CN111882504A - 图像中颜色噪声的处理方法、系统、电子设备和存储介质 - Google Patents
图像中颜色噪声的处理方法、系统、电子设备和存储介质 Download PDFInfo
- Publication number
- CN111882504A CN111882504A CN202010779985.8A CN202010779985A CN111882504A CN 111882504 A CN111882504 A CN 111882504A CN 202010779985 A CN202010779985 A CN 202010779985A CN 111882504 A CN111882504 A CN 111882504A
- Authority
- CN
- China
- Prior art keywords
- data
- channel
- pixel
- similarity
- processed
- 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.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 238000001914 filtration Methods 0.000 claims abstract description 102
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 49
- 238000005070 sampling Methods 0.000 claims abstract description 25
- 230000006870 function Effects 0.000 claims description 74
- 230000000875 corresponding effect Effects 0.000 claims description 63
- 238000004364 calculation method Methods 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 9
- 230000002596 correlated effect Effects 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 3
- 239000002245 particle Substances 0.000 abstract description 9
- 230000014759 maintenance of location Effects 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 18
- 230000009467 reduction Effects 0.000 description 12
- 230000000694 effects Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000012937 correction Methods 0.000 description 6
- 238000003672 processing method Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 239000003086 colorant Substances 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 235000019580 granularity Nutrition 0.000 description 3
- 230000001629 suppression Effects 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 239000000969 carrier Substances 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像中颜色噪声的处理方法、系统、电子设备和存储介质,该方法包括获取原始通道数据;获取L个分解层的分解图像数据;计算第L层的待处理数据中YUV三个通道数据的待处理像素与邻域像素的相似度,确定每个邻域像素位置的联合权重,并根据UV通道的邻域像素和邻域像素位置上的联合权重对UV通道进行去噪;对第L层的去噪结果上采样并与第L‑1层的拉普拉斯金字塔数据结合得到第L‑1层的数据,对该数据进行同第L层类似的操作,依次循环直至得到第一层的数据并对其进行滤波去噪以最终得到去噪后的图像数据。本发明能够同时抑制大尺寸颜色噪声和小颗粒噪点,具有很好的颜色边缘保持特性,能够有效地降低颜色溢出现象。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种图像中颜色噪声的处理方法、系统、电子设备和存储介质。
背景技术
智能终端的图像传感器通常采用CMOS(互补金属氧化物半导体)芯片,由于CMOS芯片具有噪声大的特点或者传感器的制造工艺等问题,ISP(图像信号处理器)获取的图像数据通常会包含颜色噪声,因此图像数据经过ISP的前处理之需要后对颜色噪声进行抑制。
颜色去噪是数字图像信号处理器中极其重要的一个环节,颜色去噪的好坏往往直接反映ISP的水平。目前,颜色去噪算法主要有两类:(1)假设图像的颜色主要集中在一条线上,而图像的颜色沿着线呈椭球状分布,采用基于PCA(主分量分析)的方法提取出颜色主要的成分,从而得到颜色本来集中的线以达到去噪的目的。然而,由于图像传感器本身的噪声模型各有差异,同时经过图像信号处理器前处理之后得到的图像通常不再服从高斯分布的基本假设,很难找到合适的统计分布建模噪声,而且噪声的颗粒度也大小不一,因此该通过假设的图像去噪算法的去噪效果很差。(2)将颜色通道作为单一的通道,采用常规的图像去噪方法进行颜色去噪,由于这些方法没有考虑到亮度信息通道的特性,并且滤波核函数存在拖尾现象,导致很容易造成很严重的颜色溢出问题。
发明内容
本发明要解决的技术问题是为了克服现有技术中的图像的颜色噪声抑制方法存在去噪效果差、易造成严重的颜色溢出等缺陷,目的在于提供一种图像中颜色噪声的处理方法、系统、电子设备和存储介质。
本发明是通过下述技术方案来解决上述技术问题:
本发明提供一种图像中颜色噪声的处理方法,所述处理方法包括:
获取待处理图像数据对应的原始通道数据;
其中,所述原始通道数据包括原始Y通道数据、原始U通道数据和原始V通道数据;
根据所述原始通道数据获取L个分解层的分解图像数据;
其中,YUV三个通道数据中每个分解层的所述分解图像数据包括高斯金字塔数据和拉普拉斯金字塔数据,L≥2且取正整数;
从第L层开始,采用块匹配方式计算当前层的待处理数据中YUV三个通道数据的待处理像素与邻域像素的相似度,根据所述相似度确定每个所述邻域像素位置的联合权重,并根据UV通道的所述邻域像素和所述邻域像素位置上对应的所述联合权重对当前层的UV通道进行去噪以获取中间去噪结果;其中,第L层对应的所述待处理数据为当前层的所述高斯金字塔数据;
对当前层的所述中间去噪结果和所述原始Y通道数据进行上采样以获取上采样结果,并将所述上采样结果与前一层的所述拉普拉斯金字塔数据进行相加融合以得到前一层对应的待处理数据,并重复执行所述采用块匹配方式计算当前层的所述待处理数据中YUV三个通道数据的待处理像素与邻域像素的相似度、根据所述相似度确定每个所述邻域像素位置的联合权重,并根据UV通道的所述邻域像素和所述邻域像素位置上对应的所述联合权重对当前层的UV通道进行去噪以获取中间去噪结果的步骤,直至获取对第一层的UV通道进行去噪得到的目标去噪结果;
提取所述目标去噪结果中去噪后的U通道数据和去噪后的V通道数据,并对所述原始Y通道数据、所述去噪后的U通道数据和所述去噪后的V通道数据进行重构处理以获取去噪后的目标图像数据。
较佳地,对于第二层至第L层的所述分解图像数据,所述根据所述相似度确定每个所述邻域像素位置的联合权重的步骤包括:
采用第一滤波核函数根据所述相似度确定每个所述邻域像素位置的联合权重;
其中,在所述相似度大于设定值时,采用所述第一滤波核函数根据所述相似度索引得到的权重为零。
较佳地,所述第一滤波核函数的表达式如下:
其中,x表示所述待处理像素与周围邻域像素的相似度,w(x)表示权重,h和k均为预设常量;
在所述相似度大于k时,采用所述第一滤波核函数根据所述相似度索引得到的权重为零,h的大小与所述第一滤波核函数的衰减速度相对应;
每个所述邻域像素位置的所述联合权重用于表征每个所述邻域像素与所述待处理像素的相似度。
较佳地,对于第一层的所述分解图像数据,所述根据所述相似度确定每个所述邻域像素位置的联合权重的步骤包括:
采用第二滤波核函数根据所述相似度确定每个所述邻域像素位置的联合权重;
其中,所述第二滤波核函数用于高频噪声的滤波。
较佳地,所述第二滤波核函数的表达式如下:
其中,x表示所述第一层的所述分解图像数据中所述待处理像素与周围邻域像素的相似度,w(x)表示权重,h和k均为预设常量。
较佳地,所述采用块匹配方式计算当前层的所述高斯金字塔数据中YUV三个通道数据的待处理像素与邻域像素的相似度的步骤包括:
对于当前层的所述高斯金字塔数据中YUV三个通道数据,计算得到每个通道的各个邻域像素结合周围n×n像素数据,与所述待处理像素结合周围n×n像素数据之间的差值,并根据所述差值确定各个通道的所述待处理像素与周围邻域像素的所述相似度;其中,n≥1且取奇数。
较佳地,所述采用块匹配方式计算当前层的所述高斯金字塔数据中YUV三个通道数据的待处理像素与邻域像素的相似度的步骤包括:
以块匹配方式计算得到各个邻域像素位置的像素和所述待处理像素位置的像素在Y通道的第一像素相似度、U通道的第二像素相似度和V通道的第三像素相似度;
所述采用第一滤波核函数根据所述相似度确定各个所述邻域像素位置的联合权重的步骤包括:
采用所述第一滤波核函数根据所述第一像素相似度、所述第二像素相似度和所述第三像素相似度,分别获取所述各个邻域像素位置在Y通道的第一中间权重、U通道的第二中间权重和V通道的第三中间权重;
计算所述第一中间权重、所述第二中间权重和所述第三中间权重的乘积以得到各个邻域像素位置上的所述联合权重。
较佳地,所述根据UV通道的所述邻域像素和所述邻域像素位置上对应的所述联合权重对当前层的UV通道进行去噪以获取中间去噪结果的步骤包括:
对UV通道的所述待处理像素的各个邻域像素位置的像素值、所述待处理像素位置的像素值、各个邻域像素位置及所述待处理像素位置上的所述联合权重进行加权平均处理,以对每个所述待处理像素进行去噪并获取所述中间去噪结果。
较佳地,在对每一层所述分解图像数据进行U通道和V通道进行加权滤波的同时,所述处理方法还包括:
计算每层所述待处理像素与当前层的所述分解图像数据对应的中心点的距离;
根据所述距离更新每层的YUV三个通道数据的待处理像素与邻域像素的所述相似度,根据所述相似度更新每个所述邻域像素位置的联合权重,并根据UV通道的所述邻域像素和所述邻域像素位置上对应的所述联合权重对每层的UV通道进行去噪以获取新的所述中间去噪结果,直至获取对第一层的UV通道进行去噪得到的新的所述目标去噪结果;
其中,所述待处理像素点与所述中心点的距离大小与去噪强度呈正相关。
较佳地,所述计算所述每层所述待处理像素与当前层的所述分解图像数据对应的中心点的距离的步骤对应的计算公式如下:
其中,p1和p2分别为所述每层的所述待处理像素与当前层的所述分解图像数据的对应的中心点,(x1,y1)为p1对应的坐标数据,(x2,y2)为p2对应的坐标数据,d(p1,p2)表示所述距离。
较佳地,所述根据所述原始通道数据获取L个分解层的分解图像数据的步骤包括:
当所述原始通道数据为YUV444格式的图像数据,或,所述原始通道数据经过转换处理后为YUV444格式的图像数据时,则采用金字塔分解的方式得到多尺度的L个分解层的所述分解图像数据;或,
当所述原始通道数据为YUV420格式的图像数据时,则对所述原始Y通道数据进行下采样处理;
其中,下采样处理后的所述原始Y通道数据与所述原始U通道数据和所述原始V通道数据的尺寸相匹配,并构成新的所述原始通道数据;
对新的所述原始通道数据采用金字塔分解的方式得到多尺度的L个分解层的所述分解图像数据。
本发明还提供一种图像中颜色噪声的处理系统,所述处理系统包括:
原始通道数据获取模块,用于获取待处理图像数据对应的原始通道数据;
其中,所述原始通道数据包括原始Y通道数据、原始U通道数据和原始V通道数据;
图像分解模块,用于根据所述原始通道数据获取L个分解层的分解图像数据;
其中,YUV三个通道数据中每个分解层的所述分解图像数据包括高斯金字塔数据和拉普拉斯金字塔数据,L≥2且取正整数;
相似度计算模块,用于采用块匹配方式计算当前层的待处理数据中YUV三个通道数据的待处理像素与邻域像素的相似度;其中,第L层对应的所述待处理数据为当前层的所述高斯金字塔数据;
联合权重计算模块,用于根据所述相似度确定每个所述邻域像素位置的联合权重;
去噪处理模块,用于根据UV通道的所述邻域像素和所述邻域像素位置上对应的所述联合权重对当前层的UV通道进行去噪以获取中间去噪结果;
分解层重构模块,用于对当前层的所述中间去噪结果和所述原始Y通道数据进行上采样以获取上采样结果,并将所述上采样结果与前一层的所述拉普拉斯金字塔数据进行相加融合以得到前一层对应的待处理数据,并重复依次调用所述相似度计算模块和所述联合权重计算模块;
目标图像数据获取模块,用于当所述去噪处理模块获取对第一层的UV通道进行去噪得到的目标去噪结果时,提取所述目标去噪结果中去噪后的U通道数据和去噪后的V通道数据,并对所述原始Y通道数据、所述去噪后的U通道数据和所述去噪后的V通道数据进行重构处理以获取去噪后的目标图像数据。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行计算机程序时实现上述的图像中颜色噪声的处理方法。
本发明还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上述的图像中颜色噪声的处理方法的步骤。
在符合本领域常识的基础上,所述各优选条件,可任意组合,即得本发明各较佳实施例。
本发明的积极进步效果在于:
(1)提出一种YUV(一种颜色编码方法)三通道联合滤波的方案,以YUV格式的图像数据作为输入,YUV三通道联合计算滤波器权重,指导加权滤波,能够联合三个通道的边缘信息做边缘判断,有效地改善了仅通过颜色通道数据对边缘信息不足的情况,能够有效地降低颜色溢出现象;
(2)提出适合颜色降噪的新的第一滤波核函数,结合块匹配进行权重计算,能够降低差异度很大的像素之间的权重,能够有效地降低颜色溢出现象;同时对于差异度很小区域加权平均更多,能够有效进行颜色降噪;
(3)提出第二滤波核函数,该核函数作用在金字塔分解的原始层数据,进行滤波去噪,可以有效去除单颗粒点的噪声;
(4)可根据实际图像情况调整第一滤波核函数和第二滤波核函数对应的预设参数h和k以调整去噪强度,灵活性较高,能够满足更高的图像处理需求;
(5)基于金字塔多尺度颜色去噪框架,能够很好地抑制大面积的颜色噪声;
(6)提出一种斜面距离计算方法,能够有效矫正沿径向降噪的降噪强度,改善由于镜头原因导致四角颜色噪声较大的现象,进一步地提升图像的去噪能力,满足了更高的图像处理要求。
附图说明
图1为本发明实施例1的图像中颜色噪声的处理方法的流程图。
图2为本发明实施例2的图像中颜色噪声的处理方法中第一滤波核函数的像素差值和权重的关系示意图。
图3为本发明实施例2的图像中颜色噪声的处理方法中图像块的第一示意图。
图4为本发明实施例2的图像中颜色噪声的处理方法中图像块的第二示意图。
图5为本发明实施例2的图像中颜色噪声的处理方法中第二滤波核函数的像素差值和权重的关系示意图。
图6为本发明实施例3的图像中颜色噪声的处理方法中距离与比例值的关系示意图。
图7为现有的L1范数距离下的径向降噪的示意图。
图8为本发明实施例3的图像中颜色噪声的处理方法中斜面距离下的径向降噪的示意图。
图9为本发明实施例4的图像中颜色噪声的处理系统的模块示意图。
图10为本发明实施例7的实现图像中颜色噪声的处理方法的电子设备的结构示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
实施例1
如图1所示,本实施例的图像中颜色噪声的处理方法包括:
S101、获取待处理图像数据对应的原始通道数据;
其中,原始通道数据包括原始Y通道数据、原始U通道数据和原始V通道数据;
S102、根据原始通道数据获取L个分解层的分解图像数据;
其中,YUV三个通道数据中每个分解层的分解图像数据包括高斯金字塔数据和拉普拉斯金字塔数据,L≥2且取正整数;
原始图像数据可以是表征YUV格式的图像数据,此时,原始图像数据对应但不限于YUV420格式的三通道彩色图像。
原始图像数据也可以是表征RGB(红绿蓝)图像或Bayer(拜耳)图像的图像数据等;若为RGB图像,则直接将其转换为YUV格式的图像;若为Bayer图像,则先将其转换为RGB图像再转换为YUV格式的图像;也就是说本实施例的处理方法适用于不同格式的原始图像,不局限与一种类型的图像,满足了更多图像类型的处理需求。另外,将RGB图像或Bayer图像转换为YUV格式的图像属于本领域的成熟技术,因此此处就不再赘述。
具体地,当原始通道数据为YUV444格式的图像数据,或,原始通道数据经过转换处理后为YUV444格式的图像数据时,则采用金字塔分解的方式得到多尺度的L个分解层的分解图像数据。
若原始通道数据为YUV420格式的图像数据,则需对原始Y通道数据进行下采样处理;
以待处理图像大小为2M×2N为例,其中,下采样处理前的原始Y通道数据(2M×2N),下采样处理后的原始Y通道数据(M×N)与原始U通道数据(M×N)和原始V通道数据(M×N)的尺寸相匹配,此时三通道数据对应新的原始通道数据(M×N);
采用高斯滤波与下采样相结合的方式对原始通道数据进行分解处理以获取L个分解层的分解图像数据。例如,将M×N的YUV三通道原始通道数据依次分解为(M/2)×(N/2)的YUV三通道数据、(M/4)×(N/4)的YUV三通道数据、(M/16)×(N/16)的YUV三通道数据……;具体分解多少层数以及对哪些层继续进行滤波处理可以根据实际情况确定与调整。
S103、采用块匹配方式计算当前层的待处理数据中YUV三个通道数据的待处理像素与邻域像素的相似度;
其中,从第L层到第一层依次开始处理,第L层对应的待处理数据为当前层的高斯金字塔数据;
S104、根据相似度确定每个邻域像素位置的联合权重;
S105、根据UV通道的邻域像素和邻域像素位置上对应的联合权重对当前层的UV通道进行去噪以获取中间去噪结果;
S106、对当前层的中间去噪结果和原始Y通道数据进行上采样以获取上采样结果;
S107、将上采样结果与前一层的拉普拉斯金字塔数据进行相加融合以得到前一层对应的待处理数据,并重新执行步骤S103,直至获取对第一层的UV通道进行去噪得到的目标去噪结果;
S108、提取目标去噪结果中去噪后的U通道数据和去噪后的V通道数据,并对原始Y通道数据、去噪后的U通道数据和去噪后的V通道数据进行重构处理以获取去噪后的目标图像数据。
本实施例中获取待处理图像数据的原始通道的数据,通过金字塔分解的方式获取L个分解层的分解图像数据,分别以块匹配方式计算第L层高斯金字塔YUV三个通道的待处理像素位置像素值与邻域像素值的相似度,根据三个通道邻域像素的相似度结合第一滤波核确定邻域各个像素位置的联合权重,从而根据UV通道邻域像素及邻域像素位置上对应的联合权重,完成对第L层UV通道的去噪;然后将第L层的去噪结果上采样与第L-1层的拉普拉斯金字塔数据结合得到第L-1层的数据,对该数据进行同第L层类似的操作,并与上一层拉普拉斯金字塔数据结合,依次循环,直到得到第1层的数据,然后使用相同方式计算相似度结合第二滤波核进行滤波去噪以最终获取去噪后的图像数据。
通过采用金字塔多尺度的去噪算法,能够在不同尺度上进行颜色去噪,有效地抑制颜色噪声,提高了图像的去噪效果。当然,也可以采用其他的金字塔分解形式,例如波分解、超小波分解、尺度空间分解等作为多尺度分解的载体。
本实施例中,以YUV格式的三通道彩色图像作为输入,对UV通道图像进行噪声抑制,在降噪的同时,很好地联合YUV三通道信息,能够有效抑制UV通道去噪中需要针对的低频彩色噪声,同时对于边缘的伪彩色也有效抑制,能够很好的防止颜色溢出,有效地提升了图像处理质量。
其中,UV通道为颜色通道数据无法表征边缘强度,仅考虑UV通道进行滤波权重的确定往往伴随着颜色溢出现象;而Y通道信息是亮度信息通道,而且可能已经经过去噪,可以很好的表征边缘特征,因此结合Y通道的边缘信息对UV通道的滤波作指导,能够很好地保持UV的边缘,很好抑制颜色溢出现象。
本实施例中,通过联合YUV颜色空间的YUV三通道对颜色噪声进行抑制,基于YUV三通道协同指导滤波,并结合了金字塔多尺度框架,在不同尺度上进行颜色去噪,能够同时抑制不同尺度的颜色噪声,提高了对颜色噪声的去噪质量有效地降低了颜色溢出现象发生满足了更高的图像处理要求。
实施例2
本实施例的图像中颜色噪声的处理方法是对实施例1的进一步改进,具体地:
步骤S103包括:
对于当前层的高斯金字塔数据中YUV三个通道数据,计算得到每个通道的各个邻域像素结合周围n×n像素数据,与待处理像素结合周围n×n像素数据之间的差值,并根据差值确定各个通道的待处理像素与周围邻域像素的相似度;其中,n≥1且取奇数。
对于第二层至第L层的分解图像数据,步骤S104包括:
采用第一滤波核函数根据相似度确定每个邻域像素位置的联合权重;
具体地,以块匹配方式计算得到各个邻域像素位置的像素和待处理像素位置的像素在Y通道的第一像素相似度、U通道的第二像素相似度和V通道的第三像素相似度;
采用第一滤波核函数根据第一像素相似度、第二像素相似度和第三像素相似度,分别获取各个邻域像素位置在Y通道的第一中间权重、U通道的第二中间权重和V通道的第三中间权重;
计算第一中间权重、第二中间权重和第三中间权重的乘积以得到各个邻域像素位置上的联合权重。
其中,在相似度大于设定值时,采用第一滤波核函数根据相似度索引得到的权重为零。
具体地,在颜色通道的滤波过程中,需要对小差异性的像素点尽可能加权平均,对大差异性的像素点赋予尽可能小的权重,设计新型的第一滤波核函数,具体函数表达式如下:
其中,x表示待处理像素与周围邻域像素的相似度,w(x)表示权重,h和k均为预设常量;
该第一滤波核函数用于根据YUV各个通道待处理像素与其邻域的各个像素的绝对差异索引相应的加权权重,即相当于权重索引函数。
在相似度大于k时,采用第一滤波核函数根据相似度索引得到的权重为零,h的大小与第一滤波核函数的衰减速度相对应;
每个邻域像素位置的联合权重用于表征每个邻域像素与待处理像素的相似度。
如图2所示,横轴表示像素差值x,纵轴表示权重w(x),L11对应传统的高斯核函数,L12和L13对应不同预设参数的第一滤波核函数。
可以得知,传统的高斯核函数是一个过渡段衰减速度不够的拖尾函数,在像素差值足够大是仍然对应一定的权重,从而会造成颜色溢出,因此并不适合用于颜色去噪;而本实施例的第一滤波核函数通过调节参数可以做到过渡段衰减更快甚至截断,同时小差异度区域加权权重更大,从而能够很好地更适应颜色去噪的加权需求,能够有效地避免颜色溢出效应,保证图像中颜色去噪的质量。
当然,第一滤波核函数还可以其他形式,只要其满足在像素差值大于设定值时索引得到的权重为零,且小差异度区域加权权重较大即可。
对于第一层的分解图像数据,步骤S104包括:
采用第二滤波核函数根据相似度确定每个邻域像素位置的联合权重;
其中,第二滤波核函数用于高频噪声的滤波。
具体地,第二滤波核函数的表达式如下:
其中,x表示第一层的分解图像数据中待处理像素与周围邻域像素的相似度,w(x)表示权重,h和k均为预设常量。
步骤S105包括:
对UV通道的待处理像素的各个邻域像素位置的像素值、待处理像素位置的像素值、各个邻域像素位置及待处理像素位置上的联合权重进行加权平均处理,以对每个待处理像素进行去噪并获取中间去噪结果。
下面结合实例具体说明:
如图3所示,(1)图像块匹配
以邻域为9x9的区域,以3x3大小的图像块进行匹配为例,对于块匹配过程:
p为9x9区域中的待处理像素,q为9x9区域中的任一邻域像素,邻域像素是指在待处理像素邻域中满足与周围像素构成3×3像素区域的像素。p(i,j)为待处理像素p的周围3×3像素数据,其中i=-1,0,1;j=-1,0,1;p(-1,-1)为像素点p上一行与左侧一列的交叉位置的像素,p(1,1)为像素点p下一行与右侧一列的交叉位置的像素,其余同理;Xdiff为两个图像块之间的相似度,有Y/U/V三个通道,则有三个通道的相似度Ydiff/Udiff/Vdiff。
(2)UV通道低频子带三通道联合滤波
由于UV通道中含有低频噪声,在抑制低频噪声的同时也要保持边缘,从而达到防止颜色溢出的现象发生,在U/V通道的滤波权重上加入Y通道的权重,从而构成了一个三通道联合权重。对于Y/U/V通道,分别计算出待处理像素的各个邻域像素与待处理像素的相似度Ydiff/Udiff/Vdiff,并将各个通道计算得到的相似度代入第一滤波核函数中,便可以得到各个邻域像素的权重:
WY=w(Ydiff)
WU=w(Udiff)
WV=w(Vdiff)
则该邻域像素在Y/U/V三通道的联合权重为:
WYUV=WY×WU×WV
记搜索区域中邻域像素的集合为Ω,则Y/U/V三个通道中所有邻域像素的联合权重之和为:
其中,Wq为各个邻域像素位置的三通道联合权重,Uq/Vq分别对应待处理像素的各个邻域像素q,则可以得到待处理像素p在U/V通道滤波后的U/V通道数据的计算公式为:
如图3所示,对于待处理像素邻域的9x9像素数据进行搜索,可以得到7×7个即49个邻域像素数据存在3×3大小的周围像素块,即集合Ω中有49个邻域像素(如图4所示),对Ω中的每个邻域像素结合周围3×3像素数据计算其三通道联合权重Wq,对所有邻域像素的联合权重求和得到总权重Wp,然后用所求得的权重对邻域像素进行加权滤波处理以得到最终滤波后的像素值,以实现对UV通道低频子带三通道联合滤波。
对于其他大小的邻域与色块匹配大小的方式和过程与上述类似,因此此处就不再赘述。
(3)UV通道高频噪声滤波
考虑在颜色去噪的过程中存在单颗粒的颜色噪声,单颗粒的颜色噪声通常振幅比较大,人眼对其非常敏感,因此在原始层图像数据中加入高频滤波过程。
由于高频噪声的振幅比较大,不再沿用使用低频子带滤波的第一滤波核函数,而是对第一滤波核函数进行进一步改进以得到第二滤波核函数,使得差异很大的噪点也能够进行一定程度的滤波,该第二滤波核函数具体为:
当然,第二滤波核函数相当于权重索引函数,还可以其他形式,可以根据实际情况进行重新设计或调整。
如图5所示,x表示待处理像素与周围邻域像素的相似度,w(x)表示权重,h和k均为预设常量;L21对应h=10,k=80,L22对应h=20,k=80,L23对应h=60,k=80。
其中,高频噪声的图像块匹配过程、加权滤波过程与(2)中低频子带相同,因此此处就不再赘述。
即本实施例中,联合YUV颜色空间的YUV三通道对颜色噪声进行抑制,分别对基于第一滤波核函数实现对UV通道低频子带三通道联合滤波和基于第二滤波核函数实现对原始层UV通道数据进行高频噪声滤波,能够同时抑制不同颗粒度的颜色噪声,能够保证很好的颜色边缘保持特性,有效地降低了颜色溢出现象发生。
本实施例中,通过联合YUV颜色空间的YUV三通道对颜色噪声进行抑制,基于YUV三通道协同指导滤波,并结合了金字塔多尺度特性,在不同尺度上进行颜色去噪,能够同时抑制不同尺度的颜色噪声,提高了对颜色噪声的去噪质量;同时,设计新型滤波核函数,能够保证很好的颜色边缘保持特性,有效地降低了颜色溢出现象发生,并且去除了单颗粒噪声,从而进一步地提升了对图像中颜色去噪的能力,提高了对颜色噪声的去噪质量,满足了更高的图像处理要求。
实施例3
本实施例的图像中颜色噪声的处理方法是对实施例2的进一步改进,具体地:
步骤S103之后、步骤S108之前还包括:
计算每层待处理像素与当前层的分解图像数据对应的中心点的距离;
具体地,计算每层待处理像素与当前层的分解图像数据对应的中心点的距离的步骤对应的计算公式如下:
其中,p1和p2分别为每层的待处理像素与当前层的分解图像数据的对应的中心点,(x1,y1)为p1对应的坐标数据,(x2,y2)为p2对应的坐标数据,d(p1,p2)表示距离。
根据距离更新每层的YUV三个通道数据的待处理像素与邻域像素的相似度,根据相似度更新每个邻域像素位置的联合权重,并根据UV通道的邻域像素和邻域像素位置上对应的联合权重对每层的UV通道进行去噪以获取新的中间去噪结果,直至获取对第一层的UV通道进行去噪得到的新的目标去噪结果;
其中,待处理像素点与中心点的距离大小与去噪强度呈正相关。
如图6所示,横轴表示计算出来的距离,根据计算出的距离索引ratio(比例值)出来,该ratio直接乘以该层对应的前述计算出的相似度以更新该相似度;当距离小于radial_th1时,ratio为1,即不调整相似度;当距离大于radial_th1且小于radial_th2时,用将索引出来的ratio乘以相似度的数值,这样会使的之前的相似度的数值变小,使得最终得到的权重变大,从而达到增大去噪强度的目的;当距离大于radial_th2时,ratio不再发生变化,即去噪强度不会随着距离的变大而无限制的变大。
根据待处理像素到每层图像中心位置的距离,自适应调整去噪强度,有效地抑制四周的噪声,有效地克服在颜色降噪过程中因在镜头的畸变特性,以及在ISP进行矫正过程中对四周的噪声进行了放大,导致去噪质量降低的情况发生,从而达到沿径向去噪的目的。
在理论上采用欧式距离,即L2范数诱导的距离,对于p1(x1,y1),p2(x2,y2),其欧式距离为:
然而由于ISP硬件上做开方运算需要很复杂的逻辑,在工程上一般采用L1范数进行替代L2范数。然而如图7所示,为现有的L1范数计算距离的方式下对应的径向调整效果,可以得知,L1范数是一个和水平方向夹45度的正方形,并不能很好得逼近由于畸变矫正引起的噪声放大过程。
如图8所示,可以得知,采用本实施例的斜面距离更贴近L2距离,具有更好的径向调整效果,能够有效矫正沿径向降噪的降噪强度,改善由于镜头矫正导致四角颜色噪声较大的情况,进一步地提高图像的去噪能力,提高图像的去噪质量。
本实施例中,通过联合YUV颜色空间的YUV三通道对颜色噪声进行抑制,基于YUV三通道协同指导滤波,并结合了高斯-拉普拉斯金字塔多尺度特性,在不同尺度上进行颜色去噪,能够同时抑制不同尺度的颜色噪声,提高了对颜色噪声的去噪质量;同时,设计新型滤波核函数,能够保证很好的颜色边缘保持特性,有效地降低了颜色溢出现象发生,同时可以去除单颗粒噪声,从而进一步地提升了对图像中颜色去噪的能力,提高了对颜色噪声的去噪质量,满足了更高的图像处理要求;基于斜面距离对图像进行径向去噪,能够有效矫正沿径向降噪的降噪强度,改善由于镜头矫正导致四角颜色噪声较大的情况,进一步地提升了图像的去噪能力,提高了图像的质量。
实施例4
如图9所示,本实施例的图像中颜色噪声的处理系统包括原始通道数据获取模块1、图像分解模块2、相似度计算模块3、联合权重计算模块4、去噪处理模块5、分解层重构模块6和目标图像数据获取模块7。
原始通道数据获取模块1用于获取待处理图像数据对应的原始通道数据;
其中,原始通道数据包括原始Y通道数据、原始U通道数据和原始V通道数据;
图像分解模块2用于根据原始通道数据获取L个分解层的分解图像数据;
其中,YUV三个通道数据中每个分解层的分解图像数据包括高斯金字塔数据和拉普拉斯金字塔数据,L≥2且取正整数;
原始图像数据可以是表征YUV格式的图像数据,此时,原始图像数据对应但不限于YUV420格式的三通道彩色图像。
原始图像数据也可以是表征RGB图像或Bayer图像的图像数据等;若为RGB图像,则直接将其转换为YUV格式的图像;若为Bayer图像,则先将其转换为RGB图像再转换为YUV格式的图像;也就是说本实施例的处理方法适用于不同格式的原始图像,不局限与一种类型的图像,满足了更多图像类型的处理需求。另外,将RGB图像或Bayer图像转换为YUV格式的图像属于本领域的成熟技术,因此此处就不再赘述。
具体地,当原始通道数据为YUV444格式的图像数据,或,原始通道数据经过转换处理后为YUV444格式的图像数据时,则采用金字塔分解的方式得到多尺度的L个分解层的分解图像数据。
若原始通道数据为YUV420格式的图像数据,则需对原始Y通道数据进行下采样处理;
以待处理图像大小为2M×2N为例,其中,下采样处理前的原始Y通道数据(2M×2N),下采样处理后的原始Y通道数据(M×N)与原始U通道数据(M×N)和原始V通道数据(M×N)的尺寸相匹配,此时三通道数据对应新的原始通道数据(M×N);
采用高斯滤波与下采样相结合的方式对原始通道数据进行分解处理以获取L个分解层的分解图像数据。例如,将M×N的YUV三通道原始通道数据依次分解为(M/2)×(N/2)的YUV三通道数据、(M/4)×(N/4)的YUV三通道数据、(M/16)×(N/16)的YUV三通道数据……;具体分解多少层数以及对哪些层继续进行滤波处理可以根据实际情况确定与调整。
相似度计算模块3用于采用块匹配方式计算当前层的待处理数据中YUV三个通道数据的待处理像素与邻域像素的相似度;
其中,从第L层到第一层依次开始处理,第L层对应的待处理数据为当前层的高斯金字塔数据;
联合权重计算模块4用于根据相似度确定每个邻域像素位置的联合权重;
去噪处理模块5用于根据UV通道的邻域像素和邻域像素位置上对应的联合权重对当前层的UV通道进行去噪以获取中间去噪结果;
分解层重构模块6用于对当前层的中间去噪结果和原始Y通道数据进行上采样以获取上采样结果,并将上采样结果与前一层的拉普拉斯金字塔数据进行相加融合以得到前一层对应的待处理数据,并重复依次调用相似度计算模块3和联合权重计算模块4;
目标图像数据获取模块7用于当去噪处理模块5获取对第一层的UV通道进行去噪得到的目标去噪结果时,提取目标去噪结果中去噪后的U通道数据和去噪后的V通道数据,并对原始Y通道数据、去噪后的U通道数据和去噪后的V通道数据进行重构处理以获取去噪后的目标图像数据。
通过采用金字塔多尺度的去噪算法,能够在不同尺度上进行颜色去噪,有效地抑制颜色噪声,提高了图像的去噪效果。当然,也可以采用其他的金字塔分解形式,例如波分解、超小波分解、尺度空间分解等作为多尺度分解的载体。
本实施例中,以YUV格式的三通道彩色图像作为输入,对UV通道图像进行噪声抑制,在降噪的同时,很好地联合YUV三通道信息,能够有效抑制UV通道去噪中需要针对的低频彩色噪声,同时对于边缘的伪彩色也有效抑制,能够很好的防止颜色溢出,有效地提升了图像处理质量。
其中,UV通道为颜色通道数据无法表征边缘强度,仅考虑UV通道进行滤波权重的确定往往伴随着颜色溢出现象;而Y通道信息是亮度信息通道,而且可能已经经过去噪,可以很好的表征边缘特征,因此结合Y通道的边缘信息对UV通道的滤波作指导,能够很好地保持UV的边缘,很好抑制颜色溢出现象。
本实施例中,通过联合YUV颜色空间的YUV三通道对颜色噪声进行抑制,基于YUV三通道协同指导滤波,并结合了金字塔多尺度框架,在不同尺度上进行颜色去噪,能够同时抑制不同尺度的颜色噪声,提高了对颜色噪声的去噪质量有效地降低了颜色溢出现象发生满足了更高的图像处理要求。
实施例5
本实施例的图像中颜色噪声的处理系统是对实施例4的进一步改进,具体地:
相似度计算模块3用于对于当前层的高斯金字塔数据中YUV三个通道数据,计算得到每个通道的各个邻域像素结合周围n×n像素数据,与待处理像素结合周围n×n像素数据之间的差值,并根据差值确定各个通道的待处理像素与周围邻域像素的相似度;其中,n≥1且取奇数。
对于第二层至第L层的分解图像数据,联合权重计算模块4用于采用第一滤波核函数根据相似度确定每个邻域像素位置的联合权重。
具体地,联合权重计算模块4用于采用第一滤波核函数根据第一像素相似度、第二像素相似度和第三像素相似度,分别获取各个邻域像素位置在Y通道的第一中间权重、U通道的第二中间权重和V通道的第三中间权重;
计算第一中间权重、第二中间权重和第三中间权重的乘积以得到各个邻域像素位置上的联合权重。
其中,在相似度大于设定值时,采用第一滤波核函数根据相似度索引得到的权重为零。
在颜色通道的滤波过程中,需要对小差异性的像素点尽可能加权平均,对大差异性的像素点赋予尽可能小的权重,设计新型的第一滤波核函数,具体函数表达式如下:
其中,x表示待处理像素与周围邻域像素的相似度,w(x)表示权重,h和k均为预设常量;
该第一滤波核函数用于根据YUV各个通道待处理像素与其邻域的各个像素的绝对差异索引相应的加权权重,即相当于权重索引函数。
在相似度大于k时,采用第一滤波核函数根据相似度索引得到的权重为零,h的大小与第一滤波核函数的衰减速度相对应;
每个邻域像素位置的联合权重用于表征每个邻域像素与待处理像素的相似度。
如图2所示,横轴表示像素差值x,纵轴表示权重w(x),L11对应传统的高斯核函数,L12和L13对应不同预设参数的第一滤波核函数。
可以得知,传统的高斯核函数是一个过渡段衰减速度不够的拖尾函数,在像素差值足够大是仍然对应一定的权重,从而会造成颜色溢出,因此并不适合用于颜色去噪;而本实施例的第一滤波核函数通过调节参数可以做到过渡段衰减更快甚至截断,同时小差异度区域加权权重更大,从而能够很好地更适应颜色去噪的加权需求,能够有效地避免颜色溢出效应,保证图像中颜色去噪的质量。
当然,第一滤波核函数还可以其他形式,只要其满足在像素差值大于设定值时索引得到的权重为零,且小差异度区域加权权重较大即可。
对于第一层的分解图像数据,联合权重计算模块4还用于采用第二滤波核函数根据相似度确定每个邻域像素位置的联合权重;
其中,第二滤波核函数用于高频噪声的滤波。
具体地,第二滤波核函数的表达式如下:
其中,x表示第一层的分解图像数据中待处理像素与周围邻域像素的相似度,w(x)表示权重,h和k均为预设常量。
去噪处理模块5用于对UV通道的待处理像素的各个邻域像素位置的像素值、待处理像素位置的像素值、各个邻域像素位置及待处理像素位置上的联合权重进行加权平均处理,以对每个待处理像素进行去噪并获取中间去噪结果。
另外,可参见实施例2中的具体实例说明,因此此处就不再赘述。
本实施例中,联合YUV颜色空间的YUV三通道对颜色噪声进行抑制,分别对基于第一滤波核函数实现对UV通道低频子带三通道联合滤波和基于第二滤波核函数实现对原始层UV通道数据进行高频噪声滤波,能够同时抑制不同颗粒度的颜色噪声,能够保证很好的颜色边缘保持特性,有效地降低了颜色溢出现象发生。
本实施例中,通过联合YUV颜色空间的YUV三通道对颜色噪声进行抑制,基于YUV三通道协同指导滤波,并结合了金字塔多尺度特性,在不同尺度上进行颜色去噪,能够同时抑制不同尺度的颜色噪声,提高了对颜色噪声的去噪质量;同时,设计新型滤波核函数,能够保证很好的颜色边缘保持特性,有效地降低了颜色溢出现象发生,并且去除了单颗粒噪声,从而进一步地提升了对图像中颜色去噪的能力,提高了对颜色噪声的去噪质量,满足了更高的图像处理要求。
实施例6
本实施例的图像中颜色噪声的处理系统是对实施例5的进一步改进,具体地:
本实施例的图像中颜色噪声的处理系统还包括距离计算模块;
距离计算模块计算每层待处理像素与当前层的分解图像数据对应的中心点的距离;
具体地,计算每层待处理像素与当前层的分解图像数据对应的中心点的距离的步骤对应的计算公式如下:
其中,p1和p2分别为每层的待处理像素与当前层的分解图像数据的对应的中心点,(x1,y1)为p1对应的坐标数据,(x2,y2)为p2对应的坐标数据,d(p1,p2)表示距离。
相似度计算模块3还用于根据距离更新每层的YUV三个通道数据的待处理像素与邻域像素的相似度;
联合权重计算模块4还用于根据更新后的相似度重新更新确定每个邻域像素位置的联合权重;
去噪处理模块5还用于根据UV通道的邻域像素和邻域像素位置上对应的联合权重对当前层的UV通道进行去噪以获取中间去噪结果,直至获取对第一层的UV通道进行去噪得到的新的目标去噪结果。
其中,待处理像素点与中心点的距离大小与去噪强度呈正相关。
如图7所示,横轴表示计算出来的距离,根据计算出的距离索引ratio(比例值)出来,该ratio直接乘以该层对应的前述计算出的相似度以更新该相似度;当距离小于radial_th1时,ratio为1,即不调整相似度;当距离大于radial_th1且小于radial_th2时,用将索引出来的ratio乘以相似度的数值,这样会使的之前的相似度的数值变小,使得最终得到的权重变大,从而达到增大去噪强度的目的;当距离大于radial_th2时,ratio不再发生变化,即去噪强度不会随着距离的变大而无限制的变大。
根据待处理像素到每层图像中心位置的距离,自适应调整去噪强度,有效地抑制四周的噪声,有效地克服在颜色降噪过程中因在镜头的畸变特性,以及在ISP进行矫正过程中对四周的噪声进行了放大,导致去噪质量降低的情况发生,从而达到沿径向去噪的目的。
在理论上采用欧式距离,即L2范数诱导的距离,对于p1(x1,y1),p2(x2,y2),其欧式距离为:
然而由于ISP硬件上做开方运算需要很复杂的逻辑,在工程上一般采用L1范数进行替代L2范数。然而如图6所示,为现有的L1范数计算距离的方式下对应的径向调整效果,可以得知,L1范数是一个和水平方向夹45度的正方形,并不能很好得逼近由于畸变矫正引起的噪声放大过程。
如图8所示,可以得知,采用本实施例的斜面距离更贴近L2距离,具有更好的径向调整效果,能够有效矫正沿径向降噪的降噪强度,改善由于镜头矫正导致四角颜色噪声较大的情况,进一步地提高图像的去噪能力,提高图像的去噪质量。
本实施例中,通过联合YUV颜色空间的YUV三通道对颜色噪声进行抑制,基于YUV三通道协同指导滤波,并结合了高斯-拉普拉斯金字塔多尺度特性,在不同尺度上进行颜色去噪,能够同时抑制不同尺度的颜色噪声,提高了对颜色噪声的去噪质量;同时,设计新型滤波核函数,能够保证很好的颜色边缘保持特性,有效地降低了颜色溢出现象发生,同时可以去除单颗粒噪声,从而进一步地提升了对图像中颜色去噪的能力,提高了对颜色噪声的去噪质量,满足了更高的图像处理要求;基于斜面距离对图像进行径向去噪,能够有效矫正沿径向降噪的降噪强度,改善由于镜头矫正导致四角颜色噪声较大的情况,进一步地提升了图像的去噪能力,提高了图像的质量。
实施例7
图10为本发明实施例7提供的一种电子设备的结构示意图。电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时实现实施例1至3中任意一实施例中的图像中颜色噪声的处理方法。图10显示的电子设备30仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图10所示,电子设备30可以以通用计算设备的形式表现,例如其可以为服务器设备。电子设备30的组件可以包括但不限于:上述至少一个处理器31、上述至少一个存储器32、连接不同系统组件(包括存储器32和处理器31)的总线33。
总线33包括数据总线、地址总线和控制总线。
存储器32可以包括易失性存储器,例如随机存取存储器(RAM)321和/或高速缓存存储器322,还可以进一步包括只读存储器(ROM)323。
存储器32还可以包括具有一组(至少一个)程序模块324的程序/实用工具325,这样的程序模块324包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器31通过运行存储在存储器32中的计算机程序,从而执行各种功能应用以及数据处理,例如本发明实施例1至3中任意一实施例中的图像中颜色噪声的处理方法。
电子设备30也可以与一个或多个外部设备34(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口35进行。并且,模型生成的设备30还可以通过网络适配器36与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图10所示,网络适配器36通过总线33与模型生成的设备30的其它模块通信。应当明白,尽管图中未示出,可以结合模型生成的设备30使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意,尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
实施例8
本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,程序被处理器执行时实现实施例1至3中任意一实施例中的图像中颜色噪声的处理方法中的步骤。
其中,可读存储介质可以采用的更具体可以包括但不限于:便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中,本发明还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在终端设备上运行时,程序代码用于使终端设备执行实现实施例1至3中任意一实施例中的图像中颜色噪声的处理方法中的步骤。
其中,可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码,程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (14)
1.一种图像中颜色噪声的处理方法,其特征在于,所述处理方法包括:
获取待处理图像数据对应的原始通道数据;
其中,所述原始通道数据包括原始Y通道数据、原始U通道数据和原始V通道数据;
根据所述原始通道数据获取L个分解层的分解图像数据;
其中,YUV三个通道数据中每个分解层的所述分解图像数据包括高斯金字塔数据和拉普拉斯金字塔数据,L≥2且取正整数;
从第L层开始,采用块匹配方式计算当前层的待处理数据中YUV三个通道数据的待处理像素与邻域像素的相似度,根据所述相似度确定每个所述邻域像素位置的联合权重,并根据UV通道的所述邻域像素和所述邻域像素位置上对应的所述联合权重对当前层的UV通道进行去噪以获取中间去噪结果;其中,第L层对应的所述待处理数据为当前层的所述高斯金字塔数据;
对当前层的所述中间去噪结果和所述原始Y通道数据进行上采样以获取上采样结果,并将所述上采样结果与前一层的所述拉普拉斯金字塔数据进行相加融合以得到前一层对应的待处理数据,并重复执行所述采用块匹配方式计算当前层的所述待处理数据中YUV三个通道数据的待处理像素与邻域像素的相似度、根据所述相似度确定每个所述邻域像素位置的联合权重,并根据UV通道的所述邻域像素和所述邻域像素位置上对应的所述联合权重对当前层的UV通道进行去噪以获取中间去噪结果的步骤,直至获取对第一层的UV通道进行去噪得到的目标去噪结果;
提取所述目标去噪结果中去噪后的U通道数据和去噪后的V通道数据,并对所述原始Y通道数据、所述去噪后的U通道数据和所述去噪后的V通道数据进行重构处理以获取去噪后的目标图像数据。
2.如权利要求1所述的图像中颜色噪声的处理方法,其特征在于,对于第二层至第L层的所述分解图像数据,所述根据所述相似度确定每个所述邻域像素位置的联合权重的步骤包括:
采用第一滤波核函数根据所述相似度确定每个所述邻域像素位置的联合权重;
其中,在所述相似度大于设定值时,采用所述第一滤波核函数根据所述相似度索引得到的权重为零。
4.如权利要求1或2所述的图像中颜色噪声的处理方法,其特征在于,对于第一层的所述分解图像数据,所述根据所述相似度确定每个所述邻域像素位置的联合权重的步骤包括:
采用第二滤波核函数根据所述相似度确定每个所述邻域像素位置的联合权重;
其中,所述第二滤波核函数用于高频噪声的滤波。
6.如权利要求1所述的图像中颜色噪声的处理方法,其特征在于,所述采用块匹配方式计算当前层的所述高斯金字塔数据中YUV三个通道数据的待处理像素与邻域像素的相似度的步骤包括:
对于当前层的所述高斯金字塔数据中YUV三个通道数据,计算得到每个通道的各个邻域像素结合周围n×n像素数据,与所述待处理像素结合周围n×n像素数据之间的差值,并根据所述差值确定各个通道的所述待处理像素与周围邻域像素的所述相似度;其中,n≥1且取奇数。
7.如权利要求2所述的图像中颜色噪声的处理方法,其特征在于,所述采用块匹配方式计算当前层的所述高斯金字塔数据中YUV三个通道数据的待处理像素与邻域像素的相似度的步骤包括:
以块匹配方式计算得到各个邻域像素位置的像素和所述待处理像素位置的像素在Y通道的第一像素相似度、U通道的第二像素相似度和V通道的第三像素相似度;
所述采用第一滤波核函数根据所述相似度确定各个所述邻域像素位置的联合权重的步骤包括:
采用所述第一滤波核函数根据所述第一像素相似度、所述第二像素相似度和所述第三像素相似度,分别获取所述各个邻域像素位置在Y通道的第一中间权重、U通道的第二中间权重和V通道的第三中间权重;
计算所述第一中间权重、所述第二中间权重和所述第三中间权重的乘积以得到各个邻域像素位置上的所述联合权重。
8.如权利要求1所述的图像中颜色噪声的处理方法,其特征在于,所述根据UV通道的所述邻域像素和所述邻域像素位置上对应的所述联合权重对当前层的UV通道进行去噪以获取中间去噪结果的步骤包括:
对UV通道的所述待处理像素的各个邻域像素位置的像素值、所述待处理像素位置的像素值、各个邻域像素位置及所述待处理像素位置上的所述联合权重进行加权平均处理,以对每个所述待处理像素进行去噪并获取所述中间去噪结果。
9.如权利要求8所述的图像中颜色噪声的处理方法,其特征在于,在对每一层所述分解图像数据进行U通道和V通道进行加权滤波的同时,所述处理方法还包括:
计算每层所述待处理像素与当前层的所述分解图像数据对应的中心点的距离;
根据所述距离更新每层的YUV三个通道数据的待处理像素与邻域像素的所述相似度,根据所述相似度更新每个所述邻域像素位置的联合权重,并根据UV通道的所述邻域像素和所述邻域像素位置上对应的所述联合权重对每层的UV通道进行去噪以获取新的所述中间去噪结果,直至获取对第一层的UV通道进行去噪得到的新的所述目标去噪结果;
其中,所述待处理像素点与所述中心点的距离大小与去噪强度呈正相关。
11.如权利要求1所述的图像中颜色噪声的处理方法,其特征在于,所述根据所述原始通道数据获取L个分解层的分解图像数据的步骤包括:
当所述原始通道数据为YUV444格式的图像数据,或,所述原始通道数据经过转换处理后为YUV444格式的图像数据时,则采用金字塔分解的方式得到多尺度的L个分解层的所述分解图像数据;或,
当所述原始通道数据为YUV420格式的图像数据时,则对所述原始Y通道数据进行下采样处理;
其中,下采样处理后的所述原始Y通道数据与所述原始U通道数据和所述原始V通道数据的尺寸相匹配,并构成新的所述原始通道数据;
对新的所述原始通道数据采用金字塔分解的方式得到多尺度的L个分解层的所述分解图像数据。
12.一种图像中颜色噪声的处理系统,其特征在于,所述处理系统包括:
原始通道数据获取模块,用于获取待处理图像数据对应的原始通道数据;
其中,所述原始通道数据包括原始Y通道数据、原始U通道数据和原始V通道数据;
图像分解模块,用于根据所述原始通道数据获取L个分解层的分解图像数据;
其中,YUV三个通道数据中每个分解层的所述分解图像数据包括高斯金字塔数据和拉普拉斯金字塔数据,L≥2且取正整数;
相似度计算模块,用于采用块匹配方式计算当前层的待处理数据中YUV三个通道数据的待处理像素与邻域像素的相似度;其中,第L层对应的所述待处理数据为当前层的所述高斯金字塔数据;
联合权重计算模块,用于根据所述相似度确定每个所述邻域像素位置的联合权重;
去噪处理模块,用于根据UV通道的所述邻域像素和所述邻域像素位置上对应的所述联合权重对当前层的UV通道进行去噪以获取中间去噪结果;
分解层重构模块,用于对当前层的所述中间去噪结果和所述原始Y通道数据进行上采样以获取上采样结果,并将所述上采样结果与前一层的所述拉普拉斯金字塔数据进行相加融合以得到前一层对应的待处理数据,并重复依次调用所述相似度计算模块和所述联合权重计算模块;
目标图像数据获取模块,用于当所述去噪处理模块获取对第一层的UV通道进行去噪得到的目标去噪结果时,提取所述目标去噪结果中去噪后的U通道数据和去噪后的V通道数据,并对所述原始Y通道数据、所述去噪后的U通道数据和所述去噪后的V通道数据进行重构处理以获取去噪后的目标图像数据。
13.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行计算机程序时实现权利要求1-11中任一项所述的图像中颜色噪声的处理方法。
14.一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权利要求1-11中任一项所述的图像中颜色噪声的处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010779985.8A CN111882504B (zh) | 2020-08-05 | 2020-08-05 | 图像中颜色噪声的处理方法、系统、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010779985.8A CN111882504B (zh) | 2020-08-05 | 2020-08-05 | 图像中颜色噪声的处理方法、系统、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111882504A true CN111882504A (zh) | 2020-11-03 |
CN111882504B CN111882504B (zh) | 2022-08-16 |
Family
ID=73211292
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010779985.8A Active CN111882504B (zh) | 2020-08-05 | 2020-08-05 | 图像中颜色噪声的处理方法、系统、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111882504B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112819721A (zh) * | 2021-02-04 | 2021-05-18 | 湖南兴芯微电子科技有限公司 | 一种图像彩色噪声降噪的方法和系统 |
CN112884667A (zh) * | 2021-02-04 | 2021-06-01 | 湖南兴芯微电子科技有限公司 | 一种Bayer域降噪方法和降噪系统 |
CN112927160A (zh) * | 2021-03-12 | 2021-06-08 | 郑州轻工业大学 | 一种基于深度Retinex的单张低光图像增强方法 |
CN113269686A (zh) * | 2021-05-14 | 2021-08-17 | 展讯通信(上海)有限公司 | 亮度噪声的处理方法、装置、存储介质及终端 |
CN113643198A (zh) * | 2021-07-22 | 2021-11-12 | 海宁奕斯伟集成电路设计有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN114037635A (zh) * | 2021-11-26 | 2022-02-11 | 成都微光集电科技有限公司 | 一种图像混合去噪方法、装置、电子设备和介质 |
WO2022217525A1 (zh) * | 2021-04-15 | 2022-10-20 | 深圳市大疆创新科技有限公司 | 图像降噪处理方法、装置及成像装置 |
CN117876252A (zh) * | 2024-03-11 | 2024-04-12 | 上海玄戒技术有限公司 | 一种图像降噪方法、装置、设备、存储介质及芯片 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140321744A1 (en) * | 2013-04-26 | 2014-10-30 | Fujitsu Limited | Method and apparatus for reducing image noise |
CN104240188A (zh) * | 2013-06-14 | 2014-12-24 | 华为技术有限公司 | 一种滤除像素中噪声的方法及装置 |
CN107292845A (zh) * | 2017-06-26 | 2017-10-24 | 重庆名图医疗设备有限公司 | 基于标准差金字塔的动态图像降噪方法及装置 |
CN107578418A (zh) * | 2017-09-08 | 2018-01-12 | 华中科技大学 | 一种融合色彩和深度信息的室内场景轮廓检测方法 |
CN109377450A (zh) * | 2018-08-24 | 2019-02-22 | 南京理工大学 | 一种边缘保护的去噪方法 |
CN109978775A (zh) * | 2017-12-28 | 2019-07-05 | 展讯通信(上海)有限公司 | 颜色去噪方法及装置 |
CN111260580A (zh) * | 2020-01-17 | 2020-06-09 | 珠海全志科技股份有限公司 | 一种基于图像金字塔的图像去噪方法、计算机装置及计算机可读存储介质 |
-
2020
- 2020-08-05 CN CN202010779985.8A patent/CN111882504B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140321744A1 (en) * | 2013-04-26 | 2014-10-30 | Fujitsu Limited | Method and apparatus for reducing image noise |
CN104240188A (zh) * | 2013-06-14 | 2014-12-24 | 华为技术有限公司 | 一种滤除像素中噪声的方法及装置 |
CN107292845A (zh) * | 2017-06-26 | 2017-10-24 | 重庆名图医疗设备有限公司 | 基于标准差金字塔的动态图像降噪方法及装置 |
CN107578418A (zh) * | 2017-09-08 | 2018-01-12 | 华中科技大学 | 一种融合色彩和深度信息的室内场景轮廓检测方法 |
CN109978775A (zh) * | 2017-12-28 | 2019-07-05 | 展讯通信(上海)有限公司 | 颜色去噪方法及装置 |
CN109377450A (zh) * | 2018-08-24 | 2019-02-22 | 南京理工大学 | 一种边缘保护的去噪方法 |
CN111260580A (zh) * | 2020-01-17 | 2020-06-09 | 珠海全志科技股份有限公司 | 一种基于图像金字塔的图像去噪方法、计算机装置及计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
张克宁: "《细微运动的视觉增强及硬件加速技术研究》", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112819721A (zh) * | 2021-02-04 | 2021-05-18 | 湖南兴芯微电子科技有限公司 | 一种图像彩色噪声降噪的方法和系统 |
CN112884667A (zh) * | 2021-02-04 | 2021-06-01 | 湖南兴芯微电子科技有限公司 | 一种Bayer域降噪方法和降噪系统 |
CN112819721B (zh) * | 2021-02-04 | 2021-09-17 | 湖南兴芯微电子科技有限公司 | 一种图像彩色噪声降噪的方法和系统 |
CN112927160A (zh) * | 2021-03-12 | 2021-06-08 | 郑州轻工业大学 | 一种基于深度Retinex的单张低光图像增强方法 |
CN112927160B (zh) * | 2021-03-12 | 2022-11-18 | 郑州轻工业大学 | 一种基于深度Retinex的单张低光图像增强方法 |
WO2022217525A1 (zh) * | 2021-04-15 | 2022-10-20 | 深圳市大疆创新科技有限公司 | 图像降噪处理方法、装置及成像装置 |
CN113269686A (zh) * | 2021-05-14 | 2021-08-17 | 展讯通信(上海)有限公司 | 亮度噪声的处理方法、装置、存储介质及终端 |
CN113269686B (zh) * | 2021-05-14 | 2022-11-25 | 展讯通信(上海)有限公司 | 亮度噪声的处理方法、装置、存储介质及终端 |
CN113643198A (zh) * | 2021-07-22 | 2021-11-12 | 海宁奕斯伟集成电路设计有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN114037635A (zh) * | 2021-11-26 | 2022-02-11 | 成都微光集电科技有限公司 | 一种图像混合去噪方法、装置、电子设备和介质 |
CN117876252A (zh) * | 2024-03-11 | 2024-04-12 | 上海玄戒技术有限公司 | 一种图像降噪方法、装置、设备、存储介质及芯片 |
Also Published As
Publication number | Publication date |
---|---|
CN111882504B (zh) | 2022-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111882504B (zh) | 图像中颜色噪声的处理方法、系统、电子设备和存储介质 | |
Chen et al. | Gated context aggregation network for image dehazing and deraining | |
EP4109392A1 (en) | Image processing method and image processing device | |
CN108510451B (zh) | 一种基于双层卷积神经网络的重建车牌的方法 | |
Shen et al. | Convolutional neural pyramid for image processing | |
CN111260580B (zh) | 图像去噪方法、计算机装置及计算机可读存储介质 | |
CN113450290B (zh) | 基于图像修补技术的低照度图像增强方法及系统 | |
CN110874827B (zh) | 湍流图像复原方法、装置、终端设备及计算机可读介质 | |
US20220398698A1 (en) | Image processing model generation method, processing method, storage medium, and terminal | |
CN113129212B (zh) | 图像超分辨率重建方法、装置、终端设备及存储介质 | |
CN106910170A (zh) | 一种图像椒盐噪声的去除方法 | |
CN113379609B (zh) | 一种图像处理方法、存储介质及终端设备 | |
Gu et al. | A Low‐Light Image Enhancement Method Based on Image Degradation Model and Pure Pixel Ratio Prior | |
CN111563517A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN110827209A (zh) | 一种联合颜色与深度信息的自适应深度图像修复方法 | |
WO2021102704A1 (zh) | 图像处理方法和装置 | |
TWI802520B (zh) | 影像處理方法及影像處理裝置 | |
CN113269686B (zh) | 亮度噪声的处理方法、装置、存储介质及终端 | |
WO2022133874A1 (zh) | 图像处理方法及设备、计算机可读存储介质 | |
WO2020241337A1 (ja) | 画像処理装置 | |
CN111383171B (zh) | 一种图片处理方法、系统及终端设备 | |
CN113888405A (zh) | 基于分簇自适应膨胀卷积神经网络的去噪去马赛克方法 | |
CN109345478B (zh) | 一种基于梯度最小化的图像平滑处理方法 | |
CN113469889A (zh) | 一种图像降噪的方法及装置 | |
KR20080069084A (ko) | 자기 트레이닝을 기반으로 하는 영상 복원 장치 및 방법 |
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 |