CN109785246B - 一种非局部均值滤波的降噪方法、装置及设备 - Google Patents
一种非局部均值滤波的降噪方法、装置及设备 Download PDFInfo
- Publication number
- CN109785246B CN109785246B CN201811513930.1A CN201811513930A CN109785246B CN 109785246 B CN109785246 B CN 109785246B CN 201811513930 A CN201811513930 A CN 201811513930A CN 109785246 B CN109785246 B CN 109785246B
- Authority
- CN
- China
- Prior art keywords
- pixel
- similarity
- noise reduction
- window
- pixels
- 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
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
一种非局部均值滤波的降噪方法包括:获取原始图像中的一个像素作为当前降噪像素,以所述当前降噪像素为中心选取第一搜索窗;计算第一搜索窗内的各个像素与所述当前降噪像素的相似度;选择相似度较高的像素为中心确定第二搜索窗,计算第二搜索窗与当前降噪像素的相似度,并选择相似度较高的像素为中心确定第三搜索窗,直到搜索至原始图像的边界;根据所计算的相似度结果选择与当前降噪像素的相似度最高的像素对当前降噪像素进行降噪。通过计算像素邻域的相似窗中的像素与当前降噪像素的相似度,根据相似度较高的像素来确定搜索方向,可以大大的减少搜索的次数的相似度计算的次数,有利于降低降噪处理的复杂度,提高降噪效率。
Description
技术领域
本申请属于图像处理领域,尤其涉及一种非局部均值滤波的降噪方法、装置及设备。
背景技术
NLM(英文全称为non-local mean,中文全称为非局部均值滤波)降噪方法可以利用图像中存在的冗余来抑制图像的噪声同时,还可以保持图像的组织信息。NLM降噪方法一般是流程是:首先在待处理的中心像素周围定义两个大小不同的窗口,分别称为搜索窗和相似窗,其中搜索窗中包括多个相似块,在搜索窗内以逐个平移的方法搜索相似块,再通过中心像素的图像块与相似块进行加权运算得到滤波后的像素。
然而,为了有效抑制图像的噪声,往往会通过增加搜索窗和相似窗的大小来引入更多的邻域图像信息,以实现更好的降噪效果,但是,搜索窗和相似窗的增加会导致方法的复杂度和处理时间,影响了方法在实际中的应用。
发明内容
有鉴于此,本申请实施例提供了一种非局部均值滤波的降噪方法、装置及设备,以解决现有技术中的NLM降噪方法的搜索窗和相似窗的增加会增加算法的复杂度和处理时间,影响方法在实际中的应用的问题。
本申请实施例的第一方面提供了一种非局部均值滤波的降噪方法,所述非局部均值滤波的降噪方法包括:
获取含有噪声的原始图像中的一个像素作为当前降噪像素,以所述当前降噪像素为中心选取第一搜索窗;
计算所述第一搜索窗内的各个像素与所述当前降噪像素的相似度;
根据计算结果,选择相似度较高的像素为中心确定第二搜索窗,计算第二搜索窗与当前降噪像素的相似度,并选择相似度较高的像素为中心确定第三搜索窗,直到搜索至原始图像的边界;
根据所计算的相似度结果选择与当前降噪像素的相似度最高的像素对当前降噪像素进行降噪。
结合第一方面,在第一方面的第一种可能实现方式中,所述计算所述第一搜索窗内的各个像素与所述当前降噪像素的相似度的步骤包括:
确定第一搜索窗内的像素Yi的相似窗内像素yi,以及当前降噪像素X的相似窗内像素xi;
根据所述相似窗内的像素的权重,计算第一搜索窗内的像素Yi与当前降噪像素X的相似度。
结合第一方面的第一种可能实现方式,在第一方面的第二种可能实现方式中,所述方法还包括:
获取过滤后的图像边缘的模糊度和噪声过滤评价值;
当所述图像边缘的模糊度大于预定值,则降低衰减因子值;
当所述噪声过滤评价值较低时,则增加衰减因子值。
结合第一方面,在第一方面的第三种可能实现方式中,所述根据计算结果,选择相似度较高的像素为中心确定第二搜索窗,计算第二搜索窗与当前降噪像素的相似度,并选择相似度较高的像素为中心确定第三搜索窗,直到搜索至原始图像的边界的步骤包括:
根据第一搜索窗内的像素与所述当前降噪像素的相似度计算结果,选择两个或两个以上的相似度较高的像素为中心确定两个第二搜索窗,所述第二搜索窗中的像素为与相似度较高的像素相邻且不属于第一搜索窗中的像素;
分别计算第二搜索窗中的像素与所述当前降噪像素的相似度,根据所选择的相似度较高的像素确定搜索方向,直到搜索至原始图像的边界。
结合第一方面的第三种可能实现方式,在第一方面的第四种可能实现方式中,
所述方法还包括:
当两个或者两个以上的第二搜索窗的搜索方向重合时,降低相似窗搜索的步进值。
本申请实施例的第二方面提供了一种非局部均值滤波的降噪装置,所述非局部均值滤波的降噪装置包括:
降噪像素选择单元,获取含有噪声的原始图像中的一个像素作为当前降噪像素,以所述当前降噪像素为中心选取第一搜索窗;
相似度计算单元,用于计算所述第一搜索窗内的各个像素与所述当前降噪像素的相似度;
搜索单元,用于根据计算结果,选择相似度较高的像素为中心确定第二搜索窗,计算第二搜索窗与当前降噪像素的相似度,并选择相似度较高的像素为中心确定第三搜索窗,直到搜索至原始图像的边界;
降噪单元,用于根据所计算的相似度结果选择与当前降噪像素的相似度最高的像素对当前降噪像素进行降噪。
结合第二方面,在第二方面的第一种可能实现方式中,所述计算单元包括:
像素确定子单元,用于确定第一搜索窗内的像素Yi的相似窗内像素yi,以及当前降噪像素X的相似窗内像素xi;
第二计算子单元,用于根据所述相似窗内的像素的权重,计算第一搜索窗内的像素Yi与当前降噪像素X的相似度。
结合第二方面,在第二方面的第二种可能实现方式中,所述相似度计算单元包括:
相似窗确定子单元,用于根据第一搜索窗内的像素与所述当前降噪像素的相似度计算结果,选择两个或两个以上的相似度较高的像素为中心确定两个第二搜索窗,所述第二搜索窗中的像素为与相似度较高的像素相邻且不属于第一搜索窗中的像素;
第三计算子单元,用于分别计算第二搜索窗中的像素与所述当前降噪像素的相似度,根据所选择的相似度较高的像素确定搜索方向,直到搜索至原始图像的边界。
本申请实施例的第三方面提供了一种非局部均值滤波的降噪设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面任一项所述非局部均值滤波的降噪方法的步骤。
本申请实施例的第四方面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第一方面任一项所述非局部均值滤波的降噪方法的步骤。
本申请实施例与现有技术相比存在的有益效果是:与传统的非局部均值滤波的降噪方法相比,本申请通过计算像素邻域的相似窗中的像素与当前降噪像素的相似度,根据相似度较高的像素来确定搜索方向,可以大大的减少搜索的次数的相似度计算的次数,有利于降低降噪处理的复杂度,提高降噪效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种非局部均值滤波的降噪方法的实现流程示意图;
图2是本申请实施例提供的一种像素搜索方向示意图;
图3是本申请实施例提供的一种相似度计算方法的实现流程示意图;
图4-11是本申请实施例提供的第一搜索窗确定示意图;
图12是本申请实施例提供的一种非局部均值滤波的降噪装置的示意图;
图13是本申请实施例提供的非局部均值滤波的降噪设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案,下面通过具体实施例来进行说明。
图1为本申请实施例提供的一种非局部均值滤波的降噪方法的实现流程示意图,详述如下:
在步骤S101中,获取含有噪声的原始图像中的一个像素作为当前降噪像素,以所述当前降噪像素为中心选取第一搜索窗;
所述原始图像可以为图像传感器接收的图像,原始图像的噪声模型可以表示为u=f+n,其f代表原始图像,n代表高斯白噪声,u代表受污染的图像。所述当前降噪像素,可以为所述原始图像中的任意一个像素。
在本申请中包括相似窗和搜索窗,所述相似窗和搜索窗均以待比较的像素或待搜索的像素为中心,预先设定的范围确定相似窗或者搜索窗的大小,可以预先设定相似窗和搜索窗具有不同的大小,比如相似窗的大小为b*b,搜索窗的大小为a*a等。
假设X是原始图像中的任意一个像素,可以按照图2所述的搜索方向,对其邻域进行d1~d8这8个方向的搜索,得到点Y1、Y2……Y8八个相似点,即:以像素X为中心取第一搜索窗,第一搜索窗的大小可以为3*3,以像素X为中心的相似窗中有相似点Yi(i∈[1,8])。
在步骤S102中,计算所述第一搜索窗内的各个像素与所述当前降噪像素的相似度;
在本申请中,根据预先设定的搜索方向所确定的第一搜索窗,可以得到第一搜索窗中的多个像素,根据第一搜索窗中的多个像素,可以分别确定每个像素的相似窗,根据所确定的相似窗,可以逐个计算搜索窗中的像素与当前降噪像素的相似度,具体可以如图3所示,包括:
在步骤S301中,确定第一搜索窗内的像素Yi的相似窗内像素yi,以及当前降噪像素X的相似窗内像素xi;
在计算第一搜索窗中的像素与当前降噪像素的相似度时,需要先确定第一搜索窗中的像素所对应的相似窗,即本申请所述相似度的计算,不仅包括需要比较的像素本身,还包括待比较的像素的周围像素的相似度的比较。
在确定第一搜索窗中像素的相似窗后,可以根据权重计算公式来确定第一搜索窗内的像素的相似窗内的像素yi,与当前降噪像素X的相似窗内的像素的权重。其中,权重计算公式为:其中参数d可以根据公式进行计算,xi表示以像素X为中心的邻域区域,yi是以Yi为中心的邻域窗区域,h是一个衰减因子。
另外,作为本申请优选的一种实施方式中,所述方法还可以包括:
获取过滤后的图像边缘的模糊度和噪声过滤评价值;
当所述图像边缘的模糊度大于预定值,则降低衰减因子值;
当所述噪声过滤评价值较低时,则增加衰减因子值。
其中,所述模糊度可以通过系统检测的方式确定,所述噪声过滤评价值,即降噪后的图像中的噪声数量,可以接收用户输入的评价数据来确定。通过自动调整衰减因子,可以有效的提高图像降噪中关于去噪与模糊的平衡。
搜索窗内像素,当中心的像素为当前降噪像素时,搜索窗内的像素,即第一搜索窗可以包括9N个,当中心的像素为当前降噪像素之外的像素时,所述搜索窗,比如第二搜索窗以及第三搜索窗等,可以包括4N个像素点。所述相似窗可以包括中心像素在内的9M个像素,其中N和M为自然数。
在步骤S303中,根据所述相似窗内的像素的权重,计算第一搜索窗内的像素Yi与当前降噪像素X的相似度。
计算得到两个像素的相似窗内像素的权重后,根据相似窗内的像素的相似度,结合计算的权重,可以计算两个像素的相似度。
在步骤S103中,根据计算结果,选择相似度较高的像素为中心确定第二搜索窗,计算第二搜索窗与当前降噪像素的相似度,并选择相似度较高的像素为中心确定第三搜索窗,直到搜索至原始图像的边界;
通过步骤S102中的计算方式,可以计算第一搜索窗内的每个像素与当前降噪像素的相似度,从而得到多个相似度的计算结果。比如,第一搜索窗大小为3*3时,则可以得到8个相似度的计算结果,对其进行排序,可以得到第一搜索窗内相似度较高的像素。
在本申请中,可以设定从第一搜索窗所计算的相似度结果中选择两个或两个以上的相似度较高的像素为中心,确定第二搜索窗,然后根据第二搜索窗中的像素点重新计算其与降噪像素点的相似度,然后再选择其中一个相似度较高的相似点作为搜索方向,继续确定第三搜索窗,如此反复,直到所确定的搜索窗处于图像边界为止。
具体的,当相似窗的步进值为1,对当前降噪像素X的邻域的8个方向搜索,得到Y1、Y2……Y8八个相似点,计算这8个相似点与当前降噪像素X的相似度后,根据计算结果可以包括如下搜索窗的确定情况:
如图4所示,当所确定的搜索方向为d1方向的Y1时,则可以确定在Y1处的第二搜索窗,包括如图4所示的深色框内除Y1外的三个点N1、N2和N3,以Y1为中心点,根据图2所确定的方向,计算d1方向的N1,d2方向的N2,d4方向的N3这三个点与当前降噪像素X的相似度,求出相似度最大的点,根据该点的位置,确定下一次搜索方向,即确定第三搜索窗,依次进行往下搜索,直到搜索窗的边框。
如图5所示,当所确定的搜索方向为d2方向的Y2时,则可以确定在Y2处的第二搜索窗,包括如图5所示的深色框内除Y2外的三个点N1、N2和N3,以Y2为中心点,根据图2所确定的方向,计算d2方向的N1,d1方向的N2,d3方向的N3这三个点与当前降噪像素X的相似度,求出相似度最大的点,根据该点的位置,确定下一次搜索方向,即确定第三搜索窗,依次进行往下搜索,直到搜索窗的边框。
如图6所示,当所确定的搜索方向为d3方向的Y3时,则可以确定在Y3处的第二搜索窗,包括如图6所示的深色框内除Y3外的三个点N1、N2和N3,以Y3为中心点,根据图2所确定的方向,计算d3方向的N1,d2方向的N2,d5方向的N3这三个点与当前降噪像素X的相似度,求出相似度最大的点,根据该点的位置,确定下一次搜索方向,即确定第三搜索窗,依次进行往下搜索,直到搜索窗的边框。
如图7所示,当所确定的搜索方向为d4方向的Y4时,则可以确定在Y4处的第二搜索窗,包括如图7所示的深色框内除Y4外的三个点N1、N2和N3,以Y4为中心点,根据图2所确定的方向,计算d4方向的N1,d1方向的N2,d6方向的N3这三个点与当前降噪像素X的相似度,求出相似度最大的点,根据该点的位置,确定下一次搜索方向,即确定第三搜索窗,依次进行往下搜索,直到搜索窗的边框。
如图8所示,当所确定的搜索方向为d5方向的Y5时,则可以确定在Y5处的第二搜索窗,包括如图8所示的深色框内除Y5外的三个点N1、N2和N3,以Y5为中心点,根据图2所确定的方向,计算d6方向的N1,d3方向的N2,d8方向的N3这三个点与当前降噪像素X的相似度,求出相似度最大的点,根据该点的位置,确定下一次搜索方向,即确定第三搜索窗,依次进行往下搜索,直到搜索窗的边框。
如图9所示,当所确定的搜索方向为d6方向的Y6时,则可以确定在Y6处的第二搜索窗,包括如图9所示的深色框内除Y6外的三个点N1、N2和N3,以Y6为中心点,根据图2所确定的方向,计算d6方向的N1,d7方向的N2,d4方向的N3这三个点与当前降噪像素X的相似度,求出相似度最大的点,根据该点的位置,确定下一次搜索方向,即确定第三搜索窗,依次进行往下搜索,直到搜索窗的边框。
如图10所示,当所确定的搜索方向为d7方向的Y7时,则可以确定在Y7处的第二搜索窗,包括如图10所示的深色框内除Y7外的三个点N1、N2和N3,以Y7为中心点,根据图2所确定的方向,计算d7方向的N1,d6方向的N2,d8方向的N3这三个点与当前降噪像素X的相似度,求出相似度最大的点,根据该点的位置,确定下一次搜索方向,即确定第三搜索窗,依次进行往下搜索,直到搜索窗的边框。
如图11所示,当所确定的搜索方向为d8方向的Y8时,则可以确定在Y8处的第二搜索窗,包括如图11所示的深色框内除Y8外的三个点N1、N2和N3,以Y8为中心点,根据图2所确定的方向,计算d1方向的N1,d2方向的N2,d4方向的N3这三个点与当前降噪像素X的相似度,求出相似度最大的点,根据该点的位置,确定下一次搜索方向,即确定第三搜索窗,依次进行往下搜索,直到搜索窗的边框。
在步骤S104中,根据所计算的相似度结果选择与当前降噪像素的相似度最高的像素对当前降噪像素进行降噪。
通过步骤S103,计算搜索窗中的像素与当前降噪像素的相似度来确定搜索方向,并根据搜索方向进一步确定搜索窗,根据搜索窗中的像素的计算结果再次确定搜索方向,直到搜索窗处于图像边界时结束,可以计算得到图像中的多个搜索窗中的像素点与当前降噪像素的相似度,根据相似度最高的像素对当前降噪像素进行降噪处理,从而对原始图像进行修复。
当然,作为本申请优化的一种实施方式中,由于根据第一搜索窗可以确定两个或者两个以上的搜索方向,当其中两个或者两个以上的搜索方向重合时,如果当前的搜索步进大于1,则可以降低搜索进步,使得在重合位置的搜索更为精细,从而能够得到更为准确的像素相似度计算结果。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
图12为本申请实施例提供的一种非局部均值滤波的降噪装置的结构示意图,所述非局部均值滤波的降噪装置包括:
降噪像素选择单元1201,获取含有噪声的原始图像中的一个像素作为当前降噪像素,以所述当前降噪像素为中心选取第一搜索窗;
相似度计算单元1202,用于计算所述第一搜索窗内的各个像素与所述当前降噪像素的相似度;
搜索单元1203,用于根据计算结果,选择相似度较高的像素为中心确定第二搜索窗,计算第二搜索窗与当前降噪像素的相似度,并选择相似度较高的像素为中心确定第三搜索窗,直到搜索至原始图像的边界;
降噪单元1204,用于根据所计算的相似度结果选择与当前降噪像素的相似度最高的像素对当前降噪像素进行降噪。
优选的,所述计算单元包括:
像素确定子单元,用于确定第一搜索窗内的像素Yi的相似窗内像素yi,以及当前降噪像素X的相似窗内像素xi;
第二计算子单元,用于根据所述相似窗内的像素的权重,计算第一搜索窗内的像素Yi与当前降噪像素X的相似度。
优选的,所述相似度计算单元包括:
相似窗确定子单元,用于根据第一搜索窗内的像素与所述当前降噪像素的相似度计算结果,选择两个或两个以上的相似度较高的像素为中心确定两个第二搜索窗,所述第二搜索窗中的像素为与相似度较高的像素相邻且不属于第一搜索窗中的像素;
第三计算子单元,用于分别计算第二搜索窗中的像素与所述当前降噪像素的相似度,根据所选择的相似度较高的像素确定搜索方向,直到搜索至原始图像的边界。
图12所述非局部均值滤波的降噪装置,与图1所述非局部均值滤波的降噪方法对应。
图13是本申请一实施例提供的非局部均值滤波的降噪设备的示意图。如图13所示,该实施例的非局部均值滤波的降噪设备13包括:处理器130、存储器131以及存储在所述存储器131中并可在所述处理器130上运行的计算机程序132,例如非局部均值滤波的降噪程序。所述处理器130执行所述计算机程序132时实现上述各个非局部均值滤波的降噪方法实施例中的步骤。或者,所述处理器130执行所述计算机程序132时实现上述各装置实施例中各模块/单元的功能。
示例性的,所述计算机程序132可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器131中,并由所述处理器130执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序132在所述非局部均值滤波的降噪设备13中的执行过程。例如,所述计算机程序132可以被分割成:
降噪像素选择单元,获取含有噪声的原始图像中的一个像素作为当前降噪像素,以所述当前降噪像素为中心选取第一搜索窗;
相似度计算单元,用于计算所述第一搜索窗内的各个像素与所述当前降噪像素的相似度;
搜索单元,用于根据计算结果,选择相似度较高的像素为中心确定第二搜索窗,计算第二搜索窗与当前降噪像素的相似度,并选择相似度较高的像素为中心确定第三搜索窗,直到搜索至原始图像的边界;
降噪单元,用于根据所计算的相似度结果选择与当前降噪像素的相似度最高的像素对当前降噪像素进行降噪。
所述非局部均值滤波的降噪设备13可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述非局部均值滤波的降噪设备可包括,但不仅限于,处理器130、存储器131。本领域技术人员可以理解,图13仅仅是非局部均值滤波的降噪设备13的示例,并不构成对非局部均值滤波的降噪设备13的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述非局部均值滤波的降噪设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器130可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。
所述存储器131可以是所述非局部均值滤波的降噪设备13的内部存储单元,例如非局部均值滤波的降噪设备13的硬盘或内存。所述存储器131也可以是所述非局部均值滤波的降噪设备13的外部存储设备,例如所述非局部均值滤波的降噪设备13上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器131还可以既包括所述非局部均值滤波的降噪设备13的内部存储单元也包括外部存储设备。所述存储器131用于存储所述计算机程序以及所述非局部均值滤波的降噪设备所需的其他程序和数据。所述存储器131还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元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,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种非局部均值滤波的降噪方法,其特征在于,所述非局部均值滤波的降噪方法包括:
获取含有噪声的原始图像中的一个像素作为当前降噪像素,以所述当前降噪像素为中心选取第一搜索窗;
计算所述第一搜索窗内的各个像素与所述当前降噪像素的相似度;
根据计算结果,对多个相似度的计算结果进行排序,选择相似度较高的像素为中心确定第二搜索窗,计算第二搜索窗与当前降噪像素的相似度,并选择相似度较高的像素为中心确定第三搜索窗,直到搜索至原始图像的边界;
根据所计算的相似度结果选择与当前降噪像素的相似度最高的像素对当前降噪像素进行降噪。
3.根据权利要求2所述的非局部均值滤波的降噪方法,其特征在于,所述方法还包括:
获取过滤后的图像边缘的模糊度和噪声过滤评价值;
当所述图像边缘的模糊度大于预定值,则降低衰减因子值;
当所述噪声过滤评价值较低时,则增加衰减因子值。
4.根据权利要求1所述的非局部均值滤波的降噪方法,其特征在于,所述根据计算结果,选择相似度较高的像素为中心确定第二搜索窗,计算第二搜索窗与当前降噪像素的相似度,并选择相似度较高的像素为中心确定第三搜索窗,直到搜索至原始图像的边界的步骤包括:
根据第一搜索窗内的像素与所述当前降噪像素的相似度计算结果,选择两个或两个以上的相似度较高的像素为中心确定两个第二搜索窗,所述第二搜索窗中的像素为与相似度较高的像素相邻且不属于第一搜索窗中的像素;
分别计算第二搜索窗中的像素与所述当前降噪像素的相似度,根据所选择的相似度较高的像素确定搜索方向,直到搜索至原始图像的边界。
5.根据权利要求4所述的非局部均值滤波的降噪方法,其特征在于,所述方法还包括:
当两个或者两个以上的第二搜索窗的搜索方向重合时,降低相似窗搜索的步进值。
6.一种非局部均值滤波的降噪装置,其特征在于,所述非局部均值滤波的降噪装置包括:
降噪像素选择单元,获取含有噪声的原始图像中的一个像素作为当前降噪像素,以所述当前降噪像素为中心选取第一搜索窗;
相似度计算单元,用于计算所述第一搜索窗内的各个像素与所述当前降噪像素的相似度;
搜索单元,用于根据计算结果,对多个相似度的计算结果进行排序,选择相似度较高的像素为中心确定第二搜索窗,计算第二搜索窗与当前降噪像素的相似度,并选择相似度较高的像素为中心确定第三搜索窗,直到搜索至原始图像的边界;
降噪单元,用于根据所计算的相似度结果选择与当前降噪像素的相似度最高的像素对当前降噪像素进行降噪。
8.根据权利要求6所述的非局部均值滤波的降噪装置,其特征在于,所述相似度计算单元包括:
相似窗确定子单元,用于根据第一搜索窗内的像素与所述当前降噪像素的相似度计算结果,选择两个或两个以上的相似度较高的像素为中心确定两个第二搜索窗,所述第二搜索窗中的像素为与相似度较高的像素相邻且不属于第一搜索窗中的像素;
第三计算子单元,用于分别计算第二搜索窗中的像素与所述当前降噪像素的相似度,根据所选择的相似度较高的像素确定搜索方向,直到搜索至原始图像的边界。
9.一种非局部均值滤波的降噪设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,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5任一项所述非局部均值滤波的降噪方法的步骤。
10.一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5任一项所述非局部均值滤波的降噪方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811513930.1A CN109785246B (zh) | 2018-12-11 | 2018-12-11 | 一种非局部均值滤波的降噪方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811513930.1A CN109785246B (zh) | 2018-12-11 | 2018-12-11 | 一种非局部均值滤波的降噪方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109785246A CN109785246A (zh) | 2019-05-21 |
CN109785246B true CN109785246B (zh) | 2021-04-30 |
Family
ID=66496159
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811513930.1A Active CN109785246B (zh) | 2018-12-11 | 2018-12-11 | 一种非局部均值滤波的降噪方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109785246B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111784605B (zh) * | 2020-06-30 | 2024-01-26 | 珠海全志科技股份有限公司 | 一种基于区域指导的图像降噪方法、计算机装置及计算机可读存储介质 |
CN114584673B (zh) * | 2020-12-01 | 2024-01-09 | 京东方科技集团股份有限公司 | 一种图像处理方法和装置 |
CN112837242B (zh) * | 2021-02-19 | 2023-07-14 | 成都国科微电子有限公司 | 一种图像降噪处理方法、装置、设备及介质 |
CN113890961A (zh) * | 2021-10-13 | 2022-01-04 | Oppo广东移动通信有限公司 | 图像处理方法与装置、终端及可读存储介质 |
CN114693543B (zh) * | 2021-12-07 | 2024-04-05 | 珠海市杰理科技股份有限公司 | 图像降噪方法及装置、图像处理芯片、图像采集设备 |
CN116385416B (zh) * | 2023-04-11 | 2023-09-01 | 杭州三普机械有限公司 | 一种高速编织机智能控制方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2481239A (en) * | 2010-06-17 | 2011-12-21 | Canon Kk | Image enhancement using non-local means(NLM) |
CN107085832A (zh) * | 2017-03-28 | 2017-08-22 | 西安工程大学 | 一种数字图像非局部平均去噪的快速实现方法 |
CN108765332A (zh) * | 2018-05-23 | 2018-11-06 | 成都信息工程大学 | 一种椭圆搜索窗口和参数自适应的非局部均值去噪方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103686194B (zh) * | 2012-09-05 | 2017-05-24 | 北京大学 | 基于非局部均值的视频去噪方法和装置 |
CN103745447B (zh) * | 2014-02-17 | 2016-05-25 | 东南大学 | 一种非局部均值滤波的快速并行实现方法 |
CN103955903A (zh) * | 2014-05-09 | 2014-07-30 | 东南大学 | 一种权值窗口自适应非局部均值图像去噪方法 |
CN105046654B (zh) * | 2015-06-23 | 2017-11-10 | 华中科技大学 | 一种基于粒子群优化的心电信号自适应非局部均值降噪方法 |
CN105787889B (zh) * | 2015-12-23 | 2018-08-07 | 郑州大学 | 一种基于非局部均值的图像快速去噪方法 |
-
2018
- 2018-12-11 CN CN201811513930.1A patent/CN109785246B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2481239A (en) * | 2010-06-17 | 2011-12-21 | Canon Kk | Image enhancement using non-local means(NLM) |
CN107085832A (zh) * | 2017-03-28 | 2017-08-22 | 西安工程大学 | 一种数字图像非局部平均去噪的快速实现方法 |
CN108765332A (zh) * | 2018-05-23 | 2018-11-06 | 成都信息工程大学 | 一种椭圆搜索窗口和参数自适应的非局部均值去噪方法 |
Non-Patent Citations (1)
Title |
---|
医学图像的自适应非局部均值去噪算法;张权等;《计算机工程》;20120405;第38卷(第07期);第182-184页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109785246A (zh) | 2019-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109785246B (zh) | 一种非局部均值滤波的降噪方法、装置及设备 | |
CN109522874B (zh) | 人体动作识别方法、装置、终端设备及存储介质 | |
CN109064428B (zh) | 一种图像去噪处理方法、终端设备及计算机可读存储介质 | |
CN107358586B (zh) | 一种图像增强方法、装置及设备 | |
CN108921806B (zh) | 一种图像处理方法、图像处理装置及终端设备 | |
US20170316552A1 (en) | Blind image deblurring via progressive removal of blur residual | |
EP2352121A1 (en) | Image processing apparatus and method | |
CN110675334A (zh) | 一种图像增强方法及装置 | |
CN112348765A (zh) | 数据增强方法、装置、计算机可读存储介质及终端设备 | |
CN109840883B (zh) | 一种训练物体识别神经网络的方法、装置及计算设备 | |
CN112150371B (zh) | 图像降噪方法、装置、设备及存储介质 | |
CN111882565B (zh) | 一种图像二值化方法、装置、设备及存储介质 | |
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 | |
CN111861938B (zh) | 图像去噪方法、装置、电子设备及可读存储介质 | |
US20160300331A1 (en) | Scalable massive parallelization of overlapping patch aggregation | |
CN111223061A (zh) | 图像修正方法、修正装置、终端设备及可读存储介质 | |
CN109859143A (zh) | 高光谱图像全色锐化方法、装置及电子设备 | |
CN114638294A (zh) | 一种数据增强方法、装置、终端设备及存储介质 | |
KR20090083951A (ko) | 디지털 화상을 컨텐츠 적응형 디테일 필터링하는 방법 및 장치 | |
CN115689947B (zh) | 一种图像锐化的方法、系统、电子装置和存储介质 | |
CN111724326A (zh) | 图像处理方法及装置、电子设备及存储介质 | |
CN111754435A (zh) | 图像处理方法、装置、终端设备及计算机可读存储介质 | |
CN111222446A (zh) | 人脸识别方法、人脸识别装置及移动终端 | |
CN110619668B (zh) | 一种图像抽象方法、装置及终端设备 | |
CN113963004A (zh) | 一种采样方法、装置及电子设备 |
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 | ||
CB02 | Change of applicant information |
Address after: 11-13 / F, joint headquarters building, high tech Zone, 63 Xuefu Road, Yuehai street, Nanshan District, Shenzhen, Guangdong 518000 Applicant after: Obi Zhongguang Technology Group Co., Ltd Address before: 12 / F, joint headquarters building, high tech Zone, 63 Xuefu Road, Yuehai street, Nanshan District, Shenzhen, Guangdong 518000 Applicant before: SHENZHEN ORBBEC Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |