CN111815535B - 图像处理方法、装置、电子设备和计算机可读介质 - Google Patents
图像处理方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN111815535B CN111815535B CN202010677226.0A CN202010677226A CN111815535B CN 111815535 B CN111815535 B CN 111815535B CN 202010677226 A CN202010677226 A CN 202010677226A CN 111815535 B CN111815535 B CN 111815535B
- Authority
- CN
- China
- Prior art keywords
- sub
- image
- frequency
- noise variance
- channel
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 61
- 238000000034 method Methods 0.000 claims abstract description 32
- 230000009466 transformation Effects 0.000 claims abstract description 18
- 238000004590 computer program Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 230000001131 transforming effect Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 14
- 238000006243 chemical reaction Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 235000012434 pretzels Nutrition 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/20048—Transform domain processing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本公开的实施例公开了一种图像处理方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：对与目标图像对应的每个通道图像进行划分，得到与该每个通道图像相对应的子图像集合；确定与每个子图像对应的噪声方差；对该每个子图像进行频率变换，得到子频率图；基于该子频率图像中像素的坐标，对该噪声方差进行调整；基于调整后的噪声方差，对该子频率图进行处理，得到去噪后的目标图像。该实施方式便捷、有效的提高了对目标图像去除噪声的能力。
Description
技术领域
本公开的实施例涉及计算机技术领域，具体涉及图像处理方法、装置、电子设备和计算机可读介质。
背景技术
随着各种数字仪器和数码产品的普及，图像和视频已成为人类活动中最常用的信息载体，它们包含着物体的大量信息，成为人们获取外界原始信息的主要途径。然而在图像的获取、传输和存贮过程中常常会受到各种噪声的干扰和影响而使图像降质，并且图像预处理算法的好坏又直接关系到后续图像处理的效果，如图像分割、目标识别、边缘提取等。所以为了获取高质量数字图像，很有必要对图像进行降噪处理，尽可能的保持原始信息完整性(即主要特征)的同时，又能够去除信号中无用的信息。所以，降噪处理一直是图像处理和计算机视觉研究的热点。
发明内容
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了图像处理方法、装置、设备和计算机可读介质，来解决以上背景技术部分提到的技术问题。
第一方面，本公开的一些实施例提供了一种图像处理方法，该方法包括：对与目标图像对应的每个通道图像进行划分，得到与上述每个通道图像相对应的子图像集合；确定与每个子图像对应的噪声方差；对上述每个子图像进行频率变换，得到子频率图；基于上述子频率图像中像素的坐标，对上述噪声方差进行调整；基于调整后的噪声方差，对上述子频率图进行处理，得到去噪后的目标图像。
第二方面，本公开的一些实施例提供了一种图像处理装置，装置包括：划分单元，被配置成对与目标图像对应的每个通道图像进行划分，得到与上述每个通道图像相对应的子图像集合；确定单元，被配置成确定与每个子图像对应的噪声方差；变换单元，被配置成对上述每个子图像进行频率变换，得到子频率图；调整单元，被配置成基于上述子频率图像中像素的坐标，对上述噪声方差进行调整；
第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一的方法。
第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中任一的方法。
本公开的上述各个实施例中的一个实施例具有如下有益效果：首先，对与目标图像对应的每个通道图像进行划分，可以得到相对应的子图像集合。这种将每个通道图像进一步划分再来处理噪声的方法有助于提高图像的去噪效果。然后确定与每个子图像对应的噪声方差。进而，将每个子图像转换到频域来，从频率分布的角度来观察子图像的特征，得到子频率图。然后，基于上述子频率图像中像素的坐标，对上述噪声方差进行调整。最后，根据调整后的噪声方差，对上述子频率图进行处理，得到去噪后的目标图像。该图像处理方法可以简便、准确的实现了对目标图像去除噪声。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1是本公开的一些实施例的图像处理方法的一个应用场景图的示意图；
图2是根据本公开的图像处理方法一些实施例的流程图；
图3是根据本公开的图像处理方法的一些实施例的频率变化图；
图4是根据本公开的图像处理方法的另一些实施例的流程图；
图5是根据本公开的图像处理装置的一些实施例的结构示意图；
图6是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是根据本公开的一些实施例的图像处理方法的一个应用场景的示意图。
如图1所示，电子设备101对与目标图像102对应的每个通道图像103按照一定的规格进行划分，得到与上述每个通道图像103相对应的子图像集合组104中的子图像集合。其中，上述通道图像103包括：红色通道图像、绿色通道图像和蓝色通道图像。上述子图像集合组可以包括：第一子图像集合、第二子图像集合、第三子图像集合和第四子图像集合。可选的，上述电子设备101可以对与目标图像102 对应的每个通道图像103按照4*4的比例进行划分，得到与上述每个通道图像103相对应的子图像集合组104中的子图像集合。然后，确定与每个子图像对应的噪声方差105。
进而，对上述每个子图像进行频率变换，得到变换后的子频率图。作为示例，与上述每个子图像对应的子频率图可以是子图像集合组 104中每个子图像集合中的每个子图像进行频率变换得到的，即子频率图集合组106中每个子频率图集合中的每个子频率图。其中，上述子频率图集合组106包括：第一子频率图集合、第二子频率图集合、第三子频率图集合和第四子频率图集合。
然后，通过上述子频率图像中像素的坐标，对上述噪声方差105 进行调整，得到调整后的噪声方差107。可选的，可以将上述子频率图像中像素的坐标的均值与上述噪声方差105进行相乘，得到的相乘结果作为调整后的噪声方差107。
最后，通过调整后的噪声方差105，对上述子频率图进行处理，得到去噪后的目标图像108。可选的，首先可以对调整后的噪声方差 107进行归一化。然后，可以将归一化后的结果与上述子频率图中的像素值进行相乘，得到更新后的子频率图。最后，将上述更新后的子频率图进行逆频率变换，可以得到去噪后的目标图像108。
可以理解的是，图像处理方法可以是由上述电子设备101来执行。其中，电子设备101可以是硬件，也可以是软件。当电子设备101为硬件时，可以是具有信息处理能力的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机、台式计算机、服务器等等。当电子设备101为软件时，可以安装在上述所列举的电子设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
继续参考图2，示出了根据本公开的图像处理方法的一些实施例的流程200。该图像处理方法，包括以下步骤：
步骤201，对与目标图像对应的每个通道图像进行划分，得到与上述每个通道图像相对应的子图像集合。
在一些实施例中，图像处理方法的执行主体(例如图1所示的电子设备)可以通过各种方式对与目标图像对应的每个通道图像进行划分，得到与上述每个通道图像相对应的子图像集合。其中，上述目标图像可以是待划分的RAW格式的图像。通道图像可以是上述目标图像的颜色通道图像。上述颜色通道可以包括绿色通道、红色通道和蓝色通道。在这里，上述与目标图像对应的通道图像可以包括红色通道、绿色通道和蓝色通道。作为示例，对与目标图像对应的每个通道图像进行按照预先设定的份数随机划分，得到与上述每个通道图像相对应的子图像集合。
在一些实施例的一些可选的实现方式中，对与目标图像对应的每个通道图像进行划分，得到与上述每个通道图像相对应的子图像集合可以是：对上述每个通道图像按照预先设定的尺寸进行划分，得到与上述每个通道图像相对应的子图像集合。其中，上述子图像集合中相邻两个子图像之间存在像素重叠。这种像素重叠处理用于消除后续后续子图像合并而留下的痕迹。作为示例，对上述每个通道图像按照16*16 的尺寸进行划分，得到与上述每个通道图像相对应的子图像集合。作为示例，上述每个通道图像在进行划分时，保证划分后的子图像集合中相邻两个子图像之间存在相互重叠的8个像素。
步骤202，确定与每个子图像对应的噪声方差。
在一些实施例中，上述执行主体可以确定与每个子图像对应的噪声方差。其中，图像的噪声可以是指妨碍人们感觉器官对所接收的信源信息理解的因素。上述图像的噪声可以包括但不限于以下至少一项：加性噪声，乘性噪声，量化噪声，“椒盐”噪声。作为示例，可以通过图像噪声估计算法(Filter-Based Approach Using Arithmetic Averaging) 确定与每个子图像对应的噪声。进而，确定与每个子图像对应的噪声方差。
在一些实施例的一些可选的实现方式中，确定与每个子图像对应的噪声方差可以通过以下步骤：
确定与上述每个子图像相对应的像素值集合的均方根值作为与上述每个子图像对应的噪声方差。作为示例，子图像的像素值集合为 [(2,2,2),(4,4,4),(6,6,6)]，进而可以得到与上述子图像的像素值集合相对应的均方根值为18.67作为上述噪声方差。
步骤203，对上述每个子图像进行频率变换，得到子频率图。
在一些实施例中，上述执行主体可以对上述每个子图像进行频率变换，得到变换后的子频率图。其中，上述子频率图表征着对应上述子图像中灰度变化的剧烈程度的梯度分布图。其中，上述子频率图的像素值对应着上述子图像的频率信息。需要说明的是，不同的频率信息在图像结构中有不同的作用。图像的主要成分是低频信息。低频信息形成了图像的基本灰度等级，对图像结果的决定作用较小。图像的中频信息决定了图像的基本结构，形成了图像的主要边缘结构。图像的高频信息形成了图像的边缘和细节，是在中频信息上对图像内容的进一步强化。
作为示例，上述执行主体可以对上述每个子图像进行离散余弦变换，得到变换后的子频率图。
在一些实施例的一些可选的实现方式中，上述对调整后的每个子图像进行频率变换，得到变换后的子频率图可以是：对调整后的每个子图像进行傅里叶变换，得到变换后的子频率图。
如图3所示，图像301可以是子图像。然后，对上述子图像进行频率变换，得到图像302作为变换后的子频率图。
步骤204，基于上述子频率图像中像素的坐标，对上述噪声方差进行调整。
在一些实施例中，上述执行主体可以通过上述子频率图像中像素的坐标，对上述噪声方差进行调整。作为示例，可以通过对上述子频率图像中像素的坐标的平均值与上述噪声方差进行相乘，得到相乘后作为调整后的方差。
步骤205，基于调整后的噪声方差，对上述子频率图进行处理，得到去噪后的目标图像。
在一些实施例中，上述执行主体可以基于调整后的噪声方差，对上述子频率图进行处理，得到去噪后的目标图像。作为示例，可以将上述调整后的噪声方差进行归一化，得到归一化的结果，将归一化的结果与子频率图对应的像素值进行相乘，得到的相乘结果再进行逆离散余弦变换，得到去噪后的目标图像。
由上述实施例可以得到，首先，对与目标图像对应的每个通道图像进行划分，可以得到相对应的子图像集合。这种将每个通道图像进一步划分再来处理噪声的方法有助于提高图像的去噪效果。然后确定与每个子图像对应的噪声方差。进而，将每个子图像转换到频域来，从频率分布的角度来观察子图像的特征，得到子频率图。然后，基于上述子频率图像中像素的坐标，对上述噪声方差进行调整。最后，根据调整后的噪声方差，对上述子频率图进行处理，得到去噪后的目标图像。该图像处理方法可以简便、准确的实现了对目标图像去除噪声。
继续参考图4，示出了根据本公开的图像处理方法的另一些实施例的流程400。该图像处理方法，包括以下步骤：
步骤401，对与目标图像对应的每个通道图像进行划分，得到与上述每个通道图像相对应的子图像集合。
步骤402，确定与每个子图像对应的噪声方差。
步骤403，对上述每个子图像进行频率变换，得到子频率图。
在一些实施例中，步骤401-403的具体实现及所带来的技术效果可以参考图2对应的那些实施例中的步骤201-203，在此不再赘述。
步骤404，将上述子频率图像中像素的坐标值的最大数值与上述噪声方差进行相乘，得到上述调整后的噪声方差。
在一些实施例中，执行主体(如图1中的电子设备)可以将上述子频率图像中像素的坐标值的最大数值与上述噪声方差进行相乘，得到上述调整后的噪声方差。在这里，上述子频率图像中每个像素对应着一个调整后的噪声方差。其中，每个上述调整后的噪声方差都是上述子频率图像中对应像素的坐标值的最大数值与上述噪声方差进行相乘来得到的。调整后的噪声方差的确定公式如下：
其中，i表示上述子频率图上像素的横坐标值，j表示上述子频率图上像素的纵坐标值，(i，j)表示像素点的坐标，表示每个像素点坐标对应着一个调整后的噪声方差，σ2表示上述噪声方差。
步骤405，基于调整后的噪声方差，对上述子频率图进行处理，得到处理后的子图像。
在一些实施例中，上述执行主体可以基于调整后的噪声方差，对上述子频率图进行处理，得到处理后的子图像。作为示例，可以对调整后的噪声方差进行归一化，然后将归一化后的结果与上述子频率图上的像素进行相乘。最后，对相乘后的频率图进行逆频率变换，得到处理后的子图像。
在一些实施例的一些可选的实现方式中，基于调整后的噪声方差，对上述子频率图进行处理，得到处理后的子图像可以包括以下步骤：
第一步，通过调整后的噪声方差，对上述子频率图上的像素进行处理。作为示例，可以通过以下公式来对上述子频率图上的像素进行处理：
其中，i表示上述子频率图上像素的横坐标值，j表示上述子频率图上像素的纵坐标值。σ2表示上述调整后的噪声方差，F(i，j)表示上述子频率图上横坐标为i，纵坐标为j的像素值，表示每个像素点坐标对应着一个调整后的噪声方差，F(i，j)为表示上述子频率图上横坐标为i，纵坐标为j的处理后的像素值。
第二步，对处理后的子频率图进行逆频率变换，得到上述处理后的子图像。
步骤406，对上述每个通道图像对应的各个处理后的子图像进行处理，得到去噪后的目标图像。
在一些实施例中，上述执行主体可以对上述每个通道图像对应的各个处理后的子图像进行处理，得到去噪后的目标图像。需要说明的是，上述各个处理后的子图像是与一个通道图像相对应的。作为示例，可以对上述每个通道图像对应的各个处理后的子图像进行裁剪，得到裁剪后的各个处理后的子图像。然后，将各个处理后的子图像进行组合，得到组合后的通道图像。最后，将各个上述组合后的通道图像进行叠加，得到上述去噪后的目标图像。
在一些实施例的一些可选的实现方式中，对上述每个通道图像对应的各个处理后的子图像进行处理，得到去噪后的目标图像可以包括以下步骤：
第一步，对上述每个通道图像对应的上述各个处理后的子图像进行组合，得到组合后的通道图像。作为示例，可以依照对与目标图像对应的每个通道图像进行划分的标准，来对上述每个通道图像对应的上述各个处理后的子图像进行组合，得到组合后的通道图像。
第二步，对各个上述组合后的通道图像进行组合，得到上述去噪后的目标图像。
从图4中可以看出，与图2对应的一些实施例的描述相比，图4 对应的一些实施例中的图像处理方法的流程400更加突出了对子频率图像中噪声方差的调整过程。由此，这些实施例描述的方案可以体现根据子频率图像中像素的坐标来对噪声方差进行调整，进而可以精准、高效的去除上述目标图像的噪声。
继续参考图5，作为对上述各图上述方法的实现，本公开提供了一种图像处理装置的一些实施例，这些装置实施例与图2上述的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，一些实施例的图像处理装置500包括：划分单元501、确定单元502、变换单元503、调整单元504和处理单元505。其中，划分单元501，被配置成对与目标图像对应的每个通道图像进行划分，得到与上述每个通道图像相对应的子图像集合。确定单元502，被配置成确定与每个子图像对应的噪声方差。变换单元503，被配置成对上述每个子图像进行频率变换，得到子频率图。调整单元504，被配置成基于上述子频率图像中像素的坐标，对上述噪声方差进行调整；
在一些实施例的一些可选的实现方式中，划分单元501可以进一步被配置成：对上述每个通道图像按照预先设定的比例进行划分，得到与上述每个通道图像相对应的子图像集合，其中，上述子图像集合中相邻两个子图像之间存在像素重叠。
在一些实施例的一些可选的实现方式中，确定单元502可以进一步被配置成：确定与上述每个子图像相对应的像素值集合的均方根值作为与上述每个子图像对应的噪声方差。
在一些实施例的一些可选的实现方式中，变换单元503可以进一步被配置成：对调整后的每个子图像进行傅里叶变换，得到变换后的子频率图。
在一些实施例的一些可选的实现方式中，调整单元504可以进一步被配置成：将上述子频率图像中像素的坐标值的最大数值与上述噪声方差进行相乘，得到上述调整后的噪声方差。
在一些实施例的一些可选的实现方式中，调整单元504可以进一步被配置成：基于调整后的噪声方差，对上述子频率图进行处理，得到处理后的子图像；对上述每个通道图像对应的各个处理后的子图像进行处理，得到去噪后的目标图像。
在一些实施例的一些可选的实现方式中，处理单元505可以进一步被配置成：基于调整后的噪声方差，对上述子频率图进行处理，得到处理后的子图像；对上述每个通道图像对应的各个处理后的子图像进行处理，得到去噪后的目标图像。
在一些实施例的一些可选的实现方式中，处理单元505可以进一步被配置成：基于调整后的噪声方差，对上述子频率图上的像素进行处理；对处理后的子频率图进行逆频率变换，得到上述处理后的子图像。
在一些实施例的一些可选的实现方式中，处理单元505可以进一步被配置成：对上述每个通道图像包括的上述各个处理后的子图像进行组合，得到组合后的通道图像；对各个上述组合后的通道图像进行组合，得到上述去噪后的目标图像。
可以理解的是，该装置500中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置500及其中包含的单元，在此不再赘述。
下面参考图6，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的电子设备)600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线 604。
通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置 606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。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。在本公开的一些实施例中，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。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、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：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP (HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述装置中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读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该电子设备执行时，使得该电子设备：对与目标图像对应的每个通道图像进行划分，得到与上述每个通道图像相对应的子图像集合；确定与每个子图像对应的噪声方差；对上述每个子图像进行频率变换，得到子频率图；基于上述子频率图像中像素的坐标，对上述噪声方差进行调整；基于调整后的噪声方差，对上述子频率图进行处理，得到去噪后的目标图像。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码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)。
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，该模块、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。
描述于本公开的一些实施例中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，例如，可以描述为：一种处理器包括划分单元、确定单元、变换单元、调整单元和处理单元。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，例如，划分单元还可以被描述为“对与目标图像对应的每个通道图像进行划分，得到与上述每个通道图像相对应的子图像集合的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD) 等等。
根据本公开的一个或多个实施例，提供了一种图像处理方法，包括：对与目标图像对应的每个通道图像进行划分，得到与上述每个通道图像相对应的子图像集合；确定与每个子图像对应的噪声方差；对上述每个子图像进行频率变换，得到子频率图；基于上述子频率图像中像素的坐标，对上述噪声方差进行调整；基于调整后的噪声方差，对上述子频率图进行处理，得到去噪后的目标图像。
根据本公开的一个或多个实施例，上述对与目标图像对应的每个通道图像进行划分，得到与上述每个通道图像相对应的子图像集合，包括：对上述每个通道图像按照预先设定的比例进行划分，得到与上述每个通道图像相对应的子图像集合，其中，上述子图像集合中相邻两个子图像之间存在像素重叠。
根据本公开的一个或多个实施例，上述确定与每个子图像对应的噪声方差，包括：确定与上述每个子图像相对应的像素值集合的均方根值作为与上述每个子图像对应的噪声方差。
根据本公开的一个或多个实施例，上述对调整后的每个子图像进行频率变换，得到变换后的子频率图，包括：对调整后的每个子图像进行傅里叶变换，得到变换后的子频率图。
根据本公开的一个或多个实施例，上述基于上述子频率图像中像素的坐标，对上述噪声方差进行调整，包括：将上述子频率图像中像素的坐标值的最大数值与上述噪声方差进行相乘，得到上述调整后的噪声方差。
根据本公开的一个或多个实施例，上述基于调整后的噪声方差，对上述子频率图进行处理，得到去噪后的目标图像，包括：基于调整后的噪声方差，对上述子频率图进行处理，得到处理后的子图像；对上述每个通道图像对应的各个处理后的子图像进行处理，得到去噪后的目标图像。
根据本公开的一个或多个实施例，上述基于调整后的噪声方差，对上述子频率图进行处理，得到处理后的子图像，包括：基于调整后的噪声方差，对上述子频率图上的像素进行处理；对处理后的子频率图进行逆频率变换，得到上述处理后的子图像。
根据本公开的一个或多个实施例，上述对上述每个通道图像对应的各个处理后的子图像进行处理，得到去噪后的目标图像，包括：对上述每个通道图像包括的上述各个处理后的子图像进行组合，得到组合后的通道图像；对各个上述组合后的通道图像进行组合，得到上述去噪后的目标图像。
根据本公开的一个或多个实施例，提供了一种图像处理装置，包括：划分单元，被配置成对与目标图像对应的每个通道图像进行划分，得到与上述每个通道图像相对应的子图像集合；确定单元，被配置成确定与每个子图像对应的噪声方差；变换单元，被配置成对上述每个子图像进行频率变换，得到子频率图；调整单元，被配置成基于上述子频率图像中像素的坐标，对上述噪声方差进行调整；处理单元，被配置成基于调整后的噪声方差，对上述子频率图进行处理，得到去噪后的目标图像。
根据本公开的一个或多个实施例，划分单元可以进一步被配置成：对上述每个通道图像按照预先设定的比例进行划分，得到与上述每个通道图像相对应的子图像集合，其中，上述子图像集合中相邻两个子图像之间存在像素重叠。
根据本公开的一个或多个实施例，确定单元可以进一步被配置成：确定与上述每个子图像相对应的像素值集合的均方根值作为与上述每个子图像对应的噪声方差。
根据本公开的一个或多个实施例，变换单元可以进一步被配置成：对调整后的每个子图像进行傅里叶变换，得到变换后的子频率图。
根据本公开的一个或多个实施例，调整单元可以进一步被配置成：将上述子频率图像中像素的坐标值的最大数值与上述噪声方差进行相乘，得到上述调整后的噪声方差。
根据本公开的一个或多个实施例，调整单元可以进一步被配置成：基于调整后的噪声方差，对上述子频率图进行处理，得到处理后的子图像；对上述每个通道图像对应的各个处理后的子图像进行处理，得到去噪后的目标图像。根据本公开的一个或多个实施例，处理单元可以进一步被配置成：基于调整后的噪声方差，对上述子频率图上的像素进行处理；对处理后的子频率图进行逆频率变换，得到上述处理后的子图像。
根据本公开的一个或多个实施例，处理单元可以进一步被配置成：基于调整后的噪声方差，对上述子频率图进行处理，得到处理后的子图像；对上述每个通道图像对应的各个处理后的子图像进行处理，得到去噪后的目标图像。
根据本公开的一个或多个实施例，处理单元可以进一步被配置成：基于调整后的噪声方差，对上述子频率图上的像素进行处理；对处理后的子频率图进行逆频率变换，得到上述处理后的子图像。
根据本公开的一个或多个实施例，处理单元可以进一步被配置成：对上述每个通道图像包括的上述各个处理后的子图像进行组合，得到组合后的通道图像；对各个上述组合后的通道图像进行组合，得到上述去噪后的目标图像。
根据本公开的一个或多个实施例，提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上述任一实施例描述的方法。
根据本公开的一个或多个实施例，提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如上述任一实施例描述的方法。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种图像处理方法，包括：
对与目标图像对应的每个通道图像进行划分，得到与所述每个通道图像相对应的子图像集合；
确定与每个子图像对应的噪声方差；
对所述每个子图像进行频率变换，得到子频率图；
基于所述子频率图中像素的坐标，对所述噪声方差进行调整；
基于调整后的噪声方差，对所述子频率图进行处理，得到去噪后的目标图像；其中，所述调整后的噪声方差是将所述子频率图中像素的坐标值的平均值或最大数值，与所述噪声方差进行相乘得到的。
2.根据权利要求1所述的方法，其中，所述对与目标图像对应的每个通道图像进行划分，得到与所述每个通道图像相对应的子图像集合，包括：
对所述每个通道图像按照预先设定的尺寸进行划分，得到与所述每个通道图像相对应的子图像集合，其中，所述子图像集合中相邻两个子图像之间存在像素重叠。
3.根据权利要求1所述的方法，其中，所述确定与每个子图像对应的噪声方差，包括：
确定与所述每个子图像相对应的像素值集合的均方根值作为与所述每个子图像对应的噪声方差。
4.根据权利要求1所述的方法，其中，所述对所述每个子图像进行频率变换，得到子频率图，包括：
对调整后的每个子图像进行傅里叶变换，得到所述子频率图。
5.根据权利要求1所述的方法，其中，所述基于调整后的噪声方差，对所述子频率图进行处理，得到去噪后的目标图像，包括：
基于调整后的噪声方差，对所述子频率图进行处理，得到处理后的子图像；
对所述每个通道图像对应的各个处理后的子图像进行处理，得到去噪后的目标图像。
6.根据权利要求5所述的方法，其中，所述基于调整后的噪声方差，对所述子频率图进行处理，得到处理后的子图像，包括：
基于调整后的噪声方差，对所述子频率图上的像素进行处理；
对处理后的子频率图进行逆频率变换，得到所述处理后的子图像。
7.根据权利要求5所述的方法，其中，所述对所述每个通道图像对应的各个处理后的子图像进行处理，得到去噪后的目标图像，包括：
对所述每个通道图像对应的所述各个处理后的子图像进行组合，得到组合后的通道图像；
对各个所述组合后的通道图像进行组合，得到所述去噪后的目标图像。
8.一种图像处理装置，包括：
划分单元，被配置成对与目标图像对应的每个通道图像进行划分，得到与所述每个通道图像相对应的子图像集合；
确定单元，被配置成确定与每个子图像对应的噪声方差；
变换单元，被配置成对所述每个子图像进行频率变换，得到子频率图；
调整单元，被配置成基于所述子频率图中像素的坐标，对所述噪声方差进行调整；
处理单元，被配置成基于调整后的噪声方差，对所述子频率图进行处理，得到去噪后的目标图像；其中，所述调整后的噪声方差是将所述子频率图中像素的坐标值的平均值或最大数值，与所述噪声方差进行相乘得到的。
9.一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010677226.0A CN111815535B (zh) | 2020-07-14 | 2020-07-14 | 图像处理方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010677226.0A CN111815535B (zh) | 2020-07-14 | 2020-07-14 | 图像处理方法、装置、电子设备和计算机可读介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111815535A CN111815535A (zh) | 2020-10-23 |
| CN111815535B true CN111815535B (zh) | 2023-11-10 |
Family
ID=72866245
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010677226.0A Active CN111815535B (zh) | 2020-07-14 | 2020-07-14 | 图像处理方法、装置、电子设备和计算机可读介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111815535B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112529854B (zh) * | 2020-11-30 | 2024-04-09 | 华为技术有限公司 | 一种噪声估计方法、装置、存储介质及设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104504659A (zh) * | 2014-12-19 | 2015-04-08 | 成都品果科技有限公司 | 一种基于提升小波变换的快速iso去噪方法及系统 |
| CN107563974A (zh) * | 2017-08-15 | 2018-01-09 | 深圳云天励飞技术有限公司 | 图像去噪方法、装置、电子设备及存储介质 |
| CN109685730A (zh) * | 2018-12-11 | 2019-04-26 | 上海集成电路研发中心有限公司 | 一种基于自适应非局域均值的小波去噪方法 |
| CN110853047A (zh) * | 2019-10-12 | 2020-02-28 | 平安科技（深圳）有限公司 | 智能图像分割及分类方法、装置及计算机可读存储介质 |
| CN111192226A (zh) * | 2020-04-15 | 2020-05-22 | 苏宁云计算有限公司 | 一种图像融合去噪方法及装置、系统 |
-
2020
- 2020-07-14 CN CN202010677226.0A patent/CN111815535B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104504659A (zh) * | 2014-12-19 | 2015-04-08 | 成都品果科技有限公司 | 一种基于提升小波变换的快速iso去噪方法及系统 |
| CN107563974A (zh) * | 2017-08-15 | 2018-01-09 | 深圳云天励飞技术有限公司 | 图像去噪方法、装置、电子设备及存储介质 |
| CN109685730A (zh) * | 2018-12-11 | 2019-04-26 | 上海集成电路研发中心有限公司 | 一种基于自适应非局域均值的小波去噪方法 |
| CN110853047A (zh) * | 2019-10-12 | 2020-02-28 | 平安科技（深圳）有限公司 | 智能图像分割及分类方法、装置及计算机可读存储介质 |
| CN111192226A (zh) * | 2020-04-15 | 2020-05-22 | 苏宁云计算有限公司 | 一种图像融合去噪方法及装置、系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111815535A (zh) | 2020-10-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110378846B (zh) | 一种处理图像磨皮的方法、装置、介质和电子设备 | |
| CN112419151B (zh) | 图像退化处理方法、装置、存储介质及电子设备 | |
| CN110889802B (zh) | 图像处理方法和装置 | |
| CN111935425B (zh) | 视频降噪方法、装置、电子设备及计算机可读介质 | |
| CN111598902B (zh) | 图像分割方法、装置、电子设备及计算机可读介质 | |
| CN112419179B (zh) | 修复图像的方法、装置、设备和计算机可读介质 | |
| CN111833269B (zh) | 视频降噪方法、装置、电子设备及计算机可读介质 | |
| WO2023274005A1 (zh) | 图像处理方法、装置、电子设备和存储介质 | |
| CN111757100B (zh) | 相机运动变化量的确定方法、装置、电子设备和介质 | |
| CN112418249A (zh) | 掩膜图像生成方法、装置、电子设备和计算机可读介质 | |
| CN110310293B (zh) | 人体图像分割方法及设备 | |
| WO2022142876A1 (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN111815535B (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
| CN111738950B (zh) | 图像处理方法及装置 | |
| CN110070482B (zh) | 图像处理方法、装置和计算机可读存储介质 | |
| CN110097520B (zh) | 图像处理方法和装置 | |
| CN111383299B (zh) | 图像的处理方法、装置及计算机可读存储介质 | |
| CN114640796B (zh) | 视频处理方法、装置、电子设备及存储介质 | |
| CN111756954B (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
| CN116188254A (zh) | 基于傅里叶域的超分图像处理方法、装置、设备及介质 | |
| CN111737575B (zh) | 内容分发方法、装置、可读介质及电子设备 | |
| CN110399802B (zh) | 处理面部图像眼睛亮度的方法、装置、介质和电子设备 | |
| CN110827254A (zh) | 图像清晰度的确定方法和装置 | |
| CN112215774B (zh) | 模型训练和图像去雾方法、装置、设备和计算机可读介质 | |
| CN112488943B (zh) | 模型训练和图像去雾方法、装置、设备 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing. Applicant after: Douyin Vision Co.,Ltd. Address before: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing. Applicant before: Tiktok vision (Beijing) Co.,Ltd. Address after: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing. Applicant after: Tiktok vision (Beijing) Co.,Ltd. Address before: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing. Applicant before: BEIJING BYTEDANCE NETWORK TECHNOLOGY Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |