CN109389560B - 一种自适应加权滤波图像降噪方法、装置及图像处理设备 - Google Patents

一种自适应加权滤波图像降噪方法、装置及图像处理设备 Download PDF

Info

Publication number
CN109389560B
CN109389560B CN201811132087.2A CN201811132087A CN109389560B CN 109389560 B CN109389560 B CN 109389560B CN 201811132087 A CN201811132087 A CN 201811132087A CN 109389560 B CN109389560 B CN 109389560B
Authority
CN
China
Prior art keywords
image
component
frequency part
low
window
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.)
Active
Application number
CN201811132087.2A
Other languages
English (en)
Other versions
CN109389560A (zh
Inventor
邹咪
刘俊秀
严卫健
胡煦辉
石岭
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.)
Arkmicro Technologies Inc
Original Assignee
Arkmicro Technologies Inc
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 Arkmicro Technologies Inc filed Critical Arkmicro Technologies Inc
Priority to CN201811132087.2A priority Critical patent/CN109389560B/zh
Publication of CN109389560A publication Critical patent/CN109389560A/zh
Application granted granted Critical
Publication of CN109389560B publication Critical patent/CN109389560B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G06T5/70—
    • 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
    • G06T2207/10024—Color image
    • 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

Landscapes

  • Image Processing (AREA)

Abstract

本发明适用于图像、视频处理领域，提供了一种自适应加权滤波图像降噪方法、装置及图像处理设备。所述方法包括：分离输入的图像的亮度分量和色度分量；提取亮度分量的高频部分和低频部分；对亮度分量的高频部分进行低通滤波，低频部分进行自适应加权滤波，对色度分量直接进行自适应加权滤波得到降噪后的色度分量；对亮度分量的高频部分的低通滤波结果和低频部分的自适应加权滤波结果进行融合，得到降噪后的亮度分量；将降噪后的亮度分量和色度分量转换到输入的图像的颜色空间输出图像。本发明一定程度上克服了传统算法采用RGB三通道分开处理彩色图像时所产生的图像失真的缺点，且能够更好的降低图像中的噪声。

Description

一种自适应加权滤波图像降噪方法、装置及图像处理设备
技术领域
本发明属于图像、视频处理领域，尤其涉及一种自适应加权滤波图像降噪方法、装置及图像处理设备。
背景技术
在图像的获取和传输过程中，会因为各种因素引入不同种类噪声。噪声不仅影响了图像的视觉效果，而且给后期的视频图像分析和处理带来了困难。因此，降低图像中的噪声是图像处理过程中必不可少的一个环节。然而，只有当完全知道噪声产生的原因，且可以在数学上模型化和可逆时，噪声才能被完全地消除掉。但是实际上是无法完全知道噪声产生的原因的。
图像中一般既有较为平滑的区域，也有丰富的细节或边缘，这些细节或边缘通常包含重要的视觉感知信息，因此，在图像降噪的过程中，主要关注两个问题，第一，对图像中噪声的抑制效果，第二，对图像细节的保护能力。一个较好的降噪算法是既能有效的去除图像中的噪声，同时又不会模糊图像的边缘及细节部分。图像降噪的方法有很多，其中空间滤波和频率域滤波是较常用的两类降噪方法。空间滤波是直接作用于图像本身而完成类似的平滑。空间滤波由一个邻域(典型地是一个较小的矩形)，对该邻域包围的图像像素执行的预定义操作组成。如果在图像像素上执行的是线性操作，则该滤波器称为线性空间滤波器，如均值滤波能较好的去除高斯噪声，但会损坏图像的边缘信息，使图像变得模糊。另外还有一些非线性空间滤波器，如中值滤波对去除脉冲噪声非常有效，但对高斯噪声的滤波能力较差。另外，双边滤波也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中处理，同时考虑空间信息和灰度相似性，达到保边缘去噪声的目的，具有简单、非迭代、局部的特点。而频率域滤波由修改一幅图像的傅里叶变换然后计算其反变换得到处理后的结果组成。通过设计合适的滤波器(高通滤波器、低通滤波器、带通滤波器、陷波滤波器等)去除噪声对应的频率分量，从而降低图像的噪声。然而，一般的图像去噪模型都是对灰度数字图像进行处理，若将这些降噪方法直接应用的彩色图像的红、绿、蓝三个分量，再将处理后的三个分量合成彩色图像，往往会导致最终得到的彩色图像失真，降低去噪后彩色图像的质量。
发明内容
本发明的目的在于提供一种自适应加权滤波图像降噪方法、装置、计算机可读存储介质及图像处理设备，旨在解决现有技术的降噪方法直接应用的彩色图像的红、绿、蓝三个分量，再将处理后的三个分量合成彩色图像，往往会导致最终得到的彩色图像失真，降低去噪后彩色图像的质量的问题。
第一方面，本发明提供了一种自适应加权滤波图像降噪方法，所述方法包括：
分离输入的图像的亮度分量和色度分量；
提取亮度分量的高频部分和低频部分；
对亮度分量的高频部分进行低通滤波，低频部分进行自适应加权滤波，对色度分量直接进行自适应加权滤波得到降噪后的色度分量；
对亮度分量的高频部分的低通滤波结果和低频部分的自适应加权滤波结果进行融合，得到降噪后的亮度分量；
将降噪后的亮度分量和色度分量转换到输入的图像的颜色空间输出图像。
第二方面，本发明提供了一种自适应加权滤波图像降噪装置，所述装置包括：
分离模块，用于分离输入的图像的亮度分量和色度分量；
提取模块，用于提取亮度分量的高频部分和低频部分；
滤波模块，用于对亮度分量的高频部分进行低通滤波，低频部分进行自适应加权滤波，对色度分量直接进行自适应加权滤波得到降噪后的色度分量；
融合模块，用于对亮度分量的高频部分的低通滤波结果和低频部分的自适应加权滤波结果进行融合，得到降噪后的亮度分量；
转换模块，用于将降噪后的亮度分量和色度分量转换到输入的图像的颜色空间输出图像。
第三方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述的自适应加权滤波图像降噪方法的步骤。
第四方面，本发明提供了一种图像处理设备，包括：
一个或多个处理器；
存储器；以及
一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述处理器执行所述计算机程序时实现如上述的自适应加权滤波图像降噪方法的步骤。
在本发明中，由于分离输入的图像的亮度分量和色度分量分别进行滤波，因此一定程度上克服了传统算法采用RGB三通道分开处理彩色图像时所产生的图像失真的缺点。另外，由于对于亮度分量采用高频部分和低频部分分开滤波，因此能够更好的降低图像中的噪声。本发明可广泛应用于图像、视频处理的相关领域中。
附图说明
图1是本发明实施例一提供的自适应加权滤波图像降噪方法的流程图。
图2是3*3的滤波器模板w的示意图。
图3是图像最外圈局部窗口填充方式示意图。
图4是自适应加权滤波的流程图。
图5是邻域像素与中心点的距离示意图。
图6是权重曲线示意图。
图7是本发明实施例二提供的自适应加权滤波图像降噪装置的功能模块框图。
图8是本发明实施例四提供的图像处理设备的具体结构框图。
具体实施方式
为了使本发明的目的、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
实施例一：
请参阅图1，本发明实施例一提供的自适应加权滤波图像降噪方法包括以下步骤：需注意的是，若有实质上相同的结果，本发明的自适应加权滤波图像降噪方法并不以图1所示的流程顺序为限。
S101、分离输入的图像的亮度分量和色度分量。
在本发明实施例一中，以输入的图像是彩色图像为例进行自适应加权滤波图像降噪方法的说明，但是输入的图像也可以是灰度图像。
若输入的图像为灰度图像，则S101具体可以为：将输入的灰度图像的灰度分量作为亮度分量Y，此时灰度图像中不包含色度分量。若输入的图像为彩色图像，则S101具体可以为：将输入的彩色图像转换到YCbCr颜色空间，并分离出亮度分量Y，色度分量Cb和Cr。其中其他颜色空间的彩色图像到YCbCr颜色空间的转换可以采用本领域的任何已知方法，这对于本领域技术人员是熟知的手段，在此不再赘述。
S102、提取亮度分量的高频部分和低频部分。
在本发明实施例一中，S102具体可以包括：
采用n*n(n是大于或等于3的奇数，例如3*3)的滤波器模板w(如图2所示)对亮度分量Y进行低通滤波得到亮度分量的低频部分；具体可以为：例如一幅M×N的图像，其亮度分量Y经过滤波器模板w的滤波，采用公式
Figure BDA0001813829840000051
得到亮度分量的低频部分Yl，其中，i＝1,...,M,j＝1,...,N，M和N是自然数。对于图像最外圈像素，以其为中心时，已有的邻域不能构成完整的n*n窗口，此时以当前中心点的像素值填充n*n的窗口的缺失像素，如图3所示，为填满3*3窗口的示意图；
根据公式Yh＝Y-Yl计算得到亮度分量的高频部分。
S103、对亮度分量的高频部分进行低通滤波，低频部分进行自适应加权滤波，对色度分量直接进行自适应加权滤波得到降噪后的色度分量。
通过低通滤波，图像的低频部分中噪声的含量较少，而其边缘及细节却被模糊了。因此，对图像的低频部分采取自适应加权滤波，自适应加权滤波降噪的同时更多的侧重于保护边缘及细节不被模糊。而图像的高频部分中噪声的含量较多，采用低通滤波对高频部分进行处理，从而进一步的滤除其中的噪声。
所述对亮度分量的高频部分进行低通滤波具体为：
对亮度分量的高频部分直接采用滤波器模板w进行滤波，采用公式
Figure BDA0001813829840000052
计算得到亮度分量的高频部分滤波结果Yho，其中，i＝1,...,M,j＝1,...,N，M和N是自然数。同样，对于图像最外圈像素，按图3所示的方式进行填充。
其中，对亮度分量的低频部分以及色度分量都采取自适应加权滤波进行降噪，本发明实施例了中以亮度分量的低频部分为例进行说明。自适应加权滤波算法的核心思想是依据局部窗口内的方差来分配参与计算的各像素的权重。当局部窗口内方差越小时，说明窗口内的像素变化小，很有可能是一个平滑的区域，从而分配相对均匀的权重，可以较大程度上模糊噪点。当局部窗口内方差大时，说明窗口内的像素变化大，很有可能是一个边缘处或细节处，此时，分配更大的权重给中心像素，从而避免边缘信息或细节信息被模糊掉。
在本发明实施例一中，自适应加权滤波是根据图像局部窗口内的方差信息及像素点之间的曼哈顿距离自适应的分配加权滤波的权重值。请参阅图4，自适应加权滤波具体包括以下步骤：
S1031、接收输入像素Yl(i,j)；
S1032、识别以输入像素为中心的m*n窗口内的像素，其中，m，n为奇数。本发明实施例一中，取m＝3，n＝5为例；
S1033、计算m*n窗口内的均值Yl_μ(i,j)；
在本发明实施例一中，S1033具体可以包括以下步骤：
计算出离中心像素点距离相同的像素点的总和；
通过公式
Figure BDA0001813829840000061
计算m*n窗口内的均值Yl_μ(i,j)，其中，sum1为m*n窗口内所有与中心像素点相距为1的像素值总和，sum2为m*n窗口内所有与中心像素点相距为2的像素值总和，sum3为m*n窗口内所有与中心像素点相距为3的像素值总和。同样，对于不能构成3*5窗口的情形，以其中心像素值进行填充。
其中，各像素点与中心像素点的空间距离为垂直距离和水平距离之和(即曼哈顿距离)。即若像素点A的坐标为(x1,y1)，像素点B的坐标(x2,y2)，则像素点A与像素点B之间的空间距离d＝|x1-x2|+|y1-y2|。如图5所示为3*5窗口内各像素点到中心像素点的空间距离。
S1034、根据m*n窗口内的均值Yl_μ(i,j)计算m*n窗口内的方差Yl_σ2(i,j)；
在本发明实施例一中，S1034具体可以为：根据公式
Figure BDA0001813829840000071
计算m*n窗口内的方差Yl_σ2(i,j)，窗口大小为3*5。
S1035、根据m*n窗口内的方差Yl_σ2(i,j)计算权重查找索引αij；
在本发明实施例一中，S1035具体可以为：根据公式
Figure BDA0001813829840000072
计算权重查找索引αij，其中，k为全局抑制强度。可通过改变k值来调效果,如果噪声大，可选k值偏小(例k＝0.01)，如果噪声小，可选k值偏大(例k＝1)。
Figure BDA0001813829840000075
表示向上取整。
S1036、根据权重查找索引αij分配各像素点的权重，计算输出像素值Ylo(i,j)。
在本发明实施例一中，S1036具体可以为：
判断权重查找索引αij是否大于255，若αij＞255，则不改变当前中心像素的值，即Ylo(i,j)＝Yl(i,j)，若αij≤255，则按公式
Figure BDA0001813829840000073
计算输出像素值，其中Wt1,Wt2,Wt3为权重表。
本发明实施例一中取权重表为：
Figure BDA0001813829840000074
其中，round(●)表示四舍五入。如图6所示为对应的权重曲线。从中可知，当离中心像素越近时，其分配的权重越大。当局部方差值越大时，中心点的权重比重就越大，从而对边缘及细节区域的像素值起到保护的作用。
S104、对亮度分量的高频部分的低通滤波结果和低频部分的自适应加权滤波结果进行融合，得到降噪后的亮度分量。
具体可以为：通过公式Yo＝max(min(Ylo+Yho,255),0)计算得到降噪后的亮度分量Yo。
S105、将降噪后的亮度分量和色度分量转换到输入图像的颜色空间并输出图像。
实施例二：
请参阅图7，本发明实施例二提供的自适应加权滤波图像降噪装置包括：
分离模块11，用于分离输入的图像的亮度分量和色度分量；
提取模块12，用于提取亮度分量的高频部分和低频部分；
滤波模块13，用于对亮度分量的高频部分进行低通滤波，低频部分进行自适应加权滤波，对色度分量直接进行自适应加权滤波得到降噪后的色度分量；
融合模块14，用于对亮度分量的高频部分的低通滤波结果和低频部分的自适应加权滤波结果进行融合，得到降噪后的亮度分量；
转换模块15，用于将降噪后的亮度分量和色度分量转换到输入图像的颜色空间并输出图像。
本发明实施例二提供的自适应加权滤波图像降噪装置及本发明实施例一提供的自适应加权滤波图像降噪方法属于同一构思，其具体实现过程详见说明书全文，此处不再赘述。
实施例三：
本发明实施例三提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如本发明实施例一提供的自适应加权滤波图像降噪方法的步骤。
实施例四：
图8示出了本发明实施例四提供的图像处理设备的具体结构框图，一种图像处理设备100包括：一个或多个处理器101、存储器102、以及一个或多个计算机程序，其中所述处理器101和所述存储器102通过总线连接，所述一个或多个计算机程序被存储在所述存储器102中，并且被配置成由所述一个或多个处理器101执行，所述处理器101执行所述计算机程序时实现如本发明实施例一提供的自适应加权滤波图像降噪方法的步骤。
在本发明中，由于分离输入的图像的亮度分量和色度分量分别进行滤波，因此一定程度上克服了传统算法采用RGB三通道分开处理彩色图像时所产生的图像失真的缺点。另外，由于对于亮度分量采用高频部分和低频部分分开滤波，因此能够更好的降低图像中的噪声。本发明可广泛应用于图像、视频处理的相关领域中。又由于对亮度分量的低频部分和色度分量进行自适应加权滤波，自适应加权滤波是根据图像局部窗口内的方差信息及像素点之间的曼哈顿距离自适应的分配加权滤波的权重值。从而保证了平滑区域和细节区域的权重分配不同，较好地解决了在图像降噪过程中，不能较好的保护图像边缘及细节信息的问题。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，RandomAccess Memory)、磁盘或光盘等。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种自适应加权滤波图像降噪方法，其特征在于，所述方法包括：
分离输入的图像的亮度分量和色度分量；
提取亮度分量的高频部分和低频部分；
对亮度分量的高频部分进行低通滤波，低频部分进行自适应加权滤波，对色度分量直接进行自适应加权滤波得到降噪后的色度分量；
对亮度分量的高频部分的低通滤波结果和低频部分的自适应加权滤波结果进行融合，得到降噪后的亮度分量；
将降噪后的亮度分量和色度分量转换到输入的图像的颜色空间输出图像；
所述自适应加权滤波具体包括：
接收输入像素Yl(i,j)；
识别以输入像素为中心的m*n窗口内的像素，其中，m，n为奇数；
计算m*n窗口内的均值Yl_μ(i,j)；
根据m*n窗口内的均值Yl_μ(i,j)计算m*n窗口内的方差Yl_σ2(i,j)；
根据m*n窗口内的方差Yl_σ2(i,j)计算权重查找索引αij；
根据权重查找索引αij分配各像素点的权重，计算输出像素值Ylo(i,j)；
所述根据m*n窗口内的方差Yl_σ2(i,j)计算权重查找索引αij具体为：
根据公式
Figure FDA0003616483620000011
计算权重查找索引αij，其中，k为全局抑制强度，
Figure FDA0003616483620000012
表示向上取整；
所述根据权重查找索引αij分配各像素点的权重，计算输出像素值Ylo(i,j)具体为：
判断权重查找索引αij是否大于255，若αij>255，则不改变当前中心像素的值，即Ylo(i,j)＝Yl(i,j)，若αij≤255，则按公式
Figure FDA0003616483620000021
计算输出像素值，
其中Wt1,Wt2,Wt3为权重表。
2.如权利要求1所述的方法，其特征在于，所述输入的图像是彩色图像或灰度图像；
若输入的图像为灰度图像，则所述分离输入的图像的亮度分量和色度分量具体为：将输入的灰度图像的灰度分量作为亮度分量；
若输入的图像为彩色图像，则所述分离输入的图像的亮度分量和色度分量具体为：将输入的彩色图像转换到YCbCr颜色空间，并分离出亮度分量Y，色度分量Cb和Cr。
3.如权利要求1所述的方法，其特征在于，所述提取亮度分量的高频部分和低频部分具体包括：
采用n*n的滤波器模板w对亮度分量Y进行低通滤波得到亮度分量的低频部分Yl，n是大于或等于3的奇数；
根据公式Yh＝Y-Yl计算得到亮度分量的高频部分。
4.如权利要求3所述的方法，其特征在于，所述采用n*n的滤波器模板w对亮度分量Y进行低通滤波得到亮度分量的低频部分Yl具体为：
对于一幅M×N的图像，其亮度分量Y经过滤波器模板w的滤波，采用公式
Figure FDA0003616483620000022
得到亮度分量的低频部分Yl，其中，i＝1,...,M,j＝1,...,N，M和N是自然数。
5.如权利要求4所述的方法，其特征在于，所述对亮度分量的高频部分进行低通滤波具体为：
对亮度分量的高频部分直接采用滤波器模板w进行滤波，采用公式
Figure FDA0003616483620000031
计算得到亮度分量的高频部分滤波结果Yho。
6.如权利要求1所述的方法，其特征在于，所述根据m*n窗口内的均值Yl_μ(i,j)计算m*n窗口内的方差Yl_σ2(i,j)具体为：
根据公式
Figure FDA0003616483620000032
计算m*n窗口内的方差Yl_σ2(i,j)；
所述计算m*n窗口内的均值Yl_μ(i,j)具体包括：
计算出离中心像素点距离相同的像素点的总和；
通过公式
Figure FDA0003616483620000033
计算m*n窗口内的均值Yl_μ(i,j)，其中，sum1为m*n窗口内所有与中心像素点相距为1的像素值总和，sum2为m*n窗口内所有与中心像素点相距为2的像素值总和，sum3为m*n窗口内所有与中心像素点相距为3的像素值总和；其中，各像素点与中心像素点的空间距离为垂直距离和水平距离之和；
所述根据m*n窗口内的均值Yl_μ(i,j)计算m*n窗口内的方差Yl_σ2(i,j)具体为：
根据公式
Figure FDA0003616483620000034
计算m*n窗口内的方差Yl_σ2(i,j)。
7.如权利要求6所述的方法，其特征在于，所述对亮度分量的高频部分的低通滤波结果和低频部分的自适应加权滤波结果进行融合，得到降噪后的亮度分量具体为：通过公式Yo＝max(min(Ylo+Yho,255),0)计算得到降噪后的亮度分量Yo。
8.一种自适应加权滤波图像降噪装置，其特征在于，所述装置包括：
分离模块，用于分离输入的图像的亮度分量和色度分量；
提取模块，用于提取亮度分量的高频部分和低频部分；
滤波模块，用于对亮度分量的高频部分进行低通滤波，低频部分进行自适应加权滤波，对色度分量直接进行自适应加权滤波得到降噪后的色度分量；所述自适应加权滤波具体包括：接收输入像素Yl(i,j)；识别以输入像素为中心的m*n窗口内的像素，其中，m，n为奇数；计算m*n窗口内的均值Yl_μ(i,j)；根据m*n窗口内的均值Yl_μ(i,j)计算m*n窗口内的方差Yl_σ2(i,j)；根据m*n窗口内的方差Yl_σ2(i,j)计算权重查找索引αij；根据权重查找索引αij分配各像素点的权重，计算输出像素值Ylo(i,j)；
融合模块，用于对亮度分量的高频部分的低通滤波结果和低频部分的自适应加权滤波结果进行融合，得到降噪后的亮度分量；
转换模块，用于将降噪后的亮度分量和色度分量转换到输入的图像的颜色空间输出图像；
所述根据m*n窗口内的方差Yl_σ2(i,j)计算权重查找索引αij具体为：
根据公式
Figure FDA0003616483620000041
计算权重查找索引αij，其中，k为全局抑制强度，
Figure FDA0003616483620000042
表示向上取整；
所述根据权重查找索引αij分配各像素点的权重，计算输出像素值Ylo(i,j)具体为：
判断权重查找索引αij是否大于255，若αij>255，则不改变当前中心像素的值，即Ylo(i,j)＝Yl(i,j)，若αij≤255，则按公式
Figure FDA0003616483620000043
计算输出像素值，
其中Wt1,Wt2,Wt3为权重表。
9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的自适应加权滤波图像降噪方法的步骤。
10.一种图像处理设备，包括：
一个或多个处理器；
存储器；以及
一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的自适应加权滤波图像降噪方法的步骤。
CN201811132087.2A 2018-09-27 2018-09-27 一种自适应加权滤波图像降噪方法、装置及图像处理设备 Active CN109389560B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811132087.2A CN109389560B (zh) 2018-09-27 2018-09-27 一种自适应加权滤波图像降噪方法、装置及图像处理设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811132087.2A CN109389560B (zh) 2018-09-27 2018-09-27 一种自适应加权滤波图像降噪方法、装置及图像处理设备

Publications (2)

Publication Number Publication Date
CN109389560A CN109389560A (zh) 2019-02-26
CN109389560B true CN109389560B (zh) 2022-07-01

Family

ID=65418949

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811132087.2A Active CN109389560B (zh) 2018-09-27 2018-09-27 一种自适应加权滤波图像降噪方法、装置及图像处理设备

Country Status (1)

Country Link
CN (1) CN109389560B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110599406B (zh) 2019-03-18 2022-05-03 上海立可芯半导体科技有限公司 一种图像增强方法及装置
CN109949333B (zh) * 2019-03-20 2021-06-08 北京小蜻蜓智能科技有限公司 一种基于颜色解混的文字图章分离方法
CN110675404B (zh) * 2019-09-03 2023-03-21 RealMe重庆移动通信有限公司 图像处理方法、图像处理装置、存储介质与终端设备
CN111161177B (zh) * 2019-12-25 2023-09-26 Tcl华星光电技术有限公司 图像自适应降噪方法和装置
CN112308806A (zh) * 2020-11-11 2021-02-02 海宁奕斯伟集成电路设计有限公司 图像处理方法、装置、电子设备以及可读存储介质
CN112348761B (zh) * 2020-11-30 2024-04-26 广州绿怡信息科技有限公司 设备外观图像亮度调节方法及装置
CN113269686B (zh) * 2021-05-14 2022-11-25 展讯通信（上海）有限公司 亮度噪声的处理方法、装置、存储介质及终端

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101035300A (zh) * 2007-04-10 2007-09-12 北京中星微电子有限公司 一种图像增强方法及装置
CN101646014A (zh) * 2008-08-05 2010-02-10 佳能株式会社 图像处理设备和图像处理方法
CN102222328A (zh) * 2011-07-01 2011-10-19 杭州电子科技大学 一种边缘保持的自然场景图像自适应加权滤波方法
CN103686171A (zh) * 2013-12-19 2014-03-26 中山大学深圳研究院 一种自适应滤波分离的视频解码装置
CN104123699A (zh) * 2013-04-26 2014-10-29 富士通株式会社 降低图像噪声的方法和装置
CN104616268A (zh) * 2015-02-17 2015-05-13 天津大学 一种基于湍流模型的水下图像复原方法
CN105427257A (zh) * 2015-11-18 2016-03-23 四川汇源光通信有限公司 图像增强方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9007435B2 (en) * 2011-05-17 2015-04-14 Himax Technologies Limited Real-time depth-aware image enhancement system

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101035300A (zh) * 2007-04-10 2007-09-12 北京中星微电子有限公司 一种图像增强方法及装置
CN101646014A (zh) * 2008-08-05 2010-02-10 佳能株式会社 图像处理设备和图像处理方法
CN102222328A (zh) * 2011-07-01 2011-10-19 杭州电子科技大学 一种边缘保持的自然场景图像自适应加权滤波方法
CN104123699A (zh) * 2013-04-26 2014-10-29 富士通株式会社 降低图像噪声的方法和装置
CN103686171A (zh) * 2013-12-19 2014-03-26 中山大学深圳研究院 一种自适应滤波分离的视频解码装置
CN104616268A (zh) * 2015-02-17 2015-05-13 天津大学 一种基于湍流模型的水下图像复原方法
CN105427257A (zh) * 2015-11-18 2016-03-23 四川汇源光通信有限公司 图像增强方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Impulse Noise Removal Using Directional Difference Based Noise Detector and Adaptive Weighted Mean Filter;Xuming Zhang 等;《IEEE Signal Processing Letters》;20090227;第16卷(第4期);全文 *
梯度相似性的椒盐图像加权中值滤波算法;李迅波 等;《电子科技大学学报》;20120131;第41卷(第1期);全文 *

Also Published As

Publication number Publication date
CN109389560A (zh) 2019-02-26

Similar Documents

Publication Publication Date Title
CN109389560B (zh) 一种自适应加权滤波图像降噪方法、装置及图像处理设备
WO2016206087A1 (zh) 一种低照度图像处理方法和装置
CN111915535B (zh) 一种图像去噪的方法及装置
CN103067661A (zh) 图像处理方法、装置和拍摄终端
CN107979712A (zh) 一种视频降噪方法及装置
Iwanami et al. An adaptive contrast enhancement using regional dynamic histogram equalization
JP2013008346A (ja) イメージのエッジ向上方法
WO2006088924A2 (en) System and method for sharpening vector-valued digital images
CN111179186A (zh) 一种保护图像细节的图像去噪系统
Tsutsui et al. Halo artifacts reduction method for variational based realtime retinex image enhancement
CN111429381B (zh) 图像边缘增强方法及装置、存储介质、计算机设备
CN201726464U (zh) 一种新的视频图像锐化处理装置
CN114037641A (zh) 一种低照度图像增强方法、装置、设备及介质
TWI638336B (zh) 影像增強方法及影像增強裝置
JP2010114879A (ja) 画像処理方法
CN110175959B (zh) 一种台风云图增强方法
CN110136085B (zh) 一种图像的降噪方法及装置
JP2015211325A (ja) パープルフリンジ除去処理方法及びその処理を遂行するパープルフリンジ除去処理装置
JP5359646B2 (ja) 画像処理方法
CN113096014B (zh) 视频超分处理方法、电子设备及存储介质
CN115358948A (zh) 一种基于改进Retinex算法的低照度图像增强方法
JP5343743B2 (ja) 画像処理方法
TWI712989B (zh) 影像處理方法及影像處理裝置
CN113469889A (zh) 一种图像降噪的方法及装置
KR100821939B1 (ko) 영상 잡음 제거 장치 및 방법

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