CN111583144B - 图像降噪方法及装置、电子设备和存储介质 - Google Patents
图像降噪方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN111583144B CN111583144B CN202010366333.1A CN202010366333A CN111583144B CN 111583144 B CN111583144 B CN 111583144B CN 202010366333 A CN202010366333 A CN 202010366333A CN 111583144 B CN111583144 B CN 111583144B
- Authority
- CN
- China
- Prior art keywords
- image
- noise reduction
- noise
- sample image
- exposure
- 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 311
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000003860 storage Methods 0.000 title claims abstract description 30
- 238000010586 diagram Methods 0.000 claims abstract description 106
- 230000004927 fusion Effects 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims description 56
- 238000012549 training Methods 0.000 claims description 44
- 238000004590 computer program Methods 0.000 claims description 15
- 238000009826 distribution Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 230000000875 corresponding effect Effects 0.000 description 151
- 230000006870 function Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 235000019580 granularity Nutrition 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000003491 array Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- UEJJHQNACJXSKW-UHFFFAOYSA-N 2-(2,6-dioxopiperidin-3-yl)-1H-isoindole-1,3(2H)-dione Chemical compound O=C1C2=CC=CC=C2C(=O)N1C1CCC(=O)NC1=O UEJJHQNACJXSKW-UHFFFAOYSA-N 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 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
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本公开涉及一种图像降噪方法及装置、电子设备和存储介质,所述方法包括:获取待降噪图像,所述待降噪图像是将不同曝光参数采集的多张图像按照曝光融合权重图融合得到的;根据各个所述图像对应的曝光参数,确定待降噪图像对应的降噪力度图,所述降噪力度图用于表示所述待降噪图像中包含的像素点所对应的降噪力度;根据所述降噪力度图对所述待降噪图像进行降噪处理,得到降噪图像。本公开实施例可实现提高降噪精度。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种图像降噪方法及装置、电子设备和存储介质。
背景技术
由于光源照射和终端设备的硬件限制,导致拍摄的照片会存在较多噪声,造成图像模糊,不清晰等问题,故对图像降噪是数码相机和手机拍照中重要的环节。
发明内容
本公开提出了一种提高降噪精度的图像降噪技术方案。
根据本公开的一方面,提供了一种图像降噪方法,包括:
获取待降噪图像,所述待降噪图像是将不同曝光参数采集的多张图像按照曝光融合权重图融合得到的;
根据各个所述图像对应的曝光参数,确定待降噪图像对应的降噪力度图,所述降噪力度图用于表示所述待降噪图像中包含的像素点所对应的降噪力度;
根据所述降噪力度图对所述待降噪图像进行降噪处理,得到降噪图像。
在一种可能的实现方式中,所述根据各个所述图像对应的曝光参数,确定待降噪图像对应的降噪力度图,包括:
根据各个所述图像对应的曝光参数,确定各个所述图像对应的降噪力度;
根据各个所述图像对应的降噪力度及曝光融合权重图,得到待降噪图像对应的降噪力度图。
在一种可能的实现方式中,所述待降噪图像为第一格式的图像,所述方法还包括:
对所述第一格式的降噪图像进行图像格式转换,得到第二格式的降噪图像,其中,所述第一格式的图像的噪声分布还原度高于所述第二格式的图像的噪声分布还原度。
在一种可能的实现方式中,通过降噪网络实现所述根据所述降噪力度图对所述待降噪图像进行降噪处理,得到降噪图像,所述方法还包括:
通过预设的训练集训练所述降噪网络,所述训练集包括无噪样本图像,所述无噪样本图像由多张原始格式的图像叠加得到。
在一种可能的实现方式中,所述通过预设的训练集训练所述降噪网络,包括:
根据所述无噪样本图像及所述无噪样本图像对应的曝光参数,得到所述无噪样本图像对应的有噪样本图像及所述有噪样本图像对应的降噪力度图;
将所述有噪样本图像及所述有噪样本图像对应的降噪力度图输入所述降噪网络进行降噪处理,得到降噪后的有噪样本图像;
根据所述降噪后的有噪样本图像及所述无噪样本图像,训练所述降噪网络。
在一种可能的实现方式中,所述根据所述无噪样本图像及所述无噪样本图像对应的曝光参数,得到所述无噪样本图像对应的有噪样本图像及降噪力度图,包括:
确定所述无噪样本图像对应的曝光参数;
根据所述曝光参数确定所述无噪样本图像对应的第一噪声及第二噪声;
根据所述第一噪声、所述第二噪声及所述无噪样本图像,得到所述无噪样本图像对应的有噪样本图像。
在一种可能的实现方式中,所述根据所述无噪样本图像及所述无噪样本图像对应的曝光参数,得到所述无噪样本图像对应的有噪样本图像及降噪力度图,还包括:
根据所述曝光参数确定所述无噪样本图像对应的降噪力度;
根据所述降噪力度构造所述降噪力度图,所述降噪力度图与所述有噪样本图像大小一致。
根据本公开的一方面,提供了一种图像降噪装置,包括:
获取模块,用于获取待降噪图像,所述待降噪图像是将不同曝光参数采集的多张图像按照曝光融合权重图融合得到的;
确定模块,用于根据各个所述图像对应的曝光参数,确定待降噪图像对应的降噪力度图,所述降噪力度图用于表示所述待降噪图像中包含的像素点所对应的降噪力度;
处理模块,用于根据所述降噪力度图对所述待降噪图像进行降噪处理,得到降噪图像。
在一种可能的实现方式中,所述确定模块,还用于:
根据各个所述图像对应的曝光参数,确定各个所述图像对应的降噪力度;
根据各个所述图像对应的降噪力度及曝光融合权重图,得到待降噪图像对应的降噪力度图。
在一种可能的实现方式中,所述待降噪图像为第一格式的图像,所述装置还包括:
转换模块,用于对所述第一格式的降噪图像进行图像格式转换,得到第二格式的降噪图像,其中,所述第一格式的图像的噪声分布还原度高于所述第二格式的图像的噪声分布还原度。
在一种可能的实现方式中,所述处理模块通过所述降噪网络实现,所述装置还包括:
训练模块,用于通过预设的训练集训练所述降噪网络,所述训练集包括无噪样本图像,所述无噪样本图像由多张原始格式的图像叠加得到。
在一种可能的实现方式中,所述训练模块,还用于:
根据所述无噪样本图像及所述无噪样本图像对应的曝光参数,得到所述无噪样本图像对应的有噪样本图像及所述有噪样本图像对应的降噪力度图;
将所述有噪样本图像及所述有噪样本图像对应的降噪力度图输入所述降噪网络进行降噪处理,得到降噪后的有噪样本图像;
根据所述降噪后的有噪样本图像及所述无噪样本图像,训练所述降噪网络。
在一种可能的实现方式中,所述训练模块,还用于:
确定所述无噪样本图像对应的曝光参数;
根据所述曝光参数确定所述无噪样本图像对应的第一噪声及第二噪声;
根据所述第一噪声、所述第二噪声及所述无噪样本图像,得到所述无噪样本图像对应的有噪样本图像。
在一种可能的实现方式中,所述训练模块,还用于:
根据所述曝光参数确定所述无噪样本图像对应的降噪力度;
根据所述降噪力度构造所述降噪力度图,所述降噪力度图与所述有噪样本图像大小一致。
根据本公开的一方面,提供了一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
根据本公开的一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。
这样一来,获取待降噪图像,所述待降噪图像是将不同曝光参数采集的多张图像按照曝光融合权重图融合得到的,并根据各个图像对应的曝光参数,确定待降噪图像对应的降噪力度图,该降噪力度图用于表示所述待降噪图像中包含的像素点所对应的降噪力度,进而根据所述降噪力度图对所述待降噪图像进行降噪处理,得到降噪图像。根据本公开实施例提供的图像降噪方法及装置、电子设备和存储介质,由于根据曝光参数得到的降噪力度图用于标识待降噪图像中各像素对应的降噪力度,进而根据降噪力度图可以对待降噪图像中不同区域的不同噪声粒度进行降噪处理,可以解决待降噪图像中全局噪声粒度不一致、及局部噪声粒度不一致的问题,可以提高降噪的精度。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开。根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的图像降噪方法的流程图;
图2示出根据本公开实施例的图像降噪方法的示意图;
图3示出根据本公开实施例的降噪网络的结构示意图;
图4示出根据本公开实施例的图像降噪方法的示意图;
图5示出根据本公开实施例的图像降噪装置的框图;
图6示出根据本公开实施例的一种电子设备800的框图;
图7示出根据本公开实施例的一种电子设备1900的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外,为了更好地说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
图1示出根据本公开实施例的图像降噪方法的流程图,所述图像降噪方法可以由终端设备或服务器等电子设备执行,终端设备可以为用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等,所述方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。或者,可通过服务器执行所述方法。
如图1所示,所述图像降噪方法包括:
在步骤S11中、获取待降噪图像,所述待降噪图像是将不同曝光参数采集的多张图像按照曝光融合权重图融合得到的。
举例来说,上述曝光参数可以为与曝光相关联的参数,例如:曝光量和曝光增益值等,可以采用不同的曝光参数采集多张图像。针对任一张图像,确定合成待降噪图像时,该图像中各个像素值对应的权重值,并根据各个像素值对应的权重值构造该图像对应的曝光融合权重图,即所述曝光融合权重图中任一位置对应的像素值用于表示对应图像中所述位置对应的像素值的权重值,进而根据该曝光融合权重图对该多张图像进行融合,得到待降噪图像。
在步骤S12中、根据各个所述图像对应的曝光参数,确定待降噪图像对应的降噪力度图,所述降噪力度图用于表示所述待降噪图像中包含的像素点所对应的降噪力度。
举例来说,终端设备在采用不同的曝光参数采集多张图像时,可以记录对应的曝光参数,例如:可以记录各张图像对应的曝光量,由于曝光量可以由曝光增益值控制,故可以记录各张图像对应的曝光量所对应的曝光增益值。
可以根据各个图像对应的曝光增益值,确定待降噪图像对应的降噪力度图,其中,降噪力度与曝光增益值正相关。示例性的,可以采用但不限于以下方式根据曝光增益值,确定对应的降噪力度,进而得到降噪力度图。
曝光增益值处于最大曝光增益值及最小曝光增益值之间,其中,最大曝光增益值及最小曝光增益值均为预设的数值。根据曝光增益值、最大曝光增益值及最小曝光增益值可以得到任一图像对应的降噪力度,处理过程可以参照公式(一)。
pk=(ISOk-ISOmin)/(ISOmax-ISOmin)*pmax公式(一)
其中,pk用于表示第k个图像对应的降噪力度,ISOk用于表示第k个图像对应的曝光增益值,ISOmax表示最大曝光增益值,ISOmin表示最小曝光增益值,pmax表示最大降噪力度(预设的数值)。得到降噪力度的方法并不仅限于上述公式(一)所示的方法,也可以是其他可实现的方法。
确定降噪力度后,可以根据各个图像的降噪力度构造待降噪图像对应的降噪力度图(也可以表示为pk),该降噪力度图的长和宽均与待降噪图像一致。
在一种可能的实现方式中,上述所述根据各个图像对应的曝光参数,确定待降噪图像对应的降噪力度图,可以包括:
根据各个图像对应的曝光参数,确定各个图像对应的降噪力度;
根据各个图像对应的降噪力度及曝光融合权重图,得到待降噪图像对应的降噪力度图。
举例来说,曝光参数可以为曝光增益值,可以根据各个图像对应的曝光增益值,确定各个图像对应的降噪力度(可以参照前述公式(一),本公开在此不再赘述)。根据各个图像对应的降噪力度可以构造各个图像对应的降噪力度图(针对任一图像,该图像中降噪力度图中的任一像素的大小均可以为该图像对应的降噪力度图)。进而根据各个图像对应的曝光融合权重图对各个图像对应的降噪力度图进行融合,得到待降噪图像对应的降噪力度图。示例性的,可以根据公式(二)得到待降噪图像对应的降噪力度图。
p=w0p0+w1p1+…+wkpk公式(二)
其中,P可以表示待降噪图像对应的降噪力度图,wk可以表示第k个图像对应的曝光权重融合图,pk可以表示第k个图像对应的降噪力度图。
为使本领域技术人员更好的理解本公开实施例,以下通过具体示例对本公开实施例加说明。
曝光序列集中包括不同曝光量采集的图像(e0、e1、……ek),各个图像对应的曝光权重融合图为(w0、w1、……wk),如图2所示,对各个图像通过对应的曝光权重融合图进行曝光融合可以得到待降噪图像I,根据各个图像的曝光增益值,可以确定各个图像对应的降噪力度图(p0、p1、……pk),根对各个图像对应的降噪力度图通过对应的曝光权重融合图进行曝光融合,可以得到待降噪图像对应的降噪力度图p。
在步骤S13中、根据所述降噪力度图对所述待降噪图像进行降噪处理,得到降噪图像。
举例来说,可以根据降噪力度图中所指示的待降噪图像各像素对应的降噪力度对待降噪图像进行降噪处理,得到降噪图像。示例性的,可以通过预先训练的用于根据降噪力度图对待降噪图像进行降噪处理的降噪网络,对待降噪图像进行降噪处理,得到降噪图像。
这样一来,获取待降噪图像,所述待降噪图像是将不同曝光参数采集的多张图像按照曝光融合权重图融合得到的,并根据各个图像对应的曝光参数,确定待降噪图像对应的降噪力度图,该降噪力度图用于表示所述待降噪图像中包含的像素点所对应的降噪力度,进而根据所述降噪力度图对所述待降噪图像进行降噪处理,得到降噪图像。根据本公开实施例提供的图像降噪方法,由于根据曝光参数得到的降噪力度图用于标识待降噪图像中各像素对应的降噪力度,进而根据降噪力度图可以对待降噪图像中不同区域的不同噪声粒度进行降噪处理,可以解决待降噪图像中全局噪声粒度不一致、及局部噪声粒度不一致的问题,可以提高降噪的精度。
在一种可能的实现方式中,所述待降噪图像为第一格式的图像,所述方法还包括:对所述第一格式的降噪图像进行图像格式转换,得到第二格式的降噪图像,其中,所述第一格式的图像的噪声分布还原度高于所述第二格式的图像的噪声分布还原度。
举例来说,待降噪图像为图像采集设备采集的未经处理的原始图像,其对应第一格式,第一格式为使得图像的噪声分布还原度较高的格式,例如:该第一格式可以为生域(RAW)格式,故在对待降噪图像进行降噪得到降噪图像后,得到的降噪图像也为第一格式,则可以对该降噪图像进行图像转换(例如可以采用且不限于以下任一种方式进行图像转换:ISP(Image Signal Processor,图像信号处理器)处理,包括:去马赛克和色调映射等操作、PS(Photoshop,图像处理)、LD等方式),将其由第一格式转换为噪声分布还原度低于第一格式的第二格式,例如将其转换为png(Portable Network Graphics,便携式网络图形)格式、jpg格式等后,进行显示。
由于第一格式的待降噪图像的噪声分布还原度更高,因此通过对第一格式的待降噪图像可以得到更好的降噪效果,得到精度更高的降噪图像,并将降噪图像转换为第二格式后显示。在一种可能的实现方式中,可以通过降噪网络实现所述根据所述降噪力度图对所述待降噪图像进行降噪处理,得到降噪图像,所述方法还包括:通过预设的训练集训练所述降噪网络,所述训练集包括无噪样本图像,所述无噪样本图像由多张原始格式的图像叠加得到。
举例来说,可以根据预设的训练集训练用于实现根据降噪力度图对待降噪图像进行降噪处理,得到降噪图像的降噪网络。其中,上述训练集中包括无噪样本图像,该无噪样本图像为通过多张终端设备采集的未经处理的原始格式的图像叠加得到,其中原始格式的图像可以为RAW格式的图像。示例性的,可以连续采集N张RAW格式的图像,对该N张RAW格式的图像进行平均叠加,得到无噪样本图像。
在一种可能的实现方式中,上述无噪样本图像还可以通过对无噪的RGB图像进行逆ISP处理(例如:去马赛克、色调映射等操作)得到。
这样,由于无噪样本图像为通过对多张原始格式的图像叠加得到的,对该无噪样本图像进行仿真模拟得到的有噪图像更符合真实的噪声,因此通过该有噪样本图像训练得到的降噪网络可以迁徙到实际应用中,具有更高的可迁徙性。
在一种可能的实现方式中,所述通过预设的训练集训练所述降噪网络,可以包括:
根据所述无噪样本图像及所述无噪样本图像对应的曝光参数,得到所述无噪样本图像对应的有噪样本图像及所述有噪样本图像对应的降噪力度图;
将所述有噪样本图像及所述有噪样本图像对应的降噪力度图输入所述降噪网络进行降噪处理,得到降噪后的有噪样本图像;
根据所述降噪后的有噪样本图像及所述无噪样本图像,训练所述降噪网络。
举例来说,根据无噪样本图像对应的曝光参数,例如:曝光增益值,可以对无噪样本图像进行噪声仿真处理,得到无噪样本图像对应的有噪样本图像。
在一种可能的实现方式中,所述根据所述无噪样本图像及所述无噪样本图像对应的曝光参数,得到所述无噪样本图像对应的有噪样本图像及所述有噪样本图像对应的降噪力度图,可以包括:
确定所述无噪样本图像对应的曝光参数;
根据所述曝光参数确定所述无噪样本图像对应的第一噪声及第二噪声;
根据所述第一噪声、所述第二噪声及所述无噪样本图像,得到所述无噪样本图像对应的有噪样本图像。
举例来说,可以将终端设备采集合成无噪样本图像的RAW格式的图像时对应的曝光参数,确定为无噪样本图像对应的曝光参数,;或者可以随机取值作为所述无噪样本图像对应的曝光参数。例如:将终端设备采集合成无噪样本图像的RAW格式的图像时对应的曝光增益值,确定为无噪样本图像对应的曝光增益值,或者可以随机取值作为所述无噪样本图像对应的曝光增益值。
可以根据曝光参数确定所述无噪样本图像对应的第一噪声及第二噪声,由于原始格式的图像的噪声主要包括光源造成的光量子噪声和终端设备硬件造成的读出噪声,而光量子噪声符合泊松分布,读出噪声符合高斯分布,故,根据无噪样本图像进行仿真得到的有噪样本图像可以近似符合如下述公式(三)所示的单异方差高斯分布:
y~N(μ=x,δ2=λread+λshotx)公式(三)
其中,y表示有噪样本图像,x表示无噪样本图像,y~N()表示单异方差高斯分布函数,δ2表示方差,λread表示读出噪声,λshot表示光量子噪声。
而曝光增益值与终端设备的传感器对应的模拟增益、数字增益及读出方差有关,不同的曝光增益值对应不同的模拟增益、数字增益及读出方差,在确定曝光增益值后,可以确定该曝光增益值对应的模拟增益、数字增益及读出方差。
在确定模拟增益、数字增益及读出方差后,可以根据数字增益及读出方差确定第一噪声,该第一噪声可以为读出噪声,其中,第一噪声与数字增益及读出方差的关联关系可以参照公式(四);根据模拟增益与数字增益可以确定第二噪声,该第二噪声可以为光量子噪声,其中,第二噪声与模拟增益及数字增益的关联关系可以参照公式(五)。
λread=gd 2δr 2 公式(四)
λshot=gdga 公式(五)
其中,gd表示终端设备的传感器的数字增益,ga表示终端设备的传感器的模拟增益,δr 2表示终端设备的传感器的读出方差。
这样一来,曝光增益值与第一噪声及第二噪声即存在对应关系,在确定曝光增益值之后,可以根据该对应关系,得到该曝光增益值对应的第一噪声及第二噪声,进而根据公式(三)得到无噪样本图像对应的有噪样本图像。
在一种可能的实现方式中,所述根据所述无噪样本图像及所述无噪样本图像对应的曝光参数,得到所述无噪样本图像对应的有噪样本图像及所述有噪样本图像对应的降噪力度图,还可以包括:
根据所述曝光参数确定所述无噪样本图像对应的降噪力度;
根据所述降噪力度构造所述降噪力度图,所述降噪力度图与所述有噪样本图像大小一致。
举例来说,曝光增益值处于最大曝光增益值及最小曝光增益值之间,其中,最大曝光增益值及最小曝光增益值均为预设的数值。根据曝光增益值、最大曝光增益值及最小曝光增益值可以得到无噪样本图像对应的降噪力度,处理过程可以参照公式(一)。
确定降噪力度后,可以根据该降噪力度构造有噪样本图像对应的降噪力度图,该降噪力度图的长和宽均与有噪样本图像一致,且该降噪力度图中的任一个像素值均可以为该降噪力度。
在得到有噪样本图像及有噪样本图像对应的降噪力度图后,可以将有噪样本图像及有噪样本图像对应的降噪力度图输入降噪网络中进行降噪处理,得到有噪样本图像对应的降噪图像。
示例性的,降噪网络的网络结构可以参照图3所示。如图3所示,可以将有噪样本图像由rggb模式或者bggr模式拆分成四通道后,与降噪力度图一起输入降噪网络中,该降噪网络包括第一矩阵点乘模块、第二矩阵点乘模块,第三矩阵点乘模块及矩阵相加模块。第一矩阵点乘模块可以对输入的四通道格式的有噪样本图像及降噪力度图进行点乘处理,得到第一处理结果。第二矩阵点乘模块对第一处理结果及降噪力度图进行点乘处理,得到第二处理结果。第三矩阵点乘模块对第二处理结果及降噪力度图进行点乘处理,得到第三处理结果。矩阵相加模块对第三处理结果及四通道的有噪样本图像进行相加处理,得到降噪图像。
根据降噪网络得到有噪样本图像对应的降噪图像后,可以根据有噪样本图像对应的降噪图像及有噪样本图像对应的无噪样本图像,确定该降噪网络的网络损失,进而根据该网络损失调整该降噪网络的网络参数,直至该降噪网络符合训练要求,例如:该降噪网络的网络损失小于损失阈值。
需要说明的是,可以采用1范式或者2范式及其他的损失函数确定该降噪网络的网络损失,本公开实施例在此不对损失函数进行先定。例如:可以1范式计算该降噪网络的网络损失,损失函数可以参照下述公式(五):
其中,L表示降噪网络的损失,H表示有噪样本图像对应的高度,W表示有噪样本图像对应的宽度,T1表示无噪样本图像,T2表示降噪图像。
为使本领域技术人员更好的理解本公开实施例,以下通过具体示例对本公开实施例加以说明。
参照图4,获取无噪样本图像后,可以根据无噪样本图像合成已知噪声力度的有噪样本图像,并根据噪声力度生成与有噪样本图像大小一致的噪声力度图。将有噪样本图像及有噪样本图像对应的噪声力度图输入降噪网络中,得到有噪样本图像对应的降噪图像。通过1范式对该降噪网络进行学习训练。
这样,本公开实施例训练得到的降噪网络中,噪声力度图可以以嵌入的方式多次作用于网络中不同层的特征图中,加强了噪声力度图对降噪网络的影响,使得训练得到的降噪网络根据噪声力度图进行降噪,得到精度更高的降噪图像,并且由于训练的降噪网络具有自适应可调降噪力度的能力,故降低了降噪网络训练过程的复杂度,不仅可以得到最优的降噪效果,还可以有效的节约存储空间。
在训练得到降噪网络后,可以将待降噪图像及待降噪图像对应的降噪力度图输入该降噪网络,得到该待降噪图像对应的降噪图像,得到的降噪图像仍为原始格式,故可以对该降噪图像进行ISP处理,将其转化为png(Portable Network Graphics,便携式网络图形)等格式的图片。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外,本公开还提供了图像降噪装置、电子设备、计算机可读存储介质、程序,上述均可用来实现本公开提供的任一种图像降噪方法,相应技术方案和描述和参见方法部分的相应记载,不再赘述。
图5示出根据本公开实施例的图像降噪装置的框图,如图5所示,所述图像降噪装置可以包括:
获取模块501,可以用于获取待降噪图像,所述待降噪图像是将不同曝光参数采集的多张图像按照曝光融合权重图融合得到的;
确定模块502,可以用于根据各个所述图像对应的曝光参数,确定待降噪图像对应的降噪力度图,所述降噪力度图用于表示所述待降噪图像中包含的像素点所对应的降噪力度;
处理模块503,可以用于根据所述降噪力度图对所述待降噪图像进行降噪处理,得到降噪图像。
这样一来,获取待降噪图像,所述待降噪图像是将不同曝光参数采集的多张图像按照曝光融合权重图融合得到的,并根据各个图像对应的曝光参数,确定待降噪图像对应的降噪力度图,该降噪力度图用于表示所述待降噪图像中包含的像素点所对应的降噪力度,进而根据所述降噪力度图对所述待降噪图像进行降噪处理,得到降噪图像。根据本公开实施例提供的图像降噪装置,由于根据曝光参数得到的降噪力度图用于标识待降噪图像中各像素对应的降噪力度,进而根据降噪力度图可以对待降噪图像中不同区域的不同噪声粒度进行降噪处理,可以解决待降噪图像中全局噪声粒度不一致、及局部噪声粒度不一致的问题,可以提高降噪的精度。
在一种可能的实现方式中,所述确定模块,还可以用于:
根据各个所述图像对应的曝光参数,确定各个所述图像对应的降噪力度;
根据各个所述图像对应的降噪力度及曝光融合权重图,得到待降噪图像对应的降噪力度图。
在一种可能的实现方式中,所述待降噪图像为第一格式的图像,所述装置还可以包括:
转换模块,用于对所述第一格式的降噪图像进行图像格式转换,得到第二格式的降噪图像,其中,所述第一格式的图像的噪声分布还原度高于所述第二格式的图像的噪声分布还原度。
在一种可能的实现方式中,所述处理模块通过所述降噪网络实现,所述装置还可以包括:
训练模块,用于通过预设的训练集训练所述降噪网络,所述训练集包括无噪样本图像,所述无噪样本图像由多张原始格式的图像叠加得到。
在一种可能的实现方式中,所述训练模块,还可以用于:
根据所述无噪样本图像及所述无噪样本图像对应的曝光参数,得到所述无噪样本图像对应的有噪样本图像及所述有噪样本图像对应的降噪力度图;
将所述有噪样本图像及所述有噪样本图像对应的降噪力度图输入所述降噪网络进行降噪处理,得到降噪后的有噪样本图像;
根据所述降噪后的有噪样本图像及所述无噪样本图像,训练所述降噪网络。
在一种可能的实现方式中,所述训练模块,还可以用于:
确定所述无噪样本图像对应的曝光参数;
根据所述曝光参数确定所述无噪样本图像对应的第一噪声及第二噪声;
根据所述第一噪声、所述第二噪声及所述无噪样本图像,得到所述无噪样本图像对应的有噪样本图像。
在一种可能的实现方式中,所述训练模块,还可以用于:
根据所述曝光参数确定所述无噪样本图像对应的降噪力度;
根据所述降噪力度构造所述降噪力度图,所述降噪力度图与所述有噪样本图像大小一致。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
本公开实施例还提出一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
本公开实施例还提供了一种计算机程序产品,包括计算机可读代码,当计算机可读代码在设备上运行时,设备中的处理器执行用于实现如上任一实施例提供的图像降噪方法的指令。
本公开实施例还提供了另一种计算机程序产品,用于存储计算机可读指令,指令被执行时使得计算机执行上述任一实施例提供的图像降噪方法的操作。
电子设备可以被提供为终端、服务器或其它形态的设备。
图6示出根据本公开实施例的一种电子设备800的框图。例如,电子设备800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等终端。
参照图6,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到电子设备800的打开/关闭状态,组件的相对定位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图7示出根据本公开实施例的一种电子设备1900的框图。例如,电子设备1900可以被提供为一服务器。参照图7,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等等。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (9)
1.一种图像降噪方法,其特征在于,包括:
获取待降噪图像,所述待降噪图像是将不同曝光参数采集的多张图像按照各自图像对应的曝光融合权重图融合得到的,其中,所述曝光融合权重图中任一位置对应的像素值用于表示对应图像中所述位置对应的像素值的权重值;
根据各个所述图像对应的曝光参数,确定待降噪图像对应的降噪力度图,所述降噪力度图用于表示所述待降噪图像中包含的像素点所对应的降噪力度;
根据所述降噪力度图对所述待降噪图像进行降噪处理,得到降噪图像;
其中,所述根据各个所述图像对应的曝光参数,确定待降噪图像对应的降噪力度图,包括:
根据各个所述图像对应的曝光参数,确定各个所述图像对应的降噪力度,各个所述图像的降噪力度根据最大曝光增益值、最小曝光增益值、最大降噪力度以及各个所述图像对应的曝光增益值确定;
根据各个所述图像对应的降噪力度及曝光融合权重图,得到待降噪图像对应的降噪力度图,所述降噪力度图根据各个所述图像对应的曝光融合权重图对各个所述图像对应的降噪力度图进行融合得到。
2.根据权利要求1所述的方法,其特征在于,所述待降噪图像为第一格式的图像,所述方法还包括:
对所述第一格式的降噪图像进行图像格式转换,得到第二格式的降噪图像,其中,所述第一格式的图像的噪声分布还原度高于所述第二格式的图像的噪声分布还原度。
3.根据权利要求1所述的方法,其特征在于,通过降噪网络实现所述根据所述降噪力度图对所述待降噪图像进行降噪处理,得到降噪图像,所述方法还包括:
通过预设的训练集训练所述降噪网络,所述训练集包括无噪样本图像,所述无噪样本图像由多张原始格式的图像叠加得到。
4.根据权利要求3所述的方法,其特征在于,所述通过预设的训练集训练所述降噪网络,包括:
根据所述无噪样本图像及所述无噪样本图像对应的曝光参数,得到所述无噪样本图像对应的有噪样本图像及所述有噪样本图像对应的降噪力度图;
将所述有噪样本图像及所述有噪样本图像对应的降噪力度图输入所述降噪网络进行降噪处理,得到降噪后的有噪样本图像;
根据所述降噪后的有噪样本图像及所述无噪样本图像,训练所述降噪网络。
5.根据权利要求4所述的方法,其特征在于,所述根据所述无噪样本图像及所述无噪样本图像对应的曝光参数,得到所述无噪样本图像对应的有噪样本图像及降噪力度图,包括:
确定所述无噪样本图像对应的曝光参数;
根据所述曝光参数确定所述无噪样本图像对应的第一噪声及第二噪声;
根据所述第一噪声、所述第二噪声及所述无噪样本图像,得到所述无噪样本图像对应的有噪样本图像。
6.根据权利要求5所述的方法,其特征在于,所述根据所述无噪样本图像及所述无噪样本图像对应的曝光参数,得到所述无噪样本图像对应的有噪样本图像及降噪力度图,还包括:
根据所述曝光参数确定所述无噪样本图像对应的降噪力度;
根据所述降噪力度构造所述降噪力度图,所述降噪力度图与所述有噪样本图像大小一致。
7.一种图像降噪装置,其特征在于,包括:
获取模块,用于获取待降噪图像,所述待降噪图像是将不同曝光参数采集的多张图像按照各自图像对应的曝光融合权重图融合得到的,其中,所述曝光融合权重图中任一位置对应的像素值用于表示对应图像中所述位置对应的像素值的权重值;
确定模块,用于根据各个所述图像对应的曝光参数,确定待降噪图像对应的降噪力度图,所述降噪力度图用于表示所述待降噪图像中包含的像素点所对应的降噪力度;
处理模块,用于根据所述降噪力度图对所述待降噪图像进行降噪处理,得到降噪图像;
其中,所述确定模块,还用于:
根据各个所述图像对应的曝光参数,确定各个所述图像对应的降噪力度,各个所述图像的降噪力度根据最大曝光增益值、最小曝光增益值、最大降噪力度以及各个所述图像对应的曝光增益值确定;
根据各个所述图像对应的降噪力度及曝光融合权重图,得到待降噪图像对应的降噪力度图,所述降噪力度图根据各个所述图像对应的曝光融合权重图对各个所述图像对应的降噪力度图进行融合得到。
8.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器存储的指令,以执行权利要求1至6中任意一项所述的方法。
9.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至6中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010366333.1A CN111583144B (zh) | 2020-04-30 | 2020-04-30 | 图像降噪方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010366333.1A CN111583144B (zh) | 2020-04-30 | 2020-04-30 | 图像降噪方法及装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111583144A CN111583144A (zh) | 2020-08-25 |
CN111583144B true CN111583144B (zh) | 2023-08-25 |
Family
ID=72120730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010366333.1A Active CN111583144B (zh) | 2020-04-30 | 2020-04-30 | 图像降噪方法及装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111583144B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008160290A (ja) * | 2006-12-21 | 2008-07-10 | Fujifilm Corp | 撮像装置および撮像方法 |
JP2016010121A (ja) * | 2014-06-26 | 2016-01-18 | ハンファテクウィン株式会社Hanwha Techwin Co.,Ltd. | 画像処理装置および画像処理方法 |
CN106251303A (zh) * | 2016-07-28 | 2016-12-21 | 同济大学 | 一种使用深度全卷积编码‑解码网络的图像降噪方法 |
CN107635098A (zh) * | 2017-10-30 | 2018-01-26 | 广东欧珀移动通信有限公司 | 高动态范围图像噪声去除方法、装置及设备 |
CN109146824A (zh) * | 2018-09-27 | 2019-01-04 | 福州瑞芯微电子股份有限公司 | 一种图像降噪处理方法及一种存储设备 |
CN109348089A (zh) * | 2018-11-22 | 2019-02-15 | Oppo广东移动通信有限公司 | 夜景图像处理方法、装置、电子设备及存储介质 |
CN109636746A (zh) * | 2018-11-30 | 2019-04-16 | 上海皓桦科技股份有限公司 | 图像噪声去除系统、方法及设备 |
CN110191291A (zh) * | 2019-06-13 | 2019-08-30 | Oppo广东移动通信有限公司 | 基于多帧图像的图像处理方法和装置 |
CN110290289A (zh) * | 2019-06-13 | 2019-09-27 | Oppo广东移动通信有限公司 | 图像降噪方法、装置、电子设备以及存储介质 |
CN110599410A (zh) * | 2019-08-07 | 2019-12-20 | 北京达佳互联信息技术有限公司 | 图像处理的方法、装置、终端及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015180045A (ja) * | 2014-02-26 | 2015-10-08 | キヤノン株式会社 | 画像処理装置、画像処理方法及びプログラム |
US9342871B2 (en) * | 2014-05-30 | 2016-05-17 | Apple Inc. | Scene motion correction in fused image systems |
-
2020
- 2020-04-30 CN CN202010366333.1A patent/CN111583144B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008160290A (ja) * | 2006-12-21 | 2008-07-10 | Fujifilm Corp | 撮像装置および撮像方法 |
JP2016010121A (ja) * | 2014-06-26 | 2016-01-18 | ハンファテクウィン株式会社Hanwha Techwin Co.,Ltd. | 画像処理装置および画像処理方法 |
CN106251303A (zh) * | 2016-07-28 | 2016-12-21 | 同济大学 | 一种使用深度全卷积编码‑解码网络的图像降噪方法 |
CN107635098A (zh) * | 2017-10-30 | 2018-01-26 | 广东欧珀移动通信有限公司 | 高动态范围图像噪声去除方法、装置及设备 |
CN109146824A (zh) * | 2018-09-27 | 2019-01-04 | 福州瑞芯微电子股份有限公司 | 一种图像降噪处理方法及一种存储设备 |
CN109348089A (zh) * | 2018-11-22 | 2019-02-15 | Oppo广东移动通信有限公司 | 夜景图像处理方法、装置、电子设备及存储介质 |
CN109636746A (zh) * | 2018-11-30 | 2019-04-16 | 上海皓桦科技股份有限公司 | 图像噪声去除系统、方法及设备 |
CN110191291A (zh) * | 2019-06-13 | 2019-08-30 | Oppo广东移动通信有限公司 | 基于多帧图像的图像处理方法和装置 |
CN110290289A (zh) * | 2019-06-13 | 2019-09-27 | Oppo广东移动通信有限公司 | 图像降噪方法、装置、电子设备以及存储介质 |
CN110599410A (zh) * | 2019-08-07 | 2019-12-20 | 北京达佳互联信息技术有限公司 | 图像处理的方法、装置、终端及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111583144A (zh) | 2020-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110287874B (zh) | 目标追踪方法及装置、电子设备和存储介质 | |
CN110889469B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN110378976B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN110390394B (zh) | 批归一化数据的处理方法及装置、电子设备和存储介质 | |
CN111583142B (zh) | 图像降噪方法及装置、电子设备和存储介质 | |
CN109859144B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111553864B (zh) | 图像修复方法及装置、电子设备和存储介质 | |
CN109887515B (zh) | 音频处理方法及装置、电子设备和存储介质 | |
CN110675355B (zh) | 图像重建方法及装置、电子设备和存储介质 | |
CN113139947B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN110944230A (zh) | 视频特效的添加方法、装置、电子设备及存储介质 | |
CN109903252B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111340733A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111369482B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN112001364A (zh) | 图像识别方法及装置、电子设备和存储介质 | |
CN110415258B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109447258B (zh) | 神经网络模型的优化方法及装置、电子设备和存储介质 | |
CN109635926B (zh) | 用于神经网络的注意力特征获取方法、装置及存储介质 | |
CN109840890B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109165722B (zh) | 模型扩展方法及装置、电子设备和存储介质 | |
CN113139484B (zh) | 人群定位方法及装置、电子设备和存储介质 | |
CN111488964B (zh) | 图像处理方法及装置、神经网络训练方法及装置 | |
CN111583144B (zh) | 图像降噪方法及装置、电子设备和存储介质 | |
CN112651880B (zh) | 视频数据处理方法及装置、电子设备和存储介质 | |
CN111583145B (zh) | 图像降噪方法及装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |