CN111311510B - 图像中条纹噪声的去除方法及装置 - Google Patents
图像中条纹噪声的去除方法及装置 Download PDFInfo
- Publication number
- CN111311510B CN111311510B CN202010073136.0A CN202010073136A CN111311510B CN 111311510 B CN111311510 B CN 111311510B CN 202010073136 A CN202010073136 A CN 202010073136A CN 111311510 B CN111311510 B CN 111311510B
- Authority
- CN
- China
- Prior art keywords
- noise
- denoising
- frequency
- row
- frequency band
- 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
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000001228 spectrum Methods 0.000 claims abstract description 115
- 230000007704 transition Effects 0.000 claims abstract description 13
- 230000002829 reductive effect Effects 0.000 claims abstract description 11
- 238000005070 sampling Methods 0.000 claims description 29
- 230000008569 process Effects 0.000 claims description 13
- 238000000926 separation method Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 12
- 230000003247 decreasing effect Effects 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 14
- 238000004590 computer program Methods 0.000 description 9
- 230000001629 suppression Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000005764 inhibitory process Effects 0.000 description 4
- 230000002238 attenuated effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001131 transforming effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000011426 transformation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供了一种图像中条纹噪声的去除方法及装置,方法包括:获取原始图像的一维信号的原始频谱;从原始频谱中确定噪声频段,噪声频段为包含条纹噪声对应的中心频点的频段;对噪声频段进行去噪,得到去噪频谱,从噪声频段的起始频率位置开始逐渐增大去噪强度,从临近噪声频段的终止频率位置开始逐渐减小去噪强度;根据去噪频谱生成去噪图像。通过从原始图像的频谱中的噪声频段的起始频率位置开始逐渐增大去噪强度,从临近噪声频段的终止频率位置开始逐渐减小去噪强度,不仅能够有效地抑制条纹噪声,还能够保留噪声频点附近的有用信息,使图像边缘的过度更加自然,避免产生振铃效应,进而提高图像质量。
Description
技术领域
本发明涉及数字图像处理技术领域,尤其涉及一种图像中条纹噪声的去除方法及装置。
背景技术
随着电子技术的不断发展,人们对电子设备中图像质量的要求也在不断地提高。而图像中的条纹噪声是影响电子设备中图像质量的其中一个因素。条纹噪声的特点是图像中同一行(列)中噪声的幅度和相位相同,而不同的行(列)中噪声的幅度和相位不同。这主要是电子设备在对图像进行数字化时,由物理采样方式的特点所引入的。例如:视频的隔行扫描方式、光传感器的防散射滤线栅的栅格投影等,都会在图像中引入条纹噪声。因此,去除图像中的条纹噪声对于提高图像质量是十分重要的。
现有的去除图像中条纹噪声的方法主要有:利用快速傅里叶变换(Fast FourierTransform,FFT)将图像变换到频域,得到图像对应的频谱,在频谱中确定条纹噪声对应的频点,进而对条纹噪声进行抑制,然后再利用快速傅立叶逆变换(Inverse Fast FourierTransform,IFFT)得到抑噪后的图像。这样,就能够去除图像中的条纹噪声了。专利文献(CN104580937A)公开了一种红外成像系统条纹噪声去除方法,通过将红外图像转换为一维信号,将得到的一维信号进行FFT,对变换后的频谱中代表条纹噪声的谱线进行标定,以标定的谱线位置对同样转换为一维信号的待降噪图像进行FFT后的结果进行处理,以达到对条纹噪声的抑制效果,进而将处理后的结果进行IFFT,然后拼接回二维图像。这样,就去除了红外图像中的条纹噪声。
然而,上述去除条纹噪声的方法虽然能够去除图像中的条纹噪声,但是,由于在频域上使用的是阶跃式带阻滤波器对条纹噪声的频域成分进行处理,很容易引起图像边缘的振铃效应,即在图像恢复过程中会导致有用信息的丢失,进而降低图像质量。
发明内容
鉴于上述问题,本发明实施例的目的是提供一种图像中条纹噪声的去除方法及装置,能够在去除条纹噪声的同时,保留噪声频点附近的有用信息,使图像边缘的过度更加自然,避免产生振铃效应,进而提高图像质量。
为解决上述技术问题,本发明实施例提供如下技术方案:
第一方面,本发明实施例提供一种图像中条纹噪声的去除方法,所述方法包括:获取原始图像的一维信号的原始频谱;从所述原始频谱中确定噪声频段,所述噪声频段为包含条纹噪声对应的中心频点的频段;对所述噪声频段进行去噪,得到去噪频谱,其中,从所述噪声频段的起始频率位置开始逐渐增大去噪强度,从临近所述噪声频段的终止频率位置开始逐渐减小去噪强度;根据所述去噪频谱生成去噪图像。
第二方面,本发明实施例提供一种图像中条纹噪声的去除装置,所述装置包括:获取模块,用于获取原始图像的一维信号的原始频谱;确定模块,用于从所述原始频谱中确定噪声频段,所述噪声频段为包含条纹噪声对应的中心频点的频段;去噪模块,用于对所述噪声频段进行去噪,得到去噪频谱,其中,从所述噪声频段的起始频率位置开始逐渐增大去噪强度,从临近所述噪声频段的终止频率位置开始逐渐减小去噪强度;生成模块,用于根据所述去噪频谱生成去噪图像。
第三方面,本发明实施例提供一种电子设备,所述电子设备包括:至少一个处理器;以及与所述处理器连接的至少一个存储器、总线;其中,所述处理器、存储器通过所述总线完成相互间的通信;所述处理器用于调用所述存储器中的程序指令,以执行上述一个或多个技术方案中的图像中条纹噪声的去除方法。
第四方面,本发明实施例提供一种计算机可读存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行上述一个或多个技术方案中的图像中条纹噪声的去除方法。
本发明实施例提供的图像中条纹噪声的去除方法及装置,首先,获取原始图像的一维信号的原始频谱;然后,从原始频谱中确定噪声频段,噪声频段为包含条纹噪声对应的中心频点的频段;接着,对噪声频段进行去噪,得到去噪频谱,其中,从噪声频段的起始频率位置开始逐渐增大去噪强度,从临近噪声频段的终止频率位置开始逐渐减小去噪强度;最后,根据去噪频谱生成去噪图像。在去除原始图像的条纹噪声的过程中,通过确定出原始图像的频谱中的噪声频段,从噪声频段的起始频率位置开始逐渐增大去噪强度,从临近噪声频段的终止频率位置开始逐渐减小去噪强度,不仅能够有效地抑制条纹噪声,还能够保留噪声频点附近的有用信息,使图像边缘的过度更加自然,避免产生振铃效应,进而提高图像质量。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为本发明实施例中图像中的条纹噪声的去除方法的流程图一;
图2为本发明实施例中的图像中条纹噪声的去除方法的流程图二;
图3为本发明实施例中的原始图像;
图4为本发明实施例中的原始图像的某一列对应的原始频谱;
图5为本发明实施例中的基于sigmoid函数的带阻滤波器的示意图;
图6为本发明实施例中的去噪图像与原始图像的对比图;
图7为本发明实施例中的图像中条纹噪声的去除装置的结构示意图;
图8为本发明实施例中的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
本发明实施例提供了一种图像中条纹噪声的去除方法及装置,该方法及装置应用于电子设备所显示的图像中。如:电视中的视频画面,手机中显示的照片等。通过本发明实施例提供的图像中条纹噪声的去除方法及装置,在去除图像中条纹噪声的同时,还能够保留噪声频点附近的有用信息,使图像边缘的过度更加自然,避免产生振铃效应,提高图像质量。
图1为本发明实施例中图像中的条纹噪声的去除方法的流程图一,参见图1所示,该方法可以包括:
S101:获取原始图像的一维信号的原始频谱。
在这里,原始图像是包含有条纹噪声的图像。可以是包含有横条纹噪声的原始图像,也可以是包含有竖条纹噪声的原始图像,此处不做限定。
在获取到原始图像后,由于原始图像在空间域中属于二维信号,为了便于将原始图像转换至频域,因此需要将二维的原始图像转换为一维信号。具体的,可以采用但不限于以下方式:对原始图像进行逐行或逐列采样,将每行或每列的信号都作为一个一维信号,得到多个一维信号,进而得到多个原始频谱,即得到原始图像的每行或每列的频谱。由于每个频谱中的信息量较小,因此能够快速地确定出条纹噪声对应的中心频点,进而提高去噪的效率。
示例性的,假设原始图像在空间域中的每一个坐标点都对应有一个信号,原始图像在空间域中可以表示为采用上述方式,得到的是三个一维信号。若采用的是逐行采样,得到的就是A1 A2 A3、B1 B2 B3和C1 C2 C3;若采用的是逐行采样,得到的就是A1 B1 C1、A2 B2 C2和A3 B3 C3。
在获取到一维信号后,就可以通过FFT将一维信号变换到频域,得到原始图像的原始频谱。当然,还可以通过其它方式将一维信号变换到频域,此处不做具体限定。
S102:从原始频谱中确定噪声频段。
在这里,噪声频段为包含条纹噪声对应的中心频点的频段。示例性的,假设条纹噪声对应的中心频点为400,那么,噪声频段就可以是300-500。
在具体实施过程中,在获得原始频谱后,就从原始频谱中确定出条纹噪声的中心频点,进而基于条纹噪声的中心频点向两侧扩展一定的长度,得到噪声频段。对于从原始频谱中确定出条纹噪声的中心频点,可以采用现有的从频谱中确定条纹噪声的中心频点的方式,即从原始频谱中靠右侧的频段中搜索频谱峰值,将最大峰值对应的频点作为条纹噪声的中心频点。而基于条纹噪声的中心频点向两侧扩展的长度,可以是一个预设值,这个预设值是可以根据实际的去噪效果进行调整的,并且向两个扩展的长度可以相同,也可以不同,此处不做限定。
在实际应用中,可以从条纹噪声对应的中心频点开始,向两侧扩展相同的长度,即条纹噪声对应的中心频点在噪声频段的中间位置,这样,后续在对条纹噪声进行去噪后,能够使图像的边缘纹理等高频成分过渡的更加均匀、自然。
S103:对噪声频段进行去噪,得到去噪频谱。
其中,从噪声频段的起始频率位置开始逐渐增大去噪强度,从临近噪声频段的终止频率位置开始逐渐减小去噪强度。
具体来说,噪声频段两侧的端点分别是起始频率和终止频率。从起始频率位置开始,逐渐增大原始频谱中频率对应的能量的抑制;当到达条纹噪声对应的中心频点位置时,对条纹噪声的中心频点对应的能量进行完全抑制;在从条纹噪声对应的中心频点位置至终止频率位置止,逐渐减小原始频谱中频率对应的能量的抑制;对于原始频谱中噪声频段之外的频率对应的能量,则不进行抑制。
这样,在频域中就能够方便地完成对条纹噪声的去除,并且还能够保留噪点附近的有用信息。
S104:根据去噪频谱生成去噪图像。
在获得去噪频谱后,具体的,可以通过IFFT变换将去噪频谱变换到空间域,得到去噪图像,此时的去噪图像就是原始图像去除条纹噪声后的图像。对于去噪频谱从频域变换到空间域的具体变换方法,除了通过IFFT之外,也可以采用其它的能够将频谱从频域变换到空间域的变换方法,此处不做具体限定。
由上述内容可知,本发明实施例提供的图像中条纹噪声的去除方法,首先,获取原始图像的一维信号的原始频谱;然后,从原始频谱中确定噪声频段,噪声频段为包含条纹噪声对应的中心频点的频段;接着,对噪声频段进行去噪,得到去噪频谱,其中,从噪声频段的起始频率位置开始逐渐增大去噪强度,从临近噪声频段的终止频率位置开始逐渐减小去噪强度;最后,根据去噪频谱生成去噪图像。在去除原始图像的条纹噪声的过程中,通过确定出原始图像的频谱中的噪声频段,从噪声频段的起始频率位置开始逐渐增大去噪强度,从临近噪声频段的终止频率位置开始逐渐减小去噪强度,不仅能够有效地抑制条纹噪声,还能够保留噪声频点附近的有用信息,使图像边缘的过度更加自然,避免产生振铃效应,进而提高图像质量。
进一步地,作为图1所示方法的细化和扩展,本发明实施例还提供了一种图像中条纹噪声的去除方法。图2为本发明实施例中的图像中条纹噪声的去除方法的流程图二,参见图2所示,该方法可以包括:
S201:对原始图像进行RGB通道分离。
一般来说,原始图像是由红色、绿色、蓝色这三个通道组成的。RGB即代表红(Red)、绿(Green)、蓝(Blue)。对原始图像进行RGB通道分离,即是将原始图像分离为红通道原始图像、绿通道原始图像和蓝通道原始图像,以便后续分别对每个通道的原始图像进行条纹去噪。对原始图像进行RGB通道分离,可以采用现有的对图像进行RGB三通道分离的方式,此处不再赘述。
S202:对RGB通道分离后的原始图像分别进行逐行采样或逐列采样,得到一维信号。
在得到红通道原始图像、绿通道原始图像和蓝通道原始图像后,分别对红通道原始图像进行逐行或逐列采样,绿通道原始图像进行逐行或逐列采样,以及蓝通道原始图像进行逐行或逐列采样。
具体的,当原始图像包含的条纹噪声为横条纹噪声时,就分别对红通道原始图像进行逐列采样,绿通道原始图像进行逐列采样,以及蓝通道原始图像进行逐列采样。或者,当原始图像包含的条纹噪声为竖条纹噪声时,就分别对红通道原始图像进行逐行采样,绿通道原始图像进行逐行采样,以及蓝通道原始图像进行逐行采样。
而对于确定原始图像中的条纹噪声究竟是横条纹噪声,还是竖条纹噪声,可以通过但不限于以下步骤进行确定:
第一步:对原始图像的任意一行进行采样,得到一维行信号,以及对原始图像的任意一列进行采样,得到一维列信号;
具体来说,由于红通道原始图像、绿通道原始图像、蓝通道原始图像中的条纹形式都是一样的,所以,可以对红通道原始图像、绿通道原始图像、蓝通道原始图像中任意一个通道的原始图像的任意一行进行采样,得到一维行信号,以及任意一列进行采样,得到一维列信号。
第二步:分别对一维行信号和一维列信号进行FFT,得到一维行信号的频谱和一维列信号的频谱;
第三步:在一维行信号的频谱的预设频带内确定最大峰值,以及在一维列信号的频谱的预设频带内确定最大峰值,并进行比较;
在这里,一维行信号对应的预设频带与一维列信号对应的预设频带可以是相同的。并且,条纹噪声对应的中心频点是位于预设频带内的。
第四步:若一维行信号对应的最大峰值小于一维列信号对应的最大峰值,则确定原始图像中的条纹噪声为横条纹噪声;若一维行信号对应的最大峰值大于一维列信号对应的最大峰值,则确定原始图像中的条纹噪声为竖条纹噪声。
这样,就能够确定出原始图像中的条纹噪声究竟是横条纹噪声还是竖条纹噪声了,进而能够进行逐列采样或逐行采样。
S203:对一维信号进行FFT,得到一维信号的原始频谱。
也就是说,分别将原始图像中红通道对应的一维信号进行FFT,得到红通道对应的一维信号的原始频谱;将原始图像中绿通道对应的一维信号进行FFT,得到绿通道对应的一维信号的原始频谱;以及将原始图像中蓝通道对应的一维信号进行FFT,得到蓝通道对应的一维信号的原始频谱。
其中,本步骤的实现方式与步骤101的实现方式相同,此处不再赘述。
S204:从原始频谱中确定噪声频段。
也就是说,分别从红通道对应的原始频谱中确定出噪声频段,从绿通道对应的原始频谱中确定出噪声频段,以及从蓝通道对应的原始频谱中确定出噪声频段。
其中,本步骤的实现方式与步骤102的实现方式相同,此处不再赘述。
S205:根据sigmoid函数对噪声频段进行去噪,得到去噪频谱。
其中,xbs为噪声频段的起始频率,xbe为噪声频段的终止频率,θ为带阻滤波器过渡带的陡峭系数。
由于sigmoid函数具有单增以及反函数单增的性质,能够将变量映射在0到1之间,因此,通过将噪声频段中的起始频率与终止频率带入到sigmoid函数中进行计算,就能够确定出噪声频段中各频率对应的能量的抑制程度,进而将通过sigmoid函数计算得到结果与原始频谱相乘,得到去噪频谱。其中,计算结果为0代表完全抑制,计算结果为1代表不进行抑制。θ越大,抑制变化的越明显;相反的,θ越小,抑制变化的越不明显。在实际应用中,可以根据实际的去噪效果对θ进行调整。
从带阻滤波器的角度来看,在通过sigmoid函数计算得到的结果中,纵坐标0对应的即为阻带,增益为0,原始频谱中对应频率的能量会被完全抑制;纵坐标1对应的即为通带,增益为1,原始频谱中对应频率的能量不会被抑制;纵坐标0-1对应的即为过渡带,增益为0-1,原始频谱中对应频率的能量的抑制程度随着频率的变化而变化,其中,距离阻带越近,原始频谱中对应频率的能量的抑制程度越大。
具体来说,是分别采用sigmoid函数对红通道对应的原始频谱的过滤带进行去噪,得到红通道对应的去噪频谱,对绿通道对应的原始频谱的过滤带进行去噪,得到绿通道对应的去噪频谱,以及对蓝通道对应的原始频谱的过滤带进行去噪,得到蓝通道对应的去噪频谱。
S206:根据去噪频谱生成去噪图像。
具体的,在获得红通道对应的去噪频谱、绿通道对应的去噪频谱、蓝通道对应的去噪频谱后,分别对红通道对应的去噪频谱、绿通道对应的去噪频谱、蓝通道对应的去噪频谱进行IFFT,得到红通道对应的去噪图像、绿通道对应的去噪图像、蓝通道对应的去噪图像。
其中,本步骤的实现方式与步骤104的实现方式相同,此处不再赘述。
S207:对去噪图像进行RGB通道合并。
具体的,在获得红通道对应的去噪图像、绿通道对应的去噪图像、蓝通道对应的去噪图像后,将红通道对应的去噪图像、绿通道对应的去噪图像、蓝通道对应的去噪图像进行RGB通道合并,这样,就得到了完整的去噪图像。
下面以一个具体实例来对本发明实施例提供的图像中条纹噪声的去除方法对原始图像中的条纹噪声的去除过程进行说明。
图3为本发明实施例中的原始图像,参见图3所示,能够发现原始图像中存在横条纹噪声。首先,对原始图像进行逐列采样,得到多个一维信号。然后,分别对每个一维信号进行FFT,得到多个原始频谱。图4为本发明实施例中的原始图像的某一列对应的原始频谱,参见图4所示,可以看出图中箭头所指的峰值对应的频率即是条纹噪声对应的中心频点,即400。接着,从原始频谱中确定出噪声频段,即300-500,根据sigmoid函数 对噪声频段进行去噪,得到去噪频谱。其中,xbs=300,xbe=500,θ=20。图5为本发明实施例中的基于sigmoid函数的带阻滤波器的示意图,参见图5所示,阻带的增益为0,即对相应的频谱能量进行完全衰减,过渡带的增益为0-1,即对相应的频谱能量进行由多到少的部分衰减,通带的增益为1,即对相应的频谱能量不进行衰减。这样,就能够保留噪声频点附近的有用信息。进而再将去噪频谱进行IFFT,得到去噪图像。图6为本发明实施例中的去噪图像与原始图像的对比图,参见图6所示,去噪图像6b相比于原始图像6a,条纹噪声去除效果很好,且头发丝、皮肤边缘、文字边缘等细节均有较好的保留。
由上述内容可知,本发明实施例提供的图像中条纹噪声的去除方法,首先,对原始图像进行RGB通道分离;然后,对RGB通道分离后的原始图像分别进行逐行采样或逐列采样,得到一维信号;接着,对一维信号进行FFT,得到一维信号的原始频谱;再接着,从原始频谱中确定噪声频段;进而,根据sigmoid函数对噪声频段进行去噪,得到去噪频谱;再而,根据去噪频谱生成去噪图像;最后,对去噪图像进行RGB通道合并。这样,就得到了完整的去噪图像。在去除原始图像的条纹噪声的过程中,通过确定出原始图像的频谱中的噪声频段,根据sigmoid函数对噪声频段进行去噪,得到去噪频谱,进而将去噪频谱转换回空间域,得到去噪图像。这样,不仅能够有效地抑制条纹噪声,还能够保留噪声频点附近的有用信息,使图像边缘的过度更加自然,避免产生振铃效应,进而提高图像质量。
基于同一发明构思,作为对上述方法的实现,本发明实施例还提供了一种图像中条纹噪声的去除装置。图7为本发明实施例中的图像中条纹噪声的去除装置的结构示意图,参见图7所示,该装置70可以包括:获取模块701,用于获取原始图像的一维信号的原始频谱;确定模块702,用于从所述原始频谱中确定噪声频段,所述噪声频段为包含条纹噪声对应的中心频点的频段;去噪模块703,用于对所述噪声频段进行去噪,得到去噪频谱,其中,从所述噪声频段的起始频率位置开始逐渐增大去噪强度,从临近所述噪声频段的终止频率位置开始逐渐减小去噪强度;生成模块704,用于根据所述去噪频谱生成去噪图像。
基于前述实施例,所述条纹噪声对应的中心频点位于所述噪声频段的中间位置。
基于前述实施例,所述去噪模块,用于根据sigmoid函数 对所述噪声频段进行去噪;其中,xbs为所述噪声频段的起始频率,xbe为所述噪声频段的终止频率,θ为带阻滤波器过渡带的陡峭系数。
基于前述实施例,所述获取模块,用于对所述原始图像进行逐行采样或逐列采样,得到所述一维信号;对所述一维信号进行快速傅里叶变换FFT,得到所述一维信号的原始频谱。
基于前述实施例,所述装置还包括:分离模块和合并模块;所述分离模块,用于对所述原始图像进行RGB通道分离;所述获取模块,用于对RGB通道分离后的所述原始图像分别进行逐行采样或逐列采样;所述合并模块,用于对所述去噪图像进行RGB通道合并。
基于前述实施例,所述获取模块,用于当所述原始图像包含的条纹噪声为横条纹噪声时,对所述原始图像进行逐列采样;或者,当所述原始图像包含的条纹噪声为竖条纹噪声时,对所述原始图像进行逐行采样。
基于前述实施例,所述装置还包括:确认模块;所述确认模块,用于对所述原始图像的任意一行进行采样,得到一维行信号,以及对所述原始图像的任意一列进行采样,得到一维列信号;分别对所述一维行信号和所述一维列信号进行FFT,得到所述一维行信号的频谱和所述一维列信号的频谱;在所述一维行信号的频谱的预设频带内确定最大峰值,以及在所述一维列信号的频谱的预设频带内确定最大峰值,并进行比较;若所述一维行信号对应的最大峰值小于所述一维列信号对应的最大峰值,则确定所述原始图像中的条纹噪声为横条纹噪声;若所述一维行信号对应的最大峰值大于所述一维列信号对应的最大峰值,则确定所述原始图像中的条纹噪声为竖条纹噪声。
这里需要指出的是:以上装置实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本发明装置实施例中未披露的技术细节,请参照本发明方法实施例的描述而理解。
基于同一发明构思,本发明实施例还提供了一种电子设备。图8为本发明实施例中的电子设备的结构示意图,参见图8所示,该电子设备80可以包括:至少一个处理器801;以及与处理器801连接的至少一个存储器802、总线803;其中,处理器801、存储器802通过总线803完成相互间的通信;处理器801用于调用存储器802中的程序指令,以执行上述一个或多个实施例中的图像中条纹噪声的去除方法。
这里需要指出的是:以上电子设备实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本发明实施例的电子设备的实施例中未披露的技术细节,请参照本发明方法实施例的描述而理解。
基于同一发明构思,本发明实施例还提供了一种计算机可读存储介质,上述计算机可读存储介质包括存储的程序,其中,在程序运行时控制存储介质所在设备执行上述一个或多个实施例中的图像中条纹噪声的去除方法。
这里需要指出的是:以上计算机可读存储介质实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本发明实施例的计算机可读存储介质的实施例中未披露的技术细节,请参照本发明方法实施例的描述而理解。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商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,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (9)
1.一种图像中条纹噪声的去除方法,其特征在于,所述方法包括:
获取原始图像的一维信号的原始频谱;
从所述原始频谱中确定噪声频段,所述噪声频段为包含条纹噪声对应的中心频点的频段;
对所述噪声频段进行去噪,得到去噪频谱,其中,从所述噪声频段的起始频率位置开始逐渐增大去噪强度,从临近所述噪声频段的终止频率位置开始逐渐减小去噪强度;
根据所述去噪频谱生成去噪图像;
所述对所述噪声频段进行去噪,包括:
根据sigmoid函数对所述噪声频段进行去噪;
其中,xbs为所述噪声频段的起始频率,xbe为所述噪声频段的终止频率,θ为带阻滤波器过渡带的陡峭系数。
2.根据权利要求1所述的方法,其特征在于,所述条纹噪声对应的中心频点位于所述噪声频段的中间位置。
3.根据权利要求1所述的方法,其特征在于,所述获取原始图像的一维信号的原始频谱,包括:
对所述原始图像进行逐行采样或逐列采样,得到所述一维信号;
对所述一维信号进行快速傅里叶变换FFT,得到所述一维信号的原始频谱。
4.根据权利要求3所述的方法,其特征在于,在所述对所述原始图像进行逐行采样或逐列采样之前,所述方法还包括:
对所述原始图像进行RGB通道分离;
所述对所述原始图像进行逐行采样或逐列采样,包括:
对RGB通道分离后的所述原始图像分别进行逐行采样或逐列采样;
所述方法还包括:
对所述去噪图像进行RGB通道合并。
5.根据权利要求3所述的方法,其特征在于,所述对所述原始图像进行逐行采样或逐列采样,包括:
当所述原始图像包含的条纹噪声为横条纹噪声时,对所述原始图像进行逐列采样;或者,
当所述原始图像包含的条纹噪声为竖条纹噪声时,对所述原始图像进行逐行采样。
6.根据权利要求5所述的方法,其特征在于,在所述对所述原始图像进行逐行采样或逐列采样之前,所述方法还包括:
对所述原始图像的任意一行进行采样,得到一维行信号,以及对所述原始图像的任意一列进行采样,得到一维列信号;
分别对所述一维行信号和所述一维列信号进行FFT,得到所述一维行信号的频谱和所述一维列信号的频谱;
在所述一维行信号的频谱的预设频带内确定最大峰值,以及在所述一维列信号的频谱的预设频带内确定最大峰值,并进行比较;
若所述一维行信号对应的最大峰值小于所述一维列信号对应的最大峰值,则确定所述原始图像中的条纹噪声为横条纹噪声;
若所述一维行信号对应的最大峰值大于所述一维列信号对应的最大峰值,则确定所述原始图像中的条纹噪声为竖条纹噪声。
7.一种图像中条纹噪声的去除装置,其特征在于,所述装置包括:
获取模块,用于获取原始图像的一维信号的原始频谱;
确定模块,用于从所述原始频谱中确定噪声频段,所述噪声频段为包含条纹噪声对应的中心频点的频段;
去噪模块,用于对所述噪声频段进行去噪,得到去噪频谱,其中,从所述噪声频段的起始频率位置开始逐渐增大去噪强度,从临近所述噪声频段的终止频率位置开始逐渐减小去噪强度;
生成模块,用于根据所述去噪频谱生成去噪图像;
所述去噪模块,用于根据sigmoid函数对所述噪声频段进行去噪;其中,xbs为所述噪声频段的起始频率,xbe为所述噪声频段的终止频率,θ为带阻滤波器过渡带的陡峭系数。
8.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;
以及与所述处理器连接的至少一个存储器、总线;
其中,所述处理器、存储器通过所述总线完成相互间的通信;所述处理器用于调用所述存储器中的程序指令,以执行如权利要求1至6中任一项所述的方法。
9.一种计算机可读存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行如权利要求1至6中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010073136.0A CN111311510B (zh) | 2020-01-22 | 2020-01-22 | 图像中条纹噪声的去除方法及装置 |
US17/030,304 US11803941B2 (en) | 2020-01-22 | 2020-09-23 | Method for removing fringe noise in image |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010073136.0A CN111311510B (zh) | 2020-01-22 | 2020-01-22 | 图像中条纹噪声的去除方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111311510A CN111311510A (zh) | 2020-06-19 |
CN111311510B true CN111311510B (zh) | 2023-08-25 |
Family
ID=71148933
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010073136.0A Active CN111311510B (zh) | 2020-01-22 | 2020-01-22 | 图像中条纹噪声的去除方法及装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11803941B2 (zh) |
CN (1) | CN111311510B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112258407A (zh) * | 2020-10-20 | 2021-01-22 | 北京集创北方科技股份有限公司 | 一种图像采集设备的信噪比获取方法、装置及存储介质 |
CN114998325B (zh) * | 2022-07-19 | 2022-10-25 | 新力环境科技(山东)有限公司 | 一种空调散热管焊接缺陷检测方法 |
CN115272137B (zh) * | 2022-09-28 | 2022-12-20 | 北京万龙精益科技有限公司 | 基于fpga的实时固定模式噪声去除方法、装置、介质及系统 |
CN116074645B (zh) * | 2022-11-29 | 2024-02-09 | 哈尔滨工业大学 | 一种图像条纹噪声主动抑制方法 |
CN116233630B (zh) * | 2023-05-05 | 2023-07-14 | 深圳市和惠源电子科技有限公司 | 一种cmos传感器电源纹波噪声去除的方法、设备及存储介质 |
CN117830141B (zh) * | 2024-03-04 | 2024-05-03 | 奥谱天成(成都)信息科技有限公司 | 红外图像竖条纹噪声去除方法、介质、设备及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103442641A (zh) * | 2011-03-24 | 2013-12-11 | 富士胶片株式会社 | 图像处理设备、图像处理方法和图像处理程序 |
CN104580937A (zh) * | 2015-01-21 | 2015-04-29 | 中国科学院上海技术物理研究所 | 一种红外成像系统条纹噪声去除方法 |
CN106462957A (zh) * | 2016-05-19 | 2017-02-22 | 深圳大学 | 一种红外图像中条纹噪声的去除方法及系统 |
CN109146812A (zh) * | 2018-08-16 | 2019-01-04 | 上海波汇科技股份有限公司 | 一种基于频域滤波的内窥镜图像去除六角形噪声的方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6847737B1 (en) * | 1998-03-13 | 2005-01-25 | University Of Houston System | Methods for performing DAF data filtering and padding |
AU2014202322A1 (en) * | 2014-04-29 | 2015-11-12 | Canon Kabushiki Kaisha | Wavelet denoising of fringe image |
EP3417758A1 (en) * | 2017-06-19 | 2018-12-26 | Ambu A/S | A method for processing image data using a non-linear scaling model and a medical visual aid system |
-
2020
- 2020-01-22 CN CN202010073136.0A patent/CN111311510B/zh active Active
- 2020-09-23 US US17/030,304 patent/US11803941B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103442641A (zh) * | 2011-03-24 | 2013-12-11 | 富士胶片株式会社 | 图像处理设备、图像处理方法和图像处理程序 |
CN104580937A (zh) * | 2015-01-21 | 2015-04-29 | 中国科学院上海技术物理研究所 | 一种红外成像系统条纹噪声去除方法 |
CN106462957A (zh) * | 2016-05-19 | 2017-02-22 | 深圳大学 | 一种红外图像中条纹噪声的去除方法及系统 |
CN109146812A (zh) * | 2018-08-16 | 2019-01-04 | 上海波汇科技股份有限公司 | 一种基于频域滤波的内窥镜图像去除六角形噪声的方法 |
Also Published As
Publication number | Publication date |
---|---|
US11803941B2 (en) | 2023-10-31 |
US20210224955A1 (en) | 2021-07-22 |
CN111311510A (zh) | 2020-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111311510B (zh) | 图像中条纹噪声的去除方法及装置 | |
EP2950267A1 (en) | Image denoising method and image denoising apparatus | |
CN108205804B (zh) | 图像处理方法、装置及电子设备 | |
US11079418B2 (en) | Methods for extending frequency transforms to resolve features in the spatio-temporal domain | |
US20160093022A1 (en) | Method and apparatus for processing super resolution image using adaptive preprocessing filtering and/or postprocessing filtering | |
US9443286B2 (en) | Gray image processing method and apparatus based on wavelet transformation | |
US20110069904A1 (en) | Image denoising method | |
Kopparapu et al. | Identifying optimal Gaussian filter for Gaussian noise removal | |
CN109377453B (zh) | X射线图像中摩尔纹的消除方法、系统、存储介质及装置 | |
JP2005025696A (ja) | 画像処理装置、画像処理方法及びプログラム及び記録媒体 | |
Mu et al. | Low and non-uniform illumination color image enhancement using weighted guided image filtering | |
US7949200B2 (en) | Image processing apparatus, display device, and image processing method | |
KR20100101463A (ko) | 노이즈 저감 장치 및 방법 | |
Bovik et al. | Basic linear filtering with application to image enhancement | |
CN103679648B (zh) | 一种基于空间分割的矩匹配卫星影像条带噪声去除方法 | |
CN110838093B (zh) | 一种fMOST或MOST显微图像条纹噪声去除方法 | |
Kim et al. | Vaguelette-wavelet decomposition for frequency adaptive image restoration using directional wavelet bases | |
Lee et al. | Image deblurring based on the estimation of PSF parameters and the post-processing | |
CN111815535B (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
CN115689906A (zh) | 一种图像处理方法及装置 | |
CN111429383B (zh) | 图像降噪方法及装置、计算机可读存储介质 | |
JP2000315094A (ja) | 広帯域音響検出方法および装置およびこのプログラム記録媒体 | |
KR100998220B1 (ko) | 적응적 영상 크기 조정 방법 | |
Kopparapu et al. | Optimal Gaussian Filter for Effective Noise Filtering | |
Rashid et al. | Combination of total variation and robust bilateral filter in image denoising |
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 |