CN106897975B - 一种超立方体粒计算的图像去噪方法 - Google Patents

Abstract

本发明公开一种超立方体粒计算的图像去噪方法，属于图像处理技术领域。用于解决现有基于图像块的图像去噪方法会产生大量的冗余图像块，容易降低图像的信噪比的问题。包括：将第一组图像包括的每幅图像分割成第一图像图像块，对每个第一图像块的像素点添加噪声，形成第一噪声图像块，将第一图像块和第一噪声图像块分别表示为第一超立方体粒和第一噪声超立方体粒，分别设置噪声粒度阈值和粒度阈值，根据第一合并算子和合并算子，将多个第一噪声图像块合并为第二噪声图像块，将多个第一图像块合并为第二图像块，将第二噪声图像块和第二图像块合并为去噪模板，根据去噪模板，对待去噪图像进行去噪。

Description

一种超立方体粒计算的图像去噪方法

技术领域

本发明属于图像处理技术领域，更具体的涉及一种超立方体粒计算的图像去噪方法。

背景技术

随着各种数字仪器和数字产品的普及，图像和视频已成为人类活动中最常见的信息载体，它们包含了大量的信息，成为获取外部世界原始信息的主要途径。然而，现实生活中的数字图像在传输和数字化过程经常会受到外部环境(如天气条件)、成像设备、运动环境(拍摄过程中相机抖动)等噪声因素的影响。因此，图像去噪一直是图像处理和计算机视觉研究中的一个热点问题。

目前，图像去噪方法主要有两类：一类是以抑制或消除噪声为目的空间域方法，其主要用平滑模板对图像进行卷积处理；另一类是经过变换消去图像噪声的频域方法，其主要选用适当的频率带通滤波器对变换后的图像进行滤波。

基于图像块统计特征的图像去噪方法是近十年来图像去噪的主要方法之一，大多数基于图像块的图像去噪方法都利用图像的自身属性来构造先验知识。基于图像块的EPLL图像去噪方法是一种基于先验知识的图像去噪方法，根据不同图像块的先验知识，构造去噪模板，找到较好的高斯混合模型作为先验知识。EPLL图像去噪方法在消除自然图像的噪声中，取得了很好的效果。张磊等人利用图像块之间的相似性和稀疏性，构造了改进的EPLL图像去噪方法，提高了图像的信噪比。但是基于图像块的图像去噪方法会产生大量的冗余图像块，反而降低图像的信噪比。

发明内容

本发明实施例提供一种基于超立方体粒计算的图像去噪方法，用于解决现有基于图像块的图像去噪方法会产生大量的冗余图像块，容易降低图像的信噪比的问题。

本发明实施例提供一种基于超立方体粒计算的图像去噪方法，包括：

获取第一组图像，将所述第一组图像中包括的每幅图像根据灰度值和纵横顺序分割成N*N的第一图像块，并将多个所述第一图像块组成第一图像块集合；

对所述第一图像块集合包括的多个所述第一图像块的每一个像素点的灰度值，添加均值为0，方差为σ的噪声，多个所述第一图像块依次形成多个第一噪声图像块，将多个所述第一噪声图像块组成第一噪声图像块集合；

将所述第一图像块集合包括的多个所述第一图像块表示为第一超立方体粒，将所述第一噪声图像块集合包括的多个所述第一噪声图像块表示为第一噪声超立方体粒；其中，所述第一超立方体粒具有N*N维空间的不能分割的点，所述第一噪声超立方体粒具有N*N维空间的不能分割的点；

设置所述第一噪声超立方体粒的噪声粒度阈值，根据所述第一噪声图像块和所述噪声粒度阈值，构造所述第一噪声图像块与所述第一噪声超立方体粒之间的第一合并算子，并将所述第一噪声超立方体粒中包括的相似的噪声超立方体粒进行合并，根据噪声超立方体粒合并中心，将多个所述噪声图像块依次融合为多个第二噪声图像块；设置所述第一超立方体粒的粒度阈值，根据所述第一图像块和所述粒度阈值，构造所述第一图像块与所述第一超立方体粒之间的第二合并算子，并将所述第一超立方体粒中包括的相似的超立方体粒进行合并，根据超立方体粒合并中心，将多个所述图像块依次融合为多个第二图像块；

将多个所述第二噪声图像块和多个所述第二图像块根据位置对应关系构造为去噪模板；

读取待去噪图像，并将所述待去噪图像划分为N*N块的待去噪图像块，将所述待去噪图像块和所述去噪模板进行匹配，将所述去噪模板中具有最大匹配度对应的第二图像块确定为所述待去噪图像块的去噪图像块；将多个所述去噪图像块融合后确定为所述待去噪图像的去噪图像。

在本发明实施例中，提供了一种基于超立方体粒计算的图像去噪方法，将图像去噪过程分为两个阶段，第一阶段构造去噪模板，在构造去噪模板时，借助超立方体粒之间的合并算法，超立方体粒直径的包含关系，构造了去噪模板；第二阶段根据构造的去噪模板，对待去噪图像进行处理，能够有效平滑噪声的同时包括图像的边缘细节，从而得到理想的去噪图像。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种超立方体粒计算的图像去噪方法流程示意图；

图2为本发明实施例中一副像素为216*216的图像示意图；

图3为图2所示的图像中任意选取的729个图像块示意图；

图4为图3所示729个图像块对应的噪声图像块示意图；

图5为本发明实施例中两超立方体粒合并后的超立方体粒示意图；

图6为本发明实施例提供的10*10的图像示意图；

图7为图6所示的10*10的图像对应的噪声图像示意图；

图8为图6所示的10*10的图像分割为16个7*7的图像块示意图；

图9为图7所示的噪声图像分割为16个7*7的噪声图像块示意图；

图10为本发明实施例提供的合并超立方体粒对应的噪声图像块b示意图；

图11为本发明实施例提供的合并超立方体粒对应的图像块B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做出创造性劳动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。

图1示例性的示出了本发明实施例提供的一种超立方体粒计算的图像去噪方法流程示意图，如图1所示，本发明实施例提供的一种超立方体粒计算的图像去噪方法包括以下步骤：

步骤101，获取第一组图像，将所述第一组图像中包括的每幅图像根据灰度值和纵横顺序分割成N*N的第一图像块，并将多个所述第一图像块组成第一图像块集合；

步骤102，对所述第一图像块集合包括的多个所述第一图像块的每一个像素点的灰度值，添加均值为0，方差为σ的噪声，多个所述第一图像块依次形成多个第一噪声图像块，将多个所述第一噪声图像块组成第一噪声图像块集合；

步骤103，将所述第一图像块集合包括的多个所述第一图像块表示为第一超立方体粒，将所述第一噪声图像块集合包括的多个所述第一噪声图像块表示为第一噪声超立方体粒；其中，所述第一超立方体粒具有N*N维空间的不能分割的点，所述第一噪声超立方体粒具有N*N维空间的不能分割的点；

步骤104，设置所述第一噪声超立方体粒的噪声粒度阈值，根据所述第一噪声图像块和所述噪声粒度阈值，构造所述第一噪声图像块与所述第一噪声超立方体粒之间的第一合并算子，并将所述第一噪声超立方体粒中包括的相似的噪声超立方体粒进行合并，根据噪声超立方体粒合并中心，将多个所述噪声图像块依次融合为多个第二噪声图像块；设置所述第一超立方体粒的粒度阈值，根据所述第一图像块和所述粒度阈值，构造所述第一图像块与所述第一超立方体粒之间的第二合并算子，并将所述第一超立方体粒中包括的相似的超立方体粒进行合并，根据超立方体粒合并中心，将多个所述图像块依次融合为多个第二图像块；

步骤105，将多个所述第二噪声图像块和多个所述第二图像块根据位置对应关系构造为去噪模板；

步骤106，读取待去噪图像，并将所述待去噪图像划分为N*N块的待去噪图像块，将所述待去噪图像块和所述去噪模板进行匹配，将所述去噪模板中具有最大匹配度对应的第二图像块确定为所述待去噪图像块的去噪图像块；将多个所述去噪图像块融合后确定为所述待去噪图像的去噪图像。

图2为本发明实施例中像素为216*216的图像以两个像素间隔可以分成44100个7*7图像块，图3显示了从44100个图像块中随机选取的729个图像块示意图；图4为图3所示729个图像块对应的噪声图像块示意图；图5为本发明实施例中两超立方体粒合并后的超立方体粒示意图；图6为本发明实施例提供的10*10的图像示意图；图7为图6所示的10*10的图像对应的噪声图像示意图；图8为图6所示的10*10的图像分割为16个7*7的图像块示意图；图9为图7所示的噪声图像分割为16个7*7的噪声图像块示意图；图10为本发明实施例提供的合并超立方体粒对应的噪声图像块b示意图；图11为本发明实施例提供的合并超立方体粒对应的图像块B示意图。

以下结果图2～图11，对本发明实施例提供的一种超立方体粒计算的图像去噪方法进行详细介绍。

在步骤101中，获取第一组图像，将第一组图像中包括的每幅图像根据灰度值和纵横顺序分割成N*N的第一图像块。比如，图2为一副像素为216*216的图像，对像素216*216的图像按照以两个像素为间隔，分成44100个7*7个图像块，图3为图2所示的图像中任意选取的729个图像块。

需要说明的是，在本发明实施例中，将多个第一图像块组成第一图像块集合，即可以将图3所示的729个图像块组合成一个图像块集合。

在步骤102中，对第一图像块集合包括的多个第一图像块的每一个像素点的灰度值，添加均值为0，方差为σ的噪声，多个第一图像块依次形成多个第一噪声图像块。

在本发明实施例中，对第一图像块中的每一个像素点添加噪声时，可以通过下列公式(1)来确定：

T＝I+N(0,σ) (1)

其中，公式(1)中，I为第一图像块，T为第一噪声图像块，N(0，σ)是均值为0，方差为σ＝40的噪声。

图4示例性的示出了图3所示的729个图像块加噪(N(0，σ)是均值为0，方差为σ＝40)后形成的噪声图像块。

需要说明的是，多个第一噪声图像块可以组成第一噪声图像块集合。

在步骤103中，将第一图像块集合包括的多个第一图像块表示为第一超立方体粒，其中，第一超立方体粒具有N*N维空间的不能分割的点。

将第一噪声图像块集合包括的多个第一噪声图像块表示为第一噪声超立方体粒，其中，第一噪声超立方体粒具有N*N维空间的不能分割的点。

举例来说，第一噪声图像块集合中每个第一噪声图像块和与第一噪声图像块集合对应第一图像块集合中的每个第一图像块可以按照先纵后横的形式表示为向量，其中，该向量可以由7*7(＝49)个分量组成，是49维空间的一个点。这个49维空间的一个点即就是一个不能再分割的超立方体粒，该超立方体粒可以表示为H＝(C，r)，其中C是超立方体粒的中心，r是超立方体粒的粒度，即超立方体粒的边长。

在步骤104中，设置第一噪声超立方体粒的噪声粒度阈值，根据第一噪声图像块和噪声粒度阈值，构造第一噪声图像块与第一噪声超立方体粒之间的第一合并算子，并将第一噪声超立方体粒中包括的相似的噪声超立方体粒进行合并，根据噪声超立方体粒合并中心，将多个噪声图像块依次融合为多个第二噪声图像块。

设置第一超立方体粒的粒度阈值，根据第一图像块和所述粒度阈值，构造第一图像块与第一超立方体粒之间的第二合并算子，并将第一超立方体粒中包括的相似的超立方体粒进行合并，根据超立方体粒合并中心，将多个图像块依次融合为多个第二图像块。

举例来说，两超立方体粒H1＝(C1，r1)，其中C1＝(x1，x2，…，x49)为g1的中心，r1为g1的粒度，H2＝(C2，r2)，其中C2＝(y1，y2，…，y49)为g2的中心，r2为g2的粒度，合并超立方体粒的中心和粒度分别为C和R，由g1和g2的中心C1和C2，g1和g2的粒度r1和r2，根据公式(2)，公式(3)，公式(4)，公式(5)，公式(6)和公式(7)，计算超立方体粒的中心C，根据公式(3)，公式(4)，公式(5)，公式(6)和公式(7)计算超立方体粒的粒度R。

公式(2)，公式(3)，公式(4)，公式(5)，公式(6)和公式(7)具体如下所示：

C＝(P+Q)/2 (2)

P＝C1-0.5r1C12/||C12|| (3)

Q＝C2+0.5r2C12/||C12|| (4)

C12＝(y1-x1，y2-x2，…，y49-x49) (5)

||C12||＝max{|y1-x1|，|y2-x2|，…，|y49-x49|} (6)

R＝||P-Q|| (7)

举例来说，两超立方体粒H1＝(20，10，20)和H2＝(25，45，30)，通过公式(2)，公式(3)，公式(4)，公式(5)，公式(6)和公式(7)，计算合并超立方体粒为

具体合并结果可以参考图5所示的两超立方体粒合并后的超立方体粒示意图。

在本发明实施例中，设置粒度阈值ρ，对两超立方体粒之间的合并进行控制，即当两个超立方体粒合并后的粒度小于或等于粒度阈值ρ时，则两超立方体粒合并，否则将不能合并，第二个超立方体粒作为新成员加入超立方体粒集中，将合并后超立方体粒的中心按照先行后列的形式排成大小为7*7的图像块。

在步骤105中，将多个第二噪声图像块和多个第二图像块根据位置对应关系构造成图像块对，在本发明实施例中，构造成的图像块对即为去噪模板。

设粒度阈值为ρ＝0.6，图6为本发明实施例提供的10*10的图像示意图，以下以10×10灰度图像为例，说明合并超立方体粒集G的生成过程：图7是在图6的基础上添加N(0，σ)(均值为0，方差为σ＝40)的噪声后的噪声图像，用于分块构造噪声图像块。图8是图像6分割为16个7*7的图像块，用于构造去噪模板。图像9是噪声图像7对应的16个7*7的噪声图像块，用于构造去噪模板。

超立方体粒集为S＝{H1，H2，H3，H4，H5，H6，H7，H8，H9，H10，H11，H12，H13，H14，H15，H16}，首先将H1加入合并超立方体粒集G中，从S中删去H1，G有1个超立方体粒G＝{Hu1}，对于S的第一个立方体粒H2，H2与Hu1合并超立方体粒为

由于其粒度小于ρ，Hu1＝Hu，此时合并超立方体粒集1个合并超立方体粒，即G＝{Hu1}，继续下去，直至Hu1的粒度大于ρ，然后添加新的合并超立方体粒Hu2；最后G中包含4个合并超立方体粒，G＝{Hu1，Hu2，Hu3，Hu4}，将4个合并超立方体粒的中心转化为图像块，图10为本发明实施例提供的合并超立方体粒对应的噪声图像块b示意图，图11为本发明实施例提供的合并超立方体粒对应的图像块B示意图。如图10和图11所示：

图10内所包括的噪声图像块b与图11中的对应图像块B组成去噪模板。

在步骤106中，读取待去噪图像，并将待去噪图像划分为N*N块的待去噪图像块，将待去噪图像块和去噪模板进行匹配，将去噪模板中具有最大匹配度对应的第二图像块确定为待去噪图像块的去噪图像块；将多个去噪图像块融合后确定为待去噪图像的去噪图像。

举例来说，对于待去噪图像I，将其分割为若干大小为7*7的待去噪图像块Ib，将待去噪图像块与去噪模板中的第二噪声图像块按照公式(8)进行匹配，选取匹配程度最好的第二图像块作为待去噪图像块对应的去噪图像块，将多个去噪图像块融合后确定为待去噪图像的去噪图像。

综上所述，本发明实施例提供了一种基于超立方体粒计算的图像去噪方法，将图像去噪过程分为两个阶段，第一阶段构造去噪模板，在构造去噪模板时，借助超立方体粒之间的合并算法，超立方体粒直径的包含关系，构造了去噪模板；第二阶段根据构造的去噪模板，对待去噪图像进行处理，能够有效平滑噪声的同时包括图像的边缘细节，从而得到理想的去噪图像。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (1)

1.一种基于超立方体粒计算的图像去噪方法，其特征在于，包括：

获取第一组图像，将所述第一组图像中包括的每幅图像根据灰度值和纵横顺序分割成N*N的第一图像块，并将多个所述第一图像块组成第一图像块集合；

对所述第一图像块集合包括的多个所述第一图像块的每一个像素点的灰度值，添加均值为0，方差为σ的噪声，多个所述第一图像块依次形成多个第一噪声图像块，将多个所述第一噪声图像块组成第一噪声图像块集合；

将所述第一图像块集合包括的多个所述第一图像块表示为第一超立方体粒，将所述第一噪声图像块集合包括的多个所述第一噪声图像块表示为第一噪声超立方体粒；其中，所述第一超立方体粒具有N*N维空间的不能分割的点，所述第一噪声超立方体粒具有N*N维空间的不能分割的点；第一噪声图像块集合中每个第一噪声图像块和与第一噪声图像块集合对应第一图像块集合中的每个第一图像块可以按照先纵后横的形式表示为向量，其中，该向量可以由7*7个分量组成，是49维空间的一个点；这个49维空间的一个点即就是一个不能再分割的超立方体粒，该超立方体粒可以表示为H＝(C，r)，其中C是超立方体粒的中心，r是超立方体粒的粒度，即超立方体粒的边长；

设置所述第一噪声超立方体粒的噪声粒度阈值，根据所述第一噪声图像块和所述噪声粒度阈值，构造所述第一噪声图像块与所述第一噪声超立方体粒之间的第一合并算子，并将所述第一噪声超立方体粒中包括的相似的噪声超立方体粒进行合并，根据噪声超立方体粒合并中心，将多个所述噪声图像块依次融合为多个第二噪声图像块；设置所述第一超立方体粒的粒度阈值，根据所述第一图像块和所述粒度阈值，构造所述第一图像块与所述第一超立方体粒之间的第二合并算子，并将所述第一超立方体粒中包括的相似的超立方体粒进行合并，根据超立方体粒合并中心，将多个所述图像块依次融合为多个第二图像块；

将多个所述第二噪声图像块和多个所述第二图像块根据位置对应关系构造为去噪模板；

读取待去噪图像，并将所述待去噪图像划分为N*N块的待去噪图像块，将所述待去噪图像块和所述去噪模板进行匹配，将所述去噪模板中具有最大匹配度对应的第二图像块确定为所述待去噪图像块的去噪图像块；将多个所述去噪图像块融合后确定为所述待去噪图像的去噪图像。

Images