CN106875354A - 图像去噪方法、装置及设备 - Google Patents

图像去噪方法、装置及设备 Download PDF

Info

Publication number
CN106875354A
CN106875354A CN201710042443.0A CN201710042443A CN106875354A CN 106875354 A CN106875354 A CN 106875354A CN 201710042443 A CN201710042443 A CN 201710042443A CN 106875354 A CN106875354 A CN 106875354A
Authority
CN
China
Prior art keywords
pixel
wave filter
image
filter mask
denoising
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.)
Granted
Application number
CN201710042443.0A
Other languages
English (en)
Other versions
CN106875354B (zh
Inventor
高上
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Neusoft Medical Equipment Co Ltd
Original Assignee
Beijing Neusoft Medical Equipment Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Neusoft Medical Equipment Co Ltd filed Critical Beijing Neusoft Medical Equipment Co Ltd
Priority to CN201710042443.0A priority Critical patent/CN106875354B/zh
Publication of CN106875354A publication Critical patent/CN106875354A/zh
Application granted granted Critical
Publication of CN106875354B publication Critical patent/CN106875354B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • 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
    • G06T2207/20172—Image enhancement details
    • G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本申请提供一种图像去噪方法、装置及设备。其中，图像去噪方法包括：提取待去噪图像中每个像素的特征值；根据每个像素的特征值计算预设的不同方向的滤波器掩模在每个像素上的权重；针对每个方向的滤波器掩模，在每个像素上为当前方向的滤波器掩模设置对应的权重，并根据设置的权重计算对应像素在当前方向上的加权统计值；根据待去噪图像中所有像素在所有方向上的加权统计值去除噪声，以得到去噪后的图像。本申请可达到在去除图像噪声的同时保证图像边缘区域和角点区域清晰。

Description

图像去噪方法、装置及设备
技术领域
本申请涉及图像处理技术，尤其涉及一种图像去噪方法、装置及设备。
背景技术
数字剪影血管造影(DSA)X射线设备作为介入诊疗的重要工具，可以为介入诊疗提供实时的图像，并可以为介入操作的导向，及时的诊断，治疗方案的确定以及即刻疗效的判断提供重要的依据。但是X射线具有电离辐射，医护人员和患者在使用过程中难免会受到辐射。为了减少X射线对人体的损害，一方面设备和人员要做好物理防护措施，另一方面要尽量降低X射线成像过程中的剂量。
然而，降低剂量会带来图像信噪比的降低和图像质量的下降，因此，图像去噪成为DSA图像处理的一个重要部分，但是，目前存在的去噪方法在去除噪声的同时会造成图像中边缘和角点等区域的模糊。
发明内容
有鉴于此，本申请提供一种图像去噪方法、装置及设备。
根据本申请实施例的第一方面，提供一种图像去噪方法，所述方法包括：
提取待去噪图像中每个像素的特征值；
根据所述每个像素的特征值计算预设的不同方向的滤波器掩模在所述每个像素上的权重；
针对每个方向的滤波器掩模，在所述每个像素上为当前方向的滤波器掩模设置对应的所述权重，并根据所述权重计算对应像素在当前方向上的加权统计值；
根据所述待去噪图像中所有像素在所有方向上的加权统计值去除噪声，以得到去噪后的图像。
根据本申请实施例的第二方面，提供一种图像去噪装置，所述装置包括：
提取模块，用于提取待去噪图像中每个像素的特征值；
计算模块，用于根据所述提取模块提取的所述每个像素的特征值计算预设的不同方向的滤波器掩模在所述每个像素上的权重；
设置计算模块，用于针对每个方向的滤波器掩模，在所述每个像素上为当前方向的滤波器掩模设置对应的所述计算模块计算的所述权重，并根据所述权重计算对应像素在当前方向上的加权统计值；
去噪模块，用于根据所述设置计算模块计算的所述待去噪图像中所有像素在所有方向上的加权统计值去除噪声，以得到去噪后的图像。
根据本申请实施例的第三方面，提供一种图像去噪设备，包括：
处理器；用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为：
提取待去噪图像中每个像素的特征值；
根据所述每个像素的特征值计算预设的不同方向的滤波器掩模在所述每个像素上的权重；
针对每个方向的滤波器掩模，在所述每个像素上为当前方向的滤波器掩模设置对应的所述权重，并根据所述权重计算对应像素在当前方向上的加权统计值；
根据所述待去噪图像中所有像素在所有方向上的加权统计值去除噪声，以得到去噪后的图像。
在本申请实施例中，通过在像素上为每个滤波器掩模设置对应的权重，以调整不同区域滤波器掩模的大小，即可以使待去噪图像边缘区域的滤波器掩模较大，角点区域的滤波器掩模较小，从而达到保持角点区域清晰的目的；同时可以根据待去噪图像中所有像素在所有方向上的加权统计值去除噪声，以达到在去除图像噪声的同时保证图像边缘区域的清晰。
附图说明
图1是本申请一示例性实施例示出的一种图像去噪方法的流程图；
图2A是本申请一示例性实施例示出的滤波器掩模的示意图一；
图2B是本申请一示例性实施例示出的滤波器掩模的示意图二；
图2C是本申请一示例性实施例示出的滤波器掩模的示意图三；
图2D是本申请一示例性实施例示出的滤波器掩模的示意图四；
图3A是本申请一示例性实施例示出的一种计算滤波器掩模在每个像素上的权重的流程图；
图3B是本申请一示例性实施例示出的边缘区域滤波器掩模大小的曲线示意图；
图3C是本申请一示例性实施例示出的角点区域滤波器掩模大小的曲线示意图；
图4是本申请一示例性实施例示出的一种根据待去噪图像中所有像素在所有方向上的加权统计值输出去噪后图像的流程图；
图5A是本申请一示例性实施例示出的待去噪图像的示意图；
图5B是本申请一示例性实施例示出的去噪后图像的示意图；
图6是本申请图像去噪装置所在设备的一种硬件结构图；
图7是本申请一示例性实施例示出的一种图像去噪装置的框图；
图8是本申请一示例性实施例示出的一种图像去噪装置的框图；
图9是本申请一示例性实施例示出的一种图像去噪装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
在本申请实施例中，提取待去噪图像中每个像素的特征值，并根据每个像素的特征值计算预设的不同方向的滤波器掩模在每个像素上的权重，然后针对每个方向的滤波器掩模，在每个像素上为当前方向的滤波器掩模设置对应的权重，以达到调整不同区域滤波器掩模大小的目的，之后可以根据设置的权重计算对应像素在当前方向上的加权统计值，最后根据待去噪图像中所有像素在所有方向上的加权统计值输出去噪后的图像。本实施例通过在每个像素上为每个滤波器掩模设置对应的权重，以调整不同区域滤波器掩模的大小，即可以使待去噪图像边缘区域的滤波器掩模较大，角点区域的滤波器掩模较小，从而达到保持角点区域清晰的目的；同时可以根据待去噪图像中所有像素在所有方向上的加权统计值去除噪声，以达到在去除图像噪声的同时保证图像边缘区域的清晰。下面结合具体实施例对本申请的实现过程进行详细描述。
图1是本申请一示例性实施例示出的一种图像去噪方法的流程图，如图1所示，该图像去噪方法包括：
步骤S101，提取待去噪图像中每个像素的特征值。
在该实施例中，可以基于预设的不同方向的滤波器掩模提取每个像素在不同方向上的统计值，并将每个像素在不同方向上的统计值中的最小值作为对应像素的特征值。
在该实施例中，可以采用但不局限于图2A-图2D所示的四个不同方向的一维滤波器掩模(mask)，假设图2A-图2D中的滤波器掩模分别为M1、M2、M3和M4，则M1、M2、M3和M4的大小(size)为7个，即四个滤波器掩模包含的像素数量均为7个。
需要说明的是，图2A-图2D所示的滤波器掩模仅为示例，在实际应用过程中，可以根据需要选择更多方向的滤波器掩模，例如八个不同方向的滤波器掩模等，也可以采用大小为其他数值例如9个像素的滤波器掩模，还可以采用其他维度的滤波器掩模，例如二维滤波器掩模。
其中，基于不同方向的滤波器掩模提取每个像素在不同方向上的统计值可以通过以下方式来实现：针对每个方向的滤波器掩模，将当前方向的滤波器掩模逐像素地在待去噪图像上移动，并根据当前方向的滤波器掩模移动的位置提取对应像素在当前方向上的统计值。
例如，可以将图2A所示的滤波器掩模M1逐像素地在待去噪图像上移动，当M1移动到第一个像素上时，提取第一个像素在0度方向上的统计值，当M1移动到第二个像素上时，提取第二个像素在0度方向上的统计值，依次类推，直至提取完所有像素在0度方向上的统计值。
又例如，可以将图2B所示的滤波器掩模M2逐像素地在待去噪图像上移动，当M2移动到第一个像素上时，提取第一个像素在45度方向上的统计值，当M2移动到第二个像素上时，提取第二个像素在45度方向上的统计值，依次类推，直至提取完所有像素在45度方向上的统计值。
假设该实施例中采用的是图2A-图2D所示的四个不同方向的一维滤波器掩模，则每个像素在四个方向上各有一个统计值，即每个像素均有四个方差，将这四个方差中的最小值作为对应像素的特征值。
其中，像素在当前方向上的统计值可以包括但不局限于像素方差，例如还可以为标准差、三阶矩等。
在该实施例中，还可以基于预设的检测算法提取每个像素的特征值，其中，预设的检测算法可以包括但不局限于Harries算子或小核值相似区(Smallest Univalue SegmentAssimilating Nucleus，SUSAN)算子检测算法等。
步骤S102，根据每个像素的特征值计算预设的不同方向的滤波器掩模在每个像素上的权重。
如图3A所示，上述步骤S102可以包括以下步骤：
步骤S1021，根据每个像素的特征值确定出与每个像素对应的参数。
以特征值为像素最小方差为例，参数σ可以通过以下单调递减函数来确定：
其中，σ2 min＝min1≤j≤K(σ2 j(x,y))，a表示函数值的最小值，d表示函数值的最大值，c为函数值达到中值的σ2 min，b表示该函数曲线的陡峭程度，E(x,y)表示(x,y)点的数学期望，n表示滤波器掩模包含的像素数量，Ii(x,y)表示待去噪图像中每个像素的像素值，K表示滤波器掩模的总数量。
需要说明的是，上述参数σ还可以通过其他单调递减函数来确定，即该实施例中对单调递减函数不做具体限定。
步骤S1022，针对每个方向的滤波器掩模，根据与每个像素对应的参数和当前方向的滤波器掩模的坐标计算出当前方向的滤波器掩模在每个像素上的权重。
其中，可以通过高斯函数计算当前方向的滤波器掩模在每个像素上的权重：
其中，wi(z)表示当前方向滤波器掩模在每个像素上的权重，z表示当前方向滤波器掩模的坐标。
假设本实施例中采用的是如图2A-图2D所示的四个方向的一维滤波器掩模，则通过上述高斯函数可以计算出同一个像素上所有方向的滤波器掩模的权重相同，由于所有方向的滤波器掩模均包含7个像素，则通过上述高斯函数计算出的与这7个像素对应的权重值可以分别为：0.04，0.11，0.21，0.26，0.21，0.11，0.04。需要说明的是，上述数值仅为通过高斯函数计算出的一个示例。
步骤S103，针对每个方向的滤波器掩模，在每个像素上为当前方向的滤波器掩模设置对应的权重，并根据设置的权重计算对应像素在当前方向上的加权统计值。
在该实施例中，可以针对每个方向的滤波器掩模，将当前方向的滤波器掩模逐像素地在待去噪图像上移动，并根据覆盖的像素为当前方向的滤波器掩模设置对应的权重。
通过在每个像素上为不同方向的滤波器掩模设置对应的权重，可以达到调整不同区域滤波器掩模大小的目的。由于通过上述高斯函数可以计算出待去噪图像边缘区域的滤波器掩模权重较大，角点区域的滤波器掩模权重较小，因此，在每个像素上设置好滤波器掩模的权重之后，如图3B-图3C所示，待去噪图像边缘区域的滤波器掩模较大(即边缘区域的滤波器掩模包含的像素数较多)，角点区域的滤波器掩模较小(即角点区域的滤波器掩模包含的像素数较少)，从而达到保持角点区域清晰的目的。其中，角点区域是指图像中变化剧烈的边缘区域，例如血管的末端和剧烈弯曲的地方。
在每个像素上为当前方向的滤波器掩模设置对应的权重之后，可以根据设置的权重计算对应像素在当前方向上的加权均值和加权方差。
继续以图2A-图2D所示滤波器掩模为例，根据设置的权重计算出所有像素在Mj方向上的加权均值和加权方差分别为：
其中，wi表示在每个像素上Mj的权重，Ii(x,y)表示每个像素的像素值，wEj(x,y)为所有像素在Mj方向上的加权均值，wσ2 j(x,y)为所有像素在Mj方向上的加权方差。
步骤S104，根据待去噪图像中所有像素在所有方向上的加权统计值去除噪声，以得到去噪后的图像。
如图4所示，上述步骤S104可以包括以下步骤：
步骤S1041，根据所有像素在每个方向上的加权方差设置所有像素在对应方向上的加权均值的权重。
其中，可以将所有像素在每个方向上的加权均值的权重设置为对应方向上的像素加权方差分之一，即将wEj(x,y)的权重设置为另外，还可以将所有像素在每个方向上的加权均值的权重设置为与对应方向上的像素加权方差相关的其他单调递减函数。
步骤S1042，根据设置的加权均值的权重，计算所有像素在所有方向上的加权均值之和。
在设置好所有像素在每个方向上的加权均值的权重之后，可以根据设置的加权均值的权重计算出所有像素在所有方向上的加权均值之和为这样，对于较小的方向，使wEj(x,y)在计算结果中的权重更大，即与边缘同方向的滤波器掩模有较大的权重，从而达到保持边缘清晰的目的。
步骤S1043，根据计算出的加权均值之和去除待去噪图像的噪声，以得到去噪后的图像。
在该实施例中，可以通过以下公式得到去噪后的图像的估计值为：
其中，表示去噪后的图像的估计值，I(x,y)表示待去噪图像。
通过上述图像去噪方法对图5A所示的图像进行去噪，得到如图5B所示的去噪后的图像，从图5B可以看出，去噪后图像的边缘和角点区域很清晰。
上述实施例，通过在像素上为每个滤波器掩模设置对应的权重，以调整不同区域滤波器掩模的大小，即可以使待去噪图像边缘区域的滤波器掩模较大，角点区域的滤波器掩模较小，从而达到保持角点区域清晰的目的；同时可以根据待去噪图像中所有像素在所有方向上的加权统计值去除噪声，以达到在去除图像噪声的同时保证图像边缘区域的清晰。
与前述图像去噪方法的实施例相对应，本申请还提供了图像去噪装置的实施例。
本申请图像去噪装置的实施例可以应用在终端上。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图6所示，为本申请图像去噪装置600所在设备的一种硬件结构图，除了图6所示的处理器610、内存620、网络接口630、以及非易失性存储器640之外，实施例中装置所在的设备通常根据该设备的实际功能，还可以包括其他硬件，如摄像头、触摸屏子、通信组件等。
图7是本申请一示例性实施例示出的一种图像去噪装置的框图，如图7所示，该图像去噪装置包括：提取模块71、计算模块72、设置计算模块73和去噪模块74。
提取模块71用于提取待去噪图像中每个像素的特征值。
计算模块72用于根据提取模块71提取的每个像素的特征值计算预设的不同方向的滤波器掩模在每个像素上的权重。
设置计算模块73用于针对每个方向的滤波器掩模，在每个像素上为当前方向的滤波器掩模设置对应的计算模块72计算的权重，并根据权重计算对应像素在当前方向上的加权统计值。
去噪模块74用于根据设置计算模块73计算的待去噪图像中所有像素在所有方向上的加权统计值去除噪声，以得到去噪后的图像。
在一个可选的实现方式中：
如图8所示，计算模块72可以包括：确定子模块721和计算子模块722。
确定子模块721用于根据每个像素的特征值确定出与每个像素对应的参数。
计算子模块722用于针对每个方向的滤波器掩模，根据确定子模块721确定的与每个像素对应的参数和当前方向的滤波器掩模的坐标计算出当前方向的滤波器掩模在每个像素上的权重。
在另一个可选的实现方式中：
设置计算模块73可以具体用于：将当前方向的滤波器掩模逐像素地在待去噪图像上移动，并根据覆盖的像素为当前方向的滤波器掩模设置对应的权重。
在另一个可选的实现方式中：
提取模块71可以包括(图7中未示出)：第一提取子模块或者第二提取子模块。
第一提取子模块，用于基于不同方向的滤波器掩模提取每个像素在不同方向上的统计值，并将每个像素在不同方向上的统计值中的最小值作为对应像素的特征值。
第二提取子模块，用于基于预设的检测算法提取每个像素的特征值。
在一个可选的实现方式中：
加权统计值可以包括加权均值和加权方差，如图9所示，去噪模块74可以包括：设置子模块741、计算子模块742和去噪子模块743。
设置子模块741用于根据所有像素在每个方向上的加权方差设置所有像素在对应方向上的加权均值的权重。
计算子模块742用于根据设置子模块741设置的加权均值的权重，计算所有像素在所有方向上的加权均值之和。
去噪子模块743用于根据计算子模块742计算出的加权均值之和去除噪声，以得到去噪后的图像。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。
对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
上述图像去噪装置，通过像素上为每个滤波器掩模设置对应的权重，以调整不同区域滤波器掩模的大小，即可以使待去噪图像边缘区域的滤波器掩模较大，角点区域的滤波器掩模较小，从而达到保持角点区域清晰的目的；同时可以根据待去噪图像中所有像素在所有方向上的加权统计值去除噪声，以达到在去除图像噪声的同时保证图像边缘区域的清晰。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。

Claims (11)

1.一种图像去噪方法，其特征在于，所述方法包括：
提取待去噪图像中每个像素的特征值；
根据所述每个像素的特征值计算预设的不同方向的滤波器掩模在所述每个像素上的权重；
针对每个方向的滤波器掩模，在所述每个像素上为当前方向的滤波器掩模设置对应的所述权重，并根据所述权重计算对应像素在当前方向上的加权统计值；
根据所述待去噪图像中所有像素在所有方向上的加权统计值去除噪声，以得到去噪后的图像。
2.根据权利要求1所述的方法，其特征在于，所述根据所述每个像素的特征值计算预设的不同方向的滤波器掩模在所述每个像素上的权重，包括：
根据所述每个像素的特征值确定出与所述每个像素对应的参数；
针对每个方向的滤波器掩模，根据所述与每个像素对应的参数和当前方向的滤波器掩模的坐标计算出当前方向的滤波器掩模在所述每个像素上的权重。
3.根据权利要求1所述的方法，其特征在于，所述在所述每个像素上为当前方向的滤波器掩模设置对应的所述权重，包括：
将当前方向的滤波器掩模逐像素地在所述待去噪图像上移动，并根据覆盖的像素为所述当前方向的滤波器掩模设置对应的所述权重。
4.根据权利要求1所述的方法，其特征在于，所述提取待去噪图像中每个像素的特征值，包括：
基于所述不同方向的滤波器掩模提取所述每个像素在不同方向上的统计值，并将所述每个像素在不同方向上的统计值中的最小值作为对应像素的特征值；或者
基于预设的检测算法提取所述每个像素的特征值。
5.根据权利要求1所述的方法，其特征在于，所述加权统计值包括加权均值和加权方差，所述根据所述待去噪图像中所有像素在所有方向上的加权统计值去除噪声，以得到去噪后的图像，包括：
根据所有像素在每个方向上的加权方差设置所述所有像素在对应方向上的加权均值的权重；
根据设置的加权均值的权重，计算所述所有像素在所有方向上的加权均值之和；
根据计算出的所述加权均值之和去除所述待去噪图像的噪声，以得到所述去噪后的图像。
6.一种图像去噪装置，其特征在于，所述装置包括：
提取模块，用于提取待去噪图像中每个像素的特征值；
计算模块，用于根据所述提取模块提取的所述每个像素的特征值计算预设的不同方向的滤波器掩模在所述每个像素上的权重；
设置计算模块，用于针对每个方向的滤波器掩模，在所述每个像素上为当前方向的滤波器掩模设置对应的所述计算模块计算的所述权重，并根据所述权重计算对应像素在当前方向上的加权统计值；
去噪模块，用于根据所述设置计算模块计算的所述待去噪图像中所有像素在所有方向上的加权统计值去除噪声，以得到去噪后的图像。
7.根据权利要求6所述的装置，其特征在于，所述计算模块包括：
确定子模块，用于根据所述每个像素的特征值确定出与所述每个像素对应的参数；
计算子模块，用于针对每个方向的滤波器掩模，根据所述确定子模块确定的所述与每个像素对应的参数和当前方向的滤波器掩模的坐标计算出当前方向的滤波器掩模在所述每个像素上的权重。
8.根据权利要求6所述的装置，其特征在于，所述设置计算模块，具体用于：
将当前方向的滤波器掩模逐像素地在所述待去噪图像上移动，并根据覆盖的像素为所述当前方向的滤波器掩模设置对应的所述权重。
9.根据权利要求6所述的装置，其特征在于，所述提取模块包括：
第一提取子模块，用于基于所述不同方向的滤波器掩模提取所述每个像素在不同方向上的统计值，并将所述每个像素在不同方向上的统计值中的最小值作为对应像素的特征值；或者
第二提取子模块，用于基于预设的检测算法提取所述每个像素的特征值。
10.根据权利要求6所述的装置，其特征在于，所述加权统计值包括加权均值和加权方差，所述去噪模块包括：
设置子模块，用于根据所有像素在每个方向上的加权方差设置所述所有像素在对应方向上的加权均值的权重；
计算子模块，用于根据所述设置子模块设置的加权均值的权重，计算所述所有像素在所有方向上的加权均值之和；
去噪子模块，用于根据所述计算子模块计算出的所述加权均值之和去除噪声，以得到所述去噪后的图像。
11.一种图像去噪设备，其特征在于，包括：
处理器；用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为：
提取待去噪图像中每个像素的特征值；
根据所述每个像素的特征值计算预设的不同方向的滤波器掩模在所述每个像素上的权重；
针对每个方向的滤波器掩模，在所述每个像素上为当前方向的滤波器掩模设置对应的所述权重，并根据所述权重计算对应像素在当前方向上的加权统计值；
根据所述待去噪图像中所有像素在所有方向上的加权统计值去除噪声，以得到去噪后的图像。
CN201710042443.0A 2017-01-20 2017-01-20 图像去噪方法、装置及设备 Active CN106875354B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710042443.0A CN106875354B (zh) 2017-01-20 2017-01-20 图像去噪方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710042443.0A CN106875354B (zh) 2017-01-20 2017-01-20 图像去噪方法、装置及设备

Publications (2)

Publication Number Publication Date
CN106875354A true CN106875354A (zh) 2017-06-20
CN106875354B CN106875354B (zh) 2020-04-28

Family

ID=59158648

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710042443.0A Active CN106875354B (zh) 2017-01-20 2017-01-20 图像去噪方法、装置及设备

Country Status (1)

Country Link
CN (1) CN106875354B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107451978A (zh) * 2017-08-07 2017-12-08 上海东软医疗科技有限公司 一种图像处理方法、装置及设备
CN108765312A (zh) * 2018-04-27 2018-11-06 西安科技大学 一种基于方差信息的图像去噪方法
CN111044988A (zh) * 2020-01-06 2020-04-21 青梧桐有限责任公司 一种激光雷达扫描户型图的精细化处理方法
CN111462266A (zh) * 2020-03-20 2020-07-28 北京东软医疗设备有限公司 图像重建方法、装置、ct设备及ct系统
CN111524067A (zh) * 2020-04-01 2020-08-11 北京东软医疗设备有限公司 一种图像处理方法、装置和设备

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101477679A (zh) * 2009-01-16 2009-07-08 西安电子科技大学 基于轮廓波Contourlet变换的图像去噪方法
CN101877124A (zh) * 2009-04-28 2010-11-03 北京捷科惠康科技有限公司 一种医学图像的滤波方法及系统
CN102663708A (zh) * 2012-04-27 2012-09-12 飞依诺科技(苏州)有限公司 基于方向加权中值滤波的超声图像处理方法
CN103258318A (zh) * 2013-05-24 2013-08-21 苏州科达科技股份有限公司 一种图像降噪处理方法及系统
US20130343470A1 (en) * 2011-03-09 2013-12-26 Nippon Telegraph And Telephone Corporation Image processing method, image processing apparatus, video encoding/decoding methods, video encoding/decoding apparatuses, and programs therefor
CN103903227A (zh) * 2012-12-29 2014-07-02 上海联影医疗科技有限公司 一种图像降噪的方法和装置
CN104299191A (zh) * 2014-09-28 2015-01-21 南通大学 一种超声图像去噪方法及中值滤波方法
CN105303536A (zh) * 2015-11-26 2016-02-03 南京工程学院 一种基于加权均值滤波的中值滤波算法
CN105913396A (zh) * 2016-04-11 2016-08-31 湖南源信光电科技有限公司 一种噪声估计的图像边缘保持混合去噪方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101477679A (zh) * 2009-01-16 2009-07-08 西安电子科技大学 基于轮廓波Contourlet变换的图像去噪方法
CN101877124A (zh) * 2009-04-28 2010-11-03 北京捷科惠康科技有限公司 一种医学图像的滤波方法及系统
US20130343470A1 (en) * 2011-03-09 2013-12-26 Nippon Telegraph And Telephone Corporation Image processing method, image processing apparatus, video encoding/decoding methods, video encoding/decoding apparatuses, and programs therefor
CN102663708A (zh) * 2012-04-27 2012-09-12 飞依诺科技(苏州)有限公司 基于方向加权中值滤波的超声图像处理方法
CN103903227A (zh) * 2012-12-29 2014-07-02 上海联影医疗科技有限公司 一种图像降噪的方法和装置
CN103258318A (zh) * 2013-05-24 2013-08-21 苏州科达科技股份有限公司 一种图像降噪处理方法及系统
CN104299191A (zh) * 2014-09-28 2015-01-21 南通大学 一种超声图像去噪方法及中值滤波方法
CN105303536A (zh) * 2015-11-26 2016-02-03 南京工程学院 一种基于加权均值滤波的中值滤波算法
CN105913396A (zh) * 2016-04-11 2016-08-31 湖南源信光电科技有限公司 一种噪声估计的图像边缘保持混合去噪方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
YIQIU DONG 等: "A New Directional Weighted Median Filter for Removal of Random-Valued Impulse Noise", 《IEEE SIGNAL PROCESSING LETTERS》 *
娄联堂 等: "带权重分数阶积分图像去噪方法", 《中南民族大学学报(自然科学版)》 *
张娜 等: "改进权重函数的非局部均值图像去噪算法", 《计算机工程》 *
李佐勇 等: "椒盐图像的方向加权均值滤波算法", 《中国图象图形学报》 *
黄玲俐: "一种改进权重的非局部均值图像去噪方法", 《计算机技术与发展》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107451978A (zh) * 2017-08-07 2017-12-08 上海东软医疗科技有限公司 一种图像处理方法、装置及设备
CN107451978B (zh) * 2017-08-07 2020-08-21 上海东软医疗科技有限公司 一种图像处理方法、装置及设备
CN108765312A (zh) * 2018-04-27 2018-11-06 西安科技大学 一种基于方差信息的图像去噪方法
CN108765312B (zh) * 2018-04-27 2021-11-02 西安科技大学 一种基于方差信息的图像去噪方法
CN111044988A (zh) * 2020-01-06 2020-04-21 青梧桐有限责任公司 一种激光雷达扫描户型图的精细化处理方法
CN111462266A (zh) * 2020-03-20 2020-07-28 北京东软医疗设备有限公司 图像重建方法、装置、ct设备及ct系统
CN111462266B (zh) * 2020-03-20 2023-08-04 北京东软医疗设备有限公司 图像重建方法、装置、ct设备及ct系统
CN111524067A (zh) * 2020-04-01 2020-08-11 北京东软医疗设备有限公司 一种图像处理方法、装置和设备
CN111524067B (zh) * 2020-04-01 2023-09-12 北京东软医疗设备有限公司 一种图像处理方法、装置和设备

Also Published As

Publication number Publication date
CN106875354B (zh) 2020-04-28

Similar Documents

Publication Publication Date Title
CN106875354A (zh) 图像去噪方法、装置及设备
CN109446951B (zh) 三维图像的语义分割方法、装置、设备及存储介质
JP4413504B2 (ja) 医用画像処理装置、医用画像処理方法および医用画像処理プログラム
Yu et al. Speckle reducing anisotropic diffusion
Maini et al. Study and comparison of various image edge detection techniques
JP6314654B2 (ja) グレースケール画像処理方法及び装置
DE69908526T2 (de) Verfahren und System zur Bildverarbeitung unter Verwendung von Konturerfassungsschritten
JP5315157B2 (ja) 情報処理装置、ライン状ノイズ低減処理方法、及びプログラム
CN103186888A (zh) 一种去除ct图像噪声的方法及装置
CN104346799B (zh) 一种ct图像中脊髓的提取方法
DE102006027670A1 (de) Bildbasierte Artefaktreduktion bei der PET/CT Bildgebung
CN110874827B (zh) 湍流图像复原方法、装置、终端设备及计算机可读介质
CN111008943B (zh) 低剂量dr图像降噪方法及系统
CN112634180B (zh) 一种图像增强方法、图像增强装置和计算机可读存储介质
CN116468641A (zh) 一种红外血管图像增强处理方法
Bansal et al. Comparison of various edge detection techniques
King Image processing
CN111199197A (zh) 一种人脸识别的图像提取方法及处理设备
CN106339989B (zh) 医学x光影像适应性降噪方法
CN105574823B (zh) 一种失焦模糊图像的去模糊方法和装置
Mentl et al. Noise reduction in low-dose ct using a 3D multiscale sparse denoising autoencoder
DE102006037423A1 (de) Verfahren und System zum Bestimmen eines aus einer Gruppe von Projektionsbildern konstruierten scharfen panoramischen Bildes
CN109886287A (zh) 杀虫剂确定方法、装置、计算机设备及存储介质
CN105184741A (zh) 基于改进非局部均值的三维cbct图像除噪方法
EP2092484A1 (en) Noise reduction of an image signal

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant