CN112837242B - 一种图像降噪处理方法、装置、设备及介质 - Google Patents

一种图像降噪处理方法、装置、设备及介质 Download PDF

Info

Publication number
CN112837242B
CN112837242B CN202110189403.5A CN202110189403A CN112837242B CN 112837242 B CN112837242 B CN 112837242B CN 202110189403 A CN202110189403 A CN 202110189403A CN 112837242 B CN112837242 B CN 112837242B
Authority
CN
China
Prior art keywords
absolute difference
block
candidate
noise reduction
candidate block
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
CN202110189403.5A
Other languages
English (en)
Other versions
CN112837242A (zh
Inventor
黄芳
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.)
Chengdu Goke Microelectronics Co ltd
Original Assignee
Chengdu Goke Microelectronics 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 Chengdu Goke Microelectronics Co ltd filed Critical Chengdu Goke Microelectronics Co ltd
Priority to CN202110189403.5A priority Critical patent/CN112837242B/zh
Publication of CN112837242A publication Critical patent/CN112837242A/zh
Application granted granted Critical
Publication of CN112837242B publication Critical patent/CN112837242B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G06T5/70—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Processing (AREA)

Abstract

本申请公开了一种图像降噪处理方法、装置、设备及介质，包括：针对待降噪图像确定搜索窗内每个候选块与初始中心块的第一绝对差值和；基于每个候选块的第一绝对差值和确定每个候选块对应的权重；利用每个候选块对应的权重对搜索窗内的全部候选块进行加权计算，得到搜索窗内的新中心块；确定搜索窗内每个候选块与新中心块的第二绝对差值和；筛选预设数量个所述第二绝对差值和最小的，且所述第二绝对差值和小于预设绝对差值和阈值的候选块，得到预设数量个第一目标候选块；利用预设数量个第一目标候选块构建第一3D Group；基于第一3D Group进行图像降噪处理。能够提升块匹配的准确性，从而提升图像降噪效果，同时避免块匹配的计算量过大的问题。

Description

一种图像降噪处理方法、装置、设备及介质
技术领域
本申请涉及图像处理技术领域，特别涉及一种图像降噪处理方法、装置、设备及介质。
背景技术
BM3D(即Block Matching 3D，三维块匹配算法)作为Wiener(维纳)滤波在3D变换域的延伸，具有十分亮眼的降噪效果，不同于Gaussian filter(高斯滤波)、Bilateralfilter(双边滤波)、non local means(非局部均值滤波)，BM3D的降噪不直接依靠相邻像素间本身的相似性，不直接通过加权邻域内的点来估测当前点的滤波值，因此不承担当邻域内的部分像素点与需要被估测的点本身存在差距时带来的风险，损失图像的细节信息，BM3D通过将相似块堆叠起来，组成一个3D Group，分别在块所在的二维及堆叠产生的第三个维度上分别进行二维线性变换及一维线性变换，在3D的线性变换域通过固定阈值或是Wiener滤波来实现在变换域内的降噪目的，最后再逆变换回去，以完成了针对3D Group内的所有块的协同滤波，在这一过程中，任意点的滤波结果并不由邻域内的其他点加权得来，而是通过shrinkage变换域内的值，再逆变换得来的，为变换域内的滤波方式，降噪效果主要取决于堆叠得到的3D Group经过3D线性变换后的稀疏性，而堆叠3D Group时块匹配的准确性影响3D Group的稀疏性。
目前，为了增加块匹配的准确性，通常对search window(搜索窗)内所有的候选快进行二维线性变换，根据固定阈值在此二维变换域内对所有的候选块进行一次降噪，然后计算在变换域内降噪后的块与中心块的SAD(Sum of Absolute Difference，绝对差值和)，选取N个最相似的块，将其堆叠成3D Group，这样，需要对search window内的所有候选块都做一次二维线性变换，计算量过大。
发明内容
有鉴于此，本申请的目的在于提供一种图像降噪处理方法、装置、设备及介质，能够提升块匹配的准确性，从而提升图像降噪效果，同时避免块匹配的计算量过大的问题。其具体方案如下：
第一方面，本申请公开了一种图像降噪处理方法，包括：
针对待降噪图像确定搜索窗内每个候选块与初始中心块的第一绝对差值和；
基于每个所述候选块对应的所述第一绝对差值和确定每个所述候选块对应的权重；
利用每个所述候选块对应的所述权重对所述搜索窗内的全部所述候选块进行加权计算，得到所述搜索窗内的新中心块；
确定所述搜索窗内每个候选块与所述新中心块的第二绝对差值和；
筛选预设数量个所述第二绝对差值和最小的，且所述第二绝对差值和小于预设绝对差值和阈值的候选块，得到预设数量个第一目标候选块；
利用预设数量个所述第一目标候选块构建第一3D Group；
基于所述第一3D Group进行图像降噪处理。
可选的，所述方法还包括：
若所述第二绝对差值和小于所述预设绝对差值和阈值的候选块的数量小于所述预设数量，则将所述第二绝对差值和小于所述预设绝对差值和阈值的候选块均确定为第一目标候选块。
可选的，所述基于每个所述候选块对应的所述第一绝对差值和确定每个所述候选块对应的权重，包括：
通过公式
Figure BDA0002944770520000021
确定每个所述候选块对应的权重；
其中，weight表示所述权重，SAD表示所述第一绝对差值和，h为调整降噪强度的参数。
可选的，所述基于每个所述候选块对应的所述第一绝对差值和确定每个所述候选块对应的权重之前，还包括：
确定所述待降噪图像的噪声强度；
若所述噪声强度大于预设噪声强度阈值，则启动所述基于每个所述候选块对应的所述第一绝对差值和确定每个所述候选块对应的权重的步骤。
可选的，所述方法还包括：
若所述噪声强度小于或等于所述预设噪声强度阈值，则基于所述第一绝对差值和确定出多个候选块以得到多个第二目标候选块；利用多个所述第二目标候选块构建第二3DGroup；
基于所述第二3D Group进行图像降噪处理。
第二方面，本申请公开了一种图像降噪处理装置，包括：
第一绝对差值和确定模块，用于针对待降噪图像确定搜索窗内每个候选块与初始中心块的第一绝对差值和；
候选块权重确定模块，用于基于每个所述候选块对应的所述第一绝对差值和确定每个所述候选块对应的权重；
新中心块确定模块，用于利用每个所述候选块对应的所述权重对所述搜索窗内的全部所述候选块进行加权计算，得到所述搜索窗内的新中心块；
第二绝对差值和确定模块，用于确定所述搜索窗内每个候选块与所述新中心块的第二绝对差值和；
第一目标候选块确定模块，用于筛选预设数量个所述第二绝对差值和最小的，且所述第二绝对差值和小于预设绝对差值和阈值的候选块，得到预设数量个第一目标候选块；第一3D Group构建模块，用于利用预设数量个所述第一目标候选块构建第一3D Group；
图像降噪处理模块，用于基于所述第一3D Group进行图像降噪处理。
可选的，所述候选块权重确定模块，具体用于：
通过公式
Figure BDA0002944770520000031
确定每个所述候选块对应的权重；
其中，weight表示所述权重，SAD表示所述第一绝对差值和，h为调整降噪强度的参数。
可选的，所述装置还包括：
噪声强度确定模块，用于确定所述待降噪图像的噪声强度；
噪声强度判断模块，用于判断所述噪声强度是否大于预设噪声强度阈值，若所述噪声强度大于预设噪声强度阈值，则触发所述候选块权重确定模块基于每个所述候选块对应的所述第一绝对差值和确定每个所述候选块对应的权重。
第三方面，本申请公开了一种电子设备，包括：
存储器，用于保存计算机程序；
处理器，用于执行所述计算机程序，以实现前述的图像降噪处理。
第四方面，本申请公开了一种计算机可读存储介质，用于保存计算机程序，所述计算机程序被处理器执行时实现前述的图像降噪处理。
可见，本申请针对待降噪图像确定搜索窗内每个候选块与初始中心块的第一绝对差值和，然后基于每个所述候选块对应的所述第一绝对差值和确定每个所述候选块对应的权重，之后利用每个所述候选块对应的所述权重对所述搜索窗内的全部所述候选块进行加权计算，得到所述搜索窗内的新中心块，然后确定所述搜索窗内每个候选块与所述新中心块的第二绝对差值和，筛选预设数量个所述第二绝对差值和最小的，且所述第二绝对差值和小于预设绝对差值和阈值的候选块，得到预设数量个第一目标候选块，最后利用预设数量个所述第一目标候选块构建第一3D Group，基于所述第一3D Group进行图像降噪处理。也即，本申请基于搜索窗内每个候选块与初始中心块的绝对差值和确定每个所述候选块对应的权重，之后利用每个候选块对应的所述权重对所述搜索窗内的全部所述候选块进行加权计算，得到一个均值块作为搜索窗内的新中心块，以候选块与新中心块的绝对差值和为筛选相似块的标准，这样，基于均值块选出的相似块更加相似，能够提升块匹配的准确性，从而提升图像降噪效果，同时避免块匹配的计算量过大的问题。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请公开的一种图像降噪处理方法流程图；
图2为本申请公开的一种具体的图像降噪处理方法流程图；
图3为本申请公开的一种图像降噪处理装置结构示意图；
图4为本申请公开的一种电子设备结构图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动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。
BM3D算法的降噪效果主要取决于堆叠得到的3D Group经过3D线性变换后的稀疏性，而堆叠3D Group时块匹配的准确性影响3D Group的稀疏性。目前，为了增加块匹配的准确性，通常对search window内所有的候选快进行二维线性变换，根据固定阈值在此二维变换域内对所有的候选块进行一次降噪，然后计算在变换域内降噪后的块与中心块的SAD(Sum of Absolute Difference，绝对差值和)，选取N个最相似的块，将其堆叠成3D Group，这样，需要对search window内的所有候选块都做一次二维线性变换，计算量过大。为此，本申请提供了一种图像降噪处理方案，能够提升块匹配的准确性，从而提升图像降噪效果，同时避免块匹配的计算量过大的问题。
参见图1所示，本申请实施例公开了一种图像降噪处理方法，包括：
步骤S11：针对待降噪图像确定搜索窗内每个候选块与初始中心块的第一绝对差值和。
步骤S12：基于每个所述候选块对应的所述第一绝对差值和确定每个所述候选块对应的权重。
在具体的实施方式中，可以通过公式
Figure BDA0002944770520000051
确定每个所述候选块对应的权重；
其中，weight表示所述权重，SAD表示所述第一绝对差值和，h为调整降噪强度的参数。
在具体的实施方式中，可以基于图像噪声方差确定h，图像噪声方差越大，则h越大，以达到更好的降噪效果，当然也可以根据需求人工设定h。
具体的，计算搜索窗内所有块与中心块的SAD，并通过此SAD来计算对应的候选块的整体权重，其中，搜索窗内所有块均为候选块。
Figure BDA0002944770520000061
Figure BDA0002944770520000062
其中，Zi表示以像素点i为中心的中心块，Zj表示以像素点j为中心的候选块，N为一个候选块中像素点的总数。
步骤S13：利用每个所述候选块对应的所述权重对所述搜索窗内的全部所述候选块进行加权计算，得到所述搜索窗内的新中心块。
在具体的实施方式中，将所有候选块根据以上计算得到的权重进行加权，得到一个均值块作为新中心块。
其中，新中心块为
Figure BDA0002944770520000063
步骤S14：确定所述搜索窗内每个候选块与所述新中心块的第二绝对差值和。
也即，重新计算搜索窗内所有候选块与新中心块之间的SAD，具体的：
Figure BDA0002944770520000064
步骤S15：筛选预设数量个所述第二绝对差值和最小的，且所述第二绝对差值和小于预设绝对差值和阈值的候选块，得到预设数量个第一目标候选块。
在具体的实施方式中，可以筛选预设数量个所述第二绝对差值和最小的，且所述第二绝对差值和小于预设绝对差值和阈值的候选块，得到预设数量个所述第一目标候选块。若所述第二绝对差值和小于所述预设绝对差值和阈值的候选块的数量小于所述预设数量，则将所述第二绝对差值和小于所述预设绝对差值和阈值的候选块均确定为所述第一目标候选块。
具体的，可以先筛选出第二绝对差值和小于预设绝对差值和阈值的候选块，如果筛选出的候选块的数量大于预设数量，则基于第二绝对差值和对筛选出的候选块进行排序，筛选出第二绝对差值和最小的预设数量个候选块，得到第一目标候选块。
其中，所述预设绝对差值和阈值为根据经验确定的值，以筛选出相似块。
也即，本申请实施例首先计算搜索窗内所有候选块与中心块的SAD，根据SAD进一步计算出每一个候选块的权重，这个权重不针对单一的点，而是给到整个候选块，将所有候选块用其对应的权重做加权，即可得到该搜索窗内的更抗噪的均值中心块，以此均值中心块来替代原来的中心块做块匹配，会比直接使用一个含噪的中心块更抗噪。需要指出的是，BM3D通过计算块间的SAD来做块匹配，目的在于在搜索窗内找出更加相似的块，堆叠出稀疏性更高的3D Group，更应该强调筛选出来的多个块的整体相似性，而不是与原本的中心块的相似性，因为不是直接用此相似性来实现块对点的滤波结果的估测，而使用均值中心块，能够更好的实现从搜索窗内选取相似块的目的，之后再对选出来的多个与均值中心块相似的块进行二维线性变换及一维线性变换，相比现有方法减少了二维线性变换的次数，且提升了块匹配的准确性及3D Group的稀疏性，从而提升了BM3D的降噪效果。
步骤S16：利用预设数量个所述第一目标候选块构建第一3D Group。
具体的，利用选取出的预设数量个SAD最小且小于预设绝对差值和阈值的候选块，堆叠形成3D Group：
Group＝{j∈search window:SADj<τ}。
其中，τ为预设绝对差值和阈值。
步骤S17：基于所述第一3D Group进行图像降噪处理。
在具体的实施方式中，对所述第一3D Group进行线性变换，在变换域内进行进行固定阈值滤波，然后进行线性逆变换，完成搜索窗内所有点的滤波结果的第一次估计。具体的，分别在块所在的二维及堆叠产生的第三个维度上分别进行二维线性变换及一维线性变换。这样，降噪同时能更好地进行边缘保护，边缘及纹理处的线条更清晰，在不大幅增加计算量的同时，提升了BM3D块匹配的准确性，从而使得BM3D第一次滤波估计的结果更加准确。
需要指出的是，本实施例主要用于噪声水平较高时的BM3D算法的第一次块匹配过程当中，因为在第二次块匹配过程中，已经有一个噪声水平较低的估测图了，能够得到比较准确的块匹配结果。另外，本申请实施例在non local means当中也能收获到更加准确的匹配结果，从而收获更好的去噪效果。
可见，本申请实施例针对待降噪图像确定搜索窗内每个候选块与初始中心块的第一绝对差值和，然后基于每个所述候选块对应的所述第一绝对差值和确定每个所述候选块对应的权重，之后利用每个所述候选块对应的所述权重对所述搜索窗内的全部所述候选块进行加权计算，得到所述搜索窗内的新中心块，然后确定所述搜索窗内每个候选块与所述新中心块的第二绝对差值和，筛选预设数量个所述第二绝对差值和最小的，且所述第二绝对差值和小于预设绝对差值和阈值的候选块，得到预设数量个第一目标候选块，最后利用预设数量个所述第一目标候选块构建第一3D Group，基于所述第一3D Group进行图像降噪处理。也即，本申请基于搜索窗内每个候选块与初始中心块的绝对差值和确定每个所述候选块对应的权重，之后利用每个候选块对应的所述权重对所述搜索窗内的全部所述候选块进行加权计算，得到一个均值块作为搜索窗内的新中心块，以候选块与新中心块的绝对差值和为筛选相似块的标准，这样，基于均值块选出的相似块更加相似，能够提升块匹配的准确性，从而提升图像降噪效果，同时避免块匹配的计算量过大的问题。
参见图2所示，本申请实施例公开了一种具体的图像降噪处理方法，包括：
步骤S201：针对待降噪图像确定搜索窗内每个候选块与初始中心块的第一绝对差值和。
步骤S202：确定所述待降噪图像的噪声强度。
在具体的实施方式中，可以确定所述待降噪图像的噪声方差。
步骤S203：若所述噪声强度大于预设噪声强度阈值，则基于每个所述候选块对应的所述第一绝对差值和确定每个所述候选块对应的权重。
步骤S204：利用每个所述候选块对应的所述权重对所述搜索窗内的全部所述候选块进行加权计算，得到所述搜索窗内的新中心块。
步骤S205：确定所述搜索窗内每个候选块与所述新中心块的第二绝对差值和。
步骤S206：筛选预设数量个所述第二绝对差值和最小的，且所述第二绝对差值和小于预设绝对差值和阈值的候选块，得到预设数量个第一目标候选块。
步骤S207：利用预设数量个所述第一目标候选块构建第一3D Group。
步骤S208：基于所述第一3D Group进行图像降噪处理。
步骤S209：若所述噪声强度小于或等于所述预设噪声强度阈值，则基于所述第一绝对差值和确定出多个候选块以得到多个第二目标候选块。
关于如何基于第一绝对差值和确定第二目标候选块，可以参考前述基于第二绝对差值和确定第一目标候选块的步骤，在此不再进行赘述。
步骤S210：利用多个所述第二目标候选块构建第二3D Group。
步骤S211：基于所述第二3D Group进行图像降噪处理。
也即，若噪声水平较低可直接利用搜索窗内每个候选块与初始中心块的第一绝对差值和确定出相似块，这样计算量较低，且满足图像的降噪需求。若噪声水平较高则可以采用本申请实施例公开的计算出新中心块，基于候选块与新中心块的绝对差值和确定出相似块，从而提升降噪效果。
参见图3所示，本申请实施例公开了一种图像降噪处理装置，包括：
第一绝对差值和确定模块11，用于针对待降噪图像确定搜索窗内每个候选块与初始中心块的第一绝对差值和；
候选块权重确定模块12，用于基于每个所述候选块对应的所述第一绝对差值和确定每个所述候选块对应的权重；
新中心块确定模块13，用于利用每个所述候选块对应的所述权重对所述搜索窗内的全部所述候选块进行加权计算，得到所述搜索窗内的新中心块；
第二绝对差值和确定模块14，用于确定所述搜索窗内每个候选块与所述新中心块的第二绝对差值和；
第一目标候选块确定模块15，用于筛选预设数量个所述第二绝对差值和最小的，且所述第二绝对差值和小于预设绝对差值和阈值的候选块，得到预设数量个第一目标候选块；
第一3D Group构建模块16，用于利用预设数量个所述第一目标候选块构建第一3DGroup；
图像降噪处理模块17，用于基于所述第一3D Group进行图像降噪处理。
可见，本申请实施例针对待降噪图像确定搜索窗内每个候选块与初始中心块的第一绝对差值和，然后基于每个所述候选块对应的所述第一绝对差值和确定每个所述候选块对应的权重，之后利用每个所述候选块对应的所述权重对所述搜索窗内的全部所述候选块进行加权计算，得到所述搜索窗内的新中心块，然后确定所述搜索窗内每个候选块与所述新中心块的第二绝对差值和，筛选预设数量个所述第二绝对差值和最小的，且所述第二绝对差值和小于预设绝对差值和阈值的候选块，得到预设数量个第一目标候选块，最后利用预设数量个所述第一目标候选块构建第一3D Group，基于所述第一3D Group进行图像降噪处理。也即，本申请基于搜索窗内每个候选块与初始中心块的绝对差值和确定每个所述候选块对应的权重，之后利用每个候选块对应的所述权重对所述搜索窗内的全部所述候选块进行加权计算，得到一个均值块作为搜索窗内的新中心块，以候选块与新中心块的绝对差值和为筛选相似块的标准，这样，基于均值块选出的相似块更加相似，能够提升块匹配的准确性，从而提升图像降噪效果，同时避免块匹配的计算量过大的问题。
并且，所述第一目标候选块确定模块15还用于：若所述第二绝对差值和小于所述预设绝对差值和阈值的候选块的数量小于所述预设数量，则将所述第二绝对差值和小于所述预设绝对差值和阈值的候选块均确定为第一目标候选块。
其中，所述候选块权重确定模块12，具体用于：
通过公式
Figure BDA0002944770520000101
确定每个所述候选块对应的权重；
其中，weight表示所述权重，SAD表示所述第一绝对差值和，h为调整降噪强度的参数。
进一步的，所述装置还包括噪声强度确定模块，用于确定所述待降噪图像的噪声强度。
并且，所述装置还包括噪声强度判断模块，用于判断所述噪声强度是否大于预设噪声强度阈值，若所述噪声强度大于预设噪声强度阈值，则触发候选块权重确定模块12；若所述噪声强度小于或等于所述预设噪声强度阈值，则触发第二目标候选块确定模块。
相应的，所述第二目标候选块确定模块，用于基于所述第一绝对差值和确定出多个候选块以得到多个第二目标候选块。
进一步的，所述装置还包括第二3D Group构建模块，用于利用多个所述第二目标候选块构建第二3D Group；
相应的，图像降噪处理模块17，具体用于基于所述第二3D Group进行图像降噪处理。
参见图4所述，本申请实施例公开了一种电子设备20，包括处理器21和存储器22；其中，所述存储器22，用于保存计算机程序；所述处理器21，用于执行所述计算机程序，其中，所述计算机程序被处理器执行时实现前述实施例公开的图像降噪处理方法。
关于上述图像降噪处理方法的具体过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
并且，所述存储器22作为资源存储的载体，可以是只读存储器、随机存储器、磁盘或者光盘等，存储方式可以是短暂存储或者永久存储。
另外，所述电子设备20还包括电源23、通信接口24、输入输出接口25和通信总线26；其中，所述电源23用于为所述电子设备20上的各硬件设备提供工作电压；所述通信接口24能够为所述电子设备20创建与外界设备之间的数据传输通道，其所遵循的通信协议是能够适用于本申请技术方案的任意通信协议，在此不对其进行具体限定；所述输入输出接口25，用于获取外界输入数据或向外界输出数据，其具体的接口类型可以根据具体应用需要进行选取，在此不进行具体限定。
进一步的，本申请实施例还公开了一种计算机可读存储介质，用于保存计算机程序，其中，所述计算机程序被处理器执行时实现前述实施例公开的图像降噪处理方法。
关于上述图像降噪处理方法的具体过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本申请所提供的一种图像降噪处理方法、装置、设备及介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种图像降噪处理方法，其特征在于，包括：
针对待降噪图像确定搜索窗内每个候选块与初始中心块的第一绝对差值和；
基于每个所述候选块对应的所述第一绝对差值和确定每个所述候选块对应的权重；
利用每个所述候选块对应的所述权重对所述搜索窗内的全部所述候选块进行加权计算，得到所述搜索窗内的新中心块；
确定所述搜索窗内每个候选块与所述新中心块的第二绝对差值和；
筛选预设数量个所述第二绝对差值和最小的，且所述第二绝对差值和小于预设绝对差值和阈值的候选块，得到预设数量个第一目标候选块；
利用预设数量个所述第一目标候选块构建第一3D Group；
基于所述第一3D Group进行图像降噪处理。
2.根据权利要求1所述的图像降噪处理方法，其特征在于，还包括：
若所述第二绝对差值和小于所述预设绝对差值和阈值的候选块的数量小于所述预设数量，则将所述第二绝对差值和小于所述预设绝对差值和阈值的候选块均确定为第一目标候选块。
3.根据权利要求1所述的图像降噪处理方法，其特征在于，所述基于每个所述候选块对应的所述第一绝对差值和确定每个所述候选块对应的权重，包括：
通过公式
Figure FDA0002944770510000011
确定每个所述候选块对应的权重；
其中，weight表示所述权重，SAD表示所述第一绝对差值和，h为调整降噪强度的参数。
4.根据权利要求1至3任一项所述的图像降噪处理方法，其特征在于，所述基于每个所述候选块对应的所述第一绝对差值和确定每个所述候选块对应的权重之前，还包括：
确定所述待降噪图像的噪声强度；
若所述噪声强度大于预设噪声强度阈值，则启动所述基于每个所述候选块对应的所述第一绝对差值和确定每个所述候选块对应的权重的步骤。
5.根据权利要求4所述的图像降噪处理方法，其特征在于，还包括：
若所述噪声强度小于或等于所述预设噪声强度阈值，则基于所述第一绝对差值和确定出多个候选块以得到多个第二目标候选块；
利用多个所述第二目标候选块构建第二3D Group；
基于所述第二3D Group进行图像降噪处理。
6.一种图像降噪处理装置，其特征在于，包括：
第一绝对差值和确定模块，用于针对待降噪图像确定搜索窗内每个候选块与初始中心块的第一绝对差值和；
候选块权重确定模块，用于基于每个所述候选块对应的所述第一绝对差值和确定每个所述候选块对应的权重；
新中心块确定模块，用于利用每个所述候选块对应的所述权重对所述搜索窗内的全部所述候选块进行加权计算，得到所述搜索窗内的新中心块；
第二绝对差值和确定模块，用于确定所述搜索窗内每个候选块与所述新中心块的第二绝对差值和；
第一目标候选块确定模块，用于筛选预设数量个所述第二绝对差值和最小的，且所述第二绝对差值和小于预设绝对差值和阈值的候选块，得到预设数量个第一目标候选块；
第一3D Group构建模块，用于利用预设数量个所述第一目标候选块构建第一3DGroup；
图像降噪处理模块，用于基于所述第一3D Group进行图像降噪处理。
7.根据权利要求6所述的图像降噪处理装置，其特征在于，所述候选块权重确定模块，具体用于：
通过公式
Figure FDA0002944770510000021
确定每个所述候选块对应的权重；
其中，weight表示所述权重，SAD表示所述第一绝对差值和，h为调整降噪强度的参数。
8.根据权利要求6所述的图像降噪处理装置，其特征在于，还包括：
噪声强度确定模块，用于确定所述待降噪图像的噪声强度；
噪声强度判断模块，用于判断所述噪声强度是否大于预设噪声强度阈值，若所述噪声强度大于预设噪声强度阈值，则触发所述候选块权重确定模块基于每个所述候选块对应的所述第一绝对差值和确定每个所述候选块对应的权重。
9.一种电子设备，其特征在于，包括：
存储器，用于保存计算机程序；
处理器，用于执行所述计算机程序，以实现如权利要求1至5任一项所述的图像降噪处理方法。
10.一种计算机可读存储介质，其特征在于，用于保存计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的图像降噪处理方法。
CN202110189403.5A 2021-02-19 2021-02-19 一种图像降噪处理方法、装置、设备及介质 Active CN112837242B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110189403.5A CN112837242B (zh) 2021-02-19 2021-02-19 一种图像降噪处理方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110189403.5A CN112837242B (zh) 2021-02-19 2021-02-19 一种图像降噪处理方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN112837242A CN112837242A (zh) 2021-05-25
CN112837242B true CN112837242B (zh) 2023-07-14

Family

ID=75933855

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110189403.5A Active CN112837242B (zh) 2021-02-19 2021-02-19 一种图像降噪处理方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN112837242B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103533261A (zh) * 2012-06-29 2014-01-22 三星电子株式会社 去噪设备、系统和方法
CN104159003A (zh) * 2014-08-21 2014-11-19 武汉大学 一种基于3d协同滤波与低秩矩阵重建的视频去噪方法及系统
CN109003233A (zh) * 2018-06-21 2018-12-14 西安理工大学 一种基于自适应权重全变分模型的图像去噪方法
CN109544478A (zh) * 2018-11-26 2019-03-29 重庆大学 一种基于奇异值分解的非局部均值ct图像降噪方法
CN109785246A (zh) * 2018-12-11 2019-05-21 深圳奥比中光科技有限公司 一种非局部均值滤波的降噪方法、装置及设备
CN110648290A (zh) * 2019-09-06 2020-01-03 西安交通大学 一种基于sure参数优化的双核非局部均值图像去噪方法
CN111402143A (zh) * 2020-06-03 2020-07-10 腾讯科技（深圳）有限公司 图像处理方法、装置、设备及计算机可读存储介质
CN111652814A (zh) * 2020-05-26 2020-09-11 浙江大华技术股份有限公司 一种视频图像的去噪方法、装置、电子设备及存储介质
CN111754437A (zh) * 2020-06-24 2020-10-09 成都国科微电子有限公司 一种基于运动强度的3d降噪方法及装置
CN111915517A (zh) * 2020-07-23 2020-11-10 同济大学 一种适用于室内光照不利环境下rgb-d相机全局定位方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7903900B2 (en) * 2007-03-30 2011-03-08 Hong Kong Applied Science And Technology Research Institute Co., Ltd. Low complexity color de-noising filter
CN105335947B (zh) * 2014-05-26 2019-03-01 富士通株式会社 图像去噪方法和图像去噪装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103533261A (zh) * 2012-06-29 2014-01-22 三星电子株式会社 去噪设备、系统和方法
CN104159003A (zh) * 2014-08-21 2014-11-19 武汉大学 一种基于3d协同滤波与低秩矩阵重建的视频去噪方法及系统
CN109003233A (zh) * 2018-06-21 2018-12-14 西安理工大学 一种基于自适应权重全变分模型的图像去噪方法
CN109544478A (zh) * 2018-11-26 2019-03-29 重庆大学 一种基于奇异值分解的非局部均值ct图像降噪方法
CN109785246A (zh) * 2018-12-11 2019-05-21 深圳奥比中光科技有限公司 一种非局部均值滤波的降噪方法、装置及设备
CN110648290A (zh) * 2019-09-06 2020-01-03 西安交通大学 一种基于sure参数优化的双核非局部均值图像去噪方法
CN111652814A (zh) * 2020-05-26 2020-09-11 浙江大华技术股份有限公司 一种视频图像的去噪方法、装置、电子设备及存储介质
CN111402143A (zh) * 2020-06-03 2020-07-10 腾讯科技（深圳）有限公司 图像处理方法、装置、设备及计算机可读存储介质
CN111754437A (zh) * 2020-06-24 2020-10-09 成都国科微电子有限公司 一种基于运动强度的3d降噪方法及装置
CN111915517A (zh) * 2020-07-23 2020-11-10 同济大学 一种适用于室内光照不利环境下rgb-d相机全局定位方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A fast image denoising algorithm based on local weighting.《2017 Chinese Automation Congress (CAC)》.2018,第4320-4325页. *
基于方向梯度的时域降噪算法及实现;南斯云等;《上海工程技术大学学报》;第93-96页 *

Also Published As

Publication number Publication date
CN112837242A (zh) 2021-05-25

Similar Documents

Publication Publication Date Title
CN110717522A (zh) 图像分类网络的对抗防御方法及相关装置
US9779491B2 (en) Algorithm and device for image processing
Yang et al. Constant time median and bilateral filtering
US8908989B2 (en) Recursive conditional means image denoising
JP2015225665A (ja) 画像ノイズ除去方法及び画像ノイズ除去装置
CN111402170B (zh) 图像增强方法、装置、终端及计算机可读存储介质
CN109064504B (zh) 图像处理方法、装置和计算机存储介质
US9443286B2 (en) Gray image processing method and apparatus based on wavelet transformation
CN112150371B (zh) 图像降噪方法、装置、设备及存储介质
CN115908154B (zh) 基于图像处理的视频后期颗粒噪声去除方法
CN111598796A (zh) 图像处理方法及装置、电子设备、存储介质
KR20150032822A (ko) 이미지를 필터링하기 위한 방법 및 장치
Cho et al. Dictionary-based anisotropic diffusion for noise reduction
CN111353955A (zh) 一种图像处理方法、装置、设备和存储介质
CN111325671B (zh) 网络训练方法、装置、图像处理方法及电子设备
CN110782398B (zh) 图像处理方法、生成式对抗网络系统和电子设备
Barzigar et al. A video super-resolution framework using SCoBeP
CN111179276A (zh) 一种图像处理方法和装置
CN112837242B (zh) 一种图像降噪处理方法、装置、设备及介质
CN113012061A (zh) 降噪处理方法、装置及电子设备
CN112801883A (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
CN112200730B (zh) 图像滤波处理方法、装置、设备及存储介质
Xiao et al. Video denoising algorithm based on improved dual‐domain filtering and 3D block matching
CN110580694B (zh) 二次直方图均衡动态图像方法
CN110363723B (zh) 改进图像边界效果的图像处理方法及装置

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