CN111935425A - 视频降噪方法、装置、电子设备及计算机可读介质 - Google Patents

视频降噪方法、装置、电子设备及计算机可读介质 Download PDF

Info

Publication number
CN111935425A
CN111935425A CN202010819526.8A CN202010819526A CN111935425A CN 111935425 A CN111935425 A CN 111935425A CN 202010819526 A CN202010819526 A CN 202010819526A CN 111935425 A CN111935425 A CN 111935425A
Authority
CN
China
Prior art keywords
image
value
pixel point
frame
current frame
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
Application number
CN202010819526.8A
Other languages
English (en)
Other versions
CN111935425B (zh
Inventor
刘鼎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ByteDance Inc
Original Assignee
ByteDance Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ByteDance Inc filed Critical ByteDance Inc
Priority to CN202010819526.8A priority Critical patent/CN111935425B/zh
Publication of CN111935425A publication Critical patent/CN111935425A/zh
Application granted granted Critical
Publication of CN111935425B publication Critical patent/CN111935425B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
    • H04N25/60—Noise processing, e.g. detecting, correcting, reducing or removing noise
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/14—Picture signal circuitry for video frequency region
    • H04N5/21—Circuitry for suppressing or minimising disturbance, e.g. moiré or halo
    • H04N5/213—Circuitry for suppressing or minimising impulsive noise

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)

Abstract

本公开提供了一种视频降噪方法、装置、电子设备及计算机可读介质，涉及图像处理技术领域。视频降噪方法，包括：根据待降噪视频的当前帧和当前帧的参考帧计算当前帧和参考帧之间的光流；根据光流将参考帧扭曲变换到当前帧的位置，以得到参考对齐帧；获取当前帧对应的灰度图像；基于灰度图像的每个像素点的值、参考对齐帧的每个像素点的值以及当前帧的每个像素点的值进行计算，以得到当前帧去噪后的每个像素点的值。本公开所提供的技术方案，利用参考对齐帧和当前帧的灰度图像，对当前帧进行去噪，使得当前帧的图像在亮度较高的区域保留更多的细节，在亮度较低的区域去除更多噪点，在整体上得到了更好的帧图像，视频的每帧的图像去噪效果好。

Description

视频降噪方法、装置、电子设备及计算机可读介质
技术领域
本公开实施例涉及图像处理技术领域，具体而言，本公开涉及一种视频降噪方法、装置、电子设备及计算机可读介质。
背景技术
随着计算机技术的发展，视频的应用领域越来越广阔，如监控领域、通信领域等。在生成视频时，一般采用镜头拍摄，拍摄的视频受镜头等因素的影响，采集的视频中可能会包括噪点，噪点破坏了视频的清晰度和质量，因此人们需要将噪点去除。
而现有技术中，在对噪点去除时，会将视频的细节去除较多，得到的视频的质量较低，不能满足用户的需求。
发明内容
提供该发明内容部分以便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。该发明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。
根据待降噪视频的当前帧和当前帧的参考帧计算当前帧和参考帧之间的光流；
根据光流将参考帧扭曲变换到当前帧的位置，以得到参考对齐帧；
获取当前帧对应的灰度图像；
基于灰度图像的每个像素点的值、参考对齐帧的每个像素点的值以及当前帧的每个像素点的值进行计算，以得到当前帧去噪后的每个像素点的值。
第二方面，还提供一种视频降噪装置，该装置包括：
光流计算模块，用于根据待降噪视频的当前帧和当前帧的参考帧计算当前帧和参考帧之间的光流；
扭曲变换模块，用于根据光流将参考帧扭曲变换到当前帧的位置，以得到参考对齐帧；
灰度获取模块，用于获取当前帧对应的灰度图像；
去噪模块，用于基于灰度图像的每个像素点的值、参考对齐帧的每个像素点的值以及当前帧的每个像素点的值进行计算，以得到当前帧去噪后的每个像素点的值。
第三方面，还提供一种电子设备，该电子设备包括：
一个或多个处理器；
存储器；
一个或多个应用程序，其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序配置用于：执行本公开第一方面所示的视频降噪方法。
第四方面，还提供一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现本公开第一方面所示的视频降噪方法。
与现有技术相比，本公开实施例提供一种视频降噪方法、装置、电子设备及计算机可读介质，利用参考对齐帧和当前帧的灰度图像，对当前帧进行去噪，灰度图像和亮度有关，根据灰度图像对当前帧进行去噪，使得当前帧的图像在亮度较高的区域保留更多的细节，在亮度较低的区域去除更多噪点，在整体上得到了更好的帧图像，视频的每帧的图像去噪效果好。
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为本公开实施例提供的一种视频降噪方法的流程示意图；
图2为图1中步骤S104的一种详细流程示意图；
图3为图1中步骤S103的详细流程示意图；
图4为图1中步骤S104的一种详细流程示意图；
图5为图4中步骤S402的详细流程示意图；
图6为本公开实施例提供的一种视频降噪装置的结构示意图；
图7为本公开实施例提供的一种视频降噪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。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对装置、模块或单元进行区分，并非用于限定这些装置、模块或单元一定为不同的装置、模块或单元，也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。
本公开提供的视频降噪方法、装置、电子设备及介质，旨在解决现有技术的如上技术问题。
下面以具体地实施例对本公开的技术方案以及本公开的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本公开的实施例进行描述。
需要说明的是，本公开实施例所使用的“终端”，可以是手机、平板电脑、PDA(Personal Digital Assistant，个人数字助理)、MID(Mobile Internet Device，移动互联网设备)等。
请参阅图1，本公开实施例中提供了一种视频降噪方法，可以应用于终端，该方法包括：
步骤S101：根据待降噪视频的当前帧和当前帧的参考帧计算当前帧和参考帧之间的光流。
光流(optical flow)，是利用图像序列中的像素在时间域上的变化以及相邻帧之间的相关性查找相邻两帧之间的相关性，从而计算出相邻帧之间物体的运动信息。视频中包括多个帧，当前帧是指待去噪视频中正在去噪的帧；参考帧，是相对于当前帧的参考帧，参考帧可以是当前帧的相邻帧、或是与当前帧间隔预设帧数的帧。预设帧数不做限定，可以是1帧，2帧或3帧等。在本公开实施例中，参考帧为当前帧的前面的相邻帧，即参考帧为当前帧的前一帧。在得到待降噪视频时，可以得到视频的不同帧的图像，也可以得到当前帧和参考帧的图像。当前帧和参考帧可以根据待降噪视频得到，可计算出当前帧和参考帧之间的光流。计算光流的方法为现有技术，本公开的实施例不再详细限定和说明。
步骤S102：根据光流将参考帧扭曲变换到当前帧的位置，以得到参考对齐帧。
在计算得到当前帧和参考帧之间的光流，即可将参考帧扭曲变换(warp)到当前帧的位置，得到参考对齐帧，参考对齐帧也是对当前帧的预测。
步骤S103：获取当前帧对应的灰度图像。
对当前帧的图像进行灰度化处理，即可得到当前帧对应的灰度图像。图像的灰度化处理是让图像的像素点矩阵中的每一个像素点都满足下面的关系：R＝G＝B，即红色变量的值、绿色变量的值和蓝色变量的值相等，此时的这个值叫做灰度值，又称亮度值。其中，灰度图像的大小、当前帧的图像的大小和参考对齐帧的图像的大小是相等的，灰度图像、当前帧的图像和参考对齐帧的图像分别包括的像素点的个数相同。
步骤S104：基于灰度图像的每个像素点的值、参考对齐帧的每个像素点的值以及当前帧的每个像素点的值进行计算，以得到当前帧去噪后的每个像素点的值。
当前帧的每个像素点都要进行去噪。例如，灰度图像包括A1像素点、B1像素点、C1像素点和D1像素点，参考对齐帧包括与A1像素点位置对应的A2像素点、与B1像素点位置对应的B2像素点、与C1像素点位置对应的C2像素点、与D1像素点位置对应的D2像素点，当前帧包括与A1像素点位置对应的A3像素点、与B1像素点位置对应的B3像素点、与C1像素点位置对应的C3像素点、与D1像素点位置对应的D3像素点。在对A3像素点进行去噪时，需要根据A1像素点、A2像素点和A3像素点进行计算，以得到去噪后的A3像素点；在对B3像素点进行去噪时，需要根据B1像素点、B2像素点和B3像素点进行计算，以得到去噪后的B3像素点；在对C3像素点进行去噪时，需要根据C1像素点、C2像素点和C3像素点进行计算，以得到去噪后的C3像素点；在对D3像素点进行去噪时，需要根据D1像素点、D2像素点和D3像素点进行计算，以得到去噪后的D3像素点。
具体地计算方法不做限定，可选的，可以对灰度图像的每个像素点归一化计算以得到归一化图像，然后利用归一化图像的每个像素点的值、参考对齐帧的每个像素点的值以及当前帧的每个像素点的值进行计算，以得到当前帧的图像去噪后的每个像素点的值。
本公开的实施例提供的视频降噪方法，利用参考对齐帧和当前帧的灰度图像，对当前帧进行去噪，灰度图像和亮度有关，根据灰度图像对当前帧进行去噪，使得当前帧的图像在亮度较高的区域保留更多的细节，在亮度较低的区域去除更多噪点，在整体上得到了更好的帧图像，视频的每帧的图像去噪效果好。
请参阅图2，可选的，基于灰度图像的每个像素点的值、参考对齐帧的每个像素点的值以及当前帧的每个像素点的值进行计算，以得到当前帧去噪后的每个像素点的值，包括：
S201：将灰度图像的每个像素点的值进行归一化，以得到归一化图像的每个像素点的值。
归一化图像，即将灰度图像的每个像素点的值进行归一化后得到的图像。对图像进行归一化的方式不做限定。在本公开实施例中，将灰度图像的每个像素点的值进行归一化时，可以获取灰度图像中所有像素点的值中的最大值S，然后将灰度图像的每个像素点的值，除以像素点的最大值S，得到的即为该像素点归一化后的值。如像素点的最大值为100，一像素点的值为10，则该像素点归一化后的值为0.1。可以理解，归一化图像中像素点的最大值为1。
S202：基于归一化图像的每个像素点的值、参考对齐帧的每个像素点的值以及当前帧的每个像素点的值进行计算，以得到当前帧去噪后的每个像素点的值。
具体计算的方法不做限定，在本公开实施例中，当前帧去噪后的每个像素点的值基于下式对进行计算：
Fq＝et×Ft+(1－et)×Fc
其中，et为归一化图像中的像素点的值，Ft为当前帧中的像素点的值，Fc为参考对齐帧中的像素点的值；et的位置、Ft的位置和Fc的位置相对应，Fq为当前帧去噪后的像素点的值。
在对当前帧的像素点进行去噪时，当前帧的每个像素点的值都要进行计算，当前帧中的像素点的值为Ft，则将Ft乘以归一化图像中对应当前帧的该像素点的像素点et，即为et×Ft，参考对齐帧中对应当前帧的该像素点的像素点的值为Fc，然后用(1－et)乘以Fc，即为(1－et)×Fc，将et×Ft与(1－et)×Fc相加，即为去噪后的当前帧的一个像素点的值。当前帧的所有像素点的值都按照该公式计算，即可得到所有当前帧去噪后的每个像素点的值。可以理解，et在0到1之间，则1－et也在0到1之间。
请参阅图3，可选地，获取当前帧对应的灰度图像时，不再直接基于当前帧的图像获取灰度图像，以下述方法获取当前帧的灰度图像：
S301：获取当前帧对应的预设层数的第一拉普拉斯金字塔。
预设层数不做限定，如预设层数可以为4层、5层或6层等。获取一个图像的拉普拉斯金字塔是现有技术，本公开实施例以拉普拉斯金字塔为4层为例，进行简要说明。
将当前帧的图像作为高斯金字塔的第0层图像G0，并对高斯金字塔的第0层图像G0进行高斯滤波，得到第一图像；再对第一图像进行下采样，得到高斯金字塔的第1层图像G1；再对高斯金字塔的第1层图像G1进行高斯滤波，得到第二图像，对第二图像进行下采样，得到高斯金字塔的第2层图像G2；再对高斯金字塔的第2层图像G2进行高斯滤波，得到第三图像，对第三图像进行下采样，得到高斯金字塔的第3层图像G3。高斯金字塔包括4层，分别为G0、G1、G2和G3。
将高斯金字塔的第3层图像G3作为拉普拉斯金字塔的第3层图像L3；再对高斯金字塔的第3层图像G3进行高斯滤波得到第四图像，并对第四图像进行上采样，得到变换后的高斯金字塔的第2层图像G2’，将原来的高斯金字塔的第2层图像G2与变换后的高斯金字塔的第2层图像G2’作差，可以得到拉普拉斯金字塔的第2层图像L2。对拉普拉斯金字塔的第2层图像L2进行高斯滤波得到第五图像，并对第五图像进行上采样，得到变换后的高斯金字塔的第1层图像G1’，将原来的高斯金字塔的第1层图像G1与变换后的高斯金字塔的第1层图像G1’作差，可以得到拉普拉斯金字塔的第1层图像L1。对拉普拉斯金字塔的第1层图像L1进行高斯滤波得到第六图像，并对第六图像进行上采样，得到变换后的高斯金字塔的第0层图像G0’，将原来的高斯金字塔的第1层图像G0与变换后的高斯金字塔的第0层图像G0’作差，可以得到拉普拉斯金字塔的第0层图像L0。本公开实施例中，得到的第一拉普拉斯金字塔的预设称述是4层，分别为第0层图像L0、第1层图像L1、第2层图像L2、第3层图像L3。依照该方法，可得到当前帧对应的预设层数的第一拉普拉斯金字塔。
S302：获取第一拉普拉斯金字塔每层图像对应的灰度图像。
分别对第一拉普拉斯金字塔每层图像灰度化处理，即可得到第一拉普拉斯金字塔每层图像对应的灰度图像。
请参阅图4，可选的，基于灰度图像的每个像素点的值、参考对齐帧的每个像素点的值以及当前帧的每个像素点的值进行计算，以得到当前帧去噪后的每个像素点的值，包括：
S401：获取参考对齐帧对应的预设层数的第二拉普拉斯金字塔。
第二拉普拉斯金字塔的层数和第一拉普拉斯金字塔的预设层数相同。如第一拉普拉斯金字塔和第二拉普拉斯金字塔都是4层。
S402：基于灰度图像的每个像素点的值、第一拉普拉斯金字塔的每层图像的每个像素点的值以及第二拉普拉斯金字塔的每层图像的每个像素点的值进行计算，以得到去噪后的每层第一拉普拉斯金字塔的每个像素点的值。
第一拉普拉斯金字塔的层数、第二拉普拉斯金字塔的层数是相等的。对第一拉普拉斯金字塔的每层图像进行去噪时，使用的该层第一拉普拉斯金字塔对应的灰度图像，以及与该层第一拉普拉斯金字塔的图像对应第二拉普拉斯金字塔的层数的图像。如第一拉普拉斯金字塔包括第0层图像L10、第1层图像L11、第2层图像L12和第3层图像L13，第二拉普拉斯金字塔包括第0层图像L20、第1层图像L21、第2层图像L22和第3层图像L23，灰度图像包括对应第一拉普拉斯金字塔第0层图像L10的灰度图像H0、对应第一拉普拉斯金字塔第1层图像L11的灰度图像H1、对应第一拉普拉斯金字塔第2层图像L12的灰度图像H2以及对应第一拉普拉斯金字塔第3层图像L10的灰度图像B3。对第一拉普拉斯金字塔的第0层图像L10进行去噪时，需要依据图像L10的每个像素点的值、图像L20的每个像素点的值以及灰度图像H0的每个像素点的值进行计算；对第一拉普拉斯金字塔的第1层图像L11进行去噪时，需要依据图像L11的每个像素点的值、图像L21的每个像素点的值以及灰度图像H1的每个像素点的值进行计算；对第一拉普拉斯金字塔的第2层图像L12进行去噪时，需要依据图像L12的每个像素点的值、图像L22的每个像素点的值以及灰度图像H2的每个像素点的值进行计算；对第一拉普拉斯金字塔的第3层图像L13进行去噪时，需要依据图像L13的每个像素点的值、图像L23的每个像素点的值以及灰度图像H3的每个像素点的值进行计算。
S403：根据去噪后的第一拉普拉斯金字塔的每层图像的每个像素点的值，计算得到当前帧去噪后的图像。
利用拉普拉斯金字塔重建图像是现有技术，本公开实施例以去噪后的第一拉普拉斯金字塔为4层为例，进行简要说明。
去噪后的第一拉普拉斯金字塔分别包括第0层图像Lq0、第1层图像Lq1、第2层图像Lq2和第3层图像Lq3。将第3层图像Lq3作为高斯金字塔的第3层图像Gq3；再对高斯金字塔的第3层图像Gq3进行高斯滤波得到第七图像，并对第七图像进行上采样，得到变换后的高斯金字塔的第2层图像Gq2’，将变换后的高斯金字塔的第2层图像Gq2’与第2层图像Lq2相加，可以得到高斯金字塔的第2层图像Gq2。对高斯金字塔的第2层图像Gq2进行高斯滤波得到第八图像，并对第八图像进行上采样，得到变换后的高斯金字塔的第1层图像Gq1’，将变换后的高斯金字塔的第1层图像Gq1’与第1层图像Lq1相加，可以得到高斯金字塔的第1层图像Gq1。对高斯金字塔的第1层图像Gq1进行高斯滤波得到第九图像，并对第九图像进行上采样，得到变换后的高斯金字塔的第0层图像Gq0’，将变换后的高斯金字塔的第0层图像Gq0’与第0层图像Lq0相加，可以得到高斯金字塔的第0层图像Gq0，高斯金字塔的第0层图像Gq0即为重建后得到的图像。对去噪后的第一拉普拉斯金字塔进行重建计算时，得到的即为当前帧去噪后的图像。
请参阅图5，可选地，基于灰度图像的每个像素点的值、第一拉普拉斯金字塔的每层图像的每个像素点的值以及第二拉普拉斯金字塔的每层图像的每个像素点的值进行计算，以得到去噪后的每层第一拉普拉斯金字塔的每个像素点的值，包括：
S501：将灰度图像的每个像素点的值进行归一化，以得到归一化图像的每个像素点的值。
归一化图像，即将灰度图像的每个像素点的值进行归一化后得到的图像。对图像进行归一化的方式不做限定。在本公开实施例中，将灰度图像的每个像素点的值进行归一化时，可以获取灰度图像中所有像素点的值中的最大值S，然后将灰度图像的每个像素点的值，除以像素点的最大值S，得到的即为该像素点归一化后的值。如像素点的最大值为100，一像素点的值为10，则该像素点归一化后的值为0.1。可以理解，归一化图像中像素点的最大值为1。其中，第一拉普拉斯金字塔每层图像对应的每层灰度图像都进行归一化。
S502：基于归一化图像的每个像素点的值、第一拉普拉斯金字塔的每层图像的每个像素点的值以及第二拉普拉斯金字塔的每层图像的每个像素点的值进行计算，以得到去噪后的每层第一拉普拉斯金字塔的每个像素点的值。
在本公开实施例中，每层的第一拉普拉斯金字塔的图像都要进行去噪。其中，每层的第一拉普拉斯金字塔的图像的去噪方法相同，具体计算的方法不做限定，在本公开实施例中，去噪后的每层第一拉普拉斯金字塔的每个像素点的值基于下式对进行计算：
Jq＝et×Jt+(1－et)×Jc
其中，et为归一化图像中的像素点的值，Jt为第一拉普拉斯金字塔中的像素点的值，Jc为第二拉普拉斯金字塔中的像素点的值；Jt在第一拉普拉斯金字塔中的层数和Jc在第二拉普拉斯金字塔中的层数对应，et的位置、Jt的位置和Jc的位置相对应，Jq为去噪后的一层第一拉普拉斯金字塔的像素点的值。
在对某一层的拉普拉斯金字塔的图像的像素点进行去噪时，该层拉普拉斯金字塔的图像中的每个像素点的值都要进行计算，如，第一拉普拉斯金字塔中第2层的像素点的值Jt，则将Jt乘以和对应第一拉普拉斯金字塔第2层图像的归一化图像的中对应该像素点Jt的像素点et，即为et×Ft；
第二拉普拉斯金字塔的第2层中对应拉普拉斯金字塔第2层的图像中对应该像素点Jt的像素点的值为Jc，然后用(1－et)乘以Jc，即为(1－et)×Jc，将et×Jt与(1－et)×Jc相加，即为去噪后的第2层的拉普拉斯金字塔的图像的一个像素点的值。该层拉普拉斯金字塔的图像的所有像素点的值都按照该公式计算，即可得到所有该层拉普拉斯金字塔的图像去噪后的每个像素点的值。依次也能得到去噪后的每层第一拉普拉斯金字塔的每个像素点的值。可以理解，et在0到1之间，则1－et也在0到1之间。
可选地，待降噪视频的帧图像为RGB三通道图像时，根据待降噪视频的当前帧和当前帧的参考帧计算当前帧和参考帧之间的光流之前，视频降噪还包括：
分别对当前帧图像和参考帧图像进行处理，以得到当前帧对应的R通道的当前第一图像、G通道的当前第二图像和B通道的当前第三图像，以及参考帧对应的R通道的参考第一图像、G通道的参考第二图像和B通道的参考第三图像。
RGB三通道图片，即为彩色图片，需要对RGB三通道图片进行处理，以得到每种通道对应的图片。
在待降噪视频的帧图像为RGB三通道图像时，光流可以基于当前第一图像和参考第一图像计算，或基于当前第二图像和参考第二图像计算，或基于当前第三图像和参考第三图像计算。
其中，在待降噪视频的帧图像为RGB三通道图像时，根据光流将参考帧扭曲变换到当前帧的位置，以得到参考对齐帧，包括：
根据光流、参考第一图像、参考第二图像和参考第三图像，以分别对当前第一图像、当前第二图像和当前第三图像进行去噪。
当前第一图像、当前第二图像和当前第三图像源于同一个RGB三通道图像。对当前第一图像进行去噪，可以得到第一去噪帧；对当前第二图像进行去噪，可以得到第二去噪帧；对当前第三图像进行去噪，可以得到第三去噪帧。
可选地，在得到当前第一图像对应的第一去噪帧、当前第二图像对应的第二去噪帧和当前第三图像对应的第三去噪帧时，视频降噪方法还包括：
将第一去噪帧、第二去噪帧和第三去噪帧合成，以得到彩色去噪帧。
第一去噪帧为R通道图片，第二去噪帧为G通道图片，第三去噪帧为B通道图片。第一去噪帧、第二去噪帧和第三去噪帧合成时，即可得到待降噪视频的帧图像对应的彩色帧图像。可以理解，在待降噪视频的帧图像为灰度图像时，得到的即为灰度的帧图像。
请参阅图6，本公开的实施例提供了一种视频降噪装置60，该视频降噪装置60应用于终端，该视频降噪装置可实现上述实施例的视频降噪方法，视频降噪装置60可以包括：光流计算模块601、扭曲变换模块602、灰度获取模块603和去噪模块604，其中，
光流计算模块601，用于根据待降噪视频的当前帧和当前帧的参考帧计算所述当前帧和所述参考帧之间的光流；
扭曲变换模块602，用于根据所述光流将所述参考帧扭曲变换到当前帧的位置，以得到参考对齐帧；
灰度获取模块603，用于获取当前帧对应的灰度图像；
去噪模块604，用于基于所述灰度图像的每个像素点的值、所述参考对齐帧的每个像素点的值以及所述当前帧的每个像素点的值进行计算，以得到所述当前帧去噪后的每个像素点的值。
本公开的实施例提供的视频降噪装置，利用参考对齐帧和当前帧的灰度图像，对当前帧进行去噪，灰度图像和亮度有关，根据灰度图像对当前帧进行去噪，使得当前帧的图像在亮度较高的区域保留更多的细节，在亮度较低的区域去除更多噪点，在整体上得到了更好的帧图像，视频的每帧的图像去噪效果好。
可选地，去噪模块604包括：
第一归一化单元，用于将灰度图像的每个像素点的值进行归一化，以得到归一化图像的每个像素点的值；
第一去噪单元，用于基于归一化图像的每个像素点的值、参考对齐帧的每个像素点的值以及当前帧的每个像素点的值进行计算，以得到当前帧去噪后的每个像素点的值。
可选地，灰度获取模块603包括：
第一金字塔获取单元，用于获取当前帧对应的预设层数的第一拉普拉斯金字塔；
灰度获取单元，用于获取第一拉普拉斯金字塔每层图像对应的灰度图像。
可选地，去噪模块604包括：
第二金字塔获取单元，用于获取参考对齐帧对应的预设层数的第二拉普拉斯金字塔；
第二去噪单元，用于基于灰度图像的每个像素点的值、第一拉普拉斯金字塔的每层图像的每个像素点的值以及第二拉普拉斯金字塔的每层图像的每个像素点的值进行计算，以得到去噪后的每层第一拉普拉斯金字塔的每个像素点的值；
重建单元，用于根据去噪后的第一拉普拉斯金字塔的每层图像的每个像素点的值，计算得到当前帧去噪后的图像。
可选地，第二去噪单元包括：
第二归一化单元，用于将灰度图像的每个像素点的值进行归一化，以得到归一化图像的每个像素点的值；
第三去噪单元，用于基于归一化图像的每个像素点的值、第一拉普拉斯金字塔的每层图像的每个像素点的值以及第二拉普拉斯金字塔的每层图像的每个像素点的值进行计算，以得到去噪后的每层第一拉普拉斯金字塔的每个像素点的值。
可选地，在待降噪视频的帧图像为RGB三通道图像时，视频降噪装置60还包括：
处理单元，用于分别对当前帧图像和参考帧图像进行处理，以得到当前帧对应的R通道的当前第一图像、G通道的当前第二图像和B通道的当前第三图像，以及参考帧对应的R通道的参考第一图像、G通道的参考第二图像和B通道的参考第三图像。
可选地，扭曲变换模块602，还用于根据光流、参考第一图像、参考第二图像和参考第三图像，以分别对当前第一图像、当前第二图像和当前第三图像进行去噪。
可选地，在得到当前第一图像对应的第一去噪帧、当前第二图像对应的第二去噪帧和当前第三图像对应的第三去噪帧时，视频降噪装置60还包括：
合成模块，用于将第一去噪帧、第二去噪帧和第三去噪帧合成，以得到彩色去噪帧。
请参阅图7，其示出了适于用来实现本公开实施例的电子设备700的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图7示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
电子设备包括：存储器以及处理器，其中，这里的处理器可以称为下文的处理装置701，存储器可以包括下文中的只读存储器(ROM)702、随机访问存储器(RAM)703以及存储装置708中的至少一项，具体如下所示：
如图7所示，电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
通常，以下装置可以连接至I/O接口705：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706；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707；包括例如磁带、硬盘等的存储装置708；以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700，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。
特别地，根据本公开的实施例，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，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态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。在这样的实施例中，该计算机程序可以通过通信装置709从网络上被下载和安装，或者从存储装置708被安装，或者从ROM 702被安装。在该计算机程序被处理装置701执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开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。
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：根据待降噪视频的当前帧和当前帧的参考帧计算当前帧和参考帧之间的光流；根据光流将参考帧扭曲变换到当前帧的位置，以得到参考对齐帧；获取当前帧对应的灰度图像；基于灰度图像的每个像素点的值、参考对齐帧的每个像素点的值以及当前帧的每个像素点的值进行计算，以得到当前帧去噪后的每个像素点的值。
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操作的计算机程序代码，上述程序设计语言包括但不限于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。
描述于本公开实施例中所涉及到的模块或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。其中，模块或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，光流计算模块还可以被描述为“光流生成模块”。
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。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例，提供了一种视频降噪方法，包括：
根据待降噪视频的当前帧和当前帧的参考帧计算当前帧和参考帧之间的光流；
根据光流将参考帧扭曲变换到当前帧的位置，以得到参考对齐帧；
获取当前帧对应的灰度图像；
基于灰度图像的每个像素点的值、参考对齐帧的每个像素点的值以及当前帧的每个像素点的值进行计算，以得到当前帧去噪后的每个像素点的值。
根据本公开的一个或多个实施例，基于灰度图像的每个像素点的值、参考对齐帧的每个像素点的值以及当前帧的每个像素点的值进行计算，以得到当前帧去噪后的每个像素点的值，包括：
将灰度图像的每个像素点的值进行归一化，以得到归一化图像的每个像素点的值；
基于归一化图像的每个像素点的值、参考对齐帧的每个像素点的值以及当前帧的每个像素点的值进行计算，以得到当前帧去噪后的每个像素点的值。
根据本公开的一个或多个实施例，当前帧去噪后的每个像素点的值基于下式对进行计算：
Fq＝et×Ft+(1－et)×Fc
其中，et为归一化图像中的像素点的值，Ft为当前帧中的像素点的值，Fc为参考对齐帧中的像素点的值；et的位置、Ft的位置和Fc的位置相对应，Fq为当前帧去噪后的像素点的值。
根据本公开的一个或多个实施例，获取当前帧对应的灰度图像，包括：
获取当前帧对应的预设层数的第一拉普拉斯金字塔；
获取第一拉普拉斯金字塔每层图像对应的灰度图像。
根据本公开的一个或多个实施例，基于灰度图像的每个像素点的值、参考对齐帧的每个像素点的值以及当前帧的每个像素点的值进行计算，以得到当前帧去噪后的每个像素点的值，包括：
获取参考对齐帧对应的预设层数的第二拉普拉斯金字塔；
基于灰度图像的每个像素点的值、第一拉普拉斯金字塔的每层图像的每个像素点的值以及第二拉普拉斯金字塔的每层图像的每个像素点的值进行计算，以得到去噪后的每层第一拉普拉斯金字塔的每个像素点的值；
根据去噪后的第一拉普拉斯金字塔的每层图像的每个像素点的值，计算得到当前帧去噪后的图像。
根据本公开的一个或多个实施例，基于灰度图像的每个像素点的值、第一拉普拉斯金字塔的每层图像的每个像素点的值以及第二拉普拉斯金字塔的每层图像的每个像素点的值进行计算，以得到去噪后的每层第一拉普拉斯金字塔的每个像素点的值，包括：
将灰度图像的每个像素点的值进行归一化，以得到归一化图像的每个像素点的值；
基于归一化图像的每个像素点的值、第一拉普拉斯金字塔的每层图像的每个像素点的值以及第二拉普拉斯金字塔的每层图像的每个像素点的值进行计算，以得到去噪后的每层第一拉普拉斯金字塔的每个像素点的值。
根据本公开的一个或多个实施例，去噪后的每层第一拉普拉斯金字塔的每个像素点的值基于下式对进行计算：
Jq＝et×Jt+(1－et)×Jc
其中，et为归一化图像中的像素点的值，Jt为第一拉普拉斯金字塔中的像素点的值，Jc为第二拉普拉斯金字塔中的像素点的值；Jt在第一拉普拉斯金字塔中的层数和Jc在第二拉普拉斯金字塔中的层数对应，et的位置、Jt的位置和Jc的位置相对应，Jq为去噪后的一层第一拉普拉斯金字塔的像素点的值。
根据本公开的一个或多个实施例，在待降噪视频的帧图像为RGB三通道图像时，根据待降噪视频的当前帧和当前帧的参考帧计算当前帧和参考帧之间的光流之前，方法还包括：
分别对当前帧图像和参考帧图像进行处理，以得到当前帧对应的R通道的当前第一图像、G通道的当前第二图像和B通道的当前第三图像，以及参考帧对应的R通道的参考第一图像、G通道的参考第二图像和B通道的参考第三图像。
根据本公开的一个或多个实施例，根据光流将参考帧扭曲变换到当前帧的位置，以得到参考对齐帧，包括：
根据光流、参考第一图像、参考第二图像和参考第三图像，以分别对当前第一图像、当前第二图像和当前第三图像进行去噪。
根据本公开的一个或多个实施例，在得到当前第一图像对应的第一去噪帧、当前第二图像对应的第二去噪帧和当前第三图像对应的第三去噪帧时，视频降噪方法还包括：
将第一去噪帧、第二去噪帧和第三去噪帧合成，以得到彩色去噪帧。
根据本公开的一个或多个实施例，提供了一种视频降噪装置，包括：
光流计算模块，用于根据待降噪视频的当前帧和当前帧的参考帧计算当前帧和参考帧之间的光流；
扭曲变换模块，用于根据光流将参考帧扭曲变换到当前帧的位置，以得到参考对齐帧；
灰度获取模块，用于获取当前帧对应的灰度图像；
去噪模块，用于基于灰度图像的每个像素点的值、参考对齐帧的每个像素点的值以及当前帧的每个像素点的值进行计算，以得到当前帧去噪后的每个像素点的值。
根据本公开的一个或多个实施例，去噪模块包括：
第一归一化单元，用于将灰度图像的每个像素点的值进行归一化，以得到归一化图像的每个像素点的值；
第一去噪单元，用于基于归一化图像的每个像素点的值、参考对齐帧的每个像素点的值以及当前帧的每个像素点的值进行计算，以得到当前帧去噪后的每个像素点的值。
根据本公开的一个或多个实施例，灰度获取模块包括：
第一金字塔获取单元，用于获取当前帧对应的预设层数的第一拉普拉斯金字塔；
灰度获取单元，用于获取第一拉普拉斯金字塔每层图像对应的灰度图像。
根据本公开的一个或多个实施例，去噪模块包括：
第二金字塔获取单元，用于获取参考对齐帧对应的预设层数的第二拉普拉斯金字塔；
第二去噪单元，用于基于灰度图像的每个像素点的值、第一拉普拉斯金字塔的每层图像的每个像素点的值以及第二拉普拉斯金字塔的每层图像的每个像素点的值进行计算，以得到去噪后的每层第一拉普拉斯金字塔的每个像素点的值；
重建单元，用于根据去噪后的第一拉普拉斯金字塔的每层图像的每个像素点的值，计算得到当前帧去噪后的图像。
根据本公开的一个或多个实施例，第二去噪单元包括：
第二归一化单元，用于将灰度图像的每个像素点的值进行归一化，以得到归一化图像的每个像素点的值；
第三去噪单元，用于基于归一化图像的每个像素点的值、第一拉普拉斯金字塔的每层图像的每个像素点的值以及第二拉普拉斯金字塔的每层图像的每个像素点的值进行计算，以得到去噪后的每层第一拉普拉斯金字塔的每个像素点的值。
根据本公开的一个或多个实施例，在待降噪视频的帧图像为RGB三通道图像时，视频降噪装置还包括：
处理单元，用于分别对当前帧图像和参考帧图像进行处理，以得到当前帧对应的R通道的当前第一图像、G通道的当前第二图像和B通道的当前第三图像，以及参考帧对应的R通道的参考第一图像、G通道的参考第二图像和B通道的参考第三图像。
根据本公开的一个或多个实施例，扭曲变换模块，还用于根据光流、参考第一图像、参考第二图像和参考第三图像，以分别对当前第一图像、当前第二图像和当前第三图像进行去噪。
根据本公开的一个或多个实施例，在得到当前第一图像对应的第一去噪帧、当前第二图像对应的第二去噪帧和当前第三图像对应的第三去噪帧时，视频降噪装置还包括：
合成模块，用于将第一去噪帧、第二去噪帧和第三去噪帧合成，以得到彩色去噪帧。
根据本公开的一个或多个实施例，提供了一种电子设备，其包括：
一个或多个处理器；
存储器；
一个或多个应用程序，其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序配置用于：执行根据任一上述实施例的视频降噪方法。
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，该程序被处理器执行时实现任一上述实施例的视频降噪方法。
以上描述仅为本公开的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，本公开中所涉及的公开范围，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公开构思的情况下，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。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (12)

1.一种视频降噪方法，其特征在于，包括：
根据待降噪视频的当前帧和当前帧的参考帧计算所述当前帧和所述参考帧之间的光流；
根据所述光流将所述参考帧扭曲变换到当前帧的位置，以得到参考对齐帧；
获取当前帧对应的灰度图像；
基于所述灰度图像的每个像素点的值、所述参考对齐帧的每个像素点的值以及所述当前帧的每个像素点的值进行计算，以得到所述当前帧去噪后的每个像素点的值。
2.根据权利要求1所述的视频降噪方法，其特征在于，所述基于所述灰度图像的每个像素点的值、所述参考对齐帧的每个像素点的值以及所述当前帧的每个像素点的值进行计算，以得到所述当前帧去噪后的每个像素点的值，包括：
将所述灰度图像的每个像素点的值进行归一化，以得到归一化图像的每个像素点的值；
基于所述归一化图像的每个像素点的值、所述参考对齐帧的每个像素点的值以及所述当前帧的每个像素点的值进行计算，以得到所述当前帧去噪后的每个像素点的值。
3.根据权利要求2所述的视频降噪方法，其特征在于：所述当前帧去噪后的每个像素点的值基于下式对进行计算：
Fq＝et×Ft+(1－et)×Fc
其中，et为归一化图像中的像素点的值，Ft为当前帧中的像素点的值，Fc为参考对齐帧中的像素点的值；et的位置、Ft的位置和Fc的位置相对应，Fq为当前帧去噪后的像素点的值。
4.根据权利要求1所述的视频降噪方法，其特征在于，所述获取当前帧对应的灰度图像，包括：
获取当前帧对应的预设层数的第一拉普拉斯金字塔；
获取第一拉普拉斯金字塔每层图像对应的灰度图像。
5.根据权利要求4所述的视频降噪方法，其特征在于，所述基于所述灰度图像的每个像素点的值、所述参考对齐帧的每个像素点的值以及所述当前帧的每个像素点的值进行计算，以得到所述当前帧去噪后的每个像素点的值，包括：
获取参考对齐帧对应的预设层数的第二拉普拉斯金字塔；
基于所述灰度图像的每个像素点的值、所述第一拉普拉斯金字塔的每层图像的每个像素点的值以及所述第二拉普拉斯金字塔的每层图像的每个像素点的值进行计算，以得到去噪后的每层第一拉普拉斯金字塔的每个像素点的值；
根据去噪后的第一拉普拉斯金字塔的每层图像的每个像素点的值，计算得到当前帧去噪后的图像。
6.根据权利要求5所述的视频降噪方法，其特征在于，所述基于所述灰度图像的每个像素点的值、所述第一拉普拉斯金字塔的每层图像的每个像素点的值以及所述第二拉普拉斯金字塔的每层图像的每个像素点的值进行计算，以得到去噪后的每层第一拉普拉斯金字塔的每个像素点的值，包括：
将所述灰度图像的每个像素点的值进行归一化，以得到归一化图像的每个像素点的值；
基于所述归一化图像的每个像素点的值、所述第一拉普拉斯金字塔的每层图像的每个像素点的值以及所述第二拉普拉斯金字塔的每层图像的每个像素点的值进行计算，以得到去噪后的每层第一拉普拉斯金字塔的每个像素点的值。
7.根据权利要求6所述的视频降噪方法，其特征在于，去噪后的每层第一拉普拉斯金字塔的每个像素点的值基于下式对进行计算：
Jq＝et×Jt+(1－et)×Jc
其中，et为归一化图像中的像素点的值，Jt为第一拉普拉斯金字塔中的像素点的值，Jc为第二拉普拉斯金字塔中的像素点的值；Jt在第一拉普拉斯金字塔中的层数和Jc在第二拉普拉斯金字塔中的层数对应，et的位置、Jt的位置和Jc的位置相对应，Jq为去噪后的一层第一拉普拉斯金字塔的像素点的值。
8.根据权利要求1所述的视频降噪方法，其特征在于，在所述待降噪视频的帧图像为RGB三通道图像时，所述根据待降噪视频的当前帧和当前帧的参考帧计算所述当前帧和所述参考帧之间的光流之前，所述方法还包括：
分别对当前帧图像和参考帧图像进行处理，以得到当前帧对应的R通道的当前第一图像、G通道的当前第二图像和B通道的当前第三图像，以及参考帧对应的R通道的参考第一图像、G通道的参考第二图像和B通道的参考第三图像；
所述根据所述光流将所述参考帧扭曲变换到当前帧的位置，以得到参考对齐帧，包括：
根据所述光流、参考第一图像、参考第二图像和参考第三图像，以分别对所述当前第一图像、当前第二图像和当前第三图像进行去噪。
9.根据权利要求8所述的视频降噪方法，其特征在于，在得到当前第一图像对应的第一去噪帧、当前第二图像对应的第二去噪帧和当前第三图像对应的第三去噪帧时，所述方法还包括：
将所述第一去噪帧、所述第二去噪帧和所述第三去噪帧合成，以得到彩色去噪帧。
10.一种视频降噪装置，其特征在于，包括：
光流计算模块，用于根据待降噪视频的当前帧和当前帧的参考帧计算所述当前帧和所述参考帧之间的光流；
扭曲变换模块，用于根据所述光流将所述参考帧扭曲变换到当前帧的位置，以得到参考对齐帧；
灰度获取模块，用于获取当前帧对应的灰度图像；
去噪模块，用于基于所述灰度图像的每个像素点的值、所述参考对齐帧的每个像素点的值以及所述当前帧的每个像素点的值进行计算，以得到所述当前帧去噪后的每个像素点的值。
11.一种电子设备，其特征在于，其包括：
一个或多个处理器；
存储器；
一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于：执行根据权利要求1-9任一项所述的视频降噪方法。
12.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-9任一项所述的视频降噪方法。
CN202010819526.8A 2020-08-14 2020-08-14 视频降噪方法、装置、电子设备及计算机可读介质 Active CN111935425B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010819526.8A CN111935425B (zh) 2020-08-14 2020-08-14 视频降噪方法、装置、电子设备及计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010819526.8A CN111935425B (zh) 2020-08-14 2020-08-14 视频降噪方法、装置、电子设备及计算机可读介质

Publications (2)

Publication Number Publication Date
CN111935425A true CN111935425A (zh) 2020-11-13
CN111935425B CN111935425B (zh) 2023-03-24

Family

ID=73310373

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010819526.8A Active CN111935425B (zh) 2020-08-14 2020-08-14 视频降噪方法、装置、电子设备及计算机可读介质

Country Status (1)

Country Link
CN (1) CN111935425B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113269714A (zh) * 2021-04-07 2021-08-17 西南交通大学 隧道掌子面涌水水头高度智能识别方法及确定装置
CN114612312A (zh) * 2020-12-08 2022-06-10 武汉Tcl集团工业研究院有限公司 一种视频降噪方法、智能终端及计算机可读存储介质
CN115187491A (zh) * 2022-09-08 2022-10-14 阿里巴巴（中国）有限公司 图像降噪处理方法、图像滤波处理方法及装置
CN115841425A (zh) * 2022-07-21 2023-03-24 爱芯元智半导体(上海)有限公司 视频降噪方法、装置、电子设备及计算机可读取存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150262336A1 (en) * 2014-03-11 2015-09-17 Adobe Systems Incorporated Video Denoising Using Optical Flow
CN107454284A (zh) * 2017-09-13 2017-12-08 厦门美图之家科技有限公司 一种视频去噪方法及计算设备
US20190068991A1 (en) * 2017-08-22 2019-02-28 Google Llc Co-Located Reference Frame Interpolation Using Optical Flow Estimation
CN110741640A (zh) * 2017-08-22 2020-01-31 谷歌有限责任公司 用于视频代码化中的运动补偿预测的光流估计
CN110830808A (zh) * 2019-11-29 2020-02-21 合肥图鸭信息科技有限公司 一种视频帧重构方法、装置及终端设备
CN110858895A (zh) * 2018-08-22 2020-03-03 虹软科技股份有限公司 一种图像处理方法和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150262336A1 (en) * 2014-03-11 2015-09-17 Adobe Systems Incorporated Video Denoising Using Optical Flow
US20190068991A1 (en) * 2017-08-22 2019-02-28 Google Llc Co-Located Reference Frame Interpolation Using Optical Flow Estimation
CN110741640A (zh) * 2017-08-22 2020-01-31 谷歌有限责任公司 用于视频代码化中的运动补偿预测的光流估计
CN107454284A (zh) * 2017-09-13 2017-12-08 厦门美图之家科技有限公司 一种视频去噪方法及计算设备
CN110858895A (zh) * 2018-08-22 2020-03-03 虹软科技股份有限公司 一种图像处理方法和装置
CN110830808A (zh) * 2019-11-29 2020-02-21 合肥图鸭信息科技有限公司 一种视频帧重构方法、装置及终端设备

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114612312A (zh) * 2020-12-08 2022-06-10 武汉Tcl集团工业研究院有限公司 一种视频降噪方法、智能终端及计算机可读存储介质
CN113269714A (zh) * 2021-04-07 2021-08-17 西南交通大学 隧道掌子面涌水水头高度智能识别方法及确定装置
CN113269714B (zh) * 2021-04-07 2023-08-11 西南交通大学 隧道掌子面涌水水头高度智能识别方法及确定装置
CN115841425A (zh) * 2022-07-21 2023-03-24 爱芯元智半导体(上海)有限公司 视频降噪方法、装置、电子设备及计算机可读取存储介质
CN115841425B (zh) * 2022-07-21 2023-11-17 爱芯元智半导体(宁波)有限公司 视频降噪方法、装置、电子设备及计算机可读取存储介质
CN115187491A (zh) * 2022-09-08 2022-10-14 阿里巴巴（中国）有限公司 图像降噪处理方法、图像滤波处理方法及装置
CN115187491B (zh) * 2022-09-08 2023-02-17 阿里巴巴（中国）有限公司 图像降噪处理方法、图像滤波处理方法及装置

Also Published As

Publication number Publication date
CN111935425B (zh) 2023-03-24

Similar Documents

Publication Publication Date Title
CN111935425B (zh) 视频降噪方法、装置、电子设备及计算机可读介质
CN110163237B (zh) 模型训练及图像处理方法、装置、介质、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
CN111833269B (zh) 视频降噪方法、装置、电子设备及计算机可读介质
CN110889802B (zh) 图像处理方法和装置
CN110298851B (zh) 人体分割神经网络的训练方法及设备
CN110991373A (zh) 图像处理方法、装置、电子设备及介质
CN112752118B (zh) 视频生成方法、装置、设备及存储介质
CN110310293B (zh) 人体图像分割方法及设备
CN112418249A (zh) 掩膜图像生成方法、装置、电子设备和计算机可读介质
CN114399814A (zh) 一种基于深度学习的遮挡物移除和三维重建方法
CN110070482B (zh) 图像处理方法、装置和计算机可读存储介质
JP2009224901A (ja) 画像のダイナミックレンジ圧縮方法、画像処理回路、撮像装置およびプログラム
CN116071280A (zh) 视频补全方法、装置、介质和电子设备
CN114640796B (zh) 视频处理方法、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
CN114757843A (zh) 图像处理方法、装置、电子设备及存储介质
CN114972021A (zh) 一种图像处理方法、装置、电子设备及存储介质
CN113706385A (zh) 一种视频超分辨率方法、装置、电子设备及存储介质
CN114742738A (zh) 图像处理方法、装置、存储介质及电子设备
CN111738958B (zh) 图片修复方法、装置、电子设备及计算机可读介质
CN112418233A (zh) 图像处理方法、装置、可读介质及电子设备
CN113592723A (zh) 视频增强方法及装置、电子设备、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
CN111738899B (zh) 用于生成水印的方法、装置、设备和计算机可读介质

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
GR01 Patent grant
GR01 Patent grant