CN105809630B - 一种图像噪声过滤方法及系统 - Google Patents
一种图像噪声过滤方法及系统 Download PDFInfo
- Publication number
- CN105809630B CN105809630B CN201410847793.0A CN201410847793A CN105809630B CN 105809630 B CN105809630 B CN 105809630B CN 201410847793 A CN201410847793 A CN 201410847793A CN 105809630 B CN105809630 B CN 105809630B
- Authority
- CN
- China
- Prior art keywords
- pixel
- filtering
- preset
- currently detected
- matrix
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000001914 filtration Methods 0.000 claims abstract description 289
- 239000011159 matrix material Substances 0.000 claims abstract description 100
- 238000001514 detection method Methods 0.000 claims abstract description 11
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000000717 retained effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 229910001374 Invar Inorganic materials 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/80—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20004—Adaptive image processing
- G06T2207/20012—Locally adaptive
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Picture Signal Circuits (AREA)
Abstract
本发明公开了一种图像噪声过滤方法及系统,属于图像处理技术领域;方法包括:系统包括:图像获取单元,判断单元,第一滤波单元,第二滤波单元和选择单元;步骤包括:选择YUV图像中一个颜色通道的像素进行检测;根据以当前检测的像素为中心的N*M矩阵内的所有像素,判断当前检测的像素是否处于平坦区域内:并在像素处于平坦区域内时:根据N*M矩阵内的所有像素的Y值分量,计算并输出当前检测的像素对应的滤波强度参数,随后根据滤波强度参数对像素进行滤波;上述技术方案的有益效果是:计算简单、运算量小;滤波同时有效保留图像细节,还原图像原有的色彩,提高滤波后的图像质量。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像噪声过滤方法及系统。
背景技术
现有技术中,图像噪声可能于数据影响采集过程的各个环节中产生,并影响到最终成像的结果,从而降低图像质量。因此,为了提高成像的质量,在成像时,往往需要对图像噪声进行抑制和去除。
现有技术中,最常用的噪声去除方式是设计滤波器对图像进行噪声滤除。现有技术中的噪声过滤方法,在对噪声进行抑制时,通常存在运算复杂、计算量较大的问题,同时还会丢失原始图像的一些细节,导致图像画面模糊,图像质量下降。
发明内容
根据现有技术中存在的问题,现提供一种图像噪声过滤方法及系统,旨在提高过滤的有效性,减少过滤噪声对图像中正常色彩的影响,保证原始图像的清晰度;
上述技术方案具体包括:
一种图像噪声过滤方法,其中,包括:
获取YUV图像,并对图像中未经过噪声过滤的颜色通道的一个像素执行下述的图像噪声过滤
根据以当前检测的像素为中心的预设的N*M矩阵内的所有像素对当前检测的所述像素进行判断,若当前检测的所述像素处于平坦区域内,则执行下述步骤:
步骤S1,根据所述N*M矩阵内的所有像素的Y值分量,计算并输出当前检测的所述像素对应的滤波强度参数;
步骤S2,根据所述滤波强度参数对当前检测的所述像素进行滤波;
步骤S3,完成对被选择的所述颜色通道的所述像素的图像过滤;
其中,N≥3,M≥3,且N和M均为奇数。
优选的,该图像噪声过滤方法,其中,执行所述步骤S3后,执行下述步骤:
判断是否对图像中被选择的所述颜色通道中的每个像素均执行图像过滤:
若否,则转向检测一个尚未经过判断的像素,并在判断得到当前检测的所述像素处于平坦区域内时执行如所述步骤S1至所述步骤S3的图像过滤方法。
优选的,该图像噪声过滤方法,其中,判断对图像中被选择的所述颜色通道中的每个像素均执行图像过滤后,执行下述步骤:
判断是否对图像中的每个所述颜色通道均执行图像过滤;
若否,则转向下一个所述颜色通道,选择一个像素进行检测,并在判断得到当前检测的所述像素处于平坦区域内时执行如所述步骤S1至所述步骤S3的图像过滤方法。
优选的,该图像噪声过滤方法,其中,若根据以当前检测的像素为中心的预设的N*M矩阵内的所有像素,判断得出当前检测的所述像素未处于平坦区域内,则执行下述步骤:
对当前检测的所述像素进行均值滤波,随后转至所述步骤S3。
优选的,该图像噪声过滤方法,其中,判断当前检测的所述像素是否处于平坦区域内的方法具体包括:
根据预设的所述N*M矩阵内的所有像素计算对应当前检测的所述像素的最大范围差值,并判断所述最大范围差值是否小于一预设的第一阈值,输出相应的第一判断结果;
计算预设的所述N*M矩阵内的所有像素的方差值,并判断所述方差值是否小于一预设的第二阈值,输出相应的第二判断结果;
计算并判断预设的3*M矩阵内,第一行的所述像素经过滤波的值与当前检测的所述像素之间的最大距离是否小于一预设的第三阈值,输出相应的第三判断结果;
在判断当前检测的所述像素是否处于平坦区域内时,根据所述第一判断结果、所述第二判断结果以及所述第三判断结果,在:
所述最大范围差值小于所述第一阈值,以及所述方差值小于所述第二阈值,以及所述最大距离小于所述第三阈值时,判断当前检测的所述像素处于平坦区域中;以及
在其余情况下,判断当前检测的所述像素不处于平坦区域中。
优选的,该图像噪声过滤方法,其中,依照下述公式计算所述最大范围差值:
h=|a1-a2|;
其中,
Xi,j表示被选择的所述颜色通道中,于预设的所述N*M矩阵内的第i+1行第j+1列上的所述像素的值;
v=|b1-b2|;
其中,
则计算h和v之间的最大值max(h,v),以作为所述最大范围差值。
优选的,该图像噪声过滤方法,其中,依照下述公式计算所述方差值:
其中,
Xvar表示被选择的所述颜色通道中,包括在预设的所述N*M矩阵内的所有所述像素的值的方差值;
为预设的所述N*M矩阵内,当前检测的所述颜色通道的所述像素的值;
Xi,j表示被选择的所述颜色通道中,于预设的所述N*M矩阵内,第i+1行第j+1列的所述像素的值。
优选的,该图像噪声过滤方法,其中,依照下述公式计算所述最大距离:
max_X'=max(X'0,0,X'0,1,Λ,X'0,A);
min_X'=min(X'0,0,X'0,1,Λ,X'0,A);
其中,
A≤M-1;
X'0,A表示预设的所述3*M矩阵内第1行A+1列的所述像素经过滤波后的值;
则有:
则上述最大距离为:
Xmax_diff=max(Xdiff1,Xdiff2);
判断Xmax_diff是否小于相应的所述第三阈值,并输出相应的所述第三判断结果。
优选的,该图像噪声过滤方法,其中,所述步骤S1具体包括:
步骤S11,根据被选择的所述像素对应的Y值分量计算一个中间滤波强度参数;
步骤S12,根据所述中间滤波强度参数,计算得到最终的所述滤波强度参数,随后转至所述步骤S2。
优选的,该图像噪声过滤方法,其中,所述步骤S11中,依照下述公式计算所述中间滤波强度参数:
其中,
cy表示所述中间滤波强度参数;
c1和c2为预设的临界值;
c1≤cy≤c2;
0<c1<c2<1;
th4表示预设的第四阈值;
ycur表示包括当前检测的所述颜色通道的所述像素在内的预设的所述N*M矩阵内的所有像素的平均亮度:
yi,j表示于预设的所述N*M矩阵内,第i+1行第j+1列上的所述像素的Y值分量。
优选的,该图像噪声过滤方法,其中,所述步骤S12中,依照下述公式计算所述滤波强度参数:
其中,
c表示所述滤波强度参数;
c3为预设的临界值;
c3≤c≤cy;
0<c3<cy<1;
Xmax_diff表示预设的3*M矩阵内,第一行的所述像素经过滤波的值与当前检测的所述像素之间的最大距离;
th5为预设的第五阈值;
th6为预设的第六阈值;
th5<th6≤th3。
优选的,该图像噪声过滤方法,其中,所述步骤S2中,依照下述公式,采用预设的3*M矩阵对当前检测的所述颜色通道的所述像素进行噪声过滤处理:
其中,
表示预设的所述3*M矩阵内,当前检测的所述颜色通道的所述像素经过噪声过滤处理后的值。
优选的,该图像噪声过滤方法,其中,所述均值滤波的方法具体包括:
步骤S31,计算以当前检测的像素为中心的预设的N*M矩阵内的每个像素与当前检测的所述像素之间的距离;
步骤S32,将每个所述像素与当前检测的所述像素之间的距离分别与一预设的第七阈值进行比较:
若距离小于所述第七阈值,则将对应的所述像素的权重设定为1;
若距离不小于所述第七阈值,则将对应的所述像素的权重设定为0;
步骤S33,根据预设的所述N*M矩阵内权重为1的所述像素,对当前检测的所述像素进行相应的均值滤波上,随后转至所述步骤S2。
优选的,该图像噪声过滤方法,其中,依照下述公式对当前检测的所述像素进行均值滤波:
表示预设的所述N*M矩阵内,当前检测的所述像素经过滤波后得到的值;
Xij表示预设的所述N*M矩阵内第i+1行第j+1列上的像素的值;
P表示预设的所述N*M矩阵内包括P个像素满足:
其中,
th7表示预设的所述第七阈值。
优选的,该图像噪声过滤方法,其中,所述步骤S2中,根据所述滤波强度参数对被选择的所述颜色通道的所述像素进行无限脉冲响应数字滤波。
一种图像噪声过滤系统,其中,包括:
图像获取单元,用于接收待处理的RGB图像,并将所述RGB图像转换到YUV色彩系统;
判断单元,连接所述图像获取单元,用于根据以当前检测的像素为中心的预设的N*M矩阵内的所有像素判断当前检测的所述像素是否处于平坦区域中,并输出相应的判断结果;
第一滤波单元,用于根据以当前检测的像素为中心的预设的N*M矩阵内的所有像素计算得到一相应的滤波强度参数,并根据所述滤波强度参数对当前检测的所述像素进行滤波;
启动单元,分别连接所述判断单元和所述第一滤波单元,用于根据所述判断结果,在当前检测的所述像素处于平坦区域内时启动所述第一滤波单元。
优选的,该图像噪声过滤系统,其中,还包括:
第二滤波单元,连接所述启动单元,用于对当前检测的所述像素进行均值滤波;
所述启动单元根据所述判断结果,在当前检测的所述像素未处于平坦区域内时启动所述第二滤波单元。
优选的,该图像噪声过滤系统,其中,所述判断单元包括:
第一判断模块,用于根据预设的所述N*M矩阵内的所有像素计算对应当前检测的所述像素的最大范围差值,并判断所述最大范围差值是否小于一预设的第一阈值,输出相应的第一判断结果;
第二判断模块,用于计算预设的所述N*M矩阵内的所有像素的方差值,并判断所述方差值是否小于一预设的第二阈值,输出相应的第二判断结果;
第三判断模块,用于计算并判断预设的3*M矩阵内,第一行中的所述像素经过滤波的值与当前检测的所述像素之间的最大距离是否小于一预设的第三阈值,输出相应的第三判断结果;
所述判断单元根据所述第一判断结果,所述第二判断结果以及所述第三判断结果,在:
所述最大范围差值小于所述第一阈值,以及所述方差值小于所述第二阈值,以及所述最大距离小于所述第三阈值时,判断当前检测的所述像素处于平坦区域中;以及
在其余情况下,判断当前检测的所述像素不处于平坦区域中。
优选的,该图像噪声过滤系统,其中,所述第一滤波单元包括:
第一计算模块,用于根据预设的所述N*M矩阵内的所有像素计算当前检测的所述像素对应的中间滤波强度参数;
第二计算模块,连接所述第一计算模块,用于根据所述中间滤波强度参数计算得到一对应当前检测的所述像素的所述滤波强度参数;
第一滤波模块,连接所述第二计算模块,用于根据所述滤波强度参数,对当前检测的所述像素进行滤波。
优选的,该图像噪声过滤系统,其中,所述第一滤波模块根据所述滤波强度参数,对当前检测的所述像素进行无限冲击响应滤波。
优选的,该图像噪声过滤系统,其中,所述第二滤波单元中包括:
第三计算模块,用于计算预设的所述N*M矩阵内的所有像素至当前检测的所述像素之间的距离;
比较模块,连接所述第三计算模块,用于将计算得到的对应每个所述像素的所述距离与一预设的阈值进行比较,并丢弃所述距离不小于所述阈值的所述像素的值;
第二滤波模块,连接所述比较模块,用于根据预设的所述N*M矩阵内未被丢弃的所述像素的值,对当前检测的所述像素进行均值滤波。
上述技术方案的有益效果是:
1)通过判断图像像素是否处于平坦区域内的方式判定图像边界,于在边界处变化滤波强度使得图像边界的过滤比较自然;
2)于图像像素处于平坦区域时根据N*M矩形区域内的所有像素的亮度值计算相应的滤波强度,并根据计算得到的滤波强度进行滤波,计算简单、运算量较小;
3)于图像像素处于平坦区域时根据N*M矩形区域内的所有像素的亮度值计算相应的滤波强度,能够在滤波同时有效保留图像细节,还原图像原有的色彩,提高滤波后的图像质量。
附图说明
图1是本发明的较佳的实施例中,一种图像噪声过滤方法的总体流程示意图;
图2-3是本发明的较佳的实施例中,具体描述图像噪声过滤方法的流程示意图;
图4-5是本发明的一个较佳的实施例中,滤波模板为3*3矩阵,根据像素的U值分量进行噪声过滤的示意图;
图6是本发明的一个较佳的实施例中,中间滤波强度参数的坐标曲线示意图;
图7是本发明的一个较佳的实施例中,滤波模板为3*3矩阵,根据像素的Y值分量计算滤波强度参数的示意图;
图8是本发明的较佳的实施例中,滤波强度参数的坐标曲线示意图;
图9是本发明的较佳的实施例中,一种图像噪声过滤系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明,但不作为本发明的限定。
现有技术中,不论是数码相机,手机摄像头,还是电脑摄像头,在进行影像采集的过程中,或多或少都会受到噪声的干扰。
通常图像噪声分为两大类:亮度噪声和颜色噪声。亮度噪声表现在采集的影像上,是一些比较粗糙的不带色彩的颗粒状斑点;颜色噪声表现在采集的影像上,是一些随机的彩色斑点。这些噪声的出现会导致图像画面清晰度的下降,从而影响数码采集的成像质量。
现有技术中,通常设计滤波器对图像噪声进行滤除。由于图像噪声一般具有高频特性,因此会设计一系列的低通滤波器进行噪声抑制。这类滤波器典型的有均值滤波器以及双边滤波器等,且大多数都是比较容易设计的有限长单位冲击响应(Finite ImpulseResponse,FIR)滤波器。
现有技术中,一般而言,上述滤波器通常采用预设的滤波模板进行噪声滤除。
通常,滤波模板越大,噪声滤除越干净,但是相应地计算也会比较复杂,运算量大,且会使得图像变得更模糊,图像质量降低;
而滤波模板越小,噪声不容易被滤除,同样不会提升原始图像的质量。
基于现有技术中存在的上述问题,本发明的较佳的实施例中,提供一种图像噪声过滤方法,
在执行图像噪声过滤方法之前,首先获取YUV图像;
本发明的较佳的实施例中,若数码采集到的图像为RGB图像,则在进行下述的图像过滤方法之前,首先将数码采集到的RGB图像转换到YUV色彩系统中。
现有技术中存在比较成熟的RGB转换至YUV的实现方式,本发明技术方案中也不关注RGB图像具体如何转换到YUV色彩系统的问题,因此,对RGB图像如何转换到YUV色彩系统的实现方式在本发明技术方案中不再赘述。
本发明的较佳的实施例中,若采集到的图像本身就是YUV图像,则不需要再做RGB→YUV的转换处理。
本发明的较佳的实施例中,选择图像中一个未经过噪声过滤的颜色通道的一个像素进行检测;
本发明的较佳的实施例中,上述一个颜色通道的一个像素,是指图像于YUV色彩系统中,于Y平面上的一个像素,或者于U平面上的一个像素,或者于V平面上的一个像素。
本发明的较佳的实施例中,被选择的颜色通道为未经过噪声过滤的颜色通道,以保证对颜色通道的图像过滤不会重复。
下述步骤中示出对其中一个颜色通道的一个像素进行检测,换言之,下述步骤中可以为对位于Y平面上的一个像素进行检测以及噪声过滤,或者对位于U平面上的一个像素进行检测以及噪声过滤,或者对位于V平面上的一个像素进行检测以及噪声过滤。
本发明的较佳的实施例中,当对图像中所有颜色通道的所有像素均进行了噪声过滤,表示对图像整体完成噪声过滤。
例如,对图像中分别位于Y平面、U平面以及V平面的每个像素均完成噪声过滤,则表示对图像整体完成噪声过滤。
本发明的较佳的实施例中,对位于Y平面的像素的进行噪声过滤即为对图像的亮度噪声进行过滤,而对位于U平面和/或V平面的像素进行噪声过滤即为对图像的颜色噪声进行过滤。
本发明的较佳的实施例中,随后,根据以当前检测的像素为中心的预设的N*M矩阵内的所有像素,判断当前检测的像素是否处于平坦区域内;
本发明的较佳的实施例中,如上文所述,设计滤波器进行噪声过滤时,通常会采用一些预设的滤波模板,这些滤波模板中包括当前待去噪的像素以及其邻域的像素,滤波模板里包括的所有像素都会参与计算来对当前的像素进行噪声去除。
因此,本发明的较佳的实施例中,上述N*M矩阵即为本发明技术方案中所采用的滤波模板。该滤波模板以当前待去噪的像素为矩阵的中心点,包括了N*M矩阵范围内的所有像素(如图4所示为3*3的滤波模板)。本发明的较佳的实施例中,采用N*M的滤波模板对图像进行噪声过滤。
本发明的较佳的实施例中,N≥3,M≥3,且N和M均为奇数,这样可以保证存在一个中心点表示当前检测的像素的值,且保证矩阵行列均不为1,能够更精确地判断当前检测的像素是否处于平坦区域内。
对于判断当前检测的像素是否处于平坦区域内的实现方法在下文中会详述。
本发明的较佳的实施例中,当判断得到当前检测的像素处于平坦区域内时,执行如图1所示的下述步骤:
步骤S1,根据预设的N*M矩阵内的所有像素的Y值分量,计算并输出当前检测的像素对应的滤波强度参数;
本发明的较佳的实施例中,同样根据滤波模板中包括的所有像素计算对应当前检测的像素的滤波强度。
对于根据Y值分量计算当前检测的像素对应的滤波强度参数的实现方法在下文中会详述。
步骤S2,根据滤波强度参数对当前检测的像素进行滤波;
本发明的较佳的实施例中,步骤S2中,根据计算得到的滤波强度参数,对当前检测的像素采用无限脉冲响应(Infinite Impulse Response,IIR)滤波器进行噪声过滤。进行IIR滤波的具体过程在下文中会详述。
本发明的较佳的实施例中,上述步骤S2中,若通过判断得出当前检测的像素不处于平坦区域内,则对该像素进行均值滤波。进一步地,本发明的较佳的实施例中实施的均值滤波为带权重的均值滤波,即对包括在上述滤波模板中的像素进行有选择地均值滤波。
上述均值滤波的具体过程在下文中会详述。
步骤S3,完成对被选择的颜色通道的像素的图像过滤。
本发明的较佳的实施例中,执行完上述步骤S3后,执行下述步骤:
判断是否对图像中被选择的颜色通道中的每个像素均执行图像过滤:
若否,则转向检测一个尚未经过判断的像素,并在判断得到当前检测的像素处于平坦区域内时执行如步骤S1至步骤S3的图像过滤方法。
本发明的较佳的实施例中,若对图像中被选择的颜色通道中的每个像素均执行图像过滤后,即上述判断为是,则执行下述步骤:
判断是否对图像中的每个颜色通道均执行图像过滤;
若否,则转向下一个颜色通道,选择一个像素进行检测,并在判断得到当前检测的像素处于平坦区域内时执行如步骤S1至步骤S3的图像过滤方法。
则本发明的较佳的实施例中,上述步骤S1-S3为对图像中一个颜色通道的一个像素进行图像噪声过滤的过程。因此,需要对颜色通道内的所有像素均执行如步骤S1-S3的图像过滤方法,才能完成被选择的颜色通道的噪声过滤处理。
同理,需要针对图像中所有颜色通道中的每个像素均执行如上述步骤S1-S3的图像过滤方法,才能完成对整个图像的噪声过滤处理。
本发明的较佳的实施例中,在判断当前检测的像素是否处于平坦区域时,若当前检测的像素未处于平坦区域,则相应地对该像素进行均值滤波,即根据当前检测的像素是否处于平坦区域采用不同的滤波策略对其执行图像噪声滤波。
将上文中所述的步骤整合在一起,可以形成本发明的一个较佳的实施例中,进行图像噪声滤波的完整过程,包括:
首先获取YUV图像,并判断图像中当前检测的像素是否处于平坦区域内:
若当前检测的像素处于平坦区域内,则执行上述步骤S1-S3的图像噪声滤波,该图像噪声滤波可以为IIR滤波;
若当前检测的像素不处于平坦区域内,则执行相应的均值滤波;
随后判断是否对图像中所有颜色通道的每个像素均执行了图像噪声过滤:
若对图像中所有颜色通道的每个像素均执行图像噪声过滤,则表示对该图像进行噪声过滤完毕;
若存在有尚未进行过滤的像素,则返回进行相应的图像噪声过滤。
下文中,描述本发明的一个较佳的实施例中选择位于U平面的一个像素进行图像噪声过滤的具体流程,即根据一个像素的U值分量进行图像噪声过滤的具体流程,以方便本领域技术人员进一步理解本发明技术方案的内容。下文中举例的U值分量同样可以以Y值分量或者V值分量替代,因此下文中出现的公式均为可以代入Y值分量或者U值分量或者V值分量的通项表达式。
本发明的较佳的实施例中,上述判断图像中被选择的一个颜色通道的一个像素是否处于图像的平坦区域内的方法包括:
1)计算以当前检测的像素为中心的预设的N*M矩阵内的最大范围差值,并判断该差值是否小于一预设的第一阈值th1,输出相应的第一判断结果:
本发明的较佳的实施例中,依照下述公式计算上述最大范围差值:
h=|a1-a2|; (1)
其中,
其中,
Xi,j表示被选择的颜色通道中,于预设的N*M矩阵内的第i+1行第j+1列上的像素的值;
上述公式(2)和(3)表示分别对当前检测的像素所在行的所有前行进行求和,以及对当前检测的像素所在行的所有后行进行求和。
v=|b1-b2|; (4)
其中,
上述公式(5)和(6)表示分别对当前检测的像素所在列的所有前列进行求和,以及对当前检测的像素所在列的所有后列进行求和。
则上述最大范围差值为计算h和v之间的最大值max(h,v)得到的值。
例如,于3*3矩阵中,首先计算当前像素所在行的所有前行的像素值之和,即计算第一行像素值之和,以及计算当前像素所在行的所有后行的像素值之和,即计算最后一行像素值之和,最后计算得到上述两个值的差值;
对于列向的像素值同理,同样如3*3矩阵中,首先计算当前像素所在列的所有前列的像素值之和,即计算第一列像素值之和,以及计算当前像素所在行的所有后列的像素值之和,即计算最后一列像素值之和,最后计算得到上述两个值的差值;
本发明的较佳的实施例中,最后进行最大值运算,得到最终的最大范围差值max(h,v)。
以如图4中所示的3*3矩阵内像素的U值分量为例,上述公式(1)-(6)可以表示为:
h=|u0,0+u0,1+u0,2-u2,0-u2,1-u2,2|; (7)
图4中,u1,1作为当前检测的位于U平面的像素的值,也就是当前检测的像素的U值分量,其他U值为以u1,1为中心点的预设的3*3矩阵内包括的像素的U值分量,下文不再赘述。
随后进行最大值运算max(h,v)得到相应的最大范围差值。
本发明的较佳的实施例中,将最大范围差值max(h,v)与预设的第一阈值th1进行比较,以输出相应的第一判断结果。
2)计算以当前检测的像素为中心点的预设的N*M矩阵内的所有像素的方差,并将该方差与相应的预设的第二阈值th2进行比较,输出相应的第二判断结果。
依照下述公式计算上述方差:
其中,
Xvar表示被选择的颜色通道中,包括在预设的N*M矩阵内的所有像素的值的方差值;
为上述预设的N*M矩阵内,当前检测的颜色通道的像素的值;
Xi,j表示被选择的颜色通道中,于预设的N*M矩阵内,第i+1行第j+1列的像素的值。
本发明的较佳的实施例中,计算得到上述方差Xvar后,将Xvar与预设的第二阈值th2进行比较,并输出相应的第二判断结果。
以如图4中所示的3*3矩阵内像素的U值分量为例,上述公式(7)可以表示为:
本发明的较佳的实施例中,将方差uvar与预设的第二阈值th2进行比较,以输出相应的第二判断结果。
3)计算并判断预设的3*M矩阵内,第一行的像素经过滤波的值与当前检测的像素之间的最大距离是否小于一预设的第三阈值th3,输出相应的第三判断结果;
依照下述公式计算上述最大距离:
max_X'=max(X'0,0,X'0,1,L,X'0,A); (10)
min_X'=min(X'0,0,X'0,1,L,X'0,A); (11)
其中,
X'0.A表示被选择的颜色通道中,包括在预设的3*M矩阵内第一行第A+1列的像素经过滤波后的值,例如X'0,0表示对第一行第一列的像素X0,0进行滤波后得到的值;
A≤M-1;
则有:
则上述最大距离为:
Xmax_diff=max(Xdiff1,Xdiff2); (14)
本发明的较佳的实施例中,将上述计算得到的最大距离Xmax_diff与预设的第三阈值th3进行比较,以输出相应的第三判断结果。
以如图5中所示的3*3矩阵内像素的U值分量为例,上述公式(10)-(14)可以表示为:
max_u'=max(u'0,0,u'0,1,u'0,2); (15)
min_u'=min(u'0,0,u'0,1,u'0,2); (16)
udiffl=|max_u'-u1,1|; (17)
udiff2=|min_u'-u1,1|; (18)
umax_diff=max(udiff1,udiff2); (19)
则本发明的较佳的实施例中,将umin_diff与上述预设的第三阈值th4进行比较,并输出相应的第三判断结果。
本发明的较佳的实施例中,结合上述三个判断结果,在对应当前检测的颜色通道的像素的最大范围差值max(h,v)<th1,以及方差Xvar<th2,以及最大距离Xmax_diff<th3时,判断当前检测的颜色通道的像素处于平坦区域内,例如:
当max(h,v)<th1,以及uvar<th2,以及umax_diff<th3时,判断当前检测的U平面中的像素处于平坦区域内。
相反地,在其余情况下,判断当前检测的颜色通道的像素不处于平坦区域内;换言之,当对应当前检测的颜色通道的像素的最大范围差值max(h,v)≥th1,和/或方差Xvar≥th2,和/或最大距离Xmax_diff≥th3时,判断当前检测的颜色通道的像素不处于平坦区域内,例如:
当max(h,v)≥th1,和/或uvar≥th2,和/或umax_diff≥th3时,判断当前检测的U平面中的像素不处于平坦区域内。
本发明的较佳的实施例中,如图2所示,上述步骤S1具体包括:
步骤S11,根据被选择的像素对应的Y值分量计算一个中间滤波强度参数;
本发明的较佳的实施例中,如图5所示,为中间滤波强度参数的坐标曲线示意图;
则可以根据当前检测的像素的Y值分量,依照下述公式计算相应的中间强度参数:
其中,
cy表示中间滤波强度参数;
c1和c2为预设的临界值(参见图6中的坐标曲线示意图);
c1≤cy≤c2; (21)
0<c1<c2<1; (22)
th4表示预设的第四阈值;
ycur表示包括当前检测的颜色通道的像素在内的预设的N*M矩阵内的所有像素的平均亮度:
yi,j表示于预设的N*M矩阵内,第i+1行第j+1列上的像素的Y值分量。
如图7中所示,本发明的一个较佳的实施例中,于预设的3*3模板中,根据当前检测的像素的Y值分量计算中间滤波强度参数,因此上述公式(23)可以表示为:
步骤S12,根据中间滤波强度参数,计算得到最终的滤波强度参数,随后转至步骤S2。
本发明的较佳的实施例中,根据上述步骤S11中计算得到的中间滤波强度参数,依照下述公式计算最终的滤波强度参数:
其中,
c表示滤波强度参数;
c3为预设的临界值(参见图8中所示的坐标曲线示意图);
c3≤c≤cy;(26)
0<c3<cy<1; (27)
Xmax_diff表示预设的3*M矩阵内,第一行的像素经过滤波的值与当前检测的像素之间的最大距离:
th5为预设的第五阈值;
th6为预设的第六阈值;
th5<th6≤th3。 (28)
因此,本发明的较佳的实施例中,应用上述公式中计算得到的滤波强度参数c,对当前检测的颜色通道的像素进行IIR滤波的实现方法可以为:
则以如图4-5所示的3*3模板中U平面上的像素为例,上述公式(29)可以表示为:
因此,在认为一个颜色通道的像素处于平坦区域内时,根据上文中所述的滤波方式对其完成IIR滤波。
本发明的较佳的实施例中,如图3所示,执行上述均值滤波的方法具体包括:
步骤S31,计算以当前检测的像素为中心的预设的N*M矩阵内的每个像素与当前检测的像素之间的距离;
步骤S32,将每个像素与当前检测的像素之间的距离分别与一预设的第七阈值进行比较:
若距离小于第七阈值,则将对应的像素的权重设定为1;
若距离不小于第七阈值,则将对应的像素的权重设定为0;
本发明的较佳的实施例中,依照下述步骤计算像素之间的距离,并且进行相应判断:
表示预设的N*M矩阵内,当前检测的所述像素经过滤波后得到的值;
Xij表示预设的所述N*M矩阵内第i+1行第j+1列上的像素的值;
若上述判断成立,即某一像素至当前检测的像素之间的距离小于预设的第七阈值,则将对应像素的权重设定为1;
若上述判断不成立,即某一像素至当前检测的像素之间的距离不小于预设的第七阈值,则将对应像素的权重设定为0。
步骤S33,根据预设的N*M矩阵内权重为1的像素,对当前检测的像素进行相应的均值滤波,随后转至步骤S3。
本发明的较佳的实施例中,依照下述公式进行均值滤波得到最终的滤波结果:
换言之,本发明的较佳的实施例中,丢弃权重为0的像素,而仅选择N*M矩阵内权重为1的像素进行均值滤波;
则上述公式(32)中的P表示预设的N*M矩阵内权重为1(也就是满足公式(31))的像素的个数。
如图4所示,采用预设的3*3的滤波模板,以U平面上检测的像素为例,上述公式(31)-(32)可以表示为:
|uij-u11|<th7; (33)
综上所述,本发明的发明目的在于:根据预设的滤波模板中包括的所有像素,判断当前检测的颜色通道(YUV色彩系统)的像素是否处于平坦区域内(通过综合判断滤波模板中的最大范围差值、方差以及最大距离等得到判断结果)确定使用哪种滤波方案:
1)在当前检测的颜色通道的像素处于平坦区域内时,根据预设的滤波模板计算得到当前检测的像素的滤波强度参数(大小与Y值分量有关),并按照计算得到的滤波强度参数对当前检测的颜色通道的像素进行IIR滤波;
2)在当前检测的颜色通道的像素不处于平坦区域内时,根据预设的滤波模板计算其中所有像素至当前检测的像素的距离,并根据距离分配相应的权重;随后对当前检测的像素进行带权重的均值滤波。
对图像中每个颜色通道(YUV色彩系统)的所有像素均按照上述方法进行噪声滤波后,完成整个图像的噪声过滤处理。
本发明的较佳的实施例中,提供一种基于上述图像噪声过滤方法的图像噪声过滤系统,具体如图9所示,包括:
图像获取单元1,用于接收待处理的RGB图像,并将RGB图像转换到YUV色彩系统;
现有技术中完全可以实现图像获取单元1将RGB图像转换到YUV色彩系统的功能,因此在此不再赘述。
本发明的较佳的实施例中,若采集得到的图像原本就是YUV色彩系统的,则无需进行转换。
判断单元2,连接图像获取单元1,用于根据以当前检测的像素为中心的预设的N*M矩阵内的所有像素判断当前检测的像素是否处于平坦区域中,并输出相应的判断结果;本发明的较佳的实施例中,当前检测的像素为图像于YUV色彩系统中的一个颜色通道中的像素。例如,位于Y平面的像素,或者位于U平面的像素,或者位于V平面的像素。
本发明的较佳的实施例中,上述判断单元2进一步包括:
第一判断模块21,用于根据预设的N*M矩阵内的所有像素计算对应当前检测的像素的最大范围差值,并判断最大范围差值是否小于一预设的第一阈值,输出相应的第一判断结果。本发明的较佳的实施例中,第一判断模块21依据上文中所述的方法计算得到相应的最大范围差值,并判断最大范围差值是否小于预设的第一阈值,输出相应的第一判断结果。
第二判断模块22,用于计算预设的N*M矩阵内的所有像素的方差值,并判断方差值是否小于一预设的第二阈值,输出相应的第二判断结果。本发明的较佳的实施例中,第二判断模块22根据上文中所述的方法计算得到相应的方差,并判断方差是否小于预设的第二阈值,输出相应的第二判断结果。
第三判断模块23,用于计算并判断预设的3*M矩阵内,第一行的像素经过滤波的值与当前检测的像素之间的最大距离是否小于一预设的第三阈值,输出相应的第三判断结果。本发明的较佳的实施例中,第三判断模块23根据上文中所述的方法计算得到相应的最大距离,并判断最大距离是否小于预设的第三阈值,输出相应的第三判断结果。
本发明的较佳的实施例中,判断单元2根据第一判断结果,第二判断结果以及第三判断结果,在:
最大范围差值小于第一阈值,以及方差值小于第二阈值,以及上述最大距离小于第三阈值时,判断当前检测的像素处于平坦区域中;以及
在其余情况下,判断当前检测的像素不处于平坦区域中。
本发明的较佳的实施例中,上述图像噪声过滤系统还包括:
第一滤波单元3,用于根据以当前检测的像素为中心的预设的N*M矩阵内的所有像素计算得到一相应的滤波强度参数,并根据滤波强度参数对当前检测的像素进行滤波;
本发明的较佳的实施例中,第一滤波单元3对像素进行IIR滤波。
本发明的较佳的实施例中,上述第一滤波单元3进一步包括:
第一计算模块31,用于根据预设的N*M矩阵内的所有像素计算当前检测的像素对应的中间滤波强度参数;
第二计算模块32,连接第一计算模块31,用于根据中间滤波强度参数计算得到一对应当前检测的像素的滤波强度参数;
第一滤波模块33,连接第二计算模块32,用于根据滤波强度参数,对当前检测的像素进行滤波。
本发明的较佳的实施例中,根据上述滤波强度参数,采用以当前检测的像素为中心的预设的3*M矩阵内的所有像素的值,对当前检测的像素进行滤波。
本发明的较佳的实施例中,上述图像噪声过滤系统还包括:
第二滤波单元4,用于对当前检测的像素进行均值滤波;
本发明的较佳的实施例中,第二滤波单元4对像素进行带权重的均值滤波。
本发明的较佳的实施例中,上述第二滤波单元4进一步包括:
第三计算模块41,用于计算预设的N*M矩阵内的所有像素至当前检测的像素之间的距离;
权重比较模块42,连接第三计算模块41,用于将计算得到的对应每个像素的距离与一预设的阈值进行比较,并丢弃距离不小于阈值的像素的值;
第二滤波模块43,连接权重比较模块42,用于根据预设的N*M矩阵内未被丢弃的像素的值,对当前检测的像素进行均值滤波。
启动单元5,分别连接判断单元2、第一滤波单元3和第二滤波单元4,用于根据判断结果:
在当前检测的像素处于平坦区域内时启动第一滤波单元;以及
在当前检测的像素未处于平坦区域内时启动第二滤波单元;
本发明的较佳的实施例中,启动单元5根据上述判断单元2输出的判断结果,选择性启动第一滤波单元3或者第二滤波单元4。换言之,本发明的较佳的实施例中:
当前检测的颜色通道的像素处于平坦区域内时,采用第一滤波单元3以IIR滤波方式对其进行噪声过滤处理;
当前检测的颜色通道的像素不处于平坦区域内时,采用第二滤波单元4以带权重的均值滤波方式对其进行噪声过滤处理。
以上所述仅为本发明较佳的实施例,并非因此限制本发明的实施方式及保护范围,对于本领域技术人员而言,应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案,均应当包含在本发明的保护范围内。
Claims (19)
1.一种图像噪声过滤方法,其特征在于,包括:
获取YUV图像,并对图像中未经过噪声过滤的颜色通道的一个像素执行下述的图像噪声过滤
根据以当前检测的像素为中心的预设的N*M矩阵内的所有像素对当前检测的所述像素进行判断,若当前检测的所述像素处于平坦区域内,则执行下述步骤:
步骤S1,根据所述N*M矩阵内的所有像素的Y值分量,计算并输出当前检测的所述像素对应的滤波强度参数;
步骤S2,根据所述滤波强度参数对当前检测的所述像素进行滤波;
步骤S3,完成对被选择的所述颜色通道的所述像素的图像过滤;
其中,N≥3,M≥3,且N和M均为奇数;
判断当前检测的所述像素是否处于平坦区域内的方法具体包括:
根据预设的所述N*M矩阵内的所有像素计算对应当前检测的所述像素的最大范围差值,并判断所述最大范围差值是否小于一预设的第一阈值,输出相应的第一判断结果;
计算预设的所述N*M矩阵内的所有像素的方差值,并判断所述方差值是否小于一预设的第二阈值,输出相应的第二判断结果;
计算并判断预设的3*M矩阵内,第一行的像素经过滤波的值与当前检测的所述像素之间的最大距离是否小于一预设的第三阈值,输出相应的第三判断结果;
在判断当前检测的所述像素是否处于平坦区域内时,根据所述第一判断结果、所述第二判断结果以及所述第三判断结果,在:
所述最大范围差值小于所述第一阈值,以及所述方差值小于所述第二阈值,以及所述最大距离小于所述第三阈值时,判断当前检测的所述像素处于平坦区域中;以及
在其余情况下,判断当前检测的所述像素不处于平坦区域中。
2.如权利要求1所述的图像噪声过滤方法,其特征在于,执行所述步骤S3后,执行下述步骤:
判断是否对图像中被选择的所述颜色通道中的每个像素均执行图像过滤:
若否,则转向检测一个尚未经过判断的像素,并在判断得到当前检测的所述像素处于平坦区域内时执行如所述步骤S1至所述步骤S3的图像过滤方法。
3.如权利要求2所述的图像噪声过滤方法,其特征在于,判断对图像中被选择的所述颜色通道中的每个像素均执行图像过滤后,执行下述步骤:
判断是否对图像中的每个所述颜色通道均执行图像过滤;
若否,则转向下一个所述颜色通道,选择一个像素进行检测,并在判断得到当前检测的所述像素处于平坦区域内时执行如所述步骤S1至所述步骤S3的图像过滤方法。
4.如权利要求1所述的图像噪声过滤方法,其特征在于,若根据以当前检测的像素为中心的预设的N*M矩阵内的所有像素,判断得出当前检测的所述像素未处于平坦区域内,则执行下述步骤:
对当前检测的所述像素进行均值滤波,随后转至所述步骤S3。
5.如权利要求1所述的图像噪声过滤方法,其特征在于,依照下述公式计算所述最大范围差值:
h=|a1-a2|;
其中,
Xi,j表示被选择的所述颜色通道中,于预设的所述N*M矩阵内的第i+1行第j+1列上的所述像素的值;
v=|b1-b2|;
其中,
则计算h和v之间的最大值max(h,v),以作为所述最大范围差值。
6.如权利要求1所述的图像噪声过滤方法,其特征在于,依照下述公式计算所述方差值:
其中,
Xvar表示被选择的所述颜色通道中,包括在预设的所述N*M矩阵内的所有所述像素的值的方差值;
为预设的所述N*M矩阵内,当前检测的所述颜色通道的所述像素的值;
Xi,j表示被选择的所述颜色通道中,于预设的所述N*M矩阵内,第i+1行第j+1列的所述像素的值。
7.如权利要求1所述的图像噪声过滤方法,其特征在于,依照下述公式计算所述最大距离:
max_X'=max(X'0,0,X'0,1,...,X'0,A);
min_X'=min(X'0,0,X'0,1,...,X'0,A);
其中,
A≤M-1;
X’0,A表示预设的所述3*M矩阵内第1行A+1列的所述像素经过滤波后的值;
则有:
则上述最大距离为:
Xmax_diff=max(Xdiff1,Xdiff2);
判断Xmax_diff是否小于相应的所述第三阈值,并输出相应的所述第三判断结果。
8.如权利要求1所述的图像噪声过滤方法,其特征在于,所述步骤S1具体包括:
步骤S11,根据被选择的所述像素对应的Y值分量计算一个中间滤波强度参数;
步骤S12,根据所述中间滤波强度参数,计算得到最终的所述滤波强度参数,随后转至所述步骤S2。
9.如权利要求8所述的图像噪声过滤方法,其特征在于,所述步骤S11中,依照下述公式计算所述中间滤波强度参数:
其中,
cy表示所述中间滤波强度参数;
c1和c2为预设的临界值;
c1≤cy≤c2;
0<c1<c2<1;
th4表示预设的第四阈值;
ycur表示包括当前检测的所述颜色通道的所述像素在内的预设的所述N*M矩阵内的所有像素的平均亮度:
yi,j表示于预设的所述N*M矩阵内,第i+1行第j+1列上的所述像素的Y值分量。
10.如权利要求9所述的图像噪声过滤方法,其特征在于,所述步骤S12中,依照下述公式计算所述滤波强度参数:
其中,
c表示所述滤波强度参数;
c3为预设的临界值;
c3≤c≤cy;
0<c3<cy<1;
Xmax_diff表示预设的3*M矩阵内,第一行的所述像素经过滤波的值与当前检测的所述像素之间的最大距离;
th5为预设的第五阈值;
th6为预设的第六阈值;
th5<th6≤th3。
11.如权利要求1所述的图像噪声过滤方法,其特征在于,所述步骤S2中,依照下述公式,采用预设的3*M矩阵对当前检测的所述颜色通道的所述像素进行噪声过滤处理:
其中,
表示预设的所述3*M矩阵内,当前检测的所述颜色通道的所述像素经过噪声过滤处理后的值;
X’0,j表示预设的所述3*M矩阵内第1行j+1列的像素经过滤波后的值。
12.如权利要求4所述的图像噪声过滤方法,其特征在于,所述均值滤波的方法具体包括:
步骤S31,计算以当前检测的像素为中心的预设的N*M矩阵内的每个像素与当前检测的所述像素之间的距离;
步骤S32,将每个所述像素与当前检测的所述像素之间的距离分别与一预设的第七阈值进行比较:
若距离小于所述第七阈值,则将对应的所述像素的权重设定为1;
若距离不小于所述第七阈值,则将对应的所述像素的权重设定为0;
步骤S33,根据预设的所述N*M矩阵内权重为1的所述像素,对当前检测的所述像素进行相应的均值滤波,随后转至所述步骤S3。
13.如权利要求12所述的图像噪声过滤方法,其特征在于,依照下述公式对当前检测的所述像素进行均值滤波:
表示预设的所述N*M矩阵内,当前检测的所述像素经过滤波后得到的值;
Xij表示预设的所述N*M矩阵内第i+1行第j+1列上的像素的值;
P表示预设的所述N*M矩阵内包括P个像素满足:
其中,
th7表示预设的所述第七阈值。
14.如权利要求1所述的图像噪声过滤方法,其特征在于,所述步骤S2中,根据所述滤波强度参数对被选择的所述颜色通道的所述像素进行无限脉冲响应数字滤波。
15.一种图像噪声过滤系统,其特征在于,包括:
图像获取单元,用于接收待处理的RGB图像,并将所述RGB图像转换到YUV色彩系统;
判断单元,连接所述图像获取单元,用于根据以当前检测的像素为中心的预设的N*M矩阵内的所有像素判断当前检测的所述像素是否处于平坦区域中,并输出相应的判断结果;
第一滤波单元,用于根据以当前检测的像素为中心的预设的N*M矩阵内的所有像素计算得到一相应的滤波强度参数,并根据所述滤波强度参数对当前检测的所述像素进行滤波;
启动单元,分别连接所述判断单元和所述第一滤波单元,用于根据所述判断结果,在当前检测的所述像素处于平坦区域内时启动所述第一滤波单元;
所述判断单元包括:
第一判断模块,用于根据预设的所述N*M矩阵内的所有像素计算对应当前检测的所述像素的最大范围差值,并判断所述最大范围差值是否小于一预设的第一阈值,输出相应的第一判断结果;
第二判断模块,用于计算预设的所述N*M矩阵内的所有像素的方差值,并判断所述方差值是否小于一预设的第二阈值,输出相应的第二判断结果;
第三判断模块,用于计算并判断预设的3*M矩阵内,第一行中的像素经过滤波的值与当前检测的所述像素之间的最大距离是否小于一预设的第三阈值,输出相应的第三判断结果;
所述判断单元根据所述第一判断结果,所述第二判断结果以及所述第三判断结果,在:
所述最大范围差值小于所述第一阈值,以及所述方差值小于所述第二阈值,以及所述最大距离小于所述第三阈值时,判断当前检测的所述像素处于平坦区域中;以及
在其余情况下,判断当前检测的所述像素不处于平坦区域中。
16.如权利要求15所述的图像噪声过滤系统,其特征在于,还包括:
第二滤波单元,连接所述启动单元,用于对当前检测的所述像素进行均值滤波;
所述启动单元根据所述判断结果,在当前检测的所述像素未处于平坦区域内时启动所述第二滤波单元。
17.如权利要求15所述的图像噪声过滤系统,其特征在于,所述第一滤波单元包括:
第一计算模块,用于根据预设的所述N*M矩阵内的所有像素计算当前检测的所述像素对应的中间滤波强度参数;
第二计算模块,连接所述第一计算模块,用于根据所述中间滤波强度参数计算得到一对应当前检测的所述像素的所述滤波强度参数;
第一滤波模块,连接所述第二计算模块,用于根据所述滤波强度参数,对当前检测的所述像素进行滤波。
18.如权利要求15所述的图像噪声过滤系统,其特征在于,所述第一滤波模块根据所述滤波强度参数,对当前检测的所述像素进行无限冲击响应滤波。
19.如权利要求16所述的图像噪声过滤系统,其特征在于,所述第二滤波单元中包括:
第三计算模块,用于计算预设的所述N*M矩阵内的所有像素至当前检测的所述像素之间的距离;
比较模块,连接所述第三计算模块,用于将计算得到的对应每个所述像素的所述距离与一预设的阈值进行比较,并丢弃所述距离不小于所述阈值的所述像素的值;
第二滤波模块,连接所述比较模块,用于根据预设的所述N*M矩阵内未被丢弃的所述像素的值,对当前检测的所述像素进行均值滤波。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410847793.0A CN105809630B (zh) | 2014-12-30 | 2014-12-30 | 一种图像噪声过滤方法及系统 |
US14/983,893 US9838717B2 (en) | 2014-12-30 | 2015-12-30 | Method and system for filtering image noise out |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410847793.0A CN105809630B (zh) | 2014-12-30 | 2014-12-30 | 一种图像噪声过滤方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105809630A CN105809630A (zh) | 2016-07-27 |
CN105809630B true CN105809630B (zh) | 2019-03-12 |
Family
ID=56286695
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410847793.0A Active CN105809630B (zh) | 2014-12-30 | 2014-12-30 | 一种图像噪声过滤方法及系统 |
Country Status (2)
Country | Link |
---|---|
US (1) | US9838717B2 (zh) |
CN (1) | CN105809630B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106131669B (zh) * | 2016-07-25 | 2019-11-26 | 联想(北京)有限公司 | 一种合并视频的方法及装置 |
CN109961405B (zh) * | 2017-12-25 | 2023-02-03 | 合肥君正科技有限公司 | 一种图像滤波方法和装置 |
CN110246087B (zh) * | 2018-03-07 | 2021-06-04 | 舜宇光学(浙江)研究院有限公司 | 参考多通道的多分辨率去除图像色度噪声的系统和方法 |
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 |
CN111161188B (zh) * | 2019-12-30 | 2023-09-08 | 珠海全志科技股份有限公司 | 降低图像色彩噪声的方法、计算机装置及可读存储介质 |
CN111724325B (zh) * | 2020-06-24 | 2023-10-31 | 湖南国科微电子股份有限公司 | 一种三边滤波图像处理方法及装置 |
CN111882549B (zh) * | 2020-07-31 | 2024-04-09 | 陕西长岭软件开发有限公司 | 一种灰绿色细小异纤自动检测识别方法及检测识别系统 |
CN112446838B (zh) * | 2020-11-24 | 2024-07-12 | 海南大学 | 一种基于局部统计信息的图像噪声检测方法、装置 |
CN113744239A (zh) * | 2021-09-02 | 2021-12-03 | 广东奥普特科技股份有限公司 | 一种基于机器视觉的聚合物软包锂电池底角自动检测装置 |
CN114399447A (zh) * | 2021-12-14 | 2022-04-26 | 昂视工业技术(深圳)有限公司 | 均值滤波方法及系统 |
CN115661145B (zh) * | 2022-12-23 | 2023-03-21 | 海马云(天津)信息技术有限公司 | 云应用坏帧检测方法与装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1341246A (zh) * | 1999-02-05 | 2002-03-20 | 三星电子株式会社 | 彩色图像处理方法和装置 |
CN102210149A (zh) * | 2008-12-31 | 2011-10-05 | 三星电子株式会社 | 以位图格式对图像编码/解码的方法和装置 |
US20140133774A1 (en) * | 2012-11-09 | 2014-05-15 | Industrial Technology Research Institute | Image processor and image dead pixel detection method thereof |
CN104123699A (zh) * | 2013-04-26 | 2014-10-29 | 富士通株式会社 | 降低图像噪声的方法和装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6546117B1 (en) * | 1999-06-10 | 2003-04-08 | University Of Washington | Video object segmentation using active contour modelling with global relaxation |
KR100843084B1 (ko) * | 2006-06-22 | 2008-07-02 | 삼성전자주식회사 | 노이즈 저감 방법 및 장치 |
JP5150224B2 (ja) * | 2006-11-29 | 2013-02-20 | パナソニック株式会社 | 画像処理方法および画像処理装置 |
JP4863505B2 (ja) * | 2007-08-07 | 2012-01-25 | 株式会社メガチップス | 画像処理装置 |
JP2009194776A (ja) * | 2008-02-15 | 2009-08-27 | Fujitsu Microelectronics Ltd | ノイズフィルタ |
US9978121B2 (en) * | 2013-12-04 | 2018-05-22 | Razzor Technologies | Adaptive sharpening in image processing and display |
-
2014
- 2014-12-30 CN CN201410847793.0A patent/CN105809630B/zh active Active
-
2015
- 2015-12-30 US US14/983,893 patent/US9838717B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1341246A (zh) * | 1999-02-05 | 2002-03-20 | 三星电子株式会社 | 彩色图像处理方法和装置 |
CN102210149A (zh) * | 2008-12-31 | 2011-10-05 | 三星电子株式会社 | 以位图格式对图像编码/解码的方法和装置 |
US20140133774A1 (en) * | 2012-11-09 | 2014-05-15 | Industrial Technology Research Institute | Image processor and image dead pixel detection method thereof |
CN104123699A (zh) * | 2013-04-26 | 2014-10-29 | 富士通株式会社 | 降低图像噪声的方法和装置 |
Non-Patent Citations (1)
Title |
---|
一种有效的自适应均值滤波算法;李亚珂 等;《电视技术》;20131202;第37卷(第23期);第10-11页 |
Also Published As
Publication number | Publication date |
---|---|
US9838717B2 (en) | 2017-12-05 |
US20160196477A1 (en) | 2016-07-07 |
CN105809630A (zh) | 2016-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105809630B (zh) | 一种图像噪声过滤方法及系统 | |
US9445022B2 (en) | Image processing apparatus and image processing method, and program | |
WO2016206087A1 (zh) | 一种低照度图像处理方法和装置 | |
CN111915535B (zh) | 一种图像去噪的方法及装置 | |
US10210643B2 (en) | Image processing apparatus, image processing method, and storage medium storing a program that generates an image from a captured image in which an influence of fine particles in an atmosphere has been reduced | |
CN110246087B (zh) | 参考多通道的多分辨率去除图像色度噪声的系统和方法 | |
TWI573464B (zh) | An image processing apparatus, an image processing method, an image processing program, and a recording medium | |
US8406559B2 (en) | Method and system for enhancing image sharpness based on local features of image | |
US8238685B2 (en) | Image noise reduction method and image processing apparatus using the same | |
CN110730336A (zh) | 一种去马赛克方法及装置 | |
US20120328193A1 (en) | Method for enhancing image edge | |
CN112400185A (zh) | 多级双边噪声滤波的方法、装置及系统 | |
CN111539893A (zh) | 一种基于导向滤波的Bayer图像联合去马赛克去噪方法 | |
CN106355560A (zh) | 一种雾霾图像中大气光值的提取方法及系统 | |
CN103313068B (zh) | 基于灰边缘约束灰世界的白平衡校正图像处理方法及装置 | |
CN111179186A (zh) | 一种保护图像细节的图像去噪系统 | |
TW201318418A (zh) | 降低影像雜訊的方法及相關裝置 | |
US8655058B2 (en) | Method and apparatus for spatial noise adaptive filtering for digital image and video capture systems | |
CN111429381B (zh) | 图像边缘增强方法及装置、存储介质、计算机设备 | |
JP4932910B2 (ja) | デジタル画像におけるモスキート・ノイズを低減するための方法及びシステム | |
KR20140006751A (ko) | 이미지 처리 장치 및 방법 | |
TWI584642B (zh) | 影像濾波裝置及其影像濾波方法 | |
CN103345726B (zh) | 图像去噪处理方法、装置和终端 | |
Zhou et al. | An Effective Image Demosaicking Algorithm with Correlations among RGB Channels | |
Tomaselli et al. | False colors removal on the YCr-Cb color space |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |