CN112435182B - 图像降噪方法及装置 - Google Patents

图像降噪方法及装置 Download PDF

Info

Publication number
CN112435182B
CN112435182B CN202011288007.XA CN202011288007A CN112435182B CN 112435182 B CN112435182 B CN 112435182B CN 202011288007 A CN202011288007 A CN 202011288007A CN 112435182 B CN112435182 B CN 112435182B
Authority
CN
China
Prior art keywords
image
block
blocks
noise reduction
residual
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
Application number
CN202011288007.XA
Other languages
English (en)
Other versions
CN112435182A (zh
Inventor
俞克强
刘晓沐
王松
艾成汉
陈虹宇
李骏
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.)
Zhejiang Dahua Technology Co Ltd
Original Assignee
Zhejiang Dahua 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 Zhejiang Dahua Technology Co Ltd filed Critical Zhejiang Dahua Technology Co Ltd
Priority to CN202011288007.XA priority Critical patent/CN112435182B/zh
Publication of CN112435182A publication Critical patent/CN112435182A/zh
Application granted granted Critical
Publication of CN112435182B publication Critical patent/CN112435182B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T7/97—Determining parameters from multiple pictures
    • 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

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

本申请公开了一种图像降噪方法及装置。其中，图像包括多个具有重叠区域的分块，分块能够整合成图像，该图像降噪方法包括：计算每个所述分块的初步降噪结果；计算每个分块的原始像素值和初步降噪结果的差值，得到每个分块的残差值；以图像每个像素点在所有含有每个像素点的分块的残差值，计算出图像每个像素点的残差值，以得到图像的残差图像；基于图像和残差图像计算得到降噪图像。本申请可以提高降噪效果。

Description

图像降噪方法及装置
技术领域
本申请涉及图像处理技术领域，特别是涉及一种图像降噪方法及装置。
背景技术
图像的应用领域广泛，涉及到生物医学，交通安防，机器视觉等领域。图像的质量直接影响其在这些领域应用的有效性。然而图像在获取，处理，传输过程中，不可避免的受到噪声的干扰。因此滤除图像中的噪声有着极其重要的意义。本申请的发明人在长期的研发过程中，发现目前的图像降噪方法还存在一定的局限性，也在一定程度上影响了图像降噪效果。
发明内容
本申请提供一种图像降噪方法及装置，以提高图像降噪效果。
为达到上述目的，本申请提供一种图像降噪方法，图像包括多个具有重叠区域的分块，所有分块能够整合成图像，该方法包括：
计算每个分块的初步降噪结果；
计算每个分块的原始像素值和初步降噪结果的差值，得到每个分块的残差值；
以图像每个像素点在所有含有每个像素点的分块的残差值，计算出图像每个像素点的残差值，以得到图像的残差图像；
基于图像和残差图像计算得到降噪图像。
其中，以图像每个像素点在所有含有每个像素点的分块的残差值，计算出图像每个像素点的残差值，以得到图像的残差图像，包括：
以各个含有每个像素点的分块的方差为权重系数，对每个像素点在分块的残差值进行加权计算，得到图像中被多个分块包含的像素点的残差值；或，
计算图像每个像素点在所有含有每个像素点的分块的残差值的均值或中位值，得到图像中被多个分块包含的像素点的残差值。
其中，计算每个分块的初步降噪结果，包括：
确定分块的相似块；
计算分块与各个相似块的差异性；
计算与分块差异性最低的N个相似块的平均值，得到分块的初始降噪结果；
计算分块的初始降噪结果与各个相似块的差异性；
基于各个相似块与分块的初始降噪结果的差异性，确定各个相似块的权重系数；
以各个相似块的权重系数对各个相似块进行加权计算，得到分块的初步降噪结果。
其中，基于图像和残差图像的差值计算得到降噪图像，包括：
将残差图像中大于0的残差值乘以黑化参数，和/或，将残差图像中小于0的残差值乘以白化参数，以得到修正残差图像；
计算图像和修正残差图像的差值，得到降噪图像。
其中，黑化参数和白化参数大于1。
其中，计算每个分块的初步降噪结果，包括：
对每个分块进行非局部均值降噪处理，以得到每个分块的初步降噪结果。
其中，计算每个分块的初步降噪结果，包括：
确定分块的相似块；
计算分块与各个相似块的差异性；
基于各个相似块与分块的差异性，确定各个相似块的权重系数；以各个相似块的权重系数对各个相似块进行加权计算，得到分块的初步降噪结果；或，计算与分块差异性最低的N个相似块的平均值，得到分块的初步降噪结果。
为达到上述目的，本申请还提供一种图像降噪装置，图像包括多个具有重叠区域的分块，所有分块能够整合成图像，该装置包括：
初步降噪模块，用于计算每个分块的初步降噪结果；
残差计算模块，用于计算每个分块的原始像素值和初步降噪结果的差值，得到每个分块的残差值；以图像每个像素点在所有含有每个像素点的分块的残差值，计算出图像每个像素点的残差值，以得到图像的残差图像；
计算模块，用于基于图像和残差图像计算得到降噪图像。
为达到上述目的，本申请提供一种图像降噪装置，该图像降噪装置包括处理器和存储器，存储器中存储有计算机程序，处理器用于执行计算机程序以实现上述方法中的步骤。
为达到上述目的，本申请提供一种计算机可读存储介质，其中存储有计算机程序，计算机程序被执行时实现上述图像降噪方法中的步骤。
本申请先计算图像中的每个分块的初步降噪结果，然后基于每个分块的初步降噪结果计算每个分块的残差值，通过分块估计的方式使得分块的初步降噪结果更加准确，并且使分块的残差值中包含的图像信号更加的少；而且相邻的分块之间存在重叠区域，这样就需要以图像每个像素点在所有含有每个像素点的分块的残差值计算重叠区域的残差值，可以对重叠区域的残差进行滤波，提高整张图像的残差图像的准确度，能使降噪后的图像细节和边缘更好的保留，同时降噪后的图像也更加的细腻，提高了图像降噪效果。
附图说明
图1是本申请图像降噪方法一实施方式的流程示意图；
图2是本申请图像降噪方法中初步降噪方法一实施例的流程示意图；
图3是本申请图像降噪方法中确定分块的相似块的示意图；
图4是本申请图像降噪方法中初步降噪方法另一实施例的流程示意图；
图5是本申请图像降噪装置一实施方式的结构示意图；
图6是本申请计算机可读存储介质一实施方式的结构示意图。
具体实施方式
为使本领域的技术人员更好地理解本发明的技术方案，下面结合附图和具体实施方式对本申请所提供的图像降噪方法及装置做进一步详细描述。
具体请参阅图1，图1是本申请图像降噪方法第一实施方式的流程示意图。本实施例图像降噪方法包括以下步骤。
S110：计算每个分块的初步降噪结果。
其中，图像包括多个分块，可以先计算每个分块的初步降噪结果，以便后续基于每个分块的初步降噪结果得到整个图像的残差值，进而得到图像的最终降噪结果。
可以理解的是，多个分块的尺寸和/或形状可以不相同，或者可以相同。分块的尺寸和形状可以不受限制，例如分块可为三角形或长方形等。较为优选的是，所有分块呈长方形，以便于计算。
可选地，对于图像中每一像素点，均可以建立一个以该像素点为中心的分块。当然，在其他实现方式中，可以隔几个像素点建立一个分块。其中，相邻的分块的中心点之间的距离可以小于a或b，a或b可以是分块的边长。
另外，可以通过多种方法得到每个分块的初步降噪结果。
在一实现方式中，可以对每个分块进行非局部均值降噪处理，以得到每个分块的初步降噪结果。示例性地，如图2所示，步骤S110可以包括以下步骤。
S1101：确定分块的相似块。
如图3所示，若分块(例如图3中的分块A)的尺寸为a*b，可以在图像的以分块为中心的L*M区域中搜索分块的相似块，一般来说可以搜索到包括R块的(L-a+1)*(M-b+1)个a*b的相似块。其中,L大于或等于a，M大于或等于b，且a、b、L和M均为整数。
S1102：计算分块与各个相似块的差异性。
搜索到分块的相似块后，可以计算分块和各个相似块的差异性，以便后续基于差异性确定分块的初步降噪结果。
其中，可以通过下述公式计算出分块与各个相似块的差异性：
其中，Ai,j为分块A中像素点(i，j)的像素值，Ri,j为分块A的相似块R中与像素点(i，j)对应的像素点的像素值，diffA为分块A和相似块R的差异性。
S1103：基于各个相似块与分块的差异性，确定各个相似块的权重系数。
计算出分块与相似块的差异性后，可以基于分块与相似块的差异性，确定出相似块的权重系数，以便后续可以基于相似块的权重系数计算得到分块的初步降噪结果。
其中，相似块的权重系数和相似块与其对应的分块的差异性呈负相关，即相似块与其对应的分块的差异性越小，则相似块的权重系数越大。
可选地，可以通过下述公式计算出相似块的权重系数：
其中，weight为相似块的权重系数；σ为配置参数，使用者可以手动进行配置，diff为相似块与其对应的分块的差异性。
在其他实现方式中，可以通过下述公式计算出相似块的权重系数：
weight＝constant-σ×diff；
其中，weight为相似块的权重系数；σ为配置参数，使用者可以手动进行配置，diff为相似块与其对应的分块的差异性。
当然不限于此，还可以通过其他公式基于相似块与其对应的分块的差异性计算出相似块的权重系数。
S1104：以各个相似块的权重系数对各个相似块进行加权计算，得到分块的初步降噪结果。
确定每个相似块的权重系数后，可以以各个相似块的权重系数对各个相似块进行加权计算，以得到分块的初步降噪结果。
可选地，步骤S1104的计算公式可如下所示：
其中，Ai,j为分块的相似块的像素值，weighti,j为相似块的权重系数，R’为分块的初步降噪结果。
在另一示例中，如图4所示，步骤S110可以包括以下步骤。
S1111：确定分块的相似块。
S1112：计算分块与各个相似块的差异性。
S1113：计算与分块差异性最低的N个相似块的平均值，得到分块的初步降噪结果。
计算出分块与各个相似块的差异性后，可以确定出与分块差异性最小的N个相似块，然后计算与分块差异性最小的N个相似块的平均值，得到分块的初步降噪结果。
可以理解的是，N为小于或等于(L-a+1)*(M-b+1)的整数。N可以为固定值，或者与(L-a+1)*(M-b+1)之间存在一定关系，例如N可以等于(L-a+1)*(M-b+1)*x％。
其中，可以通过下述公式计算得到分块的初步降噪结果：
其中，R’为分块的初步降噪结果，Ai为分块的相似块。
在另一实现方式中，步骤S110可以包括：确定分块的相似块；计算分块与各个相似块的差异性；计算与分块差异性最低的N个相似块的平均值，得到分块的初始降噪结果；计算分块的初始降噪结果与各个相似块的差异性；基于各个相似块与分块的初始降噪结果的差异性，确定各个相似块的权重系数；以各个相似块的权重系数对各个相似块进行加权计算，得到分块的初步降噪结果。
在又一实现方式中，可以对各个分块进行小波降噪、DCT降噪、高斯滤波、均值滤波或中值滤波等，以得到各个分块的初步降噪结果。
S120：计算每个分块的原始像素值和初步降噪结果的差值，得到每个分块的残差值。
计算出每个分块的初步降噪结果后，可以计算每个分块的原始像素值和初步降噪结果的差值，以得到每个分块的残差值。
S130：以图像每个像素点在所有含有该像素点的分块的残差值，计算出图像每个像素点的残差值，以得到图像的残差图像。
计算出每个分块的残差值后，因为有些相邻的分块之间存在重叠区域，从而需要对重叠区域的残差值进行计算，以得到重叠区域的最终残差值，进而得到图像的残差图像，以便后续基于残差图像得到图像的最终降噪结果。
可以通过多种方式计算出重叠区域的像素点的残差值。
例如，可以以各个含有每个像素点的分块的方差为权重系数，对每个像素点在分块的残差值进行加权计算，得到重叠区域中像素点的残差值。其中，分块的方差可以以该分块的初步降噪结果计算得到。具体地，可以先计算出该分块所有像素点初步降噪后的像素值的均值，然后再求各个像素点与均值的差的平方和，将平方和与分块中像素点的总数的比值作为分块的方差。当然，在其他实施例中，可以通过每个分块的原始像素值计算得到每个分块的方差。
其中，以各个含有每个像素点的分块的方差为权重系数，对每个像素点在分块的残差值进行加权计算的公式可如下所示：
其中，(i,j)为像素点的坐标，m为包含像素点(i,j)的分块的总数，Residualk i,j为第k个包含像素点(i,j)的分块中像素点(i,j)的残差值，Dk为第k个包含像素点(i,j)的分块的方差，Rei,j为像素点(i,j)的最终残差值。
在又一实现方式中，可以计算图像每个像素点在所有含有每个像素点的分块的残差值的均值或中位值，得到重叠区域中像素点的残差值。例如，可以以公式计算出重叠区域中像素点的残差值。又例如，可以以公式计算出重叠区域中像素点的残差值。
此外，非重叠区域的像素点的残差值可以等于该像素点在包含该像素点的分块中的残差值。
S140：基于图像和残差图像计算得到降噪图像。
通过步骤S130得到图像的残差图像后，可以基于图像和残差图像计算得降噪图像。
可选地，在一实现方式中，可以直接将图像和残差图像相减，得到降噪图像。
在另一实现方式中，可以对残差图像进行修正，得到修正残差图像；然后将图像和修正残差图像相减，得到降噪图像，以提高降噪效果。具体地，可以将残差图像中大于0的残差值乘以黑化参数，和/或，将残差图像中小于0的残差值乘以白化参数，以得到修正残差图像，用来控制白点和黑点去除的强度，以对边缘和平坦区放开处理，进一步保护了边缘信息，并且是像素界别的控制，保证最终的图像细腻自然，同时控制灵活，可以对残差图像像素的正负值配置不同的参数，分别进行收缩实现黑白点不同降噪强度的控制。其中，若黑化参数和白化参数均小于1，可以提高降噪效果，并且黑化参数和白化参数越小降噪越强。当黑化参数和白化参数大于1的时候，能实现纹理增强的效果，在噪声不大的时候使用，效果会非常好，能使得纹理更加细腻。
在本实施方式中，先计算图像中的每个分块的初步降噪结果，然后基于每个分块的初步降噪结果计算每个分块的残差值，通过分块估计的方式使得分块的初步降噪结果更加准确，并且使分块的残差值中包含的图像信号更加的少；而且相邻的分块之间存在重叠区域，这样就需要以图像每个像素点在所有含有每个像素点的分块的残差值计算重叠区域的残差值，可以对重叠区域的残差进行滤波，提高整张图像的残差图像的准确度，能使降噪后的图像细节和边缘更好的保留，同时降噪后的图像也更加的细腻，提高了图像降噪效果。
可选地，上述图像可以是彩色图像、灰度图像、彩色图像以及多光谱降噪等。或者图像可以是彩色图像的R分量、G分量或B分量，这样保证细节的同时，能够更加有效的滤除色噪。当然图像还可以是彩色图像的Y分量、U分量或V分量，这样保证细节的同时，能够更加有效的滤除色噪。
在图像为彩色图像时，在步骤S110中，可以先计算出彩色图像各个通道中各个分块的初步降噪结果，然后在步骤S120中，可以利用公式——将彩色图像3个通道合并处理，得到彩色图像各个子块的残差值，然后基于各个子块的残差值得到彩色图像的残差图像，继而基于残差图像得到降噪图像。其中，子块包括3个通道相同位置处的分块。
本申请还提供一种图像降噪装置。图像包括多个具有重叠区域的分块，所有分块能够整合成图像。该图像降噪装置包括初步降噪模块、残差计算模块和计算模块。
初步降噪模块可用于计算每个分块的初步降噪结果；
残差计算模块可用于计算每个分块的原始像素值和初步降噪结果的差值，得到每个分块的残差值；以图像每个像素点在所有含有每个像素点的分块的残差值，计算出图像每个像素点的残差值，以得到图像的残差图像；
计算模块可用于基于图像和残差图像计算得到降噪图像。
可选地，残差计算模块用于以各个含有每个像素点的分块的方差为权重系数，对每个像素点在分块的残差值进行加权计算，得到图像中被多个分块包含的像素点的残差值；或，
用于计算图像每个像素点在所有含有每个像素点的分块的残差值的均值或中位值，得到图像中被多个分块包含的像素点的残差值。
可选地，初步降噪模块用于确定分块的相似块；计算分块与各个相似块的差异性；计算与分块差异性最低的N个相似块的平均值，得到分块的初始降噪结果；计算分块的初始降噪结果与各个相似块的差异性；基于各个相似块与分块的初始降噪结果的差异性，确定各个相似块的权重系数；以各个相似块的权重系数对各个相似块进行加权计算，得到分块的初步降噪结果。
可选地，计算模块可用于将残差图像中大于0的残差值乘以黑化参数，和/或，将残差图像中小于0的残差值乘以白化参数，以得到修正残差图像；计算图像和修正残差图像的差值，得到降噪图像。
可选地，黑化参数和白化参数大于1。
可选地，初步降噪模块可用于对每个分块进行非局部均值降噪处理，以得到每个分块的初步降噪结果。
可选地，初步降噪模块可用于确定分块的相似块；计算分块与各个相似块的差异性；基于各个相似块与分块的差异性，确定各个相似块的权重系数；以各个相似块的权重系数对各个相似块进行加权计算，得到分块的初步降噪结果；或，计算与分块差异性最低的N个相似块的平均值，得到分块的初步降噪结果。
请参阅图5，图5是本申请图像降噪装置一实施方式的结构示意图。本图像降噪装置10包括处理器12，处理器12用于执行指令以实现上述语音交互方法。具体实施过程请参阅上述实施方式的描述，在此不再赘述。该图像降噪装置10能够提高物联网设备的配网效率。
处理器12还可以称为CPU(Central Processing Unit，中央处理单元)。处理器12可能是一种集成电路芯片，具有信号的处理能力。处理器12还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器12也可以是任何常规的处理器等。
图像降噪装置10还可进一步包括存储器11，用于存储处理器12运行所需的指令和数据。
处理器12用于执行指令以实现上述本申请物联网设备的配网方法任一实施例及任意不冲突的组合所提供的方法。
请参阅图6，图6为本申请实施方式中计算机可读存储介质的结构示意图。本申请实施例的计算机可读存储介质20存储有指令/程序数据21，该指令/程序数据21被执行时实现本申请语音交互方法任一实施例以及任意不冲突的组合所提供的方法。其中，该指令/程序数据21可以形成程序文件以软件产品的形式存储在上述存储介质20中，以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质20包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质，或者是计算机、服务器、手机、平板等终端设备。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
以上仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (9)

1.一种图像降噪方法，其特征在于，所述图像包括多个具有重叠区域的分块，所有分块能够整合成所述图像，所述方法包括：
计算每个所述分块的初步降噪结果；
计算每个所述分块的原始像素值和初步降噪结果的差值，得到每个所述分块的残差值；
以所述图像每个像素点在所有含有所述每个像素点的分块的残差值，计算出所述图像每个像素点的残差值，以得到所述图像的残差图像；
基于所述图像和所述残差图像计算得到降噪图像；
其中，所述以所述图像每个像素点在所有含有所述每个像素点的分块的残差值，计算出所述图像每个像素点的残差值，以得到所述图像的残差图像，包括：
对于所述重叠区域中的每个像素点，以各个含有所述每个像素点的分块的方差为权重系数，对所述每个像素点在所述分块的残差值进行加权计算，得到所述图像中被多个所述分块包含的像素点的残差值；或，计算所述图像每个像素点在所有含有所述每个像素点的分块的残差值的均值或中位值，得到所述图像中被多个所述分块包含的像素点的残差值。
2.根据权利要求1所述的图像降噪方法，其特征在于，所述计算每个所述分块的初步降噪结果，包括：
确定所述分块的相似块；
计算所述分块与各个相似块的差异性；
计算与所述分块差异性最低的N个相似块的平均值，得到所述分块的初始降噪结果；
计算所述分块的初始降噪结果与各个相似块的差异性；
基于各个相似块与所述分块的初始降噪结果的差异性，确定各个相似块的权重系数；
以各个相似块的权重系数对各个相似块进行加权计算，得到所述分块的初步降噪结果。
3.根据权利要求1所述的图像降噪方法，其特征在于，所述基于所述图像和所述残差图像的差值计算得到降噪图像，包括：
将所述残差图像中大于0的残差值乘以黑化参数，和/或，将所述残差图像中小于0的残差值乘以白化参数，以得到修正残差图像；
计算所述图像和所述修正残差图像的差值，得到降噪图像。
4.根据权利要求3所述的图像降噪方法，其特征在于，所述黑化参数和所述白化参数大于1。
5.根据权利要求1所述的图像降噪方法，其特征在于，所述计算每个所述分块的初步降噪结果，包括：
对每个所述分块进行非局部均值降噪处理，以得到每个所述分块的初步降噪结果。
6.根据权利要求5所述的图像降噪方法，其特征在于，所述计算每个所述分块的初步降噪结果，包括：
确定所述分块的相似块；
计算所述分块与各个相似块的差异性；
基于各个相似块与所述分块的差异性，确定各个相似块的权重系数；以各个相似块的权重系数对各个相似块进行加权计算，得到所述分块的初步降噪结果；或，计算与所述分块差异性最低的N个相似块的平均值，得到所述分块的初步降噪结果。
7.一种图像降噪装置，其特征在于，所述图像包括多个具有重叠区域的分块，所有分块能够整合成所述图像，所述装置包括：
初步降噪模块，用于计算每个所述分块的初步降噪结果；
残差计算模块，用于计算每个所述分块的原始像素值和初步降噪结果的差值，得到每个所述分块的残差值；以所述图像每个像素点在所有含有所述每个像素点的分块的残差值，计算出所述图像每个像素点的残差值，以得到所述图像的残差图像；具体对于所述重叠区域中的每个像素点，以各个含有所述每个像素点的分块的方差为权重系数，对所述每个像素点在所述分块的残差值进行加权计算，得到所述图像中被多个所述分块包含的像素点的残差值；或，计算所述图像每个像素点在所有含有所述每个像素点的分块的残差值的均值或中位值，得到所述图像中被多个所述分块包含的像素点的残差值；
计算模块，用于基于所述图像和所述残差图像计算得到降噪图像。
8.一种图像降噪装置，其特征在于，所述图像降噪装置包括存储器和处理器；所述存储器中存储有计算机程序，所述处理器用于执行所述计算机程序以实现如权利要求1-6中任一项所述方法的步骤。
9.一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，所述程序被处理器执行时实现权利要求1-6中任一项所述方法的步骤。
CN202011288007.XA 2020-11-17 2020-11-17 图像降噪方法及装置 Active CN112435182B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011288007.XA CN112435182B (zh) 2020-11-17 2020-11-17 图像降噪方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011288007.XA CN112435182B (zh) 2020-11-17 2020-11-17 图像降噪方法及装置

Publications (2)

Publication Number Publication Date
CN112435182A CN112435182A (zh) 2021-03-02
CN112435182B true CN112435182B (zh) 2024-05-10

Family

ID=74701192

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011288007.XA Active CN112435182B (zh) 2020-11-17 2020-11-17 图像降噪方法及装置

Country Status (1)

Country Link
CN (1) CN112435182B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024031579A1 (zh) * 2022-08-11 2024-02-15 上海玄戒技术有限公司 图像降噪方法、装置及芯片
CN116385280B (zh) * 2023-01-09 2024-01-23 爱芯元智半导体(上海)有限公司 一种图像降噪系统、方法及降噪神经网络训练方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104637037A (zh) * 2015-03-13 2015-05-20 重庆大学 一种基于非本地分类稀疏表示的sar图像降噪方法
CN104754181A (zh) * 2013-12-30 2015-07-01 浙江大华技术股份有限公司 一种视频噪声估计方法及装置
CN107172322A (zh) * 2017-06-16 2017-09-15 北京飞识科技有限公司 一种视频降噪方法和装置
CN109584204A (zh) * 2018-10-15 2019-04-05 上海途擎微电子有限公司 一种图像噪声强度估计方法、存储介质、处理及识别装置
JP2019106173A (ja) * 2017-12-13 2019-06-27 キヤノン株式会社 画像処理方法、画像処理装置およびプログラム
CN111161177A (zh) * 2019-12-25 2020-05-15 Tcl华星光电技术有限公司 图像自适应降噪方法和装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9123103B2 (en) * 2013-12-26 2015-09-01 Mediatek Inc. Method and apparatus for image denoising with three-dimensional block-matching
US9852353B2 (en) * 2014-11-12 2017-12-26 Adobe Systems Incorporated Structure aware image denoising and noise variance estimation

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104754181A (zh) * 2013-12-30 2015-07-01 浙江大华技术股份有限公司 一种视频噪声估计方法及装置
CN104637037A (zh) * 2015-03-13 2015-05-20 重庆大学 一种基于非本地分类稀疏表示的sar图像降噪方法
CN107172322A (zh) * 2017-06-16 2017-09-15 北京飞识科技有限公司 一种视频降噪方法和装置
JP2019106173A (ja) * 2017-12-13 2019-06-27 キヤノン株式会社 画像処理方法、画像処理装置およびプログラム
CN109584204A (zh) * 2018-10-15 2019-04-05 上海途擎微电子有限公司 一种图像噪声强度估计方法、存储介质、处理及识别装置
CN111161177A (zh) * 2019-12-25 2020-05-15 Tcl华星光电技术有限公司 图像自适应降噪方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
An Image super-resolution algorithm for different error levels per frame;Hu He 等;《IEEE》;全文 *
水下目标声图像分块自适应降噪方法;刘丹丹 等;《兵工学报》;第31卷(第09期);全文 *

Also Published As

Publication number Publication date
CN112435182A (zh) 2021-03-02

Similar Documents

Publication Publication Date Title
Zhao et al. Detecting digital image splicing in chroma spaces
US8594451B2 (en) Edge mapping incorporating panchromatic pixels
US7751641B2 (en) Method and system for digital image enhancement
CN111784605B (zh) 一种基于区域指导的图像降噪方法、计算机装置及计算机可读存储介质
CN112435182B (zh) 图像降噪方法及装置
Salmon et al. From patches to pixels in non-local methods: Weighted-average reprojection
WO1999030547A2 (en) A new edge-detection based noise removal algorithm
CN110730336B (zh) 一种去马赛克方法及装置
EP1135747A1 (en) Noise reduction method, apparatus, and program for digital image processing
EP2130176A2 (en) Edge mapping using panchromatic pixels
CN107767356B (zh) 一种图像处理方法和装置
CN109214996B (zh) 一种图像处理方法及装置
CN102103751A (zh) 前景图像提取方法及装置
CN104680485A (zh) 一种基于多分辨率的图像去噪方法及装置
CN110796615A (zh) 一种图像去噪方法、装置以及存储介质
CN111161136B (zh) 图像虚化方法、图像虚化装置、设备及存储装置
JPWO2008093835A1 (ja) 画像処理方法
CN116503293B (zh) 一种Bayer图像去椒盐噪声的方法及系统
CN111968057A (zh) 图像降噪方法、装置、存储介质及电子装置
CN111353955A (zh) 一种图像处理方法、装置、设备和存储介质
CN112700376A (zh) 图像的摩尔纹去除方法、装置、终端设备及存储介质
CN111260590B (zh) 图像降噪方法及相关产品
CN111161299A (zh) 影像分割方法、计算机程序、存储介质及电子装置
CN112907468A (zh) 图像降噪方法、设备及计算机存储介质
CN108769521A (zh) 一种拍照方法、移动终端及计算机可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant