CN113469889A - 一种图像降噪的方法及装置 - Google Patents
一种图像降噪的方法及装置 Download PDFInfo
- Publication number
- CN113469889A CN113469889A CN202010239110.9A CN202010239110A CN113469889A CN 113469889 A CN113469889 A CN 113469889A CN 202010239110 A CN202010239110 A CN 202010239110A CN 113469889 A CN113469889 A CN 113469889A
- Authority
- CN
- China
- Prior art keywords
- noise reduction
- pixel point
- pixel
- image
- value
- 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
- 230000009467 reduction Effects 0.000 title claims abstract description 236
- 238000000034 method Methods 0.000 title claims abstract description 46
- 239000011159 matrix material Substances 0.000 claims abstract description 112
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 81
- 238000012545 processing Methods 0.000 claims abstract description 48
- 238000001914 filtration Methods 0.000 claims description 26
- 238000010606 normalization Methods 0.000 claims description 12
- 241000023320 Luma <angiosperm> Species 0.000 claims 4
- OSWPMRLSEDHDFF-UHFFFAOYSA-N methyl salicylate Chemical compound COC(=O)C1=CC=CC=C1O OSWPMRLSEDHDFF-UHFFFAOYSA-N 0.000 claims 4
- 230000001629 suppression Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 16
- 238000004590 computer program Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 206010034960 Photophobia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 239000013598 vector 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
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请实施例提供了一种图像降噪的方法及装置，包括：获取目标图像的结构图像；基于目标图像中的任一像素点，计算该像素点的像素倒数矩阵与对应于该像素点且位于结构图像的像素点的像素倒数矩阵的矩阵相关系数；根据矩阵相关系数，计算像素点的第一权重系数和第二权重系数；根据第一权重系数、第二权重系数、第一预设降噪算法和第二预设降噪算法，对目标图像进行降噪处理；本方案，基于矩阵相关系数，可确定出使用第一预设降噪算法进行降噪的权重系数和使用第二预设降噪算法进行降噪的权重系数，实现了对目标图像中各个像素点不同的降噪处理，从而实现了对目标图像中不具备全局一致性的、非自然性的且形态不可描述的噪声的抑制或者去除。
Description
技术领域
本申请涉及图像处理技术领域，尤其涉及一种图像降噪的方法及装置。
背景技术
近几年来，随着信息技术的快速发展，视频监控在智能交通、安保等多个领域得到了广泛的应用。由于视频监控中的监控场景、环境等多变，因此，采集得到的图像中会存在较多的噪声信息，为了提高图像质量，需要对采集到的图像进行降噪处理。目前，通常使用的降噪方法有高斯滤波、均值滤波、中值滤波等各向同性滤波器，还有双边滤波、导向滤波、非局部均值降噪算法等各向异性滤波器。
但是，在目前的前端监控摄像机产品中，图像信号处理(Image SignalProcessing，ISP)的很多模块都会对采集的图像进行降噪处理，包括整体降噪处理和局部降噪处理。一般的，经过上述降噪处理后的图像的噪声不再具有全局的一致性，且噪声形态基本不可描述，即一些非自然(artificial)噪声。尤其是在多图像融合的场景更为严重，例如，将同一场景下不同感光的图像融合成一张图像。对于该种非自然的、形态不可描述的噪声，现有的降噪方法无法对其进行抑制或者去除。
因此，有必要提出一种技术方案，以实现对ISP模块输出的图像中存在的不具备全局一致性的、非自然性的且形态不可描述的噪声的抑制或者去除。
发明内容
本申请实施例采用下述技术方案：
本申请实施例提供一种图像降噪的方法，包括：
获取目标图像对应的结构图像；其中，所述结构图像包括所述目标图像的结构化特征；
基于所述目标图像中的任一像素点，计算该像素点的像素倒数矩阵与对应于该像素点且位于所述结构图像的像素点的像素倒数矩阵之间的矩阵相关系数；
根据所述矩阵相关系数，计算所述像素点所对应的第一权重系数和第二权重系数；
根据所述第一权重系数、所述第二权重系数、第一预设降噪算法和第二预设降噪算法，对所述目标图像进行降噪处理；其中，所述第一预设降噪算法为用于图像结构区域的降噪算法，所述第二预设降噪算法为用于图像非结构区域的降噪算法。
可选的，所述根据所述矩阵相关系数，计算所述像素点所对应的第一权重系数和第二权重系数，包括：
确定所有所述矩阵相关系数中的最大矩阵相关系数；
根据所述最大矩阵相关系数分别对各个所述矩阵相关系数进行归一化处理，将得到的归一化值作为所述第一权重系数；
将预设数值与所述第一权重系数的差值确定为所述第二权重系数。
可选的，通过如下步骤确定所述目标图像中的任一像素点的像素倒数矩阵：
在所述目标图像中，确定以所述像素点为中心像素点、大小为(2R+1)*(2R+1)的第一矩形像素区域；根据所述第一矩形像素区域中各个像素点的亮度分量值的倒数值，确定所述中心像素点的像素倒数矩阵；其中，R为正整数；
以及，通过如下步骤确定对应于所述目标图像中的所述像素点且位于所述结构图像的像素点的像素倒数矩阵：
在所述结构图像中，确定以对应于所述目标图像中的所述像素点的像素点为中心像素点、大小为(2R+1)*(2R+1)的第二矩形像素区域；根据所述第二矩形像素区域中各个像素点的亮度分量值的倒数值，确定所述中心像素点的像素倒数矩阵。
可选的，所述根据所述第一权重系数、所述第二权重系数、第一预设降噪算法和第二预设降噪算法，对所述目标图像进行降噪处理，包括：
针对所述目标图像中的任一像素点，使用所述第一预设降噪算法计算所述像素点降噪后的第一亮度分量降噪值，以及，使用所述第二预设降噪算法计算所述像素点降噪后的第二亮度分量降噪值；
基于所述第一权重系数和所述第二权重系数计算所述第一亮度分量降噪值和所述第二亮度分量降噪值的加权和值，对所述目标图像进行降噪处理。
可选的，所述使用所述第一预设降噪算法计算所述像素点降噪后的第一亮度分量降噪值，包括：
计算所述目标图像中所述像素点的亮度分量值与对应于该像素点且位于所述结构图像中的像素点的亮度分量值的亮度比值；
对所述亮度比值进行滤波处理，得到滤波后的亮度比值；
计算所述目标图像中所述像素点的亮度分量值与滤波后的亮度比值的乘积，并将所述乘积确定为所述第一亮度分量降噪值。
可选的，所述使用所述第一预设降噪算法计算所述像素点降噪后的第一亮度分量降噪值，包括：
根据所述目标图像中所述像素点的亮度分量值与对应于该像素点且位于所述结构图像中的像素点的亮度分量值，通过如下公式确定所述第一亮度分量降噪值；
P1(x，y)＝f(x，y)*Fh(x,y)
Fh(x，y)＝BoxFilter[h(x,y)]*f(x，y)
其中，在上述公式中，P1(x，y)表示所述第一亮度分量降噪值，f(x，y)表示所述目标图像中(x，y)位置处像素点的亮度分量值，g(x，y)表示所述结构图像中(x，y)位置处像素点的亮度分量值，h(x,y)表示所述目标图像中(x,y)位置处像素点的亮度分量值与所述结构图像中(x,y)位置处像素点的亮度分量值的亮度比值，Fh(x,y)表示滤波后的亮度比值。
可选的，所述使用所述第二预设降噪算法计算所述像素点降噪后的第二亮度分量降噪值，包括：
计算目标图像中所述像素点的亮度分量值与对应于该像素点且位于所述结构图像中的像素点的亮度分量值的亮度比值；
对所述亮度比值进行滤波处理，得到滤波后的亮度比值；
计算对应于该像素点且位于所述结构图像中的像素点的亮度分量值与滤波后的亮度比值的比值，将所述比值确定为所述第二亮度分量降噪值。
可选的，所述使用所述第二预设降噪算法计算所述像素点降噪后的第二亮度分量降噪值，包括：
根据所述目标图像中所述像素点的亮度分量值与对应于该像素点且位于所述结构图像中的像素点的亮度分量值，通过如下公式确定所述第二亮度分量降噪值；
Fh(x,y)＝BoxFilter[h(x,y)]*f(x,y)
其中，在上述公式中P2(x,y)表示所述第二亮度分量降噪值，f(x,y)表示所述目标图像中(x,y)位置处像素点的亮度分量值，g(x,y)表示所述结构图像中(x,y)位置处像素点的亮度分量值，h(x,y)表示所述目标图像中(x,y)位置处像素点的亮度分量值与所述结构图像中(x,y)位置处像素点的亮度分量值的亮度比值，Fh(x，y)表示滤波后的亮度比值。
本申请实施例还提供了一种图像降噪装置，包括：
获取模块，用于获取目标图像对应的结构图像；其中，所述结构图像包括所述目标图像的结构化特征；
第一计算模块，用于基于所述目标图像中的任一像素点，计算该像素点的像素倒数矩阵与对应于该像素点且位于所述结构图像的像素点的像素倒数矩阵之间的矩阵相关系数；
第二计算模块，用于根据所述矩阵相关系数，计算所述像素点所对应的第一权重系数和第二权重系数；
降噪处理模块，用于根据所述第一权重系数、所述第二权重系数、第一预设降噪算法和第二预设降噪算法，对所述目标图像进行降噪处理；其中，所述第一预设降噪算法为用于图像结构区域的降噪算法，所述第二预设降噪算法为用于图像非结构区域的降噪算法。
可选的，所述第二计算模块，包括：
第一确定单元，用于确定所有所述矩阵相关系数中的最大矩阵相关系数；
归一化处理单元，用于根据所述最大矩阵相关系数分别对各个所述矩阵相关系数进行归一化处理，将得到的归一化值作为所述第一权重系数；
第二确定单元，用于将预设数值与所述第一权重系数的差值确定为所述第二权重系数。
可选的，所述装置还包括：
第一确定模块，用于在所述目标图像中，确定以所述像素点为中心像素点、大小为(2R+1)*(2R+1)的第一矩形像素区域；根据所述第一矩形像素区域中各个像素点的亮度分量值的倒数值，确定所述中心像素点的像素倒数矩阵；其中，R为正整数；
第二确定模块，用于在所述结构图像中，确定以对应于所述目标图像中的所述像素点的像素点为中心像素点、大小为(2R+1)*(2R+1)的第二矩形像素区域；根据所述第二矩形像素区域中各个像素点的亮度分量值的倒数值，确定所述中心像素点的像素倒数矩阵。
可选的，所述降噪处理模块，包括：
计算单元，用于针对所述目标图像中的任一像素点，使用所述第一预设降噪算法计算所述像素点降噪后的第一亮度分量降噪值，以及，使用所述第二预设降噪算法计算所述像素点降噪后的第二亮度分量降噪值；
第一降噪处理单元，用于基于所述第一权重系数和所述第二权重系数计算所述第一亮度分量降噪值和所述第二亮度分量降噪值的加权和值，对所述目标图像进行降噪处理。
可选的，所述计算单元，具体用于：
计算所述目标图像中所述像素点的亮度分量值与对应于该像素点且位于所述结构图像中的像素点的亮度分量值的亮度比值；对所述亮度比值进行滤波处理，得到滤波后的亮度比值；计算所述目标图像中所述像素点的亮度分量值与滤波后的亮度比值的乘积，并将所述乘积确定为所述第一亮度分量降噪值。
可选的，所述计算单元，还具体用于：
根据所述目标图像中所述像素点的亮度分量值与对应于该像素点且位于所述结构图像中的像素点的亮度分量值，通过如下公式确定所述第一亮度分量降噪值；
P1(x，y)＝f(x，y)*Fh(x，y)
Fh(x,y)＝BoxFilter[h(x,y)]*f(x,y)
其中，在上述公式中，P1(x,y)表示所述第一亮度分量降噪值，f(x,y)表示所述目标图像中(x,y)位置处像素点的亮度分量值，g(x,y)表示所述结构图像中(x,y)位置处像素点的亮度分量值，h(x,y)表示所述目标图像中(x,y)位置处像素点的亮度分量值与所述结构图像中(x,y)位置处像素点的亮度分量值的亮度比值，Fh(x,y)表示滤波后的亮度比值。
可选的，所述计算单元，还具体用于：
计算目标图像中所述像素点的亮度分量值与对应于该像素点且位于所述结构图像中的像素点的亮度分量值的亮度比值；对所述亮度比值进行滤波处理，得到滤波后的亮度比值；计算对应于该像素点且位于所述结构图像中的像素点的亮度分量值与滤波后的亮度比值的比值，将所述比值确定为所述第二亮度分量降噪值。
可选的，所述计算单元，还具体用于：
根据所述目标图像中所述像素点的亮度分量值与对应于该像素点且位于所述结构图像中的像素点的亮度分量值，通过如下公式确定所述第二亮度分量降噪值；
Fh(x，y)＝BoxFilter[h(x，y)]*f(x,y)
其中，在上述公式中P2(x，y)表示所述第二亮度分量降噪值，f(x,y)表示所述目标图像中(x,y)位置处像素点的亮度分量值，g(x,y)表示所述结构图像中(x,y)位置处像素点的亮度分量值，h(x,y)表示所述目标图像中(x,y)位置处像素点的亮度分量值与所述结构图像中(x,y)位置处像素点的亮度分量值的亮度比值，Fh(x,y)表示滤波后的亮度比值。
本申请实施例还提供了一种计算机设备，包括处理器、通信接口、存储器和通信总线；其中，所述处理器、所述通信接口以及所述存储器通过总线完成相互间的通信；所述存储器，用于存放计算机程序；所述处理器，用于执行所述存储器上所存放的程序，实现图像降噪的方法步骤。
本申请实施例还提供了一种计算机可读存储介质，所述存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现图像降噪的方法步骤。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：
采用本申请实施例提供的技术方案，首先，获取目标图像的结构图像，然后基于目标图像中的任一像素点计算该像素点的像素倒数矩阵与对应于该像素点且位于结构图像的像素点的像素倒数矩阵之间的矩阵相关系数，根据矩阵相关系数计算各个像素点所对应的第一权重系数和第二权重系数，最后根据第一权重系数、第二权重系数、用于图像结构区域的第一预设降噪算法以及用于图像非结构区域的第二预设降噪算法，对目标图像进行降噪处理；基于上述矩阵相关系数，可以确定出每个像素点使用第一预设降噪算法进行降噪的权重系数以及使用第二预设降噪算法进行降噪的权重系数，从而基于每个像素点所对应的两个权重系数对该像素点进行的降噪处理，由于不同的像素点所对应的权重系数不同，因此，这样实现了对于目标图像中各个像素点不同的降噪处理，从而实现了对目标图像中不具备全局一致性的、非自然性的且形态不可描述的噪声的抑制或者去除。
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为本申请实施例提供的图像降噪的方法的流程示意图；
图2为本申请实施例提供的图像降噪方法中，目标图像和结构图像的对比示意图之一；
图3为本申请实施例提供的图像降噪的方法中，目标图像和结构图像的对比示意图之二；
图4为本申请实施例提供的图像降噪的方法中，所确定的像素倒数矩阵的示意图；
图5为本申请实施例提供的图像降噪的方法中，目标图像的局部相关图的示意图；
图6为本申请实施例提供的图像降噪的方法中，目标图像的结构部分和非结构部分的示意图；
图7为本申请实施例提供的图像降噪的方法中，原目标图像和降噪后的目标图像的对比示意图；
图8为本申请实施例提供的图像降噪的装置的模块组成示意图；
图9为本申请实施例提供的网络设备的模块组成示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例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。
以下结合附图，详细说明本申请各实施例提供的技术方案。
图1为本申请实施例提供的图像降噪方法的方法流程示意图，图1所示的方法，至少包括如下步骤：
步骤102，获取目标图像对应的结构图像；其中，该结构图像包括目标图像的结构化特征。
其中，上述目标图像则为经过ISP模块处理后的包含有不具备全局一致性的、非自然性的且形态不可描述的噪声的图像。
在具体实施时，可以通过低通滤波器来提取目标图像的结构图像，该低通滤波器可以为均值滤波器、盒式滤波器等。上述结构图像除了包含目标图像的结构化特征外，还包括目标图像的非结构化特征，只不过在结构图像中，目标图像的非结构化特征被弱化了。
由于本申请实施例中在对目标图像进行降噪时，主要是对目标图像中各个像素点的亮度分量值进行处理。
例如，在一种具体实施方式中，利用盒式滤波器提取目标图像中的结构图像的公式如下所示：
g(x,y)＝BoxFilter[f(x,y)]
其中，在上述公式中f(x,y)表示目标图像中(x,y)位置处像素点的亮度分量值，g(x,y)表示通过盒式滤波器对f(x,y)滤波后的像素点的亮度分量值。
另外，需要说明的是，在本申请实施例中，上述结构图像是通过对目标图像中各个像素点进行滤波得到的，因此，结构图像的大小和目标图像的大小一致。即若是目标图像的大小为W*H，则结构图像的大小也为W*H。其中，W表示列像素的个数，H表示行像素的个数。
上述结构图像是通过像素及其邻域空间的灰度分布来表示，描述了物体结构变化的性质。
实际上，结构图像就是将目标图像中的内容部分提取出来所得到的图像，图2示出了目标图像及其所对应的结构图像的一种示意图。图2中左边为目标图像，右边为其所对应的结构图像。从图2可以看出，对于图2中目标图像中所存在的一些噪声在结构图像中并不存在，即结构图像受噪声影响不大。
为便于理解，可以通过图3所示的示意图直观的进行表达，在图3为一张折线的图像，左边图像为目标图像，在该图像中出了包含内容结构(折线)之外，周围还存在一些稀疏的、非图像结构的像素点，图3中右边为所提取的结构图像，从中可以看出，该图像中稀疏的、非图像结构的噪声像素点不太明显，主要为折线部分。
步骤104，基于目标图像中的任一像素点，计算该像素点的像素倒数矩阵与对应于该像素点且位于结构图像的像素点的像素倒数矩阵之间的矩阵相关系数。
例如，目标图像中像素点的位置为(2，2)，则对应于该像素点且位于结构图像中的像素点也为位置(2，2)处的像素点。其中，目标图像中的像素点的像素倒数矩阵可以理解为目标图像的倒数图像中以该像素点为中心点，窗口半径为R的矩形像素区域中各个像素点的亮度分量值，其中，R表示该像素点的上方、下方、左方和右方的像素点的个数，这样，像素窗口的大小则为(2R+1)*(2R+1)，目标图像的倒数图像则是通过对目标图像中的各个像素点的亮度分量值取倒数所得到的图像。对应于目标图像中的像素点且位于结构图像的像素点的像素倒数矩阵可以理解为，在结构图像的倒数图像中以该位置处的像素点为中心点，窗口半径为R的矩形像素区域中各个像素点的亮度分量值，其中，R表示该像素点的上方、下方、左方和右方的像素点的个数，这样，矩形像素矩阵的大小则为(2R+1)*(2R+1)，结构图像的倒数图像则是通过对结构图像中的各个像素点的亮度分量值取倒数所得到的图像。
为便于理解，下述将以大小为8*9的目标图像中(4，5)位置处和(1，1)位置处所对应的像素倒数矩阵为例进行说明。
在具体实施时，目标图像的大小为8*9，目标图像的倒数图像的大小也为8*9(目标图像的倒数图像中各个像素点的亮度分量值为目标图像中的各个像素点的对应位置处像素点的亮度分量值的倒数)，窗口半径为2(即需要确定大小为5*5的矩形像素区域)，则(4，5)位置处的像素点所对应像素倒数矩阵和(1,1)位置处的像素点所对应像素倒数矩阵的示意图如图4所示。需要说明的是，对于(1，1)位置处的像素点所对应的像素倒数矩阵中的第一象限、第二象限和第三象限中各个像素点的亮度分量值均为零。
在本申请实施例中，则需要确定目标图像中每个像素点的像素倒数矩阵，以及确定对应于目标图像中各个像素点且位于结构图像中的像素点的像素倒数矩阵。
步骤106，根据上述矩阵相关系数，计算上述像素点所对应的第一权重系数和第二权重系数。
其中，可以通过如下具体过程确定第一权重系数和第二权重系数：
确定所有矩阵相关系数中的最大矩阵相关系数；根据最大矩阵相关系数分别对各个矩阵相关系数进行归一化处理，将得到的归一化值作为第一权重系数；将预设数值与第一权重系数的差值确定为第二权重系数。
具体的，在本申请实施例中，所得到的矩阵相关系数的个数与目标图像中像素点的个数相同。即可以理解为，目标图像中一个像素点对应一个矩阵相关系数。
在具体实施时，可以将目标图像中(x，y)位置处的像素点所对应的矩阵相关系数记为corr(x，y)，然后，通过如下公式计算该像素点所对应的第一权重系数；
A(x，y)＝|corr(x，y)|/max|corr(x，y)|
其中，在上述公式中，A(x，y)表示目标图像中(x，y)位置处的像素点所对应的第一权重系数，|corr(x，y)|表示目标图像中(x，y)位置处的像素点所对应矩阵相关系数的绝对值，max|corr(x,y)|表示目标图像中所有矩阵相关系数的绝对值中的最大矩阵相关系数的绝对值。
其中，矩阵相关系数的绝对值越大，则说明两者的相关性越大，一般的，若是像素点属于噪声区域，则矩阵相关系数较小，若是像素点属于边缘等图像结构区域，则矩阵相关系数较大。即对于非结构区域而言，像素点所对应的矩阵相关系数较小，对于结构区域而言，像素点所对应的矩阵相关系数则较大。针对图2所示的图像，依据矩阵相关系数所对应的归一化值所生成的局部相关图如图5所示。
在一种具体实施方式中，上述预设数值的取值可以为1，因此，可以通过如下公式计算目标图像中(x,y)位置处的像素点所对应的第二权重系数；
B(x,y)＝1-A(x,y)
其中，在上述公式中，B(x,y)表示目标图像中(x,y)位置处的像素点所对应的第二权重系数。
例如，在一种具体实施方式中，若是目标图像中(2，3)位置处的像素点所对应第一权重系数为0.8，则该像素点所对应的第二权重系数为0.2，也可以理解为，该像素点属于目标图像的结构区域像素的概率为0.8，属于目标图像的非结构区域像素的概率为0.2。
步骤108，根据上述第一权重系数、上述第二权重系数、第一预设降噪算法和第二预设降噪算法，对目标图像进行降噪处理；其中，第一预设降噪算法为用于图像结构区域的降噪算法，第二预设降噪算法为用于图像非结构区域的降噪算法。
在一种具体实施方式中，可以分别基于第一预设降噪算法和第二预设降噪算法对目标图像中的同一个像素点进行降噪处理，然后，将得到的值乘以各自所对应的权重系数就可以得到该像素点所对应的降噪后的值。
其中，针对图2所示的目标图像，该目标图像的结构部分和非结构部分的示意图如图6所示，图6中左边图像为目标图像的结构部分，右边图像为目标图像的非结构部分。
在一种具体实施例中，在上述步骤108中，根据第一权重系数、第二权重系数、第一预设降噪算法和第二预设降噪算法，对目标图像进行降噪处理，可以通过步骤一和步骤二实现；
步骤一、针对目标图像中的任一像素点，使用第一预设降噪算法计算该像素点降噪后的第一亮度分量降噪值，以及，使用第二预设降噪算法计算该像素点降噪后的第二亮度分量降噪值；
步骤二、基于第一权重系数和第二权重系数计算第一亮度分量降噪值和第二亮度分量降噪值的加权和值，对目标图像进行降噪处理。
即在本申请实施例中，对于目标图像中的任意一个像素点，分别使用第一预设降噪算法和第二预设降噪算法对该像素点进行降噪处理，分别得到该像素点所对应的第一亮度分量降噪值和第二亮度分量降噪值，然后基于第一亮度分量降噪值所对应的权重系数以及第二亮度分量降噪值所对应的权重系数，计算第一亮度分量降噪值和第二亮度分量降噪值的加权和值，作为该像素点降噪后的亮度降噪分量。最后，基于目标图像中每个像素点所对应的亮度降噪分量生成降噪后的目标图像。
其中，第一亮度分量降噪值所对应的权重系数为第一权重系数，第二亮度分量降噪值所对应的权重系数为第二权重系数。
具体的，在一种具体实施方式中，以目标图像中的(x，y)位置处的像素点为例，(x，y)所对应的第一权重系数为corr(x，y)，第二权重系数为1-corr(x，y)，通过第一预设降噪算法计算出的(x，y)所对应的第一亮度分量降噪值为P1(x，y)，通过第二预设降噪算法计算出的(x，y)所对应的第二亮度分量降噪值为P2(x，y)。因此，可以通过如下公式计算(x，y)的亮度降噪分量值：
P(x，y)＝corr(x，y)*P1(x，y)+(1-corr(x，y)*P2(x,y)
在得到目标图像中各个像素点所对应的亮度降噪分量值后，基于各个像素点所对应的亮度降噪分量值生成降噪后的目标图像，其中，针对图2所示的目标图像降噪后的图像的示意图如图7所示，图7示出了目标图像和降噪后的目标图像的对比图，图7左边图像为原目标图像，图7右边图像为降噪后的目标图像。可以明显看出，图7右边图像中的噪声基本被消除。
具体的，在上述步骤一中，使用第一预设降噪算法计算该像素点降噪后的第一亮度分量降噪值，具体包括如下过程：
计算目标图像中像素点的亮度分量值与对应于该像素点且位于结构预想中的像素点的亮度分量值的亮度比值；对上述亮度比值进行滤波处理，得到滤波后的亮度比值；计算目标图像中该像素点的亮度分量值与滤波后的亮度比值的乘积，并将该乘积确定为第一亮度分量降噪值。
具体的，在本申请实施例中，可以使用盒式滤波器对上述亮度比值进行滤波处理。
在本申请实施例中，通过对上述亮度比值进行滤波处理，可以缓和在对第一亮度分量降噪值和第二亮度分量降噪值进行融合时的边缘和噪声突变，提高目标图像的去噪效果。
在一种具体实施方式中，上述使用第一预设降噪算法计算该像素点所对应的第一亮度分量降噪值，具体包括：
根据目标图像中像素点的亮度分量值与对应于该像素点且位于结构图像中的像素点的亮度分量值，通过如下公式确定第一亮度分量降噪值；
P1(x,y)＝f(x,y)*Fh(x,y)
Fh(x,y)＝BoxFilter[h(x,y)]*f(x,y)
其中，在上述公式中，P1(x,y)表示第一亮度分量降噪值，f(x,y)表示目标图像中(x,y)位置处像素点的亮度分量值，g(x,y)表示结构图像中(x,y)位置处像素点的亮度分量值，h(x,y)表示目标图像中(x,y)位置处像素点的亮度分量值与结构图像中(x,y)位置处像素点的亮度分量值的亮度比值，Fh(x,y)表示滤波后的亮度比值。
具体的，在本申请实施例中，上述步骤一中，使用第二预设降噪算法计算该像素点降噪后的第二亮度分量降噪值，具体包括如下过程：
计算目标图像中该像素点的亮度分量值与对应于该像素点且位于结构图像中的像素点的亮度分量值的亮度比值；对上述亮度比值进行滤波处理，得到滤波后的亮度比值；计算对应于该像素点且位于结构图像中的像素点的亮度分量值与滤波后的亮度比值的比值，将该比值确定为第二亮度分量降噪值。
具体的，在本申请实施例中，可以使用盒式滤波器对上述亮度比值进行滤波处理。
在本申请实施例中，通过对上述亮度比值进行滤波处理，可以缓和在对第一亮度分量降噪值和第二亮度分量降噪值进行融合时的边缘和噪声突变，提高目标图像的去噪效果。
在一种具体实施方式中，上述使用第二预设降噪算法计算该像素点降噪后的第二亮度分量降噪值，具体包括：
根据目标图像中该像素点的亮度分量值与对应于该像素点且位于结构图像中的像素点的亮度分量值，通过如下公式确定第二亮度分量降噪值；
Fh(x,y)＝BoxFilter[h(x,y)]*f(x,y)
其中，在上述公式中P2(x,y)表示第二亮度分量降噪值，f(x,y)表示目标图像中(x,y)位置处像素点的亮度分量值，g(x,y)表示结构图像中(x,y)位置处像素点的亮度分量值，h(x,y)表示目标图像中(x,y)位置处像素点的亮度分量值与结构图像中(x,y)位置处像素点的亮度分量值的亮度比值，Fh(x,y)表示滤波后的亮度比值。
另外，在本申请实施例中，可以通过如下步骤确定目标图像中的任一像素点的像素倒数矩阵：
在目标图像中，确定以上述像素点为中心像素点、大小为(2R+1)*(2R+1)的第一矩形像素区域；根据上述第一矩形像素区域中各个像素点的亮度分量值的倒数值，确定中心像素点的像素倒数矩阵；其中，R为正整数；
以及，通过如下步骤确定对应于目标图像中的该像素点且位于结构图像的像素点的像素倒数矩阵：
在结构图像中，确定以对应于目标图像中的该像素点的像素点为中心像素点、大小为(2R+1)*(2R+1)的第二矩形像素区域；根据第二矩形像素区域中各个像素点的亮度分量值的倒数值，确定该中心像素点的像素倒数矩阵。
具体的，在本申请实施例中，可以通过如下向量的形式表示目标图像中像素点的像素倒数矩阵，以及对应于目标图像中的像素点且位于结构图像中的像素点的像素倒数矩阵：
其中，vecF(x,y)表示目标图像中(x,y)位置处的像素点所对应的像素倒数矩阵，t表示像素点的亮度分量值的倒数，vecG(x,y)表示结构图像中(x,y)位置处的像素点所对应的像素倒数矩阵，t′表示结构图像中像素点的亮度分量值的倒数。
在一种具体实施方式中，
在本申请实施例中，可以通过如下公式计算目标图像中任一像素点的像素倒数矩阵与对应于该像素点且位于结构图像的像素点的像素倒数矩阵之间的矩阵相关系数：
其中，在上述公式中，cov(vecF(x,y),vecG(x,y))表示目标图像中(x,y)位置处像素点的像素倒数矩阵与结构图像的(x,y)位置处的像素点的像素倒数矩阵的协方差，D(vecF(x，y))表示目标图像中(x,y)位置处的像素点所对应的像素倒数矩阵的方差，
表示结构图像中(x，y)位置处的像素点所对应的像素倒数矩阵的方差。
本申请实施例提供的图像降噪的方法，首先，获取目标图像的结构图像，然后，基于目标图像中的任一像素点计算该像素点的像素倒数矩阵与对应于该像素点且位于结构图像的像素点的像素倒数矩阵之间的矩阵相关系数，根据矩阵相关系数计算各个像素点所对应的第一权重系数和第二权重系数，最后根据第一权重系数、第二权重系数、用于图像结构区域的第一预设降噪算法以及用于图像非结构区域的第二预设降噪算法，对目标图像进行降噪处理；基于上述矩阵相关系数，可以明显的确定出每个像素点使用第一预设降噪算法进行降噪的权重系数以及使用第二预设降噪算法进行降噪的权重系数，从而基于每个像素点所对应的两个权重系数对该像素点进行的降噪处理，由于不同的像素点所对应的权重系数不同，因此，这样实现了对于目标图像中各个像素点不同的降噪处理，从而实现了对目标图像中不具备全局一致性的、非自然性的且形态不可描述的噪声的抑制或者去除。
对应本申请实施例提供的方法，基于相同的思路，本申请实施例还提供了一种图像降噪的装置，用于执行本申请实施例所提供的图像降噪的方法，图8为本申请实施例提供的图像降噪的装置的模块组成示意图，图8所示的装置，具体包括：
获取模块202，用于获取目标图像对应的结构图像；其中，所述结构图像包括所述目标图像的结构化特征；
第一计算模块204，用于基于所述目标图像中的任一像素点，计算该像素点的像素倒数矩阵与对应于该像素点且位于所述结构图像的像素点的像素倒数矩阵之间的矩阵相关系数；
第二计算模块206，用于根据所述矩阵相关系数，计算所述像素点所对应的第一权重系数和第二权重系数；
降噪处理模块208，用于根据所述第一权重系数、所述第二权重系数、第一预设降噪算法和第二预设降噪算法，对所述目标图像进行降噪处理；其中，所述第一预设降噪算法为用于图像结构区域的降噪算法，所述第二预设降噪算法为用于图像非结构区域的降噪算法。
可选的，上述第二计算模块206，包括：
第一确定单元，用于确定所有所述矩阵相关系数中的最大矩阵相关系数；
归一化处理单元，用于根据所述最大矩阵相关系数分别对各个所述矩阵相关系数进行归一化处理，将得到的归一化值作为所述第一权重系数；
第二确定单元，用于将预设数值与所述第一权重系数的差值确定为所述第二权重系数。
可选的，本申请实施例提供的装置，还包括：
第一确定模块，用于在所述目标图像中，确定以所述像素点为中心像素点、大小为(2R+1)*(2R+1)的第一矩形像素区域；根据所述第一矩形像素区域中各个像素点的亮度分量值的倒数值，确定所述中心像素点的像素倒数矩阵；其中，R为正整数；
第二确定模块，用于在所述结构图像中，确定以对应于所述目标图像中的所述像素点的像素点为中心像素点、大小为(2R+1)*(2R+1)的第二矩形像素区域；根据所述第二矩形像素区域中各个像素点的亮度分量值的倒数值，确定所述中心像素点的像素倒数矩阵。
可选的，上述降噪处理模块208，包括：
计算单元，用于针对所述目标图像中的任一像素点，使用所述第一预设降噪算法计算所述像素点降噪后的第一亮度分量降噪值，以及，使用所述第二预设降噪算法计算所述像素点降噪后的第二亮度分量降噪值；
第一降噪处理单元，用于基于所述第一权重系数和所述第二权重系数计算所述第一亮度分量降噪值和所述第二亮度分量降噪值的加权和值，对所述目标图像进行降噪处理。
可选的，上述计算单元，具体用于：
计算所述目标图像中所述像素点的亮度分量值与对应于该像素点且位于所述结构图像中的像素点的亮度分量值的亮度比值；对所述亮度比值进行滤波处理，得到滤波后的亮度比值；计算所述目标图像中所述像素点的亮度分量值与滤波后的亮度比值的乘积，并将所述乘积确定为所述第一亮度分量降噪值。可选的，上述计算单元，还具体用于：
根据所述目标图像中所述像素点的亮度分量值与对应于该像素点且位于所述结构图像中的像素点的亮度分量值，通过如下公式确定所述第一亮度分量降噪值；
P1(x,y)＝f(x,y)*Fh(x,y)
Fh(x,y)＝BoxFilter[h(x,y)]*f(x,y)
其中，在上述公式中，P1(x，y)表示所述第一亮度分量降噪值，f(x，y)表示所述目标图像中(x,y)位置处像素点的亮度分量值，g(x，y)表示所述结构图像中(x，y)位置处像素点的亮度分量值，h(x，y)表示所述目标图像中(x，y)位置处像素点的亮度分量值与所述结构图像中(x，y)位置处像素点的亮度分量值的亮度比值，Fh(x，y)表示滤波后的亮度比值。
可选的，上述计算单元，还具体用于：
计算目标图像中所述像素点的亮度分量值与对应于该像素点且位于所述结构图像中的像素点的亮度分量值的亮度比值；对所述亮度比值进行滤波处理，得到滤波后的亮度比值；计算对应于该像素点且位于所述结构图像中的像素点的亮度分量值与滤波后的亮度比值的比值，将所述比值确定为所述第二亮度分量降噪值。
可选的，上述计算单元，还具体用于：
根据所述目标图像中所述像素点的亮度分量值与对应于该像素点且位于所述结构图像中的像素点的亮度分量值，通过如下公式确定所述第二亮度分量降噪值；
Fh(x，y)＝BoxFilter[h(x，y)]*f(x，y)
其中，在上述公式中P2(x，y)表示所述第二亮度分量降噪值，f(x，y)表示所述目标图像中(x,y)位置处像素点的亮度分量值，g(x，y)表示所述结构图像中(x，y)位置处像素点的亮度分量值，h(x，y)表示所述目标图像中(x，y)位置处像素点的亮度分量值与所述结构图像中(x,y)位置处像素点的亮度分量值的亮度比值，Fh(x,y)表示滤波后的亮度比值。
本申请实施例提供的图像降噪的装置，首先，首先，通过获取模块获取目标图像的结构图像，然后，使用第一计算模块基于目标图像中的任一像素点计算该像素点的像素倒数矩阵与对应于该像素点且位于结构图像的像素点的像素倒数矩阵之间的矩阵相关系数，之后，通过第二计算模块，根据矩阵相关系数计算各个像素点所对应的第一权重系数和第二权重系数，最后通过降噪处理模块根据第一权重系数、第二权重系数、用于图像结构区域的第一预设降噪算法以及用于图像非结构区域的第二预设降噪算法，对目标图像进行降噪处理；基于上述矩阵相关系数，可以明显的确定出每个像素点使用第一预设降噪算法进行降噪的权重系数以及使用第二预设降噪算法进行降噪的权重系数，从而基于每个像素点所对应的两个权重系数对该像素点进行的降噪处理，由于不同的像素点所对应的权重系数不同，因此，这样实现了对于目标图像中各个像素点不同的降噪处理，从而实现了对目标图像中不具备全局一致性的、非自然性的且形态不可描述的噪声的抑制或者去除。
相应于本申请实施例提供的一种图像降噪的方法，本发明实施例提供一种网络设备，参见图9所示，网络设备包括处理器310、收发机320、存储器330和总线接口。其中：
在本申请实施例中，网络设备300还包括：存储在存储器330上并可在所述处理器310上运行的计算机程序，所述计算机程序被所述处理器310执行时实现上述图像降噪的方法的各个步骤，且能达到相同的技术效果，为避免重复，这里不再赘述。
在图9中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器310代表的一个或多个处理器和存储器330代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发机320可以是多个元件，即包括发送机和接收机，提供用于在传输介质上与各种其他装置通信的单元。
处理器310负责管理总线架构和通常的处理，存储器330可以存储处理器310在执行操作时所使用的数据。
本申请实施例还提供一种计算机可读存储介质，计算机可读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方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本发明的保护之内。
Claims (8)
1.一种图像降噪的方法，其特征在于，所述方法包括：
获取目标图像对应的结构图像；其中，所述结构图像包括所述目标图像的结构化特征；
基于所述目标图像中的任一像素点，计算该像素点的像素倒数矩阵与对应于该像素点且位于所述结构图像的像素点的像素倒数矩阵之间的矩阵相关系数；
根据所述矩阵相关系数，计算所述像素点所对应的第一权重系数和第二权重系数；
根据所述第一权重系数、所述第二权重系数、第一预设降噪算法和第二预设降噪算法，对所述目标图像进行降噪处理；其中，所述第一预设降噪算法为用于图像结构区域的降噪算法，所述第二预设降噪算法为用于图像非结构区域的降噪算法。
2.如权利要求1所述的方法，其特征在于，所述根据所述矩阵相关系数，计算所述像素点所对应的第一权重系数和第二权重系数，包括：
确定所有所述矩阵相关系数中的最大矩阵相关系数；
根据所述最大矩阵相关系数分别对各个所述矩阵相关系数进行归一化处理，将得到的归一化值作为所述第一权重系数；
将预设数值与所述第一权重系数的差值确定为所述第二权重系数。
3.如权利要求1所述的方法，其特征在于，通过如下步骤确定所述目标图像中的任一像素点的像素倒数矩阵：
在所述目标图像中，确定以所述像素点为中心像素点、大小为(2R+1)*(2R+1)的第一矩形像素区域；根据所述第一矩形像素区域中各个像素点的亮度分量值的倒数值，确定所述中心像素点的像素倒数矩阵；其中，R为正整数；
以及，通过如下步骤确定对应于所述目标图像中的所述像素点且位于所述结构图像的像素点的像素倒数矩阵：
在所述结构图像中，确定以对应于所述目标图像中的所述像素点的像素点为中心像素点、大小为(2R+1)*(2R+1)的第二矩形像素区域；根据所述第二矩形像素区域中各个像素点的亮度分量值的倒数值，确定所述中心像素点的像素倒数矩阵。
4.如权利要求1所述的方法，其特征在于，所述根据所述第一权重系数、所述第二权重系数、第一预设降噪算法和第二预设降噪算法，对所述目标图像进行降噪处理，包括：
针对所述目标图像中的任一像素点，使用所述第一预设降噪算法计算所述像素点降噪后的第一亮度分量降噪值，以及，使用所述第二预设降噪算法计算所述像素点降噪后的第二亮度分量降噪值；
基于所述第一权重系数和所述第二权重系数计算所述第一亮度分量降噪值和所述第二亮度分量降噪值的加权和值，对所述目标图像进行降噪处理。
5.如权利要求4所述的方法，其特征在于，所述使用所述第一预设降噪算法计算所述像素点降噪后的第一亮度分量降噪值，包括：
计算所述目标图像中所述像素点的亮度分量值与对应于该像素点且位于所述结构图像中的像素点的亮度分量值的亮度比值；
对所述亮度比值进行滤波处理，得到滤波后的亮度比值；
计算所述目标图像中所述像素点的亮度分量值与滤波后的亮度比值的乘积，并将所述乘积确定为所述第一亮度分量降噪值。
6.如权利要求4所述的方法，其特征在于，所述使用所述第一预设降噪算法计算所述像素点降噪后的第一亮度分量降噪值，包括：
根据所述目标图像中所述像素点的亮度分量值与对应于该像素点且位于所述结构图像中的像素点的亮度分量值，通过如下公式确定所述第一亮度分量降噪值；
P1(x,y)＝f(x,y)*Fh(x,y)
Fh(x，y)＝BoxFilter[h(x,y)]*f(x,y)
其中，在上述公式中，P1(x，y)表示所述第一亮度分量降噪值，f(x，y)表示所述目标图像中(x,y)位置处像素点的亮度分量值，g(x,y)表示所述结构图像中(x,y)位置处像素点的亮度分量值，h(x,y)表示所述目标图像中(x，y)位置处像素点的亮度分量值与所述结构图像中(x,y)位置处像素点的亮度分量值的亮度比值，Fh(x，y)表示滤波后的亮度比值。
7.如权利要求4所述的方法，其特征在于，所述使用所述第二预设降噪算法计算所述像素点降噪后的第二亮度分量降噪值，包括：
计算目标图像中所述像素点的亮度分量值与对应于该像素点且位于所述结构图像中的像素点的亮度分量值的亮度比值；
对所述亮度比值进行滤波处理，得到滤波后的亮度比值；
计算对应于该像素点且位于所述结构图像中的像素点的亮度分量值与滤波后的亮度比值的比值，将所述比值确定为所述第二亮度分量降噪值。
8.如权利要求4所述的方法，其特征在于，所述使用所述第二预设降噪算法计算所述像素点降噪后的第二亮度分量降噪值，包括：
根据所述目标图像中所述像素点的亮度分量值与对应于该像素点且位于所述结构图像中的像素点的亮度分量值，通过如下公式确定所述第二亮度分量降噪值；
Fh(x，y)＝BoxFilter[h(x，y)]*f(x,y)
其中，在上述公式中P2(x,y)表示所述第二亮度分量降噪值，f(x,y)表示所述目标图像中(x,y)位置处像素点的亮度分量值，g(x，y)表示所述结构图像中(x,y)位置处像素点的亮度分量值，h(x,y)表示所述目标图像中(x,y)位置处像素点的亮度分量值与所述结构图像中(x,y)位置处像素点的亮度分量值的亮度比值，Fh(x,y)表示滤波后的亮度比值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010239110.9A CN113469889B (zh) | 2020-03-30 | 2020-03-30 | 一种图像降噪的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010239110.9A CN113469889B (zh) | 2020-03-30 | 2020-03-30 | 一种图像降噪的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113469889A true CN113469889A (zh) | 2021-10-01 |
| CN113469889B CN113469889B (zh) | 2023-08-25 |
Family
ID=77865135
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010239110.9A Active CN113469889B (zh) | 2020-03-30 | 2020-03-30 | 一种图像降噪的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113469889B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116630447A (zh) * | 2023-07-24 | 2023-08-22 | 成都海风锐智科技有限责任公司 | 一种基于图像处理的天气预测方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050128355A1 (en) * | 2003-12-11 | 2005-06-16 | Samsung Electronics Co., Ltd. | Method of removing noise from digital moving picture data |
| WO2010106887A1 (en) * | 2009-03-16 | 2010-09-23 | Ricoh Company, Ltd. | Noise reduction device, noise reduction method, noise reduction program, and recording medium |
| US20120081553A1 (en) * | 2010-09-30 | 2012-04-05 | Apple Inc. | Spatial filtering for image signal processing |
| CN105447835A (zh) * | 2015-12-30 | 2016-03-30 | 首都师范大学 | 一种斜模式高光谱影像的去噪与去混叠方法 |
| US20170278224A1 (en) * | 2016-03-22 | 2017-09-28 | Algolux Inc. | Method and system for denoising and demosaicing artifact suppression in digital images |
| CN107392856A (zh) * | 2016-05-16 | 2017-11-24 | 合肥君正科技有限公司 | 一种图像滤波方法及其装置 |
| CN108038834A (zh) * | 2017-12-28 | 2018-05-15 | 努比亚技术有限公司 | 一种降低噪声的方法、终端和计算机可读存储介质 |
| CN108053383A (zh) * | 2017-12-28 | 2018-05-18 | 努比亚技术有限公司 | 一种降噪方法、设备和计算机可读存储介质 |
-
2020
- 2020-03-30 CN CN202010239110.9A patent/CN113469889B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050128355A1 (en) * | 2003-12-11 | 2005-06-16 | Samsung Electronics Co., Ltd. | Method of removing noise from digital moving picture data |
| WO2010106887A1 (en) * | 2009-03-16 | 2010-09-23 | Ricoh Company, Ltd. | Noise reduction device, noise reduction method, noise reduction program, and recording medium |
| US20120081553A1 (en) * | 2010-09-30 | 2012-04-05 | Apple Inc. | Spatial filtering for image signal processing |
| CN105447835A (zh) * | 2015-12-30 | 2016-03-30 | 首都师范大学 | 一种斜模式高光谱影像的去噪与去混叠方法 |
| US20170278224A1 (en) * | 2016-03-22 | 2017-09-28 | Algolux Inc. | Method and system for denoising and demosaicing artifact suppression in digital images |
| CN107392856A (zh) * | 2016-05-16 | 2017-11-24 | 合肥君正科技有限公司 | 一种图像滤波方法及其装置 |
| CN108038834A (zh) * | 2017-12-28 | 2018-05-15 | 努比亚技术有限公司 | 一种降低噪声的方法、终端和计算机可读存储介质 |
| CN108053383A (zh) * | 2017-12-28 | 2018-05-18 | 努比亚技术有限公司 | 一种降噪方法、设备和计算机可读存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| R. R. GHARIEB ET.AL: "A robust local data and membership information based FCM algorithm for noisy image segmentation", 《2016 12TH INTERNATIONAL COMPUTER ENGINEERING CONFERENCE (ICENCO)》, pages 93 - 98 * |
| 肖逸清，葛洪伟: "适合长时跟踪的自适应相关滤波算法", 《计算机辅助设计与图形学学报》, vol. 32, no. 1, pages 121 - 129 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116630447A (zh) * | 2023-07-24 | 2023-08-22 | 成都海风锐智科技有限责任公司 | 一种基于图像处理的天气预测方法 |
| CN116630447B (zh) * | 2023-07-24 | 2023-10-20 | 成都海风锐智科技有限责任公司 | 一种基于图像处理的天气预测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113469889B (zh) | 2023-08-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10339643B2 (en) | Algorithm and device for image processing | |
| CN111275626B (zh) | 一种基于模糊度的视频去模糊方法、装置及设备 | |
| Kim et al. | Optimized contrast enhancement for real-time image and video dehazing | |
| US9361670B2 (en) | Method and system for image haze removal based on hybrid dark channel prior | |
| 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 | |
| CN109767413B (zh) | 一种抗运动伪影的hdr方法、装置及便携式终端 | |
| CN109389560B (zh) | 一种自适应加权滤波图像降噪方法、装置及图像处理设备 | |
| CN109978774B (zh) | 多帧连续等曝光图像的去噪融合方法及装置 | |
| CN111260580B (zh) | 图像去噪方法、计算机装置及计算机可读存储介质 | |
| WO2023273868A1 (zh) | 图像降噪方法、装置、终端、存储介质 | |
| CN111242860B (zh) | 超级夜景图像的生成方法、装置、电子设备及存储介质 | |
| CN111353955A (zh) | 一种图像处理方法、装置、设备和存储介质 | |
| CN110717864B (zh) | 一种图像增强方法、装置、终端设备及计算机可读介质 | |
| CN113344820B (zh) | 图像处理方法及装置、计算机可读介质、电子设备 | |
| CN111311503A (zh) | 一种夜晚低亮度图像增强系统 | |
| CN113592750A (zh) | 一种基于梯度直方图的红外增强方法 | |
| CN113469889B (zh) | 一种图像降噪的方法及装置 | |
| CN112233053A (zh) | 图像的融合方法、装置、设备及计算机可读存储介质 | |
| CN111311498B (zh) | 图像鬼影剔除方法及装置、存储介质、终端 | |
| CN116862809A (zh) | 一种低曝光条件下的图像增强方法 | |
| CN111028184B (zh) | 一种图像增强方法及系统 | |
| CN110363723B (zh) | 改进图像边界效果的图像处理方法及装置 | |
| CN112150532A (zh) | 图像处理的方法、装置、电子设备和计算机可读介质 | |
| CN111429368A (zh) | 一种自适应细节增强和鬼影消除的多曝光图像融合方法 | |
| Lian et al. | Learning tone mapping function for dehazing |
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 |