CN111724321B - 一种图像滤波方法及系统 - Google Patents
一种图像滤波方法及系统 Download PDFInfo
- Publication number
- CN111724321B CN111724321B CN202010568740.0A CN202010568740A CN111724321B CN 111724321 B CN111724321 B CN 111724321B CN 202010568740 A CN202010568740 A CN 202010568740A CN 111724321 B CN111724321 B CN 111724321B
- Authority
- CN
- China
- Prior art keywords
- filtering
- pixel point
- image
- gradient
- pixel
- 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
- 238000001914 filtration Methods 0.000 title claims abstract description 326
- 238000000034 method Methods 0.000 title claims abstract description 75
- 230000008569 process Effects 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims description 44
- 239000000872 buffer Substances 0.000 claims description 7
- 230000003139 buffering effect Effects 0.000 abstract description 6
- 239000012464 large buffer Substances 0.000 abstract description 4
- 230000000694 effects Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000003071 parasitic effect Effects 0.000 description 1
- 238000005070 sampling Methods 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种图像滤波方法及系统,包括对图像的所有像素点进行水平正向滤波;当第a行的像素点完成水平正向滤波后,对滤波后的像素点进行水平逆向滤波;当第b行的像素点完成水平逆向滤波后,对滤波后的像素点进行垂直正向滤波;当第k个像素点完成垂直正向滤波后,对滤波后的像素点进行垂直逆向滤波;输出滤波后的图像。由于每个方向的滤波均是在上一方向滤波还在进行中便开始了,使得在不减少滤波方向及次数的同时减少了运算的时间,降低了滤波运算过程中的缓存和延迟;同时,将滤波处理分为四个方向单独处理,降低了滤波运算的复杂度。因此,本发明提供的图像滤波方法及系统解决了图像滤波中存在的大缓存、高延迟、运算复杂的问题。
Description
技术领域
本发明涉及图像视频信号处理技术领域,特别涉及一种图像滤波方法及系统。
背景技术
图像处理中经常用到FIR和IIR滤波器。FIR滤波器,称为有限长单位冲激响应滤波器,又称为非递归型滤波器,是数字信号处理系统中最基本的元件,它可以在保证任意幅频特性的同时具有严格的线性相频特性,同时其单位抽样响应是有限长的,因而FIR滤波器是较为稳定的系统。IIR滤波器,采用递归型结构,即结构上带有反馈环路。IIR滤波器运算结构通常由延时、乘以系数和相加等基本运算组成,可以组合成直接型、正准型、级联型、并联型四种结构形式,都具有反馈回路。由于运算中的舍入处理,使误差不断累积,有时会产生微弱的寄生振荡。
现有的FIR滤波器效果受限于滤波窗的尺寸,一般来说,大窗相对于小窗可以获取更多的信息,滤波效果尤其对低频信号而言也更好。但是大窗意味着更多的存储与运算开销,相对于实现而言并不友好。IIR滤波器运算相对简单,但是潜在的会有相位偏差的风险。如果希望完美的消除相位差,则需要对垂直方向上的信号进行缓存,不仅需要一帧的存储开销,而且信号输出则存在较大延迟。
因此,现有技术的滤波器无法在保证滤波效果的情况下节省存储空间和运算开销。
发明内容
本发明的目的在于提供一种图像滤波方法及系统,以在保证滤波效果的前提下,解决图像滤波中存在的大缓存、高延迟、运算复杂的问题。
为解决上述技术问题,本发明提供一种图像滤波方法,所述图像滤波方法包括:对所述图像的所有像素点逐行进行水平正向滤波;
当所述图像的第a行的所有所述像素点完成水平正向滤波后,对水平正向滤波后的所述像素点逐行进行水平逆向滤波;
当所述图像的第b行的所有所述像素点完成水平逆向滤波后,对水平逆向滤波后的所述像素点逐列进行垂直正向滤波;
当所述图像的第k个像素点完成垂直正向滤波后,对垂直正向滤波后的所述像素点逐列进行垂直逆向滤波;
当所有所述像素点全部完成水平正向、水平逆向、垂直正向及垂直逆向的滤波后,输出滤波后的图像;
其中,a=1,2,……M;b=1,2,……M;
第k个像素点的坐标为(x,y),x=1,2,……M;y=1,2,……N。
可选的,在所述图像滤波方法中,进行所述水平正向滤波、所述水平逆向滤波、所述垂直正向滤波以及所述垂直逆向滤波的方法包括:
计算第t个像素点的梯度Gt以及若干个与所述第t个像素点同一滤波方向的像素点的梯度Gj、Gk……Gn,其中,第t个像素点的坐标为(xt,yt),xt=1,2,……M;yt=1,2,……N;j,k,……n为与所述第t个像素点同一滤波方向的第j个像素点、第k个像素点、……第n个像素点;
将所述第t个像素点的梯度与所述同一滤波方向的像素点的梯度进行加权平均得到梯度Gw,所述Gw的计算方式为:Gw=∑WiGi,其中,Wi为依据所述同一滤波方向的像素点与所述第t个像素点的距离大小而分配的权重,i的取值包括t、j、k……n;
利用所述梯度Gw和所述第t个像素点的滤波参数S计算所述第t个像素点的归一化权重FW,所述FW的计算方式为:Fw=f(GW,S),其中,f为以所述Gw和所述S为参数生成权重的函数或查找表;
将所述第t个像素点的滤波像素值N(t)和第t-1个像素点的滤波输出值P(t-1)进行加权得到所述第t个像素点的滤波输出值P(t),所述P(t)的计算方式为:P(t)=FW×N(t)+(1-FW)×P(t-1)。
可选的,在所述图像滤波方法中,所述计算第t个像素点的梯度Gt的方法为:将所述第t个像素点的滤波像素值N(t)与所述第t-1个像素点的滤波输出值P(t-1)求差以得到一差值,对所述差值取绝对值作为所述第t个像素点的梯度Gt。
可选的,在所述图像滤波方法中,所述计算同一滤波方向的像素点的梯度的方法为:设第t-1个像素点的梯度为Gt-1和第t+1个像素点的梯度为Gt+1,将所述第t-1个像素点的滤波输出值P(t-1)与第t-2个像素点的滤波输出值P(t-2)求差以得到一差值,对所述差值取绝对值作为所述第t-1个像素点的梯度Gt-1;将所述第t个像素点的滤波像素值N(t)与第t+1个像素点的滤波像素值N(t+1)求差以得到一差值,对所述差值取绝对值作为所述第t+1个像素点的梯度Gt+1。
可选的,在所述图像滤波方法中,所述滤波参数S为提前配置的,或根据所述输入图像自适应调整。
可选的,在所述图像滤波方法中,在计算所述第t个像素点的归一化权重FW之前,所述方法还包括:
估算所述第t个像素点的噪声标准差sigma(t),并结合所述梯度Gw修订所述滤波参数S;
可选的,在所述图像滤波方法中,修订所述滤波参数S的方法包括:
计算梯度阈值Th=min(6×sigma(t),Sat),其中,Sat为所述梯度阈值Th的预定义饱和值;
若所述梯度Gw不大于所述梯度阈值Th,则使用默认滤波参数Sd;
可选的,在所述图像滤波方法中,对垂直正向滤波后的所述像素点逐列进行垂直逆向滤波的方法包括:
将所述第t个像素点进行垂直正向滤波后得到的所述第t个像素点的滤波输出值Pvd(t)与所述第t-1个像素点进行垂直正向滤波后得到的滤波输出值Pvd(t-1)求差以得到一差值,对所述差值取绝对值,得到所述梯度Gw;
利用所述梯度Gw和所述第t个像素点的滤波参数S计算所述第t个像素点的归一化权重FW;
将所述第t个像素点的滤波输出值Pvd(t)与所述第t-1个像素点的滤波输出值Pvd(t-1)依据所述归一化权重FW进行加权,得到所述第t-1个像素点的垂直逆向滤波的滤波输出值Pv(t-1)。
为解决上述技术问题,本发明还提供一种图像滤波系统,用于进行如上所述任一项的图像滤波方法,所述图像滤波系统包括:图像输入模块、图像滤波模块和结果输出模块;所述图像输入模块用于接收所述图像;所述图像滤波模块用于对所述图像进行滤波处理;所述结果输出模块用于输出滤波后的图像。
可选的,在所述图像滤波系统中,所述图像滤波模块包括:数据缓存单元、梯度计算单元、噪声估计单元、权重计算单元、加权运算单元和数据输出单元;
所述数据缓存单元用于从所述图像输入模块中接收和缓存所述图像,并对滤波过程中的数据进行暂存;所述梯度计算单元用于计算所述像素点的梯度;所述噪声估计单元用于估计所述图像的噪声强度;所述权重计算单元用于将所述梯度计算单元计算的结果与所述噪声估计单元计算的结果相结合,以动态调整加权权重;所述加权运算单元用于通过所述权重计算单元计算的结果和所述数据缓存单元中暂存的数据,运算得到滤波结果,所述数据输出单元用于在完成预定滤波次数后将所述滤波结果送至所述结果输出模块。
本发明提供的图像滤波方法及系统通过图像输入模块接收图像;并通过图像滤波模块对图像进行滤波,具体的,对所述图像的所有像素点逐行进行水平正向滤波;当所述图像的第a行的所有所述像素点完成水平正向滤波后,对水平正向滤波后的所述像素点逐行进行水平逆向滤波;当所述图像的第b行的所有所述像素点完成水平逆向滤波后,对水平逆向滤波后的所述像素点逐列进行垂直正向滤波;当所述图像的第k个像素点完成垂直正向滤波后,对垂直正向滤波后的所述像素点逐列进行垂直逆向滤波;最后当所有所述像素点全部完成水平正向、水平逆向、垂直正向及垂直逆向的滤波后,通过结果输出模块将滤波后的图像输出。由于每个方向的滤波均是在上一方向滤波还在进行中便开始了,使得在不减少滤波方向及次数的同时减少了运算的时间,降低了滤波运算过程中的缓存和延迟;同时,将滤波处理分为四个方向单独处理,降低了滤波运算的复杂度。因此,本发明提供的图像滤波方法及系统解决了图像滤波中存在的大缓存、高延迟、运算复杂的问题。
附图说明
图1为本实施例提供的图像滤波方法的运算示意图;
图2为本实施例提供的图像滤波方法的滤波次序示意图;
图3为本实施例提供的计算滤波参数的流程图;
图4为本实施例还提供的图像滤波系统的结构示意图;
图5为本实施例还提供的图像滤波模块的结构示意图;
其中,各附图标记说明如下:
10-图像输入模块;20-图像滤波模块;30-结果输出模块;
21-数据缓存单元;22-梯度计算单元;23-噪声估计单元;24-权重计算单元;25-加权运算单元;26-数据输出单元。
具体实施方式
以下结合附图和具体实施例对本发明提出的图像滤波方法及系统作进一步详细说明。需说明的是,附图均采用非常简化的形式且均使用非精准的比例,仅用以方便、明晰地辅助说明本发明实施例的目的。此外,附图所展示的结构往往是实际结构的一部分。特别的,各附图需要展示的侧重点不同,有时会采用不同的比例。
需要说明的是,本实施例提供的图像滤波方法可以应用于对一具有M×N个像素点的图像进行图像滤波处理。M×N个像素点可以理解为所述图像具有M行N列个紧密排布的像素点。
本实施例提供的图像滤波方法,如图1所示,包括:
对所述图像的所有像素点逐行进行水平正向滤波;
当所述图像的第a行的所有所述像素点完成水平正向滤波后,对水平正向滤波后的所述像素点逐行进行水平逆向滤波;
当所述图像的第b行的所有所述像素点完成水平逆向滤波后,对水平逆向滤波后的所述像素点逐列进行垂直正向滤波;
当所述图像的第k个像素点完成垂直正向滤波后,对垂直正向滤波后的所述像素点逐列进行垂直逆向滤波;
当所有所述像素点全部完成水平正向、水平逆向、垂直正向及垂直逆向的滤波后,输出滤波后的图像;
其中,a=1,2,……M;b=1,2,……M;
第k个像素点的坐标为(x,y),x=1,2,……M;y=1,2,……N。
在本实施例中,方向顺序的定义如下:所述水平正向指的是从所述图像的左侧向右侧;所述水平逆向指的是从所述图像的右侧向左侧;所述垂直正向指的是从所述图像的上方向下方;所述垂直逆向指的是从所述图像的下方向上方。
以图2所示的一具有8×6个像素点的图像为例,说明本实施例提供的图像滤波方法中滤波的顺序。
具体的,如图2中(1)所示,对图像的所有像素点逐行从左至右进行水平正向滤波;当所述图像的第1行的所有所述像素点完成水平正向滤波后,对水平正向滤波后的所述像素点逐行从右至左进行水平逆向滤波,如图2中(2)所示,此时不仅开始了第1行的水平逆向滤波,同时也开始了第2行的水平正向滤波;当所述图像的第2行的所有所述像素点完成水平逆向滤波后,对水平逆向滤波后的所述像素点逐列进行从上至下的垂直正向滤波,如图2中(3)所示,垂直正向滤波从左侧开始,向右逐行进行,在开始垂直正向滤波后,水平正向和水平逆向的滤波依旧同步进行;当所述图像的头两个像素点完成垂直正向滤波后,对垂直正向滤波后的所述像素点逐列进行从下至上的垂直逆向滤波,如图2中(4)所示,垂直逆向滤波也是从左侧开始,向右逐行进行,在开始垂直逆向滤波后,垂直正向、水平正向和水平逆向的滤波依旧同步进行。
图2仅作为一种示例,展示了当a=1、b=2、k=2时,图像滤波的次序。在其他实施例中,a、b和k可以在范围内任意取值。较为极限的做法,例如可以是,当所有像素点完成水平正向滤波后开始水平逆向滤波,并在所有像素点完成水平逆向滤波后开始垂直正向滤波,当所有像素完成垂直正向滤波后开始垂直逆向滤波,但此种做法的延迟时间较长。
在本实施例提供的图像滤波方法中,默认像素滤波后的输出是按照zigzag模式。当然,在进行水平逆向滤波时,也可能存在其他实现方式,比如处理完像素点的水平逆向滤波后不需要等当前行全部完成滤波,直接进行垂直正向滤波,此时水平方向上像素按照从右向左逆序滤波。
在具体实现时,还可以按照应用要求对上述操作进行修订。比如,对滤波效果要求高的应用可以多次迭代上述步骤后输出;对输出要求低延迟的应用可以将每个方向的滤波间隔的值设置的比较小。
通过对图像进行四个方向(水平正向、水平逆向、垂直正向和垂直逆向)的层进式滤波,即在当前方向上滤波完成一部分后开始下一方向的滤波。由于每个方向的滤波均是在上一方向滤波还在进行中便开始了,使得在不减少滤波方向及次数的同时减少了运算的时间,降低了滤波运算过程中的缓存和延迟;同时,将滤波处理分为四个方向单独处理,降低了滤波运算的复杂度。因此,本实施例提供的图像滤波方法解决了图像滤波中存在的大缓存、高延迟、运算复杂的问题。
具体的,在本实施例提供的图像滤波方法中,进行所述水平正向滤波、所述水平逆向滤波、所述垂直正向滤波以及所述垂直逆向滤波的方法包括:
首先,计算第t个像素点的梯度Gt以及若干个与所述第t个像素点同一滤波方向的像素点的梯度Gj、Gk……Gn,其中,第t个像素点的坐标为(xt,yt),xt=1,2,……M;yt=1,2,……N;j,k,……n为与所述第t个像素点同一滤波方向的第j个像素点、第k个像素点、……第n个像素点。
计算第t个像素点的梯度Gt的方法为:将所述第t个像素点的滤波像素值N(t)与所述第t-1个像素点的滤波输出值P(t-1)求差以得到一差值,对所述差值取绝对值作为所述第t个像素点的梯度Gt。当t=1时,即第一个像素点的梯度Gt可以用其滤波像素值N(t)替代。
计算同一滤波方向的像素点的梯度的方法为:设第t-1个像素点的梯度为Gt-1和第t+1个像素点的梯度为Gt+1,将所述第t-1个像素点的滤波输出值P(t-1)与第t-2个像素点的滤波输出值P(t-2)求差以得到一差值,对所述差值取绝对值作为所述第t-1个像素点的梯度Gt-1;将所述第t个像素点的滤波像素值N(t)与第t+1个像素点的滤波像素值N(t+1)求差以得到一差值,对所述差值取绝对值作为所述第t+1个像素点的梯度Gt+1。其他相近像素点的计算方式可以类推,此处不再赘述。
本实施例使用的梯度计算方法,计算简单、运算量低,解决了现有技术中图像滤波运算复杂的问题。
其次,将所述第t个像素点的梯度与所述同一滤波方向的像素点的梯度进行加权平均得到梯度Gw,所述Gw的计算方式为:Gw=∑WiGi,其中,Wi为依据所述同一滤波方向的像素点与所述第t个像素点的距离大小而分配的权重,i的取值包括t、j、k……n。所述同一滤波方向的像素点与所述第t个像素点之间的距离越远,权重Wi就越低。
接着,利用所述梯度Gw和所述第t个像素点的滤波参数S计算所述第t个像素点的归一化权重FW,所述FW的计算方式为:Fw=f(GW,S),其中,f为以所述Gw和所述S为参数生成权重的函数或查找表。
通常,在计算所述第t个像素点的归一化权重FW之前,还需估算所述第t个像素点的噪声标准差sigma(t),并结合所述梯度Gw修订所述滤波参数S。其中噪声标准差sigma(t)的估计方法可以采用已公布方法实现,此处不做赘述。需要注意的是,对于无噪声图像可直接将整幅图像噪声标准差sigma(t)设置为一个小于1的常数。
为了进一步降低图像滤波计算的运算量和复杂度,在本实施例提供的图像滤波方法中,所述滤波参数S为提前配置的,或根据所述输入图像自适应调整。通过提前配置滤波参数S,可以有效降低图像滤波计算中的运算量,省去滤波参数S的计算步骤,可以大大节约运算的时间,如此就降低了滤波过程中产生的延迟。同时,所述滤波参数S还可以根据所述输入图像进行自适应调整,使得滤波结果更加可靠,保证了滤波后图像输出的质量和效果。
本实施例提供一种修订所述滤波参数S的方法,如图3所示,包括:
计算梯度阈值Th=min(6×sigma(t),Sat),其中,Sat为所述梯度阈值Th的预定义饱和值;
若所述梯度Gw不大于所述梯度阈值Th,则使用默认滤波参数Sd;
通过上述修订滤波参数S的情形可以看出,可以通过增加像素点噪声的影响来修订滤波参数S,进而改变归一化权重FW。如此一来,由于图像滤波中考虑了噪声的影响,因而使得图像滤波结果更为可靠。
再接着,将所述第t个像素点的滤波像素值N(t)和第t-1个像素点的滤波输出值P(t-1)进行加权得到所述第t个像素点的滤波输出值P(t),所述P(t)的计算方式为:P(t)=FW×N(t)+(1-FW)×P(t-1)。
本实施例提供的图像滤波计算方法,由于每一方向滤波的计算方式均相同,因此,每个方向上的计算量较为均衡,花费的时间相差不大,即可以保证几乎一样的速率处理每一像素点,使得每个方向上的滤波计算进度之间的差值保持在初始状态,如此便可以保证图像滤波计算的可靠性。同时,本实施例提供的滤波计算方法将每一方向独立开来,使得每一方向的计算较为简单,减少了计算量和缓存占用的资源。
在具体实施过程中,计算梯度时可以直接采用像素点与周围像素点求差再取绝对值得到。或者,先对所述图像做低通滤波后再计算梯度。对于某些有参考帧或导向图的应用,可以选择在参考帧或导向图上计算对应坐标点的梯度,从而提高梯度计算的准确性。
在本实施例中,还具体给出了对垂直正向滤波后的所述像素点逐列进行垂直逆向滤波的方法,包括:
将所述第t个像素点进行垂直正向滤波后得到的所述第t个像素点的滤波输出值Pvd(t)与所述第t-1个像素点进行垂直正向滤波后得到的滤波输出值Pvd(t-1)求差以得到一差值,对所述差值取绝对值,得到所述梯度Gw;
利用所述梯度Gw和所述第t个像素点的滤波参数S计算所述第t个像素点的归一化权重FW;
将所述第t个像素点的滤波输出值Pvd(t)与所述第t-1个像素点的滤波输出值Pvd(t-1)依据所述归一化权重FW进行加权,得到所述第t-1个像素点的垂直逆向滤波的滤波输出值Pv(t-1)。
从上述计算方法可以看出,垂直逆向的滤波输出值依赖于该像素点及其邻近像素点(第t-1个像素点)的垂直正向滤波的滤波输出值。可以得见,开始较后的滤波方向的滤波输出依赖于较早开始的滤波方向的滤波输出,由此,便将四个方向的滤波输出相互关联,以得到四个方向滤波处理的综合结果,使滤波结果更佳准确可靠。同时,由于各个滤波方向之间存在一定像素点个数的延迟,便可以保证较后开始的滤波能够获取较早开始的滤波的滤波输出值;而这种延迟并没有涉及一整帧图像,因此缓存的数据较少,在节约了计算资源的同时也减少了数据串扰的可能。
本实施例还提供一种图像滤波系统,如图4所示,所述图像滤波系统包括:图像输入模块10、图像滤波模块20和结果输出模块30;所述图像输入模块10用于接收所述图像;所述图像滤波模块20用于对所述图像进行滤波处理;所述结果输出模块30用于输出滤波后的图像。
进一步的,在本实施例提供的图像滤波系统中,所述图像滤波模块20包括:数据缓存单元21、梯度计算单元22、噪声估计单元23、权重计算单元24、加权运算单元25和数据输出单元26;如图5所示,所述数据缓存单元21用于从所述图像输入模块10中接收和缓存所述图像,并对滤波过程中的数据进行暂存;所述梯度计算单元22用于计算所述像素点的梯度;所述噪声估计单元23用于估计所述图像的噪声强度;所述权重计算单元24用于将所述梯度计算单元22计算的结果与所述噪声估计单元23计算的结果相结合,以动态调整加权权重;所述加权运算单元25用于通过所述权重计算单元24计算的结果和所述数据缓存单元21中暂存的数据,运算得到滤波结果,所述数据输出单元26用于在完成预定滤波次数后将所述滤波结果送至所述结果输出模块30。
本实施例提供的图像滤波系统中,通过图像输入模块接收输入的图像;并通过图像滤波模块按照上述方法对图像进行滤波,最后通过结果输出模块将滤波后的图像输出。由于每个方向的滤波均是在上一方向滤波还在进行中便开始了,使得在不减少滤波方向及次数的同时减少了运算的时间,降低了滤波运算过程中的缓存和延迟;同时,将滤波处理分为四个方向单独处理,降低了滤波运算的复杂度。
综上所述,本发明提供的图像滤波方法及系统通过图像输入模块接收输入图像;并通过图像滤波模块对输入图像进行滤波,具体的,对所述图像的所有像素点逐行进行水平正向滤波;当所述图像的第a行的所有所述像素点完成水平正向滤波后,对水平正向滤波后的所述像素点逐行进行水平逆向滤波;当所述图像的第b行的所有所述像素点完成水平逆向滤波后,对水平逆向滤波后的所述像素点逐列进行垂直正向滤波;当所述图像的第k个像素点完成垂直正向滤波后,对垂直正向滤波后的所述像素点逐列进行垂直逆向滤波;最后当所有所述像素点全部完成水平正向、水平逆向、垂直正向及垂直逆向的滤波后,通过结果输出模块将滤波后的图像输出。由于每个方向的滤波均是在上一方向滤波还在进行中便开始了,使得在不减少滤波方向及次数的同时减少了运算的时间,降低了滤波运算过程中的缓存和延迟;同时,将滤波处理分为四个方向单独处理,降低了滤波运算的复杂度。因此,本发明提供的图像滤波方法及系统解决了图像滤波中存在的大缓存、高延迟、运算复杂的问题。
上述描述仅是对本发明较佳实施例的描述,并非对本发明范围的任何限定,本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰,均属于权利要求书的保护范围。
Claims (9)
1.一种图像滤波方法,其特征在于,所述图像包括M×N个像素点,所述图像滤波方法包括:
对所述图像的所有像素点逐行进行水平正向滤波;
当所述图像的第a行的所有所述像素点完成水平正向滤波后,对水平正向滤波后的所述像素点逐行进行水平逆向滤波;
当所述图像的第b行的所有所述像素点完成水平逆向滤波后,对水平逆向滤波后的所述像素点逐列进行垂直正向滤波;
当所述图像的第k个像素点完成垂直正向滤波后,对垂直正向滤波后的所述像素点逐列进行垂直逆向滤波;
当所有所述像素点全部完成水平正向、水平逆向、垂直正向及垂直逆向的滤波后,输出滤波后的图像;
其中,a=1,2,……M;b=1,2,……M;
第k个像素点的坐标为(x,y),x=1,2,……M;y=1,2,……N;
进行所述水平正向滤波、所述水平逆向滤波、所述垂直正向滤波以及所述垂直逆向滤波的方法包括:
计算第t个像素点的梯度Gt以及若干个与所述第t个像素点同一滤波方向的像素点的梯度Gj、Gk……Gn,其中,第t个像素点的坐标为(xt,yt),xt=1,2,……M;yt=1,2,……N;j,k,……n为与所述第t个像素点同一滤波方向的第j个像素点、第k个像素点、……第n个像素点;
进行所述水平正向滤波、所述水平逆向滤波以及所述垂直正向滤波时,将所述第t个像素点的梯度与所述同一滤波方向的像素点的梯度进行加权平均得到梯度Gw,所述Gw的计算方式为:Gw=∑WiGi,其中,Wi为依据所述同一滤波方向的像素点与所述第t个像素点的距离大小而分配的权重,i的取值包括t、j、k……n;进行所述垂直逆向滤波时,在同一滤波方向上将所述第t个像素点进行滤波后得到的所述第t个像素点的滤波输出值P(t)与所述第t-1个像素点进行滤波后得到的滤波输出值P(t-1)求差以得到一差值,对所述差值求绝对值,得到梯度Gw;
利用所述梯度Gw和所述第t个像素点的滤波参数S计算所述第t个像素点的归一化权重FW,所述FW的计算方式为:Fw=f(GW,S),其中,f为以所述Gw和所述S为参数生成权重的函数或查找表;
将所述第t个像素点的滤波像素值N(t)和第t-1个像素点的滤波输出值P(t-1)进行加权得到所述第t个像素点的滤波输出值P(t),所述P(t)的计算方式为:P(t)=FW×N(t)+(1-FW)×P(t-1)。
2.根据权利要求1所述的图像滤波方法,其特征在于,所述计算第t个像素点的梯度Gt的方法为:将所述第t个像素点的滤波像素值N(t)与所述第t-1个像素点的滤波输出值P(t-1)求差以得到一差值,对所述差值取绝对值作为所述第t个像素点的梯度Gt。
3.根据权利要求1所述的图像滤波方法,其特征在于,所述计算同一滤波方向的像素点的梯度的方法为:设第t-1个像素点的梯度为Gt-1和第t+1个像素点的梯度为Gt+1,将所述第t-1个像素点的滤波输出值P(t-1)与第t-2个像素点的滤波输出值P(t-2)求差以得到一差值,对所述差值取绝对值作为所述第t-1个像素点的梯度Gt-1;将所述第t个像素点的滤波像素值N(t)与第t+1个像素点的滤波像素值N(t+1)求差以得到一差值,对所述差值取绝对值作为所述第t+1个像素点的梯度Gt+1。
4.根据权利要求1所述的图像滤波方法,其特征在于,所述滤波参数S为提前配置的,或根据所述图像自适应调整。
7.根据权利要求1所述的图像滤波方法,其特征在于,对垂直正向滤波后的所述像素点逐列进行垂直逆向滤波的方法包括:
将所述第t个像素点进行垂直正向滤波后得到的所述第t个像素点的滤波输出值Pvd(t)与所述第t-1个像素点进行垂直正向滤波后得到的滤波输出值Pvd(t-1)求差以得到一差值,对所述差值取绝对值,得到所述梯度Gw;
利用所述梯度Gw和所述第t个像素点的滤波参数S计算所述第t个像素点的归一化权重FW;
将所述第t个像素点的滤波输出值Pvd(t)与所述第t-1个像素点的滤波输出值Pvd(t-1)依据所述归一化权重FW进行加权,得到所述第t-1个像素点的垂直逆向滤波的滤波输出值Pv(t-1)。
8.一种图像滤波系统,用于进行如权利要求1~7所述的任一种图像滤波方法,其特征在于,所述图像滤波系统包括:图像输入模块、图像滤波模块和结果输出模块;所述图像输入模块用于接收所述图像;所述图像滤波模块用于对所述图像进行滤波处理;所述结果输出模块用于输出滤波后的图像。
9.根据权利要求8所述的图像滤波系统,其特征在于,所述图像滤波模块包括:数据缓存单元、梯度计算单元、噪声估计单元、权重计算单元、加权运算单元和数据输出单元;
所述数据缓存单元用于从所述图像输入模块中接收和缓存所述图像,并对滤波过程中的数据进行暂存;所述梯度计算单元用于计算所述像素点的梯度;所述噪声估计单元用于估计所述图像的噪声强度;所述权重计算单元用于将所述梯度计算单元计算的结果与所述噪声估计单元计算的结果相结合,以动态调整加权权重;所述加权运算单元用于通过所述权重计算单元计算的结果和所述数据缓存单元中暂存的数据,运算得到滤波结果,所述数据输出单元用于在完成预定滤波次数后将所述滤波结果送至所述结果输出模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010568740.0A CN111724321B (zh) | 2020-06-19 | 2020-06-19 | 一种图像滤波方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010568740.0A CN111724321B (zh) | 2020-06-19 | 2020-06-19 | 一种图像滤波方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111724321A CN111724321A (zh) | 2020-09-29 |
CN111724321B true CN111724321B (zh) | 2023-04-28 |
Family
ID=72568668
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010568740.0A Active CN111724321B (zh) | 2020-06-19 | 2020-06-19 | 一种图像滤波方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111724321B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104539919A (zh) * | 2014-12-31 | 2015-04-22 | 上海富瀚微电子股份有限公司 | 图像传感器的去马赛克方法及装置 |
CN105430357A (zh) * | 2015-11-26 | 2016-03-23 | 上海富瀚微电子股份有限公司 | 图像传感器的去马赛克方法及装置 |
CN106157257A (zh) * | 2015-04-23 | 2016-11-23 | 腾讯科技(深圳)有限公司 | 图像滤波的方法和装置 |
CN107979712A (zh) * | 2016-10-20 | 2018-05-01 | 上海富瀚微电子股份有限公司 | 一种视频降噪方法及装置 |
CN109345478A (zh) * | 2018-09-27 | 2019-02-15 | 深圳市牧月科技有限公司 | 一种基于梯度最小化的图像平滑处理方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006040960A1 (ja) * | 2004-10-08 | 2006-04-20 | Matsushita Electric Industrial Co., Ltd. | 画像処理装置および画像処理プログラム |
WO2011121716A1 (ja) * | 2010-03-30 | 2011-10-06 | 株式会社 東芝 | 動画像符号化方法、復号化方法、符号化装置および復号化装置 |
US8670611B2 (en) * | 2011-10-24 | 2014-03-11 | International Business Machines Corporation | Background understanding in video data |
-
2020
- 2020-06-19 CN CN202010568740.0A patent/CN111724321B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104539919A (zh) * | 2014-12-31 | 2015-04-22 | 上海富瀚微电子股份有限公司 | 图像传感器的去马赛克方法及装置 |
CN106157257A (zh) * | 2015-04-23 | 2016-11-23 | 腾讯科技(深圳)有限公司 | 图像滤波的方法和装置 |
CN105430357A (zh) * | 2015-11-26 | 2016-03-23 | 上海富瀚微电子股份有限公司 | 图像传感器的去马赛克方法及装置 |
CN107979712A (zh) * | 2016-10-20 | 2018-05-01 | 上海富瀚微电子股份有限公司 | 一种视频降噪方法及装置 |
CN109345478A (zh) * | 2018-09-27 | 2019-02-15 | 深圳市牧月科技有限公司 | 一种基于梯度最小化的图像平滑处理方法 |
Non-Patent Citations (3)
Title |
---|
《Estimating surface normals with depth image gradients》;Yosuke Nakagawa;《2015 International Conference on 3D Vision》;640-647 * |
《一种多子窗口中值加权的高斯噪声滤波算法》;沈德海;《现代电子技术》;第38卷(第9期);51-53+56 * |
自适应的有效非局部图像滤波;许光宇等;《中国图象图形学报》(第04期);29-37 * |
Also Published As
Publication number | Publication date |
---|---|
CN111724321A (zh) | 2020-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9082171B2 (en) | Image processing device for reducing image noise and the method thereof | |
US8659679B2 (en) | Hardware-constrained transforms for video stabilization processes | |
TWI463861B (zh) | 消除蚊狀雜訊裝置及方法 | |
KR930010027B1 (ko) | 화상의 움직임벡터검출장치 | |
JP2022130642A (ja) | コンピュータビジョンのための適応バイラテラル(bl)フィルタリング | |
US7777816B2 (en) | Apparatus and method for image adjustment | |
CN111709904B (zh) | 一种图像融合方法及装置 | |
US11069032B2 (en) | System and method of reducing effects of turbulence in an image | |
CN111724321B (zh) | 一种图像滤波方法及系统 | |
JP2010061541A (ja) | 劣化画像復元方法、劣化画像復元装置、及び、プログラム | |
US9715720B1 (en) | System and method for reducing image noise | |
US6012031A (en) | Variable-length moving-average filter | |
JP4097108B2 (ja) | ウェーブレット変換装置及び符号化復号化装置 | |
CN102694962B (zh) | 降噪方法及装置 | |
JP2006287634A (ja) | 信号処理装置、信号処理方法およびノイズ低減装置 | |
CN114298936A (zh) | 一种降噪与锐化联合处理方法及装置 | |
US20220417508A1 (en) | Method and Chip for Vertically Filtering Image | |
JP3106831B2 (ja) | 映像信号処理装置 | |
CN114429203B (zh) | 一种卷积计算方法、卷积计算装置及其应用 | |
KR100772405B1 (ko) | 전역 움직임 추정에 근거한 적응성 잡음 감쇄 방법 및 영상처리 시스템 | |
KR100362355B1 (ko) | 이산 웨이브렛 변환용 프로세서 | |
JPH06181424A (ja) | ディジタルフィルタシステム | |
US8452827B2 (en) | Data processing circuit | |
JP4486487B2 (ja) | スミア補正装置 | |
US20230305590A1 (en) | A data processing method |
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 |