CN109146816A - 一种图像滤波方法、装置、电子设备和存储介质 - Google Patents

一种图像滤波方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN109146816A
CN109146816A CN201810962036.6A CN201810962036A CN109146816A CN 109146816 A CN109146816 A CN 109146816A CN 201810962036 A CN201810962036 A CN 201810962036A CN 109146816 A CN109146816 A CN 109146816A
Authority
CN
China
Prior art keywords
pixel
variance
edge
image block
block
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
CN201810962036.6A
Other languages
English (en)
Other versions
CN109146816B (zh
Inventor
陈瑶
林聚财
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.)
Zhejiang Dahua Technology Co Ltd
Original Assignee
Zhejiang Dahua 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 Zhejiang Dahua Technology Co Ltd filed Critical Zhejiang Dahua Technology Co Ltd
Priority to CN201810962036.6A priority Critical patent/CN109146816B/zh
Publication of CN109146816A publication Critical patent/CN109146816A/zh
Application granted granted Critical
Publication of CN109146816B publication Critical patent/CN109146816B/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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G06T2207/10016—Video; Image sequence

Landscapes

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

Abstract

本发明公开了一种图像滤波方法、装置、电子设备和存储介质，用以解决目前无法针对不同噪声类型采用不同滤波算法进行滤波的问题。方法包括：识别噪声图像非边缘像素点中的第一像素点来确定包含该点的第一设定邻域，根据第一像素点像素值和第一设定邻域内其他每个第二像素点像素值差值来确定是否将该第二像素点作为自适应邻域内的第一目标像素点。识别第一目标像素点中位于第一像素点第二设定邻域内的第二目标像素点，其中第二设定邻域的范围小于第一设定邻域，比较第一目标像素点和第二目标像素点的数量与对应阈值的关系来判断第一像素点的噪声类型，若该第一像素点为脉冲噪点，则对该脉冲噪点进行中值滤波，否则对该第一像素点进行均值滤波。

Description

一种图像滤波方法、装置、电子设备和存储介质
技术领域
本发明涉及图像处理技术领域，尤其涉及一种图像滤波方法、装置、电子设备和存储介质。
背景技术
视频图像数据在采集和传输等过程中不可避免地会受到噪声的干扰。现有技术在进行图像滤波时是计算以噪声点为中心的5x5块的标准灰度值，然后采用标准灰度值代替噪声点灰度值的方法来达到图像滤波的目的。但是此方法不能区分噪声点的噪声类别，太过于笼统，无法针对不同噪声类型采用不同滤波算法，使得滤波效果较差。因此，亟需一种图像滤波方法，可以实现针对不同噪声类型采用不同滤波算法进行滤波。
发明内容
本发明实施例提供了一种图像滤波方法、装置、电子设备和存储介质，用以解决现有技术中无法针对不同噪声类型采用不同滤波算法进行滤波处理，滤波效果较差的问题。
本发明实施例提供了一种图像滤波方法，所述方法包括：
识别图像中非边缘像素点中的第一像素点，确定包含所述第一像素点的第一设定邻域；
针对所述设定邻域中包含的每个第二像素点，根据所述第一像素点的像素值和该第二像素点的像素值的差值，确定是否将该第二像素点作为所述第一像素点的自适应邻域内的第一目标像素点；
识别所述第一目标像素点中位于包含所述第一像素点的设定第二设定邻域内的第二目标像素点，其中所述第二设定邻域的范围小于所述第一设定邻域；
当判断所述第一目标像素点和第二目标像素点的数量小于对应的数量阈值时，确定所述第一像素点为脉冲噪点，对所述脉冲噪点进行中值滤波，否则，对所述第一像素点进行均值滤波。
进一步地，所述方法还包括：针对所述图像中的每个边缘像素点，根据预设的加权矩阵，确定包含该边缘像素点的第三设定邻域；根据预设的加权矩阵，及确定的包含该边缘像素点的第三设定邻域内的像素点，确定该边缘像素点第三设定邻域的梯度值；根据所述梯度值确定第一增加量，将该边缘像素点的像素值增加所述第一增加量。
进一步地，所述识别图像中所有非边缘像素点中的第一像素点之前，所述方法还包括：采用边缘检测算法，确定所述图像中物体的边缘像素点；
按照预设的划分规则，将所述图像划分为多个图像块，根据每个图像块中包含的边缘像素点的数量是否小于设定的数量阈值，确定第一非边缘图像块；
针对每个第一非边缘图像块，根据该第一非边缘图像块中每个像素点的像素值，确定该第一非边缘图像块的像素值的方差；采用预设的排序方式，对该第一非边缘图像块中的像素点进行排序，计算排序后每两个相邻像素点的像素值的差值，根据每个差值，确定该第一非边缘图像块的特征向量，所述每种预设排序方式是对像素点的位置按照预设的每种方式进行排列确定的；根据每种排序方式对应的特征向量对应的差值的方差，确定该第一非边缘图像块的特征度；选取特征度满足设定要求的第一非边缘图像块，确定第一非边缘图像块中方差值最小的第一非边缘图像块的方差作为参考方差，根据每个第一非边缘图像块的方差与所述参考方差的关系，确定每个平滑块；
根据每个平滑块的特征度和方差，确定该图像的噪声方差；
当所述图像的噪声方差大于设定的方差阈值时，进行后续步骤。
进一步地，所述根据每种排序方式对应的特征向量的方差，确定该第一非边缘图像块的特征度包括：确定该第一非边缘图像块的每种排序方式对应特征向量的方差的最大值和最小值的比值；
根据该第一非边缘图像块对应的比值，采用以下公式确定该第一非边缘图像块的特征度：
其中δ为第一非边缘图像块的特征度，Y为该第一非边缘图像块对应的比值，c0为预设的第一参数，c1为预设的第二参数，其中c1大于c0。
进一步地，所述根据每个第一非边缘图像块的方差与所述参考方差的关系，确定每个平滑块包括：根据每个第一非边缘图像块的方差及所述参考方差，采用以下方式确定每个第一非边缘图像块是否为平滑块：
其中σi为第i个第一非边缘图像块的方差，δi为第i个第一非边缘图像块的特征度，σr为参考方差。
进一步地，所述根据每个平滑块的特征度和方差，确定该图像的噪声方差包括：根据每个平滑块的特征度和方差，采用以下公式，确定该图像的噪声方差：
其中σ2为图像的噪声方差，σi为第i个平滑块的方差，δi为第i个平滑块的特征度，flag＝1代表第一非边缘图像块。
本发明实施例提供了一种图像滤波装置，所述装置包括：
第一识别模块，用于识别图像中非边缘像素点中的第一像素点；
第一确定模块，用于确定包含所述第一像素点的第一设定邻域；
第二确定模块，用于针对所述设定邻域中包含的每个第二像素点，根据所述第一像素点的像素值和该第二像素点的像素值的差值，确定是否将该第二像素点作为所述第一像素点的自适应邻域内的第一目标像素点；
第二识别模块，用于识别所述第一目标像素点中位于包含所述第一像素点的设定第二设定邻域内的第二目标像素点，其中所述第二设定邻域的范围小于所述第一设定邻域；
判断模块，用于当判断所述第一目标像素点和第二目标像素点的数量小于对应的数量阈值时，确定所述第一像素点为脉冲噪点，对所述脉冲噪点进行中值滤波，否则，对所述第一像素点进行均值滤波。
进一步地，所述装置还包括：锐化模块，用于针对所述图像中的每个边缘像素点，根据预设的加权矩阵，确定包含该边缘像素点的第三设定邻域；根据预设的加权矩阵，及确定的包含该边缘像素点的第三设定邻域内的像素点，确定该边缘像素点第三设定邻域的梯度值；根据所述梯度值确定第一增加量，将该边缘像素点的像素值增加所述第一增加量。
进一步地，所述装置还包括：质量评估模块，用于采用边缘检测算法，确定所述图像中物体的边缘像素点；
按照预设的划分规则，将所述图像划分为多个图像块，根据每个图像块中包含的边缘像素点的数量是否小于设定的数量阈值，确定第一非边缘图像块；
针对每个第一非边缘图像块，根据该第一非边缘图像块中每个像素点的像素值，确定该第一非边缘图像块的像素值的方差；采用预设的排序方式，对该第一非边缘图像块中的像素点进行排序，计算排序后每两个相邻像素点的像素值的差值，根据每个差值，确定该第一非边缘图像块的特征向量，所述每种预设排序方式是对像素点的位置按照预设的每种方式进行排列确定的；根据每种排序方式对应的特征向量对应的差值的方差，确定该第一非边缘图像块的特征度；选取特征度满足设定要求的第一非边缘图像块，确定第一非边缘图像块中方差值最小的第一非边缘图像块的方差作为参考方差，根据每个第一非边缘图像块的方差与所述参考方差的关系，确定每个平滑块；
根据每个平滑块的特征度和方差，确定该图像的噪声方差；
当所述图像的噪声方差大于设定的方差阈值时，触发所述第一识别模块。
进一步地，所述质量评估模块具体用于：确定该第一非边缘图像块的每种排序方式对应特征向量的方差的最大值和最小值的比值；
根据该第一非边缘图像块对应的比值，采用以下公式确定该第一非边缘图像块的特征度：
其中δ为第一非边缘图像块的特征度，Y为该第一非边缘图像块对应的比值，c0为预设的第一参数，c1为预设的第二参数，其中c1大于c0。
进一步地，所述质量评估模块具体用于：根据每个第一非边缘图像块的方差及所述参考方差，采用以下方式确定每个第一非边缘图像块是否为平滑块：
其中σi为第i个第一非边缘图像块的方差，δi为第i个第一非边缘图像块的特征度，σr为参考方差。
进一步地，所述质量评估模块具体用于：根据每个平滑块的特征度和方差，采用以下公式，确定该图像的噪声方差：
其中σ2为图像的噪声方差，σi为第i个平滑块的方差，δi为第i个平滑块的特征度，flag＝1代表第一非边缘图像块。
本发明实施例公开了一种电子设备，包括：处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
所述存储器中存储有计算机程序，当所述程序被所述处理器执行时，使得所述处理器执行上述任一项所述方法的步骤。
本发明实施例公开了一种计算机可读存储介质，其存储有可由电子设备执行的计算机程序，当所述程序在所述电子设备上运行时，使得所述电子设备执行上述任一项所述方法的步骤。
由于本发明实施例中通过识别噪声图像非边缘像素点中的第一像素点来确定包含该点的第一设定邻域，根据第一像素点像素值和第一设定邻域内其他每个第二像素点像素值差值来确定是否将该第二像素点作为自适应邻域内的第一目标像素点。识别第一目标像素点中位于第一像素点第二设定邻域内的第二目标像素点，其中第二设定邻域的范围小于第一设定邻域，比较第一目标像素点和第二目标像素点的数量与对应阈值的关系来判断第一像素点的噪声类型，若该第一像素点为脉冲噪点，则对该脉冲噪点进行中值滤波，否则对该第一像素点进行均值滤波，实现了对不同噪声类型采用不同滤波算法进行滤波处理。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，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，对于本领域的普通技术人员来讲，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图像滤波过程示意图；
图2为本发明实施例提供的一种图像质量评价方法流程示意图；
图3为本发明实施例提供的5x5非边缘图像块像素点的预设排序方式；
图4为本发明实施例提供的一种基于质量评价的图像滤波过程示意图；
图5为本发明实施例提供的一种图像滤波装置结构图；
图6为本发明实施例提供的一种电子设备。
具体实施方式
下面将结合附图对本发明作进一步地详细描述，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它实施例，都属于本发明保护的范围。
实施例1：
图1为本发明实施例提供的一种图像滤波过程示意图，该过程包括以下步骤：
S101：识别图像中非边缘像素点中的第一像素点，确定包含所述第一像素点的第一设定邻域。
为了提高滤波效果，首先在本发明实施例中针对非边缘像素点进行滤波处理，并且在具体进行滤波处理时，针对每个非边缘像素点的类型来确定。
具体的，确定图像中的像素点是否为边缘像素点为现有技术，例如可以采用sobel算子对图像进行边缘检测，从而确定图像中的边缘像素点，具体的通过sobel算子对图像进行边缘检测的过程在本发明实施例中不再赘述。
针对图像中的每个非边缘像素点中的第一像素点，确定包含该第一像素点的第一设定领域，邻域可以为矩形，并且包含第一像素点，且第一像素点可以位于该邻域的中心，例如可以确定一个以第一像素点为中心的7x7的矩形邻域或者以第一像素点为中心的5x5的矩形邻域等。
S102：针对所述设定邻域中包含的每个第二像素点，根据所述第一像素点的像素值和该第二像素点的像素值的差值，确定是否将该第二像素点作为所述第一像素点的自适应邻域内的第一目标像素点。
在第一设定邻域里找出除第一像素点外的其他每个像素点，称为第二像素点，根据每个第二像素点的像素值与第一像素点的像素值差的绝对值的大小，确定是否将该第二像素点作为第一目标像素点，具体的可以采用如下公式来确定是否将该第二像素点作为第一目标像素点：
||f(x，y)-f(i，j)||＜T(T：其中σ为5)
其中|| ||代表1范数,此处表示两个像素点像素值差的绝对值，f(x，y)为第一像素点的像素值，f(i，j)为第二像素点的像素值，T为预设的阈值，较优的，
若该差的范数小于预设阈值时，则将其对应的第二像素点确定为第一目标像素点。
S103：识别所述目标像素点中位于包含所述第一像素点的设定第二设定邻域内的第二目标像素点，其中所述第二设定邻域的范围小于所述第一设定邻域。
根据上述方式确定了每个第一目标像素点后，因为每个第一目标像素点在该第一预设邻域的位置确定，在本发明实施例中，还可以设定包含第一像素点的第二设定邻域，邻域同样为矩形，并且包含第一像素点，且第一像素点位于该邻域中心，例如可以确定一个以该第一像素点为中心的3x3的矩形邻域，该3x3的矩形邻域可以称为第一像素的8-邻域。第二设定邻域的范围小于第一设定邻域的范围，例如第一设定邻域为7x7的矩形邻域，第二设定邻域为3x3的矩形邻域。
因为第二设定邻域的范围确定，每个第一目标像素点的位置也确定，识别位于第二设定邻域范围的第一目标像素点，将该每个第一目标像素点确定为第二目标像素点。
S104：当判断所述第一目标像素点和第二目标像素点的数量小于对应的数量阈值时，确定所述第一像素点为脉冲噪点，对所述脉冲噪点进行中值滤波，否则，对所述第一像素点进行均值滤波。
确定了位于第一设定邻域内的每个第一目标像素点，以及位于第二设定邻域内的每个第二目标像素点后，统计第一目标像素点的数量sum，并统计第二目标像素点的数量count，判断第一目标像素点的数量sum和第二目标像素点的数量count是否分别小于对应的数量阈值，例如可以判断sum是否小于等于2，判断count是否小于等于1，如果是，则认为该第一像素点为脉冲噪点，对脉冲噪点进行中值滤波，否则，对该第一像素点采用均值滤波。
具体的，在对脉冲噪点进行中值滤波时，则可以使用f(x-1，y)，f(x，y-1)，f(x-1，y-1)的像素点的像素值的中值作为第一像素点的像素值来进行中值滤波，其中x和y分别为第一像素点的横、纵坐标值，f(x，y)为第一像素点的像素值；
对该第一像素点采用均值滤波时，可以使用3x3均值滤波方式。
实施例2：
为了锐化图像中的边缘信息，进一步增强图像的细节，在上述实施例的基础上，在本发明实施例中，所述方法还包括：
针对所述图像中的每个边缘像素点，根据预设的加权矩阵，确定包含该边缘像素点的第三设定邻域；根据预设的加权矩阵，及确定的包含该边缘像素点的第三设定邻域内的像素点，确定该边缘像素点第三设定邻域的梯度值；根据所述梯度值确定第一增加量，将该边缘像素点的像素值增加所述第一增加量。
在本发明实施例中，预先设定一个加权矩阵，针对每个边缘像素点，根据预设的加权矩阵确定一个包含该边缘像素点的第三设定邻域，加权矩阵的行数与第三设定邻域的行数相同，加权矩阵的列数与第三设定邻域的列数相同。
例如可以预先保存如下所示的加权矩阵：
根据该加权矩阵确定一个3x3的矩形邻域，该3x3的矩形邻域称为该边缘像素点的8-邻域，在该3x3的矩形邻域内包含该边缘像素点，较优地，该3x3的矩形邻域以该边缘像素点为中心。
加权矩阵不限于上述的一种，还可以是本领域技术人员熟知的其他形式。
在针对该像素点确定出了包含该像素点的第三设定邻域后，就可以确定第三设定邻域内的像素点的梯度值，根据梯度值对该边缘像素点的像素值进行更新。具体的，每个加权矩阵有其对应的拉普拉斯算子，本发明实施例中预设的加权矩阵有其对应的拉普拉斯算子，可以根据与预设的加权矩阵对应的拉普拉斯算子计算该边缘像素点的第三设定邻域的梯度值，其中根据与预设的加权矩阵对应的拉普拉斯算子计算该边缘像素点的设定邻域的梯度值为现有技术，在本发明实施例中不再赘述。
在确定出了梯度值后，可以根据梯度值对该边缘像素点的像素值进行更新，以实现对图像的锐化操作。具体可以是根据所述梯度值确定第一增加量，将该边缘像素点的像素值增加所述第一增加量，在根据梯度值确定第一增加量时，可以是保存有梯度值的比例，将梯度值的比例作为增加量，该比例可以是二十分之一，也就是将边缘像素点第三设定邻域梯度值的二十分之一作为第一增加量，通过对每个边缘像素点的像素值增加对应的所述第一增加量来增强图像细节。
实施例3：
为了使图像在滤波后质量更佳，可以是仅对噪声图像进行滤波。在上述各实施例的基础上，在本发明实施例中，所述识别图像中所有非边缘像素点中的第一像素点之前，如图2所示，所述方法还包括以下步骤：
S201：采用边缘检测算法，确定所述图像中物体的边缘像素点。
可以采用边缘检测算法，确定图像中的物体的边缘像素点，具体的，采用边缘检测算法，确定所述图像中物体的边缘像素点为现有技术，例如，可以针对图像中的某个像素点，使用sobel 3x3算子计算该像素点8-邻域的梯度值，如果该梯度值大于某一确定阈值，如梯度值大于65，则认为该像素点为边缘像素点。
S202：按照预设的划分规则，将所述图像划分为多个图像块，根据每个图像块中包含的边缘像素点的数量是否小于设定的数量阈值，确定第一非边缘图像块。
可以保存图像的划分规则，按照保存的划分规则对图像进行划分，得到多个图像块，预设的划分规则可以是按照5x5划分，也可以是7x7划分等。
在划分出每个图像块后，可以确定每个图像块是否为非边缘图像块，可以是根据图像块中包含的边缘像素点的数量确定该图像块是否为非边缘图像块的。
可以保存数量阈值，通过将图像块中的边缘像素点的数量与预设的数量阈值进行比较，确定该图像块是否为边缘图像块，具体可以是，如果该图像块中的边缘像素点的数量小于预设的数量阈值，则将该图像块确定为第一非边缘图像块。
在确定每个图像中的边缘像素点的数量时，可以是根据上述sobel算子边缘检测的结果进行统计得到的。
针对不同的划分规则，对应的数量阈值可以是相同的，也可以是不同的，假设划分规则为将图像进行5x5划分，对应的数量阈值可以是6。
S203：针对每个第一非边缘图像块，根据该第一非边缘图像块中每个像素点的像素值，确定该第一非边缘图像块的像素值的方差。
在确定出了每个第一非边缘图像块后，可以确定该第一非边缘图像块的方差，具体可以是，针对每个第一非边缘图像块，获取该第一非边缘图像块中每个像素点的像素值，利用方差公式计算该第一非边缘图像块内的像素点像素值的方差，其中获取每个第一非边缘图像块中每个像素点的像素值为现有技术，在此实施例中不再赘述。
S204：采用预设的排序方式，对该第一非边缘图像块中的像素点进行排序，计算排序后每两个相邻像素点的像素值的差值，根据每个差值，确定该第一非边缘图像块的特征向量，所述每种预设排序方式是对像素点的位置按照预设的每种方式进行排列确定的。
在本发明实施例中，可以预先保存有像素点的排序方式，在确定出第一非边缘图像块后，可以根据预设的排序方式对该第一非边缘图像块的像素点进行排列，并计算排序后的每两个相邻像素点的像素值的差值，根据每个差值，确定该第一非边缘图像块的特征向量。即将该第一非边缘图像块对应的所有差值作为该第一非边缘图像块的特征向量。
保存的预设的排序方式为至少两种，较优地，预先保存的排序方式可以如图3所示的五种不同排序方式。在根据预设的排序方式进行排序时，可以是仅针对图3中的任意两种排序方式进行排序，较优地，针对图3中的每一种排序方式均进行排序。
针对每种排序方式，可以计算排序后每两个相邻像素点的像素值的差值，所有得到的差值共同确定为该第一非边缘图像块的特征向量。可以采用以下公式计算每两个相邻像素点的像素值之差：
di＝pi-pi-1
其中di为相邻像素点的像素值的差值，pi和pi-1分别为相邻两个像素点的像素值。
S205：根据每种排序方式对应的特征向量对应的差值的方差，确定该第一非边缘图像块的特征度。
此步骤中，针对每种排序方式，在确定了排序后每两个相邻像素点的像素值差的特征向量后，可以采用方差公式计算该种排序方式对应特征向量的方差。
若将图像按照n*n划分，根据特征向量的计算方法，每个特征向量将包含n*n-1个差值，然后采用方差公式计算该种排序方式对应特征向量对应的差值的方差。
具体的，如果将图像进行5x5划分，按照每种排序方式计算出每两个相邻像素点的像素值的差值，每种排序方式均可以得到24个差值，可以采用以下方差公式计算每种排序方式对应特征向量的方差：
其中Vi为特征向量对应的差值的方差，di为相邻像素点的像素值的差值。
在确定出了每种排序方式对应的方差后，可以确定该第一非边缘图像块的每种排序方式对应特征向量的方差的最大值和最小值，并确定最大值与最小值的比值；
根据该第一非边缘图像块的对应特征向量的方差的最大值和最小值的比值，采用以下公式来计算该第一非边缘图像块的特征度：
其中δ为第一非边缘图像块的特征度，Y为该第一非边缘图像块对应特征向量的方差的最大值和最小值的比值，c0和c1为预设参数，其中c1大于c0，例如可以是c1＝1.105，c0＝2.604。
S206：选取特征度满足设定要求的第一非边缘图像块，确定第一非边缘图像块中方差值最小的第一非边缘图像块的方差作为参考方差，根据每个第一非边缘图像块的方差与所述参考方差的关系，确定每个平滑块。
此步骤中，可以保存特征度的选取要求，在确定了每个第一非边缘图像块对应的特征度和方差后，可以选取特征度满足设定要求的第一非边缘图像块，并识别特征度满足设定要求的第一非边缘图像块中方差值最小的第一非边缘图像块的方差，将其作为参考方差σr，特征度的选取要求可以是特征度为0。即在所有特征度为0的第一非边缘图像块中，选取方差值最小的第一非边缘图像块的方差作为参考方差σr。在确定出了参考方差后，可以根据参考方差及每个第一非边缘图像块的方差来确定每个第一非边缘图像块是否为平滑块，具体可以是根据每个第一非边缘图像块的方差及所述参考方差，采用以下方式确定每个第一非边缘图像块是否为平滑块：
其中σi为第i个第一非边缘图像块的方差，δi为第i个第一非边缘图像块的特征度，σr为参考方差。
针对每个第一非边缘图像块，其方差及所述参考方差满足上述公式的条件，以及特征度满足上述公式的条件，则确定该第一非边缘图像块为平滑块，否则该第一非边缘图像块非平滑块，即该第一非边缘图像块为结构块。
S207：根据每个平滑块的特征度和方差，确定该图像的噪声方差。
根据上述步骤确定出了每个平滑块，并确定了每个平滑块的特征度和方差，可以采用以下公式，确定该图像的噪声方差：
其中σ2为图像的噪声方差，σi为第i个平滑块的方差，δi为第i个平滑块的特征度，flag＝1代表第一非边缘图像块。
flag是每个图像块的类型标识，该类型标识是根据每个图像块是否为边缘图像块确定，flag仅取值0和1，其中flag＝1代表第一非边缘图像块，flag＝0代表边缘图像块。
S208：当所述图像的噪声方差大于设定的方差阈值时，进行后续步骤。
通过上述步骤计算得到图像噪声方差，判断该图像噪声方差是否超过设定阈值，如果超过，则判断该图像为噪声图像，对该图像继续执行后续滤波步骤，否则直接用编码器编码，其中编码器编码是现有技术，在此不再赘述。例如设定阈值可以是8.8，可以判断图像噪声方差是否超过8.8，如果超过，则判断该图像为噪声图像。
实施例4：
图4为本发明实施例提供的一种基于质量评价的图像滤波过程流程图，具体包括以下步骤：
S401：采集一帧图像。
从视频图像中采集一帧图像。
S402：对图像进行边缘检测。
具体的，对图像进行边缘检测为现有技术，例如可以采用sobel算子对图像进行边缘检测，从而确定图像中的边缘像素点，具体的通过sobel算子对图像进行边缘检测的过程在本发明实施例中不再赘述。
S403：判断图像噪声方差是否满足滤波条件。
若图像噪声方差满足滤波条件则继续执行后续步骤；
若图像噪声方差不满足滤波条件则直接进行编码，其中编码是现有技术，在此不再赘述。
S404：邻域自适应滤波。
在判断出所采集的图像为噪声图像后，对该图像进行滤波，具体的图像滤波过程在上述实施例1中有详细描述，本发明实施例中不再赘述。
S405：图像细节锐化。
在图像经过滤波处理以后，为了进一步增强图像的细节，对该图像边缘像素点进行锐化操作，具体的边缘像素点锐化操作过程在上述实施例2中有详细描述，本发明实施例中不再赘述。
S406：编码器编码。
将经过滤波和锐化处理后的图像进行编码。其中编码是现有技术，在此不再赘述。
S407：输出码流数据。
实施例5：
基于相同的技术构思，本发明实施例还提供一种图像滤波装置，该装置可执行上述方法实施例。本发明实施例提供的装置如图5所示，该装置主要包括：
第一识别模块501，用于识别图像中非边缘像素点中的第一像素点；
第一确定模块502，用于确定包含所述第一像素点的第一设定邻域；
第二确定模块503，用于针对所述设定邻域中包含的每个第二像素点，根据所述第一像素点的像素值和该第二像素点的像素值的差值，确定是否将该第二像素点作为所述第一像素点的自适应邻域内的第一目标像素点；
第二识别模块504，用于识别所述第一目标像素点中位于包含所述第一像素点的设定第二设定邻域内的第二目标像素点，其中所述第二设定邻域的范围小于所述第一设定邻域；
判断模块505，用于当判断所述第一目标像素点和第二目标像素点的数量小于对应的数量阈值时，确定所述第一像素点为脉冲噪点，对所述脉冲噪点进行中值滤波，否则，对所述第一像素点进行均值滤波。
进一步地，所述装置还包括：锐化模块506，用于针对所述图像中的每个边缘像素点，根据预设的加权矩阵，确定包含该边缘像素点的第三设定邻域；根据预设的加权矩阵，及确定的包含该边缘像素点的第三设定邻域内的像素点，确定该边缘像素点第三设定邻域的梯度值；根据所述梯度值确定第一增加量，将该边缘像素点的像素值增加所述第一增加量。
进一步地，所述装置还包括：质量评估模块507，用于采用边缘检测算法，确定所述图像中物体的边缘像素点；
按照预设的划分规则，将所述图像划分为多个图像块，根据每个图像块中包含的边缘像素点的数量是否小于设定的数量阈值，确定第一非边缘图像块；
针对每个第一非边缘图像块，根据该第一非边缘图像块中每个像素点的像素值，确定该第一非边缘图像块的像素值的方差；采用预设的排序方式，对该第一非边缘图像块中的像素点进行排序，计算排序后每两个相邻像素点的像素值的差值，根据每个差值，确定该第一非边缘图像块的特征向量，所述每种预设排序方式是对像素点的位置按照预设的每种方式进行排列确定的；根据每种排序方式对应的特征向量对应的差值的方差，确定该第一非边缘图像块的特征度；选取特征度满足设定要求的第一非边缘图像块，确定第一非边缘图像块中方差值最小的第一非边缘图像块的方差作为参考方差，根据每个第一非边缘图像块的方差与所述参考方差的关系，确定每个平滑块；
根据每个平滑块的特征度和方差，确定该图像的噪声方差；
当所述图像的噪声方差大于设定的方差阈值时，触发所述第一识别模块。
进一步地，所述质量评估模块具体用于：确定该第一非边缘图像块的每种排序方式对应特征向量的方差的最大值和最小值的比值；
根据该第一非边缘图像块对应的比值，采用以下公式确定该第一非边缘图像块的特征度：
其中δ为第一非边缘图像块的特征度，Y为该第一非边缘图像块对应的比值，c0为预设的第一参数，c1为预设的第二参数，其中c1大于c0。
进一步地，所述质量评估模块具体用于：根据每个第一非边缘图像块的方差及所述参考方差，采用以下方式确定每个第一非边缘图像块是否为平滑块：
其中σi为第i个第一非边缘图像块的方差，δi为第i个第一非边缘图像块的特征度，σr为参考方差。
进一步地，所述质量评估模块具体用于：根据每个平滑块的特征度和方差，采用以下公式，确定该图像的噪声方差：
其中σ2为图像的噪声方差，σi为第i个平滑块的方差，δi为第i个平滑块的特征度，flag＝1代表第一非边缘图像块。
实施例6：
图6为本发明实施例公开的一种电子设备，包括：处理器601、通信接口602、存储器603和通信总线604，其中，处理器601，通信接口602，存储器603通过通信总线604完成相互间的通信；
所述存储器中存储有计算机程序，当所述程序被所述处理器执行时，使得所述处理器执行以下步骤：
识别图像中非边缘像素点中的第一像素点，确定包含所述第一像素点的第一设定邻域；
针对所述设定邻域中包含的每个第二像素点，根据所述第一像素点的像素值和该第二像素点的像素值的差值，确定是否将该第二像素点作为所述第一像素点的自适应邻域内的第一目标像素点；
识别所述第一目标像素点中位于包含所述第一像素点的设定第二设定邻域内的第二目标像素点，其中所述第二设定邻域的范围小于所述第一设定邻域；
当判断所述第一目标像素点和第二目标像素点的数量小于对应的数量阈值时，确定所述第一像素点为脉冲噪点，对所述脉冲噪点进行中值滤波，否则，对所述第一像素点进行均值滤波。
进一步地，针对所述图像中的每个边缘像素点，根据预设的加权矩阵，确定包含该边缘像素点的第三设定邻域；根据预设的加权矩阵，及确定的包含该边缘像素点的第三设定邻域内的像素点，确定该边缘像素点第三设定邻域的梯度值；根据所述梯度值确定第一增加量，将该边缘像素点的像素值增加所述第一增加量。
进一步地，所述识别图像中所有非边缘像素点中的第一像素点之前，采用边缘检测算法，确定所述图像中物体的边缘像素点；
按照预设的划分规则，将所述图像划分为多个图像块，根据每个图像块中包含的边缘像素点的数量是否小于设定的数量阈值，确定第一非边缘图像块；
针对每个第一非边缘图像块，根据该第一非边缘图像块中每个像素点的像素值，确定该第一非边缘图像块的像素值的方差；采用预设的排序方式，对该第一非边缘图像块中的像素点进行排序，计算排序后每两个相邻像素点的像素值的差值，根据每个差值，确定该第一非边缘图像块的特征向量，所述每种预设排序方式是对像素点的位置按照预设的每种方式进行排列确定的；根据每种排序方式对应的特征向量对应的差值的方差，确定该第一非边缘图像块的特征度；选取特征度满足设定要求的第一非边缘图像块，确定第一非边缘图像块中方差值最小的第一非边缘图像块的方差作为参考方差，根据每个第一非边缘图像块的方差与所述参考方差的关系，确定每个平滑块；
根据每个平滑块的特征度和方差，确定该图像的噪声方差；
当所述图像的噪声方差大于设定的方差阈值时，进行后续步骤。
进一步地，所述根据每种排序方式对应的特征向量的方差，确定该第一非边缘图像块的特征度包括：确定该第一非边缘图像块的每种排序方式对应特征向量的方差的最大值和最小值的比值；
根据该第一非边缘图像块对应的比值，采用以下公式确定该第一非边缘图像块的特征度：
其中δ为第一非边缘图像块的特征度，Y为该第一非边缘图像块对应的比值，c0为预设的第一参数，c1为预设的第二参数，其中c1大于c0。
进一步地，所述根据每个第一非边缘图像块的方差与所述参考方差的关系，确定每个平滑块包括：根据每个第一非边缘图像块的方差及所述参考方差，采用以下方式确定每个第一非边缘图像块是否为平滑块：
其中σi为第i个第一非边缘图像块的方差，δi为第i个第一非边缘图像块的特征度，σr为参考方差。
进一步地，所述根据每个平滑块的特征度和方差，确定该图像的噪声方差包括：根据每个平滑块的特征度和方差，采用以下公式，确定该图像的噪声方差：
其中σ2为图像的噪声方差，σi为第i个平滑块的方差，δi为第i个平滑块的特征度，flag＝1代表第一非边缘图像块。
上述各实施例中的电子设备提到的通信总线可以是外设部件互连标准(Peripheral Component Interconnect，PCI)总线或扩展工业标准结构(ExtendedIndustry Standard Architecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口，用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选地，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述处理器可以是通用处理器，包括中央处理器、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(Digital Signal Processing，DSP)、专用集成电路、现场可编程门陈列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
实施例6：
本发明实施例公开了一种计算机可读存储介质，其存储有可由电子设备执行的计算机程序，当所述程序在所述电子设备上运行时，使得所述电子设备执行以下步骤：
识别图像中非边缘像素点中的第一像素点，确定包含所述第一像素点的第一设定邻域；
针对所述设定邻域中包含的每个第二像素点，根据所述第一像素点的像素值和该第二像素点的像素值的差值，确定是否将该第二像素点作为所述第一像素点的自适应邻域内的第一目标像素点；
识别所述第一目标像素点中位于包含所述第一像素点的设定第二设定邻域内的第二目标像素点，其中所述第二设定邻域的范围小于所述第一设定邻域；
当判断所述第一目标像素点和第二目标像素点的数量小于对应的数量阈值时，确定所述第一像素点为脉冲噪点，对所述脉冲噪点进行中值滤波，否则，对所述第一像素点进行均值滤波。
进一步地，针对所述图像中的每个边缘像素点，根据预设的加权矩阵，确定包含该边缘像素点的第三设定邻域；根据预设的加权矩阵，及确定的包含该边缘像素点的第三设定邻域内的像素点，确定该边缘像素点第三设定邻域的梯度值；根据所述梯度值确定第一增加量，将该边缘像素点的像素值增加所述第一增加量。
进一步地，所述识别图像中所有非边缘像素点中的第一像素点之前，采用边缘检测算法，确定所述图像中物体的边缘像素点；
按照预设的划分规则，将所述图像划分为多个图像块，根据每个图像块中包含的边缘像素点的数量是否小于设定的数量阈值，确定第一非边缘图像块；
针对每个第一非边缘图像块，根据该第一非边缘图像块中每个像素点的像素值，确定该第一非边缘图像块的像素值的方差；采用预设的排序方式，对该第一非边缘图像块中的像素点进行排序，计算排序后每两个相邻像素点的像素值的差值，根据每个差值，确定该第一非边缘图像块的特征向量，所述每种预设排序方式是对像素点的位置按照预设的每种方式进行排列确定的；根据每种排序方式对应的特征向量对应的差值的方差，确定该第一非边缘图像块的特征度；选取特征度满足设定要求的第一非边缘图像块，确定第一非边缘图像块中方差值最小的第一非边缘图像块的方差作为参考方差，根据每个第一非边缘图像块的方差与所述参考方差的关系，确定每个平滑块；
根据每个平滑块的特征度和方差，确定该图像的噪声方差；
当所述图像的噪声方差大于设定的方差阈值时，进行后续步骤。
进一步地，所述根据每种排序方式对应的特征向量的方差，确定该第一非边缘图像块的特征度包括：确定该第一非边缘图像块的每种排序方式对应特征向量的方差的最大值和最小值的比值；
根据该第一非边缘图像块对应的比值，采用以下公式确定该第一非边缘图像块的特征度：
其中δ为第一非边缘图像块的特征度，Y为该第一非边缘图像块对应的比值，c0为预设的第一参数，c1为预设的第二参数，其中c1大于c0。
进一步地，所述根据每个第一非边缘图像块的方差与所述参考方差的关系，确定每个平滑块包括：根据每个第一非边缘图像块的方差及所述参考方差，采用以下方式确定每个第一非边缘图像块是否为平滑块：
其中σi为第i个第一非边缘图像块的方差，δi为第i个第一非边缘图像块的特征度，σr为参考方差。
进一步地，所述根据每个平滑块的特征度和方差，确定该图像的噪声方差包括：根据每个平滑块的特征度和方差，采用以下公式，确定该图像的噪声方差：
其中σ2为图像的噪声方差，σi为第i个平滑块的方差，δi为第i个平滑块的特征度，flag＝1代表第一非边缘图像块。
上述实施例中的计算机可读存储介质可以是电子设备中的处理器能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器如软盘、硬盘、磁带、磁光盘(MO)等、光学存储器如CD、DVD、BD、HVD等、以及半导体存储器如ROM、EPROM、EEPROM、非易失性存储器(NAND FLASH)、固态硬盘(SSD)等。
综上所述，本发明提供一种图像滤波方法、装置、电子设备和存储介质，用于解决目前无法针对不同噪声类型采用不同滤波算法滤波的问题。该图像滤波方法通过识别噪声图像中所有非边缘像素点中的第一像素点来确定包含该点的第一设定邻域，根据第一像素点像素值和第一设定邻域内包含的每个第二像素点像素值的差值来确定是否将该第二像素点作为自适应邻域内的第一目标像素点。识别第一目标像素点中位于包含第一像素点的设定第二设定邻域内的第二目标像素点，其中第二设定邻域的范围小于第一设定邻域，并通过比较自适应邻域内第一目标像素点和第二设定邻域内第二目标像素点的数量与对应阈值的关系来判断第一像素点的噪声类型，若该第一像素点为脉冲噪点，则对该脉冲噪点进行中滤波，否则对该第一像素点进行均值滤波，实现了对不同噪声类型采用不同滤波算法进行滤波处理。
对于系统/装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
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一个操作与另一个实体或者另一个操作区分开来，而不一定要求或者暗示这些实体或者操作之间存在任何这种实际的关系或者顺序。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全应用实施例、或结合应用和硬件方面的实施例的形式。而且，本申请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 (14)

1.一种图像滤波方法，其特征在于，所述方法包括：
识别图像中非边缘像素点中的第一像素点，确定包含所述第一像素点的第一设定邻域；
针对所述设定邻域中包含的每个第二像素点，根据所述第一像素点的像素值和该第二像素点的像素值的差值，确定是否将该第二像素点作为所述第一像素点的自适应邻域内的第一目标像素点；
识别所述第一目标像素点中位于包含所述第一像素点的设定第二设定邻域内的第二目标像素点，其中所述第二设定邻域的范围小于所述第一设定邻域；
当判断所述第一目标像素点和第二目标像素点的数量小于对应的数量阈值时，确定所述第一像素点为脉冲噪点，对所述脉冲噪点进行中值滤波，否则，对所述第一像素点进行均值滤波。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
针对所述图像中的每个边缘像素点，根据预设的加权矩阵，确定包含该边缘像素点的第三设定邻域；根据预设的加权矩阵，及确定的包含该边缘像素点的第三设定邻域内的像素点，确定该边缘像素点第三设定邻域的梯度值；根据所述梯度值确定第一增加量，将该边缘像素点的像素值增加所述第一增加量。
3.如权利要求1所述的方法，其特征在于，所述识别图像中所有非边缘像素点中的第一像素点之前，所述方法还包括：
采用边缘检测算法，确定所述图像中物体的边缘像素点；
按照预设的划分规则，将所述图像划分为多个图像块，根据每个图像块中包含的边缘像素点的数量是否小于设定的数量阈值，确定第一非边缘图像块；
针对每个第一非边缘图像块，根据该第一非边缘图像块中每个像素点的像素值，确定该第一非边缘图像块的像素值的方差；采用预设的排序方式，对该第一非边缘图像块中的像素点进行排序，计算排序后每两个相邻像素点的像素值的差值，根据每个差值，确定该第一非边缘图像块的特征向量，所述每种预设排序方式是对像素点的位置按照预设的每种方式进行排列确定的；根据每种排序方式对应的特征向量对应的差值的方差，确定该第一非边缘图像块的特征度；选取特征度满足设定要求的第一非边缘图像块，确定第一非边缘图像块中方差值最小的第一非边缘图像块的方差作为参考方差，根据每个第一非边缘图像块的方差与所述参考方差的关系，确定每个平滑块；
根据每个平滑块的特征度和方差，确定该图像的噪声方差；
当所述图像的噪声方差大于设定的方差阈值时，进行后续步骤。
4.如权利要求3所述的方法，其特征在于，所述根据每种排序方式对应的特征向量的方差，确定该第一非边缘图像块的特征度包括：
确定该第一非边缘图像块的每种排序方式对应特征向量的方差的最大值和最小值的比值；
根据该第一非边缘图像块对应的比值，采用以下公式确定该第一非边缘图像块的特征度：
其中δ为第一非边缘图像块的特征度，Y为该第一非边缘图像块对应的比值，c0为预设的第一参数，c1为预设的第二参数，其中c1大于c0。
5.如权利要求3所述的方法，其特征在于，所述根据每个第一非边缘图像块的方差与所述参考方差的关系，确定每个平滑块包括：
根据每个第一非边缘图像块的方差及所述参考方差，采用以下方式确定每个第一非边缘图像块是否为平滑块：
其中σi为第i个第一非边缘图像块的方差，δi为第i个第一非边缘图像块的特征度，σr为参考方差。
6.如权利要求3所述的方法，其特征在于，所述根据每个平滑块的特征度和方差，确定该图像的噪声方差包括：
根据每个平滑块的特征度和方差，采用以下公式，确定该图像的噪声方差：
其中σ2为图像的噪声方差，σi为第i个平滑块的方差，δi为第i个平滑块的特征度，flag＝1代表第一非边缘图像块。
7.一种图像滤波装置，其特征在于，所述装置包括：
第一识别模块，用于识别图像中非边缘像素点中的第一像素点；
第一确定模块，用于确定包含所述第一像素点的第一设定邻域；
第二确定模块，用于针对所述设定邻域中包含的每个第二像素点，根据所述第一像素点的像素值和该第二像素点的像素值的差值，确定是否将该第二像素点作为所述第一像素点的自适应邻域内的第一目标像素点；
第二识别模块，用于识别所述第一目标像素点中位于包含所述第一像素点的设定第二设定邻域内的第二目标像素点，其中所述第二设定邻域的范围小于所述第一设定邻域；
判断模块，用于当判断所述第一目标像素点和第二目标像素点的数量小于对应的数量阈值时，确定所述第一像素点为脉冲噪点，对所述脉冲噪点进行中值滤波，否则，对所述第一像素点进行均值滤波。
8.如权利要求7所述的装置，其特征在于，所述装置还包括：
锐化模块，用于针对所述图像中的每个边缘像素点，根据预设的加权矩阵，确定包含该边缘像素点的第三设定邻域；根据预设的加权矩阵，及确定的包含该边缘像素点的第三设定邻域内的像素点，确定该边缘像素点的梯度值；根据所述梯度值确定第一增加量，将该边缘像素点的像素值增加所述第一增加量。
9.如权利要求7所述的装置，其特征在于，所述装置还包括：
质量评估模块，用于采用边缘检测算法，确定所述图像中物体的边缘像素点；
按照预设的划分规则，将所述图像划分为多个图像块，根据每个图像块中包含的边缘像素点的数量是否小于设定的数量阈值，确定第一非边缘图像块；
针对每个第一非边缘图像块，根据该第一非边缘图像块中每个像素点的像素值，确定该第一非边缘图像块的像素值的方差；采用预设的排序方式，对该第一非边缘图像块中的像素点进行排序，计算排序后每两个相邻像素点的像素值的差值，根据每个差值，确定该第一非边缘图像块的特征向量，所述每种预设排序方式是对像素点的位置按照预设的每种方式进行排列确定的；根据每种排序方式对应的特征向量对应的差值的方差，确定该第一非边缘图像块的特征度；选取特征度满足设定要求的第一非边缘图像块，确定第一非边缘图像块中方差值最小的第一非边缘图像块的方差作为参考方差，根据每个第一非边缘图像块的方差与所述参考方差的关系，确定每个平滑块；
根据每个平滑块的特征度和方差，确定该图像的噪声方差；
当所述图像的噪声方差大于设定的方差阈值时，触发所述第一识别模块。
10.如权利要求9所述的装置，其特征在于，所述质量评估模块，具体用于：确定该第一非边缘图像块的每种排序方式对应特征向量的方差的最大值和最小值的比值；
根据该第一非边缘图像块对应的比值，采用以下公式确定该第一非边缘图像块的特征度：
其中δ为第一非边缘图像块的特征度，Y为该第一非边缘图像块对应的比值，c0为预设的第一参数，c1为预设的第二参数，其中c1大于c0。
11.如权利要求9所述的装置，其特征在于，所述质量评估模块，具体用于：根据每个第一非边缘图像块的方差及所述参考方差，采用以下方式确定每个第一非边缘图像块是否为平滑块：
其中σi为第i个第一非边缘图像块的方差，δi为第i个第一非边缘图像块的特征度，σr为参考方差。
12.如权利要求9所述的装置，其特征在于，所述质量评估模块，具体用于：根据每个平滑块的特征度和方差，采用以下公式，确定该图像的噪声方差：
其中σ2为图像的噪声方差，σi为第i个平滑块的方差，δi为第i个平滑块的特征度，flag＝1代表第一非边缘图像块。
13.一种电子设备，其特征在于，包括：处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
所述存储器中存储有计算机程序，当所述程序被所述处理器执行时，使得所述处理器执行权利要求1-6任一项所述方法的步骤。
14.一种计算机可读存储介质，其特征在于，其存储有可由电子设备执行的计算机程序，当所述程序在所述电子设备上运行时，使得所述电子设备执行权利要求1-6任一项所述方法的步骤。
CN201810962036.6A 2018-08-22 2018-08-22 一种图像滤波方法、装置、电子设备和存储介质 Active CN109146816B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810962036.6A CN109146816B (zh) 2018-08-22 2018-08-22 一种图像滤波方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810962036.6A CN109146816B (zh) 2018-08-22 2018-08-22 一种图像滤波方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN109146816A true CN109146816A (zh) 2019-01-04
CN109146816B CN109146816B (zh) 2020-08-04

Family

ID=64791067

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810962036.6A Active CN109146816B (zh) 2018-08-22 2018-08-22 一种图像滤波方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN109146816B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110288599A (zh) * 2019-07-10 2019-09-27 浙江大华技术股份有限公司 一种坏点检测方法、装置、电子设备及存储介质
CN110766028A (zh) * 2019-10-23 2020-02-07 紫光展讯通信(惠州)有限公司 像素类型确定方法及装置
CN110798592A (zh) * 2019-10-29 2020-02-14 普联技术有限公司 基于视频图像的物体移动侦测方法、装置、设备及存储介质
CN112233051A (zh) * 2020-09-09 2021-01-15 浙江大华技术股份有限公司 一种中值滤波方法、中值滤波装置和计算机可读存储介质
CN112419161A (zh) * 2019-08-20 2021-02-26 RealMe重庆移动通信有限公司 图像处理方法及装置、存储介质及电子设备
CN113052767A (zh) * 2019-12-26 2021-06-29 深圳市万普拉斯科技有限公司 滤波矩阵生成方法、装置、终端设备和可读存储介质
CN116188462A (zh) * 2023-04-24 2023-05-30 深圳市翠绿贵金属材料科技有限公司 一种基于视觉鉴定的贵金属质量检测方法及系统
CN116385446A (zh) * 2023-06-06 2023-07-04 山东德圣源新材料有限公司 一种用于勃姆石生产的晶体杂质检测方法
CN116883270A (zh) * 2023-07-04 2023-10-13 广州医科大学附属第四医院(广州市增城区人民医院) 一种碎石手术软镜清晰化成像系统
CN116977228A (zh) * 2023-09-25 2023-10-31 广东匠芯创科技有限公司 图像降噪方法、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101087365A (zh) * 2006-06-10 2007-12-12 中兴通讯股份有限公司 一种滤除图像混合噪声的方法
CN105096262A (zh) * 2014-05-22 2015-11-25 安凯(广州)微电子技术有限公司 图像滤波方法和装置
US20150339806A1 (en) * 2014-05-26 2015-11-26 Fujitsu Limited Image denoising method and image denoising apparatus
CN105894464A (zh) * 2016-03-28 2016-08-24 福州瑞芯微电子股份有限公司 一种中值滤波图像处理方法和装置
CN107085833A (zh) * 2017-04-13 2017-08-22 长安大学 基于梯度倒数自适应开关均中值融合的遥感图像滤波方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101087365A (zh) * 2006-06-10 2007-12-12 中兴通讯股份有限公司 一种滤除图像混合噪声的方法
CN105096262A (zh) * 2014-05-22 2015-11-25 安凯(广州)微电子技术有限公司 图像滤波方法和装置
US20150339806A1 (en) * 2014-05-26 2015-11-26 Fujitsu Limited Image denoising method and image denoising apparatus
CN105894464A (zh) * 2016-03-28 2016-08-24 福州瑞芯微电子股份有限公司 一种中值滤波图像处理方法和装置
CN107085833A (zh) * 2017-04-13 2017-08-22 长安大学 基于梯度倒数自适应开关均中值融合的遥感图像滤波方法

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110288599B (zh) * 2019-07-10 2021-06-15 浙江大华技术股份有限公司 一种坏点检测方法、装置、电子设备及存储介质
CN110288599A (zh) * 2019-07-10 2019-09-27 浙江大华技术股份有限公司 一种坏点检测方法、装置、电子设备及存储介质
CN112419161B (zh) * 2019-08-20 2022-07-05 RealMe重庆移动通信有限公司 图像处理方法及装置、存储介质及电子设备
CN112419161A (zh) * 2019-08-20 2021-02-26 RealMe重庆移动通信有限公司 图像处理方法及装置、存储介质及电子设备
CN110766028A (zh) * 2019-10-23 2020-02-07 紫光展讯通信(惠州)有限公司 像素类型确定方法及装置
CN110798592A (zh) * 2019-10-29 2020-02-14 普联技术有限公司 基于视频图像的物体移动侦测方法、装置、设备及存储介质
CN110798592B (zh) * 2019-10-29 2022-01-04 普联技术有限公司 基于视频图像的物体移动侦测方法、装置、设备及存储介质
CN113052767A (zh) * 2019-12-26 2021-06-29 深圳市万普拉斯科技有限公司 滤波矩阵生成方法、装置、终端设备和可读存储介质
CN112233051B (zh) * 2020-09-09 2024-05-10 浙江大华技术股份有限公司 一种中值滤波方法、中值滤波装置和计算机可读存储介质
CN112233051A (zh) * 2020-09-09 2021-01-15 浙江大华技术股份有限公司 一种中值滤波方法、中值滤波装置和计算机可读存储介质
CN116188462A (zh) * 2023-04-24 2023-05-30 深圳市翠绿贵金属材料科技有限公司 一种基于视觉鉴定的贵金属质量检测方法及系统
CN116188462B (zh) * 2023-04-24 2023-08-11 深圳市翠绿贵金属材料科技有限公司 一种基于视觉鉴定的贵金属质量检测方法及系统
CN116385446B (zh) * 2023-06-06 2023-08-15 山东德圣源新材料有限公司 一种用于勃姆石生产的晶体杂质检测方法
CN116385446A (zh) * 2023-06-06 2023-07-04 山东德圣源新材料有限公司 一种用于勃姆石生产的晶体杂质检测方法
CN116883270A (zh) * 2023-07-04 2023-10-13 广州医科大学附属第四医院(广州市增城区人民医院) 一种碎石手术软镜清晰化成像系统
CN116883270B (zh) * 2023-07-04 2024-03-22 广州医科大学附属第四医院(广州市增城区人民医院) 一种碎石手术软镜清晰化成像系统
CN116977228A (zh) * 2023-09-25 2023-10-31 广东匠芯创科技有限公司 图像降噪方法、电子设备及存储介质
CN116977228B (zh) * 2023-09-25 2024-02-09 广东匠芯创科技有限公司 图像降噪方法、电子设备及存储介质

Also Published As

Publication number Publication date
CN109146816B (zh) 2020-08-04

Similar Documents

Publication Publication Date Title
CN109146816A (zh) 一种图像滤波方法、装置、电子设备和存储介质
CN111080661B (zh) 基于图像的直线检测方法、装置以及电子设备
US9053540B2 (en) Stereo matching by census transform and support weight cost aggregation
CN111383186B (zh) 一种图像处理方法、装置及终端设备
CN108416789A (zh) 图像边缘检测方法及系统
JP2015225665A (ja) 画像ノイズ除去方法及び画像ノイズ除去装置
CN110795976A (zh) 一种训练物体检测模型的方法、装置以及设备
CN110189341B (zh) 一种图像分割模型训练的方法、图像分割的方法及装置
CN110400271B (zh) 一种条纹非均匀性校正方法、装置、电子设备及存储介质
CN111028179B (zh) 一种条纹校正方法、装置、电子设备及存储介质
US8861885B2 (en) Directional noise filtering
CN112927247A (zh) 基于目标检测的切图方法、切图装置和存储介质
CN109978903B (zh) 一种标识点识别方法、装置、电子设备及存储介质
CN110223244A (zh) 一种图像处理的方法、装置、电子设备和存储介质
CN109934789A (zh) 图像去噪方法、装置及电子设备
CN112465707B (zh) 红外图像条纹噪声的处理方法、装置、介质及电子设备
CN109102026A (zh) 一种车辆图像检测方法、装置及系统
CN115631399A (zh) 图像质量评估模型的训练方法、图像质量评估方法及装置
TW201911230A (zh) 監控方法、計算裝置及電腦可讀存儲介質
CN109978855A (zh) 一种遥感图像变化检测方法及装置
WO2024011888A1 (zh) 一种车牌识别方法及装置、计算机可读存储介质
JP6468328B2 (ja) ビジュアルオドメトリ方法及び装置
CN111161225B (zh) 一种图像差异检测方法、装置、电子设备和存储介质
CN113205497B (zh) 双丝型像质计图像处理方法、装置、设备及介质
CN111951254B (zh) 基于边缘引导加权平均的源相机识别方法及系统

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