CN110956594B - 图像滤波方法、装置、电子设备及存储介质 - Google Patents

图像滤波方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN110956594B
CN110956594B CN201911183940.8A CN201911183940A CN110956594B CN 110956594 B CN110956594 B CN 110956594B CN 201911183940 A CN201911183940 A CN 201911183940A CN 110956594 B CN110956594 B CN 110956594B
Authority
CN
China
Prior art keywords
pixel
value
preset
boundary
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.)
Active
Application number
CN201911183940.8A
Other languages
English (en)
Other versions
CN110956594A (zh
Inventor
鲁方波
汪贤
樊鸿飞
蔡媛
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.)
Beijing Kingsoft Cloud Network Technology Co Ltd
Beijing Kingsoft Cloud Technology Co Ltd
Original Assignee
Beijing Kingsoft Cloud Network Technology Co Ltd
Beijing Kingsoft Cloud 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 Beijing Kingsoft Cloud Network Technology Co Ltd, Beijing Kingsoft Cloud Technology Co Ltd filed Critical Beijing Kingsoft Cloud Network Technology Co Ltd
Priority to CN201911183940.8A priority Critical patent/CN110956594B/zh
Publication of CN110956594A publication Critical patent/CN110956594A/zh
Application granted granted Critical
Publication of CN110956594B publication Critical patent/CN110956594B/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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例提供了一种图像滤波方法、装置、电子设备及存储介质，方法包括：获取待处理图像；对所述待处理图像进行噪声估计，获得所述待处理图像的噪声强度值；将所述待处理图像划分为多个宏块；基于宏块边界的指定方向上的像素点的像素值，计算所述指定方向的边缘强度值，并且基于边缘强度值和所述噪声强度值的大小关系，确定所述指定方向上的像素点所属的区域类型；采用与所述区域类型对应的预设的滤波算法对所述指定方向上的像素点进行滤波。可见，应用本发明实施例，无需视频帧图像的前后帧信息，只需根据一帧图像的信息就可以进行滤波。

Description

图像滤波方法、装置、电子设备及存储介质
技术领域
本发明涉及图像处理的技术领域，特别是涉及一种图像滤波方法、装置、电子设备及存储介质。
背景技术
为了节省传输带宽以及降低码率，在视频帧图像传输之前通常会对视频帧图像进行编码，在编码的过程中会进行有损压缩，产生压缩噪声。目前，相关技术去除视频帧图像压缩噪声的滤波方法通常依赖视频编码标准，将滤波方法集成在编码器和解码器程序中，在编码和解码过程中进行滤波，需要依靠视频帧图像的前后帧信息，无法只根据一帧图像的信息进行滤波。
发明内容
本发明实施例的目的在于提供一种图像滤波方法、装置、电子设备及存储介质，以只需根据一帧图像的信息进行滤波。具体技术方案如下：
第一方面，本发明提供一种图像滤波方法，所述方法包括：
获取待处理图像；
对所述待处理图像进行噪声估计，获得所述待处理图像的噪声强度值；
将所述待处理图像划分为多个宏块；
基于宏块边界的指定方向上的像素点的像素值，计算所述指定方向的边缘强度值，并且基于边缘强度值和所述噪声强度值的大小关系，确定所述指定方向上的像素点所属的区域类型；
采用与所述区域类型对应的预设的滤波算法对所述指定方向上的像素点进行滤波。
可选的，所述对所述待处理图像进行噪声估计，获得所述待处理图像的噪声强度值的步骤，包括：
将所述待处理图像输入到预先训练好的噪声估计网络模型；所述噪声估计网络模型为将每个原始图像进行不同失真程度后，获得不同噪声强度的图像两两组合作为各组样本图像，根据每组样本图像中两张图像的噪声强度的大小关系，对孪生神经网络进行训练获得的网络模型；
获取所述噪声估计网络模型输出的所述待处理图像的噪声强度值。
可选的，在所述基于宏块边界的指定方向上的像素点的像素值，计算所述指定方向的边缘强度值，并且基于边缘强度值和所述噪声强度值的大小关系，确定所述指定方向上的像素点所属的区域类型的步骤之前，还包括：
根据所述噪声强度值，确定边缘强度阈值；
所述基于宏块边界的指定方向上的像素点的像素值，计算所述指定方向的边缘强度值，并且基于边缘强度值和所述噪声强度值的大小关系，确定所述指定方向上的像素点所属的区域类型的步骤，包括：
基于宏块边界的指定方向上的像素点的像素值，计算所述指定方向的边缘强度值；
基于所述边缘强度值和所述边缘强度阈值的大小关系，确定所述指定方向上的像素点所属的区域类型。
可选的，所述根据所述噪声强度值，确定边缘强度阈值的步骤，包括：
将所述噪声强度值与第一预设数值的乘积作为第一边缘强度阈值；
所述基于所述边缘强度值和所述边缘强度阈值的大小关系，确定所述指定方向上的像素点所属的区域类型的步骤，包括：
在所述边缘强度值大于第一边缘强度阈值时，确定所述指定方向上的像素点属于边缘区域；
在所述边缘强度值不大于第一边缘强度阈值时，确定所述指定方向上的像素点属于非边缘区域。
可选的，所述根据所述噪声强度值，确定边缘强度阈值的步骤，还包括：
将所述噪声强度值与第二预设数值的乘积作为第二边缘强度阈值；所述第二边缘强度阈值小于所述第一边缘强度阈值；
所述在所述边缘强度值不大于第一边缘强度阈值时，确定所述指定方向上的像素点属于非边缘区域的步骤，包括：
在所述边缘强度值不大于第一边缘强度阈值且大于所述第二边缘强度阈值时，确定所述指定方向上的像素点属于复杂区域；
在所述边缘强度值不大于第一边缘强度阈值且不大于所述第二边缘强度阈值时，确定所述指定方向上的像素点属于平坦区域。
可选的，所述采用与所述区域类型对应的预设的滤波算法对所述指定方向上的像素点进行滤波的步骤，包括：
如果所述指定方向上的像素点属于平坦区域，则采用第一预设滤波算法，对所述指定方向上的像素点进行滤波，获得滤波后的所述指定方向上的像素点的像素值；
如果所述指定方向上的像素点属于复杂区域，则采用第二预设滤波算法，对所述指定方向上的像素点进行滤波，获得滤波后的所述指定方向上的像素点的像素值。
可选的，所述第一预设滤波算法，包括：
对基于边界相邻的两个宏块中的各个当前像素点，分别取与边界最近的预设第一数目个像素点，按预设第一像素值调整算法，将所述预设第一数目个像素点的像素值调整到预设像素值范围内；
所述第二预设滤波算法，包括：
对基于边界相邻的两个宏块中的各个当前像素点，分别取与边界最近的预设第二数目个像素点，按预设第二像素值调整算法，将所述预设第二数目个像素点的像素值调整到预设像素值范围内；所述预设第二数目小于所述预设第一数目。
可选的，所述预设第一数目为2；
所述按预设第一像素值调整算法，将所述预设第一数目个像素点的像素值调整到预设像素值范围内的步骤，包括：
计算基于边界相邻的两个宏块的边界梯度值OFFSET；
按如下公式计算：
V′1＝V1+OFFSET/4
V″1＝clip(V′1,0,255)
V′2＝V2+OFFSET/2
V″2＝clip(V′2,0,255)
V′3＝V3-OFFSET/2
V″3＝clip(V′3,0,255)
V′4＝V4-OFFSET/4
V″4＝clip(V′4,0,255)
其中，V1为一个宏块中离边界第二近的像素点，V2为与V1位于一个宏块中离边界最近的像素点，V3为另一个宏块中离边界最近的像素点，V4为所述另一个宏块中离边界第二近的像素点，V′1、V′2、V′3和V′4为滤波后的中间像素值，V″1、V″2、V″3和V″4为滤波后将像素值调整到预设像素值范围内的像素值，clip为对滤波后的中间像素值的数值进行截取操作，clip截取操作为将小于0的数值经过clip截取操作后取值为0，大于255的数值经过clip截取操作后取值为255，其他值保持不变。
可选的，所述按预设第二像素值调整算法，将所述预设第二数目个像素点的像素值调整到预设像素值范围内的步骤，包括：
计算基于边界相邻的两个宏块中第一宏块中与边界最近的两个像素点之间的差值的第一绝对值；
按预设权重对所述噪声强度值进行计算，获得参考值；
判断所述第一绝对值是否小于所述参考值；
如果是，则用第一像素值调整子算法，将所述第一宏块中的预设第二数目个像素点的像素值调整到预设像素值范围内；
如果否，则用第二像素值调整子算法，将所述第一宏块中的预设第二数目个像素点的像素值调整到预设像素值范围内；
计算基于边界相邻的两个宏块中第二宏块中与边界最近的两个像素点之间的差值的第二绝对值；
判断所述第二绝对值是否小于所述参考值；
如果是，则用第三像素值调整子算法，将所述第二宏块中的预设第二数目个像素点的像素值调整到预设像素值范围内；
如果否，则用第四像素值调整子算法，将所述第二宏块中的预设第二数目个像素点的像素值调整到预设像素值范围内。
可选的，所述预设第二数目为1；
所述用第一像素值调整子算法，将所述第一宏块中的预设第二数目个像素点的像素值调整到预设像素值范围内的步骤，包括：
采用如下公式，计算：
V′6＝(V5+2×V6+7)/4
V″6＝clip(V′6,0,255)
其中，V5为v5第一宏块中离边界第二近的像素点，V6为第一宏块中离边界最近的像素点，V7为第二宏块中离边界最近的像素点，V′6为滤波后的中间像素值，V″6为将第一宏块中距离边界最近的一个像素点的像素值调整到预设像素值范围内的像素值，clip为对滤波后的中间像素值的数值进行截取操作，clip截取操作为将小于0的数值经过clip截取操作后取值为0，大于255的数值经过clip截取操作后取值为255，其他值保持不变；
所述用第二像素值调整子算法，将所述第一宏块中的预设第二数目个像素点的像素值调整到预设像素值范围内的步骤，包括：
计算基于边界相邻的两个宏块的边界梯度值OFFSET；
采用如下公式，计算：
V′6＝V6+OFFSET/4
V″6＝clip(V′6,0,255)
其中，V6为第一宏块中离边界最近的像素点，V′6为对V6滤波后的中间像素值，V″6为将第一宏块中距离边界最近的一个像素点的像素值调整到预设像素值范围内的像素值；
所述用第三像素值调整子算法，将所述第二宏块中的预设第二数目个像素点的像素值调整到预设像素值范围内的步骤，包括：
采用如下公式，计算：
V′7＝(V6+2×V7+V8)/4
V″7＝clip(V′7,0,255)
其中，V6为第一宏块中离边界最近的像素点，V7为第二宏块中离边界最近的像素点，V8为第二宏块中离边界第二近的像素点，V′7为对V7滤波后的中间像素值，V″7为将第二宏块中距离边界最近的一个像素点的像素值调整到预设像素值范围内的像素值；
所述用第四像素值调整子算法，将所述第二宏块中的预设第二数目个像素点的像素值调整到预设像素值范围内的步骤，包括：
计算基于边界相邻的两个宏块的边界梯度值OFFSET；
采用如下公式，计算：
V′7＝V7-OFFSET/4
V″7＝clip(V′7,0,255)
其中，V7第二宏块中离边界最近的像素点，V′7对V7滤波后的中间像素值，V″7为将第二宏块中距离边界最近的一个像素点的像素值调整到预设像素值范围内的像素值。
第二方面，本发明提供一种图像滤波装置，所述装置包括：
图像获取单元，用于获取待处理图像；
噪声强度值获得单元，用于对所述待处理图像进行噪声估计，获得所述待处理图像的噪声强度值；
图像划分单元，用于将所述待处理图像划分为多个宏块；
区域类型确定单元，用于基于宏块边界的指定方向上的像素点的像素值，计算所述指定方向的边缘强度值，并且基于边缘强度值和所述噪声强度值的大小关系，确定所述指定方向上的像素点所属的区域类型；
滤波单元，用于采用与所述区域类型对应的预设的滤波算法对所述指定方向上的像素点进行滤波。
可选的，所述噪声强度值获得单元，具体用于：
将所述待处理图像输入到预先训练好的噪声估计网络模型；所述噪声估计网络模型为将每个原始图像进行不同失真程度后，获得不同噪声强度的图像两两组合作为各组样本图像，根据每组样本图像中两张图像的噪声强度的大小关系，对孪生神经网络进行训练获得的网络模型；
获取所述噪声估计网络模型输出的所述待处理图像的噪声强度值。
可选的，所述装置，还包括：边缘强度阈值确定单元；
所述边缘强度阈值确定单元，用于在所述区域类型确定单元基于宏块边界的指定方向上的像素点的像素值，计算所述指定方向的边缘强度值，并且基于边缘强度值和所述噪声强度值的大小关系，确定所述指定方向上的像素点所属的区域类型之前，根据所述噪声强度值，确定边缘强度阈值；
所述区域类型确定单元，包括：
边缘强度值计算模块，用于基于宏块边界的指定方向上的像素点的像素值，计算所述指定方向的边缘强度值；
区域类型确定模块，用于基于所述边缘强度值和所述边缘强度阈值的大小关系，确定所述指定方向上的像素点所属的区域类型。
可选的，所述边缘强度阈值确定单元，包括：
第一边缘强度阈值计算模块，用于将所述噪声强度值与第一预设数值的乘积作为第一边缘强度阈值；
所述区域类型确定模块，包括：
边缘区域确定子模块，用于在所述边缘强度值大于第一边缘强度阈值时，确定所述指定方向上的像素点属于边缘区域；
非边缘区域确定子模块，用于在所述边缘强度值不大于第一边缘强度阈值时，确定所述指定方向上的像素点属于非边缘区域。
可选的，所述边缘强度阈值确定单元，还包括：
第二边缘强度阈值计算模块，用于将所述噪声强度值与第二预设数值的乘积作为第二边缘强度阈值；所述第二边缘强度阈值小于所述第一边缘强度阈值；
所述非边缘区域确定子模块，具体用于：
在所述边缘强度值不大于第一边缘强度阈值且大于所述第二边缘强度阈值时，确定所述指定方向上的像素点属于复杂区域；
在所述边缘强度值不大于第一边缘强度阈值且不大于所述第二边缘强度阈值时，确定所述指定方向上的像素点属于平坦区域。
可选的，所述滤波单元，具体用于：
如果所述指定方向上的像素点属于平坦区域，则采用第一预设滤波算法，对所述指定方向上的像素点进行滤波，获得滤波后的所述指定方向上的像素点的像素值；
如果所述指定方向上的像素点属于复杂区域，则采用第二预设滤波算法，对所述指定方向上的像素点进行滤波，获得滤波后的所述指定方向上的像素点的像素值。
可选的，所述第一预设滤波算法，用于对基于边界相邻的两个宏块中的各个当前像素点，分别取与边界最近的预设第一数目个像素点，按预设第一像素值调整算法，将所述预设第一数目个像素点的像素值调整到预设像素值范围内；
所述第二预设滤波算法，用于对基于边界相邻的两个宏块中的各个当前像素点，分别取与边界最近的预设第二数目个像素点，按预设第二像素值调整算法，将所述预设第二数目个像素点的像素值调整到预设像素值范围内；所述预设第二数目小于所述预设第一数目。
可选的，所述预设第一数目为2；
所述按预设第一像素值调整算法，将所述预设第一数目个像素点的像素值调整到预设像素值范围内，包括：
计算基于边界相邻的两个宏块的边界梯度值OFFSET；
按如下公式计算：
V′1＝V1+OFFSET/4
V″1＝clip(V′1,0,255)
V′2＝V2+OFFSET/2
V″2＝clip(V′2,0,255)
V′3＝V3-OFFSET/2
V″3＝clip(V′3,0,255)
V′4＝V4-OFFSET/4
V″4＝clip(V′4,0,255)
其中，V1为一个宏块中离边界第二近的像素点，V2为与V1位于一个宏块中离边界最近的像素点，V3为另一个宏块中离边界最近的像素点，V4为所述另一个宏块中离边界第二近的像素点，V′1、V′2、V′3和V′4为滤波后的中间像素值，V″1、V″2、V″3和V″4为滤波后将像素值调整到预设像素值范围内的像素值，clip为对滤波后的中间像素值的数值进行截取操作，clip截取操作为将小于0的数值经过clip截取操作后取值为0，大于255的数值经过clip截取操作后取值为255，其他值保持不变。
可选的，所述按预设第二像素值调整算法，将所述预设第二数目个像素点的像素值调整到预设像素值范围内，包括：
计算基于边界相邻的两个宏块中第一宏块中与边界最近的两个像素点之间的差值的第一绝对值；
按预设权重对所述噪声强度值进行计算，获得参考值；
判断所述第一绝对值是否小于所述参考值；
如果是，则用第一像素值调整子算法，将所述第一宏块中的预设第二数目个像素点的像素值调整到预设像素值范围内；
如果否，则用第二像素值调整子算法，将所述第一宏块中的预设第二数目个像素点的像素值调整到预设像素值范围内；
计算基于边界相邻的两个宏块中第二宏块中与边界最近的两个像素点之间的差值的第二绝对值；
判断所述第二绝对值是否小于所述参考值；
如果是，则用第三像素值调整子算法，将所述第二宏块中的预设第二数目个像素点的像素值调整到预设像素值范围内；
如果否，则用第四像素值调整子算法，将所述第二宏块中的预设第二数目个像素点的像素值调整到预设像素值范围内。
可选的，所述预设第二数目为1；
所述用第一像素值调整子算法，将所述第一宏块中的预设第二数目个像素点的像素值调整到预设像素值范围内，包括：
采用如下公式，计算：
V′6＝(V5+2×V6+V7)/4
V″6＝clip(V′6,0,255)
其中，V5为v5第一宏块中离边界第二近的像素点，V6为第一宏块中离边界最近的像素点，V7为第二宏块中离边界最近的像素点，V′6为滤波后的中间像素值，V″6为将第一宏块中距离边界最近的一个像素点的像素值调整到预设像素值范围内的像素值，clip为对滤波后的中间像素值的数值进行截取操作，clip截取操作为将小于0的数值经过clip截取操作后取值为0，大于255的数值经过clip截取操作后取值为255，其他值保持不变；
所述用第二像素值调整子算法，将所述第一宏块中的预设第二数目个像素点的像素值调整到预设像素值范围内的步骤，包括：
计算基于边界相邻的两个宏块的边界梯度值OFFSET；
采用如下公式，计算：
V′6＝V6+OFFSET/4
V″6＝clip(V′6,0,255)
其中，V6为第一宏块中离边界最近的像素点，V′6为对V6滤波后的中间像素值，V″6为将第一宏块中距离边界最近的一个像素点的像素值调整到预设像素值范围内的像素值；
所述用第三像素值调整子算法，将所述第二宏块中的预设第二数目个像素点的像素值调整到预设像素值范围内的步骤，包括：
采用如下公式，计算：
V′7＝(V6+2×V7+V8)/4
V″7＝clip(V′7,0,255)
其中，V6为第一宏块中离边界最近的像素点，V7为第二宏块中离边界最近的像素点，V8为第二宏块中离边界第二近的像素点，V′7为对V7滤波后的中间像素值，V″7为将第二宏块中距离边界最近的一个像素点的像素值调整到预设像素值范围内的像素值；
所述用第四像素值调整子算法，将所述第二宏块中的预设第二数目个像素点的像素值调整到预设像素值范围内的步骤，包括：
计算基于边界相邻的两个宏块的边界梯度值OFFSET；
采用如下公式，计算：
V′7＝V7-OFFSET/4
V″7＝clip(V′7,0,255)
其中，V7第二宏块中离边界最近的像素点，V′7对V7滤波后的中间像素值，V″7为将第二宏块中距离边界最近的一个像素点的像素值调整到预设像素值范围内的像素值。
第三方面，本发明提供了一种电子设备，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；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述任一图像滤波的方法步骤。
第四方面，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内存储有计算机程序，所述计算机程序被处理器执行上述任一图像滤波方法的步骤。
第五方面，本发明实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一所述的图像滤波方法。
本发明实施例提供的图像滤波方法、装置、电子设备及存储介质，可以获取待处理图像；对所述待处理图像进行噪声估计，获得所述待处理图像的噪声强度值；将所述待处理图像划分为多个宏块；基于宏块边界的指定方向上的像素点的像素值，计算所述指定方向的边缘强度值，并且基于边缘强度值和所述噪声强度值的大小关系，确定所述指定方向上的像素点所属的区域类型；采用与所述区域类型对应的预设的滤波算法对所述指定方向上的像素点进行滤波。可见，在待处理图像为视频帧图像时，应用本发明实施例，无需视频帧图像的前后帧信息，只需根据一帧图像的信息就可以进行滤波。
当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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发明的一些实施例，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图像滤波方法的一种流程图；
图2为本发明实施例提供的图像滤波方法的另一种流程图；
图3为本发明实施例提供的图像滤波方法的再一种流程图；
图4为本发明实施例提供的第二滤波方法中按预设第二像素值调整算法，将所述预设第二数目个像素点的像素值调整到预设像素值范围内的一种流程图；
图5为一种对待处理图像滤波的示例；
图6为一种滤波效果的示意图；
图7为本发明实施例提供的图像滤波装置的结构示意图；
图8为本发明实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，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。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他实施例，都属于本发明保护的范围。
为了解决相关技术中，去除视频帧图像压缩噪声的滤波方法通常依赖视频编码标准，将滤波方法集成在编码器和解码器程序中，在编码和解码过程中进行滤波，需要依靠视频帧图像的前后帧信息，无法只根据一帧图像的信息进行滤波的问题，本发明实施例提供了一种图像滤波方法、装置、电子设备及存储介质。
本发明实施例所提供的图像滤波方法可以应用于任意需要对图像进行滤波的电子设备，如：电脑或移动终端等，在此不做具体限定。为了描述方便，以下简称电子设备。
参见图1，为本发明实施例提供的滤波方法，如图1所示，该方法的具体处理流程可以包括：
步骤S101，获取待处理图像。
可实施的，待处理图像可以为任意图像，包括视频帧图像。
步骤S102，对所述待处理图像进行噪声估计，获得所述待处理图像的噪声强度值。
可实施的，可以将所述待处理图像输入到预先训练好的噪声估计网络模型；所述噪声估计网络模型为将每个原始图像进行不同失真程度后，获得不同噪声强度的图像两两组合作为各组样本图像，根据每组样本图像中两张图像的噪声强度的大小关系，对孪生神经网络进行训练获得的网络模型；获取所述噪声估计网络模型输出的所述当前图像的噪声强度值。
步骤S103，将所述待处理图像划分为多个宏块。
可实施的，可以按预设的块的大小，将待处理图像划分为多个宏块。可实施的，宏块的大小可以为4*4像素点的大小或8*8像素点的大小或16*16像素点的大小。
步骤S104，基于宏块边界的指定方向上的像素点的像素值，计算所述指定方向的边缘强度值，并且基于边缘强度值和所述噪声强度值的大小关系，确定所述指定方向上的像素点所属的区域类型。
可实施的，可以根据索贝尔算子Sobel计算边缘强度值；也可以计算在指定方向上的两个当前相邻宏块的边界临近的两个像素点的差值的绝对值，作为边缘强度值。
可实施的，可以先根据噪声强度值，确定边缘强度阈值，再基于宏块边界的指定方向上的像素点的像素值，计算所述指定方向的边缘强度值；基于所述边缘强度值和所述边缘强度阈值的大小关系，确定所述指定方向上的像素点所属的区域类型。
可实施的，区域类型可以包括：边缘区域和非边缘区域。
步骤S105，采用与所述区域类型对应的预设的滤波算法对所述指定方向上的像素点进行滤波。
可实施的，可以先进行水平方向的滤波，再进行垂直方向的滤波。当然也可以先进行垂直方向的滤波，再进行水平方向的滤波，水平和垂直对于图像来说是相对概念。
可见，在待处理图像为视频帧图像时，应用本发明实施例，无需视频帧图像的前后帧信息，只需根据一帧图像的信息就可以进行滤波。因此，本发明实施例不仅适用于对视频帧图像进行进行滤波，也可以对单一的图片进行进行滤波，提高用户的视觉体验。
而且，应用本发明实施例，无需视频帧图像的前后帧信息，进行滤波时无需依靠视频编码标准，无需必须集成于编码器中和解码器中。在编码器中和解码器外部就可以应用本发明实施例，算法的复杂度不受编码器和解码器的限制。
本发明实施例提供的滤波方法的另一种流程图，如图2所示，可以包括：
步骤S201，获取待处理图像。
步骤S202，将所述待处理图像输入到预先训练好的噪声估计网络模型。
可实施的，噪声估计网络模型的训练过程具体可以包括：将每个原始图像用不同的失真方法结合不同的失真强度进行失真，获得不同噪声强度的图像两两组合作为各组样本图像；将所述各组样本图像输入到孪生网络，所述孪生网络为两个相同的网络，可以为两个相同的卷积神经网络；获得两个网络分别输出的噪声强度估计值；根据两个噪声强度估计值的比较结果和真实的比较结果，和预设的损失函数，计算出损失值，直到孪生网络收敛，获得训练好的孪生网络模型。将其中的一个训练好的网络模型作为噪声估计网络模型。可实施的，其中的损失函数可以为均方误差损失函数。
步骤S203，获取所述噪声估计网络模型输出的所述待处理图像的噪声强度值。
步骤S204，将所述待处理图像划分为多个宏块。
实际应用中，步骤S204可以与图1中的步骤S103相同，这里不再详细说明。
步骤S205，将所述噪声强度值与第一预设数值的乘积作为第一边缘强度阈值，将所述噪声强度值与第二预设数值的乘积作为第二边缘强度阈值；所述第二边缘强度阈值小于所述第一边缘强度阈值。
可实施的，第一预设数值可以在100-150之间。可实施的，第一预设数值可以为125。
可实施的，第二预设数值可以在50-100之间。可实施的，第二预设数值可以为75。
步骤S206，基于宏块边界的指定方向上的像素点的像素值，计算所述指定方向的边缘强度值。
可实施的，所述宏块边界为平行于所述待处理图像的列，所述指定方向为垂直于所述宏块边界；所述宏块边界也可以为平行于所述待处理图像的行，所述指定方向为垂直于所述宏块边界。
可实施的，可以根据索贝尔算子Sobel计算边缘强度值；也可以计算在指定方向上的两个当前相邻宏块的边界临近的两个像素点的差值的绝对值，作为边缘强度值。
步骤S207，在所述边缘强度值大于第一边缘强度阈值时，确定所述指定方向上的像素点属于边缘区域；在所述边缘强度值不大于第一边缘强度阈值且大于所述第二边缘强度阈值时，确定所述指定方向上的像素点属于复杂区域；在所述边缘强度值不大于第一边缘强度阈值且不大于所述第二边缘强度阈值时，确定所述指定方向上的像素点属于平坦区域。
可实施的，可以对边缘区域不进行滤波处理。如果所述指定方向上的像素点属于平坦区域，则执行步骤S208；如果所述指定方向上的像素点属于复杂区域，则执行步骤S209。
步骤S208，如果所述指定方向上的像素点属于平坦区域，则采用第一预设滤波算法，对所述指定方向上的像素点进行滤波，获得滤波后的所述指定方向上的像素点的像素值。
步骤S209，如果所述指定方向上的像素点属于复杂区域，则采用第二预设滤波算法，对所述指定方向上的像素点进行滤波，获得滤波后的所述指定方向上的像素点的像素值。
可实施的，可以先对待处理图像的每一行进行水平方向的滤波，再对待处理图像的每一列进行垂直方向的滤波；也可以先对待处理图像的每一列进行垂直方向的滤波，再对待处理图像的每一行进行水平方向的滤波，在这里不作具体限制。
可见，在待处理图像为视频帧图像时，应用本发明实施例，无需视频帧图像的前后帧信息，只需根据一帧图像的信息就可以进行滤波。
本实施例中，设置了第一边缘强度阈值和第二边缘强度阈值，通过将边缘强度值与第一边缘强度阈值和第二边缘强度阈值进行比较，确定像素点属于边缘区域、属于复杂区域或属于平坦区域.对不同区域采用不同的滤波算法进行滤波。本实施例中，引入了第二边缘强度阈值，将非边缘区域进一步划分出了平坦区域和复杂区域，对平坦区域和复杂区域采用不同的滤波算法进行滤波，进一步提高了滤波时噪声去除的效果。
在其他的实施例中，可以仅设置一个第一边缘强度阈值，通过将边缘强度值与第一边缘强度阈值进行比较，在边缘强度值大于第一边缘强度阈值时，确定指定方向上的像素点属于边缘区域，在边缘强度值不大于第一边缘强度阈值时，确定指定方向上的像素点属于非边缘区域，对边缘区域和非边缘区域采用不同的滤波算法进行滤波。
采用这种方法，在一定程度上也能提高滤波时噪声去除的效果。
另外，在本实施例中，通过待处理图像的噪声强度值来确定边缘强度阈值，算法简便易行，且确定出的边缘区域和非边缘区域更加准确。
本发明实施例提供的滤波方法的再一种流程图，该流程中先指定所述宏块边界为平行于所述待处理图像的列，所述指定方向为垂直于所述宏块边界的情况下，进行水平方向的滤波，再指定所述宏块边界为平行于所述待处理图像的行，所述指定方向为垂直于所述宏块边界的情况下，进行垂直方向的滤波。具体如图3所示，可以包括：
步骤S301，获取待处理图像。
步骤S302，将所述待处理图像输入到预先训练好的噪声估计网络模型。
步骤S303，获取所述噪声估计网络模型输出的所述待处理图像的噪声强度值。
步骤S304，将所述待处理图像划分为多个宏块。
实际应用中，步骤S304可以与图2中的步骤S204相同，这里不再详细说明。
步骤S305，将所述噪声强度值与第一预设数值的乘积作为第一边缘强度阈值，将所述噪声强度值与第二预设数值的乘积作为第二边缘强度阈值；所述第二边缘强度阈值小于所述第一边缘强度阈值。
步骤S306，对于所述待处理图像的每一行，依次计算两个当前相邻宏块在当前行中的边界像素点的差值的绝对值，作为所述当前相邻宏块在当前行的边缘强度值。
步骤S307，在所述当前行的边缘强度值不大于第一边缘强度阈值且大于所述第二边缘强度阈值时，确定所述两个当前相邻宏块在当前行中的各个当前像素点属于复杂区域；在所述当前行边缘强度值不大于第一边缘强度阈值且不大于所述第二边缘强度阈值时，确定所述两个当前相邻宏块在当前行中的各个当前像素点属于平坦区域。
可实施的，在所述当前行的边缘强度值大于第一边缘强度阈值时，确定所述两个当前相邻宏块在当前行中的各个当前像素点属于边缘区域，对边缘区域不进行滤波。
如果各个当前像素点属于平坦区域，则执行步骤S308；如果各个当前像素点属于复杂区域，则执行步骤S309。
步骤S308，如果所述各个当前像素点属于平坦区域，则基于两个当前相邻宏块在当前行中的垂直边界，采用第一预设滤波算法，对所述各个当前像素点进行水平方向滤波，获得滤波后的各个当前像素点的像素值。在待处理图像的所有行都进行了水平方向的滤波后，执行步骤310。
步骤S309，如果所述各个当前像素点属于复杂区域，则基于两个当前相邻宏块在当前行中的垂直边界，采用第二预设滤波算法，对所述各个当前像素点进行水平方向滤波，获得滤波后的各个当前像素点的像素值。在待处理图像的所有行都进行了水平方向的滤波后，执行步骤310。
步骤S310，对于所述待处理图像的每一列，依次计算两个当前相邻宏块在当前列中的边界像素点的差值的绝对值，作为所述当前相邻宏块在当前列的边缘强度值。
步骤S311，在所述当前列的边缘强度值不大于第一边缘强度阈值且大于所述第二边缘强度阈值时，确定所述两个当前相邻宏块在当前列中的各个当前像素点属于复杂区域；在所述当前列边缘强度值不大于第一边缘强度阈值且不大于所述第二边缘强度阈值时，确定所述两个当前相邻宏块在当前列中的各个当前像素点属于平坦区域。
可实施的，在所述当前列的边缘强度值大于第一边缘强度阈值时，确定所述两个当前相邻宏块在当前列中的各个当前像素点属于边缘区域，对边缘区域不进行滤波。
如果各个当前像素点属于平坦区域，则执行步骤S312；如果各个当前像素点属于复杂区域，则执行步骤S313。
步骤S312，如果所述各个当前像素点属于平坦区域，则基于两个当前相邻宏块在当前列中的水平边界，采用第一预设滤波算法，对所述各个当前像素点进行垂直方向滤波，获得滤波后的各个当前像素点的像素值。
步骤S313，如果所述各个当前像素点属于复杂区域，则基于两个当前相邻宏块在当前列中的水平边界，采用第二预设滤波算法，对所述各个当前像素点进行垂直方向滤波，获得滤波后的各个当前像素点的像素值。
可实施的，如果待处理图像为灰色图像，则可以直接对于待处理图像的每一行和每一列的各个像素点，依次进行处理。
实际应用中，像素值还有多种表示方式，常用的有YUV颜色空间模型和RGB颜色空间模型等。
可实施的，如果是YUV颜色空间模型和RGB颜色空间模型表示出来时，因为每一个像素点有三个通道，可以对每一个通道分别进行处理。可实施的，如果是HSV颜色空间模型和LAB颜色空间模型表示出来时，可以先转化为用YUV颜色空间模型或RGB颜色空间模型表示，再对每一个通道分别进行处理。
可实施的，可以采用从左到右、从上到下的顺序。即可以先对每一行进行滤波。具体的可以获取待处理图像的第一行的前两个当前相邻宏块，这两个当前相邻宏块可以记作当前左宏块和当前右宏块，当前右宏块在当前左宏块的右侧；确定当前左宏块和当前右宏块在当前行中的各个当前水平像素点属于非边缘区域、复杂区域或平坦区域；如果属于复杂区域或平坦区域，则对这两个当前相邻宏块进行滤波，更新像素值后，再将当前左宏块的当前行作为当前行滤波后宏块，将当前右宏块作为当前左宏块。获取位于当前左宏块右侧的宏块，作为当前右宏块，再确定当前左宏块和当前右宏块在当前行中的各个当前水平像素点属于非边缘区域、复杂区域或平坦区域，直到第一行滤波完成。再按相同的原理，对第二行进行滤波，直到对每一行水平滤波完成。再用同样的方法对每一列进行垂直滤波。
可见，在待处理图像为视频帧图像时，应用本发明实施例，无需视频帧图像的前后帧信息，只需根据一帧图像的信息就可以进行滤波。
另外，在本发明实施例中，将两个当前相邻宏块在当前行中的边界像素点的差值的绝对值作为当前相邻宏块在当前行的边缘强度值，将两个当前相邻宏块在当前列中的边界像素点的差值的绝对值作为当前相邻宏块在当前列的边缘强度值，算法简单易行，具有较好的滤波效果。
以下，对上述实施例中的第一预设滤波算法和第二预设滤波算法分别进行详细说明。
具体的，第一预设滤波算法，包括：
对基于边界相邻的两个宏块中的各个当前像素点，分别取与边界最近的预设第一数目个像素点，按预设第一像素值调整算法，将所述预设第一数目个像素点的像素值调整到预设像素值范围内。
可实施的，在将宏块划分为4*4大小时，预设第一数目可以为2或3。
在一种具体的实施方式中，上述第一滤波算法中所述的预设第一数目为2；所述按预设第一像素值调整算法，将所述预设第一数目个像素点的像素值调整到预设像素值范围内的步骤，具体包括：
计算基于边界相邻的两个宏块的边界梯度值OFFSET；
按如下公式计算：
V′1＝V1+OFFSET/4
V″1＝clip(V′1,0,255)
V′2＝V2+OFFSET/2
V″2＝clip(V′2,0,255)
V′3＝V3-OFFSET/2
V″3＝clip(V′3,0,255)
V′4＝V4-OFFSET/4
V″4＝clip(V′4,0,255)
其中，V1为一个宏块中离边界第二近的像素点，V2为与V1位于一个宏块中离边界最近的像素点，V3为另一个宏块中离边界最近的像素点，V4为所述另一个宏块中离边界第二近的像素点，V′1、V′2、V′3和V′4为滤波后的中间像素值，V″1、V″2、V″3和V″4为滤波后将像素值调整到预设像素值范围内的像素值，clip为对滤波后的中间像素值的数值进行截取操作，clip截取操作为将小于0的数值经过clip截取操作后取值为0，大于255的数值经过clip截取操作后取值为255，其他值保持不变。
可实施的，在所述宏块边界为平行于所述待处理图像的列，所述指定方向为垂直于所述宏块边界的情况下，所述一个宏块和所述另一个宏块为具有垂直边界的两个宏块。可实施的，当水平方向为按照从左到右的顺序滤波时，所述另一个宏块位于所述一个宏块的右方。
可实施的，在所述宏块边界为平行于所述待处理图像的行，所述指定方向为垂直于所述宏块边界的情况下，所述一个宏块和所述另一个宏块为具有水平边界的两个宏块。可实施的，当垂直方向为按照从上到下的顺序滤波时，所述另一个宏块位于所述一个宏块的下方。
具体的，第二预设滤波算法，包括：
对基于边界相邻的两个宏块中的各个当前像素点，分别取与边界最近的预设第二数目个像素点，按预设第二像素值调整算法，将所述预设第二数目个像素点的像素值调整到预设像素值范围内；所述预设第二数目小于所述预设第一数目。可实施的，在将宏块划分为4*4大小时，预设第二数目可以为1或2。
可实施的，上述所述的第二滤波方法中的按预设第二像素值调整算法，将所述预设第二数目个像素点的像素值调整到预设像素值范围内的具体过程，可以参见图4。
如图4所示，为本发明实施例提供的第二滤波方法中按预设第二像素值调整算法，将所述预设第二数目个像素点的像素值调整到预设像素值范围内的一种流程图，可以包括：
步骤S401，计算基于边界相邻的两个宏块中第一宏块中与边界最近的两个像素点之间的差值的第一绝对值。
可实施的，在基于两个当前相邻宏块在当前行中的垂直边界，进行水平方向滤波时，第一宏块和第二宏块为具有垂直边界的两个宏块，像素点为水平像素点。可实施的，当水平方向为按照从左到右的顺序滤波时，第二宏块位于第一宏块的右方。
可实施的，在基于两个当前相邻宏块在当前列中的水平边界，进行垂直方向滤波时，第一宏块和第二宏块为具有水平边界的两个宏块，像素点为垂直像素点。可实施的，当垂直方向为按照从上到下的顺序滤波时，第二宏块位于第一宏块的下方。
步骤S402，按预设权重对所述噪声强度值进行计算，获得参考值。
可实施的，预设权重为根据经验值设置，具体可以为50或60等。这里以50为例，计算50与噪声强度值相乘的值获得参考值。
步骤S403，判断所述第一绝对值是否小于所述参考值。
如果判断的结果为是，即第一绝对值小于所述参考值，则执行步骤S404；如果判断的结果为否，即第一绝对值不小于所述参考值，则执行步骤S405。
步骤S404，用第一像素值调整子算法，将所述第一宏块中的预设第二数目个像素点的像素值调整到预设像素值范围内。执行步骤S406。
具体的可以采用如下公式，计算：
V′6＝(V5+2×V6+V7)/4
V″6＝clip(V′6,0,255)
其中，V5为v5第一宏块中离边界第二近的像素点，V6为第一宏块中离边界最近的像素点，V7为第二宏块中离边界最近的像素点，V′6为滤波后的中间像素值，V″6为将第一宏块中距离边界最近的一个像素点的像素值调整到预设像素值范围内的像素值，clip为对滤波后的中间像素值的数值进行截取操作，clip截取操作为将小于0的数值经过clip截取操作后取值为0，大于255的数值经过clip截取操作后取值为255，其他值保持不变。
步骤S405，用第二像素值调整子算法，将所述第一宏块中的预设第二数目个像素点的像素值调整到预设像素值范围内。
计算基于边界相邻的两个宏块的边界梯度值OFFSET；
具体的可以采用如下公式，计算：
V′6＝V6+OFFSET/4
V″6＝clip(V′6,0,255)
其中，V6为第一宏块中离边界最近的像素点，V′6为对V6滤波后的中间像素值，V″6为将第一宏块中距离边界最近的一个像素点的像素值调整到预设像素值范围内的像素值。
步骤S406，计算基于边界相邻的两个宏块中第二宏块中与边界最近的两个像素点之间的差值的第二绝对值。
步骤S407，判断所述第二绝对值是否小于所述参考值。
如果判断的结果为是，即第二绝对值小于所述参考值，则执行步骤S408；如果判断的结果为否，即第二绝对值不小于所述参考值，则执行步骤S409。
步骤S408，用第三像素值调整子算法，将所述第二宏块中的预设第二数目个像素点的像素值调整到预设像素值范围内。
具体的可以采用如下公式，计算：
V′7＝(V6+2×V7+V8)/4
V″7＝clip(V′7,0,255)
其中，V6为第一宏块中离边界最近的像素点，V7为第二宏块中离边界最近的像素点，V8为第二宏块中离边界第二近的像素点，V′7为对V7滤波后的中间像素值，V″7为将第二宏块中距离边界最近的一个像素点的像素值调整到预设像素值范围内的像素值。
步骤S409，用第四像素值调整子算法，将所述第二宏块中的预设第二数目个像素点的像素值调整到预设像素值范围内。
在一种具体的实施方式中，可以：
先计算基于边界相邻的两个宏块的边界梯度值OFFSET；
再采用如下公式进行计算：
V′7＝V7-OFFSET/4
V″7＝clip(V′7,0,255)
其中，V7第二宏块中离边界最近的像素点，V′7对V7滤波后的中间像素值，V″7为将第二宏块中距离边界最近的一个像素点的像素值调整到预设像素值范围内的像素值。
如图4所示，对复杂区域的像素点的像素值进行调整的过程不仅考虑了两个宏块的边界梯度值，而且还引入第一绝对值、第二绝对值和参考值，根据绝对值与参考值的大小关系，采用了不同的调整算法。相对于平坦区域的滤波过程更加精细，进一步提高了采用滤波方法后，去除噪声的效果。
如图5所示，为一种对待处理图像滤波的示例，如图5所示，可以包括：
像素点“1”、像素点“2”和像素点“3”等96个像素点，按照4*4的大小，划分为了六个宏块，501为像素点“4”和像素点“17”之间、像素点“8”和像素点“21”之间、像素点“12”和像素点“25”之间，以及像素点“16”和像素点“29”之间的垂直边界，502为像素点“20”和像素点“65”之间、像素点“24”和像素点“69”之间、像素点“28”和像素点“73”之间，以及像素点“32”和像素点“77”之间的垂直边界；503为像素点“13”和像素点“33”之间、像素点“14”和像素点“34”之间、像素点“15”和像素点“35”之间，以及像素点“16”和像素点“36”之间的水平边界。这里为描述方便未将全部边界一一列举。
先获得待处理图像的噪声强度值记为“A”；用噪声强度值与第一预设数值的乘积作为第一边缘强度阈值，将噪声强度值与第二预设数值的乘积作为第二边缘强度阈值。本示例中，第一预设数值为125；第二预设数值为75。则第一边缘强度阈值为125*A；第二边缘强度阈值为75*A；同时预设第一数目为2，预设第二数目为1。
按照从左到右、从上到下的顺序，先对第一行进行水平方向的滤波。具体的，先计算像素点“4”和像素点“17”的像素值的差值的绝对值，作为当前行的边缘强度值。
先确定像素点1、2、3、4、17、18、19和20属于非边缘区域、复杂区域或平坦区域。如果当前行边缘强度值小于等于125*A且小于等于75*A时，确定像素点1、2、3、4、17、18、19和20属于平坦区域；则基于垂直边界501，获取像素点3、4、17和18的像素值，按预设第一像素值调整算法，对像素点3、4、17和18进行滤波，更新像素值，获得滤波后的像素点3、4、17和18。
这时，因为该行还有宏块，所以再确定像素点17、18、19、20、65、66、67和68属于非边缘区域、复杂区域或平坦区域。
如果像素点17、18、19、20、65、66、67和68属于平坦区域，则计算像素点“20”和像素点“65”的像素值的差值的绝对值，作为当前行的边缘强度值，根据相同的原理，按预设第一像素值调整算法，对像素点19、20、65和66进行滤波，直到该行滤波结束，再对下一行进行滤波。
如果像素点17、18、19、20、65、66、67和68属于非边缘区域，则不进行滤波。
如果像素点17、18、19、20、65、66、67和68属于复杂区域，则计算50与噪声强度值相乘的值获得参考值。基于垂直边界502，先计算像素点19和像素点20的差值的第一绝对值。如果第一绝对值小于参考值，则用上述实施例中的第一像素值调整子算法将像素点20的像素值调整到预设像素值范围内。如果第一绝对值不小于参考值，则用上述实施例所述的第二像素值调整子算法，将像素点20的像素值调整到预设像素值范围内。再计算像素点65和像素点66的差值的第二绝对值。如果第二绝对值小于参考值，则用上述实施例中的第三像素值调整子算法将像素点65的像素值调整到预设像素值范围内。如果第二绝对值不小于参考值，则用上述实施例所述的第四像素值调整子算法，将像素点65的像素值调整到预设像素值范围内。
这行没有宏块了，所以再用相同的原理对下一行进行滤波，直到各行都滤波完成，再进行垂直方向的滤波，垂直方向的滤波与水平方向滤波的原理相同，按照从左到右、从上到下的顺序，先对第一列进行滤波，再对下一列进行滤波，在此不再详细描述。
可见，在待处理图像为视频帧图像时，应用本发明实施例，无需视频帧图像的前后帧信息，只需根据一帧图像的信息就可以进行滤波。
而且，应用本发明实施例，滤波时无需依靠视频编码标准，无需必须集成于编码器中和解码器中。在编码器中和解码器外部就可以应用本发明实施例，算法的复杂度不受编码器和解码器的限制。对于任意包含压缩噪声的待处理图像，都可以根据该待处理图像的信息，进行滤波方法的处理，去除待处理图像的压缩噪声，在去除压缩噪声的同时可以较好的保持图片边缘信息，提高了用户的视觉体验。
参见图6，为一种滤波效果的示意图，如图6所示，包括：
图片601和图片602。
其中，图片601为包含压缩噪声的原始图像，图片602为应用本发明实施例进行滤波后，去除了压缩噪声，获得的滤波后图像。很明显图片602的视觉效果很好。
本发明实施例提供的滤波装置的结构示意图，如图7所示，所述装置包括：
图像获取单元701，用于获取待处理图像；
噪声强度值获得单元702，用于对所述待处理图像进行噪声估计，获得所述待处理图像的噪声强度值；
图像划分单元703，用于将所述待处理图像划分为多个宏块；
区域类型确定单元704，用于基于宏块边界的指定方向上的像素点的像素值，计算所述指定方向的边缘强度值，并且基于边缘强度值和所述噪声强度值的大小关系，确定所述指定方向上的像素点所属的区域类型；
滤波单元705，用于采用与所述区域类型对应的预设的滤波算法对所述指定方向上的像素点进行滤波。
可选的，所述噪声强度值获得单元，具体用于：
将所述待处理图像输入到预先训练好的噪声估计网络模型；所述噪声估计网络模型为将每个原始图像进行不同失真程度后，获得不同噪声强度的图像两两组合作为各组样本图像，根据每组样本图像中两张图像的噪声强度的大小关系，对孪生神经网络进行训练获得的网络模型；
获取所述噪声估计网络模型输出的所述待处理图像的噪声强度值。
可选的，所述装置，还包括：边缘强度阈值确定单元；
所述边缘强度阈值确定单元，用于在所述区域类型确定单元基于宏块边界的指定方向上的像素点的像素值，计算所述指定方向的边缘强度值，并且基于边缘强度值和所述噪声强度值的大小关系，确定所述指定方向上的像素点所属的区域类型之前，根据所述噪声强度值，确定边缘强度阈值；
所述区域类型确定单元，包括：
边缘强度值计算模块，用于基于宏块边界的指定方向上的像素点的像素值，计算所述指定方向的边缘强度值；
区域类型确定模块，用于基于所述边缘强度值和所述边缘强度阈值的大小关系，确定所述指定方向上的像素点所属的区域类型。
可选的，所述边缘强度阈值确定单元，包括：
第一边缘强度阈值计算模块，用于将所述噪声强度值与第一预设数值的乘积作为第一边缘强度阈值；
所述区域类型确定模块，包括：
边缘区域确定子模块，用于在所述边缘强度值大于第一边缘强度阈值时，确定所述指定方向上的像素点属于边缘区域；
非边缘区域确定子模块，用于在所述边缘强度值不大于第一边缘强度阈值时，确定所述指定方向上的像素点属于非边缘区域。
可选的，所述边缘强度阈值确定单元，还包括：
第二边缘强度阈值计算模块，用于将所述噪声强度值与第二预设数值的乘积作为第二边缘强度阈值；所述第二边缘强度阈值小于所述第一边缘强度阈值；
所述非边缘区域确定子模块，具体用于：
在所述边缘强度值不大于第一边缘强度阈值且大于所述第二边缘强度阈值时，确定所述指定方向上的像素点属于复杂区域；
在所述边缘强度值不大于第一边缘强度阈值且不大于所述第二边缘强度阈值时，确定所述指定方向上的像素点属于平坦区域。
可选的，所述滤波单元，具体用于：
如果所述指定方向上的像素点属于平坦区域，则采用第一预设滤波算法，对所述指定方向上的像素点进行滤波，获得滤波后的所述指定方向上的像素点的像素值；
如果所述指定方向上的像素点属于复杂区域，则采用第二预设滤波算法，对所述指定方向上的像素点进行滤波，获得滤波后的所述指定方向上的像素点的像素值。
可选的，所述第一预设滤波算法，用于对基于边界相邻的两个宏块中的各个当前像素点，分别取与边界最近的预设第一数目个像素点，按预设第一像素值调整算法，将所述预设第一数目个像素点的像素值调整到预设像素值范围内；
所述第二预设滤波算法，用于对基于边界相邻的两个宏块中的各个当前像素点，分别取与边界最近的预设第二数目个像素点，按预设第二像素值调整算法，将所述预设第二数目个像素点的像素值调整到预设像素值范围内；所述预设第二数目小于所述预设第一数目。
可选的，所述预设第一数目为2；
所述按预设第一像素值调整算法，将所述预设第一数目个像素点的像素值调整到预设像素值范围内，包括：
计算基于边界相邻的两个宏块的边界梯度值OFFSET；
按如下公式计算：
V′1＝V1+OFFSET/4
V″1＝clip(V′1,0,255)
V′2＝V2+OFFSET/2
V″2＝clip(V′2,0,255)
V′3＝V3-OFFSET/2
V″3＝clip(V′3,0,255)
V′4＝V4-OFFSET/4
V″4＝clip(V′4,0,255)
其中，V1为一个宏块中离边界第二近的像素点，V2为与V1位于一个宏块中离边界最近的像素点，V3为另一个宏块中离边界最近的像素点，V4为所述另一个宏块中离边界第二近的像素点，V′1、V′2、V′3和V′4为滤波后的中间像素值，V″1、V″2、V″3和V″4为滤波后将像素值调整到预设像素值范围内的像素值，clip为对滤波后的中间像素值的数值进行截取操作，clip截取操作为将小于0的数值经过clip截取操作后取值为0，大于255的数值经过clip截取操作后取值为255，其他值保持不变。
可选的，所述按预设第二像素值调整算法，将所述预设第二数目个像素点的像素值调整到预设像素值范围内，包括：
计算基于边界相邻的两个宏块中第一宏块中与边界最近的两个像素点之间的差值的第一绝对值；
按预设权重对所述噪声强度值进行计算，获得参考值；
判断所述第一绝对值是否小于所述参考值；
如果是，则用第一像素值调整子算法，将所述第一宏块中的预设第二数目个像素点的像素值调整到预设像素值范围内；
如果否，则用第二像素值调整子算法，将所述第一宏块中的预设第二数目个像素点的像素值调整到预设像素值范围内；
计算基于边界相邻的两个宏块中第二宏块中与边界最近的两个像素点之间的差值的第二绝对值；
判断所述第二绝对值是否小于所述参考值；
如果是，则用第三像素值调整子算法，将所述第二宏块中的预设第二数目个像素点的像素值调整到预设像素值范围内；
如果否，则用第四像素值调整子算法，将所述第二宏块中的预设第二数目个像素点的像素值调整到预设像素值范围内。
可选的，所述预设第二数目为1；
所述用第一像素值调整子算法，将所述第一宏块中的预设第二数目个像素点的像素值调整到预设像素值范围内，包括：
采用如下公式，计算：
V′6＝(V5+2×V6+V7)/4
V″6＝clip(V′6,0,255)
其中，V5为v5第一宏块中离边界第二近的像素点，V6为第一宏块中离边界最近的像素点，V7为第二宏块中离边界最近的像素点，V′6为滤波后的中间像素值，V″6为将第一宏块中距离边界最近的一个像素点的像素值调整到预设像素值范围内的像素值，clip为对滤波后的中间像素值的数值进行截取操作，clip截取操作为将小于0的数值经过clip截取操作后取值为0，大于255的数值经过clip截取操作后取值为255，其他值保持不变；
所述用第二像素值调整子算法，将所述第一宏块中的预设第二数目个像素点的像素值调整到预设像素值范围内的步骤，包括：
计算基于边界相邻的两个宏块的边界梯度值OFFSET；
采用如下公式，计算：
V′6＝V6+OFFSET/4
V″6＝clip(V′6,0,255)
其中，V6为第一宏块中离边界最近的像素点，V′6为对V6滤波后的中间像素值，V″6为将第一宏块中距离边界最近的一个像素点的像素值调整到预设像素值范围内的像素值；
所述用第三像素值调整子算法，将所述第二宏块中的预设第二数目个像素点的像素值调整到预设像素值范围内的步骤，包括：
采用如下公式，计算：
V′7＝(V6+2×V7+V8)/4
V″7＝clip(V′7,0,255)
其中，V6为第一宏块中离边界最近的像素点，V7为第二宏块中离边界最近的像素点，V8为第二宏块中离边界第二近的像素点，V′7为对V7滤波后的中间像素值，V″7为将第二宏块中距离边界最近的一个像素点的像素值调整到预设像素值范围内的像素值；
所述用第四像素值调整子算法，将所述第二宏块中的预设第二数目个像素点的像素值调整到预设像素值范围内的步骤，包括：
计算基于边界相邻的两个宏块的边界梯度值OFFSET；
采用如下公式，计算：
V′7＝V7-OFFSET/4
V″7＝clip(V′7,0,255)
其中，V7第二宏块中离边界最近的像素点，V′7对V7滤波后的中间像素值，V″7为将第二宏块中距离边界最近的一个像素点的像素值调整到预设像素值范围内的像素值。
可见，在待处理图像为视频帧图像时，应用本发明实施例，无需视频帧图像的前后帧信息，只需根据一帧图像的信息就可以进行滤波。因此，本发明实施例不仅适用于对视频帧图像进行进行滤波，也可以对单一的图片进行进行滤波，提高用户的视觉体验。
而且，应用本发明实施例，无需视频帧图像的前后帧信息，进行滤波时无需依靠视频编码标准，无需必须集成于编码器中和解码器中。在编码器中和解码器外部就可以应用本发明实施例，算法的复杂度不受编码器和解码器的限制。
本发明实施例还提供了一种电子设备，如图8所示，包括处理器801、通信接口802、存储器803和通信总线804，其中，处理器801，通信接口802，存储器803通过通信总线804完成相互间的通信，
存储器803，用于存放计算机程序；
处理器801，用于执行存储器803上所存放的程序时，实现如下步骤：
获取待处理图像；
对所述待处理图像进行噪声估计，获得所述待处理图像的噪声强度值；
将所述待处理图像划分为多个宏块；
基于宏块边界的指定方向上的像素点的像素值，计算所述指定方向的边缘强度值，并且基于边缘强度值和所述噪声强度值的大小关系，确定所述指定方向上的像素点所属的区域类型；
采用与所述区域类型对应的预设的滤波算法对所述指定方向上的像素点进行滤波。
可见，在待处理图像为视频帧图像时，应用本发明实施例，无需视频帧图像的前后帧信息，只需根据一帧图像的信息就可以进行滤波。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，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。可选的，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。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(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。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一图像滤波方法的步骤。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一图像滤波方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
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。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、电子设备、计算机可读存储介质及计算机程序产品等实施例而言，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。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。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，均包含在本发明的保护范围内。

Claims (12)

1.一种图像滤波方法，其特征在于，所述方法包括：
获取待处理图像；
对所述待处理图像进行噪声估计，获得所述待处理图像的噪声强度值；
将所述待处理图像划分为多个宏块；
基于宏块边界的指定方向上的像素点的像素值，计算所述指定方向的边缘强度值，并且基于边缘强度值和所述噪声强度值的大小关系，确定所述指定方向上的像素点所属的区域类型；
采用与所述区域类型对应的预设的滤波算法对所述指定方向上的像素点进行滤波；
所述对所述待处理图像进行噪声估计，获得所述待处理图像的噪声强度值的步骤，包括：
将所述待处理图像输入到预先训练好的噪声估计网络模型；所述噪声估计网络模型为将每个原始图像进行不同失真程度后，获得不同噪声强度的图像两两组合作为各组样本图像，根据每组样本图像中两张图像的噪声强度的大小关系，对孪生神经网络进行训练获得的网络模型；
获取所述噪声估计网络模型输出的所述待处理图像的噪声强度值。
2.根据权利要求1所述的方法，其特征在于，在所述基于宏块边界的指定方向上的像素点的像素值，计算所述指定方向的边缘强度值，并且基于边缘强度值和所述噪声强度值的大小关系，确定所述指定方向上的像素点所属的区域类型的步骤之前，还包括：
根据所述噪声强度值，确定边缘强度阈值；
所述基于宏块边界的指定方向上的像素点的像素值，计算所述指定方向的边缘强度值，并且基于边缘强度值和所述噪声强度值的大小关系，确定所述指定方向上的像素点所属的区域类型的步骤，包括：
基于宏块边界的指定方向上的像素点的像素值，计算所述指定方向的边缘强度值；
基于所述边缘强度值和所述边缘强度阈值的大小关系，确定所述指定方向上的像素点所属的区域类型。
3.根据权利要求2所述的方法，其特征在于，所述根据所述噪声强度值，确定边缘强度阈值的步骤，包括：
将所述噪声强度值与第一预设数值的乘积作为第一边缘强度阈值；
所述基于所述边缘强度值和所述边缘强度阈值的大小关系，确定所述指定方向上的像素点所属的区域类型的步骤，包括：
在所述边缘强度值大于第一边缘强度阈值时，确定所述指定方向上的像素点属于边缘区域；
在所述边缘强度值不大于第一边缘强度阈值时，确定所述指定方向上的像素点属于非边缘区域。
4.根据权利要求3所述的方法，其特征在于，所述根据所述噪声强度值，确定边缘强度阈值的步骤，还包括：
将所述噪声强度值与第二预设数值的乘积作为第二边缘强度阈值；所述第二边缘强度阈值小于所述第一边缘强度阈值；
所述在所述边缘强度值不大于第一边缘强度阈值时，确定所述指定方向上的像素点属于非边缘区域的步骤，包括：
在所述边缘强度值不大于第一边缘强度阈值且大于所述第二边缘强度阈值时，确定所述指定方向上的像素点属于复杂区域；
在所述边缘强度值不大于第一边缘强度阈值且不大于所述第二边缘强度阈值时，确定所述指定方向上的像素点属于平坦区域。
5.根据权利要求4所述的方法，其特征在于，
所述采用与所述区域类型对应的预设的滤波算法对所述指定方向上的像素点进行滤波的步骤，包括：
如果所述指定方向上的像素点属于平坦区域，则采用第一预设滤波算法，对所述指定方向上的像素点进行滤波，获得滤波后的所述指定方向上的像素点的像素值；
如果所述指定方向上的像素点属于复杂区域，则采用第二预设滤波算法，对所述指定方向上的像素点进行滤波，获得滤波后的所述指定方向上的像素点的像素值。
6.根据权利要求5所述的方法，其特征在于，
所述第一预设滤波算法，包括：
对基于边界相邻的两个宏块中的各个当前像素点，分别取与边界最近的预设第一数目个像素点，按预设第一像素值调整算法，将所述预设第一数目个像素点的像素值调整到预设像素值范围内；
所述第二预设滤波算法，包括：
对基于边界相邻的两个宏块中的各个当前像素点，分别取与边界最近的预设第二数目个像素点，按预设第二像素值调整算法，将所述预设第二数目个像素点的像素值调整到预设像素值范围内；所述预设第二数目小于所述预设第一数目。
7.根据权利要求6所述的方法，其特征在于，
所述预设第一数目为2；
所述按预设第一像素值调整算法，将所述预设第一数目个像素点的像素值调整到预设像素值范围内的步骤，包括：
计算基于边界相邻的两个宏块的边界梯度值OFFSET；
按如下公式计算：
V′1＝V1+OFFSET/4
V″1＝clip(V′1,0,255)
V′2＝V2+OFFSET/2
V″2＝clip(V′2,0,255)
V′3＝V3-OFFSET/2
V″3＝clip(V′3,0,255)
V′4＝V4-OFFSET/4
V″4＝clip(V′4,0,255)
其中，V1为一个宏块中离边界第二近的像素点，V2为与V1位于一个宏块中离边界最近的像素点，V3为另一个宏块中离边界最近的像素点，V4为所述另一个宏块中离边界第二近的像素点，V′1、V′2、V′3和V′4为滤波后的中间像素值，V″1、V″2、V″3和V″4为滤波后将像素值调整到预设像素值范围内的像素值，clip为对滤波后的中间像素值的数值进行截取操作，clip截取操作为将小于0的数值经过clip截取操作后取值为0，大于255的数值经过clip截取操作后取值为255，其他值保持不变。
8.根据权利要求6所述的方法，其特征在于，所述按预设第二像素值调整算法，将所述预设第二数目个像素点的像素值调整到预设像素值范围内的步骤，包括：
计算基于边界相邻的两个宏块中第一宏块中与边界最近的两个像素点之间的差值的第一绝对值；
按预设权重对所述噪声强度值进行计算，获得参考值；
判断所述第一绝对值是否小于所述参考值；
如果是，则用第一像素值调整子算法，将所述第一宏块中的预设第二数目个像素点的像素值调整到预设像素值范围内；
如果否，则用第二像素值调整子算法，将所述第一宏块中的预设第二数目个像素点的像素值调整到预设像素值范围内；
计算基于边界相邻的两个宏块中第二宏块中与边界最近的两个像素点之间的差值的第二绝对值；
判断所述第二绝对值是否小于所述参考值；
如果是，则用第三像素值调整子算法，将所述第二宏块中的预设第二数目个像素点的像素值调整到预设像素值范围内；
如果否，则用第四像素值调整子算法，将所述第二宏块中的预设第二数目个像素点的像素值调整到预设像素值范围内。
9.根据权利要求8所述的方法，其特征在于，所述预设第二数目为1；
所述用第一像素值调整子算法，将所述第一宏块中的预设第二数目个像素点的像素值调整到预设像素值范围内的步骤，包括：
采用如下公式，计算：
V′6＝(V5+2×V6+V7)/4
V″6＝clip(V′6,0,255)
其中，V5为v5第一宏块中离边界第二近的像素点，V6为第一宏块中离边界最近的像素点，V7为第二宏块中离边界最近的像素点，V′6为滤波后的中间像素值，V″6为将第一宏块中距离边界最近的一个像素点的像素值调整到预设像素值范围内的像素值，clip为对滤波后的中间像素值的数值进行截取操作，clip截取操作为将小于0的数值经过clip截取操作后取值为0，大于255的数值经过clip截取操作后取值为255，其他值保持不变；
所述用第二像素值调整子算法，将所述第一宏块中的预设第二数目个像素点的像素值调整到预设像素值范围内的步骤，包括：
计算基于边界相邻的两个宏块的边界梯度值OFFSET；
采用如下公式，计算：
V′6＝V6+OFFSET/4
V″6＝clip(V′6,0,255)
其中，V6为第一宏块中离边界最近的像素点，V′6为对V6滤波后的中间像素值，V″6为将第一宏块中距离边界最近的一个像素点的像素值调整到预设像素值范围内的像素值；
所述用第三像素值调整子算法，将所述第二宏块中的预设第二数目个像素点的像素值调整到预设像素值范围内的步骤，包括：
采用如下公式，计算：
V′7＝(V6+2×V7+V8)/4
V″7＝clip(V′7,0,255)
其中，V6为第一宏块中离边界最近的像素点，V7为第二宏块中离边界最近的像素点，V8为第二宏块中离边界第二近的像素点，V′7为对V7滤波后的中间像素值，V″7为将第二宏块中距离边界最近的一个像素点的像素值调整到预设像素值范围内的像素值；
所述用第四像素值调整子算法，将所述第二宏块中的预设第二数目个像素点的像素值调整到预设像素值范围内的步骤，包括：
计算基于边界相邻的两个宏块的边界梯度值OFFSET；
采用如下公式，计算：
V′7＝V7-OFFSET/4
V″7＝clip(V′7,0,255)
其中，V7第二宏块中离边界最近的像素点，V′7对V7滤波后的中间像素值，V″7为将第二宏块中距离边界最近的一个像素点的像素值调整到预设像素值范围内的像素值。
10.一种图像滤波装置，其特征在于，所述装置包括：
图像获取单元，用于获取待处理图像；
噪声强度值获得单元，用于对所述待处理图像进行噪声估计，获得所述待处理图像的噪声强度值；
图像划分单元，用于将所述待处理图像划分为多个宏块；
区域类型确定单元，用于基于宏块边界的指定方向上的像素点的像素值，计算所述指定方向的边缘强度值，并且基于边缘强度值和所述噪声强度值的大小关系，确定所述指定方向上的像素点所属的区域类型；
滤波单元，用于采用与所述区域类型对应的预设的滤波算法对所述指定方向上的像素点进行滤波；
所述噪声强度值获得单元，具体用于：
将所述待处理图像输入到预先训练好的噪声估计网络模型；所述噪声估计网络模型为将每个原始图像进行不同失真程度后，获得不同噪声强度的图像两两组合作为各组样本图像，根据每组样本图像中两张图像的噪声强度的大小关系，对孪生神经网络进行训练获得的网络模型；
获取所述噪声估计网络模型输出的所述待处理图像的噪声强度值。
11.一种电子设备，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；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-9任一所述的方法步骤。
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-9任一所述的方法步骤。
CN201911183940.8A 2019-11-27 2019-11-27 图像滤波方法、装置、电子设备及存储介质 Active CN110956594B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911183940.8A CN110956594B (zh) 2019-11-27 2019-11-27 图像滤波方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911183940.8A CN110956594B (zh) 2019-11-27 2019-11-27 图像滤波方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN110956594A CN110956594A (zh) 2020-04-03
CN110956594B true CN110956594B (zh) 2023-12-01

Family

ID=69978598

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911183940.8A Active CN110956594B (zh) 2019-11-27 2019-11-27 图像滤波方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN110956594B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111652818B (zh) * 2020-05-29 2023-09-29 浙江大华技术股份有限公司 一种基于金字塔的图像滤波方法、装置及存储介质
CN113096014B (zh) * 2021-03-31 2023-12-08 咪咕视讯科技有限公司 视频超分处理方法、电子设备及存储介质
CN115311147A (zh) * 2021-05-06 2022-11-08 影石创新科技股份有限公司 图像处理方法、装置、电子设备和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102948151A (zh) * 2010-06-17 2013-02-27 夏普株式会社 图像滤波装置、解码装置、编码装置及数据结构
CN106846262A (zh) * 2016-12-23 2017-06-13 中国科学院自动化研究所 去除蚊式噪声的方法及系统
CN106934768A (zh) * 2015-12-30 2017-07-07 展讯通信(天津)有限公司 一种图像去噪的方法及装置
CN108521575A (zh) * 2018-04-06 2018-09-11 天津米步科技有限公司 图像噪声的降噪方法及装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7620261B2 (en) * 2004-11-23 2009-11-17 Stmicroelectronics Asia Pacific Pte. Ltd. Edge adaptive filtering system for reducing artifacts and method
JP2008109247A (ja) * 2006-10-24 2008-05-08 Matsushita Electric Ind Co Ltd ビデオ・ノイズをフィルタリングする方法、装置、集積回路およびエンコーダ
US8189946B2 (en) * 2007-01-24 2012-05-29 Canon Kabushiki Kaisha Image processing apparatus and method thereof for detecting and removing noise in decoded images
US7983501B2 (en) * 2007-03-29 2011-07-19 Intel Corporation Noise detection and estimation techniques for picture enhancement
JP4585602B1 (ja) * 2009-09-18 2010-11-24 株式会社東芝 画像処理装置、表示装置及び画像処理方法
JP4799678B1 (ja) * 2010-07-27 2011-10-26 株式会社東芝 符号化歪み低減装置、符号化歪み低減方法およびそのためのプログラム
JP5291133B2 (ja) * 2011-03-09 2013-09-18 日本電信電話株式会社 画像処理方法，画像処理装置，映像符号化／復号方法，映像符号化／復号装置およびそれらのプログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102948151A (zh) * 2010-06-17 2013-02-27 夏普株式会社 图像滤波装置、解码装置、编码装置及数据结构
CN106934768A (zh) * 2015-12-30 2017-07-07 展讯通信(天津)有限公司 一种图像去噪的方法及装置
CN106846262A (zh) * 2016-12-23 2017-06-13 中国科学院自动化研究所 去除蚊式噪声的方法及系统
CN108521575A (zh) * 2018-04-06 2018-09-11 天津米步科技有限公司 图像噪声的降噪方法及装置

Also Published As

Publication number Publication date
CN110956594A (zh) 2020-04-03

Similar Documents

Publication Publication Date Title
CN110956594B (zh) 图像滤波方法、装置、电子设备及存储介质
CN108932697B (zh) 一种失真图像的去失真方法、装置及电子设备
CN108184115B (zh) Hevc帧内cu划分和pu预测模式选择方法及系统
EP3509305B1 (en) Intra-prediction video coding method and device
US11889102B2 (en) Filtering method for removing blocking artifact and apparatus
CN109743473A (zh) 视频图像3d降噪方法、计算机装置及计算机可读存储介质
CN107481209B (zh) 一种基于卷积神经网络的图像或视频质量增强方法
CN108600783B (zh) 一种帧率调节方法、装置及终端设备
US11259029B2 (en) Method, device, apparatus for predicting video coding complexity and storage medium
CN109756736B (zh) Sao模式决策方法、装置、电子设备及可读存储介质
CN110839155A (zh) 运动估计的方法、装置、电子设备及计算机可读存储介质
CN109214996B (zh) 一种图像处理方法及装置
CN112150368A (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
CN110062230B (zh) 图像编码方法及装置
CN110084742B (zh) 一种视差图预测方法、装置及电子设备
KR102094247B1 (ko) 디블로킹 필터링 방법 및 디블로킹 필터
CN110458754B (zh) 图像生成方法及终端设备
CN112073718A (zh) 一种电视机花屏检测方法、装置、计算机设备及储存介质
JP6402088B2 (ja) 映像品質推定装置、映像品質推定方法、及びプログラム
CN109660806B (zh) 一种编码方法、装置和电子设备
CN110782415A (zh) 一种图像补全方法、装置及终端设备
CN105872538B (zh) 时域滤波方法和时域滤波装置
CN111260590B (zh) 图像降噪方法及相关产品
CN109544591B (zh) 一种运动估计方法、装置、电子设备及存储介质
CN114422779A (zh) 预测单元尺寸决策的方法、装置、电子设备及介质

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