CN112419188A - 图像噪声消除方法、装置、电子设备及计算机存储介质 - Google Patents

图像噪声消除方法、装置、电子设备及计算机存储介质 Download PDF

Info

Publication number
CN112419188A
CN112419188A CN202011322322.XA CN202011322322A CN112419188A CN 112419188 A CN112419188 A CN 112419188A CN 202011322322 A CN202011322322 A CN 202011322322A CN 112419188 A CN112419188 A CN 112419188A
Authority
CN
China
Prior art keywords
pixel
channel
noise
data
image
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
Application number
CN202011322322.XA
Other languages
English (en)
Inventor
王耀兴
徐景卫
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.)
Hangzhou Lishi Intelligent Technology Co ltd
Original Assignee
Hangzhou Lishi Intelligent Technology Co ltd
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 Hangzhou Lishi Intelligent Technology Co ltd filed Critical Hangzhou Lishi Intelligent Technology Co ltd
Priority to CN202011322322.XA priority Critical patent/CN112419188A/zh
Publication of CN112419188A publication Critical patent/CN112419188A/zh
Pending legal-status Critical Current

Links

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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种图像噪声消除方法、装置、电子设备和计算机存储介质，其中，该图像噪声消除方法包括：获取同一场景的N张图像中各像素点的RGB数据，其中，每张图像包括M个像素点，M是根据拍摄设备分辨率得到的像素点个数，N为预设的图像数量；针对N张图像中同一个位置的像素点：根据位置得到像素点在各图像中的RGB数据，根据N个RGB数据利用参数估计方法得到噪声高斯分布并剔除噪声数据，得到像素点的目标像素值；根据M个像素点的目标像素值，生成目标照片。通过本申请，解决了基于邻域降低像素噪声的方法导致照片质量低的问题，可以通过多张图像在时间维度上的计算更为准确地实现噪声抑制，提高目标照片的质量。

Description

图像噪声消除方法、装置、电子设备及计算机存储介质
技术领域
本发明涉及图像处理技术领域，尤其涉及一种图像噪声消除方法、装置、电子设备及计算机存储介质。
背景技术
相机在拍照过程中总会引入各种像素噪声，这种像素噪声对照片质量有较大影响。为了降低像素噪声对照片质量的影响，满足用户对照片越来越高的质量要求，在相关技术中，对相机拍摄的一张图像利用高斯滤波，对每个邻域内所有像素点进行加权平均得到灰度值，将该灰度值作为一个邻域中心像素点的值，以降低该图像的像素噪声，最终获得照片，但是这种基于邻域降低像素噪声的方法，在邻域内各像素点差异很大时，计算得到的灰度值并不符合邻域中心像素点实际的值，导致处理得到的照片质量较低。
针对相关技术中，基于邻域降低像素噪声的方法导致照片质量低的问题，目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种图像噪声消除方法、装置、电子设备和计算机存储介质，以至少解决相关技术中基于邻域降低像素噪声的方法导致照片质量低的问题。
第一方面，本申请实施例提供了一种图像噪声消除方法，所述方法包括：
获取同一场景的N张图像中各像素点的RGB数据，其中，每张所述图像包括M个像素点，M是根据拍摄设备分辨率得到的像素点个数，N为预设的图像数量；
针对N张所述图像中同一个位置的像素点：根据所述位置得到所述像素点在各所述图像中的RGB数据，根据N个所述RGB数据利用参数估计方法得到噪声高斯分布并剔除噪声数据，得到所述像素点的目标像素值；
根据M个所述像素点的目标像素值，生成目标照片。
在其中一些实施例中，各所述RGB数据包括像素点在红色通道、绿色通道和蓝色通道上的通道数据，所述根据N个所述RGB数据利用参数估计方法得到噪声高斯分布并剔除噪声数据，得到所述像素点的目标像素值包括：
对每个通道上的N个通道数据，利用参数估计方法得到所述通道上的噪声高斯分布并剔除所述通道上的噪声数据，以获得所述通道上的像素值；
将三个所述通道上的像素值进行合并，得到所述像素点的目标像素值。
在其中一些实施例中，所述对每个通道上的N个通道数据，利用参数估计方法得到所述通道上的噪声高斯分布并剔除所述通道上的噪声数据，以获得所述通道上的像素值包括：
根据N个所述通道数据，利用参数估计方法估计出所述通道上的像素平均值和像素方差值；
根据所述像素平均值和所述像素方差值，得到所述通道上的噪声高斯分布；
根据所述通道上的噪声高斯分布，从N个所述通道数据中剔除预设范围内的噪声数据，并对剩余的通道数据执行所述利用参数估计方法估计出所述通道上的像素平均值和像素方差值，直到所述通道上的像素平均值收敛；
将所述通道上收敛的像素平均值作为所述通道上的像素值。
在其中一些实施例中，在所述参数估计方法为极大似然估计法的情况下，所述根据N个所述通道数据，利用参数估计方法估计出所述通道上的像素平均值和像素方差值包括：
对N个所述通道数据取平均，得到所述像素平均值；
根据N个所述通道数据和所述像素平均值进行计算，得到所述像素方差值。
在其中一些实施例中，所述预设范围是根据所述噪声高斯分布设置的，用于剔除多个通道数据中的噪声数据。
在其中一些实施例中，N张所述图像中的场景是静态的。
第二方面，本申请实施例提供了一种图像噪声消除装置，所述装置包括：数据获取模块、噪声抑制模块和照片生成模块；
所述数据获取模块，用于获取同一场景的N张图像中各像素点的RGB数据，其中，每张所述图像包括M个像素点，M是根据拍摄设备分辨率得到的像素点个数，N为预设的图像数量；
所述噪声抑制模块，用于针对N张所述图像中同一个位置的像素点：根据所述位置得到所述像素点在各所述图像中的RGB数据，根据N个所述RGB数据利用参数估计方法得到噪声高斯分布并剔除噪声数据，得到所述像素点的目标像素值；
所述照片生成模块，用于根据M个所述像素点的目标像素值，生成目标照片。
在其中一些实施例中，各所述RGB数据包括像素点在红色通道、绿色通道和蓝色通道上的通道数据，所述噪声抑制模块用于对每个通道上的N个通道数据，利用参数估计方法得到所述通道上的噪声高斯分布并剔除所述通道上的噪声数据，以获得所述通道上的像素值；将三个所述通道上的像素值进行合并，得到所述像素点的目标像素值。
第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器以及存储在所述存储器上并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的图像噪声消除方法。
第四方面，本申请实施例提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的图像噪声消除方法。
相比相关技术，本申请实施例提供的图像噪声消除方法，通过获取同一场景的N张图像中各像素点的RGB数据，其中，每张图像包括M个像素点，M是根据拍摄设备分辨率得到的像素点个数，N为预设的图像数量；针对N张图像中同一个位置的像素点：根据位置得到像素点在各图像中的RGB数据，根据N个RGB数据利用参数估计方法得到噪声高斯分布并剔除噪声数据，得到像素点的目标像素值；根据M个像素点的目标像素值，生成目标照片，解决了相关技术中基于邻域降低像素噪声的方法导致照片质量低的问题，可以通过多张图像在时间维度上的计算更为准确地实现噪声抑制，提高目标照片的质量。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的图像噪声消除方法的流程图；
图2是根据本申请实施例的计算各通道上的像素值的方法流程图；
图3是根据本申请实施例的图像噪声消除装置的结构示意图；
图4是根据本申请实施例的电子设备的内部结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。
本实施例提供了一种图像噪声消除方法。图1是根据本申请实施例的图像噪声消除方法的流程图，如图1所示，该流程包括如下步骤：
S110、获取同一场景的N张图像中各像素点的RGB数据。N张图像可以是相机对同一个场景通过N次拍照得到的，也可以是对摄影机对同一个场景拍摄的视频进行预设时间内截取得到的。优选地，该场景为静态场景。N是预设的图像数量，其值可以根据用户对照片质量以及获取照片速度的要求确定。N越大，利用参数估计方法得到的噪声高斯分布越符合实际的图像噪声情况，最终获得的目标照片质量越高。根据相机或摄像机等拍摄设备的分辨率可以确定每张图像包含像素点的个数M，即每张图像包括M个像素点。每个像素点在图像中都有一个明确的位置和被分配的RGB数据。
S120、针对N张图像中同一个位置的像素点：根据位置得到像素点在各图像中的RGB数据，根据N个RGB数据利用参数估计方法得到噪声高斯分布并剔除噪声数据，得到像素点的目标像素值。将M个像素点分别记为X1，X2，...XM。针对像素点Xm(m＝1,2，...，M)，根据该像素点Xm的位置可以在各图像中分别得到一个RGB数据，即总共获得N个RGB数据分别记为Xm1，Xm2，...，XmN。像素点Xm的各RGB数据Xmn(n＝1,2，...，N)均包括红色通道、绿色通道和蓝色通道上的通道数据，即Xmn＝(amn，bmn，cmn)，其中amn表示像素点Xm在第n张图像中红色通道上的通道数据，bmn表示像素点Xm在第n张图像中绿色通道上的通道数据，cmn表示像素点Xm在第n张图像中蓝色通道上的通道数据。像素点Xm可以在N张图像中，获得分别在红色通道、绿色通道和蓝色通道上的N个通道数据。
优选地，图像噪声的来源繁多，根据中心极限定理，可以将像噪概率分布近似为高斯分布，针对像素点Xm在红色通道上的N个通道数据上的噪声分布的概率密度函数如公式1所示：
Figure BDA0002793339420000061
其中，a表示像素点Xm在红色通道上的通道数据，μa表示像素点Xm在红色通道上的通道数据的平均值，σa表示像素点Xm在红色通道上的通道数据的标准方差，该标准方差的平方σa 2为像素点Xm在红色通道上的通道数据的方差。利用参数估计方法可以估计出像素点Xm在红色通道上的像素平均值和像素方差值，即可得到像素点Xm在红色通道上的噪声高斯分布。根据该噪声高斯分布从像素点Xm在红色通道上的通道数据中，剔除预设范围内的噪声数据。然后将像素点Xm在红色通道上的剩余通道数据取平均，即可得到像素点Xm在红色通道上的像素值am。同样地，通过上述方式可以得到像素点Xm在绿色通道的像素值bm和蓝色通道上的像素值cm，然后将am、bm和cm合并可以得到像素点Xm的目标像素值为Xm *＝(am，bm，cm)。
S130、根据M个像素点的目标像素值，生成目标照片。通过步骤S220可以得到M个像素点的目标像素值X1 *，X2 *，...，XM *，由M个像素点的目标像素值就可以组成目标照片。
通过上述步骤，通过根据同一场景拍摄得到的多张图像，对图像中同一位置的像素点在不同时刻的多个RGB数据进行剔除噪声处理，每个时刻的RGB数据都是实际存在的，不像相关技术中在计算该位置的像素点时，引入邻域内其他像素点的包括噪声数据的RGB数据，而是通过在时间维度上对多张图像中同一位置的像素点更准确地实现噪声抑制，解决了相关技术中在邻域内各像素点差异很大的情况下，基于邻域这一空间维度上无法准确得获得邻域中心像素点的像素值而导致照片质量低的问题，可以有效提高目标照片的质量，该方法尤其适用于对静态场景进行噪声抑制。并且该方法无需增强相机等拍摄设备的硬件以提高图像的分辨率，有利于降低硬件成本。
在一些实施例中，针对像素点Xm(m＝1,2，...，M)在各通道上的通道数据，分别利用参数估计方法得到通道上的噪声高斯分布并剔除通道上的噪声数据，以获得该通道上的像素值，图2是根据本申请实施例的计算各通道上的像素值的方法流程图，如图2所示，该流程包括如下步骤：
S210、根据N个通道数据，利用参数估计方法估计出通道上的像素平均值和像素方差值。像素点Xm在N张图像中的同一位置，可以分别获得在红色通道、绿色通道和蓝色通道上的N个通道数据。优选地，参数估计方法为极大似然估计法。示意性地，像素点Xm在红色通道上的N个通道数据符合高斯分布，对这N个通道数据利用极大似然估计法通过公式2和公式3，可以估计出这N个通道数据服从高斯分布的平均值参数和方差参数：
Figure BDA0002793339420000071
Figure BDA0002793339420000072
其中，amn(n＝1,2，...，N)表示像素点Xm在第n张图像中红色通道上的通道数据，N为图像数量，
Figure BDA0002793339420000073
表示像素点Xm在红色通道上的N个通道数据平均值的极大似然估计值，将其作为像素点Xm在红色通道上的像素平均值，
Figure BDA0002793339420000074
表示像素点Xm在红色通道上的N个通道数据方差的极大似然估计值，将其作为像素点Xm在红色通道上的像素方差值。
S220、根据像素平均值和像素方差值，得到通道上的噪声高斯分布。示意性地，像素点Xm在红色通道上的通道数据服从该噪声高斯分布，
Figure BDA0002793339420000075
S230、根据通道上的噪声高斯分布，从N个通道数据中剔除预设范围内的噪声数据，并对剩余的通道数据执行利用参数估计方法估计出像素平均值和像素方差值，直到通道上的像素平均值收敛。优选地，预设范围是根据噪声高斯分布设置的。一般情况下，从对N个通道数据中剔除三个标准差范围外的噪声数据。示意性地，对于像素点Xm在红色通道上的N个通道数据am1,am2,...,amN中剔除在
Figure BDA0002793339420000081
范围外的噪声数据，然后对像素点Xm在红色通道上剩余的通道数据再次利用极大似然估计法，估计出像素点Xm在红色通道上的像素平均值和像素方差值，直到像素点Xm在红色通道上的像素平均值收敛，停止利用极大似然估计法再次估计噪声高斯分布的两个参数值。
S240、将通道上收敛的像素平均值作为通道上的像素值。示意性地，将像素点Xm在红色通道上收敛的像素平均值作为像素点Xm在红色通道上的像素值。同样地，对像素点Xm在绿色通道上的N个通道数据，通过步骤S210值步骤S240可以得到像素点Xm在绿色通道上的像素值，像素点Xm在蓝色通道上的像素值也同样可以通过步骤S210值步骤S240获得。通过步骤S210值步骤S240得到的各通道上的像素值，符合噪声的随机性特征，可以准确地剔除噪声数据，有利于提高目标照片的质量。
本申请实施例提供了一种图像噪声消除装置。图3是根据本申请实施例的图像噪声消除装置的结构示意图，如图3所示，该装置包括数据获取模块310、噪声抑制模块320和照片生成模块330：数据获取模块310，用于获取同一场景的N张图像中各像素点的RGB数据，其中，每张图像包括M个像素点，M是根据拍摄设备分辨率得到的像素点个数，N为预设的图像数量；噪声抑制模块320，用于针对N张图像中同一个位置的像素点：根据位置得到像素点在各图像中的RGB数据，根据N个RGB数据利用参数估计方法得到噪声高斯分布并剔除噪声数据，得到像素点的目标像素值；照片生成模块330，用于根据M个像素点的目标像素值，生成目标照片。
优选地，各RGB数据包括像素点在红色通道、绿色通道和蓝色通道上的通道数据，噪声抑制模块320用于对每个通道上的N个通道数据，利用参数估计方法得到通道上的噪声高斯分布并剔除通道上的噪声数据，以获得通道上的像素值；将三个通道上的像素值进行合并，得到像素点的目标像素值。
关于图像噪声消除装置的具体限定可以参见上文中对于图像噪声消除方法的限定，在此不再赘述。上述图像噪声消除装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
本申请实施例还提供了一种电子设备，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子设备还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
需要说明的是，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
另外，结合上述实施例中的图像噪声消除方法，本申请实施例可提供一种存储介质来实现。该存储介质上存储有计算机程序；该计算机程序被处理器执行时实现上述实施例中的任意一种图像噪声消除方法。
在一个实施例中，图4是根据本申请实施例的电子设备的内部结构示意图，如图4所示，提供了一种电子设备，该电子设备可以是服务器，其内部结构图可以如图4所示。该电子设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的数据库用于存储数据。该电子设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图像噪声消除方法。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlmnk)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本领域的技术人员应该明白，以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种图像噪声消除方法，其特征在于，所述方法包括：
获取同一场景的N张图像中各像素点的RGB数据，其中，每张所述图像包括M个像素点，M是根据拍摄设备分辨率得到的像素点个数，N为预设的图像数量；
针对N张所述图像中同一个位置的像素点：根据所述位置得到所述像素点在各所述图像中的RGB数据，根据N个所述RGB数据利用参数估计方法得到噪声高斯分布并剔除噪声数据，得到所述像素点的目标像素值；
根据M个所述像素点的目标像素值，生成目标照片。
2.根据权利要求1所述的方法，其特征在于，各所述RGB数据包括像素点在红色通道、绿色通道和蓝色通道上的通道数据，所述根据N个所述RGB数据利用参数估计方法得到噪声高斯分布并剔除噪声数据，得到所述像素点的目标像素值包括：
对每个通道上的N个通道数据，利用参数估计方法得到所述通道上的噪声高斯分布并剔除所述通道上的噪声数据，以获得所述通道上的像素值；
将三个所述通道上的像素值进行合并，得到所述像素点的目标像素值。
3.根据权利要求2所述的方法，其特征在于，所述对每个通道上的N个通道数据，利用参数估计方法得到所述通道上的噪声高斯分布并剔除所述通道上的噪声数据，以获得所述通道上的像素值包括：
根据N个所述通道数据，利用参数估计方法估计出所述通道上的像素平均值和像素方差值；
根据所述像素平均值和所述像素方差值，得到所述通道上的噪声高斯分布；
根据所述通道上的噪声高斯分布，从N个所述通道数据中剔除预设范围内的噪声数据，并对剩余的通道数据执行所述利用参数估计方法估计出所述通道上的像素平均值和像素方差值，直到所述通道上的像素平均值收敛；
将所述通道上收敛的像素平均值作为所述通道上的像素值。
4.根据权利要求3所述的方法，其特征在于，在所述参数估计方法为极大似然估计法的情况下，所述根据N个所述通道数据，利用参数估计方法估计出所述通道上的像素平均值和像素方差值包括：
对N个所述通道数据取平均，得到所述像素平均值；
根据N个所述通道数据和所述像素平均值进行计算，得到所述像素方差值。
5.根据权利要求3所述的方法，其特征在于，所述预设范围是根据所述噪声高斯分布设置的，用于剔除多个通道数据中的噪声数据。
6.根据权利要求1至5中任一项所述的方法，其特征在于，N张所述图像中的场景是静态的。
7.一种图像噪声消除装置，其特征在于，所述装置包括：数据获取模块、噪声抑制模块和照片生成模块；
所述数据获取模块，用于获取同一场景的N张图像中各像素点的RGB数据，其中，每张所述图像包括M个像素点，M是根据拍摄设备分辨率得到的像素点个数，N为预设的图像数量；
所述噪声抑制模块，用于针对N张所述图像中同一个位置的像素点：根据所述位置得到所述像素点在各所述图像中的RGB数据，根据N个所述RGB数据利用参数估计方法得到噪声高斯分布并剔除噪声数据，得到所述像素点的目标像素值；
所述照片生成模块，用于根据M个所述像素点的目标像素值，生成目标照片。
8.根据权利要求7所述的装置，其特征在于，各所述RGB数据包括像素点在红色通道、绿色通道和蓝色通道上的通道数据，所述噪声抑制模块用于对每个通道上的N个通道数据，利用参数估计方法得到所述通道上的噪声高斯分布并剔除所述通道上的噪声数据，以获得所述通道上的像素值；将三个所述通道上的像素值进行合并，得到所述像素点的目标像素值。
9.一种电子设备，包括存储器、处理器以及存储在所述存储器上并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的图像噪声消除方法。
10.一种计算机存储介质，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如权利要求1至6中任一项所述的图像噪声消除方法。
CN202011322322.XA 2020-11-23 2020-11-23 图像噪声消除方法、装置、电子设备及计算机存储介质 Pending CN112419188A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011322322.XA CN112419188A (zh) 2020-11-23 2020-11-23 图像噪声消除方法、装置、电子设备及计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011322322.XA CN112419188A (zh) 2020-11-23 2020-11-23 图像噪声消除方法、装置、电子设备及计算机存储介质

Publications (1)

Publication Number Publication Date
CN112419188A true CN112419188A (zh) 2021-02-26

Family

ID=74777925

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011322322.XA Pending CN112419188A (zh) 2020-11-23 2020-11-23 图像噪声消除方法、装置、电子设备及计算机存储介质

Country Status (1)

Country Link
CN (1) CN112419188A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113298764A (zh) * 2021-05-11 2021-08-24 合肥富煌君达高科信息技术有限公司 基于图像噪声分析的高速相机成像质量分析方法
CN117218113A (zh) * 2023-11-06 2023-12-12 铸新科技(苏州)有限责任公司 一种炉管的氧化程度分析方法、装置、计算机设备及介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101489034A (zh) * 2008-12-19 2009-07-22 四川虹微技术有限公司 一种视频图像噪声估计与去除方法
CN102100011A (zh) * 2008-07-21 2011-06-15 奎兰股份有限公司 射频噪声消除的预配置和控制
CN102819831A (zh) * 2012-08-16 2012-12-12 江南大学 基于模式噪声大分量的相机来源取证方法
US20140341466A1 (en) * 2013-05-14 2014-11-20 Google Inc. Noise estimation for images
CN105631441A (zh) * 2016-03-03 2016-06-01 暨南大学 一种人脸识别方法
CN106097379A (zh) * 2016-07-22 2016-11-09 宁波大学 一种使用自适应阈值的图像篡改检测与定位方法
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
CN107807221A (zh) * 2017-09-22 2018-03-16 中国石油天然气集团公司 一种地球化学普查实验室样品分析的异常点抽查检查方法
CN107886113A (zh) * 2017-10-27 2018-04-06 成都中星世通电子科技有限公司 一种基于卡方检验的电磁频谱噪声提取和滤波算法
CN110913182A (zh) * 2019-12-09 2020-03-24 广东欧谱曼迪科技有限公司 一种腹腔镜影像系统图像信噪比快速评估装置及方法
CN111932514A (zh) * 2020-08-07 2020-11-13 上海媒智科技有限公司 一种图像噪声水平估计、抑制方法、装置及电子设备

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102100011A (zh) * 2008-07-21 2011-06-15 奎兰股份有限公司 射频噪声消除的预配置和控制
CN101489034A (zh) * 2008-12-19 2009-07-22 四川虹微技术有限公司 一种视频图像噪声估计与去除方法
CN102819831A (zh) * 2012-08-16 2012-12-12 江南大学 基于模式噪声大分量的相机来源取证方法
US20140341466A1 (en) * 2013-05-14 2014-11-20 Google Inc. Noise estimation for images
CN105631441A (zh) * 2016-03-03 2016-06-01 暨南大学 一种人脸识别方法
CN106097379A (zh) * 2016-07-22 2016-11-09 宁波大学 一种使用自适应阈值的图像篡改检测与定位方法
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
CN107807221A (zh) * 2017-09-22 2018-03-16 中国石油天然气集团公司 一种地球化学普查实验室样品分析的异常点抽查检查方法
CN107886113A (zh) * 2017-10-27 2018-04-06 成都中星世通电子科技有限公司 一种基于卡方检验的电磁频谱噪声提取和滤波算法
CN110913182A (zh) * 2019-12-09 2020-03-24 广东欧谱曼迪科技有限公司 一种腹腔镜影像系统图像信噪比快速评估装置及方法
CN111932514A (zh) * 2020-08-07 2020-11-13 上海媒智科技有限公司 一种图像噪声水平估计、抑制方法、装置及电子设备

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
AWAIS NAZIR等: "MFNR: Multi-Frame Method for Complete Noise Removal of all PDF Types in Multi-Dimensional Data using KDE", 《PREPRINTS》 *
AWAIS NAZIR等: "MFNR: Multi-Frame Method for Complete Noise Removal of all PDF Types in Multi-Dimensional Data using KDE", 《PREPRINTS》, 7 June 2020 (2020-06-07) *
王蓓: "基于小波变换的图像去噪算法研究与应用", 《中国优秀硕士学位论文全文数据库：信息科技辑》, no. 2016, pages 138 - 6105 *
王蓓等: "图像高斯噪声估计的极大似然算法", 《计算机技术与发展》, vol. 24, no. 7, 31 July 2014 (2014-07-31), pages 1 *
王蓓等: "图像高斯噪声估计的极大似然算法", 《计算机技术与发展》, vol. 24, no. 7, pages 1 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113298764A (zh) * 2021-05-11 2021-08-24 合肥富煌君达高科信息技术有限公司 基于图像噪声分析的高速相机成像质量分析方法
CN117218113A (zh) * 2023-11-06 2023-12-12 铸新科技(苏州)有限责任公司 一种炉管的氧化程度分析方法、装置、计算机设备及介质
CN117218113B (zh) * 2023-11-06 2024-05-24 铸新科技(苏州)有限责任公司 一种炉管的氧化程度分析方法、装置、计算机设备及介质

Similar Documents

Publication Publication Date Title
US9311690B2 (en) Video denoising using optical flow
WO2018176925A1 (zh) Hdr图像的生成方法及装置
CN112419188A (zh) 图像噪声消除方法、装置、电子设备及计算机存储介质
CN110445951B (zh) 视频的滤波方法和装置、存储介质、电子装置
CN110223244B (zh) 一种图像处理的方法、装置、电子设备和存储介质
CN111372000B (zh) 视频防抖方法和装置、电子设备及计算机可读存储介质
CN113674193A (zh) 图像融合方法、电子设备和存储介质
CN107564085B (zh) 图像扭曲处理方法、装置、计算设备及计算机存储介质
CN113344821A (zh) 图像降噪方法、装置、终端、存储介质
CN114125280B (zh) 相机曝光控制方法、装置、设备、存储介质
JP2011514030A (ja) コントラスト促進のためのヒストグラム・モデリング・ベースのアルゴリズム
EP3179716B1 (en) Image processing method, computer storage medium, device, and terminal
CN105791659B (zh) 图像处理方法和电子设备
CN110136085B (zh) 一种图像的降噪方法及装置
WO2016184060A1 (zh) 终端的拍照方法及装置
CN112106352A (zh) 一种图像处理方法及设备
CN110619611A (zh) 图像校正标定方法、装置、计算机设备和存储介质
CN112243119A (zh) 一种白平衡处理方法、装置、电子设备及存储介质
CN110689502B (zh) 一种图像处理方法及相关装置
US20210289115A1 (en) Network for correcting overexposed and underexposed images
CN115174807A (zh) 防抖检测方法、装置、终端设备和可读存储介质
CN110072050B (zh) 曝光参数的自适应调整方法、装置及一种拍摄设备
CN110868549B (zh) 一种曝光控制方法、装置及电子设备
CN107274377B (zh) 一种图像非本地滤波的方法及装置
JP2017041732A (ja) 画像処理装置、画像処理方法およびプログラム

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