CN110443760A - 图像降噪方法及计算机可读存储介质 - Google Patents
图像降噪方法及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110443760A CN110443760A CN201910618102.2A CN201910618102A CN110443760A CN 110443760 A CN110443760 A CN 110443760A CN 201910618102 A CN201910618102 A CN 201910618102A CN 110443760 A CN110443760 A CN 110443760A
- Authority
- CN
- China
- Prior art keywords
- frame
- present frame
- image
- gray scale
- output image
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000002401 inhibitory effect Effects 0.000 claims abstract description 12
- 238000010606 normalization Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 description 23
- 238000002594 fluoroscopy Methods 0.000 description 16
- 238000004422 calculation algorithm Methods 0.000 description 13
- 230000000694 effects Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 230000002146 bilateral effect Effects 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- HPTJABJPZMULFH-UHFFFAOYSA-N 12-[(Cyclohexylcarbamoyl)amino]dodecanoic acid Chemical compound OC(=O)CCCCCCCCCCCNC(=O)NC1CCCCC1 HPTJABJPZMULFH-UHFFFAOYSA-N 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
- G06T2207/10116—X-ray image
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Picture Signal Circuits (AREA)
Abstract
本发明公开了一种图像降噪方法及计算机可读存储介质,方法包括:获取当前帧的输入图像和上一帧的输出图像;计算所述当前帧的输入图像与所述上一帧的输出图像的帧间灰度差值;根据预设的抑制值和截断值,对所述帧间灰度差值进行截断处理;根据截断处理后的帧间灰度差值和预设的曲线参数,生成当前帧对应的连续性概率曲线;根据上一帧的滤波器增益和所述当前帧对应的连续性概率曲线,计算当前帧的滤波器增益;根据所述当前帧的输入图像、上一帧的输出图像和当前帧的滤波器增益,计算当前帧的输出图像,得到当前帧降噪后的图像。本发明可较好地抑制图像中的噪声,且不会产生明显的拖影。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像降噪方法及计算机可读存储介质。
背景技术
X光透视(X-Ray fluoroscopy)图像,因为实时性,在临床诊断中有越来越重要的价值。但是,其图像的噪声是泊松分布噪声,而且噪声和信号是相关的,所以很多的基于加型高斯噪声模型的经典算法都不能很好地去除噪声。
在当前对透视剂量要求越来越低的行业背景下,降低透视剂量,其图像的噪声水平必然会增大。这是由X光的物理特性所决定的。因此,更好地滤除低剂量透视的噪声,显得越来越迫切。
X光透视滤波比较常见的有NLM、BM3D和双边滤波等,在低剂量情况下,滤波表现也不佳。
普通的X光透视递归滤波降噪方法(Til Aach.Noise Reduction and ImageEnhancement Algorithms for Low-Dose X-Ray Fluoroscopy)在低帧率(<20fps)情况下,会出现严重的拖影问题,也就是上一帧的纹理会叠加到当前帧上,对诊断不利。
发明内容
本发明所要解决的技术问题是:提供一种图像降噪方法及计算机可读存储介质,可较好地抑制图像中的噪声,且不会产生明显的拖影。
为了解决上述技术问题,本发明采用的技术方案为:一种图像降噪方法,包括:
获取当前帧的输入图像和上一帧的输出图像,所述当前帧的输入图像为当前帧的图像;
计算所述当前帧的输入图像与所述上一帧的输出图像的帧间灰度差值;
根据预设的抑制值和截断值,对所述帧间灰度差值进行截断处理;
根据截断处理后的帧间灰度差值和预设的曲线参数,生成当前帧对应的连续性概率曲线;
根据上一帧的滤波器增益和所述当前帧对应的连续性概率曲线,计算当前帧的滤波器增益;
根据所述当前帧的输入图像、上一帧的输出图像和当前帧的滤波器增益,计算当前帧的输出图像,得到当前帧降噪后的图像。
本发明还提出一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如上所述的步骤。
本发明的有益效果在于:通过对帧间灰度差值进行截断处理,有效抑制拖影;本发明可较好地抑制X光透视图像中的噪声,而且不会产生明显的拖影,为医生的诊断提供便利。
附图说明
图1为本发明的一种图像降噪方法的流程图;
图2为本发明实施例一的方法流程图;
图3为本发明实施例一的连续性概率曲线的示意图一;
图4为本发明实施例一的连续性概率曲线的示意图二;
图5为本发明实施例一的透视图像的示意图;
图6为图5通过普通递归滤波方法处理后的效果示意图;
图7为图6的局部放大示意图;
图8为图5通过双边滤波算法处理之后的双边滤波效果示意图;
图9为图5通过非局部均值算法处理后的NLM降噪效果示意图;
图10为图5通过本发明的方法处理后的效果示意图;
图11为图10的局部放大示意图。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图详予说明。
本发明最关键的构思在于:采用时域递归滤波;对帧间灰度差值进行截断处理。
请参阅图1,一种图像降噪方法,包括:
获取当前帧的输入图像和上一帧的输出图像,所述当前帧的输入图像为当前帧的图像;
计算所述当前帧的输入图像与所述上一帧的输出图像的帧间灰度差值;
根据预设的抑制值和截断值,对所述帧间灰度差值进行截断处理;
根据截断处理后的帧间灰度差值和预设的曲线参数,生成当前帧对应的连续性概率曲线;
根据上一帧的滤波器增益和所述当前帧对应的连续性概率曲线,计算当前帧的滤波器增益;
根据所述当前帧的输入图像、上一帧的输出图像和当前帧的滤波器增益,计算当前帧的输出图像,得到当前帧降噪后的图像。
从上述描述可知,本发明的有益效果在于:可较好地抑制图像中的噪声,且不会产生明显的拖影。
进一步地,所述获取当前帧的输入图像和上一帧的输出图像,所述当前帧的输入图像为当前帧的图像之前,进一步包括:
对第一帧的图像进行滤波处理,得到第一帧的输出图像,或将第一帧的图像作为第一帧的输出图像;
将第一帧的滤波器增益设置为预设的增益值;
获取下一帧的图像,并将下一帧的图像作为当前帧的图像。
由上述描述可知,通过对第一帧图像的参数进行设置,便于后续进行计算。
进一步地,所述根据所述当前帧的输入图像、上一帧的输出图像和当前帧的滤波器增益,计算当前帧的输出图像,得到当前帧降噪后的图像之后,进一步包括:
若当前帧的图像不为最后一帧图像,则继续执行所述获取下一帧的图像,并将下一帧的图像作为当前帧的图像的步骤。
由上述描述可知,当前帧图像处理完后继续获取下一帧图像进行处理,实现递归滤波。
进一步地,所述计算所述当前帧的输入图像与所述上一帧的输出图像的帧间灰度差值具体为:
根据第一公式计算所述当前帧的输入图像与所述上一帧的输出图像的帧间灰度差值,所述第一公式为Δ(t,n)=y(t,n)-x(t-1,n),Δ(t,n)为所述帧间灰度差值,y(t,n)为当前帧的输入图像,x(t-1,n)为上一帧的输出图像,t为当前帧的序号,n为像素点索引。
由上述描述可知,由于连续性概率曲线与帧间灰度差值有关,因此先计算帧间灰度差值,便于后续生成连续性概率曲线。
进一步地,所述根据预设的抑制值和截断值,对所述帧间灰度差值进行截断处理具体为:
对所述帧间灰度差值进行归一化处理;
根据第二公式,对归一化后的帧间灰度差值进行截断处理,所述第二公式为Δ(t,n)为帧间灰度差值,ΔN(t,n)为归一化后的帧间灰度差值,DeltaNVal为预设的抑制值,DeltaThr为预设的截断值。
由上述描述可知,通过对帧间灰度差值进行截断处理,有效抑制拖影。
进一步地,所述根据截断处理后的帧间灰度差值和预设的曲线参数,生成当前帧对应的连续性概率曲线具体为:
根据第三公式,生成当前帧对应的连续性概率曲线,所述第三公式为α(t,n)为当前帧对应的连续性概率曲线,Δ(t,n)为帧间灰度差值,s为Δ(t,n)的局部标准差,m、λ、γ和Δa为预设的曲线参数。
由上述描述可知,第三公式将帧间的移动转化为对连续性概率的估计,而且这种估计曲线是光滑连续的。当帧间移动较大时,上一帧的输出图像x(t-1,n)和当前帧的输入图像y(t,n)差别较大,|Δ(t,n)|会比较大,α(t,n)会比较小,意味着帧间的连续性较弱。这种情况下,最终的输出中,需要当前帧的输入图像y(t,n)占较大比重,防止出现延迟。相反地,当帧间移动较小时,上一帧的输出图像x(t-1,n)和当前帧的输入图像y(t,n)差别不大,|Δ(t,n)|会比较小,α(t,n)会比较大,意味着帧间的连续性较强。这种情况下,最终的输出中,需要上一帧的输出图像x(t-1,n)占较大比重,和当前帧的输入图像y(t,n)叠加,可以有效抑制噪声。
进一步地,所述根据上一帧的滤波器增益和所述当前帧对应的连续性概率曲线,计算当前帧的滤波器增益具体为:
根据第四公式,计算当前帧的滤波器增益,所述第四公式为K(t,n)为当前帧的滤波器增益,K(t-1,n)为上一帧的滤波器增益,α(t,n)为当前帧对应的连续性概率曲线。
由上述描述可知,当前帧的滤波器增益由上一帧的滤波器增益决定。
进一步地,所述根据所述当前帧的输入图像、上一帧的输出图像和当前帧的滤波器增益,计算当前帧的输出图像,得到当前帧降噪后的图像具体为:
根据第五公式,计算当前帧的输出图像,得到当前帧降噪后的图像,所述第五公式为x(t,n)=x(t-1,n)+K(t,n)×[y(t,n)-x(t-1,n)],x(t,n)为当前帧的输出图像,x(t-1,n)为上一帧的输出图像,K(t,n)为当前帧的滤波器增益,y(t,n)为当前帧的输入图像。
由上述描述可知,根据上一帧的输出图像计算当前帧的输出图像,通过滤波器增益控制上一帧输出对当前帧输出的影响。
本发明还涉及一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如上所述的步骤。
实施例一
请参照图2-11,本发明的实施例一为:一种图像降噪方法,基于时域递归滤波,可应用于对X光透视图像的降噪,如图2所示,包括如下步骤:
S1:对第一帧的图像的参数进行设置,包括设置第一帧的输出图像和第一帧的滤波器增益。
具体地,可以直接将第一帧的输入图像(也即第一帧的图像)作为第一帧的输出图像,也即令x(1,n)=y(1,n);x(t,n)表示第t帧的输出图像,y(t,n)表示第t帧的输入图像,t表示帧的序号,n表示图像中的像素点索引,为了方便表达,可以省略n。
也可以使用其他非递归的方式对第一帧的图像做特殊处理,如高斯滤波、中值滤波等,得到第一帧降噪后的图像,作为第一帧的输出图像。
同时,将第一帧的滤波器增益设置为预设的增益值,即令K(1,n)=1,即该矩阵元素全部为1;K(t,n)表示第t帧的滤波器增益。
S2:获取下一帧的图像,并将下一帧的图像作为当前帧的图像,然后将当前帧的图像作为当前帧的输入图像,并获取上一帧的输出图像。
即令t=t+1,获取第t帧图像,t的初始值为1,将第t帧图像作为当前帧的输入图像y(t,n),并获取第t帧图像的上一帧的输出图像x(t-1,n)。
S3:计算所述当前帧的输入图像与所述上一帧的输出图像的帧间灰度差值;具体地,根据第一公式Δ(t,n)=y(t,n)-x(t-1,n),计算所述当前帧的输入图像与所述上一帧的输出图像的帧间灰度差值,其中,Δ(t,n)为所述帧间灰度差值,y(t,n)为当前帧的输入图像,x(t-1,n)为上一帧的输出图像,t为当前帧的序号,n为像素点索引。例如,若当前帧为第2帧,则Δ(2,n)=y(2,n)-x(1,n),若当前帧为第3帧,则Δ(3,n)=y(3,n)-x(2,n),以此类推。
S4:对所述帧间灰度差值进行归一化处理;具体地,ΔN(t,n)=Δ(t,n)/s,Δ(t,n)为帧间灰度差值,ΔN(t,n)为归一化后的帧间灰度差值,s为Δ(t,n)的局部标准差,起到归一化Δ(t,n)的作用。本实施例中,对于图像矩阵的每一个元素,根据其N×N邻域的9个元素求标准差,优选地,N=3。
S5:对归一化后的帧间灰度差值进行截断处理;具体地,根据第二公式对归一化后的帧间灰度差值进行截断处理。
所述第二公式为
其中,DeltaNVal为预设的抑制值,DeltaThr为预设的截断值,可以根据图像位数和具体需要进行设置。
第二公式是对ΔN(t,n)做拖影抑制,而是否进行抑制是根据|Δ(t,n)|的值决定的,由于出现拖影的地方是强边缘的地方,强边缘的特点就是|Δ(t)|较大,因此,当|Δ(t,n)|大于预设的截断值,则令ΔN(t,n)=DeltaNVal,否则ΔN(t,n)的值不变。
S6:根据截断处理后的归一化后的帧间灰度差值和预设的曲线参数,生成当前帧对应的连续性概率曲线。具体地,根据第三公式,生成当前帧对应的连续性概率曲线。
所述第三公式为
其中,α(t,n)为当前帧对应的连续性概率曲线,ΔN(t,n)为第二公式计算得到的帧间灰度差值,m、λ、γ和Δa为预设的曲线参数,具体地,m为曲线左侧最大值,λ为斜坡陡峭度参数,γ和左侧拐点Δa都是大于0的常数。α(t,n)曲线的示意图如图3所示,图中的alpha表示α(t),|Delta|/s为|Δ(t)|/s,也即ΔN(t)。
优选地,m=0.75,λ=1.0,γ=1.5,Δa=1.0。采用这些取值时,使用matlab仿真的α(t)曲线如图4所示。
S7:根据上一帧的滤波器增益和所述当前帧对应的连续性概率曲线,计算当前帧的滤波器增益;具体地,根据第四公式,计算当前帧的滤波器增益。
所述第四公式为
其中,K(t,n)为当前帧的滤波器增益,K(t-1,n)为上一帧的滤波器增益,α(t,n)为当前帧对应的连续性概率曲线。
滤波器增益用于控制上一帧输出对当前帧输出的影响。当前帧的K由上一帧的K决定。
S8:根据所述当前帧的输入图像、上一帧的输出图像和当前帧的滤波器增益,计算当前帧的输出图像,得到当前帧降噪后的图像。具体地,根据第五公式,计算当前帧的输出图像。
所述第五公式为x(t,n)=x(t-1,n)+K(t,n)×[y(t,n)-x(t-1,n)]
其中,x(t,n)为当前帧的输出图像,也即为降噪后的当前帧图像,x(t-1,n)为上一帧的输出图像,K(t,n)为当前帧的滤波器增益,y(t,n)为当前帧的输入图像。
S9:当前帧的图像是否为最后一帧图像,若是,则结束该流程,若否,则继续获取下一帧的图像,并将下一帧的图像作为当前帧的图像,即执行步骤S2。
上述公式都是针对单像素处理的,可同时对所有像素进行并行运算。
进一步地,为了进一步抑制噪声,可以在时域滤波之后添加空域滤波方式,例如针对X光透视图像的噪声呈现椒盐噪声的特点,使用中值滤波。
本实施例的算法可采用CUDA C++SDK开发实现,在GTX1050显卡平台,960×960图像平均每帧耗时不到10ms,完全满足X光透视图像对实时性的要求。
本实施例相比其他滤波算法和去噪算法,计算量小,去除噪声的效果明显,且不会产生明显的拖影。
例如,使用某平板探测器采集的真人透视图像(960×960像素大小,帧率13fps)如图5所示(已根据文献《V.Artifact reduction in multiscale contrastenhancement for digital radiography.2014》进行了一些增强和降噪处理),可以看出噪声明显。根据文献《Til Aach.Noise Reduction and Image Enhancement Algorithms forLow-Dose X-Ray Fluoroscopy》中的普通递归滤波方法处理后的输出图如图6所示,其噪声水平明显比图5低,噪声抑制明显,但是强边缘运动时有伪影,例如,图像下端的金属物在快速移动时,会产生明显的伪影,如图7所示,金属物右边边缘有伪影,是前一帧甚至前多帧的残留,而这种拖影会严重干扰医生的操作和诊断。
双边滤波是现在X光平板透视常用的后去噪算法,图8为图5经过双边滤波算法处理之后的双边滤波效果图,可以看出,图像边缘锐利,但是噪声还是比较明显。另一种去噪算法为非局部均值算法(简称NLM),图9为图5经过该算法处理后的NLM降噪效果图,可以看出,噪声颗粒明显。
图10为图5经过实施例一的方法处理后的时域滤波效果图,可以看出,边缘没有双边滤波效果的锐利,但是噪声水平明显降低。图11为图10的局部放大图,可以看出,拖影不明显。
本实施例可较好地抑制X光透视图像中的噪声,而且不会产生明显的拖影,为医生的诊断提供便利。
实施例二
本实施例是对应上述实施例的一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如下步骤:
获取当前帧的输入图像和上一帧的输出图像,所述当前帧的输入图像为当前帧的图像;
计算所述当前帧的输入图像与所述上一帧的输出图像的帧间灰度差值;
根据预设的抑制值和截断值,对所述帧间灰度差值进行截断处理;
根据截断处理后的帧间灰度差值和预设的曲线参数,生成当前帧对应的连续性概率曲线;
根据上一帧的滤波器增益和所述当前帧对应的连续性概率曲线,计算当前帧的滤波器增益;
根据所述当前帧的输入图像、上一帧的输出图像和当前帧的滤波器增益,计算当前帧的输出图像,得到当前帧降噪后的图像。
进一步地,所述获取当前帧的输入图像和上一帧的输出图像,所述当前帧的输入图像为当前帧的图像之前,进一步包括:
对第一帧的图像进行滤波处理,得到第一帧的输出图像,或将第一帧的图像作为第一帧的输出图像;
将第一帧的滤波器增益设置为预设的增益值;
获取下一帧的图像,并将下一帧的图像作为当前帧的图像。
进一步地,所述根据所述当前帧的输入图像、上一帧的输出图像和当前帧的滤波器增益,计算当前帧的输出图像,得到当前帧降噪后的图像之后,进一步包括:
若当前帧的图像不为最后一帧图像,则继续执行所述获取下一帧的图像,并将下一帧的图像作为当前帧的图像的步骤。
进一步地,所述计算所述当前帧的输入图像与所述上一帧的输出图像的帧间灰度差值具体为:
根据第一公式计算所述当前帧的输入图像与所述上一帧的输出图像的帧间灰度差值,所述第一公式为Δ(t,n)=y(t,n)-x(t-1,n),Δ(t,n)为所述帧间灰度差值,y(t,n)为当前帧的输入图像,x(t-1,n)为上一帧的输出图像,t为当前帧的序号,n为像素点索引。
进一步地,所述根据预设的抑制值和截断值,对所述帧间灰度差值进行截断处理具体为:
对所述帧间灰度差值进行归一化处理;
根据第二公式,对归一化后的帧间灰度差值进行截断处理,所述第二公式为Δ(t,n)为帧间灰度差值,ΔN(t,n)为归一化后的帧间灰度差值,DeltaNVal为预设的抑制值,DeltaThr为预设的截断值。
进一步地,所述根据截断处理后的帧间灰度差值和预设的曲线参数,生成当前帧对应的连续性概率曲线具体为:
根据第三公式,生成当前帧对应的连续性概率曲线,所述第三公式为α(t,n)为当前帧对应的连续性概率曲线,Δ(t,n)为帧间灰度差值,s为Δ(t,n)的局部标准差,m、λ、γ和Δa为预设的曲线参数。
进一步地,所述根据上一帧的滤波器增益和所述当前帧对应的连续性概率曲线,计算当前帧的滤波器增益具体为:
根据第四公式,计算当前帧的滤波器增益,所述第四公式为K(t,n)为当前帧的滤波器增益,K(t-1,n)为上一帧的滤波器增益,α(t,n)为当前帧对应的连续性概率曲线。
进一步地,所述根据所述当前帧的输入图像、上一帧的输出图像和当前帧的滤波器增益,计算当前帧的输出图像,得到当前帧降噪后的图像具体为:
根据第五公式,计算当前帧的输出图像,得到当前帧降噪后的图像,所述第五公式为x(t,n)=x(t-1,n)+K(t,n)×y(t,n)-x(t-1,n)],x(t,n)为当前帧的输出图像,x(t-1,n)为上一帧的输出图像,K(t,n)为当前帧的滤波器增益,y(t,n)为当前帧的输入图像。
综上所述,本发明提供的一种图像降噪方法及计算机可读存储介质,可较好地抑制X光透视图像中的噪声,而且不会产生明显的拖影,为医生的诊断提供便利,同时计算量小,完全满足X光透视图像对实时性的要求。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种图像降噪方法,其特征在于,包括:
获取当前帧的输入图像和上一帧的输出图像,所述当前帧的输入图像为当前帧的图像;
计算所述当前帧的输入图像与所述上一帧的输出图像的帧间灰度差值;
根据预设的抑制值和截断值,对所述帧间灰度差值进行截断处理;
根据截断处理后的帧间灰度差值和预设的曲线参数,生成当前帧对应的连续性概率曲线;
根据上一帧的滤波器增益和所述当前帧对应的连续性概率曲线,计算当前帧的滤波器增益;
根据所述当前帧的输入图像、上一帧的输出图像和当前帧的滤波器增益,计算当前帧的输出图像,得到当前帧降噪后的图像。
2.根据权利要求1所述的图像降噪方法,其特征在于,所述获取当前帧的输入图像和上一帧的输出图像,所述当前帧的输入图像为当前帧的图像之前,进一步包括:
对第一帧的图像进行滤波处理,得到第一帧的输出图像,或将第一帧的图像作为第一帧的输出图像;
将第一帧的滤波器增益设置为预设的增益值;
获取下一帧的图像,并将下一帧的图像作为当前帧的图像。
3.根据权利要求2所述的图像降噪方法,其特征在于,所述根据所述当前帧的输入图像、上一帧的输出图像和当前帧的滤波器增益,计算当前帧的输出图像,得到当前帧降噪后的图像之后,进一步包括:
若当前帧的图像不为最后一帧图像,则继续执行所述获取下一帧的图像,并将下一帧的图像作为当前帧的图像的步骤。
4.根据权利要求1所述的图像降噪方法,其特征在于,所述计算所述当前帧的输入图像与所述上一帧的输出图像的帧间灰度差值具体为:
根据第一公式计算所述当前帧的输入图像与所述上一帧的输出图像的帧间灰度差值,所述第一公式为Δ(t,n)=y(t,n)-x(t-1,n),Δ(t,n)为所述帧间灰度差值,y(t,n)为当前帧的输入图像,x(t-1,n)为上一帧的输出图像,t为当前帧的序号,n为像素点索引。
5.根据权利要求1所述的图像降噪方法,其特征在于,所述根据预设的抑制值和截断值,对所述帧间灰度差值进行截断处理具体为:
对所述帧间灰度差值进行归一化处理;
根据第二公式,对归一化后的帧间灰度差值进行截断处理,所述第二公式为Δ(t,n)为帧间灰度差值,ΔN(t,n)为归一化后的帧间灰度差值,DeltaNVal为预设的抑制值,DeltaThr为预设的截断值。
6.根据权利要求1所述的图像降噪方法,其特征在于,所述根据截断处理后的帧间灰度差值和预设的曲线参数,生成当前帧对应的连续性概率曲线具体为:
根据第三公式,生成当前帧对应的连续性概率曲线,所述第三公式为α(t,n)为当前帧对应的连续性概率曲线,Δ(t,n)为帧间灰度差值,s为Δ(t,n)的局部标准差,m、λ、γ和Δa为预设的曲线参数。
7.根据权利要求1所述的图像降噪方法,其特征在于,所述根据上一帧的滤波器增益和所述当前帧对应的连续性概率曲线,计算当前帧的滤波器增益具体为:
根据第四公式,计算当前帧的滤波器增益,所述第四公式为K(t,n)为当前帧的滤波器增益,K(t-1,n)为上一帧的滤波器增益,α(t,n)为当前帧对应的连续性概率曲线。
8.根据权利要求1所述的图像降噪方法,其特征在于,所述根据所述当前帧的输入图像、上一帧的输出图像和当前帧的滤波器增益,计算当前帧的输出图像,得到当前帧降噪后的图像具体为:
根据第五公式,计算当前帧的输出图像,得到当前帧降噪后的图像,所述第五公式为x(t,n)=x(t-1,n)+K(t,n)×[y(t,n)-x(t-1,n)],x(t,n)为当前帧的输出图像,x(t-1,n)为上一帧的输出图像,K(t,n)为当前帧的滤波器增益,y(t,n)为当前帧的输入图像。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-8任一项所述的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910618102.2A CN110443760B (zh) | 2019-07-10 | 2019-07-10 | 图像降噪方法及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910618102.2A CN110443760B (zh) | 2019-07-10 | 2019-07-10 | 图像降噪方法及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110443760A true CN110443760A (zh) | 2019-11-12 |
CN110443760B CN110443760B (zh) | 2022-03-15 |
Family
ID=68430055
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910618102.2A Active CN110443760B (zh) | 2019-07-10 | 2019-07-10 | 图像降噪方法及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110443760B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112911296A (zh) * | 2019-12-03 | 2021-06-04 | 安讯士有限公司 | 视频序列的编码 |
CN117876252A (zh) * | 2024-03-11 | 2024-04-12 | 上海玄戒技术有限公司 | 一种图像降噪方法、装置、设备、存储介质及芯片 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100074483A1 (en) * | 2008-03-28 | 2010-03-25 | Semens Medical Solutions USA, Inc. | Imaging System for Compensating for Mask Frame Misalignment |
CN102769722A (zh) * | 2012-07-20 | 2012-11-07 | 上海富瀚微电子有限公司 | 时域与空域结合的视频降噪装置及方法 |
US20130216117A1 (en) * | 2012-02-22 | 2013-08-22 | Zakrytoe Akcionernoe Obshchestvo Impul's | Method of noise reduction in digital x-rayograms |
CN104463807A (zh) * | 2014-12-24 | 2015-03-25 | 深圳市安健科技有限公司 | X射线图像对比度自适应增强方法与系统 |
CN106339989A (zh) * | 2016-08-13 | 2017-01-18 | 浙江莱达信息技术有限公司 | 医学x光影像适应性降噪方法 |
CN109410124A (zh) * | 2016-12-27 | 2019-03-01 | 深圳开阳电子股份有限公司 | 一种视频图像的降噪方法及装置 |
-
2019
- 2019-07-10 CN CN201910618102.2A patent/CN110443760B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100074483A1 (en) * | 2008-03-28 | 2010-03-25 | Semens Medical Solutions USA, Inc. | Imaging System for Compensating for Mask Frame Misalignment |
US20130216117A1 (en) * | 2012-02-22 | 2013-08-22 | Zakrytoe Akcionernoe Obshchestvo Impul's | Method of noise reduction in digital x-rayograms |
CN102769722A (zh) * | 2012-07-20 | 2012-11-07 | 上海富瀚微电子有限公司 | 时域与空域结合的视频降噪装置及方法 |
CN104463807A (zh) * | 2014-12-24 | 2015-03-25 | 深圳市安健科技有限公司 | X射线图像对比度自适应增强方法与系统 |
CN106339989A (zh) * | 2016-08-13 | 2017-01-18 | 浙江莱达信息技术有限公司 | 医学x光影像适应性降噪方法 |
CN109410124A (zh) * | 2016-12-27 | 2019-03-01 | 深圳开阳电子股份有限公司 | 一种视频图像的降噪方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112911296A (zh) * | 2019-12-03 | 2021-06-04 | 安讯士有限公司 | 视频序列的编码 |
CN112911296B (zh) * | 2019-12-03 | 2022-11-25 | 安讯士有限公司 | 帧间编码的方法、存储介质、视频处理装置和摄像机 |
CN117876252A (zh) * | 2024-03-11 | 2024-04-12 | 上海玄戒技术有限公司 | 一种图像降噪方法、装置、设备、存储介质及芯片 |
Also Published As
Publication number | Publication date |
---|---|
CN110443760B (zh) | 2022-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8542944B2 (en) | Method and apparatus for multi-scale based dynamic range compression and noise suppression | |
EP3087730B1 (en) | Method for inverse tone mapping of an image | |
CN103186888B (zh) | 一种去除ct图像噪声的方法及装置 | |
US8655034B2 (en) | Information processing apparatus, processing method, and computer-readable storage medium | |
US20160070979A1 (en) | Method and Apparatus for Generating Sharp Image Based on Blurry Image | |
KR20130038794A (ko) | 디지털 엑스레이 프레임들 시리즈에서의 잡음 감소의 방법 | |
Lahmiri | An iterative denoising system based on Wiener filtering with application to biomedical images | |
US9922409B2 (en) | Edge emphasis in processing images based on radiation images | |
US8406559B2 (en) | Method and system for enhancing image sharpness based on local features of image | |
Xu et al. | A new approach for very dark video denoising and enhancement | |
CN107292845B (zh) | 基于标准差金字塔的动态图像降噪方法及装置 | |
CN111008943B (zh) | 低剂量dr图像降噪方法及系统 | |
EP3072104B1 (en) | Image de-noising method | |
US8139891B2 (en) | System and method for structure enhancement and noise reduction in medical images | |
Yang et al. | An improved method for finger-vein image enhancement | |
CN103971349B (zh) | 计算机断层扫描图像重建方法和计算机断层扫描设备 | |
CN110443760A (zh) | 图像降噪方法及计算机可读存储介质 | |
CN111507912B (zh) | 乳腺图像增强方法、装置及计算机可读存储介质 | |
JP6000659B2 (ja) | 情報処理装置、情報処理方法およびプログラム | |
CN110415188B (zh) | 一种基于多尺度形态学的hdr图像色调映射方法 | |
CN109949233B (zh) | 滤除x射线图像中散射线的方法、系统、设备及存储介质 | |
CN116071259A (zh) | 一种基于二次引导滤波的红外图像增强方法 | |
CN113096014B (zh) | 视频超分处理方法、电子设备及存储介质 | |
CN112785520B (zh) | Ct图像伪影去除方法 | |
CN109377451B (zh) | 去除x射线图像滤线栅栅影的方法、终端及存储介质 |
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 |