CN111325694B - 图像噪声去除方法及装置 - Google Patents
图像噪声去除方法及装置 Download PDFInfo
- Publication number
- CN111325694B CN111325694B CN202010116251.1A CN202010116251A CN111325694B CN 111325694 B CN111325694 B CN 111325694B CN 202010116251 A CN202010116251 A CN 202010116251A CN 111325694 B CN111325694 B CN 111325694B
- Authority
- CN
- China
- Prior art keywords
- pixel
- point
- pixel point
- image
- type
- 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 49
- 238000001914 filtration Methods 0.000 claims abstract description 72
- 238000012545 processing Methods 0.000 claims abstract description 42
- 230000002146 bilateral effect Effects 0.000 claims abstract description 32
- 238000004590 computer program Methods 0.000 claims description 23
- 238000010606 normalization Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 description 23
- 230000006870 function Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 235000002566 Capsicum Nutrition 0.000 description 2
- 239000006002 Pepper Substances 0.000 description 2
- 241000722363 Piper Species 0.000 description 2
- 235000016761 Piper aduncum Nutrition 0.000 description 2
- 235000017804 Piper guineense Nutrition 0.000 description 2
- 235000008184 Piper nigrum Nutrition 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 229910044991 metal oxide Inorganic materials 0.000 description 2
- 150000004706 metal oxides Chemical class 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请适用于图像处理技术领域,提供了一种图像噪声去除方法及装置,该方法包括:确定待处理图像的各个像素点的类型,所述类型包括高频噪声点和非高频噪声点,对所述类型为高频噪声点的像素点的第一像素值进行中值滤波处理,得到所述类型为高频噪声点的像素点的第二像素值,对所述类型为非高频噪声点的像素点的第一像素值进行双边滤波处理,得到所述类型为非高频噪声点的像素点的第二像素值,根据各个像素点的第二像素值得到滤波后的图像。本申请可以一定程度上解决在去除高频噪声的同时不能保留图像细节信息的问题。
Description
技术领域
本申请属于图像处理领域,尤其涉及一种图像噪声去除方法及装置。
背景技术
在图像传感器电荷耦合器件(Charge Coupled Device,CCD)或者图像传感器互补金属氧化物半导体器件(Complementary Metal Oxide Semiconductor, CMOS)采集图像过程中,由于受图像传感器材料属性、工作环境、电子元器件以及电路结构等的影响,会引入各种噪声,比如热噪声、电路噪声以及读出噪声等。同时,由于传输介质和记录设备等的不完善,图像在传输记录过程中往往也会受到多种噪声的污染。因此,最后我们得到的图像上会存在各种各样的噪声,从而影响图像的清晰度和视觉效果。因此,为了得到较清晰的图像以及获取较好的视觉效果,需要使用去噪算法对图像进行去噪处理。
目前,常用的去噪算法包括双边滤波算法、均值滤波算法、中值滤波算法以及基于小波变换的去噪算法等。然而,这些算法都存在一个问题,在完全去除高频噪声时不能保留图像的细节信息,保留图像的细节信息则不能完全去除高频噪声,比如,中值滤波算法能够去除图像中的高频噪声,但是中值滤波算法同时也会过滤掉图像的细节信息。因此,目前,需要一种在去除高频噪声的同时还可以保留图像细节信息的算法。
发明内容
本申请实施例提供了一种图像噪声去除方法及装置,可以一定程度上解决在去除高频噪声的同时不能保留图像细节信息的问题。
第一方面,本申请实施例提供了一种图像噪声去除方法,包括:
确定待处理图像的各个像素点的类型,上述类型包括高频噪声点和非高频噪声点;
对上述类型为高频噪声点的像素点的第一像素值进行中值滤波处理,得到上述类型为高频噪声点的像素点的第二像素值;
对上述类型为非高频噪声点的像素点的第一像素值进行双边滤波处理,得到上述类型为非高频噪声点的像素点的第二像素值;
根据各个像素点的第二像素值得到滤波后的图像。
第二方面,本申请实施例提供了一种图像噪声去除装置,包括:
像素点类型确定模块,用于确定待处理图像的各个像素点的类型,上述类型包括高频噪声点和非高频噪声点;
中值滤波模块,用于对上述类型为高频噪声点的像素点的第一像素值进行中值滤波处理,得到上述类型为高频噪声点的像素点的第二像素值;
双边滤波模块,用于对上述类型为非高频噪声点的像素点的第一像素值进行双边滤波处理,得到上述类型为非高频噪声点的像素点的第二像素值;
滤波后的图像得到模块,用于根据各个像素点的第二像素值得到滤波后的图像。
第三方面,本申请实施例提供了一种终端设备,包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序,上述处理器执行上述计算机程序时实现如上述第一方面所述方法的步骤。
第四方面,本申请实施例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存储有计算机程序,上述计算机程序被处理器执行时实现如上述第一方面所述方法的步骤。
第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述第一方面中任一项所述的图像噪声去除方法。
可以理解的是,上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
本申请实施例与现有技术相比存在的有益效果是:
由上可见,本申请提供一种图像噪声去除方法,首先,确定待处理图像(待处理图像可以为终端设备的相机APP拍摄的图像,也可以为终端设备本地保存的图像,也可以为在线观看的视频或本地保存的视频中的一帧图像)的各个像素点的类型,上述类型包括高频噪声点和非高频噪声点,确定各个像素点的类型后,对上述类型为高频噪声点的像素点的第一像素值进行中值滤波处理,得到上述类型为高频噪声点的像素点的第二像素值(即第二像素值是第一像素值经过中值滤波处理后的像素值),对上述类型为非高频噪声点的像素点的第一像素值进行双边滤波处理,得到上述类型为非高频噪声点的像素点的第二像素值(即第二像素值是第一像素值经过双边滤波处理后的像素值),最后再根据各个像素点的第二像素值得到滤波后的图像。
显然,在本申请中,在对待处理图像进行滤波处理前,先确定待处理图像的各个像素点的类型,再根据各个像素点的类型采用相应的滤波算法处理各个像素点,对类型为高频噪声点的像素点的第一像素值采用中值滤波处理,对类型为非高频噪声点的像素点的第一像素值采用双边滤波处理,而采用双边滤波算法处理图像能够保存图像的细节信息,采用中值滤波算法处理图像能够去除高频噪声点,因此,本申请的技术方案可以在一定程度上在去除高频噪声的同时保留图像细节信息。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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1是本申请一实施例提供的图像噪声去除方法的流程示意图;
图2是本申请一实施例提供的图像噪声去除方法中像素点及其对应的邻域窗口的示意图;
图3是本申请一实施例提供的图像噪声去除方法中拓展操作前以及拓展操作后的待处理图像;
图4是采用本申请一实施例提供的高频噪声点的判断方法处理图像后的结果示意图;
图5是采用本申请一实施例提供的图像噪声去除方法处理后的结果以及采用其他滤波算法处理后的结果的示意图;
图6是本申请一实施例提供的图像噪声去除装置的结构示意图;
图7是本申请实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
本申请实施例提供的图像噪声去除方法可以应用于手机、平板电脑、可穿戴设备、车载设备、增强现实(augmented reality,AR)/虚拟现实(virtual reality, VR)设备、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer, UMPC)、上网本、个人数字助理(personal digital assistant,PDA)等终端设备上,本申请实施例对终端设备的具体类型不作任何限制。
例如,所述终端设备可以是WLAN中的站点(STAION,ST),可以是蜂窝电话、无绳电话、会话启动协议(Session Initiation Protocol,SIP)电话、无线本地环路(WirelessLocal Loop,WLL)站、个人数字处理(Personal Digital Assistant, PDA)设备、具有无线通信功能的手持设备、计算设备或连接到无线调制解调器的其它处理设备、车载设备、车联网终端、电脑、膝上型计算机、手持式通信设备、手持式计算设备、卫星无线设备、无线调制解调器卡、电视机顶盒(set top box,STB)、用户驻地设备(customer premise equipment,CPE)和/或用于在无线系统上进行通信的其它设备以及下一代通信系统,例如,5G网络中的移动终端或者未来演进的公共陆地移动网络(Public Land Mobile Network,PLMN)网络中的移动终端等。
作为示例而非限定,当所述终端设备为可穿戴设备时,该可穿戴设备还可以是应用穿戴式技术对日常穿戴进行智能化设计、开发出可以穿戴的设备的总称,如眼镜、手套、手表、服饰及鞋等。可穿戴设备即直接穿在身上,或是整合到用户的衣服或配件的一种便携式设备。可穿戴设备不仅仅是一种硬件设备,更是通过软件支持以及数据交互、云端交互来实现强大的功能。广义穿戴式智能设备包括功能全、尺寸大、可不依赖智能手机实现完整或者部分的功能,如智能手表或智能眼镜等,以及只专注于某一类应用功能,需要和其它设备如智能手机配合使用,如各类进行体征监测的智能手环、智能首饰等。
为了说明本申请所述的技术方案,下面通过具体实施例来进行说明。
实施例一
下面对本申请实施例一提供的图像噪声去除方法进行描述,请参阅附图1,该方法包括:
步骤S101、确定待处理图像的各个像素点的类型,上述类型包括高频噪声点和非高频噪声点;
在步骤S101中,待处理图像可以是本实施例的终端设备的相机APP采集的图像,也可以是其他终端设备采集后,再发送给本实施例的终端设备的图像,也可以是在线观看的视频或本地保存的视频中的一帧图像。本申请对上述待处理图像的来源不做具体限定。
由于上述待处理图像中存在各种各样的噪声点,而对不同的噪声点需要采用不同的滤波算法处理,因此,在对上述待处理图像进行滤波处理之前,先对上述待处理图像中的各个像素点的类型进行判断,确定上述待处理图像中的各个像素点的类型后,再根据各个像素点的类型选择相应的滤波算法对各个像素点进行滤波处理。
在一些实施例中,先获取上述待处理图像中各个像素点对应的预设尺寸的邻域窗口,在像素点对应的预设尺寸的邻域窗口中,以该像素点为中心像素点,中心像素点以外的像素点为中心像素点的邻域像素点。邻域窗口的预设尺寸为N×N,其中,N为奇数且N≥3,比如,如图2所示,邻域窗口的预设尺寸为3×3,像素点2011对应的预设尺寸的邻域窗口为图2中的201,像素点2021对应的预设尺寸的邻域窗口为图2中的202。
需要说明的是,当各个像素点位于待处理图像的边界时,获取待处理图像中各个像素点对应的预设尺寸的邻域窗口时需要先对待处理图像的初始边界进行拓展操作,对待处理图像的初始边界进行拓展操作后,再根据拓展后的边界获取待处理图像中各个像素点对应的预设尺寸的邻域窗口。上述拓展操作的类型包括使用P值(比如,P=0)填充待处理图像的初始边界,如图3中的302 所示,或者,复制待处理图像的初始边界的像素点的第一像素值,如图3中的 303所示,或者,镜像待处理图像的初始边界的像素点的第一像素值,如图3 中的304所示,图3中的301为没有进行拓展操作的待处理图像。拓展操作的类型根据实际需求决定,例如,本实施例中的拓展操作采用复制待处理图像的初始边界的像素点的第一像素值的方式。本申请对拓展操作的类型不做具体限定。
获取到待处理图像中各个像素点对应的预设的邻域窗口后,根据每个像素点的邻域窗口内各个邻域像素点的第一像素值确实每个像素点的类型。比如,像素点2011对应的邻域窗口201中的各个像素点的第一像素值分别为20、45、 15、31、10、12、30以及8,根据上述像素值确定像素点2011是否为高频噪声点。
应理解,当待处理图像为灰度图像时,各个像素点的第一像素值为各个像素点的灰度值,当待处理图像为彩色图像时,各个像素点的第一像素值为各个像素点的RGB值。
在第一个可能的实现方式中,若每个像素点的第一像素值小于每个像素点对应的邻域窗口内所有像素点的第一像素值的平均值,且每个像素点对应的邻域窗口内,第一像素值大于上述平均值的邻域像素点的数量大于第一预设阈值,则判定上述像素点的类型为高频噪声点。
每个像素点对应的邻域窗口内所有像素点的第一像素值的平均值为每个像素点对应的邻域窗口内所有像素点的第一像素值的加权平均值,通过以下公式计算每个像素点对应的邻域窗口内所有像素点的第一像素值的加权平均值:
其中,K表示每个像素点的第一像素值的权重系数,K的具体取值可以根据实际情况进行设置,例如,K的取值可以设置为3~11,N每个像素点的邻域窗口的预设尺寸,f(x,y)表示每个像素点的第一像素值,f(x+i,y+j)表示每个像素点对应的邻域窗口内各个邻域像素点的第一像素值。
可以理解的是,根据像素点对应的邻域窗口内所有像素点的第一像素值的平均值评估上述像素点的类型时,如果该像素点对应的邻域窗口内存在其他高频噪声点,则其他高频噪声点可能对该像素点的类型评估结果造成一定的干扰。
例如:当3×3邻域窗口的中心像素点的第一像素值为140,各个邻域像素点的第一像素值分别为100,100,100,100,100,100,150以及28,此时,该中心像素点是高频噪声。该邻域窗口所有像素点的第一像素值的平均值为99.4,如果没有赋予该中心像素点更大的权重系数,判断结果是该中心像素点不是高频噪声点,判断出现错误。或者,当3×3邻域窗口的中心像素点的第一像素值为110,各个邻域像素点的第一像素值分别为100,100,100,100,100,100, 220以及28,此时,该中心像素点不是高频噪声点。该邻域窗口所有像素点的第一像素值的平均值为106.4,如果没有赋予该中心像素点更大的权重系数,判断结果是该中心像素点是高频噪声点,判断出现错误。
因此,为了避免其他高频噪声点的干扰,可以在计算该像素点对应的邻域窗口内所有像素点的平均值时,赋予该像素点(即中心像素点)更大的权重系数,减小该像素点对应的邻域窗口内其他高频噪声点对该像素点的类型评估结果的影响。
第一预设阈值的具体取值可以根据实际情况进行设置,例如,第一预设阈值的取值为6或7。本申请不做具体限定。
下面描述一种计算每个像素点对应的邻域窗口内所有像素点的第一像素值的加权平均值的具体应用场景。
比如,计算图2中像素点2011对应的邻域窗口201内所有像素点的加权平均值,邻域窗口201的预设尺寸为3×3,即N的取值为3,K的取值为7,此时,加权平均值为:
将邻域窗口201中所有像素点的第一像素值20、45、15、31、23、10、12、 30以及8代入到上述公式中,得到邻域窗口201内所有像素点的加权平均值约为20.75。
在第二个可能的实现方式中,若每个像素点的第一像素值大于每个像素点对应的邻域窗口内所有像素点的第一像素值的平均值,且每个像素点对应的邻域窗口内,第一像素值小于上述平均值的邻域像素点的数量大于第二预设阈值,则判定上述像素点的类型为高频噪声点。
在此实现方式中,每个像素点对应的邻域窗口内所有像素点的第一像素值的平均值为每个像素点对应的邻域窗口内所有像素点的第一像素值的加权平均值,加权平均值的计算方式与第一个可能的实现方式中的加权平均值的计算方式相同,在此不在赘述。
第二预设阈值的具体取值可以根据实际情况进行设置,例如,第二预设阈值的取值为6或7。本申请不做具体限定。
下面根据图2描述一种判断像素点是否为噪声点的具体应用场景。
假设第二预设阈值均设置为6。邻域窗口201内所有像素点的加权平均值约为20.75,此时像素点2011的第一像素值23大于加权平均值20.75,邻域窗口201内小于加权平均值的像素点的个数为5个,则像素点2011不是高频噪声点。
或者,假设第一预设阈值均设置为6。邻域窗口202内所有像素点的加权平均值约为20.75,此时像素点2021的第一像素值15小于加权平均值20.75,邻域窗口202内大于加权平均值的像素点的个数为5个,则像素点2021不是高频噪声点。
在本实施例中,在判断每个像素点是否是高频噪声点时,先根据上述预设的计算加权平均值的公式自动计算每个像素点对应的邻域窗口内的所有像素点的第一像素值的加权平均值,再将该邻域窗口内所有像素点的第一像素值与上述加权平均值比较,更加可以体现该像素点与该像素点对应的邻域窗口中其他邻域像素点的差异,以便更好地将高频信号中的高频噪声与图像的细节信息区分开。如图4所示,401是带椒盐噪声的待处理图像,402是提取到的高频噪声点,403是对高频噪声点进行中值滤波处理后得到的图像。从图4可以看出,本申请中判断是否为高频噪声点的技术方案可以更加准确地将高频信号中的高频噪声点与图像中的细节信息区分开,避免出现对图像的细节信息误去除的情况。同时,该加权平均值自动计算,不用人为地每次根据每个邻域窗口的像素值设置阈值,适应性更加广泛。
步骤S102、对上述类型为高频噪声点的像素点的第一像素值进行中值滤波处理,得到上述类型为高频噪声点的像素点的第二像素值;
在步骤S102中,当像素点的类型为高频噪声点时,对该像素点的第一像素值进行中值滤波处理,即将该像素点的第一像素值设置为该像素点对应的邻域窗口内的所有像素点的第一像素值的中值。比如,如图2所示,若像素点2011 是高频噪声点,则邻域窗口201中的所有像素点的第一像素值的中值(20、45、 15、31、23、10、12、30以及8)为20,此时,20即为像素点2011的第二像素值。需要说明的是,当计算中值时所获取的邻域窗口的尺寸与在计算加权平均值时所获取的邻域窗口的预设尺寸可以不一致,也可以保持一致,本申请不做具体限定。
由于中值滤波算法可以去除高频噪声点,因此,当判断像素点是高频噪声点时,采用中值滤波算法处理该像素点。
步骤S103、对上述类型为非高频噪声点的像素点的第一像素值进行双边滤波处理,得到上述类型为非高频噪声点的像素点的第二像素值;
在步骤S103中,当像素点的类型为非高频噪声点时,对该像素点的第一像素值进行双边滤波处理,得到该像素点的第二像素值,即使用以下公式计算该像素点的第二像素值:
其中,m表示该像素点(即中心像素点),n表示该像素点的邻域像素点, f(m)表示像素点m的第一像素值,f(n)表示像素点n的第一像素值,W(m)表示以像素点m为中心的空间邻域,σd表示空间阈的标准差,σr表示幅度阈的标准差,C为归一化因子,使用以下公式计算:
由于双边滤波算法能够比较好地去除图像中的低频噪声,保留图像中的细节信息,因此,当该像素点不是高频噪声点时,对该像素点进行双边滤波处理。
步骤S104、根据各个像素点的第二像素值得到滤波后的图像;
在步骤S104中,在对像素点进行中值滤波处理或者双边滤波处理后,得到该像素点的第二像素值,再根据该第二像素值得到滤波后的图像。如图4所示,501为带椒盐噪声的待处理图像,502为图像501经过中值滤波处理后的图像,503为图像501经过双边滤波处理后的图像,504为使用本申请中的技术方案处理后的图像,即先判断像素点是否为高频噪声点,若为高频噪声点,则采用中值滤波处理该像素点的第一像素值,得到该像素点的第二像素值,若非高频噪声点,则采用双边滤波算法处理该像素点的第一像素值,得到该像素点的第二像素值,最后根据该第二像素值得到滤波后的图像。从图像504中可以看出,图像504的清晰度比图像502的高,而且图像504保留的细节信息也比图像502的细节信息多,图像504去除的噪声点与图像503去除的相比较,图像 504去除的噪声点比较多。因此,本申请的技术方案可以在一定程度上在去除高频噪声的同时保留图像细节信息。
综上所述,本申请提供一种图像噪声去除方法,首先,确定待处理图像(待处理图像可以为终端设备的相机APP拍摄的图像,也可以为终端设备本地保存的图像,也可以为在线观看的视频或本地保存的视频中的一帧图像)的各个像素点的类型,上述类型包括高频噪声点和非高频噪声点,确定各个像素点的类型后,对上述类型为高频噪声点的像素点的第一像素值进行中值滤波处理,得到上述类型为高频噪声点的像素点的第二像素值(即第二像素值是第一像素值经过中值滤波处理后的像素值),对上述类型为非高频噪声点的像素点的第一像素值进行双边滤波处理,得到上述类型为非高频噪声点的像素点的第二像素值(即第二像素值是第一像素值经过双边滤波处理后的像素值),最后再根据各个像素点的第二像素值得到滤波后的图像。
显然,在本申请中,在对待处理图像进行滤波处理前,先确定待处理图像的各个像素点的类型,再根据各个像素点的类型采用相应的滤波算法处理各个像素点,对类型为高频噪声点的像素点的第一像素值采用中值滤波处理,对类型为非高频噪声点的像素点的第一像素值采用双边滤波处理,而采用双边滤波算法处理图像能够保存图像的细节信息,采用中值滤波算法处理图像能够去除高频噪声点,因此,本申请的技术方案可以在一定程度上在去除高频噪声的同时保留图像细节信息。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
实施例二
对应于上文实施例一所述的图像噪声去除方法,图5示出了本申请实施例提供的图像噪声去除装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。
参照图6,该装置600包括:
像素点类型确定模块601,用于确定待处理图像的各个像素点的类型,上述类型包括高频噪声点和非高频噪声点;
中值滤波模块602,用于对上述类型为高频噪声点的像素点的第一像素值进行中值滤波处理,得到上述类型为高频噪声点的像素点的第二像素值;
双边滤波模块603,用于对上述类型为非高频噪声点的像素点的第一像素值进行双边滤波处理,得到上述类型为非高频噪声点的像素点的第二像素值;
滤波后的图像得到模块606,用于根据各个像素点的第二像素值得到滤波后的图像。
可选地,像素点类型确定模块601包括:
邻域窗口获取单元,用于获取上述待处理图像中各个像素点对应的预设尺寸的邻域窗口,其中,上述像素点为上述像素点对应的邻域窗口的中心像素点,上述邻域窗口内除中心像素点以外的像素点为邻域像素点;
相应地,上述像素点类型确定模块601用于执行:
根据上述像素点的邻域窗口内各个邻域像素点的第一像素值确定所述像素点的类型。
可选地,上述像素点类型确定模块601用于执行:
若上述像素点的第一像素值小于上述像素点对应的邻域窗口内所有像素点的第一像素值的平均值,且上述像素点对应的邻域窗口内,第一像素值大于上述平均值的邻域像素点的数量大于第一预设阈值,则判定上述像素点的类型为高频噪声点。
可选地,上述像素点类型确定模块601用于执行:
若上述像素点的第一像素值大于上述像素点对应的邻域窗口内所有像素点的第一像素值的平均值,且上述像素点对应的邻域窗口内,第一像素值小于上述平均值的邻域像素点的数量大于第二预设阈值,则判定上述像素点的类型为高频噪声点。
可选地,上述平均值为加权平均值。
可选地,装置600还包括:
拓展模块,用于对待处理图像的初始边界进行拓展操作,得到拓展后的边界;
相应地,邻域窗口获取单元用于执行:
根据上述扩展后的边界,获取上述待处理图像的初始边界中各个像素点对应的预设尺寸的邻域窗口。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例一基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例一部分,此处不再赘述。
实施例三
图7是本申请实施例三提供的终端设备的示意图。如图7所示,该实施例的终端设备700包括:处理器701、存储器702以及存储在上述存储器702中并可在上述处理器701上运行的计算机程序703。上述处理器701执行上述计算机程序703时实现上述各个方法实施例中的步骤。或者,上述处理器701执行上述计算机程序703时实现上述各装置实施例中各模块/单元的功能。
示例性的,上述计算机程序703可以被分割成一个或多个模块/单元,上述一个或者多个模块/单元被存储在上述存储器702中,并由上述处理器701执行,以完成本申请。上述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述上述计算机程序703在上述终端设备700 中的执行过程。例如,上述计算机程序703可以被分割成像素点类型确定模块、中值滤波模块、双边滤波模块以及滤波后的图像得到模块,各模块具体功能如下:
确定待处理图像的各个像素点的类型,所述类型包括高频噪声点和非高频噪声点;
对所述类型为高频噪声点的像素点的第一像素值进行中值滤波处理,得到所述类型为高频噪声点的像素点的第二像素值;
对所述类型为非高频噪声点的像素点的第一像素值进行双边滤波处理,得到所述类型为非高频噪声点的像素点的第二像素值;
根据各个像素点的第二像素值得到滤波后的图像。
上述终端设备可包括,但不仅限于,处理器701、存储器702。本领域技术人员可以理解,图7仅仅是终端设备700的示例,并不构成对终端设备700的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如上述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器701可以是中央处理单元(Central Processing Unit,CPU),还可以是其它通用处理器、数字信号处理器(Digital Signal Processor,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)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件插件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
上述存储器702可以是上述终端设备700的内部存储单元,例如终端设备 700的硬盘或内存。上述存储器702也可以是上述终端设备700的外部存储设备,例如上述终端设备700上配备的插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,上述存储器702还可以既包括上述终端设备700的内部存储单元也包括外部存储设备。上述存储器702用于存储上述计算机程序以及上述终端设备所需的其它程序和数据。上述存储器702还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将上述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
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或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,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来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。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,上述模块或单元的划分,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,例如多个单元或插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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
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。
上述集成的模块/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介质中。基于这样的理解,本申请实现上述各个方法实施例中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,上述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,上述计算机程序包括计算机程序代码,上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读介质可以包括:能够携带上述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,上述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上上述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种图像噪声去除方法,其特征在于,包括:
根据各个像素点的第一像素值确定待处理图像的所述各个像素点的类型,所述类型包括高频噪声点和非高频噪声点,所述待处理图像为彩色图像;
对所述类型为高频噪声点的像素点的第一像素值进行中值滤波处理,得到所述类型为高频噪声点的像素点的第二像素值,所述高频噪声点的像素点的第一像素值为所述高频噪声点的像素点的RGB值;
对所述类型为非高频噪声点的像素点的第一像素值进行双边滤波处理,得到所述类型为非高频噪声点的像素点的第二像素值,所述非高频噪声点的像素点的第一像素值为所述非高频噪声点的像素点的RGB值;
根据各个像素点的第二像素值得到滤波后的图像;
所述对所述类型为非高频噪声点的像素点的第一像素值进行双边滤波处理包括:
使用以下公式计算所述第二像素值:
其中,m表示该像素点,n表示该像素点的邻域像素点,f(m)表示像素点m的第一像素值,f(n)表示像素点n的第一像素值,W(m)表示以像素点m为中心的空间邻域,σd表示空间阈的标准差,σr表示幅度阈的标准差,C为归一化因子,
2.如权利要求1所述的图像噪声去除方法,其特征在于,所述确定待处理图像的各个像素点的类型,包括:
获取所述待处理图像中各个像素点对应的预设尺寸的邻域窗口,其中,所述像素点为所述像素点对应的邻域窗口的中心像素点,所述邻域窗口内除中心像素点以外的像素点为邻域像素点;
根据所述像素点的邻域窗口内各个邻域像素点的第一像素值确定所述像素点的类型。
3.如权利要求2所述的图像噪声去除方法,其特征在于,根据所述像素点的邻域窗口内各个邻域像素点的第一像素值确定所述像素点的类型,包括:
若所述像素点的第一像素值小于所述像素点对应的邻域窗口内所有像素点的第一像素值的平均值,且所述像素点对应的邻域窗口内,第一像素值大于所述平均值的邻域像素点的数量大于第一预设阈值,则判定所述像素点的类型为高频噪声点。
4.如权利要求2所述的图像噪声去除方法,其特征在于,根据所述像素点的邻域窗口内各个邻域像素点的第一像素值确定所述像素点的类型,包括:
若所述像素点的第一像素值大于所述像素点对应的邻域窗口内所有像素点的第一像素值的平均值,且所述像素点对应的邻域窗口内,第一像素值小于所述平均值的邻域像素点的数量大于第二预设阈值,则判定所述像素点的类型为高频噪声点。
5.如权利要求3或4所述的图像噪声去除方法,其特征在于,所述平均值为加权平均值。
6.如权利要求2所述的图像噪声去除方法,其特征在于,还包括:
对待处理图像的初始边界进行拓展操作,得到拓展后的边界;
相应地,所述获取所述待处理图像中各个像素点对应的预设尺寸的邻域窗口,包括:
根据所述拓展后的边界,获取所述待处理图像的初始边界中各个像素点对应的预设尺寸的邻域窗口。
7.一种图像噪声去除装置,其特征在于,包括:
像素点类型确定模块,用于根据各个像素点的第一像素值确定待处理图像的所述各个像素点的类型,所述类型包括高频噪声点和非高频噪声点,所述待处理图像为彩色图像;
中值滤波模块,用于对所述类型为高频噪声点的像素点的第一像素值进行中值滤波处理,得到所述类型为高频噪声点的像素点的第二像素值,所述高频噪声点的像素点的第一像素值为所述高频噪声点的像素点的RGB值;
双边滤波模块,用于对所述类型为非高频噪声点的像素点的第一像素值进行双边滤波处理,得到所述类型为非高频噪声点的像素点的第二像素值,所述非高频噪声点的像素点的第一像素值为所述非高频噪声点的像素点的RGB值;
滤波后的图像得到模块,用于根据各个像素点的第二像素值得到滤波后的图像;
所述双边滤波模块还用于,所述对所述类型为非高频噪声点的像素点的第一像素值进行双边滤波处理包括:使用以下公式计算所述第二像素值:
其中,m表示该像素点,n表示该像素点的邻域像素点,f(m)表示像素点m的第一像素值,f(n)表示像素点n的第一像素值,W(m)表示以像素点m为中心的空间邻域,σd表示空间阈的标准差,σr表示幅度阈的标准差,C为归一化因子,
8.如权利要求7所述的图像噪声去除装置,其特征在于,所述像素点类型确定模块包括:
邻域窗口获取单元,用于获取所述待处理图像中各个像素点对应的预设尺寸的邻域窗口,其中,所述像素点为所述像素点对应的邻域窗口的中心像素点,所述邻域窗口内除中心像素点以外的像素点为邻域像素点;
相应地,所述像素点类型确定模块用于执行:
根据所述像素点的邻域窗口内各个邻域像素点的第一像素值确定所述像素点的类型。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010116251.1A CN111325694B (zh) | 2020-02-25 | 2020-02-25 | 图像噪声去除方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010116251.1A CN111325694B (zh) | 2020-02-25 | 2020-02-25 | 图像噪声去除方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111325694A CN111325694A (zh) | 2020-06-23 |
CN111325694B true CN111325694B (zh) | 2024-02-13 |
Family
ID=71172975
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010116251.1A Active CN111325694B (zh) | 2020-02-25 | 2020-02-25 | 图像噪声去除方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111325694B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112884667B (zh) * | 2021-02-04 | 2021-10-01 | 湖南兴芯微电子科技有限公司 | 一种Bayer域降噪方法和降噪系统 |
CN115115566A (zh) * | 2021-03-18 | 2022-09-27 | 杭州海康消防科技有限公司 | 一种热成像图像的处理方法及装置 |
CN113538286B (zh) * | 2021-07-29 | 2023-03-07 | 杭州微影软件有限公司 | 一种图像处理方法、装置、电子设备及存储介质 |
CN114051127B (zh) * | 2022-01-14 | 2022-08-09 | 深圳市艾科维达科技有限公司 | 网络机顶盒的图像传输降噪方法 |
CN115205156B (zh) * | 2022-07-27 | 2023-06-30 | 上海物骐微电子有限公司 | 无失真的中值滤波边界填充方法及装置、电子设备、存储介质 |
CN115358951B (zh) * | 2022-10-19 | 2023-01-24 | 广东电网有限责任公司佛山供电局 | 一种基于图像识别的智能环网柜监测系统 |
CN117788763A (zh) * | 2023-12-18 | 2024-03-29 | 慧之安信息技术股份有限公司 | 一种基于大数据分析增强ar提示功能的方法和系统 |
CN117853924B (zh) * | 2024-01-17 | 2024-07-02 | 西藏星图遥感科技发展有限公司 | 一种基于inSAR技术的滑坡区域识别方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1761285A (zh) * | 2005-09-14 | 2006-04-19 | 上海广电(集团)有限公司中央研究院 | 一种去除视频孤立噪声点的方法 |
CN103150733A (zh) * | 2013-03-25 | 2013-06-12 | 中国矿业大学(北京) | 一种应用于数字图像的自适应多级加权中值滤波算法 |
CN103345726A (zh) * | 2013-06-14 | 2013-10-09 | 华为技术有限公司 | 图像去噪处理方法、装置和终端 |
CN108492245A (zh) * | 2018-02-06 | 2018-09-04 | 浙江大学 | 基于小波分解和双边滤波的低光度图像对融合方法 |
CN110246090A (zh) * | 2018-09-27 | 2019-09-17 | 浙江大华技术股份有限公司 | 一种图像处理的方法和设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3203437A1 (en) * | 2016-02-05 | 2017-08-09 | Thomson Licensing | Method and apparatus for locally sharpening a video image using a spatial indication of blurring |
-
2020
- 2020-02-25 CN CN202010116251.1A patent/CN111325694B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1761285A (zh) * | 2005-09-14 | 2006-04-19 | 上海广电(集团)有限公司中央研究院 | 一种去除视频孤立噪声点的方法 |
CN103150733A (zh) * | 2013-03-25 | 2013-06-12 | 中国矿业大学(北京) | 一种应用于数字图像的自适应多级加权中值滤波算法 |
CN103345726A (zh) * | 2013-06-14 | 2013-10-09 | 华为技术有限公司 | 图像去噪处理方法、装置和终端 |
CN108492245A (zh) * | 2018-02-06 | 2018-09-04 | 浙江大学 | 基于小波分解和双边滤波的低光度图像对融合方法 |
CN110246090A (zh) * | 2018-09-27 | 2019-09-17 | 浙江大华技术股份有限公司 | 一种图像处理的方法和设备 |
Non-Patent Citations (1)
Title |
---|
OCT眼底图像处理关键技术研究;修继龙;《中国优秀硕士学位论文全文数据库医药卫生科技辑》(第7期);摘要,第21-23页第4章 * |
Also Published As
Publication number | Publication date |
---|---|
CN111325694A (zh) | 2020-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111325694B (zh) | 图像噪声去除方法及装置 | |
CN111340777B (zh) | 图像噪声点的判断方法及装置 | |
CN110378846B (zh) | 一种处理图像磨皮的方法、装置、介质和电子设备 | |
CN111275626A (zh) | 一种基于模糊度的视频去模糊方法、装置及设备 | |
CN110335216B (zh) | 图像处理方法、图像处理装置、终端设备及可读存储介质 | |
Salmon et al. | From patches to pixels in non-local methods: Weighted-average reprojection | |
CN109064504B (zh) | 图像处理方法、装置和计算机存储介质 | |
CN112150371B (zh) | 图像降噪方法、装置、设备及存储介质 | |
CN111524074B (zh) | 锐化图像的方法、电子设备及其图像处理器 | |
WO2017113917A1 (zh) | 成像方法、成像装置和终端 | |
CN110796615A (zh) | 一种图像去噪方法、装置以及存储介质 | |
CN108805838B (zh) | 一种图像处理方法、移动终端及计算机可读存储介质 | |
CN111861938B (zh) | 图像去噪方法、装置、电子设备及可读存储介质 | |
CN111833285B (zh) | 图像处理方法、图像处理装置及终端设备 | |
CN113012061A (zh) | 降噪处理方法、装置及电子设备 | |
CN106296591B (zh) | 基于马氏距离的非局部均匀数字图像去噪方法 | |
CN112435182B (zh) | 图像降噪方法及装置 | |
CN111416937B (zh) | 图像处理方法、装置、存储介质及移动设备 | |
CN115499559A (zh) | 图像处理装置与方法、处理芯片和电子设备 | |
CN111986095B (zh) | 基于边缘提取的图像处理方法及图像处理装置 | |
CN110689486A (zh) | 图像的处理方法、装置、设备及计算机可存储介质 | |
CN112419161B (zh) | 图像处理方法及装置、存储介质及电子设备 | |
CN110880160A (zh) | 图片帧超分方法、装置、终端设备及计算机可读存储介质 | |
CN113658050A (zh) | 一种图像的去噪方法、去噪装置、移动终端及存储介质 | |
CN111598794A (zh) | 一种去除水下重叠情况的图像成像方法及装置 |
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 |