CN109934789B - 图像去噪方法、装置及电子设备 - Google Patents
图像去噪方法、装置及电子设备 Download PDFInfo
- Publication number
- CN109934789B CN109934789B CN201910234288.1A CN201910234288A CN109934789B CN 109934789 B CN109934789 B CN 109934789B CN 201910234288 A CN201910234288 A CN 201910234288A CN 109934789 B CN109934789 B CN 109934789B
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- point
- filtering
- boundary
- 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
本发明实施例涉及图像处理技术领域,提供一种图像去噪方法、装置及电子设备,所述方法包括:获取原始图像;对原始图像进行第一滤波处理,得到第一滤波图像;对原始图像进行第二滤波处理,得到第二滤波图像;将原始图像和第一滤波图像进行块匹配,以确定出第一滤波图像中的所有边界点;依据边界点将第一滤波图像和第二滤波图像进行融合,得到去噪图像。与现有技术相比,本发明实施例能够在对图像进行去噪的同时有效保留图像中的细节信息,提升了去噪效果。
Description
技术领域
本发明实施例涉及图像处理技术领域,具体而言,涉及一种图像去噪方法、装置及电子设备。
背景技术
在图像的传输与获取过程中,经常由于工作环境条件等因素的影响,使得图像被噪声干扰导致其部分信息被破坏,为了能够从图像中提取到更多的信息,需要对图像进行去噪处理。图像去噪是非常重要的图像预处理手段,它可以帮助改善画质,提高图像分割、图像配准等的精确度。
目前使用较广泛的去噪方法有均值滤波、中值滤波、高斯滤波等,这些方法虽然能够很好地抑制噪声并且重构出图像的主要结构信息,但是图像中的边缘、纹理等细节信息同样会被作为噪声进行处理,因此,如何在对图像去噪的同时有效保留图像中的细节信息,是研究人员亟待解决的技术问题。
发明内容
本发明实施例的目的在于提供一种图像去噪方法、装置及电子设备,用以改善上述问题。
为了实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明实施例提供了一种图像去噪方法,所述方法包括:获取原始图像;对所述原始图像进行第一滤波处理,得到第一滤波图像;对所述原始图像进行第二滤波处理,得到第二滤波图像;将所述原始图像和所述第一滤波图像进行块匹配,以确定出所述第一滤波图像中的所有边界点;依据所述边界点将所述第一滤波图像和所述第二滤波图像进行融合,得到去噪图像。
第二方面,本发明实施例还提供了一种图像去噪装置,所述装置包括原始图像获取模块、第一滤波模块、第二滤波模块、边界点确定模块及去噪图像获得模块。其中,原始图像获取模块用于获取原始图像;第一滤波模块用于对所述原始图像进行第一滤波处理,得到第一滤波图像;第二滤波模块用于对所述原始图像进行第二滤波处理,得到第二滤波图像;边界点确定模块用于将所述原始图像和所述第一滤波图像进行块匹配,以确定出所述第一滤波图像中的所有边界点;去噪图像获得模块用于依据所述边界点将所述第一滤波图像和所述第二滤波图像进行融合,得到去噪图像。
第三方面,本发明实施例还提供了一种电子设备,所述电子设备包括:一个或多个处理器;存储器,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现上述的图像去噪方法。
相对现有技术,本发明实施例提供的一种图像去噪方法、装置及电子设备,首先获取原始图像,然后一方面对原始图像进行第一滤波处理得到第一滤波图像,另一方面对原始图像进行第二滤波处理得到第二滤波图像;再将原始图像和第一滤波图像进行块匹配,以确定出第一滤波图像中被误判为噪声进行处理的边界点;最后依据确定出的边界点将第一滤波图像和第二滤波图像进行融合,从而将边界点的细节信息进行恢复,得到最终的去噪图像。与现有技术相比,本发明实施例能够在对图像进行去噪的同时有效保留图像中的细节信息,提升了去噪效果。
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示出了本发明实施例提供的电子设备的方框示意图。
图2示出了本发明实施例提供的图像去噪方法流程图。
图3为图2示出的步骤S103的子步骤流程图。
图4为第二滤波处理的示例图。
图5为图2示出的步骤S104的子步骤流程图。
图6为原始图像和第一滤波图像进行块匹配的示例图。
图7为边界点输出示意图。
图8为图2示出的步骤S105的子步骤流程图。
图9为第二预设窗口内的边界点示例图。
图10为去噪图像示意图。
图11示出了本发明实施例提供的图像去噪装置的方框示意图。
图标:100-电子设备;101-处理器;102-存储器;103-总线;104-通信接口;200-图像去噪装置;201-原始图像获取模块;202-第一滤波模块;203-第二滤波模块;204-边界点确定模块;205-去噪图像获得模块。
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。
请参照图1,图1示出了本发明实施例提供的电子设备100的方框示意图。电子设备100可以对原始图像进行去噪的同时有效保留原始图像中的细节信息,得到去噪图像。电子设备100可以是,但不限于笔记本电脑、台式机、服务器、便携计算机等等。电子设备100包括处理器101、存储器102、总线103和通信接口104,处理器101、存储器102和通信接口104通过总线103连接。
存储器102可能包括高速随机存取存储器(RAM:Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。电子设备100通过至少一个通信接口104(可以是有线或者无线)实现该电子设备100与其它设备之间的通信连接。
存储器102用于存储程序,例如图6所示的图像去噪装置200。图像去噪装置200包括至少一个能以软件或固件(firmware)的形式存储于存储器102中或固化在电子设备100的操作系统中的软件功能模块。处理器101可以在接收到执行指令后,执行存储器102中存储的程序以实现下述实施例揭示的图像去噪方法。
处理器101可能是一种集成电路芯片,具有信号的处理能力,用于执行存储器102中存储的可执行模块,例如计算机程序,在执行过程中,图像去噪方法的各步骤可以通过处理器101中的硬件的集成逻辑电路或者软件形式的指令完成。处理器101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(NetworkProcessor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
总线103可以是ISA总线、PCI总线或EISA总线等。图1中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器101执行时实现下述实施例揭示的图像去噪方法。
第一实施例
请参照图2,图2示出了本发明实施例提供的图像去噪方法流程图。图像去噪方法包括以下步骤:
步骤S101,获取原始图像。
在一个实施例中,原始图像可以是任何一张需要进行去噪处理的图像,例如,可以是利用相机等摄像装置等拍摄的图片、或者用户通过网络下载的图片等。
步骤S102,对原始图像进行第一滤波处理,得到第一滤波图像。
在一个实施例中,第一滤波处理可以是均值滤波、中值滤波、高斯滤波、双边滤波、自适应维纳滤波等中的任意一种,第一滤波处理的目的是去除原始图像中平坦区域的噪声。可选地,在本实施例中,第一滤波处理可以是均值滤波,均值滤波是一种线性滤波算法,它是指在用均值代替原始图像中各个像素点的原像素点,即,对于待处理的当前像素点(x,y),选择一个模板,该模板由当前像素点(x,y)近邻的若干像素点组成,然后求模板中所有像素点的均值g(x,y),再用均值g(x,y)代替当前像素点(x,y)的原像素值,即,其中,m为该模板中包含当前像素点(x,y)在内的像素总个数。
步骤S103,对原始图像进行第二滤波处理,得到第二滤波图像。
在一个实施例中,第二滤波处理可以是在原始图像中只选择与待处理的当前像素点(x,y)相差不大的像素点进行均值滤波处理,也就是说,第二滤波处理可以是遍历原始图像中的每个像素点,对于待处理的当前像素点(x,y),从由当前像素点(x,y)近邻的若干像素点组成的模板中选择与当前像素点(x,y)相差不大的像素点进行累加平均,再用求得的均值代替当前像素点(x,y)的原像素值,下面进行详细介绍。
请参照图3,在本发明一个实施例中,假设原始图像包括多个第一像素点,步骤S103中对原始图像进行第二滤波处理,得到第二滤波图像的方法可以包括以下子步骤:
子步骤S1031,在以第一当前像素点为中心点的第一预设窗口内,确定出与第一当前像素点的像素值偏差均在预设范围内的所有第一目标像素点。
在一个实施例中,第一预设窗口可以是一个N×N的图像块,例如,3×3,N的数量可以由用户根据实际情况灵活设置,在此不作限定。以第一预设窗口为3×3的图像块为例,请参照图4,在以待处理的第一当前像素点(x1,y1)为中心点的第一预设窗口内,确定出与该第一当前像素点的像素值偏差均在预设范围内的所有第一目标像素点,即,|f(x1,y1)-f(x,y)|<=Th,其中,f(x1,y1)为第一当前像素点的像素值,f(x,y)为第一预设窗口内除该第一当前像素点之外的任意一个其它第一像素点的像素值,Th为预设范围的取值。预设范围可以由用户根据实际情况灵活设置,例如,100,也就是将第一预设窗口内与第一当前像素点的像素值偏差不大于100的其它第一像素点均作为第一目标像素点,假设图4中1、5、7三个第一像素点的像素值均不大于100,则将该三个第一像素点均作为第一目标像素点。
子步骤S1032,对所有第一目标像素点的像素值进行均值计算,得到像素均值。
在一个实施例中,确定出第一预设窗口内所有的第一目标像素点之后,对所有目标像素点的像素值进行均值计算,例如,确定出图4中1、5、7三个第一像素点均为第一目标像素点,则对该三个像素点进行均值计算,如果原始图像为RGB图像,则分别按照颜色通道进行累加平均。
子步骤S1033,利用像素均值替代第一当前像素点的原像素值。
在一个实施例中,对第一预设窗口内所有的第一目标像素点进行均值计算,得到像素均值之后,将待处理的第一当前像素点的原像素值替换为计算出来的像素均值,如果原始图像为RGB图像,则分别按照颜色通道进行替换。
子步骤S1034,重复上述步骤,遍历原始图像中的每个第一像素点,得到第二滤波图像。
在一个实施例中,遍历原始图像中的每个第一像素点,对于每个第一像素点,均按照子步骤S1031~S1033中介绍的方法进行处理,得到第二滤波图像。
步骤S104,将原始图像和第一滤波图像进行块匹配,以确定出第一滤波图像中的所有边界点。
在一个实施例中,由于均值滤波处理假设原始图像满足正则性条件,在这种假设下,原始图像中的边缘与纹理等细节信息会被理解为噪声而被光滑,因此,需要确定出第一滤波图像中被误判为细节的所有边界点并进行恢复。
请参照图5,在本发明一个实施例中,假设原始图像包括多个第一像素点,第一滤波图像包括多个第二像素点,多个第一像素点和多个第二像素点一一对应,步骤S104中将原始图像和第一滤波图像进行块匹配,以确定出第一滤波图像中的所有边界点的方法可以包括以下子步骤:
子步骤S1041,从原始图像中获取第一当前像素点、以及从第一滤波图像中获取与所述第一当前像素点对应的第二当前像素点。
在一个实施例中,第一当前像素点可以是原始图像中的任意一个像素点,第二当前像素点可以是第一滤波图像中与第一当前像素点对应的像素点,例如,请参照图6,第一当前像素点为(x1,y1),第二当前像素点为(x2,y2)。
子步骤S1042,在原始图像中确定出以第一当前像素点为中心点的第一图像块、以及在第一滤波图像中确定出以第二当前像素点为中心点且与第一图像块对应的第二图像块。
在一个实施例中,第一图像块和第二图像块均可以是N×N的图像块,例如,3×3,N的数量可以由用户根据实际情况灵活设置,在此不作限定。
子步骤S1043,判断第一图像块与第二图像块是否匹配。
在一个实施例中,第一图像块包括多个第一待处理像素点,第二图像块包括多个第二待处理像素点,多个第一待处理像素点和多个第二待处理像素点一一对应。例如,图6中多个第一待处理像素点包括(x1,y1)及1~8,多个第二待处理像素点包括(x2,y2)及1′~8′。
第一图像块与第二图像块匹配的标准是均值滤波处理前后图像块中所有像素点的偏差均会被锁定在一个预设的阈值范围(例如,200)内,如果图像块内存在偏差超过这一阈值范围的像素点,则表示原始图像的细节部分遭到了破坏。具体来说,判断第一图像块与第二图像块是否匹配的方式,可以包括:
首先,将每个第一待处理像素点与每个第一待处理像素点对应的第二待处理像素点进行对比,例如,将图6中的(x1,y1)与(x2,y2)进行对比、1~8与1′~8′进行对比;
然后,当存在与第一待处理像素点的像素值偏差超过预设阈值范围的第二待处理像素点时,则判定第一图像块和第二图像块不匹配,预设阈值范围可以由用户根据实际情况灵活设置,例如,200,假设图6中第一待处理像素点2与第二待处理像素点2′的像素值偏差超过200,则判定第一图像块和第二图像块不匹配。
子步骤S1044,当判定第一图像块与第二图像块不匹配时,将第二当前像素点确定为边界点。
在一个实施例中,当按照子步骤S1043介绍的方法判定第一图像块和第二图像块不匹配时,将第一滤波图像中的第二当前像素点确定为边界点,例如,判定图6中的第一图像块和第二图像块不匹配,则将第二当前像素点(x2,y2)确定为边界点。
子步骤S1045,重复上述步骤,遍历原始图像中的每个第一像素点和第一滤波图像中与每个第一像素点对应的第二像素点,确定出第一滤波图像中的所有边界点。
在一个实施例中,遍历原始图像中的每个第一像素点和第一滤波图像中与每个第一像素点对应的第二像素点,对于每个第一像素点和与每个第一像素点对应的第二像素点,均按照子步骤S1041~S1044中介绍的方法进行处理,确定出第一滤波图像中的所有边界点,请参照图7,通过上述介绍的方法,可以确定出第一滤波图像中所有的边界点。
步骤S105,依据边界点将第一滤波图像和第二滤波图像进行融合,得到去噪图像。
在一个实施例中,判定出的边界点,有可能是由于预设阈值范围设置的过小导致判定的边界范围过大造成的,这种情形下会将很多平坦区域的点也判定成边界,此时需要进一步进行优化,计算出每个边界点的边界权重值,再根据边界权重值将第一滤波图像和第二滤波图像进行融合,得到去噪图像,请参照图8,具体可以包括以下子步骤:
子步骤S1051,计算第一滤波图像中每个边界点的边界权重值。
在一个实施例中,边界权重值的计算方式可以包括:首先,统计以当前边界点为中心点的第二预设窗口内所有边界点的数目,其中,第二图像块位于第二预设窗口内且第二图像块的面积小于第二预设窗口的面积,第二预设窗口的大小可以是一个N×N的图像块,例如,5×5,N的数量可以由用户根据实际情况灵活设置,在此不作限定。请参照图9,假设当前边界点为(x0,y0),第二预设窗口为5×5,假设以当前边界点为中心点的第二预设窗口内共有(x0,y0)及A~H共9个边界点;
最后,重复上述步骤,遍历第一滤波图像中每个边界点,得到每个边界点的边界权重值。
子步骤S1052,依据每个边界点的像素值、边界权重值、以及第二滤波图像中与每个边界点对应的目标像素点的像素值,将第一滤波图像和第二滤波图像进行融合,得到去噪图像。
在一个实施例中,计算出第一滤波图像中每个边界点的边界权重值之后,将第一滤波图像和第二滤波图像进行融合,具体的融合过程可以包括:
首先,在第一滤波图像中,保持除所有边界点之外的其它像素点的像素值不变;然后,依据每个边界点的像素值、边界权重值、以及第二滤波图像中与每个边界点对应的目标像素点的像素值,计算每个边界点的调整像素值,具体来说,可以按照公式g(x,y)=C*f(x,y)+(1-C)*f(x1,y1)计算每个边界点的调整像素值,其中,C为边界点的权重值,f(x,y)为边界点的像素值,f(x1,y1)为第二滤波图像中与边界点对应的目标像素点的像素值;最后,利用每个边界点的调整像素值替代每个边界点的原像素值,得到去噪图像,请参照图10,图10为图7对应的去噪图像。
第二实施例
请参照图11,图11示出了本发明实施例提供的图像去噪装置200的方框示意图。图像去噪装置200包括原始图像获取模块201、第一滤波模块202、第二滤波模块203、边界点确定模块204及去噪图像获得模块205。
原始图像获取模块201,用于获取原始图像。
第一滤波模块202,用于对原始图像进行第一滤波处理,得到第一滤波图像。
第二滤波模块203,用于对原始图像进行第二滤波处理,得到第二滤波图像。
在一个实施例中,原始图像包括多个第一像素点,第二滤波模块203,具体用于在以第一当前像素点为中心点的第一预设窗口内,确定出与第一当前像素点的像素值偏差均在预设范围内的所有第一目标像素点;对所有第一目标像素点的像素值进行均值计算,得到像素均值;利用像素均值替代第一当前像素点的原像素值;重复上述步骤,遍历原始图像中的每个第一像素点,得到第二滤波图像。
边界点确定模块204,用于将原始图像和第一滤波图像进行块匹配,以确定出第一滤波图像中的所有边界点。
在一个实施例中,原始图像包括多个第一像素点,第一滤波图像包括多个第二像素点,多个第一像素点和多个第二像素点一一对应,边界点确定模块204,具体用于从原始图像中获取第一当前像素点、以及从第一滤波图像中获取与第一当前像素点对应的第二当前像素点;在原始图像中确定出以第一当前像素点为中心点的第一图像块、以及在第一滤波图像中确定出以第二当前像素点为中心点且与第一图像块对应的第二图像块;判断第一图像块与第二图像块是否匹配;当判定第一图像块与第二图像块不匹配时,将第二当前像素点确定为边界点;重复上述步骤,遍历原始图像中的每个第一像素点和第一滤波图像中与每个第一像素点对应的第二像素点,确定出第一滤波图像中的所有边界点。
在一个实施例中,第一图像块包括多个第一待处理像素点,第二图像块包括多个第二待处理像素点,多个第一待处理像素点和多个第二待处理像素点一一对应。边界点确定模块204执行判断第一图像块与第二图像块是否匹配的方式,包括:将每个第一待处理像素点与每个第一待处理像素点对应的第二待处理像素点进行对比;当存在与第一待处理像素点的像素值偏差超过预设阈值范围的第二待处理像素点时,则判定第一图像块和第二图像块不匹配。
去噪图像获得模块205,用于依据边界点将第一滤波图像和第二滤波图像进行融合,得到去噪图像。
在一个实施例中,去噪图像获得模块205,具体用于计算第一滤波图像中每个边界点的边界权重值;依据每个边界点的像素值、边界权重值、以及第二滤波图像中与每个边界点对应的目标像素点的像素值,将第一滤波图像和第二滤波图像进行融合,得到去噪图像。
在一个实施例中,去噪图像获得模块205执行计算第一滤波图像中每个边界点的边界权重值的方式,包括:统计以当前边界点为中心点的第二预设窗口内所有边界点的数目,其中,第二图像块位于第二预设窗口内且第二图像块的面积小于第二预设窗口的面积;计算所有边界点的数目与第二预设窗口内所有第二像素点的数目的比值;将比值确定为当前边界点的边界权重值;重复上述步骤,遍历第一滤波图像中每个边界点,得到每个边界点的边界权重值。
在一个实施例中,去噪图像获得模块205执行依据每个边界点的像素值、边界权重值、以及第二滤波图像中与每个边界点对应的目标像素点的像素值,将第一滤波图像和第二滤波图像进行融合,得到去噪图像的方式,包括:在第一滤波图像中,保持除所有边界点之外的其它像素点的像素值不变;依据每个边界点的像素值、边界权重值、以及第二滤波图像中与每个边界点对应的目标像素点的像素值,计算每个边界点的调整像素值;利用每个边界点的调整像素值替代每个边界点的原像素值,得到去噪图像。
在一个实施例中,去噪图像获得模块205执行依据每个边界点的像素值、边界权重值、以及第二滤波图像中与每个边界点对应的目标像素点的像素值,计算每个边界点的调整像素值的方式,包括:按照公式g(x,y)=C*f(x,y)+(1-C)*f(x1,y1)计算每个边界点的调整像素值,其中,C为边界点的权重值,f(x,y)为边界点的像素值,f(x1,y1)为第二滤波图像中与边界点对应的目标像素点的像素值。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的图像去噪装置200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。
综上所述,本发明实施例提供的一种图像去噪方法、装置及电子设备,所述方法包括:获取原始图像;对原始图像进行第一滤波处理,得到第一滤波图像;对原始图像进行第二滤波处理,得到第二滤波图像;将原始图像和第一滤波图像进行块匹配,以确定出第一滤波图像中的所有边界点;依据边界点将第一滤波图像和第二滤波图像进行融合,得到去噪图像。与现有技术相比,本发明实施例能够在对图像进行去噪的同时有效保留图像中的细节信息,提升了去噪效果。
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。
Claims (9)
1.一种图像去噪方法,其特征在于,所述方法包括:
获取原始图像;
对所述原始图像进行第一滤波处理,得到第一滤波图像;
对所述原始图像进行第二滤波处理,得到第二滤波图像;
所述原始图像包括多个第一像素点,所述对所述原始图像进行第二次滤波处理,得到第二次滤波图像的步骤,包括:
在以第一当前像素点为中心点的第一预设窗口内,确定出与所述第一当前像素点的像素值偏差均在预设范围内的所有第一目标像素点;
对所有第一目标像素点的像素值进行均值计算,得到像素均值;
利用所述像素均值替代所述第一当前像素点的原像素值;
重复上述步骤,遍历所述原始图像中的每一个第一像素点,得到第二滤波图像;
将所述原始图像和所述第一滤波图像进行块匹配,以确定出所述第一滤波图像中的所有边界点;
依据所述边界点将所述第一滤波图像和所述第二滤波图像进行融合,得到去噪图像;
所述第一滤波处理是均值滤波、中值滤波、高斯滤波、双边滤波和自适应维纳滤波中的任意一种,其中,所述第一滤波处理是均值滤波时,用均值代替原始图像中各个像素点的原像素点。
2.如权利要求1所述的方法,其特征在于,所述原始图像包括多个第一像素点,所述第一滤波图像包括多个第二像素点,所述多个第一像素点和所述多个第二像素点一一对应;
所述将所述原始图像和所述第一滤波图像进行块匹配,以确定出所述第一滤波图像中的所有边界点的步骤,包括:
从所述原始图像中获取第一当前像素点、以及从所述第一滤波图像中获取与所述第一当前像素点对应的第二当前像素点;
在所述原始图像中确定出以所述第一当前像素点为中心点的第一图像块、以及在所述第一滤波图像中确定出以所述第二当前像素点为中心点且与所述第一图像块对应的第二图像块;
判断所述第一图像块与所述第二图像块是否匹配;
当判定所述第一图像块与所述第二图像块不匹配时,将所述第二当前像素点确定为边界点;
重复上述步骤,遍历所述原始图像中的每个第一像素点和所述第一滤波图像中与每个第一像素点对应的第二像素点,确定出所述第一滤波图像中的所有边界点。
3.如权利要求2所述的方法,其特征在于,所述第一图像块包括多个第一待处理像素点,所述第二图像块包括多个第二待处理像素点,所述多个第一待处理像素点和所述多个第二待处理像素点一一对应;
判断所述第一图像块与所述第二图像块是否匹配的步骤,包括:
将每个第一待处理像素点与每个第一待处理像素点对应的第二待处理像素点进行对比;
当存在与第一待处理像素点的像素值偏差超过预设阈值范围的第二待处理像素点时,则判定所述第一图像块和所述第二图像块不匹配。
4.如权利要求2所述的方法,其特征在于,所述依据所述边界点将所述第一滤波图像和所述第二滤波图像进行融合,得到去噪图像的步骤,包括:
计算所述第一滤波图像中每个边界点的边界权重值;
依据每个边界点的像素值、边界权重值、以及所述第二滤波图像中与每个边界点对应的目标像素点的像素值,将所述第一滤波图像和所述第二滤波图像进行融合,得到去噪图像。
5.如权利要求4所述的方法,其特征在于,所述计算所述第一滤波图像中每个边界点的边界权重值的步骤,包括:
统计以当前边界点为中心点的第二预设窗口内所有边界点的数目,其中,所述第二图像块位于所述第二预设窗口内且所述第二图像块的面积小于所述第二预设窗口的面积;
计算所有边界点的数目与所述第二预设窗口内所有第二像素点的数目的比值;
将所述比值确定为所述当前边界点的边界权重值;
重复上述步骤,遍历所述第一滤波图像中每个边界点,得到每个边界点的边界权重值。
6.如权利要求4所述的方法,其特征在于,所述依据每个边界点的像素值、边界权重值、以及所述第二滤波图像中与每个边界点对应的目标像素点的像素值,将所述第一滤波图像和所述第二滤波图像进行融合,得到去噪图像的步骤,包括:
在所述第一滤波图像中,保持除所有边界点之外的其它像素点的像素值不变;
依据每个边界点的像素值、边界权重值、以及所述第二滤波图像中与每个边界点对应的目标像素点的像素值,计算每个边界点的调整像素值;
利用每个边界点的调整像素值替代每个边界点的原像素值,得到去噪图像。
7.如权利要求6所述的方法,其特征在于,所述依据每个边界点的像素值、边界权重值、以及所述第二滤波图像中与每个边界点对应的目标像素点的像素值,计算每个边界点的调整像素值的步骤,包括:
按照公式g(x,y)=C*f(x,y)+(1-C)*f(x1,y1)计算每个边界点的调整像素值,其中,C为边界点的权重值,f(x,y)为边界点的像素值,f(x1,y1)为所述第二滤波图像中与边界点对应的目标像素点的像素值。
8.一种图像去噪装置,其特征在于,所述装置包括:
原始图像获取模块,用于获取原始图像;
第一滤波模块,用于对所述原始图像进行第一滤波处理,得到第一滤波图像;
第二滤波模块,用于对所述原始图像进行第二滤波处理,得到第二滤波图像;
所述原始图像包括多个第一像素点,所述第二滤波模块执行所述对所述原始图像进行第二滤波处理,得到第二滤波图像的方式,包括:
在以第一当前像素点为中心点的第一预设窗口内,确定出与所述第一当前像素点的像素值偏差均在预设范围内的所有第一目标像素点;
对所有第一目标像素点的像素值进行均值计算,得到像素均值;
利用所述像素均值替代所述第一当前像素点的原像素值;
重复上述步骤,遍历所述原始图像中的每个第一像素点,得到第二滤波图像;
边界点确定模块,用于将所述原始图像和所述第一滤波图像进行块匹配,以确定出所述第一滤波图像中的所有边界点;
去噪图像获得模块,用于依据所述边界点将所述第一滤波图像和所述第二滤波图像进行融合,得到去噪图像;
所述第一滤波处理是均值滤波、中值滤波、高斯滤波、双边滤波和自适应维纳滤波中的任意一种,其中,所述第一滤波处理是均值滤波时,用均值代替原始图像中各个像素点的原像素点。
9.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910234288.1A CN109934789B (zh) | 2019-03-26 | 2019-03-26 | 图像去噪方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910234288.1A CN109934789B (zh) | 2019-03-26 | 2019-03-26 | 图像去噪方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109934789A CN109934789A (zh) | 2019-06-25 |
CN109934789B true CN109934789B (zh) | 2021-01-01 |
Family
ID=66988444
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910234288.1A Active CN109934789B (zh) | 2019-03-26 | 2019-03-26 | 图像去噪方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109934789B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113129220B (zh) * | 2019-12-31 | 2024-03-29 | 荣耀终端有限公司 | 图像处理方法及电子设备 |
CN111489313B (zh) * | 2020-04-13 | 2023-10-31 | 湖南国科微电子股份有限公司 | 一种cfa图像去马赛克方法及装置 |
CN112150390B (zh) * | 2020-09-30 | 2023-01-03 | 北京小狗吸尘器集团股份有限公司 | 图像去噪方法、装置、计算机可读存储介质及电子设备 |
CN113724276B (zh) * | 2021-08-04 | 2024-05-28 | 香港中文大学(深圳) | 一种息肉图像的分割方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105894477A (zh) * | 2016-06-03 | 2016-08-24 | 深圳市樊溪电子有限公司 | 天文图像噪声去除方法 |
CN105913383A (zh) * | 2016-03-28 | 2016-08-31 | 河海大学常州校区 | 基于图像块先验估计混合框架的图像降噪方法 |
CN107146206A (zh) * | 2017-04-13 | 2017-09-08 | 西安电子科技大学 | 基于四维块匹配滤波的高光谱遥感图像去噪方法 |
CN107220941A (zh) * | 2016-12-15 | 2017-09-29 | 西南科技大学 | 一种去除图像冲击噪声的方法及系统 |
US10410326B2 (en) * | 2015-04-16 | 2019-09-10 | Institute Of Automation Chinese Academy Of Sciences | Image anti-aliasing system |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9305338B1 (en) * | 2013-12-13 | 2016-04-05 | Pixelworks, Inc. | Image detail enhancement and edge sharpening without overshooting |
CN104504652A (zh) * | 2014-10-10 | 2015-04-08 | 中国人民解放军理工大学 | 一种快速有效保留边缘及方向特征的图像去噪方法 |
CN106600550B (zh) * | 2016-11-29 | 2020-08-11 | 深圳开立生物医疗科技股份有限公司 | 超声图像处理方法及系统 |
CN107680057A (zh) * | 2017-09-28 | 2018-02-09 | 武汉中旗生物医疗电子有限公司 | 超声图像增强的方法及装置 |
CN109188148B (zh) * | 2018-09-26 | 2019-10-25 | 国网安徽省电力有限公司铜陵市义安区供电公司 | 应用于智能电网的输电线路可靠监测系统 |
-
2019
- 2019-03-26 CN CN201910234288.1A patent/CN109934789B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10410326B2 (en) * | 2015-04-16 | 2019-09-10 | Institute Of Automation Chinese Academy Of Sciences | Image anti-aliasing system |
CN105913383A (zh) * | 2016-03-28 | 2016-08-31 | 河海大学常州校区 | 基于图像块先验估计混合框架的图像降噪方法 |
CN105894477A (zh) * | 2016-06-03 | 2016-08-24 | 深圳市樊溪电子有限公司 | 天文图像噪声去除方法 |
CN107220941A (zh) * | 2016-12-15 | 2017-09-29 | 西南科技大学 | 一种去除图像冲击噪声的方法及系统 |
CN107146206A (zh) * | 2017-04-13 | 2017-09-08 | 西安电子科技大学 | 基于四维块匹配滤波的高光谱遥感图像去噪方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109934789A (zh) | 2019-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109934789B (zh) | 图像去噪方法、装置及电子设备 | |
CN109325954B (zh) | 图像分割方法、装置及电子设备 | |
CN110189285B (zh) | 一种多帧图像融合方法及装置 | |
US11107202B2 (en) | Contrast enhancement and reduction of noise in images from cameras | |
CN109741287B (zh) | 图像导向滤波方法及装置 | |
WO2017047494A1 (ja) | 画像処理装置 | |
JP7449507B2 (ja) | カメラストリームのためのマスクを生成する方法、コンピュータープログラム製品およびコンピューター可読媒体 | |
CN110688871A (zh) | 一种基于条码识别的边缘检测方法 | |
CN113554649A (zh) | 一种缺陷检测方法、装置、计算机设备及存储介质 | |
CN112489063A (zh) | 图像分割方法、图像分割模型的训练方法和装置 | |
CN110942435B (zh) | 一种文档图像处理的方法和装置 | |
US8055093B2 (en) | Method and system for noise level detection in image data | |
CN109087347B (zh) | 一种图像处理方法及装置 | |
CN112465707A (zh) | 红外图像条纹噪声的处理方法、装置、介质及电子设备 | |
Dawood et al. | Removal of high-intensity impulse noise by Weber’s law noise identifier | |
CN105809677B (zh) | 一种基于双边滤波器的图像边缘检测方法及系统 | |
US20090257674A1 (en) | Method and system for noise level detection in image data | |
Nair et al. | An efficient adaptive weighted switching median filter for removing high density impulse noise | |
CN108470327B (zh) | 图像增强方法、装置、电子设备及存储介质 | |
JP2019160297A (ja) | 画像信号から階段状アーチファクトを低減するための画像処理装置 | |
CN116109957A (zh) | 一种运动检测方法、装置、存储介质及电子设备 | |
CN114596210A (zh) | 噪声估计方法、装置、终端设备及计算机可读存储介质 | |
CN107274377B (zh) | 一种图像非本地滤波的方法及装置 | |
CN114862686A (zh) | 图像处理方法、装置及电子设备 | |
Chen et al. | A robust noise removal algorithm with consideration of contextual information |
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 |