CN111260590B - 图像降噪方法及相关产品 - Google Patents
图像降噪方法及相关产品 Download PDFInfo
- Publication number
- CN111260590B CN111260590B CN202010132733.6A CN202010132733A CN111260590B CN 111260590 B CN111260590 B CN 111260590B CN 202010132733 A CN202010132733 A CN 202010132733A CN 111260590 B CN111260590 B CN 111260590B
- Authority
- CN
- China
- Prior art keywords
- image
- processed
- template
- target
- noise reduction
- 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
- 230000009467 reduction Effects 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000005070 sampling Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims description 57
- 238000013441 quality evaluation Methods 0.000 claims description 42
- 230000009466 transformation Effects 0.000 claims description 27
- 238000011156 evaluation Methods 0.000 claims description 24
- 238000009826 distribution Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 10
- 230000001629 suppression Effects 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 6
- 230000001131 transforming effect Effects 0.000 claims description 5
- 238000003709 image segmentation Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000007792 addition Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011946 reduction process Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
Images
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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请实施例公开了一种图像降噪方法及相关产品，应用于电子设备，其中，所述方法包括：获取待处理图像；对所述待处理图像进行列采样以及行遍历处理，得到图像模板；基于所述图像模板遍历所述待处理图像，对所述图像模板所在区域内的所述待处理图像进行降噪处理，在完成遍历操作后，得到第一图像；对所述第一图像中的每一像素进行加权处理，得到第二图像。采用本申请实施例能够在不降低图像整体质量的情况下，实现图像降噪。
Description
技术领域
本申请涉及图像处理技术领域，具体涉及一种图像降噪方法及相关产品。
背景技术
随着电子设备(如手机、平板电脑等等)的大量普及应用，电子设备能够支持的应用越来越多，功能越来越强大，电子设备向着多样化、个性化的方向发展，成为用户生活中不可缺少的电子用品。
拍照技术成为电子设备的标配技术，电子设备拍摄出的图像往往需要图像处理，例如，图像降噪，但是，在图像降噪过程中，往往方式较为粗暴，反而，降低了图像的整体质量。
发明内容
本申请实施例提供了一种图像降噪方法及相关产品，能够在不降低图像整体质量的情况下，实现图像降噪。
第一方面，本申请实施例提供一种图像降噪方法，应用于电子设备，所述方法包括：
获取待处理图像；
对所述待处理图像进行列采样以及行遍历处理，得到图像模板；
基于所述图像模板遍历所述待处理图像，对所述图像模板所在区域内的所述待处理图像进行降噪处理，在完成遍历操作后，得到第一图像；
对所述第一图像中的每一像素进行加权处理，得到第二图像。
第二方面，本申请实施例提供一种图像降噪装置，应用于电子设备，所述装置包括：获取单元、模板生成单元、降噪单元和加权单元，其中，
所述获取单元，用于获取待处理图像；
所述模板生成单元，用于对所述待处理图像进行列采样以及行遍历处理，得到图像模板；
所述降噪单元，用于基于所述图像模板遍历所述待处理图像，对所述图像模板所在区域内的所述待处理图像进行降噪处理，在完成遍历操作后，得到第一图像；
所述加权单元，用于对所述第一图像中的每一像素进行加权处理，得到第二图像。
第三方面，本申请实施例提供一种电子设备，包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行本申请实施例第一方面中的步骤的指令。
第四方面，本申请实施例提供了一种计算机可读存储介质，其中，上述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。
第五方面，本申请实施例提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
实施本申请实施例，具备如下有益效果：
可以看出，本申请实施例中所描述的图像降噪方法及相关产品，应用于电子设备，获取待处理图像，对待处理图像进行列采样以及行遍历处理，得到图像模板，基于图像模板遍历待处理图像，对图像模板所在区域内的待处理图像进行降噪处理，在完成遍历操作后，得到第一图像，对第一图像中的每一像素进行加权处理，得到第二图像，如此，能够通过选取图像模板，并基于该图像模板遍历图像，在图像模板区域内实现降噪，一方面保护图像模板区域内的整体图像质量，另一方面，实现了图像降噪，有助于提升图像降噪效果。
附图说明
为了更清楚地说明本申请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的前提下，还可以根据这些附图获得其他的附图。
图1A是本申请实施例提供的一种图像降噪方法的流程示意图；
图1B是本申请实施例提供的图像延拓的流程示意图；
图1C是本申请实施例提供的2维DCT正变换的流程示意图；
图1D是本申请实施例提供的一维DCT正变换的演示示意图；
图1E是本申请实施例提供的Rot的结构示意图；
图1F是本申请实施例提供的一种非线性降噪的流程示意图；
图1G是本申请实施例提供的DLogic后处理的演示示意图；
图1H是本申请实施例提供的2维DCT逆变换的流程示意图；
图1I是本申请实施例提供的一维DCT逆变换的演示示意图；
图1J是本申请实施例提供的另一种图像降噪方法的流程示意图；
图1K是本申请实施例提供的另一种图像降噪方法的流程示意图；
图2是本申请实施例提供的另一种图像降噪方法的流程示意图；
图3是本申请实施例提供的另一种电子设备的结构示意图；
图4A是本申请实施例提供的一种图像降噪装置的功能单元组成框图；
图4B是本申请实施例提供的另一种图像降噪装置的功能单元组成框图；
图4C是本申请实施例提供的另一种图像降噪装置的功能单元组成框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本申请实施例所涉及到的电子设备可以包括各种具有无线通信功能的手持设备、车载设备、可穿戴设备(智能手表、智能手环、无线耳机、增强现实/虚拟现实设备、智能眼镜)、计算设备或连接到无线调制解调器的其他处理设备，以及各种形式的用户设备(userequipment，UE)，移动台(mobile station，MS)，终端设备(terminal device)等等，电子设备还可以为服务器、智能家居设备、业务平台，智能家居设备可以为以下至少一种：智能摄像头、智能冰箱、智能洗衣机、智能家具、智能开关面板、智能洗衣机等等，在此不做限定。
请参阅图1A，图1A是本申请实施例提供的一种图像降噪方法的流程示意图，本图像降噪方法包括：
101、获取待处理图像。
其中，待处理图像可以为灰度图像或者彩色图像，待处理图像可以为视频图像中的任一帧图像。待处理图像还可以为彩色图像中的亮度分量图像，具体地，可以将彩色图像进行颜色空间变换，例如，将RGB图像转化为HSI图像，进而，可以提取图像中的亮度分量图像。当然，待处理图像还可以为原始图像的部分区域图像。
102、对所述待处理图像进行列采样以及行遍历处理，得到图像模板。
其中，本申请实施例中，电子设备可以对待处理图像进行列采样以及行遍历处理，得到至少一个图像模板。即可以实现一个静态模板(即图像模板保持不变)，或者，可以实现多个图像模板，即动态模板(即图像模板是变化的)。
具体实现中，如下提供一种图像模板实现方式，具体地：列方向逐行采样，行方向隔8列采样，且奇数行坐标起始位从1(第一个像素)开始(图中或①或③)，偶数行坐标起始位从5(第五个像素)开始(图中②)。在图像降噪仿真过程中，对图像选取模板的示意如图1B所示。如图1B所示，图像模板①位于第一行，属于奇数行，则可以取第一行，以及前面8列，生成一个8*8图像模板，紧接着，可以取其水平方向相邻的一个8*8图像模板，同理，图像模板③位于第三行，也属于奇数行，则可以按照上述相同的方式实现图像模板选取，又例如，图像模板②位于第二行，属于偶数行，因此，可以从该行的第5个像素开始进行取8*8图像模板，以此类推。
103、基于所述图像模板遍历所述待处理图像，对所述图像模板所在区域内的所述待处理图像进行降噪处理，在完成遍历操作后，得到第一图像。
其中，本申请实施例中，图像模板可以为动态模板或者为多个静态模板，进而，电子设备可以基于图像模板遍历待处理图像，并在遍历过程中基于图像模板所在区域内的待处理图像进行降噪处理，在完成遍历操作后，得到第一图像。
在一个可能的示例中，上述步骤103，对所述待处理图像的所述图像模板所在区域像素进行降噪处理，可以包括如下步骤：
31、在所述图像模板内的所述待处理图像的第一区域进行余弦变换，得到第一运算结果，所述第一区域为所述图像模板对应的所述待处理图像的任一区域；
32、采用预设噪声水平模型对所述第一运算结果进行非线性噪声抑制，得到第二运算结果；
33、对所述第二运算结果进行与所述余弦变换相应的反变换，得到降噪后的所述第一区域。
具体实现中，余弦变换，即DCT正变换，用于在模板窗口内进行2维DCT正变换，具体地，先沿着行方向进行一维DCT正变换，再逐列进行一维DCT正变换，得到二维DCT系数。本申请实施例中，预设噪声水平模型可以预先保存在电子设备中，其由用户自行设置或者系统默认，预设噪声水平模型，可以基于先验法构建预设噪声水平模型，以便对DCT系数进行非线性噪声抑制；非线性降噪抑制：即对得到2维DCT系数进行非线性降噪；DCT逆变换：对处理后2维DCT系数进行DCT逆变换，先沿着行方向，进行一维DCT逆变换，再逐列进行一维DCT逆变换，构建出图像像素点。
具体地，针对DCT正变换，图像是二维矩阵，图像DCT正变换可通过两次一维正变换实现二维正变换。即先对图像逐行进行一维DCT正变换，再对变换系数逐列进行一维DCT正变换。2维DCT正变换的流程图如图1C所示。
其中，一维DCT正变换的计算过程如图1D所示，图1D中，“●”表示输入变量相加运算，“○”表示相乘运算，“→”表示输入变量相减运算。其中方框Rot形式可表达为如图1E所示。
其中，
通过计算可得：
具体实现中，该DCT正变换的模型可以包括3个乘法和3个加法。
其中，具体实现中，可以基于HDR标准测试图像构建预设噪声水平模型，以预设型号设备为测试机为例，则
其中，gray(k,l,x,y)表示图像某一位置(x,y)的DCT块像素平均值，图像位宽为8bit，若图像不是8bit，则取高8位。ThrT(k,l,x,y)表示图像某一(x,y)位置的DCT块每个系数(k,l)的降噪阈值。KNL为噪声水平的增益值，Kbit为位宽系数，Kbit＝2bit/28，其中bit为图像的位宽。其中，T1、KNL均可以由用户自行设置。
进一步地，在DCT系数中，由于高频系数包含了图像的细节信息、噪声信息和孤立点，视频降噪就是为了抑制噪声信息和孤立点，同时保留细节图像。非线性降噪的流程图如图1F所示，具体地，可以设置噪声阈值DT，该噪声阈值DT可以由用户自行设置或者系统默认。进而，可以依据该噪声阈值DT，分别对噪声信息和孤立点进行抑制，具体如下：
其中，抑制噪声(噪声抑制)，具体地，可以对局部掩膜DCT系数D(k,l,x,y)进行降噪操作，但在对高频进行降噪的同时，必须有效地抑制图像的模糊，以及细节的丢失。因此，在高频信号中引入预设噪声水平模型DT(k,l,x,y)，从而，达到图像降噪的目的。
上式中，DT(k,l,x,y)为降噪阈值，D(k,l,x,y)为输入图像的DCT系数，P(k,l,x,y)为降噪处理后DCT系数，KNR为降噪程度，取值范围[0，1]。
另外，则可以抑制孤立点，为了抑制孤立点，对DCT系数进行后处理，主要如下：
A：统计DCT系数大于噪声阈值DT的逻辑值DLogic(k,l,x,y)，如式(5)：
B：对DLogic(k,l,x,y)滤波，判断孤立点
对图像中8×8DCT块的逻辑值DLogic(k,l,x,y)进行甄别，通过3×3滤波器剔除孤立点，如图1G所示。
在图1G中，可以对图像DCT块的逻辑值DLogic(k,l,x,y)进行滤波处理，具体如下：
C：孤立点二次判断
为了有效的分辨孤立点和有用信息点，可以对孤立像素点进一步判断。通过先验法得出，孤立点通常存在混合信息(噪声和细节信息不易区分的信息)和高频信息中，其所对应的逻辑值为：
D：确定图像像素孤立点，并对孤立点进行降噪处理
由式(6)和式(7)得出，图像像素孤立点的所对应的逻辑值Disl(k,l,x,y)为：
Disl(k,l,x,y)＝(Dfilt(k,l,x,y)<2)&(DLogic2(k,l,x,y)＝1) (8)
进一步地，可以对孤立点进行降噪处理：
上式中，Dfilt(k,l,x,y)为孤立点判断逻辑值，DLogic2(k,l,x,y)为孤立点二次判断逻辑值，D(k,l,x,y)为输入图像的DCT系数，P(k,l,x,y)为降噪处理后DCT系数。
DCT逆变换作为DCT正变换的反向操作(反变换)，图像DCT逆变换类似DCT正变换，先对图像逐行进行一维DCT逆变换，再对变换系数逐列进行一维DCT逆变换。二维DCT逆变换的流程图如图1H所示。
一维DCT逆变换的优化过程与正变换类似，如图1I所示，图1I中，“●”表示输入变量相加运算，“○”表示相乘运算，“→”表示输入变量相减运算。其中方框Rot和图1D中的含义相同。
104、对所述第一图像中的每一像素进行加权处理，得到第二图像。
其中，为了获取最终滤波图像g(x,y)，电子设备可以对第一图像中的每一像素进行加权处理，即对于每一像素的所有滤波估计值均值加权。因为，图像中每一个像素都属于w×w个不同的图像区域块，对每一图像像素(x,y)，具体地可以平均这些不同区域块在同一(x,y)处的估计值。对像素(x,y)的降噪结果为：
举例说明下，图像降噪处理流程如图1J和图1K所示，可以先以输入图像未处理的像素点为起始点，建立8*8大小的模板窗口，其次对模板进行DCT正变换，并对DCT系数的高频信息进行非线性噪声抑制，之后进行DCT逆变换，得到降噪像素点。同理对图像中所有像素点模板滑动按一定采样方式进行上述降噪处理，并对像素点加权处理(同一像素点隶属不同区域块)，最后输出降噪图像。图1J和图1K中各个步骤的功能如下：
图像延拓：算法基于模板窗口滑动，对图像边界进行镜像延拓处理，这样可处理图像边界。
选取模板：行方向逐点(行)采样，列方向隔8点(列)采样。
DCT正变换：在模板窗口内进行2维DCT正变换，先沿着行方向进行一维DCT正变换，再逐列进行一维DCT正变换，得到二维DCT系数。
噪声水平模型：基于先验法构建预设噪声水平模型，以便对DCT系数进行非线性噪声抑制。
非线性降噪：对得到2维DCT系数进行非线性降噪。
DCT逆变换：对处理后2维DCT系数进行DCT逆变换，先沿着行方向，进行一维DCT逆变换，再逐列进行一维DCT逆变换，构建出图像像素点。
加权处理：对于每一像素的所有滤波估计值均值加权，得到降噪后图像像素点。
在一个可能的示例中，上述步骤101-步骤102之间，还可以包括如下步骤：
A1、判断所述待处理图像的宽度W能否被8整除；
A2、在所述W能被8整除时，执行所述对所述待处理图像进行列采样以及行遍历处理，得到图像模板的步骤。
其中，待处理图像可以包括长度和宽度，例如，一张图像其尺寸为720x1080，则其长度为720，宽度为1080。
具体实现中，电子设备可以获取待处理图的宽度W，并在待处理图像的宽度W能被8整除时，则可以直接执行步骤102。
进一步地，在一个可能的示例中，上述步骤A1之后，还可以包括如下步骤：
A3、在所述W不能被8整除时，对所述待处理图像进行图像延拓，得到第三图像；
则基于所述图像模板遍历所述待处理图像，并对所述待处理图像进行降噪处理，在完成遍历操作时，得到第一图像，包括：
基于所述图像模板遍历所述第三图像，并对所述第三图像进行降噪处理，在完成遍历操作时，得到所述第一图像。
进一步地，在一个可能的示例中，上述步骤A3，对所述待处理图像进行图像延拓，得到第三图像，可以包括如下步骤：
A31、在所述待处理图像的垂直方向上，复制所述待处理图像的后
列数据，对该后/>
列数据进行水平镜像处理并放置于所述待处理图像的最后一列后，所述W表示所述待处理图像的宽度；
A32、在所述待处理图像的垂直方向上，复制所述待处理图像的前4列数据，对该前4列数据进行水平镜像处理并放置于所述待处理图像的第一列前；
A33、在所述待处理图像的水平方向上，复制所述待处理图像的前7行数据，对该前7列数据进行垂直镜像处理并放置于所述待处理图像的第一行前；
A34、在所述待处理图像的水平方向上，复制所述待处理图像的后7行数据，对该后7列数据进行垂直镜像处理并放置于所述待处理图像的最后一行后，得到所述第三图像。
其中，电子设备可以对待处理图像的边界进行拓延，具体地，电子设备可以分别从垂直方向和水平方向两个维度进行拓延，即在待处理图像的垂直方向上，复制待处理图像的后
列数据，对该后/>
列数据进行水平镜像处理并放置于待处理图像的最后一列后，W表示待处理图像的宽度，在待处理图像的垂直方向上，复制待处理图像的前4列数据，对该前4列数据进行水平镜像处理并放置于待处理图像的第一列前，在待处理图像的水平方向上，复制待处理图像的前7行数据，对该前7列数据进行垂直镜像处理并放置于待处理图像的第一行前，在待处理图像的水平方向上，复制待处理图像的后7行数据，对该后7列数据进行垂直镜像处理并放置于待处理图像的最后一行后，得到第三图像。
在一个可能的示例中，上述步骤101-步骤102之间，还可以包括如下步骤：
B1、对所述待处理图像进行图像质量评价，得到图像质量评价值；
B2、在所述图像质量评价值小于预设图像质量阈值时，执行步骤102。
其中预设图像质量阈值可以由用户自行设置或者系统默认。具体实现中，电子设备可以对待处理图像进行图像质量评价，得到图像质量评价值，并在图像质量评价值小于预设图像质量阈值时，执行步骤102，否则，不执行后续步骤。
在一个可能的示例中，上述步骤B1，对所述待处理图像进行图像质量评价，得到图像质量评价值，可以包括如下步骤：
B11、获取所述待处理图像对应的目标拍摄参数；
B12、确定所述目标拍摄参数对应的目标图像质量评价指标；
B13、将所述待处理图像进行图像分割，得到目标图像和背景图像；
B14、依据所述目标图像质量评价指标，对所述背景图像进行图像质量评价，得到目标第一评价值；
B15、提取所述目标图像的高频分量图像；
B16、确定所述高频分量图像的目标特征分布密度；
B17、按照预设的特征分布密度与第二评价值之间的映射关系，确定所述目标特征分布密度对应的目标第二评价值；
B18、确定所述背景图像对应的第一面积和所述目标图像对应的第二面积，并依据所述第一面积、所述第二面积确定所述背景图像对应的第一权值和所述目标图像对应的第二权值；
B19、依据所述第一权值、所述第二权值、所述目标第一评价值和所述目标第二评价值进行加权运算，得到所述图像质量评价值。
其中，本申请实施例中，拍摄参数可以为以下至少一种：感光度ISO、白平衡参数、曝光时长、色温等等，在此不做限定。图像质量评价指标可以为以下至少一种：边缘保持度、清晰度、信息熵、平均灰度等等，在此不做限定。
具体实现中，电子设备可以获取待处理图像对应的目标拍摄参数，电子设备中还可以预先存储预设的拍摄参数与图像质量评价指标之间的映射关系，拍摄参数往往反映了环境特征，因此，本申请实施例，针对不同的环境特征选取相应的图像质量评价指标，实现对背景图像精准评价，进而，可以依据该映射关系确定目标拍摄参数对应的目标图像质量评价指标。
进一步地，电子设备可以将待处理图像进行图像分割，得到目标图像和背景图像，依据目标图像质量评价指标，对背景图像进行图像质量评价，得到目标第一评价值，另外，针对目标图像，电子设备可以提取目标图像的高频分量图像，具体可以通过多尺度分解算法实现，多尺度分分解算法可以为以下至少一种：小波变换、拉普拉斯变换、金字塔变换、轮廓波变换等等，在此不做限定，进而，可以确定高频分量图像的特征点总数量以及其面积，进而，可以确定高频分量图像的目标特征分布密度，目标特征分布密度＝特征点总数量/面积。
进一步地，电子设备中可以预先存储预设的特征分布密度与第二评价值之间的映射关系，进而，可以按照预设的特征分布密度与第二评价值之间的映射关系，确定目标特征分布密度对应的目标第二评价值，接着，可以确定背景图像对应的第一面积和目标图像对应的第二面积，并依据第一面积、第二面积确定所述背景图像对应的第一权值和所述目标图像对应的第二权值，第一权值＝第一面积/(第一面积+第二面积)，第二权值＝第二面积/(第一面积+第二面积)，最后，依据第一权值、第二权值、目标第一评价值和目标第二评价值进行加权运算，得到图像质量评价值，具体公式如下：
图像质量评价值＝目标第一评价值*第一权值+目标第二评价值*第二权值
如此，可以将背景和目标分开进行图像质量评价，针对背景选取与其拍摄参数相应的图像质量评价指标，针对目标则采用其高频分量的特征点分布密度实现图像质量评价，接着，依据目标与背景的面积比确定两者之间的权值，最后，采用加权运算实现最终的图像质量评价，能够差异化评价背景和目标，且依据环境采用合适的图像质量评价指标进行评价，有助于实现精准图像质量评价。
可以看出，本申请实施例中所描述的图像降噪方法，应用于电子设备，获取待处理图像，对待处理图像进行列采样以及行遍历处理，得到图像模板，基于图像模板遍历待处理图像，对图像模板所在区域内的待处理图像进行降噪处理，在完成遍历操作后，得到第一图像，对第一图像中的每一像素进行加权处理，得到第二图像，如此，能够通过选取图像模板，并基于该图像模板遍历图像，在图像模板区域内实现降噪，一方面保护图像模板区域内的整体图像质量，另一方面，实现了图像降噪，有助于提升图像降噪效果。
与上述图1A所示的实施例一致地，请参阅图2，图2是本申请实施例提供的一种图像降噪方法的流程示意图，本图像降噪方法包括：
201、获取待处理图像。
202、判断所述待处理图像的宽度W能否被8整除。
203、在所述W不能被8整除时，对所述待处理图像进行图像延拓，得到第三图像。
204、对所述待处理图像进行列采样以及行遍历处理，得到图像模板。
205、基于所述图像模板遍历所述第三图像，并对所述第三图像进行降噪处理，在完成遍历操作时，得到第一图像。
206、对所述第一图像中的每一像素进行加权处理，得到第二图像。
其中，上述步骤201-步骤206的具体描述可以参照上述图1A所描述的图像降噪方法的相应步骤，在此不再赘述。
可以看出，本申请实施例中所描述的图像降噪方法，应用于电子设备，获取待处理图像，判断待处理图像的宽度W能否被8整除，在W不能被8整除时，对待处理图像进行图像延拓，得到第三图像，对待处理图像进行列采样以及行遍历处理，得到图像模板，基于图像模板遍历第三图像，并对第三图像进行降噪处理，在完成遍历操作时，得到第一图像，对第一图像中的每一像素进行加权处理，得到第二图像，如此，能够通过选取图像模板，并基于该图像模板遍历图像，在图像模板区域内实现降噪，一方面能够实现对边界像素也很好地实现过滤，通过图像边界拓延，保护图像模板区域内的整体图像质量，另一方面，实现了图像降噪，有助于提升图像降噪效果。
与上述实施例一致地，请参阅图3，图3是本申请实施例提供的一种电子设备的结构示意图，如图所示，该电子设备包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，本申请实施例中，上述程序包括用于执行以下步骤的指令：
获取待处理图像；
对所述待处理图像进行列采样以及行遍历处理，得到图像模板；
基于所述图像模板遍历所述待处理图像，对所述图像模板所在区域内的所述待处理图像进行降噪处理，在完成遍历操作后，得到第一图像；
对所述第一图像中的每一像素进行加权处理，得到第二图像。
可以看出，本申请实施例中所描述的电子设备，获取待处理图像，对待处理图像进行列采样以及行遍历处理，得到图像模板，基于图像模板遍历待处理图像，对图像模板所在区域内的待处理图像进行降噪处理，在完成遍历操作后，得到第一图像，对第一图像中的每一像素进行加权处理，得到第二图像，如此，能够通过选取图像模板，并基于该图像模板遍历图像，在图像模板区域内实现降噪，一方面保护图像模板区域内的整体图像质量，另一方面，实现了图像降噪，有助于提升图像降噪效果。
在一个可能的示例中，上述程序还包括用于执行以下步骤的指令：
判断所述待处理图像的宽度W能否被8整除；
在所述W能被8整除时，执行所述对所述待处理图像进行列采样以及行遍历处理，得到图像模板的步骤。
在一个可能的示例中，上述程序还包括用于执行以下步骤的指令：
在所述W不能被8整除时，对所述待处理图像进行图像延拓，得到第三图像；
所述基于所述图像模板遍历所述待处理图像，并对所述待处理图像进行降噪处理，在完成遍历操作时，得到第一图像，包括：
基于所述图像模板遍历所述第三图像，并对所述第三图像进行降噪处理，在完成遍历操作时，得到所述第一图像。
在一个可能的示例中，在所述对所述待处理图像进行图像延拓，得到第三图像方面，上述程序包括用于执行以下步骤的指令：
在所述待处理图像的垂直方向上，复制所述待处理图像的后
列数据，对该后/>
列数据进行水平镜像处理并放置于所述待处理图像的最后一列后，所述W表示所述待处理图像的宽度；
在所述待处理图像的垂直方向上，复制所述待处理图像的前4列数据，对该前4列数据进行水平镜像处理并放置于所述待处理图像的第一列前；
在所述待处理图像的水平方向上，复制所述待处理图像的前7行数据，对该前7列数据进行垂直镜像处理并放置于所述待处理图像的第一行前；
在所述待处理图像的水平方向上，复制所述待处理图像的后7行数据，对该后7列数据进行垂直镜像处理并放置于所述待处理图像的最后一行后，得到所述第三图像。
在一个可能的示例中，在所述对所述待处理图像的所述图像模板所在区域像素进行降噪处理方面，上述程序包括用于执行以下步骤的指令：
在所述图像模板内的所述待处理图像的第一区域进行余弦变换，得到第一运算结果，所述第一区域为所述图像模板对应的所述待处理图像的任一区域；
采用预设噪声水平模型对所述第一运算结果进行非线性噪声抑制，得到第二运算结果；
对所述第二运算结果进行与所述余弦变换相应的反变换，得到降噪后的所述第一区域。
上述主要从方法侧执行过程的角度对本申请实施例的方案进行了介绍。可以理解的是，电子设备为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所提供的实施例描述的各示例的单元及算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，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。
本申请实施例可以根据上述方法示例对电子设备进行功能单元的划分，例如，可以对应各个功能划分各个功能单元，也可以将两个或两个以上的功能集成在一个处理单元中。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。需要说明的是，本申请实施例中对单元的划分是示意性的，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。
图4A是本申请实施例中所涉及的图像降噪装置400的功能单元组成框图。该图像降噪装置400，应用于电子设备，所述装置400包括：获取单元401、模板生成单元402、降噪单元403和加权单元404，其中，
所述获取单元401，用于获取待处理图像；
所述模板生成单元402，用于对所述待处理图像进行列采样以及行遍历处理，得到图像模板；
所述降噪单元403，用于基于所述图像模板遍历所述待处理图像，对所述图像模板所在区域内的所述待处理图像进行降噪处理，在完成遍历操作后，得到第一图像；
所述加权单元404，用于对所述第一图像中的每一像素进行加权处理，得到第二图像。
可以看出，本申请实施例中所描述的图像降噪装置，应用于电子设备，获取待处理图像，对待处理图像进行列采样以及行遍历处理，得到图像模板，基于图像模板遍历待处理图像，对图像模板所在区域内的待处理图像进行降噪处理，在完成遍历操作后，得到第一图像，对第一图像中的每一像素进行加权处理，得到第二图像，如此，能够通过选取图像模板，并基于该图像模板遍历图像，在图像模板区域内实现降噪，一方面保护图像模板区域内的整体图像质量，另一方面，实现了图像降噪，有助于提升图像降噪效果。
在一个可能的示例中，如图4B所示，图4B为图4A所示的图像降噪装置的又一变型结构，其与图4A相比较，还可以包括：判断单元405，其中，
所述判断单元405，用于判断所述待处理图像的宽度W能否被8整除；
由所述模板生成单元402在所述W能被8整除时，执行所述对所述待处理图像进行列采样以及行遍历处理，得到图像模板的步骤。
在一个可能的示例中，如图4C所示，图4C为图4B所示的图像降噪装置的又一变型结构，其与图4B相比较，还可以包括：延拓单元406，其中，
所述延拓单元406，用于在所述W不能被8整除时，对所述待处理图像进行图像延拓，得到第三图像；
在所述基于所述图像模板遍历所述待处理图像，并对所述待处理图像进行降噪处理，在完成遍历操作时，得到第一图像方面，所述降噪单元403具体用于：
基于所述图像模板遍历所述第三图像，并对所述第三图像进行降噪处理，在完成遍历操作时，得到所述第一图像。
在一个可能的示例中，在所述对所述待处理图像进行图像延拓，得到第三图像方面，所述延拓单元406具体用于：
在所述待处理图像的垂直方向上，复制所述待处理图像的后
列数据，对该后/>
列数据进行水平镜像处理并放置于所述待处理图像的最后一列后，所述W表示所述待处理图像的宽度；
在所述待处理图像的垂直方向上，复制所述待处理图像的前4列数据，对该前4列数据进行水平镜像处理并放置于所述待处理图像的第一列前；
在所述待处理图像的水平方向上，复制所述待处理图像的前7行数据，对该前7列数据进行垂直镜像处理并放置于所述待处理图像的第一行前；
在所述待处理图像的水平方向上，复制所述待处理图像的后7行数据，对该后7列数据进行垂直镜像处理并放置于所述待处理图像的最后一行后，得到所述第三图像。
在一个可能的示例中，在所述对所述待处理图像的所述图像模板所在区域像素进行降噪处理方面，所述降噪单元403具体用于：
在所述图像模板内的所述待处理图像的第一区域进行余弦变换，得到第一运算结果，所述第一区域为所述图像模板对应的所述待处理图像的任一区域；
采用预设噪声水平模型对所述第一运算结果进行非线性噪声抑制，得到第二运算结果；
对所述第二运算结果进行与所述余弦变换相应的反变换，得到降噪后的所述第一区域。
本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤，上述计算机包括电子设备。
本申请实施例还提供一种计算机程序产品，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包，上述计算机包括电子设备。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
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的部分，可以参见其他实施例的相关描述。
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，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如上述单元的划分，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信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
上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。
上述集成的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器中。基于这样的理解，本申请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全部或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器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
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器中，存储器可以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (9)
1.一种图像降噪方法，其特征在于，应用于电子设备，所述方法包括：
获取待处理图像；
对所述待处理图像进行列采样以及行遍历处理，得到图像模板；
基于所述图像模板遍历所述待处理图像，对所述图像模板所在区域内的所述待处理图像进行降噪处理，在完成遍历操作后，得到第一图像；
对所述第一图像中的每一像素进行加权处理，得到第二图像；
其中，所述对所述待处理图像的所述图像模板所在区域像素进行降噪处理，包括：
在所述图像模板内的所述待处理图像的第一区域进行余弦变换，得到第一运算结果，所述第一区域为所述图像模板对应的所述待处理图像的任一区域；所述第一运算结果包括DCT系数，所述DCT系数经过如下处理：统计DCT系数大于噪声阈值DT的逻辑值，对逻辑值滤波以判断孤立点，并对孤立点进行二次判断，以确定图像像素孤立点，以便于对孤立点进行降噪处理；
其中，所述统计DCT系数大于噪声阈值DT的逻辑值，具体为：
其中，DLogic表示逻辑值，DT表示噪声阈值DT；D表示DCT系数；x,y表示像素位置，k,l表示DCT块的系数；
其中，所述对逻辑值滤波以判断孤立点，并对孤立点进行二次判断，具体为：
对图像DCT块的逻辑值DLogic(k,l,x,y)进行滤波处理，具体如下：
其中，DLogic表示滤波前的逻辑值，Dfilt表示滤波后的逻辑值；
按照如下公式进行孤立点二次判断，具体如下：
其中，x,y表示像素位置，k,l表示DCT块的系数，DLogic2表示二次判断后的逻辑值；
采用预设噪声水平模型对所述第一运算结果进行非线性噪声抑制，得到第二运算结果；
对所述第二运算结果进行与所述余弦变换相应的反变换，得到降噪后的所述第一区域；
其中，所述方法还包括：
对所述待处理图像进行图像质量评价，得到图像质量评价值；
在所述图像质量评价值小于预设图像质量阈值时，执行所述对所述待处理图像进行列采样以及行遍历处理，得到图像模板的步骤；
其中，所述对所述待处理图像进行图像质量评价，得到图像质量评价值，包括：
获取所述待处理图像对应的目标拍摄参数；
确定所述目标拍摄参数对应的目标图像质量评价指标；
将所述待处理图像进行图像分割，得到目标图像和背景图像；
依据所述目标图像质量评价指标，对所述背景图像进行图像质量评价，得到目标第一评价值；
提取所述目标图像的高频分量图像；
确定所述高频分量图像的目标特征分布密度；
按照预设的特征分布密度与第二评价值之间的映射关系，确定所述目标特征分布密度对应的目标第二评价值；
确定所述背景图像对应的第一面积和所述目标图像对应的第二面积，并依据所述第一面积、所述第二面积确定所述背景图像对应的第一权值和所述目标图像对应的第二权值；
依据所述第一权值、所述第二权值、所述目标第一评价值和所述目标第二评价值进行加权运算，得到所述图像质量评价值。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
判断所述待处理图像的宽度W能否被8整除；
在所述W能被8整除时，执行所述对所述待处理图像进行列采样以及行遍历处理，得到图像模板的步骤。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
在所述W不能被8整除时，对所述待处理图像进行图像延拓，得到第三图像；
所述基于所述图像模板遍历所述待处理图像，并对所述待处理图像进行降噪处理，在完成遍历操作时，得到第一图像，包括：
基于所述图像模板遍历所述第三图像，并对所述第三图像进行降噪处理，在完成遍历操作时，得到所述第一图像。
4.根据权利要求3所述的方法，其特征在于，所述对所述待处理图像进行图像延拓，得到第三图像，包括：
在所述待处理图像的垂直方向上，复制所述待处理图像的后
列数据，对该后
列数据进行水平镜像处理并放置于所述待处理图像的最后一列后；
在所述待处理图像的垂直方向上，复制所述待处理图像的前4列数据，对该前4列数据进行水平镜像处理并放置于所述待处理图像的第一列前；
在所述待处理图像的水平方向上，复制所述待处理图像的前7行数据，对该前7列数据进行垂直镜像处理并放置于所述待处理图像的第一行前；
在所述待处理图像的水平方向上，复制所述待处理图像的后7行数据，对该后7列数据进行垂直镜像处理并放置于所述待处理图像的最后一行后，得到所述第三图像。
5.一种图像降噪装置，其特征在于，应用于电子设备，所述装置包括：获取单元、模板生成单元、降噪单元和加权单元，其中，
所述获取单元，用于获取待处理图像；
所述模板生成单元，用于对所述待处理图像进行列采样以及行遍历处理，得到图像模板；
所述降噪单元，用于基于所述图像模板遍历所述待处理图像，对所述图像模板所在区域内的所述待处理图像进行降噪处理，在完成遍历操作后，得到第一图像；
所述加权单元，用于对所述第一图像中的每一像素进行加权处理，得到第二图像；
其中，所述对所述待处理图像的所述图像模板所在区域像素进行降噪处理，包括：
在所述图像模板内的所述待处理图像的第一区域进行余弦变换，得到第一运算结果，所述第一区域为所述图像模板对应的所述待处理图像的任一区域；所述第一运算结果包括DCT系数，所述DCT系数经过如下处理：统计DCT系数大于噪声阈值DT的逻辑值，对逻辑值滤波以判断孤立点，并对孤立点进行二次判断，以确定图像像素孤立点，以便于对孤立点进行降噪处理；
其中，所述统计DCT系数大于噪声阈值DT的逻辑值，具体为：
其中，DLogic表示逻辑值，DT表示噪声阈值DT；D表示DCT系数；x,y表示像素位置，k,l表示DCT块的系数；
其中，所述对逻辑值滤波以判断孤立点，并对孤立点进行二次判断，具体为：
对图像DCT块的逻辑值DLogic(k,l,x,y)进行滤波处理，具体如下：
其中，DLogic表示滤波前的逻辑值，Dfilt表示滤波后的逻辑值；
按照如下公式进行孤立点二次判断，具体如下：
其中，x,y表示像素位置，k,l表示DCT块的系数，DLogic2表示二次判断后的逻辑值；
采用预设噪声水平模型对所述第一运算结果进行非线性噪声抑制，得到第二运算结果；
对所述第二运算结果进行与所述余弦变换相应的反变换，得到降噪后的所述第一区域；
其中，所述装置还具体用于：
对所述待处理图像进行图像质量评价，得到图像质量评价值；
在所述图像质量评价值小于预设图像质量阈值时，执行所述对所述待处理图像进行列采样以及行遍历处理，得到图像模板的步骤；
其中，所述对所述待处理图像进行图像质量评价，得到图像质量评价值，包括：
获取所述待处理图像对应的目标拍摄参数；
确定所述目标拍摄参数对应的目标图像质量评价指标；
将所述待处理图像进行图像分割，得到目标图像和背景图像；
依据所述目标图像质量评价指标，对所述背景图像进行图像质量评价，得到目标第一评价值；
提取所述目标图像的高频分量图像；
确定所述高频分量图像的目标特征分布密度；
按照预设的特征分布密度与第二评价值之间的映射关系，确定所述目标特征分布密度对应的目标第二评价值；
确定所述背景图像对应的第一面积和所述目标图像对应的第二面积，并依据所述第一面积、所述第二面积确定所述背景图像对应的第一权值和所述目标图像对应的第二权值；
依据所述第一权值、所述第二权值、所述目标第一评价值和所述目标第二评价值进行加权运算，得到所述图像质量评价值。
6.根据权利要求5所述的装置，其特征在于，所述装置还包括：判断单元，其中，
所述判断单元，用于判断所述待处理图像的宽度W能否被8整除；
由所述模板生成单元在所述W能被8整除时，执行所述对所述待处理图像进行列采样以及行遍历处理，得到图像模板的步骤。
7.根据权利要求6所述的装置，其特征在于，所述装置还包括：延拓单元，其中，
所述延拓单元，用于在所述W不能被8整除时，对所述待处理图像进行图像延拓，得到第三图像；
在所述基于所述图像模板遍历所述待处理图像，并对所述待处理图像进行降噪处理，在完成遍历操作时，得到第一图像方面，所述降噪单元具体用于：
基于所述图像模板遍历所述第三图像，并对所述第三图像进行降噪处理，在完成遍历操作时，得到所述第一图像。
8.一种电子设备，其特征在于，包括处理器、存储器，所述存储器用于存储一个或多个程序，并且被配置由所述处理器执行，所述程序包括用于执行如权利要求1-4任一项所述的方法中的步骤的指令。
9.一种计算机可读存储介质，其特征在于，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1-4任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010132733.6A CN111260590B (zh) | 2020-02-29 | 2020-02-29 | 图像降噪方法及相关产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010132733.6A CN111260590B (zh) | 2020-02-29 | 2020-02-29 | 图像降噪方法及相关产品 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111260590A CN111260590A (zh) | 2020-06-09 |
| CN111260590B true CN111260590B (zh) | 2023-05-23 |
Family
ID=70953045
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010132733.6A Active CN111260590B (zh) | 2020-02-29 | 2020-02-29 | 图像降噪方法及相关产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111260590B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112102623A (zh) * | 2020-08-24 | 2020-12-18 | 深圳云天励飞技术股份有限公司 | 交通违章识别方法和装置、智能可穿戴设备 |
| CN113592946A (zh) * | 2021-07-27 | 2021-11-02 | 深圳甲壳虫智能有限公司 | 位姿定位方法、装置、智能机器人及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010171615A (ja) * | 2009-01-21 | 2010-08-05 | Nippon Hoso Kyokai <Nhk> | ノイズ低減装置及びノイズ低減プログラム |
| CN104103041A (zh) * | 2013-12-24 | 2014-10-15 | 北京华科创智健康科技股份有限公司 | 超声图像混合噪声自适应抑制方法 |
| CN108198146A (zh) * | 2017-12-29 | 2018-06-22 | 努比亚技术有限公司 | 一种降噪方法、设备和计算机可读存储介质 |
| CN110008881A (zh) * | 2019-03-28 | 2019-07-12 | 北京农业信息技术研究中心 | 多运动目标的奶牛行为的识别方法及装置 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3979933B2 (ja) * | 2002-12-03 | 2007-09-19 | シャープ株式会社 | ノイズ除去装置及びノイズ除去方法 |
| JP4941219B2 (ja) * | 2007-10-09 | 2012-05-30 | ソニー株式会社 | ノイズ抑圧装置、ノイズ抑圧方法、ノイズ抑圧プログラムおよび撮像装置 |
| CN102999884B (zh) * | 2011-09-16 | 2015-11-25 | 株式会社东芝 | 图像处理设备和方法 |
| CN106412383A (zh) * | 2015-07-31 | 2017-02-15 | 阿里巴巴集团控股有限公司 | 视频图像的处理方法和装置 |
| CN106228514B (zh) * | 2016-07-11 | 2019-02-15 | 北京大学 | 一种消除压缩视频噪声的方法 |
| EP3435326B1 (en) * | 2017-07-27 | 2020-02-19 | Siemens Healthcare GmbH | Method for processing at least one x-ray image |
| CN107895351B (zh) * | 2017-10-30 | 2019-08-20 | 维沃移动通信有限公司 | 一种图像去噪方法及移动终端 |
| CN110599415B (zh) * | 2019-08-29 | 2023-11-10 | 西安电子科技大学 | 基于局部自适应伽马校正的图像对比度增强实现方法 |
| CN110706171B (zh) * | 2019-09-26 | 2024-04-26 | 中国电子科技集团公司第十一研究所 | 图像降噪方法及装置 |
-
2020
- 2020-02-29 CN CN202010132733.6A patent/CN111260590B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010171615A (ja) * | 2009-01-21 | 2010-08-05 | Nippon Hoso Kyokai <Nhk> | ノイズ低減装置及びノイズ低減プログラム |
| CN104103041A (zh) * | 2013-12-24 | 2014-10-15 | 北京华科创智健康科技股份有限公司 | 超声图像混合噪声自适应抑制方法 |
| CN108198146A (zh) * | 2017-12-29 | 2018-06-22 | 努比亚技术有限公司 | 一种降噪方法、设备和计算机可读存储介质 |
| CN110008881A (zh) * | 2019-03-28 | 2019-07-12 | 北京农业信息技术研究中心 | 多运动目标的奶牛行为的识别方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| A Lapped Transform Domain Enhanced Lee Filter with Edge Detection for Speckle Noise Reduction in SAR Images;Deepika Hazarika等;《2015 IEEE 2nd International Conference on Recent Trends in formation Systems 》;243-248 * |
| 非局部变换域图像去噪与增强及其性能评价研究;侯迎坤;《中国博士学位论文全文数据库 (信息科技辑)》(第2012（07）期);I138-149 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111260590A (zh) | 2020-06-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108198154B (zh) | 图像去噪方法、装置、设备及存储介质 | |
| Liu et al. | Image interpolation via regularized local linear regression | |
| Chan et al. | An augmented Lagrangian method for total variation video restoration | |
| Varghese et al. | Video denoising based on a spatiotemporal Gaussian scale mixture model | |
| Kang et al. | Learning-based joint super-resolution and deblocking for a highly compressed image | |
| CN111275626A (zh) | 一种基于模糊度的视频去模糊方法、装置及设备 | |
| Rodríguez et al. | Mixed Gaussian-impulse noise image restoration via total variation | |
| US9478004B2 (en) | Method and system for analog/digital image simplification and stylization | |
| CN111192226B (zh) | 一种图像融合去噪方法及装置、系统 | |
| CN107464217B (zh) | 一种图像处理方法及装置 | |
| CN111260590B (zh) | 图像降噪方法及相关产品 | |
| WO2014070273A1 (en) | Recursive conditional means image denoising | |
| CN111353955A (zh) | 一种图像处理方法、装置、设备和存储介质 | |
| CN108961225A (zh) | 周期性纹理抑制方法以及装置 | |
| Liu et al. | Total variation with overlapping group sparsity and Lp quasinorm for infrared image deblurring under salt-and-pepper noise | |
| CN113744294B (zh) | 图像处理方法及相关装置 | |
| CN115082336A (zh) | 一种基于机器学习的sar图像相干斑抑制方法 | |
| CN106157257A (zh) | 图像滤波的方法和装置 | |
| CN106683129B (zh) | 一种基于双边核回归的相对约减纹理分解方法及其装置 | |
| CN112435182A (zh) | 图像降噪方法及装置 | |
| Peng et al. | Detail enhancement for infrared images based on propagated image filter | |
| CN108596959A (zh) | 一种视频图像时空特征点的提取方法 | |
| Onuki et al. | Trilateral filter on graph spectral domain | |
| EP2302584A1 (en) | Image restoring device and image restoring method | |
| Sola et al. | Blind image deblurring based on multi-resolution ringing removal |
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 |