CN107909586A - 图像噪声计算方法及装置 - Google Patents

图像噪声计算方法及装置 Download PDF

Info

Publication number
CN107909586A
CN107909586A CN201711311607.1A CN201711311607A CN107909586A CN 107909586 A CN107909586 A CN 107909586A CN 201711311607 A CN201711311607 A CN 201711311607A CN 107909586 A CN107909586 A CN 107909586A
Authority
CN
China
Prior art keywords
spaces
texture
candidate region
noise
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.)
Granted
Application number
CN201711311607.1A
Other languages
English (en)
Other versions
CN107909586B (zh
Inventor
程安
周星光
刘挺
邢晨
许清泉
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.)
Xiamen Meitu Technology Co Ltd
Original Assignee
Xiamen Meitu Technology 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 Xiamen Meitu Technology Co Ltd filed Critical Xiamen Meitu Technology Co Ltd
Priority to CN201711311607.1A priority Critical patent/CN107909586B/zh
Publication of CN107909586A publication Critical patent/CN107909586A/zh
Application granted granted Critical
Publication of CN107909586B publication Critical patent/CN107909586B/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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • 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
    • G06T2207/10004—Still image; Photographic image

Landscapes

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

Abstract

本发明实施例提供图像噪声计算方法及装置。在一个实施例中，所述图像噪声计算方法包括：将待处理图像进行分割得到多个候选区域；对每个所述候选区域分别在图像的L空间、A空间、B空间进行图像计算得到三个纹理强度；根据所述三个纹理强度计算得到每个候选区域的纹理响应值；根据每个候选区域的纹理响应值选择至少一个候选区域作为代表区域；以及对所述代表区域进行噪声计算，并根据噪声计算结果得到所述图像的噪声结果。

Description

图像噪声计算方法及装置
技术领域
本发明涉及图像处理领域，具体而言，涉及一种图像噪声计算方法及装置。
背景技术
噪声强度一直以来都是众多图像处理应用的重要参数，尤其对于当前的一些图像去噪算法而言，错误的噪声强度估计会给去噪性能带来严重的不利影响。
目前在学术界及工业界，许多主流的去噪方法都是简单假设噪声强度是已知的，这会给去噪算法在实际的使用中带来很大的困难。因为真实的自然图像中噪声分布极其复杂，例如，绝不是“高斯分布”可以拟合的。另外有一些利用“滤波器原理”在去噪前进行噪声估计，其主要思想是首先通过“高通滤波器”抑制图像的“轮廓结构”信息，再通过计算噪声图像与滤波后图像的差异得到噪声的强度。而对于存在“复杂纹理细节”的噪声图像中，这样的估计方法是很难准确估计的图像的噪声，因为这些“细节纹理”与“噪声”都属于高频信息，难以分离开。因此，关于图像噪声的计算还有待改进。
发明内容
有鉴于此，本发明实施例的目的在于提供一种图像噪声计算方法及装置。
本发明实施例提供的一种图像噪声计算方法，所述图像噪声计算方法包括：
将待处理图像进行分割得到多个候选区域；
对每个所述候选区域分别在图像的L空间、A空间、B空间进行图像计算得到三个纹理强度；
根据所述三个纹理强度计算得到每个候选区域的纹理响应值；
根据每个候选区域的纹理响应值选择至少一个候选区域作为代表区域；以及
对所述代表区域进行噪声计算，并根据噪声计算结果得到所述图像的噪声结果。
本发明实施例还提供一种图像噪声计算装置，所述图像噪声计算装置包括：
分割模块，用于将待处理图像进行分割得到多个候选区域；
第一计算模块，用于对每个所述候选区域分别在图像的L空间、A空间、B空间进行图像计算得到三个纹理强度；
第二计算模块，用于根据所述三个纹理强度计算得到每个候选区域的纹理响应值；
选择模块，用于根据每个候选区域的纹理响应值选择至少一个候选区域作为代表区域；以及
第三计算模块，用于对所述代表区域进行噪声计算，并根据噪声计算结果得到所述图像的噪声结果。
与现有技术相比，本发明实施例的图像噪声计算方法及装置，通过分别计算L空间、A空间、B空间的纹理强度，以区别获取亮度图像和色度图像的纹理强度，根据三个空间计算得到的纹理强度以选出用于计算噪声的代表区域，再通过代表区域计算噪声，计算代表区域的数据相对于整个图像的计算量小很多，筛选所述代表区域进行噪声计算来描述全图噪声，可以大大提高高分辨率图像噪声估计的运算时间。另外，在L空间、A空间及B空间进行计算数据，能够更正确的计算亮度数据与色度数据，使用噪声计算也更准确。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本发明较佳实施例提供的电子终端的方框示意图。
图2为本发明较佳实施例提供的图像噪声计算方法的流程图。
图3为本发明较佳实施例提供的图像噪声计算方法的步骤S102的详细流程图。
图4为本发明较佳实施例提供的图像噪声计算方法的步骤S1021的详细流程图。
图5为本发明较佳实施例提供的图像噪声计算方法的步骤S104的详细流程图。
图6为本发明较佳实施例提供的图像噪声计算方法的步骤S105的详细流程图。
图7为本发明较佳实施例提供的图像噪声计算装置的功能模块示意图。
具体实施方式
下面将结合本发明实施例中附图，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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
如图1所示，是一电子终端100的方框示意图。所述电子终端100包括图像噪声计算装置110、存储器111、存储控制器112、处理器113、外设接口114、输入输出单元115、显示单元116。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对电子终端100的结构造成限定。例如，电子终端100还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。本实施例所述的电子终端100可以是个人计算机、图像处理服务器、或者移动电子设备等具有图像处理能力的计算设备。
所述存储器111、存储控制器112、处理器113、外设接口114、输入输出单元115及显示单元116各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述图像噪声计算装置110包括至少一个可以软件或固件(Firmware)的形式存储于所述存储器111中或固化在所述电子终端100的操作系统(Operating System，OS)中的软件功能模块。所述处理器113用于执行存储器中存储的可执行模块，例如所述图像噪声计算装置110包括的软件功能模块或计算机程序。
其中，所述存储器111可以是，但不限于，随机存取存储器(Random AccessMemory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(ProgrammableRead-Only Memory，PROM)，可擦除只读存储器(Erasable Programmable Read-OnlyMemory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-OnlyMemory，EEPROM)等。其中，存储器111用于存储程序，所述处理器113在接收到执行指令后，执行所述程序，本发明实施例任一实施例揭示的过程定义的电子终端100所执行的方法可以应用于处理器113中，或者由处理器113实现。
所述处理器113可能是一种集成电路芯片，具有信号的处理能力。上述的处理器113可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述外设接口114将各种输入/输入装置耦合至处理器113以及存储器111。在一些实施例中，外设接口114，处理器113以及存储控制器112可以在单个芯片中实现。在其他一些实例中，他们可以分别由独立的芯片实现。
所述输入输出单元115用于提供给用户输入数据。所述输入输出单元115可以是，但不限于，鼠标和键盘等。
所述显示单元116在所述电子终端100与用户之间提供一个交互界面(例如用户操作界面)或用于显示图像数据给用户参考。在本实施例中，所述显示单元可以是液晶显示器或触控显示器。若为触控显示器，其可为支持单点和多点触控操作的电容式触控屏或电阻式触控屏等。支持单点和多点触控操作是指触控显示器能感应到来自该触控显示器上一个或多个位置处同时产生的触控操作，并将该感应到的触控操作交由处理器进行计算和处理。
现有技术中对图像的噪声计算面对的主要困难有：
1、自然图像往往是彩色图像，因此自然图像噪声往往分为“亮度噪声”与“色度噪声”，他们在产生机制与对应处理上都不相同，因此在噪声计算上也是不同的，而目前一般的图像噪声计算估计方法基本都没有分别对待处理；
2、自然图像中往往具有复杂纹理细节，这些高频信息对于噪声估计会带来很大干扰，如果分离不恰当，会导致噪声被高估或者低估，那样可能会导致在去噪过程中，纹理细节过度模糊或者平坦区域噪声无法有效去除；
3、随着光学硬件水平的提升，许多相机、手机等摄像设备都能拍摄出超高分辨率的图像，这会给大多数的图像处理算法的运行速度带来很大的挑战，噪声估计也不例外，由于噪声强度在图像上的分布不均匀，最佳的方式是对图像分块，对于每块分别估计。但由于高分辨率的图像，处理负担会非常大，效率会很低。
本发明实施例的以下几个具体实施例可有效解决上述问题，实施例的具体描述如下。
请参阅图2，是本发明较佳实施例提供的应用于图1所示的电子终端的图像噪声计算方法的流程图。下面将对图2所示的具体流程进行详细阐述。
步骤S101，将待处理图像进行分割得到多个候选区域。
本实施例中，所述电子终端先获取图像的大小，在一个实例中，所述图像的大小为M*N。在一种实施方式中，可以将所述图像等分成长宽比与该图像长宽比相同的多个候选区域。例如，将所述图像分割成a2个候选区域，其中a为自然数。例如，所述图像分割成64个候选区域，每个候选区域的大小为m*n，其中，m＝M/8，n＝N/8。在其它实施方式中，也可以将所述图像分割成大小相同，但是该候选区域的长宽比与该图像的长宽比不同。
步骤S102，对每个所述候选区域分别在图像的L空间、A空间、B空间进行图像计算得到三个纹理强度。
本实施例中，如图3所示，所述步骤S102包括步骤S1021至步骤S1023。
步骤S1021，计算所述候选区域在L空间的纹理强度θL。
在一种实施方式中，如图4所示，所述步骤S1021可包括以下步骤。
步骤S10211，计算候选区域的L空间的梯度矩阵Gyi。
Gyi＝[Dhyi，Dvyi]，其中，yi是是指该候选区域形成的一个向量，Dh与Dv是根据滤波器产生的托普利茨矩阵(Toeplitz)。
本实施例中，当所述图像被分割成多个大小为m*n候选区域时，所述向量yi为一个1*m*n的向量。
本实施例中，可根据梯度滤波器产生所述托普利茨矩阵。所述托普利茨矩阵也可以称常对角矩阵，任一条平行于主对角线的直线上的元素相同。
步骤S10212，根据所述候选区域的梯度矩阵Gyi计算所述候选区域的梯度协方差矩阵Cyi。
本实施例中，
步骤S10213，将所述梯度协方差矩阵Cyi进行特征值分解以得到纹理强度θL。
本实施例中，先将所述梯度协方差矩阵Cyi进行分解：再根据分解得到的特征值计算所述纹理强度：θL＝S1+S2。
其中，V表示所述度协方差矩阵Cyi的特征矩阵；VT表示V的转置矩阵；S1和S2表示所述度协方差矩阵Cyi的特征值。
步骤S1022，根据计算L空间的纹理强度的方式计算所述候选区域在A空间的纹理强度θA。
本实施例中计算A空间的纹理强度θA的方法可以与上述的计算L空间的纹理强度θL类似，在此不再赘述。
步骤S1023，根据计算L空间的纹理强度的方式计算所述候选区域在B空间的纹理强度θB。
步骤S103，根据所述三个纹理强度计算得到每个候选区域的纹理响应值。
本实施例中，根据三个纹理强度对应的权重及三个纹理强度计算得到所述纹理响应值δ。
其中，δ＝a*θL+b*θA+c*θB；a、b、c分别表示L空间、A空间、B空间的权重；θA表示A空间的纹理强度；θB表示B空间的纹理强度；θL表示L空间的纹理强度。本实施例中，图像中L空间中含有大量细节纹理，A空间和B空间多是平坦区域，本实施例中，对得到三个纹理强度要进行加权平均以得到所述纹理响应值。本实施例中，所述L空间的权重a相对于A空间的权重b和B空间的权重c更大。本实施例中通过增加权重计算所述纹理响应值，能够更区别各个空间对应的纹理强度对噪声影响的重要性，使后续的噪声计算能够更加准确。
步骤S104，根据每个候选区域的纹理响应值选择至少一个候选区域作为代表区域。
在一种实施方式中，如图5所示，所述步骤S104包括步骤S1041和步骤S1042。
步骤S1041，将每个候选区域的纹理响应值进行排序。
在一个实例中，将每个候选区域的纹理响应值按照从大至小进行排序。
步骤S1042，将排列在指定位置的纹理响应值对应的候选区域作为所述代表区域。
在一种实施方式中，将纹理响应值排列在第百分之八至第百分之二十大之间的任意一个纹理响应值对应的候选区域作为所述代表区域。例如，可以选择选择第百分之十大的纹理响应值对应的候选区域作为所述代表区域。
本实施例中，若将所述纹理响应值按照从大至小进行排序，则可以取排序在前第百分之八至第百分之二十之间的任意一个纹理响应值对应的候选区域作为所述代表区域；若将所述纹理响应值按照从小至大进行排序，则可以取排序在后第百分之八至第百分之二十之间的任意一个纹理响应值对应的候选区域作为所述代表区域。
通过上述步骤从多个候选区域选择一代表区域，以使选择的代表区域是“较为平坦的弱纹理区域”，这可以使得噪声不会被高估，但是这个区域也不是完全平坦的，那样估计的噪声就会过低，最终导致无法去噪，所以选择第百分之八至第百分之二十大的值，例如，第百分之十大的纹理响应值对应的候选区域为所述代表区域。
步骤S105，对所述代表区域进行噪声计算，并根据噪声计算结果得到所述图像的噪声结果。
本实施例中，如图6所示，所述步骤S105包括步骤S1051至步骤S1053。
步骤S1051，分别在L空间、A空间、B空间图像利用哈尔小波分解将所述代表区域分解为多层结构，每层结构包括HH区域。
本实施例中，通过哈尔小波分解后的每层结构中包括多个区域，分别包括：LL区域、LH区域、HL区域及HH区域。其中，LL区域为低频区域；LH区域、HL区域及HH区域为高频区域。
一幅图像经过小波分解后可得到不同分辨率的子图像，子图像对应的频率不相同，子图像分别包括：高频图像及低频图像。低频图像主要表示图像的主要部分。高频图像上的大部分点接近于0，高频图像就能够很好地噪声。因此，通过计算小波分解后的高频区域就能够很好地估计图像的噪声。
步骤S1052，计算每层结构的HH区域的方差。
在一个实例中，
其中，Var表示HH区域的方差；n表示所述高频区域中的点的数量；Xi表示第i个点的像素值；表示像素平均值。
步骤S1053，根据所述每层结构的方差得到所述图像的噪声结果。
本实施例中，所述高频区域HH区域的方差越大表示噪声较强。
根据小波分解的图像可以使得我们的噪声计算分区域进行，使噪声计算估计更加全面，同时根据纹理方向性的特点，选择哈尔小波分解每层的HH区域进行计算，可以最大限度的降低纹理对于噪声估计的影响。
根据本发明实施例的图像噪声计算方法，通过分别计算L空间、A空间、B空间的纹理强度，以区别获取亮度图像和色度图像的纹理强度，根据三个空间计算得到的纹理强度以选出用于计算噪声的代表区域，再通过代表区域计算噪声，计算代表区域的数据相对于整个图像的计算量小很多，筛选所述代表区域进行噪声计算来描述全图噪声，可以大大提高高分辨率图像噪声估计的运算时间。另外，在L空间、A空间及B空间进行计算数据，能够更正确的计算亮度数据与色度数据，使用噪声计算也更准确。
请参阅图7，是本发明较佳实施例提供的图1所示的图像噪声计算装置110的功能模块示意图。本实施例中的各个模块及单元用于执行上述方法中的各个步骤。所述图像噪声计算装置110包括分割模块1101、第一计算模块1102、第二计算模块1103、选择模块1104及第三计算模块1105。
所述分割模块1101，用于将待处理图像进行分割得到多个候选区域。
所述第一计算模块1102，用于对每个所述候选区域分别在图像的L空间、A空间、B空间进行图像计算得到三个纹理强度。
所述第二计算模块1103，用于根据所述三个纹理强度计算得到每个候选区域的纹理响应值。
所述选择模块1104，用于根据每个候选区域的纹理响应值选择至少一个候选区域作为代表区域。
所述第三计算模块1105，用于对所述代表区域进行噪声计算，并根据噪声计算结果得到所述图像的噪声结果。
本实施例中，所述选择模块1104包括：排序单元及选择单元。
所述排序单元，用于将每个候选区域的纹理响应值进行排序。
所述选择单元，用于将排列在指定位置的纹理响应值对应的候选区域作为所述代表区域。
本实施例中，所述选择单元还用于将纹理响应值排列在第百分之八至第百分之二十大之间的任意一个纹理响应值对应的候选区域作为所述代表区域。
本实施例中，所述第一计算模块1102包括：L计算单元、A计算单元及B计算单元。
所述L计算单元，用于计算所述候选区域在L空间的纹理强度θL：
计算候选区域的L空间的梯度矩阵Gyi，Gyi＝[Dhyi，Dvyi]，其中，yi是是指该候选区域形成的一个向量，Dh与Dv是根据滤波器产生的托普利茨矩阵；
根据所述候选区域的梯度矩阵Gyi计算所述候选区域的梯度协方差矩阵Cyi，
将所述梯度协方差矩阵Cyi进行特征值分解以得到纹理强度θL：其中，θL＝S1+S2。
所述A计算单元，用于根据计算L空间的纹理强度的方式计算所述候选区域在A空间的纹理强度θA。
所述B计算单元，用于根据计算L空间的纹理强度的方式计算所述候选区域在B空间的纹理强度θB。
本实施例中，所述第二计算模块1103还用于根据三个纹理强度对应的权重及三个纹理强度计算得到所述纹理响应值δ，其中，δ＝a*θL+b*θA+c*θB；a、b、c分别表示L空间、A空间、B空间的权重；θA表示A空间的纹理强度；θB表示B空间的纹理强度；θL表示L空间的纹理强度。
本实施例中，所述第三计算模块1105包括：分解单元、方差计算单元及得到单元。
所述分解单元，用于分别在L空间、A空间、B空间图像利用哈尔小波分解将所述代表区域分解为多层结构，每层结构包括HH区域。
所述方差计算单元，用于计算每层结构的HH区域的方差。
所述得到单元，用于根据所述每层结构的方差得到所述图像的噪声结果。
根据本发明实施例的图像噪声计算装置，通过分别计算L空间、A空间、B空间的纹理强度，以区别获取亮度图像和色度图像的纹理强度，根据三个空间计算得到的纹理强度以选出用于计算噪声的代表区域，再通过代表区域计算噪声，计算代表区域的数据相对于整个图像的计算量小很多，筛选所述代表区域进行噪声计算来描述全图噪声，可以大大提高高分辨率图像噪声估计的运算时间。另外，在L空间、A空间及B空间进行计算数据，能够更正确的计算亮度数据与色度数据，使用噪声计算也更准确。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (12)

1.一种图像噪声计算方法，其特征在于，所述图像噪声计算方法包括：
将待处理图像进行分割得到多个候选区域；
对每个所述候选区域分别在图像的L空间、A空间、B空间进行图像计算得到三个纹理强度；
根据所述三个纹理强度计算得到每个候选区域的纹理响应值；
根据每个候选区域的纹理响应值选择至少一个候选区域作为代表区域；以及
对所述代表区域进行噪声计算，并根据噪声计算结果得到所述图像的噪声结果。
2.如权利要求1所述的图像噪声计算方法，其特征在于，所述根据每个候选区域的纹理响应值选择代表区域的步骤包括：
将每个候选区域的纹理响应值进行排序；
将排列在指定位置的纹理响应值对应的候选区域作为所述代表区域。
3.如权利要求2所述的图像噪声计算方法，其特征在于，所述将排列在指定位置的纹理响应值对应的候选区域作为所述代表区域的步骤包括：
将纹理响应值排列在第百分之八至第百分之二十大之间的任意一个纹理响应值对应的候选区域作为所述代表区域。
4.如权利要求1所述的图像噪声计算方法，其特征在于，所述对所述候选区域分别在图像的L空间、A空间、B空间图像计算得到三个纹理强度的步骤包括：
计算所述候选区域在L空间的纹理强度θL：
计算候选区域的L空间的梯度矩阵Gyi，Gyi＝[Dhyi，Dvyi]，其中，yi是是指该候选区域形成的一个向量，Dh与Dv是根据滤波器产生的托普利茨矩阵；
根据所述候选区域的梯度矩阵Gyi计算所述候选区域的梯度协方差矩阵Cyi，
将所述梯度协方差矩阵Cyi进行特征值分解以得到纹理强度θL：其中，θL＝S1+S2；
根据计算L空间的纹理强度的方式计算所述候选区域在A空间的纹理强度θA；
根据计算L空间的纹理强度的方式计算所述候选区域在B空间的纹理强度θB。
5.如权利要求4所述的图像噪声计算方法，其特征在于，所述根据所述三个纹理强度计算得到每个候选区域的纹理响应值的步骤包括：
根据三个纹理强度对应的权重及三个纹理强度计算得到所述纹理响应值δ，其中，δ＝a*θL+b*θA+c*θB；
a、b、c分别表示L空间、A空间、B空间的权重；θA表示A空间的纹理强度；θB表示B空间的纹理强度；θL表示L空间的纹理强度。
6.如权利要求1所述的图像噪声计算方法，其特征在于，所述对所述代表区域进行噪声计算，并根据噪声计算结果得到所述图像的噪声结果的步骤包括：
分别在L空间、A空间、B空间图像利用哈尔小波分解将所述代表区域分解为多层结构，每层结构包括HH区域；
计算每层结构的HH区域的方差；
根据所述每层结构的方差得到所述图像的噪声结果。
7.一种图像噪声计算装置，其特征在于，所述图像噪声计算装置包括：
分割模块，用于将待处理图像进行分割得到多个候选区域；
第一计算模块，用于对每个所述候选区域分别在图像的L空间、A空间、B空间进行图像计算得到三个纹理强度；
第二计算模块，用于根据所述三个纹理强度计算得到每个候选区域的纹理响应值；
选择模块，用于根据每个候选区域的纹理响应值选择至少一个候选区域作为代表区域；以及
第三计算模块，用于对所述代表区域进行噪声计算，并根据噪声计算结果得到所述图像的噪声结果。
8.如权利要求7所述的图像噪声计算装置，其特征在于，所述选择模块包括：
排序单元，用于将每个候选区域的纹理响应值进行排序；
选择单元，用于将排列在指定位置的纹理响应值对应的候选区域作为所述代表区域。
9.如权利要求8所述的图像噪声计算装置，其特征在于，所述选择单元还用于将纹理响应值排列在第百分之八至第百分之二十大之间的任意一个纹理响应值对应的候选区域作为所述代表区域。
10.如权利要求7所述的图像噪声计算装置，其特征在于，所述第一计算模块包括：
L计算单元，用于计算所述候选区域在L空间的纹理强度θL：
计算候选区域的L空间的梯度矩阵Gyi，Gyi＝[Dhyi，Dvyi]，其中，yi是是指该候选区域形成的一个向量，Dh与Dv是根据滤波器产生的托普利茨矩阵；
根据所述候选区域的梯度矩阵Gyi计算所述候选区域的梯度协方差矩阵Cyi，
将所述梯度协方差矩阵Cyi进行特征值分解以得到纹理强度θL：其中，θL＝S1+S2；
A计算单元，用于根据计算L空间的纹理强度的方式计算所述候选区域在A空间的纹理强度θA；
B计算单元，用于根据计算L空间的纹理强度的方式计算所述候选区域在B空间的纹理强度θB。
11.如权利要求10所述的图像噪声计算装置，其特征在于，所述第二计算模块还用于根据三个纹理强度对应的权重及三个纹理强度计算得到所述纹理响应值δ，其中，δ＝a*θL+b*θA+c*θB；a、b、c分别表示L空间、A空间、B空间的权重；θA表示A空间的纹理强度；θB表示B空间的纹理强度；θL表示L空间的纹理强度。
12.如权利要求7所述的图像噪声计算装置，其特征在于，所述第三计算模块包括：
分解单元，用于分别在L空间、A空间、B空间图像利用哈尔小波分解将所述代表区域分解为多层结构，每层结构包括HH区域；
方差计算单元，用于计算每层结构的HH区域的方差；
得到单元，用于根据所述每层结构的方差得到所述图像的噪声结果。
CN201711311607.1A 2017-12-11 2017-12-11 图像噪声计算方法及装置 Active CN107909586B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711311607.1A CN107909586B (zh) 2017-12-11 2017-12-11 图像噪声计算方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711311607.1A CN107909586B (zh) 2017-12-11 2017-12-11 图像噪声计算方法及装置

Publications (2)

Publication Number Publication Date
CN107909586A true CN107909586A (zh) 2018-04-13
CN107909586B CN107909586B (zh) 2020-07-03

Family

ID=61865106

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711311607.1A Active CN107909586B (zh) 2017-12-11 2017-12-11 图像噪声计算方法及装置

Country Status (1)

Country Link
CN (1) CN107909586B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115546514A (zh) * 2022-01-29 2022-12-30 荣耀终端有限公司 图片噪声计算方法、装置及图片测试系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105678774A (zh) * 2016-01-11 2016-06-15 浙江传媒学院 一种基于主成分分析的图像噪声水平估计方法
US20170178309A1 (en) * 2014-05-15 2017-06-22 Wrnch Inc. Methods and systems for the estimation of different types of noise in image and video signals
CN107451981A (zh) * 2017-08-15 2017-12-08 四川长虹电器股份有限公司 基于dct和梯度协方差矩阵的图像噪声水平估计方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170178309A1 (en) * 2014-05-15 2017-06-22 Wrnch Inc. Methods and systems for the estimation of different types of noise in image and video signals
CN105678774A (zh) * 2016-01-11 2016-06-15 浙江传媒学院 一种基于主成分分析的图像噪声水平估计方法
CN107451981A (zh) * 2017-08-15 2017-12-08 四川长虹电器股份有限公司 基于dct和梯度协方差矩阵的图像噪声水平估计方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
GUANGYONG CHEN 等: "An Efficient Statistical Method for Image Noise Level Estimation", 《2015 IEEE INTERNATIONAL CONFERENCE ON COMPUTER VISION (ICCV)》 *
XINHAO LIU 等: "Noise level estimation using weak textured patches of a single noisy image", 《2012 19TH IEEE INTERNATIONAL CONFERENCE ON IMAGE PROCESSING》 *
张娟: "噪声大小估计耦合ＰＣＡ的图像降噪算法", 《计算机工程与设计》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115546514A (zh) * 2022-01-29 2022-12-30 荣耀终端有限公司 图片噪声计算方法、装置及图片测试系统
CN115546514B (zh) * 2022-01-29 2023-08-04 荣耀终端有限公司 图片噪声计算方法、装置及图片测试系统

Also Published As

Publication number Publication date
CN107909586B (zh) 2020-07-03

Similar Documents

Publication Publication Date Title
Gan et al. Infrared and visible image fusion with the use of multi-scale edge-preserving decomposition and guided image filter
Toet Computational versus psychophysical bottom-up image saliency: A comparative evaluation study
Lu et al. Cross-based local multipoint filtering
Meyer et al. Perturbation of the eigenvectors of the graph Laplacian: Application to image denoising
Godtliebsen et al. Significance in scale space for bivariate density estimation
Guo et al. Edge guided reconstruction for compressive imaging
US20110229029A1 (en) Selective diffusion of filtered edges in images
Liu et al. High-order TVL1-based images restoration and spatially adapted regularization parameter selection
CN103279957A (zh) 一种基于多尺度特征融合的遥感图像感兴趣区域提取方法
Bashar et al. Wavelet transform-based locally orderless images for texture segmentation
CN107240078A (zh) 镜头清晰度验算方法、装置及电子设备
WO2020232910A1 (zh) 基于图像处理的目标物统计方法、装置、设备及存储介质
CN108961225A (zh) 周期性纹理抑制方法以及装置
CN108734658B (zh) 一种高分辨率图像的重建方法及系统
Hu et al. An efficient fusion algorithm based on hybrid multiscale decomposition for infrared-visible and multi-type images
Wang et al. Analyzing image deblurring through three paradigms
Liu et al. Fast weighted total variation regularization algorithm for blur identification and image restoration
Jia et al. Fabric defect inspection based on lattice segmentation and lattice templates
Vogt User guide of guidos toolbox
Yang et al. HQ-50K: A Large-scale, High-quality Dataset for Image Restoration
CN106600615B (zh) 一种图像边缘检测算法评价系统及方法
Liu et al. Spectral bayesian uncertainty for image super-resolution
Wang et al. Image super-resolution using non-local Gaussian process regression
CN106934815A (zh) 基于混合区域的活动轮廓模型图像分割方法
CN107909586A (zh) 图像噪声计算方法及装置

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