CN108259707A - 视频图像实时去噪方法及装置 - Google Patents
视频图像实时去噪方法及装置 Download PDFInfo
- Publication number
- CN108259707A CN108259707A CN201611249748.0A CN201611249748A CN108259707A CN 108259707 A CN108259707 A CN 108259707A CN 201611249748 A CN201611249748 A CN 201611249748A CN 108259707 A CN108259707 A CN 108259707A
- Authority
- CN
- China
- Prior art keywords
- pixel
- matrix form
- pixel point
- coordinate
- point
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/14—Picture signal circuitry for video frequency region
- H04N5/21—Circuitry for suppressing or minimising disturbance, e.g. moiré or halo
Abstract
本发明提供一种视频图像实时去噪方法及装置,属于图像处理技术领域。该方法包括:对于目标图像中的任一像素点,获取任一像素点的坐标;根据任一像素点的坐标,获取任一像素点对应的第一矩阵表格及第二矩阵表格;根据像素点的像素值、第一矩阵表格及第二矩阵表格,重新计算任一像素点的像素值。本发明通过根据任一像素点的坐标,获取任一像素点对应的第一矩阵表格及第二矩阵表格。根据像素点的像素值、第一矩阵表格及第二矩阵表格,重新计算任一像素点的像素值。由于可在进行双边滤波运算时可直接从矩阵表格中获取相应的参数,从而减少了计算量,提高了计算速度。因此,对视频图像进行实时去噪时的效率较高,能够满足视频实时性的要求。
Description
技术领域
本发明涉及图像处理技术领域,更具体地,涉及一种视频图像实时去噪方法及装置。
背景技术
随着视频通话在各个领域的广泛应用,用户对于视频质量的要求也越来越高。其中,衡量视频质量高低的重要标准是清晰度和流畅性。通过视频图像实时去噪方法可以增大信噪比,可更好地体现原先图像所携带的信息,从而有效地提高视频清晰度。作为视频预处理的一种重要手段,相关领域学者对视频图像实时去噪方法做了广泛而深入地研究。现有的视频图像实时去噪方法主要有均值滤波、中值滤波、高斯滤波、双边滤波及基于小波变换的方法等。然而,现有的算法在去噪效果和计算量上存在相当大的不足。例如均值滤波和高斯滤波会对图像边缘信息造成严重模糊,去除噪点的同时模糊了图像,未能达到提高视频清晰度的目的。而中值滤波,双边滤波和基于小波变换的方法计算量很大无法满足视频实时性的要求,未能达到视频流畅性的要求。
发明内容
本发明提供一种克服上述问题或者至少部分地解决上述问题的视频图像实时去噪方法及装置。
根据本发明的一方面,提供了一种视频图像实时去噪方法,该方法包括:
对于目标图像中的任一像素点,获取任一像素点的坐标,目标图像为视频中的任一帧图像;
根据任一像素点的坐标,获取任一像素点对应的第一矩阵表格及第二矩阵表格,第一矩阵表格为像素物理距离权重表格,第二矩阵表格为像素相似度权重表格;
根据任一像素点的像素值、第一矩阵表格及第二矩阵表格,重新计算任一像素点的像素值。
根据本发明的另一方面,提供了一种视频图像实时去噪装置,该装置包括:
第一获取模块,用于对于目标图像中的任一像素点,获取任一像素点的坐标,目标图像为视频中的任一帧图像;
第二获取模块,用于根据任一像素点的坐标,获取任一像素点对应的第一矩阵表格及第二矩阵表格,第一矩阵表格为像素物理距离权重表格,第二矩阵表格为像素相似度权重表格;
计算模块,用于根据任一像素点的像素值、第一矩阵表格及第二矩阵表格,重新计算任一像素点的像素值。
本申请提出的技术方案带来的有益效果是:
通过对于目标图像中的任一像素点,获取任一像素点的坐标。根据任一像素点的坐标,获取任一像素点对应的第一矩阵表格及第二矩阵表格。根据像素点的像素值、第一矩阵表格及第二矩阵表格,重新计算像素点的像素值。由于可预先计算像素点间的物理距离权重及相似度权重并存入相应的矩阵表格中,在进行双边滤波运算时可直接从矩阵表格中获取相应的参数,从而减少了计算量,提高了计算速度。因此,视频图像实时去噪时的效率较高,能够满足视频通话实时性的要求。
附图说明
图1为本发明实施例的一种视频图像实时去噪方法的流程示意图;
图2为本发明实施例的一种视频图像实时去噪方法的流程示意图;
图3为本发明实施例的一种视频图像实时去噪装置的结构示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
随着计算机、手机等各种电子设备的普及以及网络技术的进步,数字图像的处理和应用越来越广泛。游戏娱乐、社交网络越来越受到现代人的推崇,这些领域都需要数字图像信号的支持。而且随着大规模数据可视化技术的研究和应用,对医疗、航天等传统行业提供了极大的便利。这些应用也对数字图像的获取和传输提出了更高的要求,而在这些过程中会无法避免地引入噪声。所以,数字图像的去噪工作是计算机视觉中重要的一个环节。
相应地,在视频通话中,衡量视频质量高低的重要的标准是清晰度和流畅性。通过视频图像实时去噪方法可以增大信噪比,可更好地体现原先图像所携带的信息,从而有效地提高视频清晰度。作为视频预处理的一种重要手段,相关领域学者对视频图像实时去噪方法做了广泛而深入地研究。现有的视频图像实时去噪方法主要有均值滤波,中值滤波,高斯滤波,双边滤波,基于小波变换的方法等。然而,现有的算法在去噪效果和计算量上存在相当大的不足。例如均值滤波和高斯滤波会对图像边缘信息造成严重模糊,去除噪点的同时模糊了图像,未能达到提高视频清晰度的目的。而中值滤波,双边滤波和基于小波变换的方法计算量很大无法满足视频实时性的要求,未能达到视频流畅性的要求。
其中,双边滤波是一种非线性的滤波方法,是结合图像的空间邻近度和像素值相似度的一种折衷处理,同时考虑空域信息和灰度相似性,达到保边去噪的目的。该方法具有简单、非迭代及体现局部性等特点。双边滤波器的好处是可以做边缘保存,使用均值滤波或者高斯滤波去降噪,都会较明显地模糊边缘,对于高频细节的保护效果并不明显。双边滤波器顾名思义比高斯滤波多了一个滤波维度,它是基于像素点相似性和像素点距离加权的高斯滤波,与像素点离的较远或者与像素点差异较大的不会太多影响到像素值,这样就保证了边缘附近像素值的保存。然而,双边滤波计算量很大,无法满足视频的实时性要求。
针对通过双边滤波对视频进行去噪处理所产生的问题,本发明实施例提供了一种视频图像实时去噪方法。由于在对视频进行去噪时,实际上是对视频的每一帧图像进行去噪。具体地,主要是对每一帧图像中每一像素点的像素值重新进行计算。为了便于说明,本实施例及后续实施例以视频的任一帧图像为例,并将该帧图像作为目标图像,来对视频图像实时去噪方法进行说明。需要说明的是,视频的其它帧图像均可以按照本实施例及后续实施例中的去噪方法来对图像进行去噪,从而最终实现对视频进行去噪。参见图1,本实施例提供的方法流程包括:101、对于目标图像中的任一像素点,获取任一像素点的坐标;102、根据任一像素点的坐标,获取任一像素点对应的第一矩阵表格及第二矩阵表格;103、根据任一像素点的像素值、第一矩阵表格及第二矩阵表格,重新计算任一像素点的像素值。
其中,目标图像为视频中的任一帧图像。第一矩阵表格为像素物理距离权重表格,第二矩阵表格为像素相似度权重表格。
本发明实施例提供的方法,通过对于目标图像中的任一像素点,获取任一像素点的坐标。根据任一像素点的坐标,获取任一像素点对应的第一矩阵表格及第二矩阵表格。根据像素点的像素值、第一矩阵表格及第二矩阵表格,重新计算像素点的像素值。由于可预先计算像素点间的物理距离权重及相似度权重并存入相应的矩阵表格中,在进行双边滤波运算时可直接从矩阵表格中获取相应的参数,从而减少了计算量,提高了计算速度。因此,视频图像实时去噪时的效率较高,能够满足视频实时性的要求。
作为一种可选实施例,根据任一像素点的坐标,获取任一像素点对应的第一矩阵表格及第二矩阵表格之前,还包括:
根据任一像素点的坐标、行方向上的第一参考距离半径及列方向上的第二参考距离半径,确定以任一像素点为中心的矩形区域;
对于矩形区域内除任一像素点之外的每一像素点,根据每一像素点的坐标与任一像素点的坐标,生成第一矩阵表格;
根据每一像素点的像素值与任一像素点的像素值,生成第二矩阵表格。
作为一种可选实施例,根据每一像素点的坐标与任一像素点的坐标,生成第一矩阵表格,包括:
根据每一像素点的坐标与任一像素点的坐标,计算每一像素点与任一像素点之间的物理距离权重;
根据每个物理距离权重,生成第一矩阵表格。
作为一种可选实施例,根据每一像素点的像素值与任一像素点的像素值,生成第二矩阵表格,包括:
根据每一像素点的像素值与任一像素点的像素值,计算每一像素点与任一像素点之间的相似度权重;
根据每个相似度权重,生成第二矩阵表格。
作为一种可选实施例,根据任一像素点的像素值、第一矩阵表格及第二矩阵表格,重新计算任一像素点的像素值,包括:
基于双边滤波算法,根据第一矩阵表格中每个物理距离权重、第二矩阵表格中每个相似度权重及任一像素点的像素值,重新计算任一像素点的像素值。
作为一种可选实施例,基于双边滤波算法,根据第一矩阵表格中每个物理距离权重、第二矩阵表格中每个相似度权重及任一像素点的像素值,重新计算任一像素点的像素值,包括:
其中,i与j为任一像素点的坐标,u与v为矩形区域内除任一像素点之外像素点的坐标,r为第一参考距离半径,d为第二参考距离半径;
G′(u-i,v-j)为坐标为u与v的像素点在第一矩阵表格中对应的物理距离权重,W′(xuv,xij)为坐标为u与v的像素点在第二矩阵表格中对应的相似度权重,xuv为坐标为u与v的像素点对应的像素值,xij为坐标为i与j的像素点对应的像素值。
上述所有可选技术方案,可以采用任意结合形成本发明的可选实施例,在此不再一一赘述。
由于在通过双边滤波对视频进行去噪时,需要实时计算每两个像素之间的物理距离权重及相似度权重,从而导致相应的计算量很大。同时,由于在视频通话中对实时性的要求很高,若视频处理时相应的计算量较大,则会花费大量时间,从而无法满足视频的实时性要求。在科学计算领域中,通过空间换时间是常用的做法。基于该理论,可对视频中每一帧图像进行去噪处理,从而实现对视频进行去噪。
基于上述内容及图1对应实施例中的内容,本发明实施例提供了一种视频图像实时去噪方法。参见图2,该方法包括:201、对于目标图像中的任一像素点,获取任一像素点对应的坐标;202、根据任一像素点的坐标,获取任一像素点对应的第一矩阵表格及第二矩阵表格;203、基于双边滤波算法,根据第一矩阵表格中每个物理距离权重、第二矩阵表格中每个相似度权重及任一像素点的像素值,重新计算任一像素点的像素值。
其中,201、对于目标图像中的任一像素点,获取任一像素点对应的中心坐标。
为了便于说明,本实施例以目标图像中的任一像素点为例,来对视频图像实时去噪的过程进行说明。该目标图像的其它像素点也可按照本实施例所提供的方法,重新计算像素值。
像素点在图像中有相应的坐标,如某一像素点如果在第i行、第j列,则该像素点的坐标即为(i,j)。对于任一像素点,在本步骤中可以确定该像素点的坐标。
其中,202、根据任一像素点的坐标,获取任一像素点对应的第一矩阵表格及第二矩阵表格;
在本步骤中,第一矩阵表格为像素物理距离权重表格,第二矩阵表格为像素相似度权重表格。由于在基于双边滤波算法处理像素点的像素值时,需要用到该像素点与其它像素点之间的物理距离权重及相似度权重。在通常处理过程中,需要实时计算上述两种权重。相应地,由于计算过程计算量较大,从而会耗费大量时间。
在本步骤中,可直接根据像素点的坐标,获取该像素点对应的第一矩阵表格及第二矩阵表格。后续可基于这两个矩阵表格,通过查表得方式获取相应的物理距离权重及相似度权重,而不用去实时计算上述两种权重。
相应地,在执行本步骤之前可先生成上述两个矩阵表格,本实施例不对生成第一矩阵表格及第二矩阵表格的方式作具体限定,包括但不限于:根据任一像素点的坐标、行方向上的第一参考距离半径及列方向上的第二参考距离半径,确定以任一像素点为中心的矩形区域;对于矩形区域内除任一像素点之外的每一像素点,根据每一像素点的坐标与任一像素点的坐标,生成第一矩阵表格;根据每一像素点的像素值与任一像素点的像素值,生成第二矩阵表格。
其中,行方向上的第一参考距离半径及列方向上的第二参考距离半径可根据需求进行设置,本实施例对此不作具体限定。当两者值设置较大时,相应囊括像素点的数量也多,计算时的像素点参考值也较多,从而去噪效果也相对较好。从另一方面考虑,由于参与计算的像素点多了,从而也相应增加了计算量及计算时间。因此,实际在对第一参考距离半径及第二参考距离半径进行取值时,可参考上述两个因素选择一个平衡点,取最满足实际需求的数值。
需要说明的是,在确定矩形区域时,对于处在图像边缘附近的像素点,可通过“补充”的方式构成矩形区域,本实施例对此不作具体限定。例如,以行方向上的第一参考距离半径为2,列方向上的第二参考距离半径为3为例。对于位于图像中间的像素点,一般可以按照参考距离半径,确定一个4*6的矩形区域。对于在右下角的像素点,只能往左上方向确定一个2*3的矩形区域。此时,可采用对称复制的方式,将左上方向2*3的矩形区域对称复制到右边,形成2*6的矩形区域。接着,将2*6的矩形区域对称复制到下面,最终形成4*6的矩形区域。除了右下角的像素点之外,其它位置的像素点也可以参考这种思路得到相应的矩形区域,本实施例对此不作具体限定。
对于任一像素点,设第一参考距离半径为r,第二参考距离半径为d,则以任一像素点为中心,可确定一个长宽分别为2r及2d的矩形区域。在确定矩形区域后,可计算该像素点与矩形区域中的像素点之间的物理距离权重及相似度权重,从而得到第一矩阵表格及第二矩阵表格。
对于矩形区域内除任一像素点之外的每一像素点,本实施例不对根据每一像素点的坐标与任一像素点的坐标,生成第一矩阵表格的方式作具体限定,包括但不限于:根据每一像素点的坐标与任一像素点的坐标,计算每一像素点与任一像素点之间的物理距离权重;根据每个物理距离权重,生成第一矩阵表格。
为了便于说明,对于位于矩形区域中心的中心像素点,以矩形区域内除该中心像素点之外的一个像素点A为例。在计算中心像素点与像素点A之间的物理距离权重时,可参考如下公式(1):
为了在上述公式(1)中,G(u-i,v-j)为中心像素点与像素点A之间的物理距离权重,δ是常数。i和j分别表示中心像素点的坐标,即中心像素点的坐标为(i,j)。u和v分别表示像素点A的坐标,即像素点A的坐标为(u,v)。
由上述公式(1)可知,当两个像素点之间的距离越近时,对应G(u-i,v-j)的值也越大,即权重也越大。当两个像素点之间的距离越远时,对应G(u-i,v-j)的值也越小,即权重也越小。
另外,由于像素点A是位于矩形区域内的,而矩形区域的长宽分别为2r及2d,从而基于两个像素点的坐标,可确定u-i∈[-r,r],v-j∈[-d,d]。需要说明的是,当两个像素点在行方向和列方向上的距离均为0时,按照上述公式(1)可计算得到相应的权重为G(0,0)=1。当两个像素点在行方向和列方向上的距离为最大值时,权重为G(w,h)。其中,w为图像的行宽,h为图像的列长。
通过上述公式(1),可计算得到中心像素点与矩形区域内每一像素点之间的物理距离权重,从而根据每个物理距离权重,生成第一矩阵表格。在第一矩阵表格中,矩形区域内除中心像素点之外的每一像素点,均对应一个物理距离权重。为了便于后续说明,可将第一矩阵表格记为G′(m,n)。其中,m∈[-r,r]且n∈[-d,d]。相应地,第一矩阵表格G′(m,n)中所有的值为G(-r,-d)、G(-r,-d+1)、G(-r,-d+2)、…、G(r-1,d)及G(r,d)。
同理,本实施例不对根据每一像素点的像素值与任一像素点的像素值,生成第二矩阵表格的方式作具体限定,包括但不限于:根据每一像素点的像素值与任一像素点的像素值,计算每一像素点与任一像素点之间的相似度权重;根据每个相似度权重,生成第二矩阵表格。
同样为了便于说明,对于位于矩形区域中心的中心像素点,以矩形区域内除该中心像素点之外的一个像素点A为例。在计算中心像素点与像素点A之间的相似度权重时,可参考如下公式(2):
在上述公式(2)中,W(xuv,xij)为中心像素点与像素点A之间的相似度权重,γ为常数。基于上述内容,xuv为像素点A的像素值,xij为中心像素点的像素值。
由上述公式(2)可知,当两个像素点之间的像素值越相似时,对应W(xuv,xij)的值也越大,即权重也越大。反之,对应W(xuv,xij)的值也越小,即权重也越小。需要说明的是,当两个像素点的像素值相同时,对应相似度权重值为1。其中,像素值的取值为0到255。当一个像素点的像素值为0,另一个像素点的像素值为255时,此时计算得到的相似度权重为最大值。
通过上述公式(2),可计算得到中心像素点与矩形区域内每一像素点之间的相似度权重,从而根据每个相似度权重,生成第二矩阵表格。在第二矩阵表格中,矩形区域内除中心像素点之外的每一像素点,均对应一个相似度权重。为了便于后续说明,可将第二矩阵表格记为W′(m,n)。其中,m及n均代表像素值。m∈[0,255],n∈[0,255]。相应地,第二矩阵表格W′(m,n)中所有的值为W(0,0)、W(0,1)、W(0,2)、…、W(254,255)及W(255,255)。
其中,203、基于双边滤波算法,根据第一矩阵表格中每个物理距离权重、第二矩阵表格中每个相似度权重及任一像素点的像素值,重新计算任一像素点的像素值。
为了便于理解,在执行本步骤之前,先对双边滤波算法的计算过程进行阐述。双边滤波算法主要是对像素点的像素值重新进行计算,该过程可参考如下公式(3):
在上述公式(3)中,xij为像素点的原像素值,xij′为重新计算后像素点的像素值。i和j分别表示中心像素点位于图像第i行和第j列。
r表示行方向上的第一参考距离半径,d表示列方向上的第二参考距离半径,即参考点范围xuv∈[xi-r,j-d,xi+r,j+d]。其中,u∈[i-r,i+r]且v∈[j-d,j+d]。G(u-i,v-j)表示双边滤波像素点间的物理距离权重,W(xuv,xij)表示双边滤波像素点间的相似度权重。
由于在基于上述公式(3)重新计算像素点的像素值时,不用同时计算物理距离权重及相似度权重,只需直接利用上述步骤202得到的第一矩阵表格及第二矩阵表格即可。具体地,对于中心像素点(即待重新计算像素值的像素点)及矩形区域内的任一像素点,只需根据该任一像素点的坐标,在第一矩阵表格G′(m,n)查找该任一像素点与该中心像素点之间的物理距离权重。根据该任一像素点的坐标,在第二矩阵表格W′(m,n)查找该任一像素点与该中心像素点之间的相似度权重即可。
相应地,该过程可用如下公式(4)表示:
其中,上述公式(4)中的参数含义可参考上述公式(1)、公式(2)及公式(3)中的参数解释,此处不再赘述。
基于上述公式(4),能够逐点计算每帧图像中像素点的像素值,从而可对视频中所有帧图像进行去噪,最后实现对视频图像实时去噪。
本发明实施例提供的方法,通过对于目标图像中的任一像素点,获取任一像素点的坐标。根据任一像素点的坐标,获取任一像素点对应的第一矩阵表格及第二矩阵表格。基于双边滤波算法,根据第一矩阵表格中每个物理距离权重、第二矩阵表格中每个相似度权重及任一像素点的像素值,重新计算任一像素点的像素值。由于可预先计算像素点间的物理距离权重及相似度权重并存入相应的矩阵表格中,在进行双边滤波运算时可直接从矩阵表格中获取相应的参数,从而减少了计算量,提高了计算速度。因此,对视频图像实时去噪时的效率较高,能够满足视频实时性的要求。
另外,在利用双边滤波算法进行去噪时,通过选取数值较小的参考距离半径,能够降低矩阵表格占据的存储空间,并减少后续的查找复杂度及计算量,从而进一步地提高了视频图像实时去噪时的效率。
本发明实施例提供了一种视频图像实时去噪装置,该装置用于执行上述图1或图2对应实施例所提供的视频图像实时去噪方法。参见图3,该装置包括:
第一获取模块301,用于对于目标图像中的任一像素点,获取任一像素点的坐标,目标图像为视频中的任一帧图像;
第二获取模块302,用于根据任一像素点的坐标,获取任一像素点对应的第一矩阵表格及第二矩阵表格,第一矩阵表格为像素物理距离权重表格,第二矩阵表格为像素相似度权重表格;
计算模块303,用于根据任一像素点的像素值、第一矩阵表格及第二矩阵表格,重新计算任一像素点的像素值。
作为一种可选实施例,该装置还包括:
确定模块,用于根据任一像素点的坐标、行方向上的第一参考距离半径及列方向上的第二参考距离半径,确定以任一像素点为中心的矩形区域;
第一生成模块,用于对于矩形区域内除任一像素点之外的每一像素点,根据每一像素点的坐标与任一像素点的坐标,生成第一矩阵表格;
第二生成模块,用于根据每一像素点的像素值与任一像素点的像素值,生成第二矩阵表格。
作为一种可选实施例,第一生成模块,用于根据每一像素点的坐标与任一像素点的坐标,计算每一像素点与任一像素点之间的物理距离权重;根据每个物理距离权重,生成第一矩阵表格。
作为一种可选实施例,第二生成模块,用于根据每一像素点的像素值与任一像素点的像素值,计算每一像素点与任一像素点之间的相似度权重;根据每个相似度权重,生成第二矩阵表格。
作为一种可选实施例,计算模块,用于基于双边滤波算法,根据第一矩阵表格中每个物理距离权重、第二矩阵表格中每个相似度权重及任一像素点的像素值,重新计算任一像素点的像素值。
本发明实施例提供的装置,通过对于目标图像中的任一像素点,获取任一像素点的坐标。根据任一像素点的坐标,获取任一像素点对应的第一矩阵表格及第二矩阵表格。基于双边滤波算法,根据第一矩阵表格中每个物理距离权重、第二矩阵表格中每个相似度权重及任一像素点的像素值,重新计算任一像素点的像素值。由于可预先计算像素点间的物理距离权重及相似度权重并存入相应的矩阵表格中,在进行双边滤波运算时可直接从矩阵表格中获取相应的参数,从而减少了计算量,提高了计算速度。因此,对视频图像实时去噪时的效率较高,能够满足视频实时性的要求。
另外,在利用双边滤波算法进行去噪时,通过选取数值较小的参考距离半径,能够降低矩阵表格占据的存储空间,并减少后续的查找复杂度及计算量,从而进一步地提高了视频图像实时去噪时的效率。
最后,本申请的方法仅为较佳的实施方案,并非用于限定本发明的保护范围。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。
Claims (10)
1.一种视频图像实时去噪方法,其特征在于,所述方法包括:
对于目标图像中的任一像素点,获取所述任一像素点的坐标,所述目标图像为视频中的任一帧图像;
根据所述任一像素点的坐标,获取所述任一像素点对应的第一矩阵表格及第二矩阵表格,所述第一矩阵表格为像素物理距离权重表格,所述第二矩阵表格为像素相似度权重表格;
根据所述任一像素点的像素值、所述第一矩阵表格及所述第二矩阵表格,重新计算所述任一像素点的像素值。
2.根据权利要求1所述的方法,其特征在于,所述根据所述任一像素点的坐标,获取所述任一像素点对应的第一矩阵表格及第二矩阵表格之前,还包括:
根据所述任一像素点的坐标、行方向上的第一参考距离半径及列方向上的第二参考距离半径,确定以所述任一像素点为中心的矩形区域;
对于所述矩形区域内除所述任一像素点之外的每一像素点,根据所述每一像素点的坐标与所述任一像素点的坐标,生成第一矩阵表格;
根据所述每一像素点的像素值与所述任一像素点的像素值,生成第二矩阵表格。
3.根据权利要求2所述的方法,其特征在于,所述根据所述每一像素点的坐标与所述任一像素点的坐标,生成第一矩阵表格,包括:
根据所述每一像素点的坐标与所述任一像素点的坐标,计算所述每一像素点与所述任一像素点之间的物理距离权重;
根据每个物理距离权重,生成第一矩阵表格。
4.根据权利要求2所述的方法,其特征在于,所述根据所述每一像素点的像素值与所述任一像素点的像素值,生成第二矩阵表格,包括:
根据所述每一像素点的像素值与所述任一像素点的像素值,计算所述每一像素点与所述任一像素点之间的相似度权重;
根据每个相似度权重,生成第二矩阵表格。
5.根据权利要求1所述的方法,其特征在于,所述根据所述任一像素点的像素值、所述第一矩阵表格及所述第二矩阵表格,重新计算所述任一像素点的像素值,包括:
基于双边滤波算法,根据所述第一矩阵表格中每个物理距离权重、所述第二矩阵表格中每个相似度权重及所述任一像素点的像素值,重新计算所述任一像素点的像素值。
6.一种视频图像实时去噪装置,其特征在于,所述装置包括:
第一获取模块,用于对于目标图像中的任一像素点,获取所述任一像素点的坐标,所述目标图像为视频中的任一帧图像;
第二获取模块,用于根据所述任一像素点的坐标,获取所述任一像素点对应的第一矩阵表格及第二矩阵表格,所述第一矩阵表格为像素物理距离权重表格,所述第二矩阵表格为像素相似度权重表格;
计算模块,用于根据所述任一像素点的像素值、所述第一矩阵表格及所述第二矩阵表格,重新计算所述任一像素点的像素值。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
确定模块,用于根据所述任一像素点的坐标、行方向上的第一参考距离半径及列方向上的第二参考距离半径,确定以所述任一像素点为中心的矩形区域;
第一生成模块,用于对于所述矩形区域内除所述任一像素点之外的每一像素点,根据所述每一像素点的坐标与所述任一像素点的坐标,生成第一矩阵表格;
第二生成模块,用于根据所述每一像素点的像素值与所述任一像素点的像素值,生成第二矩阵表格。
8.根据权利要求7所述的装置,其特征在于,所述第一生成模块,用于根据所述每一像素点的坐标与所述任一像素点的坐标,计算所述每一像素点与所述任一像素点之间的物理距离权重;根据每个物理距离权重,生成第一矩阵表格。
9.根据权利要求7所述的装置,其特征在于,所述第二生成模块,用于根据所述每一像素点的像素值与所述任一像素点的像素值,计算所述每一像素点与所述任一像素点之间的相似度权重;根据每个相似度权重,生成第二矩阵表格。
10.根据权利要求6所述的装置,其特征在于,所述计算模块,用于基于双边滤波算法,根据所述第一矩阵表格中每个物理距离权重、所述第二矩阵表格中每个相似度权重及所述任一像素点的像素值,重新计算所述任一像素点的像素值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611249748.0A CN108259707A (zh) | 2016-12-29 | 2016-12-29 | 视频图像实时去噪方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611249748.0A CN108259707A (zh) | 2016-12-29 | 2016-12-29 | 视频图像实时去噪方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108259707A true CN108259707A (zh) | 2018-07-06 |
Family
ID=62721490
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611249748.0A Pending CN108259707A (zh) | 2016-12-29 | 2016-12-29 | 视频图像实时去噪方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108259707A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020057062A1 (zh) * | 2018-09-19 | 2020-03-26 | 北京图森未来科技有限公司 | 在fpga中实现图像双边滤波的方法和装置、fpga |
CN112053292A (zh) * | 2020-07-21 | 2020-12-08 | 深圳先进技术研究院 | 医学图像的处理方法、处理装置及计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101212561A (zh) * | 2006-12-31 | 2008-07-02 | 华晶科技股份有限公司 | 去除图像噪声的方法 |
CN101567964B (zh) * | 2009-05-15 | 2011-11-23 | 南通大学 | 一种低码率视频应用中的预处理降噪去块效应方法 |
CN103116875A (zh) * | 2013-02-05 | 2013-05-22 | 浙江大学 | 自适应双边滤波图像去噪方法 |
US20150256772A1 (en) * | 2012-09-19 | 2015-09-10 | Ziilabs Inc. Ltd. | Systems and Methods for Reducing Noise in Video Streams |
-
2016
- 2016-12-29 CN CN201611249748.0A patent/CN108259707A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101212561A (zh) * | 2006-12-31 | 2008-07-02 | 华晶科技股份有限公司 | 去除图像噪声的方法 |
CN101567964B (zh) * | 2009-05-15 | 2011-11-23 | 南通大学 | 一种低码率视频应用中的预处理降噪去块效应方法 |
US20150256772A1 (en) * | 2012-09-19 | 2015-09-10 | Ziilabs Inc. Ltd. | Systems and Methods for Reducing Noise in Video Streams |
CN103116875A (zh) * | 2013-02-05 | 2013-05-22 | 浙江大学 | 自适应双边滤波图像去噪方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020057062A1 (zh) * | 2018-09-19 | 2020-03-26 | 北京图森未来科技有限公司 | 在fpga中实现图像双边滤波的方法和装置、fpga |
CN110930313A (zh) * | 2018-09-19 | 2020-03-27 | 北京图森未来科技有限公司 | 在fpga中实现图像双边滤波的方法和装置、fpga |
CN110930313B (zh) * | 2018-09-19 | 2023-07-14 | 北京图森智途科技有限公司 | 在fpga中实现图像双边滤波的方法和装置、fpga |
CN112053292A (zh) * | 2020-07-21 | 2020-12-08 | 深圳先进技术研究院 | 医学图像的处理方法、处理装置及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104537615B (zh) | 一种基于HSV色彩空间的局部Retinex增强方法 | |
Dinh | Combining gabor energy with equilibrium optimizer algorithm for multi-modality medical image fusion | |
CN108376391A (zh) | 一种智能化红外图像场景增强方法 | |
US8837854B2 (en) | Image processing method for boundary resolution enhancement | |
CN103116875B (zh) | 自适应双边滤波图像去噪方法 | |
EP1791086B1 (en) | Multi-resolution adaptive filtering | |
CN107958444A (zh) | 一种基于深度学习的人脸超分辨率重建方法 | |
EP3166070A1 (en) | Method for upscaling noisy images, and apparatus for upscaling noisy images | |
CN107767413A (zh) | 一种基于卷积神经网络的图像深度估计方法 | |
CN106709877B (zh) | 一种基于多参数正则优化模型的图像去模糊方法 | |
CN104639800B (zh) | 一种用于图像降噪的方法及终端 | |
JP2007149092A (ja) | 複数解像度適応フィルタリング | |
Tang et al. | Single image dehazing via lightweight multi-scale networks | |
CN107516302A (zh) | 一种基于OpenCV的混合图像增强的方法 | |
Borwonwatanadelok et al. | Multi-focus image fusion based on stationary wavelet transform and extended spatial frequency measurement | |
CN104933679B (zh) | 一种放大图像的方法及其对应系统 | |
CN108961225A (zh) | 周期性纹理抑制方法以及装置 | |
Jeong et al. | Multi-frame example-based super-resolution using locally directional self-similarity | |
CN116847209B (zh) | 一种基于Log-Gabor与小波的光场全聚焦影像生成方法及系统 | |
CN107767356A (zh) | 一种图像处理方法和装置 | |
CN108259707A (zh) | 视频图像实时去噪方法及装置 | |
CN104182939A (zh) | 一种医疗影像图像细节增强方法 | |
CN109635809B (zh) | 一种面向视觉退化图像的超像素分割方法 | |
JP5617426B2 (ja) | ジャギー緩和処理装置及びジャギー緩和処理方法 | |
CN111932472A (zh) | 一种基于软聚类的图像保边滤波方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180706 |
|
RJ01 | Rejection of invention patent application after publication |