CN111784614A - 图像去噪方法及装置、存储介质和电子设备 - Google Patents
图像去噪方法及装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN111784614A CN111784614A CN202010694133.9A CN202010694133A CN111784614A CN 111784614 A CN111784614 A CN 111784614A CN 202010694133 A CN202010694133 A CN 202010694133A CN 111784614 A CN111784614 A CN 111784614A
- Authority
- CN
- China
- Prior art keywords
- image
- block
- matching
- current
- blocks
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000004927 fusion Effects 0.000 claims abstract description 40
- 238000000638 solvent extraction Methods 0.000 claims abstract description 3
- 239000013598 vector Substances 0.000 claims description 23
- 230000000903 blocking effect Effects 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 230000001502 supplementing effect Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 230000009469 supplementation Effects 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 9
- 230000000694 effects Effects 0.000 abstract description 7
- 230000000875 corresponding effect Effects 0.000 description 29
- 238000004891 communication Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 14
- 230000006870 function Effects 0.000 description 11
- 238000007726 management method Methods 0.000 description 7
- 230000005236 sound signal Effects 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 210000000988 bone and bone Anatomy 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000000007 visual effect Effects 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
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/223—Analysis of motion using block-matching
-
- 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本公开提供一种图像去噪方法、图像去噪装置、存储介质和电子设备，涉及图像处理技术领域。该图像去噪方法包括：对待处理图像进行分块得到多个图像块；通过多帧运动估计，在多个参考帧中分别确定与当前图像块对应的多个匹配块；根据多个所述匹配块与所述当前图像块进行加权融合，以对所述当前图像块进行去噪操作，得到所述待处理图像对应的目标图像。本公开实施例能够提高图像去噪效果，进而提高图像的质量。
Description
技术领域
本公开涉及图像处理技术领域，具体而言，涉及一种图像去噪方法、图像去噪装置、计算机可读存储介质和电子设备。
背景技术
随着对图像的显示要求越来越高，在图像处理过程中，可以对图像进行去噪操作，以提高图像的质量。
相关技术的多帧去噪算法中，多采用非局部均值等方法，在空域或时域中为图像的每个图像块，根据图像块之间的相似度寻找匹配的多个匹配块进行融合滤波，以达到去噪的目的。其中，由于仅考虑了图像块的相似性，导致匹配得到的匹配块数量过多，增加了运算复杂度，降低了图像质量。
发明内容
本公开提供一种图像去噪方法、图像去噪装置、计算机可读存储介质和电子设备，进而至少在一定程度上克服图像去噪效果差的问题。
根据本公开的一个方面，提供了一种图像去噪方法，包括：对待处理图像进行分块得到多个图像块；通过多帧运动估计，在多个参考帧中确定与当前图像块对应的匹配块；根据所述匹配块与所述当前图像块进行加权融合，以对所述当前图像块进行去噪操作，得到所述待处理图像对应的目标图像。
根据本公开的一个方面，提供一种图像去噪装置，包括：图像分块模块，用于对待处理图像进行分块得到多个图像块；匹配块确定模块，用于通过多帧运动估计，在多个参考帧中分别确定与当前图像块对应的多个匹配块；图像块融合模块，用于根据多个所述匹配块与所述当前图像块进行加权融合，以对所述当前图像块进行去噪操作，得到所述待处理图像对应的目标图像。
根据本公开的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任意一项所述的图像去噪方法。
根据本公开的一个方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的图像去噪方法。
在本公开的一些实施例所提供的技术方案中，一方面，由于可以通过多帧运动估计在多个参考帧中确定与当前图像块对应的所有匹配块，根据匹配块与当前图像块进行加权融合进行去噪操作，从而得到目标图像。通过多帧运动估计以及匹配融合策略，避免了只根据图像块的相似性来确定匹配块的问题，避免了匹配块的数量较多增加运算复杂度的问题，也避免了可能导致的匹配错误以及块效应，提高了匹配块的准确性。另一方面，由于根据匹配块和当前图像块进行加权融合来对当前图像块进行去噪操作，因此可以提高去噪准确性和去噪效果，同时提高目标图像的质量。
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，并不能限制本公开。
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，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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。在附图中：
图1示出了可以应用本公开实施例的图像去噪方法或图像去噪装置的示例性系统架构的示意图；
图2示出了适于用来实现本公开实施例的电子设备的结构示意图；
图3示意性示出了根据本公开实施例的图像去噪方法的流程图；
图4示出了本公开实施例中为当前图像块确定匹配块的流程示意图；
图5示出了本公开实施例中通过多帧运动估计为当前图像块确定匹配块的示意图；
图6示出了本公开实施例中进行图像块融合的流程示意图；
图7示出了本公开实施例中图像去噪的整体流程的示意图；
图8示意性示出了本公开示例性实施例中图像去噪装置的方框图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的步骤。例如，有的步骤还可以分解，而有的步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。另外，下面所有的术语“第一”、“第二”仅是为了区分的目的，不应作为本公开内容的限制。
为了解决相关技术中存在的技术问题，本公开实施例中提供了一种图像去噪方法。图1示出了可以应用本公开实施例的图像去噪方法或图像去噪装置的示例性系统架构的示意图。
如图1所示，该系统架构100可以包括第一端101、网络102以及第二端103。其中，第一端101可以是客户端，例如可以为各种能够用于采集图像和展示图像(播放图像或视频)的手持设备(智能手机)、平板电脑、台式计算机、车载设备、可穿戴设备等等。网络102用以在第一端101和第二端103之间提供通信链路的介质，网络102可以包括各种连接类型，例如有线通信链路、无线通信链路等等，在本公开实施例中，第一端101和第二端103之间的网络102可以是有线通信链路，例如可以通过串口连接线提供通信链路，也可以是无线通信链路，通过无线网络提供通信链路。第二端103可以是客户端，例如便携式计算机、台式计算机、智能手机等具有图像处理功能的终端设备，用于进行图像去噪。其中，当第一端和第二端均为客户端时，二者可以为同一个客户端。第二端也可以为服务器，例如本地服务器或者是云服务器等等，此处不做限定。
本公开实施例中，首先，第一端101可以采集图像作为待处理图像。接下来，第二端103可以基于相邻像素的位置对待处理图像进行分块并确定一个图像块作为当前图像块，并且可以在与当前图像块所在的当前参考帧对应的多个参考帧中通过运动估计的方式确定多个匹配块。再次，第二端可以对所有匹配块中的部分或者是全部与当前图像块进行融合得到多个融合块，以便于根据多个融合块来进行去噪操作，得到最终的去噪后的目标图像。第二端还可以将最终的图像输出至第一端进行展示或播放。
应该理解，图1中的第一端、网络和第二端的数目仅仅是示意性的。根据实现需要，可以具有任意数目的客户端、网络和服务器。
需要说明的是，本公开实施例所提供的图像去噪方法可以完全由第二端执行，也可以由第一端执行，此处不做特殊限定。相应地，图像去噪装置可设置于第一端101或第二端103中。
图2示出了适于用来实现本公开示例性实施方式的一种电子设备的示意图。需要说明的是，图2示出的电子设备仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
本公开的电子设备至少包括处理器和存储器，存储器用于存储一个或多个程序，当一个或多个程序被处理器执行时，使得处理器可以实现本公开示例性实施方式的图像去噪方法。
具体的，如图2所示，电子设备200可以包括：处理器210、内部存储器221、外部存储器接口222、通用串行总线(Universal Serial Bus，USB)接口230、充电管理模块240、电源管理模块241、电池242、天线1、天线2、移动通信模块250、无线通信模块260、音频模块270、扬声器271、受话器272、麦克风273、耳机接口274、传感器模块280、显示屏290、摄像模组291、指示器292、马达293、按键294以及用户标识模块(Subscriber IdentificationModule，SIM)卡接口295等。其中传感器模块280可以包括深度传感器2801、压力传感器2802、陀螺仪传感器2803、气压传感器2804、磁传感器2805、加速度传感器2806、距离传感器2807、接近光传感器2808、指纹传感器2809、温度传感器2810、触摸传感器2811、环境光传感器2812及骨传导传感器2813等。
可以理解的是，本申请实施例示意的结构并不构成对电子设备200的具体限定。在本申请另一些实施例中，电子设备200可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件、软件或软件和硬件的组合实现。
处理器210可以包括一个或多个处理单元，例如：处理器210可以包括应用处理器(Application Processor，AP)、调制解调处理器、图形处理器(Graphics ProcessingUnit，GPU)、图像信号处理器(Image Signal Processor，ISP)、控制器、视频编解码器、数字信号处理器(Digital Signal Processor，DSP)、基带处理器和/或神经网络处理器(Neural-etwork Processing Unit，NPU)等。其中，不同的处理单元可以是独立的器件，也可以集成在一个或多个处理器中。另外，处理器210中还可以设置存储器，用于存储指令和数据。
USB接口230是符合USB标准规范的接口，具体可以是MiniUSB接口，MicroUSB接口，USBTypeC接口等。USB接口230可以用于连接充电器为电子设备200充电，也可以用于电子设备200与外围设备之间传输数据。也可以用于连接耳机，通过耳机播放音频。该接口还可以用于连接其他电子设备，例如AR设备等。
充电管理模块240用于从充电器接收充电输入。其中，充电器可以是无线充电器，也可以是有线充电器。电源管理模块241用于连接电池242、充电管理模块240与处理器210。电源管理模块241接收电池242和/或充电管理模块240的输入，为处理器210、内部存储器221、显示屏290、摄像模组291和无线通信模块260等供电。
电子设备200的无线通信功能可以通过天线1、天线2、移动通信模块250、无线通信模块260、调制解调处理器以及基带处理器等实现。
移动通信模块250可以提供应用在电子设备200上的包括2G/3G/4G/5G等无线通信的解决方案。
无线通信模块260可以提供应用在电子设备200上的包括无线局域网(WirelessLocal Area Networks，WLAN)(如无线保真(Wireless Fidelity，Wi-Fi)网络)、蓝牙(Bluetooth，BT)、全球导航卫星系统(Global Navigation Satellite System，GNSS)、调频(Frequency Modulation，FM)、近距离无线通信技术(Near Field Communication，NFC)、红外技术(Infrared，IR)等无线通信的解决方案。
电子设备200通过GPU、显示屏290及应用处理器等实现显示功能。GPU为图像去噪的微处理器，连接显示屏290和应用处理器。GPU用于执行数学和几何计算，用于图形渲染。处理器210可包括一个或多个GPU，其执行程序指令以生成或改变显示信息。
电子设备200可以通过ISP、摄像模组291、视频编解码器、GPU、显示屏290及应用处理器等实现拍摄功能。在一些实施例中，电子设备200可以包括1个或N个摄像模组291，N为大于1的正整数，若电子设备200包括N个摄像头，N个摄像头中有一个是主摄像头。
内部存储器221可以用于存储计算机可执行程序代码，所述可执行程序代码包括指令。内部存储器221可以包括存储程序区和存储数据区。外部存储器接口222可以用于连接外部存储卡，例如Micro SD卡，实现扩展电子设备200的存储能力。
电子设备200可以通过音频模块270、扬声器271、受话器272、麦克风273、耳机接口274及应用处理器等实现音频功能。例如音乐播放、录音等。
音频模块270用于将数字音频信息转换成模拟音频信号输出，也用于将模拟音频输入转换为数字音频信号。音频模块270还可以用于对音频信号编码和解码。在一些实施例中，音频模块270可以设置于处理器210中，或将音频模块270的部分功能模块设置于处理器210中。
扬声器271，也称“喇叭”，用于将音频电信号转换为声音信号。电子设备200可以通过扬声器271收听音乐，或收听免提通话。受话器272，也称“听筒”，用于将音频电信号转换成声音信号。当电子设备200接听电话或语音信息时，可以通过将受话器272靠近人耳接听语音。麦克风273，也称“话筒”，“传声器”，用于将声音信号转换为电信号。当拨打电话或发送语音信息时，用户可以通过人嘴靠近麦克风273发声，将声音信号输入到麦克风273。电子设备200可以设置至少一个麦克风273。耳机接口274用于连接有线耳机。
针对电子设备200包括的传感器，深度传感器2801用于获取景物的深度信息。压力传感器2802用于感受压力信号，可以将压力信号转换成电信号。陀螺仪传感器2803可以用于确定电子设备200的运动姿态。气压传感器2804用于测量气压。磁传感器2805包括霍尔传感器。电子设备200可以利用磁传感器2805检测翻盖皮套的开合。加速度传感器2806可检测电子设备200在各个方向上(一般为三轴)加速度的大小。距离传感器2807用于测量距离。接近光传感器2808可以包括例如发光二极管(LED)和光检测器，例如光电二极管。指纹传感器2809用于采集指纹。温度传感器2810用于检测温度。触摸传感器2811可以将检测到的触摸操作传递给应用处理器，以确定触摸事件类型。可以通过显示屏290提供与触摸操作相关的视觉输出。环境光传感器2812用于感知环境光亮度。骨传导传感器2813可以获取振动信号。
按键294包括开机键，音量键等。按键294可以是机械按键。也可以是触摸式按键。马达293可以产生振动提示。马达293可以用于来电振动提示，也可以用于触摸振动反馈。指示器292可以是指示灯，可以用于指示充电状态，电量变化，也可以用于指示消息，未接来电，通知等。SIM卡接口295用于连接SIM卡。电子设备200通过SIM卡和网络交互，实现通话以及数据通信等功能。
本申请还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读存储介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现如下述实施例中所述的方法。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、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、或代码的一部分，上述模块、程序段、或代码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。也应当注意，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，两个接连地表示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，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操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。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
图3示意性示出了本公开的示例性实施方式的图像去噪方法的流程图，该图像去噪方法可以应用于例如拍摄图像、图像传输或者是视频播放等任何图像处理过程中，用于过滤掉部分图像，以提高图像质量。参考图3所示，以终端作为执行主体，该图像去噪方法可以包括步骤S310至步骤S330，详细介绍如下：
在步骤S310中，对待处理图像进行分块得到多个图像块。
本公开实施例中，待处理图像可以为使用终端拍摄的图像、视频中的某一帧图像，也可以为从其他设备中获取得到的，例如从网上下载的图像或者是视频中的一帧图像。
在获取到待处理图像后，由于相同图像中不同位置的特征可能不同。为了进行区别性处理，可以遍历整个待处理图像，对待处理图像进行分块，以图像块为单位进行处理。具体地，可以根据预设图像块大小来对待处理图像进行分块操作，生成多个图像块。具体地，可以待处理图像的原点位置或者是任意位置为中心，按照预设图像块大小将待处理图像划分为与预设图像块大小相同的图像块。预设图像块大小可以为4×4或者是其他合适的大小。该图像块的大小可以根据实际需求进行设定，此处不做具体限定。图像块的数量可以为多个，且图像块的大小和图像块的数量负相关。上述的分块过程中，图像块的大小可以为任意，且同一帧中的图像块大小可以不同，形状可以不同；待处理图像中图像块的遍历顺序可以指定为任意顺序，此处不做特殊限定。
需要说明的是，如果边界处的图像块小于预设图像块，则可以使用对称扩充的方式或者是是其他合适的方式来对缺失方向上最后位置的像素进行扩充，以保证图像块的完整性和准确性。
在步骤S320中，通过多帧运动估计，在多个参考帧中分别确定与当前图像块对应的多个匹配块。
本公开实施例中，在确定图像块之后，可以基于多帧运动估计在多个参考帧中确定与当前图像块对应的所有匹配块。当前图像块可以为当前帧中正在处理的一个图像块，具体可以为当前帧的所有图像块中的任意一个。当前帧为当前图像块所在的帧。多个参考帧可以为与当前图像块所在的当前帧对应的参考帧，例如与当前帧相邻的多个相邻帧，例如可以为位于当前帧之前的相邻帧，也可以为位于当前帧之后的相邻帧。当前参考帧指的是正在处理的一个参考帧。本公开实施例中，多个参考帧可以为当前帧FCUR对应的前M帧FCUR-M到后N帧FCUR+N形成的N+M-1帧。
具体地，可以采用基于多个参考帧的多帧运动估计的方式，来从其他多个参考帧中查找与当前图像块相似的匹配块。运动估计指的是将图像序列的每一帧分成许多互不重叠的块，并认为块内所有像素的位移量都相同，然后对每个图像块到参考帧某一给定特定搜索范围内根据一定的匹配准则找出与当前图像块最相似的块，即匹配块。通过多帧运动估计，可以增加搜索的全面性和准确性，避免了只根据图像块的相似性来确定匹配块的问题，避免了匹配块的数量较多增加运算复杂度的问题，也避免了可能导致的匹配错误以及块效应。
图4中示意性示出了在当前参考帧中确定匹配块的流程图，参考图4中所示，主要包括以下步骤S410至步骤S430，其中：
在步骤S410中，以所述当前图像块的位置为中心，根据搜索窗确定当前参考帧的可搜索位置；其中，所述搜索窗根据当前图像块的梯度而确定。
本步骤中，搜索窗可以用于规定搜索过程执行的区域范围。在当前参考帧中，每个图像块的搜索窗可以不一致，搜索窗的大小可以根据搜索窗规则进行设定。搜索窗规则可以包括梯度大小或者是遍历的图像块的数量，基于此，搜索窗的大小可以根据当前图像块的梯度而确定。举例而言，可以当前图像块的梯度为依据，使得梯度与搜索窗正相关，即梯度越大，搜索窗越大；梯度越小，搜索窗越小。搜索窗的窗口大小也可以随着遍历的图像块的增加，而逐渐增大或逐渐变小。
可搜索位置指的是当前参考帧的可搜索范围，即可能存在匹配块的区域范围，具体可以根据每个图像块的搜索窗的大小而确定。每个参考帧的可搜索位置可能相同或者是不同。
在步骤S420中，通过预设步长遍历所述可搜索位置，得到与所述当前图像块大小相同的所有参考块。
本步骤中，可以通过预设步长对可搜索位置进行遍历匹配，以从当前参考帧中获取到与当前图像块大小相同的所有参考块。预设步长可以为设定的步长，预设步长可以根据实际需求进行设置，例如可以为任意像素精度。
在步骤S430中，将所有参考块与所述当前图像块进行匹配得到匹配度，并根据所述匹配度从所述当前参考帧的所有参考块中确定所述当前参考帧对应的匹配块，以在多个参考帧中分别确定与当前图像块对应的多个匹配块。
本步骤中，可以将所有参考块与当前图像块进行匹配，以得到二者之间的匹配度。具体可以对参考块进行特征提取得到参考特征，对当前图像块进行特征提取得到当前特征，然后基于提取的参考特征和当前特征来计算二者之间的匹配度。匹配度的表现方式可以包括但不限于SAD(Sum of Absolute Differences，绝对误差和算法)、欧式距离、纹理梯度等方式的一种或多种。其中，纹理梯度指的是像素梯度。对于绝对误差和算法而言，平均绝对差越小，表明越相似。对于欧式距离而言，欧式距离越小，表明相似度越大，匹配度越高。对于纹理梯度而言，纹理梯度越小，表明匹配度越高。
举例而言，当匹配度为欧式距离时，可以通过欧式距离计算公式，计算参考块的参考特征与当前图像块的当前特征之间的欧式距离，并根据欧式距离确定参考块和当前图像块之间的匹配度，以便于基于匹配度来确定出当前参考帧对应的匹配块。
对于当前参考帧而言，匹配块可以为至少一个匹配块，例如可以包括一个或者是多个。若为一个匹配块，在计算出匹配度之后，可以将匹配度最高的参考块作为当前图像块的在当前参考帧中的一个匹配块。若为多个匹配块，则可以将匹配度大于预设阈值的所有图像块均作为匹配块，预设阈值可以根据实际需求进行设置。并且，每个参考帧中存在的匹配块的数量可以相同或不同，具体是根据匹配度的数值来确定的。通过匹配度来选择至少一个匹配块，能够提高匹配块的准确性。
在得到匹配块的同时，可以记录每个匹配块的可信度。此处的可信度用于表示匹配块的匹配程度，以用于去噪操作。可信度可以用SAD(Sum of Absolute Differences，绝对误差和算法)来表示，用来确定后续去噪过程中的权重，从而影响去噪效果。
需要说明的是，对于所有参考帧中的所有图像块确定匹配块的方式与图4中的步骤相同，因此此处不再赘述。通过图4中的步骤，可以确定出所有参考帧中与当前帧包含的所有图像块对应的匹配块。
图5中示意性示出了采用多个参考帧的运动估计确定与当前图像块相似的匹配块的示意图。具体地，可以从当前帧FCUR相邻的前一帧FCUR-1、后一帧FCUR+1、前两帧FCUR-2、后两帧FCUR+2直至前M帧FCUR-M、后N帧FCUR+N等N+M-1个参考帧中，分别确定与当前帧的当前图像块最相似的匹配块。其中N和M的数量可以进行任意设定，且范围不限。通过多个参考帧的运动估计来确定待处理图像中的当前图像块最相似的匹配块的方式，能够结合多帧运动估计，在多个参考帧中确定出与当前图像块最相似的匹配块，避免了仅考虑到图像块的相似性进行多个图像块的匹配融合时导致的匹配块的数量过多的问题，考虑了物体的运动特性，基于多帧运动估计减少了匹配度的数量，能够提高匹配块的准确性、合理性以及可靠性，降低了运算复杂度，避免了由于匹配的错误而导致的块效应。
在从多个参考帧中确定当前图像块的匹配块的同时，可以确定每个匹配块以及当前图像块的运动矢量。运动矢量指的是从参考帧的某个位置的等大小的匹配块对当前图像块进行预测，预测的过程中只有平移，平移的大小(即匹配块与当前块的相对位移)被称为运动矢量。由于运动矢量之间并不是独立的(例如属于同一个运动物体的相邻两个图像块通常运动的相关性很大)，运动矢量的值可以是非整数的。
可以分别对当前帧和当前帧的后一帧的图像进行分块操作，并确定当前帧中图像相对于当前帧的后一帧图像的运动矢量。具体地，可以将当前帧中的当前图像块相对于当前帧的后一帧图像中的匹配块的运动矢量记为前向运动矢量。另外，还可以将当前帧的后一帧图像中的匹配块相对于当前帧图像中当前图像块的运动矢量记为后向运动矢量。
具体而言，在确定运动矢量时，可以遍历当前帧中的每个图像块，并以任一参考帧为参考，在任一参考帧中采用像素精度确定每个所述图像块的运动矢量。其中对于当前帧Fcur和任一参考帧Fcur+K两帧，依次遍历Fcur中的每个图像块，以任一参考帧Fcur+K作为参考，在任一参考帧Fcur+K中采用像素精度，确定每个图像块的运动矢量。像素精度可以为双像素级、像素级或亚像素中的任意一种。双像素级指的是两个像素的级别。亚像素精度为在像素级的基础上再进行分割，是指相邻两像素之间细分情况所表示的级别。像素级指的即为实际像素所代表的级别。比如1200万像素就可以说是1200万像素级的。基于此，可以不同的像素级别表示的像素精度来进行比较，得到当前参考帧中每个图像块的运动矢量。
本公开实施例中，如果根据匹配度，确定当前参考帧的所述可搜索位置内不存在匹配块，即无法确定匹配块，则可以通过匹配块补充方式来确定匹配块。其中，匹配块补充方式可以包括以下方式中的一种：将其他参考帧的匹配块或者当前图像块作为所述当前参考帧的匹配块；或者，根据距离当前图像块最近的已去噪的相邻图像块，在所述当前参考帧中对匹配块的运动矢量进行平移，以确定所述当前图像块在所述当前参考帧中的匹配块；或者，将运动矢量为预设值对应的匹配块作为所述当前图像块的匹配块。其中，预设值可以为0。具体选择哪一种匹配块补充方式，可以按照当前图像块的类型来选择或者是随机来选择。本公开实施例中，主要通过其他参考帧的匹配块或者是当前图像块来代替当前图像块在当前参考帧对应的匹配块，以提高全面性和确定匹配块的效率。
在确定当前图像块的匹配块时，可以同时确定该匹配块的可信度。此处的可信度用于表示匹配块的匹配程度，以用于后续的去噪操作。可信度可以用SAD(Sum of AbsoluteDifferences，绝对误差和算法)来表示，用来确定后续去噪操作过程中的权重，从而影响去噪效果。
继续参考图3中所示，在步骤S330中，根据多个所述匹配块与所述当前图像块进行加权融合，以对所述当前图像块进行去噪操作，得到所述待处理图像对应的目标图像。
本公开实施例中，在进行图像块融合时，可以选择多个匹配块对应的目标匹配块进行融合。目标匹配块可以为每一个参考帧的所有匹配块或者是部分匹配块，具体可以根据匹配块的数量而确定。例如，在当前图像块的某一参考帧的匹配块的数量大于数量阈值时，则可以选择部分匹配块；在当前图像块的某一参考帧的匹配块的数量不大于数量阈值时，则可以选择所有匹配块。本公开实施例中，以目标匹配块为所有匹配块为例进行说明。
在此基础上，可以为当前图像块，在所有输入帧中寻找最匹配的匹配块进行基于权重的融合，以执行所有参考帧的匹配块与当前图像块的融合，以得到融合结果。
图6中示意性示出了图像块融合的流程图，参考图6中所示，主要包括以下步骤：
在步骤S610中，根据图像可信度参数确定每个参考帧对应的所述目标匹配块的权重以及所述当前图像块的权重；
在步骤S620中，按照所述目标匹配块的权重以及所述当前图像块的权重，将多个目标匹配块以及所述当前图像块进行融合得到融合结果，直至为所述待处理图像的所有图像块进行融合为止，并根据所述融合结果确定所述目标图像。
具体地，图像可信度参数可以用图像块的权重来表示，具体而言，每个目标匹配块的权重或者是当前匹配块的权重可以为时间距离、匹配可信度以及人工设定等方式中的一种或多种。在此基础上，可以根据每个参考帧对应的目标匹配块的权重与每个参考帧的匹配块的属性参数的乘积，以及当前图像块的权重和当前图像块的属性参数的乘积之和，与所有参考帧的目标匹配块的权重以及当前图像块的权重之和的比值，来确定一个融合结果的属性参数。此处的属性参数可以为每个融合块在像素级的像素值。其中，每个匹配块可以为4×4，基于此，可以将N+M个4×4的匹配块与1个当前图像块进行融合，将所有匹配块以及当前图像块中相同位置的像素值按照每个匹配块对应的权重以及当前图像块对应的权重进行加权平均得到加权平均值，并将加权平均值作为融合结果中相同位置的像素值，以确定融合结果的属性参数。对匹配块以及当前图像块进行融合得到融合结果的具体方式可以如公式(1)所示：
其中，wCUR-M、wCUR+N分别为每个参考帧的目标匹配块对应的权重，wCUR为当前图像块的权重。对于不同的匹配块，其对应的权重可以不同，即可以按照匹配块的类型或者是匹配块的其他参数来确定其权重的大小。
本公开实施例中，以权重为时间距离为例进行说明。例如，时间距离越大，权重越大；或者是时间距离越小，权重越大。需要说明的是，时间距离和权重之间的对应关系可以根据实际需求进行设定。
图7中示意性示出了图像去噪的整体流程图，参考图7中所示，主要包括以下内容：
步骤S710，从输入块701中进行搜索，得到匹配块702。输入块可以包括用于代表待处理图像划分成的多个图像块中的当前图像块，也可以包括多个参考帧的图像。对于当前图像块，可以从所有参考帧中进行搜索，以在每个参考帧中搜索到与当前图像块相似的匹配块。
步骤S720，将所有参考帧的匹配块702与当前图像块703进行融合，得到输出块704。此处的输出块指的是对当前图像块进行降噪后得到的结果。
步骤S710和步骤S720是对当前图像块进行去噪的过程。在对待处理图像进行去噪时，由于将待处理图像划分为多个图像块，因此可以通过步骤S710和步骤S720的方法，来对每个图像块进行去噪操作，直至为待处理图像的所有图像块均完成去噪操作为止，并根据最终得到的所有图像块的融合结果来确定与待处理图像对应的目标图像。
本公开实施例中，采用多帧运动估计的方法进行图像去噪，由于结合了物体的运动特性，利用相邻帧之间的前景和背景的变化运动特性，通过更加准确的块匹配策略，在多个参考帧中确定最符合其运动属性的最匹配的块，降低了匹配块的数量，并提高了精度。相对于现有技术方案，可以在相同匹配块数量的基础上，降低了运算复杂度，且避免了匹配错误，极大程度的提高图像去噪的效果且降低了块效应。
在根据去噪操作来获取目标图像的过程中，可以对待处理图像在至少一个色彩空间进行多次去噪操作。至少一个色彩空间可以包括YUV、RGB以及bayer格式等色彩空间。在至少一个色彩空间进行去噪时，首先可以在RGB色彩空间来进行去噪操作，以去除颜色段本身的噪声；YUV域进行去噪可以设置为最后一步，以在Y域去除亮度噪声，在UV域去除色噪。对于RAW(RAW Image Format)域对应的bayer色彩空间，可以不切分RGB三分量，直接对bayer格式的图像进行去噪操作，以提高准确性和针对性。
需要说明的是，在对至少一个色彩空间的待处理图像进行多次去噪操作时，可以将每一次去噪结果作为下一次去噪操作的输入，即多次去噪操作之间存在关联性。通过连续的去噪操作，以提高对待处理图像的去噪效果。
除此之外，本公开实施例中的去噪方案也可以用于图像修复过程，例如针对视频中某些单帧丢失的细节，可以利用其他帧的进行填补，更正等操作，以提高图像质量。
应当注意，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
图8示意性示出了本公开的示例性实施方式的图像去噪装置的方框图。参考图8所示，根据本公开的示例性实施方式的图像去噪装置800可以包括以下模块：
图像分块模块801，可以用于对待处理图像进行分块得到多个图像块；
匹配块确定模块802，可以用于通过多帧运动估计，在多个参考帧中分别确定与当前图像块对应的多个匹配块；
图像块融合模块803，可以用于根据多个所述匹配块与所述当前图像块进行加权融合，以对所述当前图像块进行去噪操作，得到所述待处理图像对应的目标图像。
在本公开的一种示例性实施例中，匹配块确定模块包括：位置确定模块，用于以所述当前图像块的位置为中心，根据搜索窗确定当前参考帧的可搜索位置；其中，所述搜索窗根据当前图像块的梯度而确定；参考块确定模块，用于通过预设步长遍历所述可搜索位置，得到与所述当前图像块大小相同的所有参考块；匹配块选择模块，用于将所有参考块与所述当前图像块进行匹配得到匹配度，并根据所述匹配度从所述当前参考帧的所有参考块中确定所述当前参考帧对应的匹配块，以在多个参考帧中分别确定与当前图像块对应的多个匹配块。
在本公开的一种示例性实施例中，匹配块选择模块被配置为：将所有参考块中所述匹配度最高的至少一个参考块，作为所述当前图像块在所述当前参考帧中的所述匹配块。
在本公开的一种示例性实施例中，所述匹配度包括绝对误差和算法、欧式距离以及纹理梯度中的一种或多种。
在本公开的一种示例性实施例中，所述装置还包括：运动矢量确定模块，用于遍历当前帧中的每个图像块，并以任一参考帧为参考，在所述任一参考帧中采用像素精度确定所述当前帧中每个图像块的运动矢量。
在本公开的一种示例性实施例中，所述装置还包括：匹配块补充模块，用于若所述当前参考帧的所述可搜索位置内不存在所述匹配块，则根据图像块补充方式来确定匹配块。
在本公开的一种示例性实施例中，所述匹配块补充方式包括以下方式中的一种：将其他参考帧的匹配块或者当前图像块作为所述当前参考帧的匹配块；根据距离当前图像块最近的已去噪的相邻图像块，在所述当前参考帧中对匹配块的运动矢量进行平移，以确定所述当前图像块在所述当前参考帧中的匹配块；将运动矢量为预设值的匹配块作为所述当前图像块的匹配块。
在本公开的一种示例性实施例中，图像块融合模块包括：目标图像确定模块，用于对每个参考帧的目标匹配块以及所述当前图像块进行图像块融合，以根据融合结果确定所述目标图像。
在本公开的一种示例性实施例中，目标图像确定模块包括：权重确定模块，用于根据图像可信度参数确定每个参考帧对应的所述目标匹配块的权重以及所述当前图像块的权重；块融合模块，用于按照所述目标匹配块的权重以及所述当前图像块的权重，将多个目标匹配块以及所述当前图像块进行融合得到融合结果，直至为所述待处理图像的所有图像块进行融合为止，并根据所述融合结果确定所述目标图像。
在本公开的一种示例性实施例中，所述装置还包括：多次去噪模块，用于对所述待处理图像在至少一个色彩空间进行多次去噪操作，以得到所述目标图像。
由于本公开实施方式的图像去噪装置的各个功能模块与上述图像去噪方法的实施方式中相同，因此在此不再赘述。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
此外，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
本领域技术人员在考虑说明书及实践这里公开的内容后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。
Claims (13)
1.一种图像去噪方法，其特征在于，包括：
对待处理图像进行分块得到多个图像块；
通过多帧运动估计，在多个参考帧中分别确定与当前图像块对应的多个匹配块；
根据多个所述匹配块与所述当前图像块进行加权融合，以对所述当前图像块进行去噪操作，得到所述待处理图像对应的目标图像。
2.根据权利要求1所述的图像去噪方法，其特征在于，所述通过多帧运动估计，在多个参考帧中分别确定与当前图像块对应的多个匹配块，包括：
以所述当前图像块的位置为中心，根据搜索窗确定当前参考帧的可搜索位置；其中，所述搜索窗根据当前图像块的梯度而确定；
通过预设步长遍历所述可搜索位置，得到与所述当前图像块大小相同的所有参考块；
将所有参考块与所述当前图像块进行匹配得到匹配度，并根据所述匹配度从所述当前参考帧的所有参考块中确定所述当前参考帧对应的匹配块，以在多个参考帧中分别确定与当前图像块对应的多个匹配块。
3.根据权利要求2所述的图像去噪方法，其特征在于，所述根据所述匹配度从所述当前参考帧的所有参考块中确定所述匹配块，包括：
将所有参考块中所述匹配度最高的至少一个参考块，作为所述当前图像块在所述当前参考帧中的所述匹配块。
4.根据权利要求3所述的图像去噪方法，其特征在于，所述匹配度包括绝对误差和算法、欧式距离以及纹理梯度中的一种或多种。
5.根据权利要求1至4任一项所述的图像去噪方法，其特征在于，所述方法还包括：
遍历当前帧中的每个图像块，并以任一参考帧为参考，在所述任一参考帧中采用像素精度确定所述当前帧中每个图像块的运动矢量。
6.根据权利要求2所述的图像去噪方法，其特征在于，所述方法还包括：
若所述当前参考帧的所述可搜索位置内不存在所述匹配块，则根据图像块补充方式来确定匹配块。
7.根据权利要求6所述的图像去噪方法，其特征在于，所述匹配块补充方式包括以下方式中的一种：
将其他参考帧的匹配块或者当前图像块作为所述当前参考帧的匹配块；
根据距离当前图像块最近的已去噪的相邻图像块，在所述当前参考帧中对匹配块的运动矢量进行平移，以确定所述当前图像块在所述当前参考帧中的匹配块；
将运动矢量为预设值的匹配块作为所述当前图像块的匹配块。
8.根据权利要求1至4任一项所述的图像去噪方法，其特征在于，所述根据多个所述匹配块与所述当前图像块进行加权融合，以对所述当前图像块进行去噪操作，得到所述待处理图像对应的目标图像，包括：
对每个参考帧的目标匹配块以及所述当前图像块进行图像块融合，以根据融合结果确定所述目标图像。
9.根据权利要求8所述的图像去噪方法，其特征在于，所述对每个参考帧的目标匹配块以及所述当前图像块进行图像块融合，以根据融合结果确定所述目标图像，包括：
根据图像可信度参数确定每个参考帧对应的所述目标匹配块的权重以及所述当前图像块的权重；
按照所述目标匹配块的权重以及所述当前图像块的权重，将多个目标匹配块以及所述当前图像块进行融合得到融合结果，直至为所述待处理图像的所有图像块进行融合为止，并根据所述融合结果确定所述目标图像。
10.根据权利要求1至4任一项所述的图像去噪方法，其特征在于，所述方法还包括：
对所述待处理图像在至少一个色彩空间进行多次去噪操作，以得到所述目标图像。
11.一种图像去噪装置，其特征在于，包括：
图像分块模块，用于对待处理图像进行分块得到多个图像块；
匹配块确定模块，用于通过多帧运动估计，在多个参考帧中分别确定与当前图像块对应的多个匹配块；
图像块融合模块，用于根据多个所述匹配块与所述当前图像块进行加权融合，以对所述当前图像块进行去噪操作，得到所述待处理图像对应的目标图像。
12.一种计算机可读存储介质，其上存储有计算机程序，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1-10任意一项所述的图像去噪方法。
13.一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-10任意一项所述的图像去噪方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010694133.9A CN111784614A (zh) | 2020-07-17 | 2020-07-17 | 图像去噪方法及装置、存储介质和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010694133.9A CN111784614A (zh) | 2020-07-17 | 2020-07-17 | 图像去噪方法及装置、存储介质和电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111784614A true CN111784614A (zh) | 2020-10-16 |
Family
ID=72763399
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010694133.9A Pending CN111784614A (zh) | 2020-07-17 | 2020-07-17 | 图像去噪方法及装置、存储介质和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111784614A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113191965A (zh) * | 2021-04-14 | 2021-07-30 | 浙江大华技术股份有限公司 | 图像降噪方法、设备及计算机存储介质 |
| CN113240609A (zh) * | 2021-05-26 | 2021-08-10 | Oppo广东移动通信有限公司 | 图像去噪方法、装置及存储介质 |
| CN113542741A (zh) * | 2021-07-13 | 2021-10-22 | Oppo广东移动通信有限公司 | 图像码流去噪方法及装置、计算机可读介质和电子设备 |
| CN113538268A (zh) * | 2021-07-09 | 2021-10-22 | Oppo广东移动通信有限公司 | 图像处理方法及装置、计算机可读存储介质和电子设备 |
| CN113613005A (zh) * | 2021-07-30 | 2021-11-05 | 百果园技术(新加坡)有限公司 | 一种基于时域滤波的视频降噪的方法及装置 |
| CN113628236A (zh) * | 2021-08-16 | 2021-11-09 | 北京百度网讯科技有限公司 | 摄像头遮挡检测方法、装置、设备、存储介质及程序产品 |
| CN113766085A (zh) * | 2021-05-17 | 2021-12-07 | 腾讯科技（深圳）有限公司 | 图像处理方法及相关装置 |
| CN114007134A (zh) * | 2021-10-25 | 2022-02-01 | Oppo广东移动通信有限公司 | 视频处理方法、装置、电子设备及存储介质 |
| CN116363018A (zh) * | 2023-05-30 | 2023-06-30 | 江苏游隼微电子有限公司 | 一种自适应的nlm降噪方法 |
| CN116634284A (zh) * | 2023-07-20 | 2023-08-22 | 清华大学 | Raw域视频去噪方法、装置、电子设备及存储介质 |
| CN114007134B (zh) * | 2021-10-25 | 2024-06-11 | Oppo广东移动通信有限公司 | 视频处理方法、装置、电子设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN108270945A (zh) * | 2018-02-06 | 2018-07-10 | 上海通途半导体科技有限公司 | 一种运动补偿去噪方法及装置 |
| CN108694705A (zh) * | 2018-07-05 | 2018-10-23 | 浙江大学 | 一种多帧图像配准与融合去噪的方法 |
-
2020
- 2020-07-17 CN CN202010694133.9A patent/CN111784614A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN108270945A (zh) * | 2018-02-06 | 2018-07-10 | 上海通途半导体科技有限公司 | 一种运动补偿去噪方法及装置 |
| CN108694705A (zh) * | 2018-07-05 | 2018-10-23 | 浙江大学 | 一种多帧图像配准与融合去噪的方法 |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113191965B (zh) * | 2021-04-14 | 2022-08-09 | 浙江大华技术股份有限公司 | 图像降噪方法、设备及计算机存储介质 |
| CN113191965A (zh) * | 2021-04-14 | 2021-07-30 | 浙江大华技术股份有限公司 | 图像降噪方法、设备及计算机存储介质 |
| CN113766085A (zh) * | 2021-05-17 | 2021-12-07 | 腾讯科技（深圳）有限公司 | 图像处理方法及相关装置 |
| CN113766085B (zh) * | 2021-05-17 | 2023-03-03 | 腾讯科技（深圳）有限公司 | 图像处理方法及相关装置 |
| CN113240609A (zh) * | 2021-05-26 | 2021-08-10 | Oppo广东移动通信有限公司 | 图像去噪方法、装置及存储介质 |
| CN113538268A (zh) * | 2021-07-09 | 2021-10-22 | Oppo广东移动通信有限公司 | 图像处理方法及装置、计算机可读存储介质和电子设备 |
| CN113542741A (zh) * | 2021-07-13 | 2021-10-22 | Oppo广东移动通信有限公司 | 图像码流去噪方法及装置、计算机可读介质和电子设备 |
| CN113542741B (zh) * | 2021-07-13 | 2024-05-07 | Oppo广东移动通信有限公司 | 图像码流去噪方法及装置、计算机可读介质和电子设备 |
| CN113613005A (zh) * | 2021-07-30 | 2021-11-05 | 百果园技术(新加坡)有限公司 | 一种基于时域滤波的视频降噪的方法及装置 |
| CN113613005B (zh) * | 2021-07-30 | 2024-04-19 | 百果园技术(新加坡)有限公司 | 一种基于时域滤波的视频降噪的方法及装置 |
| CN113628236A (zh) * | 2021-08-16 | 2021-11-09 | 北京百度网讯科技有限公司 | 摄像头遮挡检测方法、装置、设备、存储介质及程序产品 |
| CN114007134A (zh) * | 2021-10-25 | 2022-02-01 | Oppo广东移动通信有限公司 | 视频处理方法、装置、电子设备及存储介质 |
| CN114007134B (zh) * | 2021-10-25 | 2024-06-11 | Oppo广东移动通信有限公司 | 视频处理方法、装置、电子设备及存储介质 |
| CN116363018A (zh) * | 2023-05-30 | 2023-06-30 | 江苏游隼微电子有限公司 | 一种自适应的nlm降噪方法 |
| CN116363018B (zh) * | 2023-05-30 | 2023-08-08 | 江苏游隼微电子有限公司 | 一种自适应的nlm降噪方法 |
| CN116634284A (zh) * | 2023-07-20 | 2023-08-22 | 清华大学 | Raw域视频去噪方法、装置、电子设备及存储介质 |
| CN116634284B (zh) * | 2023-07-20 | 2023-10-13 | 清华大学 | Raw域视频去噪方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111784614A (zh) | 图像去噪方法及装置、存储介质和电子设备 | |
| CN111641828B (zh) | 视频处理方法及装置、存储介质和电子设备 | |
| CN111445392B (zh) | 图像处理方法及装置、计算机可读存储介质和电子设备 | |
| CN111161176B (zh) | 图像处理方法及装置、存储介质和电子设备 | |
| CN111429517A (zh) | 重定位方法、重定位装置、存储介质与电子设备 | |
| CN111598776A (zh) | 图像处理方法、图像处理装置、存储介质与电子设备 | |
| CN111311758A (zh) | 增强现实处理方法及装置、存储介质和电子设备 | |
| CN111815666B (zh) | 图像处理方法及装置、计算机可读存储介质和电子设备 | |
| CN111641835A (zh) | 视频处理方法、视频处理装置和电子设备 | |
| CN111784734A (zh) | 图像处理方法及装置、存储介质和电子设备 | |
| CN111696039B (zh) | 图像处理方法及装置、存储介质和电子设备 | |
| CN110933334B (zh) | 视频降噪方法、装置、终端及存储介质 | |
| CN111741303B (zh) | 深度视频处理方法、装置、存储介质与电子设备 | |
| CN111641829B (zh) | 视频处理方法及装置、系统、存储介质和电子设备 | |
| CN112927271A (zh) | 图像处理方法、图像处理装置、存储介质与电子设备 | |
| CN111462170A (zh) | 运动估计方法、运动估计装置、存储介质与电子设备 | |
| CN112954251A (zh) | 视频处理方法、视频处理装置、存储介质与电子设备 | |
| CN111598919A (zh) | 运动估计方法、运动估计装置、存储介质与电子设备 | |
| CN110807769A (zh) | 图像显示控制方法及装置 | |
| CN108230372B (zh) | 一种图像处理方法、终端及计算机可读存储介质 | |
| CN114020387A (zh) | 终端的截屏方法及装置、存储介质和电子设备 | |
| CN111325786B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| WO2021129444A1 (zh) | 文件聚类方法及装置、存储介质和电子设备 | |
| CN113743517A (zh) | 模型训练方法、图像深度预测方法及装置、设备、介质 | |
| CN111770339B (zh) | 视频编码方法、装置、设备及存储介质 |
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 |