CN111724325B - 一种三边滤波图像处理方法及装置 - Google Patents
一种三边滤波图像处理方法及装置 Download PDFInfo
- Publication number
- CN111724325B CN111724325B CN202010587388.5A CN202010587388A CN111724325B CN 111724325 B CN111724325 B CN 111724325B CN 202010587388 A CN202010587388 A CN 202010587388A CN 111724325 B CN111724325 B CN 111724325B
- Authority
- CN
- China
- Prior art keywords
- weight function
- value
- block
- mean square
- square error
- 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 142
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 238000012545 processing Methods 0.000 title claims description 29
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000004364 calculation method Methods 0.000 claims description 62
- 238000010276 construction Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 16
- 230000009467 reduction Effects 0.000 abstract description 10
- 230000002146 bilateral effect Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G06T5/70—
-
- 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
Abstract
本发明公开了一种三边滤波图像处理方法及装置，提高了YUV图像的降噪效果的同时，降低了计算量。方法包括：获取YUV图像的图像数据；在YUV图像中确定中心块及搜索区域，在搜索区域内逐点计算得到搜索块，中心块和搜索块的大小相同，中心块的中心像素点的通道与搜索块的中心像素点的通道相同；计算中心块及搜索块的局部带方向均方差；根据中心块及搜索块的局部带方向均方差，得到局部带方向均方差的权重函数；计算得到距离权重函数和值域权重函数；根据距离权重函数、值域权重函数及局部带方向均方差的权重函数，得到三边滤波算法；根据三边滤波算法对图像数据进行滤波处理，得到滤波YUV图像。
Description
技术领域
本发明涉及图像处理领域，特别是涉及一种三边滤波图像处理方法及装置。
背景技术
对于视频图像的滤波处理，双边滤波由于同时考虑了邻域内点到当前点的距离以及像素点值本身的相似性，比较好地在高斯滤波基础上增加了边缘保护的处理。但原始的双边滤波往往需要多次迭代，才能在图像去噪上，尤其边缘点的处理上，取得比较好的效果。为了取得更好的滤波效果，双边滤波的滤波窗尺寸往往也比较大，这两方面使得双边滤波在实时图像处理中的应用得到限制。因此，提出了三边滤波，三边滤波是在双边滤波的基础上增加了基于第三种特征的滤波器，有利用梯度信息作为第三种特征的，也有利用局部像素的分布相似性(直方图)作为第三种特征的。
在利用梯度信息作为特征的处理中，首先利用通用梯度算子，比如Sobel、Laplace检测当前点以及搜索点的梯度信息，然后引入第三个滤波权重函数，比如高斯函数。结合双边滤波的两个权重函数，合成最终的滤波权重函数。
在利用像素分布相似性作为特征的处理中，首先对当前点以及搜索点周围的灰度直方图进行统计，对统计结果进行概率密度函数进行拟合，然后引入第三个滤波权重函数。
但是，利用梯度信息的三边滤波方法中，利用梯度算子得到的梯度信息是无方向的，或者仅仅包含两个方向，而真实图像中的梯度方向丰富，并且梯度算子对当前点依赖较大，而当前点又受噪声污染严重，则处理的效果不理想；利用像素分布相似性的三边滤波方法中，由于是基于局部统计信息的特征，能够在一定程度上减小噪声影响，但其概率密度函数拟合的处理增加了算法的复杂度，而且直方图统计需要局部取块较大，增加了计算量。
发明内容
本发明的目的是提供一种三边滤波图像处理方法及装置，提高了YUV图像的降噪效果的同时，降低了计算量。
本发明第一方面提供一种三边滤波图像处理方法，包括：
获取YUV图像的图像数据；
在YUV图像中确定中心块及搜索区域，在搜索区域内逐点计算得到搜索块，中心块和搜索块的大小相同，中心块的中心像素点的通道与搜索块的中心像素点的通道相同；
计算中心块及搜索块的局部带方向均方差；
根据中心块及搜索块的局部带方向均方差，得到局部带方向均方差的权重函数；
计算得到距离权重函数和值域权重函数；
根据距离权重函数、值域权重函数及局部带方向均方差的权重函数，得到三边滤波算法；
根据三边滤波算法对图像数据进行滤波处理，得到滤波YUV图像。
进一步的，计算中心块及搜索块的局部带方向均方差，包括：
获取中心块中所有像素点的值，计算得到第一平均值；
计算中心块的像素点的值与第一平均值的第一差平方值；
当中心块的像素点的值大于或等于第一平均值时，第一差平方值为正方向；
当中心块的像素点的值小于第一平均值时，第一差平方值为负方向；
计算带方向的第一差平方值的平均值，并取绝对值之后开方，得到中心块的局部带方向均方差；
获取搜索块中所有像素点的值，计算得到第二平均值；
计算搜索块的像素点的值与第二平均值的第二差平方值；
当搜索块的像素点的值大于或等于第二平均值时，第二差平方值为正方向；
当搜索块的像素点的值小于第二平均值时，第二差平方值为负方向；
计算带方向的第二差平方值的平均值，取绝对值之后开方，得到搜索块的局部带方向均方差。
进一步的，根据中心块及搜索块的局部带方向均方差，得到局部带方向均方差的权重函数，包括：
计算中心块的局部带方向均方差与搜索块的局部带方向均方差的第三差平方值；
根据第三差平方值得到局部带方向均方差的权重函数。
进一步的，根据距离权重函数、值域权重函数及局部带方向均方差的权重函数，得到三边滤波算法，包括：
根据距离权重函数、值域权重函数及局部带方向均方差的权重函数，得到三边滤波权重函数；
根据三边滤波权重函数生成三边滤波公式，三边滤波公式用于表示三边滤波算法。
进一步的，方法还包括：
根据YUV图像的噪声情况设置可调节参数；
根据可调节参数及值域权重函数，得到优化值域权重函数。
本发明第二方面提供一种三边滤波图像处理装置，包括：
图像获取模块，用于获取YUV图像的图像数据；
确定模块，用于在YUV图像中确定中心块及搜索区域，在搜索区域内逐点计算得到搜索块，中心块和搜索块的大小相同，中心块的中心像素点的通道与搜索块的中心像素点的通道相同；
权重函数计算模块，用于计算中心块及搜索块的局部带方向均方差；
权重函数计算模块，还用于根据中心块及搜索块的局部带方向均方差，得到局部带方向均方差的权重函数；
权重函数计算模块，还用于计算得到距离权重函数和值域权重函数；
算法模块，用于根据距离权重函数、值域权重函数及局部带方向均方差的权重函数，得到三边滤波算法；
滤波处理模块，用于根据三边滤波算法对图像数据进行滤波处理，得到滤波YUV图像。
进一步的，
权重函数计算模块，还用于获取中心块中所有像素点的值，计算得到第一平均值；
权重函数计算模块，还用于计算中心块的像素点的值与第一平均值的第一差平方值；
权重函数计算模块，还用于当中心块的像素点的值大于或等于第一平均值时，第一差平方值为正方向；
权重函数计算模块，还用于当中心块的像素点的值小于第一平均值时，第一差平方值为负方向；
权重函数计算模块，还用于计算带方向的第一差平方值的平均值，并取绝对值之后开方，得到中心块的局部带方向均方差；
权重函数计算模块，还用于获取搜索块中所有像素点的值，计算得到第二平均值；
权重函数计算模块，还用于计算搜索块的像素点的值与第二平均值的第二差平方值；
权重函数计算模块，还用于当搜索块的像素点的值大于或等于第二平均值时，第二差平方值为正方向；
权重函数计算模块，还用于当搜索块的像素点的值小于第二平均值时，第二差平方值为负方向；
权重函数计算模块，还用于计算带方向的第二差平方值的平均值，并取绝对值之后开方，得到搜索块的局部带方向均方差。
进一步的，
权重函数计算模块，还用于计算中心块的局部带方向均方差与搜索块的局部带方向均方差的第三差平方值；
权重函数计算模块，还用于根据第三差平方值得到局部带方向均方差的权重函数。
进一步的，算法模块包括：
权重函数单元，用于根据距离权重函数、值域权重函数及局部带方向均方差的权重函数，得到三边滤波权重函数；
算法构建单元，用于根据三边滤波权重函数生成三边滤波公式，三边滤波公式用于表示三边滤波算法。
进一步的，
权重函数计算模块，还用于根据YUV图像的噪声情况设置可调节参数；
权重函数计算模块，还用于根据可调节参数及值域权重函数，得到优化值域权重函数。
由此可见，本发明中通过引入局部带方向均方差的计算，得到局部带方向均方差的权重函数，结合距离权重函数和值域权重函数，得到三边滤波算法，使用三边滤波算法进行图像滤波处理。与现有的利用梯度信息的三边滤波方法相比，本发明引入的是局部带方向均方差的权重函数，提高了YUV图像的降噪效果；与现有的利用像素分布相似性的三边滤波方法相比，本发明不需要进行概率密度函数拟合处理，并且局部取块较小，降低了计算量。因此，本发明的三边滤波图像处理方法提高了YUV图像的降噪效果的同时，降低了计算量。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对现有技术和实施例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发明的一些实施例，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为本发明提供的三边滤波图像处理方法的一个实施例的流程示意图；
图2为本发明提供的三边滤波图像处理方法的另一个实施例的流程示意图；
图3为本发明提供的三边滤波图像处理装置的一个实施例的结构示意图；
图4为本发明提供的三边滤波图像处理装置的另一个实施例的结构示意图。
具体实施方式
本发明的核心是提供一种三边滤波图像处理方法及装置，提高了YUV图像的降噪效果的同时，降低了计算量。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明实施例提供一种三边滤波图像处理方法，包括：
101、获取YUV图像的图像数据；
本实施例中，三边滤波图像处理方法主要应用于监控实时图像处理领域，针对的是YUV格式的图像，YUV格式是一种类似RGB的颜色模型，起源于黑白和彩电的过渡时期。其中Y代表亮度，UV组合起来可以表示色度。YUV图像中各像素点的值通过图像数据进行传输。
102、在YUV图像中确定中心块及搜索区域，在搜索区域内逐点计算得到搜索块；
本实施例中，在对YUV图像进行滤波处理之前，需要在YUV图像中确定当前像素点，以当前像素点为中心选取矩形中心块及搜索区域，在实际应用中，矩形中心块的大小不限定，例如可以是3X3，6X6等等，在搜索区域内进行逐点计算得到搜索块，搜索块与中心块大小相同，搜索块的中心像素点的通道与中心块的当前像素点的通道是相同的。
103、计算中心块及搜索块的局部带方向均方差；
本实施例中，计算中心块及搜索块的局部带方向均方差，在进行具体计算时，需要分通道进行，例如，Y通道或者UV通道，不同的通道，计算方式是相同的。
104、根据中心块及搜索块的局部带方向均方差，得到局部带方向均方差的权重函数；
本实施例中，得到中心块及搜索块的局部带方向均方差之后，按照预置的权重函数构建规则，根据中心块及搜索块的局部带方向均方差，得到局部带方向均方差的权重函数。
105、计算得到距离权重函数和值域权重函数；
本实施例中，由于本发明的思路是将局部带方向均方差的权重函数引入到双边滤波方法，从而得到三边滤波算法，计算得到距离权重函数和值域权重函数。
106、根据距离权重函数、值域权重函数及局部带方向均方差的权重函数，得到三边滤波算法；
本实施例中，根据距离权重函数、值域权重函数及局部带方向均方差的权重函数，构建得到三边滤波的权重函数，将三边滤波的权重函数带入到预置的三边滤波公式中，即得到了三边滤波算法。
107、根据三边滤波算法对图像数据进行滤波处理，得到滤波YUV图像。
本实施例中，在得到了三边滤波算法之后，使用三边滤波算法对图像数据分通道分别进行计算，得到滤波后的图像数据，根据滤波后的图像数据就能得到滤波YUV图像。
本发明实施例中，通过引入局部带方向均方差的计算，得到局部带方向均方差的权重函数，结合距离权重函数和值域权重函数，得到三边滤波算法，使用三边滤波算法进行图像滤波处理。与现有的利用梯度信息的三边滤波方法相比，本发明引入的是局部带方向均方差的权重函数，提高了YUV图像的降噪效果；与现有的利用像素分布相似性的三边滤波方法相比，本发明不需要进行概率密度函数拟合处理，并且局部取块较小，降低了计算量。因此，本发明的三边滤波图像处理方法提高了YUV图像的降噪效果的同时，降低了计算量。
结合以上图1所示的实施例，下面通过实施例对局部带方向均方差的权重函数的具体得到方法进行详细说明。
请参阅图2，本发明实施例提供一种三边滤波图像处理方法，包括：
201、获取YUV图像的图像数据；
详情请参阅图1所示的实施例中的步骤101。
202、在YUV图像中确定中心块及搜索区域，在搜索区域内逐点计算得到搜索块；
详情请参阅图1所示的实施例中的步骤102。
203、获取中心块中所有像素点的值，计算得到第一平均值；
本实施例中，中心块center以3X3为例，所有像素点的值为tpt_center[i][j]，i∈[1,3]，j∈[1,3]，第一平均值为mean_center。计算公式如下：
204、计算中心块的像素点的值与第一平均值的第一差平方值；
本实施例中，计算中心块中每一个像素点的值与第一平均值的第一差平方值(tpt_center[i][j]-mean_center)2。
205、当中心块的像素点的值大于或等于第一平均值时，第一差平方值为正方向；
本实施例中，需要根据像素点的值与第一平均值的大小来确定第一差平方值的正负方向，具体的判断公式如下：
其中，Ni，j表示的就是第一差平方值的正负方向，如果像素点的值大于或等于第一平均值(tpt_center[i][j]≥mean_center)的时候，第一差平方值为正方向，即Ni，j＝1。
206、当中心块的像素点的值小于第一平均值时，第一差平方值为负方向；
本实施例中，根据步骤205中的判断公式，如果像素点的值小于第一平均值(tpt_center[i][j]＜mean_center)的时候，第一差平方值为负方向，即Ni，j＝-1。
207、计算带方向的第一差平方值的平均值，并取绝对值之后开方，得到中心块的局部带方向均方差；
本实施例中，在得到了中心块中每一个像素点对应的带方向的第一差平方值之后，计算平均值并且取绝对值之后开方，得到中心块的局部带方向均方差var_center，
208、获取搜索块中所有像素点的值，计算得到第二平均值；
209、计算搜索块的像素点的值与第二平均值的第二差平方值；
210、当搜索块的像素点的值大于或等于第二平均值时，第二差平方值为正方向；
211、当搜索块的像素点的值小于第二平均值时，第二差平方值为负方向；
212、计算带方向的第二差平方值的平均值，取绝对值之后开方，得到搜索块的局部带方向均方差；
本实施例中，步骤208-步骤212中计算搜索块cur的局部带方向均方差的方式与步骤203-步骤207中的相似，不进行赘述，得到搜索块的局部带方向均方差var_cur，
213、计算中心块的局部带方向均方差与搜索块的局部带方向均方差的第三差平方值；
本实施例中，在步骤207和步骤212中分别得到中心块的局部带方向均方差var_center和搜索块的局部带方向均方差var_cur之后，计算得到第三差平方值(var_center-var_cur)2。
214、根据第三差平方值得到局部带方向均方差的权重函数；
本实施例中，根据第三差平方值生成局部带方向均方差的权重函数ρv，表达式为：
其中，δv是相应的权重尺度系数，δv可以根据实际的滤波进行调节，具体的数值不做限定。
215、获取双边滤波方法的距离权重函数和值域权重函数；
本实施例中，由于本发明的思路是将局部带方向均方差的权重函数引入到双边滤波方法，从而得到三边滤波算法，因此需要计算得到距离权重函数和值域权重函数；
距离权重函数：
像素点值域权重函数：
其中，δd、δr是相应的权重尺度系数，可以根据实际的滤波进行调节，具体的数值不做限定。
216、根据距离权重函数、值域权重函数及局部带方向均方差的权重函数，得到三边滤波算法；
本实施例中，根据距离权重函数、值域权重函数及局部带方向均方差的权重函数δv，构建得到三边滤波的权重函数，具体可以是采用相乘的方式，ρ＝ρd×ρr×ρv
将三边滤波的权重函数带入到预置的三边滤波公式中，即得到了三边滤波算法的公式表达式为：
其中，是权重的归一化系数。
217、根据三边滤波算法对图像数据进行滤波处理，得到滤波YUV图像。
本实施例中，在得到了三边滤波算法之后，使用三边滤波算法对图像数据分通道分别进行计算，得到滤波后的图像数据，根据滤波后的图像数据就能得到滤波YUV图像。
本发明实施例中，对局部带方向均方差的权重函数的具体得到方式进行了详细的说明，并且详细描述了将局部带方向均方差的权重函数引入到双边滤波的方式是，将局部带方向均方差的权重函数与距离权重函数和值域权重函数进行联合，从而得到三边滤波算法。
可选的，结合图2所示的实施例，本发明的一些实施例中，方法还包括：
根据YUV图像的噪声情况设置可调节参数，可调节参数用于降低超高相似点的值域权重，提高次相似点的值域权重；
根据可调节参数及值域权重函数，得到优化值域权重函数。
本发明实施例中，还可以对值域权重函数进行优化，因为传统的值域权重函数计算，参考了搜索点与当前点的像素值差，所以有较好的保边效果，但其通常需要经过多次迭代才能在边缘处取得比较好的降噪效果。考虑监控图像的实时性和综合模块的处理复杂度，不能够通过迭代的方式来保证边缘点的降噪效果；
可调节参数是用于降低超高相似点的值域权重，提高次相似点的值域权重；
假设当前点是受噪声污染的点，那么理想的滤波点应该是本身和当前点相似，但其受噪声污染较小，或者噪声值或方向的偏差与当前点不一致，多点集滤波下来，能够较好地收敛噪声。但传统的权重与值域差值的映射关系为：
根据以上公式，值域差值越小，权重将会越大。那么对于差值特别小的点参与滤波，不利于噪声滤除。
而本实施例中，通过可调节参数，对值域权重函数进行优化：
其中，可调节参数ΔI＞0。使得对滤波更有效的点的权重提高，对滤波贡献小的点，其权重也变小。具体做法包括但不限于，将搜索区域内所有搜索点和当前点的像素差值做一个全排序，其中，最小值记为Imin，最大值记为Imax，可调节参数ΔI取值范围为[Imin,Imax]，通过实验发现，[Imin,ΔI]区间的点数占[Imin,Imax]总点数的0.2左右，滤波效果比较好；
经过优化的值域权重函数，带入三边滤波函数，对图像进行滤波处理，对边缘和纹理上的噪声有更好的抑制效果。
以上实施例中对三边滤波图像处理方法进行说明，下面通过实施例对应用三边滤波图像处理方法的三边滤波图像处理装置进行详细说明。
请参阅图3，本发明实施例提供一种三边滤波图像处理装置，包括：
图像获取模块301，用于获取YUV图像的图像数据；
确定模块302，用于在YUV图像中确定中心块及搜索区域，在搜索区域内逐点计算得到搜索块，中心块和搜索块的大小相同，中心块的中心像素点的通道与搜索块的中心像素点的通道相同；
权重函数计算模块303，用于计算中心块及搜索块的局部带方向均方差；
权重函数计算模块303，还用于根据中心块及搜索块的局部带方向均方差，得到局部带方向均方差的权重函数；
权重函数计算模块303，还用于计算得到距离权重函数和值域权重函数；
算法模块304，用于根据距离权重函数、值域权重函数及局部带方向均方差的权重函数，得到三边滤波算法；
滤波处理模块305，用于根据三边滤波算法对图像数据进行滤波处理，得到滤波YUV图像。
本发明实施例中，权重函数计算模块303通过引入局部带方向均方差的计算，得到局部带方向均方差的权重函数，算法模块304结合距离权重函数和值域权重函数，得到三边滤波算法，滤波处理模块305使用三边滤波算法进行图像滤波处理。与现有的利用梯度信息的三边滤波方法相比，本发明引入的是局部带方向均方差的权重函数，提高了YUV图像的降噪效果；与现有的利用像素分布相似性的三边滤波方法相比，本发明不需要进行概率密度函数拟合处理，并且局部取块较小，降低了计算量。因此，本发明的三边滤波图像处理方法提高了YUV图像的降噪效果的同时，降低了计算量。
可选的，结合图3所示的实施例，本发明的一些实施例中，
权重函数计算模块303，还用于获取中心块中所有像素点的值，计算得到第一平均值；
权重函数计算模块303，还用于计算中心块的像素点的值与第一平均值的第一差平方值；
权重函数计算模块303，还用于当中心块的像素点的值大于或等于第一平均值时，第一差平方值为正方向；
权重函数计算模块303，还用于当中心块的像素点的值小于第一平均值时，第一差平方值为负方向；
权重函数计算模块303，还用于计算带方向的第一差平方值的平均值，并取绝对值之后开方，得到中心块的局部带方向均方差；
权重函数计算模块303，还用于获取搜索块中所有像素点的值，计算得到第二平均值；
权重函数计算模块303，还用于计算搜索块的像素点的值与第二平均值的第二差平方值；
权重函数计算模块303，还用于当搜索块的像素点的值大于或等于第二平均值时，第二差平方值为正方向；
权重函数计算模块303，还用于当搜索块的像素点的值小于第二平均值时，第二差平方值为负方向；
权重函数计算模块303，还用于计算带方向的第二差平方值的平均值，取绝对值之后开方，得到搜索块的局部带方向均方差。
本发明实施例中，详细的描述了计算模块303具体计算得到中心块的局部带方向均方差和搜索块的局部带方向均方差，详情请参考图2所示实施例的步骤203-步骤212。
可选的，结合图3所示的实施例，本发明的一些实施例中，
权重函数计算模块303，还用于计算中心块的局部带方向均方差与搜索块的局部带方向均方差的第三差平方值；
权重函数计算模块303，还用于根据第三差平方值得到局部带方向均方差的权重函数。
本发明实施例中，描述了计算模块303是如何根据中心块和搜索块的局部带方向均方差得到局部带方向均方差的权重函数，使得技术方案更加具体，详情请参考图2所示实施例的步骤213和步骤214。
可选的，结合图3所示的实施例，如图4所示，本发明的一些实施例中，算法模块305包括：
权重函数单元401，用于根据距离权重函数、值域权重函数及局部带方向均方差的权重函数，得到三边滤波权重函数；
算法构建单元402，用于根据三边滤波权重函数生成三边滤波公式，三边滤波公式用于表示三边滤波算法。
本发明实施例中，权重函数单元401根据距离权重函数、值域权重函数及局部带方向均方差的权重函数，得到三边滤波权重函数，具体方式可以是相乘，还可以为其他方式，不做限定。算法构建单元402根据三边滤波权重函数生成三边滤波公式，三边滤波公式用于表示三边滤波算法。
可选的，结合图4所示的实施例，本发明的一些实施例中，
权重函数计算模块303，还用于根据YUV图像的噪声情况设置可调节参数；
权重函数计算模块303，还用于根据可调节参数及值域权重函数，得到优化值域权重函数。
本发明实施例中，权重函数计算模块303根据YUV图像的噪声情况设置可调节参数，根据可调节参数及值域权重函数，得到优化值域权重函数。使得对滤波更有效的点的权重提高，对滤波贡献小的点，其权重也变小。经过优化的值域权重函数，带入三边滤波函数，对图像进行滤波处理，对边缘和纹理上的噪声有更好的抑制效果。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
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、物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、物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，并不排除在包括该要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种三边滤波图像处理方法，其特征在于，包括：
获取YUV图像的图像数据；
在所述YUV图像中确定中心块及搜索区域，在所述搜索区域内逐点计算得到搜索块，所述中心块和所述搜索块的大小相同，所述中心块的中心像素点的通道与所述搜索块的中心像素点的通道相同；
计算所述中心块及所述搜索块的局部带方向均方差；
根据所述中心块及所述搜索块的局部带方向均方差，得到所述局部带方向均方差的权重函数；
计算得到距离权重函数和值域权重函数；
根据所述距离权重函数、所述值域权重函数及所述局部带方向均方差的权重函数，得到三边滤波算法；
根据所述三边滤波算法对所述图像数据进行滤波处理，得到滤波YUV图像；
其中，所述计算所述中心块及所述搜索块的局部带方向均方差，包括：
获取所述中心块中所有像素点的值，计算得到第一平均值；
计算所述中心块的像素点的值与所述第一平均值的第一差平方值；
当所述中心块的像素点的值大于或等于所述第一平均值时，所述第一差平方值为正方向；
当所述中心块的像素点的值小于所述第一平均值时，所述第一差平方值为负方向；
计算带方向的所述第一差平方值的平均值，并取绝对值之后开方，得到所述中心块的局部带方向均方差；
获取所述搜索块中所有像素点的值，计算得到第二平均值；
计算所述搜索块的像素点的值与所述第二平均值的第二差平方值；
当所述搜索块的像素点的值大于或等于所述第二平均值时，所述第二差平方值为正方向；
当所述搜索块的像素点的值小于所述第二平均值时，所述第二差平方值为负方向；
计算带方向的所述第二差平方值的平均值，取绝对值之后开方，得到所述搜索块的局部带方向均方差。
2.根据权利要求1所述的方法，其特征在于，所述根据所述中心块及所述搜索块的局部带方向均方差，得到所述局部带方向均方差的权重函数，包括：
计算所述中心块的局部带方向均方差与所述搜索块的局部带方向均方差的第三差平方值；
根据所述第三差平方值得到所述局部带方向均方差的权重函数。
3.根据权利要求2所述的方法，其特征在于，所述根据所述距离权重函数、所述值域权重函数及所述局部带方向均方差的权重函数，得到三边滤波算法，包括：
根据所述距离权重函数、所述值域权重函数及所述局部带方向均方差的权重函数，得到三边滤波权重函数；
根据所述三边滤波权重函数生成三边滤波公式，所述三边滤波公式用于表示三边滤波算法。
4.根据权利要求1-3中任一项所述的方法，其特征在于，所述方法还包括：
根据所述YUV图像的噪声情况设置可调节参数；
根据所述可调节参数及所述值域权重函数，得到优化值域权重函数。
5.一种三边滤波图像处理装置，其特征在于，包括：
图像获取模块，用于获取YUV图像的图像数据；
确定模块，用于在所述YUV图像中确定中心块及搜索区域，在所述搜索区域内逐点计算得到搜索块，所述中心块和所述搜索块的大小相同，所述中心块的中心像素点的通道与所述搜索块的中心像素点的通道相同；
权重函数计算模块，用于计算所述中心块及所述搜索块的局部带方向均方差；
所述权重函数计算模块，还用于根据所述中心块及所述搜索块的局部带方向均方差，得到所述局部带方向均方差的权重函数；
所述权重函数计算模块，还用于计算得到距离权重函数和值域权重函数；
算法模块，用于根据所述距离权重函数、所述值域权重函数及所述局部带方向均方差的权重函数，得到三边滤波算法；
滤波处理模块，用于根据所述三边滤波算法对所述图像数据进行滤波处理，得到滤波YUV图像；
所述权重函数计算模块，还用于获取所述中心块中所有像素点的值，计算得到第一平均值；
所述权重函数计算模块，还用于计算所述中心块的像素点的值与所述第一平均值的第一差平方值；
所述权重函数计算模块，还用于当所述中心块的像素点的值大于或等于所述第一平均值时，所述第一差平方值为正方向；
所述权重函数计算模块，还用于当所述中心块的像素点的值小于所述第一平均值时，所述第一差平方值为负方向；
所述权重函数计算模块，还用于计算带方向的所述第一差平方值的平均值，并取绝对值之后开方，得到所述中心块的局部带方向均方差；
所述权重函数计算模块，还用于获取所述搜索块中所有像素点的值，计算得到第二平均值；
所述权重函数计算模块，还用于计算所述搜索块的像素点的值与所述第二平均值的第二差平方值；
所述权重函数计算模块，还用于当所述搜索块的像素点的值大于或等于所述第二平均值时，所述第二差平方值为正方向；
所述权重函数计算模块，还用于当所述搜索块的像素点的值小于所述第二平均值时，所述第二差平方值为负方向；
所述权重函数计算模块，还用于计算带方向的所述第二差平方值的平均值，取绝对值之后开方，得到所述搜索块的局部带方向均方差。
6.根据权利要求5所述的装置，其特征在于，
计算模块，用于计算所述中心块的局部带方向均方差与所述搜索块的局部带方向均方差的第三差平方值；
计算模块，还用于根据所述第三差平方值得到所述局部带方向均方差的权重函数。
7.根据权利要求5所述的装置，其特征在于，所述算法模块包括：
权重函数单元，用于根据所述距离权重函数、所述值域权重函数及所述局部带方向均方差的权重函数，得到三边滤波权重函数；
算法构建单元，用于根据所述三边滤波权重函数生成三边滤波公式，所述三边滤波公式用于表示三边滤波算法。
8.根据权利要求5-7中任一项所述的装置，其特征在于，
所述权重函数计算模块，还用于根据所述YUV图像的噪声情况设置可调节参数；
所述权重函数计算模块，还用于根据所述可调节参数及所述值域权重函数，得到优化值域权重函数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010587388.5A CN111724325B (zh) | 2020-06-24 | 2020-06-24 | 一种三边滤波图像处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010587388.5A CN111724325B (zh) | 2020-06-24 | 2020-06-24 | 一种三边滤波图像处理方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111724325A CN111724325A (zh) | 2020-09-29 |
| CN111724325B true CN111724325B (zh) | 2023-10-31 |
Family
ID=72568750
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010587388.5A Active CN111724325B (zh) | 2020-06-24 | 2020-06-24 | 一种三边滤波图像处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111724325B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113269696B (zh) * | 2021-07-19 | 2021-10-08 | 贝壳技术有限公司 | 用于对图像进行去噪的方法以及电子设备、介质 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101212563A (zh) * | 2006-12-29 | 2008-07-02 | 安凯（广州）软件技术有限公司 | 基于噪声估计的图像局部滤波处理方法 |
| CN101860655A (zh) * | 2010-07-02 | 2010-10-13 | 上海交通大学 | 基于双边滤波器的黑白图像彩色化方法 |
| WO2011011445A1 (en) * | 2009-07-21 | 2011-01-27 | Integrated Device Technology, Inc. | System and method for random noise estimation in a sequence of images |
| CN102801928A (zh) * | 2012-09-10 | 2012-11-28 | 上海国茂数字技术有限公司 | 图像处理方法及图像处理设备 |
| CN103116879A (zh) * | 2013-03-15 | 2013-05-22 | 重庆大学 | 一种基于邻域加窗的非局部均值ct成像去噪方法 |
| CN103886553A (zh) * | 2014-03-10 | 2014-06-25 | 广东威创视讯科技股份有限公司 | 图像非局部均值去噪方法和系统 |
| CN104915929A (zh) * | 2014-03-14 | 2015-09-16 | 电子科技大学 | 一种图像滤波处理方法 |
| CN106897980A (zh) * | 2017-04-12 | 2017-06-27 | 湖南国科微电子股份有限公司 | 基于局部方差的自适应空域降噪方法 |
| CN107403413A (zh) * | 2017-04-14 | 2017-11-28 | 杭州当虹科技有限公司 | 一种视频多帧去噪及增强方法 |
| CN109767400A (zh) * | 2019-01-14 | 2019-05-17 | 三峡大学 | 一种导向三边滤波的超声图像散斑噪声去除方法 |
| GB201915640D0 (en) * | 2019-10-29 | 2019-12-11 | Visidon Oy | Image processing method and apparatus |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105809630B (zh) * | 2014-12-30 | 2019-03-12 | 展讯通信(天津)有限公司 | 一种图像噪声过滤方法及系统 |
-
2020
- 2020-06-24 CN CN202010587388.5A patent/CN111724325B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101212563A (zh) * | 2006-12-29 | 2008-07-02 | 安凯（广州）软件技术有限公司 | 基于噪声估计的图像局部滤波处理方法 |
| WO2011011445A1 (en) * | 2009-07-21 | 2011-01-27 | Integrated Device Technology, Inc. | System and method for random noise estimation in a sequence of images |
| CN101860655A (zh) * | 2010-07-02 | 2010-10-13 | 上海交通大学 | 基于双边滤波器的黑白图像彩色化方法 |
| CN102801928A (zh) * | 2012-09-10 | 2012-11-28 | 上海国茂数字技术有限公司 | 图像处理方法及图像处理设备 |
| CN103116879A (zh) * | 2013-03-15 | 2013-05-22 | 重庆大学 | 一种基于邻域加窗的非局部均值ct成像去噪方法 |
| CN103886553A (zh) * | 2014-03-10 | 2014-06-25 | 广东威创视讯科技股份有限公司 | 图像非局部均值去噪方法和系统 |
| CN104915929A (zh) * | 2014-03-14 | 2015-09-16 | 电子科技大学 | 一种图像滤波处理方法 |
| CN106897980A (zh) * | 2017-04-12 | 2017-06-27 | 湖南国科微电子股份有限公司 | 基于局部方差的自适应空域降噪方法 |
| CN107403413A (zh) * | 2017-04-14 | 2017-11-28 | 杭州当虹科技有限公司 | 一种视频多帧去噪及增强方法 |
| CN109767400A (zh) * | 2019-01-14 | 2019-05-17 | 三峡大学 | 一种导向三边滤波的超声图像散斑噪声去除方法 |
| GB201915640D0 (en) * | 2019-10-29 | 2019-12-11 | Visidon Oy | Image processing method and apparatus |
Non-Patent Citations (5)
| Title |
|---|
| Fast-moving target tracking based on mean shift and frame-difference methods;Hongpeng Yin et al.;《Journal of Systems Engineering and Electronics》;第22卷(第4期);第587–592页 * |
| S. Jayanthi Sree and C. Vasanthanayaki.De-Speckling of Ultrasound Images Using Local Statistics-Based Trilateral Filter.Journal of Circuits, Systems, and Computers.2018,第28卷(第9期),1950150(1-23). * |
| 张莹莹，韩润萍.局部标准差算子在红外图像去噪及边缘检测中的应用.制造业自动化.2013,第35卷(第11期),18-20. * |
| 时空域非线性滤波红外序列图像 非均匀性校正;李佳 等;《光子学报》;第44卷(第4期);第1-5页 * |
| 朱士虎，游春霞.一种改进的均值滤波算法.计算机软件及计算机应用.2013,第30卷(第12期),97-99+116. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111724325A (zh) | 2020-09-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Huang et al. | Efficient contrast enhancement using adaptive gamma correction with weighting distribution | |
| EP3087730B1 (en) | Method for inverse tone mapping of an image | |
| CN104156921B (zh) | 一种低照度或亮度不均图像的自适应图像增强方法 | |
| CN106780311B (zh) | 一种结合皮肤粗糙度的快速人脸图像美化方法 | |
| US8639050B2 (en) | Dynamic adjustment of noise filter strengths for use with dynamic range enhancement of images | |
| US20100278423A1 (en) | Methods and systems for contrast enhancement | |
| CN105046677B (zh) | 一种用于交通视频图像的增强处理方法和装置 | |
| US20140079319A1 (en) | Methods for enhancing images and apparatuses using the same | |
| US20180253834A1 (en) | Method and apparatus for inverse tone mapping | |
| CN105243371A (zh) | 一种人脸美颜程度的检测方法、系统及拍摄终端 | |
| CN109525847B (zh) | 一种恰可察觉失真模型阈值计算方法 | |
| CN107610093B (zh) | 基于相似性特征融合的全参考型图像质量评价方法 | |
| CN104335565A (zh) | 采用具有自适应滤芯的细节增强滤波器的图像处理方法 | |
| Wang et al. | Variational single nighttime image haze removal with a gray haze-line prior | |
| CN102281388A (zh) | 适应性滤除影像噪声的方法及装置 | |
| CN103226824B (zh) | 维持视觉显著性的视频重定向系统 | |
| JP2021531571A (ja) | 証明書画像抽出方法及び端末機器 | |
| CN111161177B (zh) | 图像自适应降噪方法和装置 | |
| JP2004310475A (ja) | 画像処理装置、画像処理を行う携帯電話、および画像処理プログラム | |
| WO2023056950A1 (zh) | 图像处理方法和电子设备 | |
| CN111210393A (zh) | 一种基于边缘提取的彩色图像增强方法、系统及存储介质 | |
| Mu et al. | Low and non-uniform illumination color image enhancement using weighted guided image filtering | |
| CN111724325B (zh) | 一种三边滤波图像处理方法及装置 | |
| WO2020107308A1 (zh) | 一种基于Retinex的微光图像快速增强方法及其装置 | |
| US20100100813A1 (en) | Document processing apparatus and document 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 |