百分比开始累加,直至累加的占用百分比之和等于预设的所述阈值百分比;
将最后一个累加的纵坐标的占用百分比所对应的灰度值的梯度差,作为图像的高频区域与低频区域的分界阈值。
可选的,在所述的图像降噪方法中,所述步骤S2中,判断当前像素点属于高频区域还是低频区域时,分别计算当前像素点及与其相邻的一像素点的灰度值及两者灰度值的差值;当所述两者灰度值的差值的绝对值大于所述分界阈值时,则当前的像素点属于高频区域;当两者灰度值的差值的绝对值小于所述分界阈值时,则当前的像素点属于低频区域。
本发明还提供一种图像降噪系统,所述图像降噪系统包括:
判定模块,用于确定图像的高频区域与低频区域的分界阈值;
遍历模块,根据所述判定模块确定的所述分界阈值判定图像中每个像素点属于高频区域还是低频区域;
降噪模块,单独对需要降噪区域内的像素点进行降噪处理。
可选的,在所述的图像降噪系统中,所述降噪模块在单独对需要降噪区域内的像素点进行降噪处理,包括如下步骤:
分别以需要降噪区域内的每个像素点为中心建立窗口,并以该窗口中的所有像素点的灰度值均值作为该像素点的灰度值估值;
利用每个像素点的灰度值估值替换每个像素点原有的灰度值。
可选的,在所述的图像降噪系统中,所述降噪模块以需要降噪区域内每个像素点为中心所建立的窗口中所有像素点的灰度值之和除以当前建立的窗口中像素点的数量得出该窗口中的所有像素点的灰度值均值。
可选的,在所述的图像降噪系统中,所述降噪模块在分别以需要降噪区域内的每个像素点为中心建立窗口时,水平向右移动一列前一像素点的窗口以形成下一个像素点的窗口。
可选的,在所述的图像降噪系统中,所述遍历模块确定所述分界阈值包括如下步骤:
统计整幅图像中相邻像素点的灰度值的梯度差,并创建图像的灰度值的梯度差的直方图;其中,所述直方图的横坐标为灰度值的梯度差,所述直方图的纵坐标为占用百分比,所述占用百分比为不同灰度值的梯度差所涉及的像素点占整幅图像中所有像素点的百分比;
预设一阈值百分比;
从所述直方图的横坐标中最小的灰度值的梯度差对应的纵坐标的占用百分比开始累加,直至累加的占用百分比之和等于预设的所述阈值百分比;
将最后一个累加的纵坐标的占用百分比所对应的灰度值的梯度差,作为图像的高频区域与低频区域的分界阈值。
可选的,在所述的图像降噪系统中,所述判定模块根据所述判定模块确定的所述分界阈值判定图像中当前像素点属于高频区域还是低频区域时,分别计算当前像素点及与其相邻的一像素点的灰度值及两者灰度值的差值;当所述两者灰度值的差值的绝对值大于所述分界阈值时,则当前的像素点属于高频区域;当两者灰度值的差值的绝对值小于所述分界阈值时,则当前的像素点属于低频区域。
在本发明所提供的图像降噪方法及系统中,通过确定图像的高频区域与低频区域的分界阈值,以判定出图像中每个像素点属于高频区域还是低频区域,可以根据需要单独对图像的高频区域或低频区域的像素点进行降噪处理,从而解决了采用现有的图像降噪方法出现图像的细节部分丢失严重,图像降噪后变得模糊的问题,具有较强的自适应性,提高了图像降噪后的质量;此外,在计算每个窗口中所有像素点的灰度值之和均采用以列为单位的移位求和的方法,减少了重复计算,计算过程简单,加速了计算的速度。
附图说明
图1是本发明一实施例中图像降噪方法的流程图;
图2是本发明一实施例中图像的灰度值的梯度差的直方图;
图3是本发明一实施例中图像中取二阶矩阵范围的像素点的分布示意图;
图4是本发明一实施例中用二维坐标来表示以位置坐标为(x,y)的像素点为中心建立的窗口中所有像素点的位置的示意图;
图5是本发明一实施例中图像降噪系统的示意图。
具体实施方式
以下结合附图和具体实施例对本发明提出的图像降噪方法及系统作进一步详细说明。根据下面说明和权利要求书,本发明的优点和特征将更清楚。需说明的是,附图均采用非常简化的形式且均使用非精准的比例,仅用以方便、明晰地辅助说明本发明实施例的目的。
请参考图1,其为本发明的图像降噪方法的流程图,如图1所示,所述图像降噪方法包括如下步骤:
首先,执行步骤S1,确定图像的高频区域与低频区域的分界阈值。
具体的,所述步骤S1包括如下步骤:统计整幅图像中相邻像素点的灰度值的梯度差,并创建图像的灰度值的梯度差的直方图;其中,所述直方图的横坐标为灰度值的梯度差,所述直方图的纵坐标为占用百分比,所述占用百分比为不同灰度值的梯度差所涉及的像素点占整幅图像中所有像素点的百分比;预设一阈值百分比(这里预设的阈值百分比为一经验值);从所述直方图的横坐标中最小的灰度值的梯度差对应的纵坐标的占用百分比开始累加,直至累加的占用百分比之和等于预设的所述阈值百分比;将最后一个累加的纵坐标的占用百分比所对应的灰度值的梯度差,作为图像的高频区域与低频区域的分界阈值。
为了较好的理解步骤S1的相关内容,举例加以说明,具体请参考图2,其为本发明一实施例中图像的灰度值的梯度差的直方图。如图2所示,所述直方图的横坐标为灰度值的梯度差(图中用T0,T1,…T表示),所述直方图的纵坐标为占用百分比(图中用P表示)。这里预设的阈值百分比为H%,从所述直方图的横坐标中最小的灰度值的梯度差(即图中T0)对应的纵坐标的占用百分比开始累加,直至累加的占用百分比之和等于预设的所述阈值百分比,用表达式表示为:
P(T0)+P(T1)+P(T2)+…+P(Tm)=H%;
此时最后一个累加的纵坐标的占用百分比(即P(Tm))所对应的灰度值的梯度差(即Tm),作为图像的高频区域与低频区域的分界阈值;这里预设的阈值百分比H%是根据图像的自身的情况设定的经验值,以使图像进行后续降噪后图像的质量符合当前的需求。
接着,执行步骤S2,根据所述分界阈值判定图像中每个像素点属于高频区域还是低频区域;
具体的,所述步骤S2中,判断当前像素点属于高频区域还是低频区域时,分别计算当前像素点及与其相邻的一像素点的灰度值及两者灰度值的差值;当所述两者灰度值的差值的绝对值大于所述分界阈值时,则当前的像素点属于高频区域;当两者灰度值的差值的绝对值小于所述分界阈值时,则当前的像素点属于低频区域。
较佳的实施例,请继续参考图2及图3,图3为本发明一实施例中图像中取二阶矩阵范围的像素点的分布示意图。如图3所示的二阶矩阵范围内有四个像素点,即A(x,y),B(x-1,y),C(x,y-1),D(x-1,y-1);当前要判断图3中像素点A(x,y)是属于高频区域还是低频区域,需要计算像素点A(x,y)及与像素点A(x,y)相邻的一像素点(这里可以是像素点B(x-1,y)、C(x,y-1)或D(x-1,y-1))的灰度值,这里选定相邻的一像素点为B(x-1,y)时,判断像素点A(x,y)及像素点B(x-1,y)两者的灰度值的差值的绝对值与所述分界阈值的关系,主要存在下面两种情况,这里用公式(1)及(2)表示为:
|Y(A)-Y(B)|>Tm(1)
|Y(A)-Y(B)|<Tm(2)
其中,Y(A)表示像素点A(x,y)的灰度值,Y(B)表示像素点B(x-1,y)的灰度值,Tm为由步骤S1计算出来的分界阈值;
若满足式子(1),则判定像素点A(x,y)属于高频区域,换言之,像素点A(x,y)为高频区域中的像素点;若满足式子(2),则判定像素点A(x,y)属于低频区域,换言之,像素点A(x,y)为高频区域中的像素点。同理,对图像中其余像素点判断属于高频区域还是低频区域的方法,这里就不再一一赘述。
接着,执行步骤S3,单独对需要降噪区域内的像素点进行降噪处理。较佳的,当需要对图像的高频区域或低频区域进行降噪时,这里可以根据实际需要单独对图像的高频区域或低频区域进行降噪处理,使得本发明的图像降噪方法具有较好的自适应性,减少不必要的计算量。
进一步的,所述步骤S3中,单独对需要降噪区域内的像素点进行降噪处理,包括步骤:分别以需要降噪区域内的每个像素点为中心建立窗口,并以该窗口中的所有像素点的灰度值均值作为该像素点的灰度值估值;利用每个像素点的灰度值估值替换每个像素点原有的灰度值;其中,以需要降噪区域内的每个像素点为中心所建立的窗口中所有像素点的灰度值之和除以当前建立的窗口中像素点的数量得出该窗口中的所有像素点的灰度值均值。换言之,选定需要降噪区域内的每个像素点,并分别以每个像素点为中心建立的窗口,这里窗口的数量与需要降噪区域中包括的像素点数量相等,原因是在分别以需要降噪区域内的每个像素点为中心建立窗口时,水平向右移动一列前一像素点的窗口以形成下一个像素点的窗口,因此每个像素点所创建的窗口的形状及其中包括的像素点数据量均相同。
本实例中,所述步骤S3中建立的每个窗口均为大小相同的正方形,且窗口建立的过程为以上一窗口水平向右移动一列像素点的方式进行的,为后续简化计算准备了调节。这里设定窗口中包括奇数列像素点,是本领域所通用的方法,从而便于遍历窗口中的每个像素点。
优选的,计算每个窗口中所有像素点的灰度值之和均采用以窗口中像素点的列为单位的移位求和的方法。需要说明的是此时窗口中的像素点以阵列的形式排列,从而为后续窗口的移动及计算提供了条件。
较佳的实施例,以位置坐标为(x,y)的像素点(这里结合图3中的内容,将该像素点表示为A(x,y))为中心建立一边长为(2*N+1)的窗口为例,进行详细的说明,这里用width表示窗口的宽和高,需要注意的是,这里width为奇数,假设N=width/2,N取整数,此时width=(2*N+1),具体请参考图4,其为本发明一实施例中用二维坐标来表示以位置坐标为(x,y)的像素点为中心建立的窗口中所有像素点的位置的示意图。如图4所示,可以获知以像素点A(x,y)为中心建立一边长为(2*N+1)的窗口中所有像素点的位置情况。
当x=N时,则认为像素点A(x,y)为图像处理过程的边界点,此时窗口中所有像素点的灰度值之和的计算公式如下:
sum_win=SUM1=sum[1]+sum[2]+…+sum[2×N+1](3)
其中,sum_win表示当前窗口中所有像素点的灰度值之和,SUM1表示x=N时窗口中所有像素点的灰度值之和,用sum[i]表示图2中第i列的所有像素点的灰度值之和,其中i=1,2....。
当x>N时,由于对图像中像素点的遍历过程采用像素点右移的方式,表示为以像素点A(x,y)为中心的窗口向右移动一列,此时建立以位置坐标为(x+1,y)为中心的窗口,由于遍历图像中像素点时,也就相当于以每个像素点为中心分别建立窗口,本实施例中建立窗口的过程也就是窗口以列为单位移动的过程,窗口的形状及其边长均未变化,因此临近的像素点所建立的两个窗口中的像素点会有重叠部分,为了减少重复的计算,可以利用当前像素点已计算的窗口中所有像素点的灰度值之和来计算下一个像素点的窗口中所有像素点的灰度值之和,即:
sum_win=SUM1-sum[1]+sum[2×N+1](4)
其中,公式(4)中的sum_win是利用公式(3)所计算的SUM1的值计算的,公式(4)所表述的意思就是在以位置坐标(x,y)为中心的窗口向右移动一列时,此时以位置坐标(x+1,y)为中心的窗口中的像素点少了前一个窗口中的第一列的像素点,多了一列像素点,因此计算位置坐标为(x+1,y)为中心的窗口中所有像素点的灰度值之和时,可以利用公式(3)的结果减去当前窗口相比前一窗口中少的一列像素点的灰度值之和,再加上当前窗口相比前一窗口中多的一列像素点的灰度值之和。整个计算过程简单,减少不必要的重复计算,加快了运算速度。
具体的,对如何实现单独对需要降噪区域内的像素点进行降噪处理过程中分别以需要降噪区域内的每个像素点为中心建立窗口的目的,是利用所建立窗口中所有像素点的灰度值之和取均值来表征建立窗口的中心的像素点的灰度值,用此时计算出的当前建立的窗口中的所有像素点的灰度值均值(即灰度值估值)替代未降噪前该像素点的原有的灰度值,从而降低该像素点的噪声,提高了图像的质量。
例如,若当前需要对图像的低频区域进行降噪,若此时像素点A(x,y)经判断其为低频区域的像素点,想对像素点A(x,y)作降噪处理,则计算以像素点A(x,y)为中心的窗口的灰度值均值,即:
其中,sum_win为为公式(3)中所计算的当前窗口中所有像素点的灰度值和,即SUM1;width×width来表征当前窗口中像素点的数量;Y'(A)为以像素点A(x,y)为中心的窗口的灰度值均值,用Y'(A)来替换原有的灰度值Y(A),实现对像素点A(x,y)的降噪处理。对图像中属于低频区域的其余像素点降噪的过程同理,这里就不再赘述。当将图像中属于低频区域的每个像素点都进行降噪处理后,就完成了对图像的低频区域的降噪。由于当前需求是对图像的低频区域进行降噪,故对图像的高频区域的像素点不做处理,换言之,若此时像素点A(x,y)属于高频区域,则对其不做处理,维持其原有的灰度值。从而避免使用现有技术中的图像降噪方法,会出现图像的细节部分(即图像的高频部分)的严重丢失的现象,计算过程简单,处理后图像的质量效果较佳。
当然,这里仅是假设当前需要对图像的低频区域进行降噪进行了说明,若当前需要对图像的高频区域进行降噪也是一样的,只是此时仅对属于高频区域的像素点进行处理,不对属于低频区域的像素点处理。
需要说明的是,上述内容仅是一个实施例,也可以采用先将所有像素点都依据分界阈值判定一遍,确定出图像中哪些像素点是高频区域中的像素点,哪些像素点是低频区域中的像素点,在进行降噪处理时,仅对需要降噪区域内的像素点进行降噪处理,对其余区域不处理。
本发明还提供一种图像降噪系统,请参考图5,其为本发明一实施例中图像降噪系统的示意图。如图5所示,所述图像降噪系统包括:
判定模块10,用于确定图像的高频区域与低频区域的分界阈值,并根据所述分界阈值判定图像中每个像素点属于高频区域还是低频区域;
遍历模块11,根据所述判定模块确定的所述分界阈值判定图像中每个像素点属于高频区域还是低频区域;
降噪模块12,单独对需要降噪区域内的像素点进行降噪处理。
进一步的,所述降噪模块在单独对需要降噪区域内的像素点进行降噪处理,包括如下步骤:分别以需要降噪区域内的每个像素点为中心建立窗口,并以该窗口中的所有像素点的灰度值均值作为该像素点的灰度值估值;利用每个像素点的灰度值估值替换每个像素点原有的灰度值;其中,所述降噪模块以需要降噪区域内每个像素点为中心所建立的窗口中所有像素点的灰度值之和除以当前建立的窗口中像素点的数量得出该窗口中的所有像素点的灰度值均值。
进一步的,所述降噪模块在分别以需要降噪区域内的每个像素点为中心建立窗口时,水平向右移动一列前一像素点的窗口以形成下一个像素点的窗口。
本实施例中,所述降噪模块12计算每个窗口中所有像素点的灰度值之和均采用以窗口中像素点的列为单位的移位求和的方法;所述降噪模块12所建立的每个窗口均为大小相同的正方形。
具体的,所述遍历模块11根据所述判定模块确定的所述分界阈值判定图像中当前像素点属于高频区域还是低频区域时:分别计算当前像素点及与其相邻的一像素点的灰度值及两者灰度值的差值;当所述两者灰度值的差值的绝对值大于所述分界阈值时,则当前的像素点属于高频区域;当两者灰度值的差值的绝对值小于所述分界阈值时,则当前的像素点属于低频区域。
进一步的,所述判定模块10确定所述分界阈值包括如下步骤:
统计整幅图像中相邻像素点的灰度值的梯度差,并创建图像的灰度值的梯度差的直方图;其中,所述直方图的横坐标为灰度值的梯度差,所述直方图的纵坐标为占用百分比,所述占用百分比为不同灰度值的梯度差所涉及的像素点占整幅图像中所有像素点的百分比;预设一阈值百分比;从所述直方图的横坐标中最小的灰度值的梯度差对应的纵坐标的占用百分比开始累加,直至累加的占用百分比之和等于预设的所述阈值百分比;将最后一个累加的纵坐标的占用百分比所对应的灰度值的梯度差,作为图像的高频区域与低频区域的分界阈值。
综上,在本发明所提供的图像降噪方法及系统中,通过确定图像的高频区域与低频区域的分界阈值,以判定出图像中每个像素点属于高频区域还是低频区域,可以根据需要单独对图像的高频区域或低频区域的像素点进行降噪处理,从而解决了采用现有的图像降噪方法出现图像的细节部分丢失严重,图像降噪后变得模糊的问题,具有较强的自适应性,提高了图像降噪后的质量;此外,在计算每个窗口中所有像素点的灰度值之和均采用以列为单位的移位求和的方法,减少了重复计算,计算过程简单,加速了计算的速度。
上述描述仅是对本发明较佳实施例的描述,并非对本发明范围的任何限定,本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰,均属于权利要求书的保护范围。
Claims (13)
1.一种图像降噪方法,其特征在于,包括如下步骤:
S1:确定图像的高频区域与低频区域的分界阈值;
S2:根据所述分界阈值判定图像中每个像素点属于高频区域还是低频区域;
S3:单独对需要降噪区域内的像素点进行降噪处理。
2.如权利要求1所述的图像降噪方法,其特征在于,所述步骤S3中,单独对需要降噪区域内的像素点进行降噪处理,包括:
分别以需要降噪区域内的每个像素点为中心建立窗口,并以该窗口中的所有像素点的灰度值均值作为该像素点的灰度值估值;
利用每个像素点的灰度值估值替换每个像素点原有的灰度值。
3.如权利要求2所述的图像降噪方法,其特征在于,所述步骤S3中,以需要降噪区域内的每个像素点为中心所建立的窗口中所有像素点的灰度值之和除以当前建立的窗口中像素点的数量得出该窗口中的所有像素点的灰度值均值。
4.如权利要求3所述的图像降噪方法,其特征在于,所述步骤S3中,分别以需要降噪区域内的每个像素点为中心建立窗口时,水平向右移动一列前一像素点的窗口以形成下一个像素点的窗口。
5.如权利要求2所述的图像降噪方法,其特征在于,所述步骤S3中建立的每个窗口均为大小相同的正方形。
6.如权利要求1所述的图像降噪方法,其特征在于,所述步骤S1包括如下步骤:
统计整幅图像中相邻像素点的灰度值的梯度差,并创建图像的灰度值的梯度差的直方图;其中,所述直方图的横坐标为灰度值的梯度差,所述直方图的纵坐标为占用百分比,所述占用百分比为不同灰度值的梯度差所涉及的像素点占整幅图像中所有像素点的百分比;
预设一阈值百分比;
从所述直方图的横坐标中最小的灰度值的梯度差对应的纵坐标的占用百分比开始累加,直至累加的占用百分比之和等于预设的所述阈值百分比;
将最后一个累加的纵坐标的占用百分比所对应的灰度值的梯度差,作为图像的高频区域与低频区域的分界阈值。
7.如权利要求1所述的图像降噪方法,其特征在于,所述步骤S2中,判断当前像素点属于高频区域还是低频区域时,分别计算当前像素点及与其相邻的一像素点的灰度值及两者灰度值的差值;当所述两者灰度值的差值的绝对值大于所述分界阈值时,则当前的像素点属于高频区域;当两者灰度值的差值的绝对值小于所述分界阈值时,则当前的像素点属于低频区域。
8.一种图像降噪系统,其特征在于,包括:
判定模块,用于确定图像的高频区域与低频区域的分界阈值;
遍历模块,根据所述判定模块确定的所述分界阈值判定图像中每个像素点属于高频区域还是低频区域;
降噪模块,单独对需要降噪区域内的像素点进行降噪处理。
9.如权利要求8所述的图像降噪系统,其特征在于,所述降噪模块在单独对需要降噪区域内的像素点进行降噪处理,包括如下步骤:
分别以需要降噪区域内的每个像素点为中心建立窗口,并以该窗口中的所有像素点的灰度值均值作为该像素点的灰度值估值;
利用每个像素点的灰度值估值替换每个像素点原有的灰度值。
10.如权利要求9所述的图像降噪系统,其特征在于,所述降噪模块以需要降噪区域内每个像素点为中心所建立的窗口中所有像素点的灰度值之和除以当前建立的窗口中像素点的数量得出该窗口中的所有像素点的灰度值均值。
11.如权利要求10所述的图像降噪系统,其特征在于,所述降噪模块在分别以需要降噪区域内的每个像素点为中心建立窗口时,水平向右移动一列前一像素点的窗口以形成下一个像素点的窗口。
12.如权利要求8所述的图像降噪系统,其特征在于,所述判定模块确定所述分界阈值包括如下步骤:
统计整幅图像中相邻像素点的灰度值的梯度差,并创建图像的灰度值的梯度差的直方图;其中,所述直方图的横坐标为灰度值的梯度差,所述直方图的纵坐标为占用百分比,所述占用百分比为不同灰度值的梯度差所涉及的像素点占整幅图像中所有像素点的百分比;
预设一阈值百分比;
从所述直方图的横坐标中最小的灰度值的梯度差对应的纵坐标的占用百分比开始累加,直至累加的占用百分比之和等于预设的所述阈值百分比;
将最后一个累加的纵坐标的占用百分比所对应的灰度值的梯度差,作为图像的高频区域与低频区域的分界阈值。
13.如权利要求8所述的图像降噪系统,其特征在于,所述遍历模块根据所述判定模块确定的所述分界阈值判定图像中当前像素点属于高频区域还是低频区域时,分别计算当前像素点及与其相邻的一像素点的灰度值及两者灰度值的差值;当所述两者灰度值的差值的绝对值大于所述分界阈值时,则当前的像素点属于高频区域;当两者灰度值的差值的绝对值小于所述分界阈值时,则当前的像素点属于低频区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410648245.5A CN105654428A (zh) | 2014-11-14 | 2014-11-14 | 图像降噪方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410648245.5A CN105654428A (zh) | 2014-11-14 | 2014-11-14 | 图像降噪方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105654428A true CN105654428A (zh) | 2016-06-08 |
Family
ID=56479067
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410648245.5A Pending CN105654428A (zh) | 2014-11-14 | 2014-11-14 | 图像降噪方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105654428A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108665427A (zh) * | 2018-04-17 | 2018-10-16 | 浙江华睿科技有限公司 | 一种图像降噪方法及装置 |
CN109345600A (zh) * | 2018-09-04 | 2019-02-15 | 青岛海信电器股份有限公司 | 一种基于色调的局部降噪方法、装置及终端 |
CN109873953A (zh) * | 2019-03-06 | 2019-06-11 | 深圳市道通智能航空技术有限公司 | 图像处理方法、夜间拍摄方法、图像处理芯片及航拍相机 |
CN110136085A (zh) * | 2019-05-17 | 2019-08-16 | 凌云光技术集团有限责任公司 | 一种图像的降噪方法及装置 |
CN111127489A (zh) * | 2019-12-30 | 2020-05-08 | 展讯通信(上海)有限公司 | 图像分频方法及装置、存储介质、终端 |
CN113014745A (zh) * | 2021-02-26 | 2021-06-22 | 杭州朗和科技有限公司 | 视频图像降噪方法及装置、存储介质及电子设备 |
CN113421412A (zh) * | 2021-06-09 | 2021-09-21 | 上海天蟾生物科技有限公司 | 一种雪蟾软坚柔肝片临床试验b超检测远程传输系统 |
CN113506218A (zh) * | 2021-07-09 | 2021-10-15 | 江苏金海星导航科技有限公司 | 一种用于多车厢超长车型的360°视频拼接方法 |
WO2022089079A1 (zh) * | 2020-10-30 | 2022-05-05 | 湖北锐世数字医学影像科技有限公司 | 图像处理方法、装置、设备、系统及计算机可读存储介质 |
CN114693543A (zh) * | 2021-12-07 | 2022-07-01 | 珠海市杰理科技股份有限公司 | 图像降噪方法及装置、图像处理芯片、图像采集设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1539119A (zh) * | 2001-04-20 | 2004-10-20 | �ʼҷ����ֵ�������˾ | 改善图像的图像处理装置及方法以及包括这种图像处理装置的图像显示装置 |
CN102368821A (zh) * | 2011-10-20 | 2012-03-07 | 浙江工商大学 | 一种噪声强度自适应的视频去噪方法和系统 |
CN103632352A (zh) * | 2013-11-01 | 2014-03-12 | 华为技术有限公司 | 一种噪声图像的时域降噪方法和相关装置 |
-
2014
- 2014-11-14 CN CN201410648245.5A patent/CN105654428A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1539119A (zh) * | 2001-04-20 | 2004-10-20 | �ʼҷ����ֵ�������˾ | 改善图像的图像处理装置及方法以及包括这种图像处理装置的图像显示装置 |
CN102368821A (zh) * | 2011-10-20 | 2012-03-07 | 浙江工商大学 | 一种噪声强度自适应的视频去噪方法和系统 |
CN103632352A (zh) * | 2013-11-01 | 2014-03-12 | 华为技术有限公司 | 一种噪声图像的时域降噪方法和相关装置 |
Non-Patent Citations (2)
Title |
---|
PING BO 等: "A model of sea surface temperature front detection based on a threshold interval", 《ACTA OCEANOLOGICA SINICA》 * |
段大高 等: "一种基于梯度直方图的边缘提取算法", 《2010年第六届全国多智能体系统与控制学术年会》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108665427A (zh) * | 2018-04-17 | 2018-10-16 | 浙江华睿科技有限公司 | 一种图像降噪方法及装置 |
CN109345600B (zh) * | 2018-09-04 | 2021-11-23 | 海信视像科技股份有限公司 | 一种基于色调的局部降噪方法、装置及终端 |
CN109345600A (zh) * | 2018-09-04 | 2019-02-15 | 青岛海信电器股份有限公司 | 一种基于色调的局部降噪方法、装置及终端 |
CN109873953A (zh) * | 2019-03-06 | 2019-06-11 | 深圳市道通智能航空技术有限公司 | 图像处理方法、夜间拍摄方法、图像处理芯片及航拍相机 |
US12052514B2 (en) | 2019-03-06 | 2024-07-30 | Autel Robotics Co., Ltd. | Imaging processing method and apparatus for a camera module in a night scene, an electronic device, and a storage medium |
WO2020177723A1 (zh) * | 2019-03-06 | 2020-09-10 | 深圳市道通智能航空技术有限公司 | 图像处理方法、夜间拍摄方法、图像处理芯片及航拍相机 |
CN110136085A (zh) * | 2019-05-17 | 2019-08-16 | 凌云光技术集团有限责任公司 | 一种图像的降噪方法及装置 |
CN111127489B (zh) * | 2019-12-30 | 2022-11-29 | 展讯通信(上海)有限公司 | 图像分频方法及装置、存储介质、终端 |
CN111127489A (zh) * | 2019-12-30 | 2020-05-08 | 展讯通信(上海)有限公司 | 图像分频方法及装置、存储介质、终端 |
WO2022089079A1 (zh) * | 2020-10-30 | 2022-05-05 | 湖北锐世数字医学影像科技有限公司 | 图像处理方法、装置、设备、系统及计算机可读存储介质 |
CN113014745A (zh) * | 2021-02-26 | 2021-06-22 | 杭州朗和科技有限公司 | 视频图像降噪方法及装置、存储介质及电子设备 |
CN113014745B (zh) * | 2021-02-26 | 2023-02-28 | 杭州网易智企科技有限公司 | 视频图像降噪方法及装置、存储介质及电子设备 |
CN113421412A (zh) * | 2021-06-09 | 2021-09-21 | 上海天蟾生物科技有限公司 | 一种雪蟾软坚柔肝片临床试验b超检测远程传输系统 |
CN113506218A (zh) * | 2021-07-09 | 2021-10-15 | 江苏金海星导航科技有限公司 | 一种用于多车厢超长车型的360°视频拼接方法 |
CN114693543A (zh) * | 2021-12-07 | 2022-07-01 | 珠海市杰理科技股份有限公司 | 图像降噪方法及装置、图像处理芯片、图像采集设备 |
CN114693543B (zh) * | 2021-12-07 | 2024-04-05 | 珠海市杰理科技股份有限公司 | 图像降噪方法及装置、图像处理芯片、图像采集设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105654428A (zh) | 图像降噪方法及系统 | |
EP3306562B1 (en) | Image processing method and device | |
CN103413311B (zh) | 一种基于边缘的模糊检测方法 | |
CN104657945B (zh) | 复杂背景下多尺度时空联合滤波的红外小目标检测方法 | |
CN109741356B (zh) | 一种亚像素边缘检测方法及系统 | |
CN103116875B (zh) | 自适应双边滤波图像去噪方法 | |
CN104978715A (zh) | 一种基于滤波窗口及参数自适应的非局部均值图像去噪方法 | |
CN102855617B (zh) | 自适应图像处理方法及系统 | |
CN105243649A (zh) | 基于二次噪点检测的图像降噪方法 | |
CN102256048B (zh) | 一种自适应密度的图像椒盐噪声开关滤波方法 | |
CN101499164B (zh) | 一种基于单张低分辨率图像的图像插值重构方法 | |
US20190147605A1 (en) | Detection target positioning device, detection target positioning method, and sight tracking device | |
CN110889807B (zh) | 一种通道式x射线安检设备图像处理方法 | |
CN104767913B (zh) | 一种对比度自适应的视频去噪系统 | |
CN101976436A (zh) | 一种基于差分图修正的像素级多聚焦图像融合方法 | |
CN112435249B (zh) | 一种基于周扫红外搜索系统的动态小目标检测方法 | |
CN111105452A (zh) | 基于双目视觉的高低分辨率融合立体匹配方法 | |
CN102663706A (zh) | 基于菱形模板的自适应加权均值滤波方法 | |
CN104282027A (zh) | 一种基于Hough变换的圆检测方法 | |
CN111062331A (zh) | 图像的马赛克检测方法、装置、电子设备及存储介质 | |
CN110335322B (zh) | 基于图像的道路识别方法及道路识别装置 | |
CN106254723B (zh) | 一种实时监测视频噪声干扰的方法 | |
CN103871035B (zh) | 图像去噪方法及装置 | |
CN104537632A (zh) | 基于边缘提取的红外图像直方图增强方法 | |
CN103646379A (zh) | 一种图像放大方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20160608 Assignee: Shanghai Li Ke Semiconductor Technology Co., Ltd. Assignor: Leadcore Technology Co., Ltd. Contract record no.: 2018990000159 Denomination of invention: Digital image noise reduction method and system based on multiresolution and overcomplete transformation License type: Common License Record date: 20180615 |
|
EE01 | Entry into force of recordation of patent licensing contract | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160608 |
|
WD01 | Invention patent application deemed withdrawn after publication |