CN113962907A - 一种图像去噪方法、装置及设备 - Google Patents
一种图像去噪方法、装置及设备 Download PDFInfo
- Publication number
- CN113962907A CN113962907A CN202111566503.1A CN202111566503A CN113962907A CN 113962907 A CN113962907 A CN 113962907A CN 202111566503 A CN202111566503 A CN 202111566503A CN 113962907 A CN113962907 A CN 113962907A
- Authority
- CN
- China
- Prior art keywords
- image
- processed
- moving
- gray
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012545 processing Methods 0.000 claims abstract description 37
- 230000008569 process Effects 0.000 claims abstract description 18
- 238000010606 normalization Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000013519 translation Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 11
- 238000001914 filtration Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000004800 variational method Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
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
本发明公开了一种图像去噪方法、装置及设备,属于图像数据处理技术领域,用于解决目前图像去噪过程的时间较长的问题。方法包括:将待处理图像的边缘进行扩充处理,生成扩充图像;将待处理图像在扩充图像中移动,得到移动子图,并在移动子图中确定与待处理图像的指定位置相对应的第一灰度值;根据移动子图与待处理图像之间的差值,确定差值图像,并在差值图像中确定指定位置的第二灰度值;根据第一灰度值与第二灰度值,对指定位置进行去噪操作,并确定出指定位置去噪后的灰度值,快速对图像进行了处理有效的去除图像噪声。
Description
技术领域
本说明书涉及图像数据处理技术领域,尤其涉及一种图像去噪方法、装置及介质。
背景技术
图像在获取和传输过程中,不可避免地受到外部和内部的干扰,常常被加入很多噪声。引起图像噪声的因素一般有:外部干扰经电磁波或电源串进入系统内部而引起的外部噪声,电子原件或传感器内部载荷粒子的随机性运动所形成的内部噪声,电器内部某些部件的机械振动所导致的电磁场变化或电流变化所产生的噪声,图像传输过程中传输信道的干扰而形成的噪声以及人为因素而引起的噪声。噪声的存在损坏了图像的质量,使图像变得非常模糊,严重影响了图像的视觉效果,甚至掩盖了图像的特征,这样就直接影响了图像后续的处理,因此图像去噪作为一种重要的预处理手段为后续的数字图像处理奠定了良好的基础。
传统的图像去噪算法大致分为空间域去噪与频域去噪两类,空间域去噪是根据像素点的值通过滤波等操作去除相关噪声,频域去噪是先将图片由空间域转为频域,之后通过滤波操作去除相关噪声。然而,目前使用图像区域信息进行去噪时,需要计算图像的灰度平均方差,使得图像去噪的过程中需要进行大量复杂的计算,从而导致图像去噪的时间较长且很难进行实际的应用。
因此,现需要一种可以快速去除噪声的图像去噪方法。
发明内容
本说明书一个或多个实施例提供了一种图像去噪方法、设备及介质,用于解决如下技术问题:如何提供一种可以快速去除噪声的图像去噪方法。
本说明书一个或多个实施例采用下述技术方案:
本说明书一个或多个实施例提供一种图像去噪方法,方法包括:
将待处理图像的边缘进行扩充处理,生成扩充图像;
将所述待处理图像在所述扩充图像中移动,得到移动子图,并在所述移动子图中确定与所述待处理图像的指定位置相对应的第一灰度值;
根据所述移动子图与所述待处理图像之间的差值,确定差值图像,并在所述差值图像中确定所述指定位置的第二灰度值;
根据所述第一灰度值与所述第二灰度值,对所述指定位置进行去噪操作,并确定出所述指定位置去噪后的灰度值。
可选地,本说明书一个或多个实施例中,所述将待处理图像的边缘进行扩充处理,生成扩充图像之前,所述方法还包括:
根据预设接口对于图像处理的要求,将所述待处理图像调整为预设尺寸的像素值,并将所述待处理图像转化为灰度图,以通过所述预设接口处理所述待处理图像。
可选地,本说明书一个或多个实施例中,所述将待处理图像的边缘进行扩充处理,具体包括:
将所述待处理图像在任意扩展方向上的边缘像素点,增加一个第一镜像像素点作为第一扩展像素点;其中,所述第一镜像像素点为与所述边缘像素点镜像对称的像素点;
对所述待处理图像在任意扩展方向上的非边缘像素点,增加一个第二镜像像素点作为第二扩展像素点;其中,所述第二镜像像素点以所述待处理图像的边缘为对称轴,与所述待处理图像中对称点的像素点相同;
根据预设扩展宽度,依次获得所述第一扩展像素点与所述第二扩展像素点,以生成所述待处理图像的扩充图像。
可选地,本说明书一个或多个实施例中,所述将所述待处理图像在所述扩充图像中移动,得到移动子图,并在所述移动子图中确定与所述待处理图像的指定位置相对应的第一灰度值;根据所述移动子图与所述待处理图像之间的差值,确定差值图像,并在所述差值图像中确定所述指定位置的第二灰度值,具体包括:
将所述待处理图像在所述扩充图像中进行多次移动操作,分别得到对应的移动子图,并在所述对应的移动子图中分别确定与所述待处理图像的指定位置相对应的第一灰度值;
根据所述对应的移动子图与所述待处理图像之间的差值,分别确定对应的差值图像,并在所述对应的差值图像中分别确定所述指定位置的第二灰度值。
可选地,本说明书一个或多个实施例中,所述根据所述第一灰度值与所述第二灰度值,对所述指定位置进行去噪操作,具体包括:
根据所述差值图像中指定位置的第二灰度,确定所述对应的移动子图中指定位置的像素点与所述待处理图像中指定位置的像素点的相似度,并获得各个所述对应的移动子图中指定位置的权重值;
根据所述权重值对所述第一灰度值进行处理获得第一灰度权值;
基于所述权重值的加权总和对所述第一灰度权值的总和,输出所述待处理图像的指定位置去噪后的灰度值。
可选地,本说明书一个或多个实施例中,所述根据所述差值图像中指定位置的第二灰度,确定所述对应的移动子图中指定位置的像素点与所述待处理图像中指定位置的像素点的相似度,并获得各个所述对应的移动子图中指定位置的权重值,具体包括:
基于预设第一公式依次获取所述对应的移动子图中指定位置的权重值;其中,所述预设第一公式为:,为所述对应的移动子图中的指定位置的权重值,Coeff为所述权重值的预设范围,为所述待处理图像的标准差值,为所述第二灰度值。
可选地,本说明书一个或多个实施例中,所述根据所述权重值对所述第一灰度值进行处理获得第一灰度权值;基于所述权重值的加权总和对所述第一灰度权值的总和,输出所述待处理图像的指定位置去噪后的灰度值,具体包括:
将所述第一灰度值与所述对应的移动子图中指定位置的权重值依次相乘并累加,获得所述第一灰度权值;
基于预设第二公式将移动子图中的指定位置的权重总和作为归一化常数对所述灰度权重总值进行处理,获得所述待处理图像的指定位置去噪后的灰度值;其中,所述预设第二公式为:,为所述待处理图像的指定位置去噪后的灰度值,为所述第一灰度值,为所述第一灰度值搜索矩阵,为所述归一化常数。
可选地,本说明书一个或多个实施例中,所述将所述待处理图像在所述扩充图像中进行多次移动操作,分别得到对应的移动子图,并在所述对应的移动子图中分别确定与所述待处理图像的指定位置相对应的第一灰度值,具体包括:
根据所述扩充图像的预设扩展宽度,确定所述移动操作的并行线程;
基于所述并行线程控制所述待处理图像在所述扩充图像进行逐像素平移,分别获得对应的移动子图;
在所述移动子图中分别确定与所述待处理图像的指定位置相对应的第一灰度值。
本说明书一个或多个实施例提供一种图像去噪装置,装置包括:
扩充单元,用于将待处理图像的边缘进行扩充处理,生成扩充图像;
移动单元,用于将所述待处理图像在所述扩充图像中移动,得到移动子图,并在所述移动子图中确定与所述待处理图像的指定位置相对应的第一灰度值;
确定单元,用于根据所述移动子图与所述待处理图像之间的差值,确定差值图像,并在所述差值图像中确定所述指定位置的第二灰度值;
去噪单元,用于根据所述第一灰度值与所述第二灰度值,对所述指定位置进行去噪操作,并确定出所述指定位置去噪后的灰度值。
本说明书一个或多个实施例提供一种图像去噪设备,设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
将待处理图像的边缘进行扩充处理,生成扩充图像;
将所述待处理图像在所述扩充图像中移动,得到移动子图,并在所述移动子图中确定与所述待处理图像的指定位置相对应的第一灰度值;
根据所述移动子图与所述待处理图像之间的差值,确定差值图像,并在所述差值图像中确定所述指定位置的第二灰度值;
根据所述第一灰度值与所述第二灰度值,对所述指定位置进行去噪操作,并确定出所述指定位置去噪后的灰度值。
本说明书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:
通过将移动子图在扩充后的待处理图像中进行移动,在充分考虑了待处理图像边缘像素,使得图像中各像素点都可以实现噪声去除。同时,获得移动子图中的第一灰度值之后,基于第一灰度值与待处理图像之间的差值获得的差值图像,可以方便快速的获取各个相似像素点的权重,减少了现有技术中计算的复杂度,进而也提升了图像去噪的效率。
附图说明
为了更清楚地说明本说明书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说明书中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1为本说明书实施例提供的一种图像去噪的方法流程图;
图2为本说明书实施例提供的一种移动子图的生成流程示意图;
图3为本说明书实施例提供的一种差值图像的生成流程示意图;
图4为本说明书实施例提供的一种应用场景下的待处理图像的示意图;
图5为本说明书实施例提供的一种应用场景下的差值图像的示意图;
图6为本说明书实施例提供的一种应用场景下去噪后图像的示意图;
图7为本说明书实施例提供的一种图像去噪的装置内部结构示意图;
图8为本说明书实施例提供的一种图像去噪的设备内部结构示意图。
具体实施方式
本说明书实施例提供一种图像去噪方法、设备及介质。
噪声是降低图像质量的主要原因,一幅图像在日常生活中也许存在着不同种类的噪声,它们极可能在传输过程中产生,也有可能在量化处理过程等过程中产生。因此,图像去噪是图像视频处理领域的基石,主要目的在于能极大程度上的去除噪声,同时也能够保证图像受人们关注的纹理和边缘等部分不受到损坏,所以图像去噪是图像研究的重中之重。
现有经典的图像去噪方式包括:空间域滤波、变换域滤波、偏微分方程、变分法和形态学滤波等。他们都在局部平均的基础上进行平滑处理。虽然能够去除图像的噪声,但是对于图像的纹理结构信息的保留程度不够,图像的主要几何结构也会受到影响。而现有的利用图像的自相似性,通过计算图像中目标像素点附近的像素点与当前像素点的相似性来对图像进行降噪的方式,在去噪的同时保持了图像的细节特征。但是这种算法不仅需要计算平均平方差,还需要计算复杂的权重,计算量很大,很难进行实际的应用。
为了解决上述技术问题,本说明书实施例提供了一种图像去噪方法。通过将移动子图在扩充后的待处理图像中进行移动,获得移动子图中的第一灰度值。根据移动子图的第一灰度值与待处理图像之间的差值获得差值图像,从而将现有技术中计算平均方差,转换为平均绝对差值。同时通过差值图像中的第二灰度值确定各个像素点的权重,实现了对权重映射曲线的重构,减少了计算的复杂度,提高了运算的效率。此外,在对图像权重计算时使用多线程并行技术,一个线程负责一行数据的计算,提升了算法的运行速度。
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书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说明书一部分实施例,而不是全部的实施例。基于本说明书实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本说明书保护的范围。
如图1所示,本说明书实施例提供了一种图像去噪方法流程示意图。
由图1可知,方法包括以下步骤:
步骤101:将待处理图像的边缘进行扩充处理,生成扩充图像。
在本说明书一个或多个实施例中,在将待处理图像的边缘进行扩充处理,生成扩充图像之前,首先需要对图像进行预处理。根据预设接口对输入图像的要求将图像转换为单通道即将所述待处理图像转换为灰度图像,以便通过预设接口处理待处理图像。根据预设接口对转换后的待处理图像进行下采样以使得图像符合预设接口的要求。将输入图像的长宽进行规格化,以根据实际情况对长宽像素进行设定。例如:使用特定运算平台中的接口接入特定运算平台对图像进行处理时,由于接口的规格化要求,可以选择图像的长宽分别为1920与1024像素,此时经过规格化处理后可以输出1920×1024像素的图像。其中,需要说明的是下采样主要是因为预设接口对图像的规格化要求,其中下采样的过程例如:对于一幅图像I尺寸为M×N,对该图像进行s倍的下采样,就可以得到(M/s)×(N/s)大小的分辨率图像。需要说明的是,可以根据需求选择与该去噪算法相匹配的具有优秀算子的特定运算平台,作为图像去噪的基础,以进一步提升图像去噪的效果。
为了使得待处理图像的边缘像素点的噪声也被去除,需要对图像的上下左右进行扩充,首先将待处理图像在扩展行方向或者扩展列方向上的,任意一个扩展方向上的边缘点,增加一个和边缘像素点镜像对称的第一镜像像素点,从而把第一镜像像素点作为第一扩展像素点。而对于待处理图像在扩展行方向或者扩展列方向上,任意一个方向上的非边缘点,增加一个将待处理图像的边缘作为对称轴的第二镜像像素点,并将第二镜像像素点作为第二扩展像素点。根据预先设置的需要扩展的宽度,依次获取第一扩展像素点和第二扩展像素点,从而形成了扩充后的图像。如下表1所示,为本说明书实施例提供的一种原始图像中各个位置的像素点。下表2为本说明书实施例提供的一种扩充边缘后的扩充图像各个位置的像素点。下表1与下表2以3×3像素的图像作为原始图像进行图像扩充过程的示意,由图2可知,在需要扩展的宽度为一个像素时,对原始图像的边缘像素以镜像像素点作为第一扩展像素点进行扩展,如表1中的边缘点A21在扩充方向上只扩充一个像素时,扩充后的第一扩展像素点为A21。如果继续进行扩充则表2中的边缘点A21进行扩充后的第二扩展像素点为A22。
表1一种3×3像素的原始图像
A11 | A12 | A13 |
A21 | A22 | A23 |
A31 | A32 | A33 |
A11 | A11 | A12 | A13 | A13 |
A11 | A11 | A12 | A13 | A13 |
A21 | A21 | A22 | A23 | A23 |
A31 | A31 | A32 | A33 | A33 |
A31 | A31 | A32 | A33 | A33 |
步骤102:将所述待处理图像在所述扩充图像中移动,得到移动子图,并在所述移动子图中确定与所述待处理图像的指定位置相对应的第一灰度值。
在本说明书一个或多个实施例中,将待处理的图像在扩充图像中进行多次移动操作,分别得到对应的移动子图。如图2所示,为本说明书实施例提供的一种移动子图的生成流程图。由图2可知,白色区域为根据待处理图像的大小截取出的移动子图,依次移动待处理图像,使得移动子图依次扫过扩充图像的所有区域,从而获得多个移动子图。其中,需要说明的是,移动子图的扫描过程由并行线程控制,基于扩充图像的预设扩展宽度,确定所需的线程数量,以使一个线程负责待处理图像在扩充图像中的某一行进行组像素的平移,从而获得多个对应的移动子图。
在获得对应的移动子图之后,基于非局部均值滤波的理论,可以在移动子图中获取与待处理图像中指定位置相对应的第一灰度值。以便进行后续图像去噪。如图2所示,实施例中提供的移动子图为225个,如果对待处理图像中(n,m)位置的像素点进行去噪。那么将所有移动子图中的相同位置如(n,m)依次排列,就可以组成一个以待处理图像的(n,m)位置的像素点为中心的15×15的像素搜索矩阵,以将各个移动子图中指定位置的像素点作为待处理图像中指定位置的像素点的相似像素点,从而根据这些相似像素点的特征来进行后续的图像去噪。
步骤103:根据所述移动子图与所述待处理图像之间的差值,确定差值图像,并在所述差值图像中确定所述指定位置的第二灰度值。
在本说明书一个或多个实施例中,对各个对应的移动子图分别与原始图像求取差值,从而获得一组差值图像。在差值图像中分别确定与待处理图像中指定位置相对应的位置的第二灰度值,例如,需要对待处理图像中(n,m)位置的像素点进行去噪,那么就需要获取差值图像中(n,m)位置的第二灰度值。
如图3所示本说明书实施例提供了一种差值图像的获取流程示意图。图3中继续以上述步骤101中使用的3×3像素的原始图像为例进行差值图像获取的过程示意。由图3可知在扩充图像中实线框代表原始图像,虚线框为某一个移动子图,通过将实线框中的像素减去虚线框中的像素可以得到一个3×3大小的差值图像。即通过待处理图像减去移动子图可以获得差值图像。对获得的差值图像中的差求均值可以得到一个数值,这个数值可以衡量移动子图与待处理图像之间的相似度。依次移动虚线框可以获得多个差值图像,以图2中的移动子图移动过程来看,也就是依次获得225个移动子图与待处理图像的225个差值图像。
步骤104:根据所述第一灰度值与所述第二灰度值,对所述指定位置进行去噪操作,并确定出所述指定位置去噪后的灰度值。
图像去噪时,可以在指定范围内寻找与当前去噪块相似的图像块,并对判定为相似组的图像块组求均值进行去噪。由于自然图像中含有丰富的冗余信息,利用大多数自然图像中存在的非局部结构相似性的算法,通过将每个像素估计为非局部图像像素的加权平均值来去除图像中噪声。然而,目前的算法需要花费大量的时间计算平均方差,以及复杂的权重关系,从而使得图像的去噪过程十分复杂,花费的去噪时间较长。
本说明书一个或多个实施例中,根据上述步骤103获得的差值图像中指定位置的第二灰度值,由于第二灰度值由对应的移动子图与所述待处理图像之间的差值确定,所以根据第二灰度值可以确定对应的移动子图中指定位置的像素点和待处理图像中指定位置的像素点的相似度。其中,可以理解的是,差值越小,则对应的移动子图中指定位置的像素点,与待处理图像中指定位置的像素点的相似度越高。
具体地去噪过程为:首先,根据第二灰度值确定移动子图中指定位置的权重值,即根据预设的第一公式,计算获取对应的移动子图中指定位置的权重值,其中为对应的移动子图中的指定位置的权重值,Coeff为所述权重值的预设范围,从而限定从那个位置开始进行非线性滤波。为待处理图像的标准差值,为第二灰度值。本说明书实施例,在获得权重值的过程中根据差值图像中指定位置的第二灰度值,即移动子图与待测图像在指定位置的灰度差值确定对应位置的权重值,替代了现有技术中需要计算平均方差的过程,更改了权重的映射关系,从而提升了运算的速度。
基于步骤102所获取的像素搜索矩阵,在获得权重值后,根据权重值对像素搜索矩阵中各个像素点的第一灰度值进行处理获得第一灰度权值,从而确定出各个像素点所对应的第一灰度值的重要程度。也就是说,根据指定位置像素点的权重值对移动子图中指定位置的像素点进行处理,获得各个像素点对应的第一灰度值的重要程度。例如:对待处理图像中某一位置为p的像素点进行处理时,对应的移动子图的像素点的第一灰度值记为,将第一灰度值和对应的移动子图中指定位置的权重值依次相乘并累加,则获得第一灰度权值。
最后,根据权重值的加权总和以及所述第一灰度权值的总和,输出所述待处理图像的指定位置去噪后的灰度值,具体地,本说明书实施例中根据预设第二公式将将移动子图中的指定位置的权重总和作为归一化常数对所述灰度权重总值进行处理,获得所述待处理图像的指定位置去噪后的灰度值。接上述例子,继续对待处理图像中某一位置为p的像素点进行去噪处理。则需要根据预设第二公式输出p点去噪后的灰度值,以完成对图像的快速去噪。其中,为所述待处理图像的指定位置去噪后的灰度值,为所述第一灰度值,为所述第一灰度值搜索矩阵,为所述归一化常数。
如图4、图5及图6所示,本说明书实施例提供了一种应用场景下的待处理图像、差值图像与去噪后图像的示意图。根据待处理图像与去噪后图像的对比可以看出,基于差值图像可以对图像中的噪声进行过滤,使得图像的细节更加清晰。
如图7所示,本说明书一个或多个实施例中,提供了一种图像去噪装置的内部结构示意图。
由图7可知,在本说明书一个或多个实施例中,一种图像去噪装置包括:
扩充单元701,用于将待处理图像的边缘进行扩充处理,生成扩充图像;
移动单元702,用于将所述待处理图像在所述扩充图像中移动,得到移动子图,并在所述移动子图中确定与所述待处理图像的指定位置相对应的第一灰度值;
确定单元703,用于根据所述移动子图与所述待处理图像之间的差值,确定差值图像,并在所述差值图像中确定所述指定位置的第二灰度值;
去噪单元704,用于根据所述第一灰度值与所述第二灰度值,对所述指定位置进行去噪操作,并确定出所述指定位置去噪后的灰度值。
在本说明书一个或多个实施例中,所述装置还包括:
调整单元,用于根据特定运算平台的预设接口对于图像处理的要求,将所述待处理图像调整为预设尺寸的像素值,并将所述待处理图像转化为灰度图,以通过所述预设接口处理所述待处理图像。
在本说明书一个或多个实施例中,所述扩充单元,具体包括:第一扩展单元、第二扩展单元、生成单元;
所述第一扩展单元用于,将所述待处理图像在任意扩展方向上的边缘像素点,增加一个第一镜像像素点作为第一扩展像素点;其中,所述第一镜像像素点为与所述边缘像素点镜像对称的像素点;
所述第二扩展单元用于对所述待处理图像在任意扩展方向上的非边缘像素点,增加一个第二镜像像素点作为第二扩展像素点;其中,所述第二镜像像素点以所述待处理图像的边缘为对称轴,与所述待处理图像中对称点的像素点相同;
所述生产单元用于根据预设扩展宽度,依次获得所述第一扩展像素点与所述第二扩展像素点,以生成所述待处理图像的扩充图像。
在本说明书一个或多个实施例中,所述移动单元与确定单元,具体包括:
第二移动单元与第二确定单元;
所述第二移动单元用于将所述待处理图像在所述扩充图像中进行多次移动操作,分别得到对应的移动子图,并在所述对应的移动子图中分别确定与所述待处理图像的指定位置相对应的第一灰度值;
所述第二确定单元用于根据所述对应的移动子图与所述待处理图像之间的差值,分别确定对应的差值图像,并在所述对应的差值图像中分别确定所述指定位置的第二灰度值。
在本说明书一个或多个实施例中,所述去噪单元具体包括:第三确定单元、处理单元、输出单元;
所述第三确定单元用于根据所述差值图像中指定位置的第二灰度值,确定所述对应的移动子图中指定位置的像素点与所述待处理图像中指定位置的像素点的相似度,并获得各个所述对应的移动子图中指定位置的权重值;
所述处理单元用于根据所述权重值对所述第一灰度值进行处理获得第一灰度权值;
所述输出单元用于基于所述权重值的加权总和以及所述第一灰度权值的总和,输出所述待处理图像的指定位置去噪后的灰度值。
在本说明书一个或多个实施例中,所述第三确定单元具体用于基于预设第一公式依次获取所述对应的移动子图中指定位置的权重值;其中,所述预设第一公式为:,为所述对应的移动子图中的指定位置的权重值,Coeff为所述权重值的预设范围,为所述待处理图像的标准差值,为所述第二灰度值。
在本说明书一个或多个实施例中,所述处理单元与所述输出单元具体用于:
将所述第一灰度值与所述对应的移动子图中指定位置的权重值依次相乘并累加,获得所述第一灰度权值;
基于预设第二公式将移动子图中的指定位置的权重总和作为归一化常数对所述灰度权重总值进行处理,获得所述待处理图像的指定位置去噪后的灰度值;其中,所述预设第二公式为:,为所述待处理图像的指定位置去噪后的灰度值,为所述第一灰度值,为所述第一灰度值搜索矩阵,为所述归一化常数。
在本说明书一个或多个实施例中,所述第二移动单元具体包括:第四确定单元、平移单元、第五确定单元;
所述第四确定单元用于根据所述扩充图像的预设扩展宽度,确定所述移动操作的并行线程;
所述平移单元用于基于所述并行线程控制所述待处理图像在所述扩充图像进行逐像素平移,分别获得对应的移动子图;
所述第五确定单元用于在所述移动子图中分别确定与所述待处理图像的指定位置相对应的第一灰度值。
如图8所示,本说明书一个或多个实施例中,提供了一种图像去噪设备,设备包括:
至少一个处理器801;以及,
与所述至少一个处理器801通信连接的存储器802;其中,
所述存储器802存储有可被所述至少一个处理器801执行的指令,所述指令被所述至少一个处理器801执行,以使所述至少一个处理器801能够:
将待处理图像的边缘进行扩充处理,生成扩充图像;
将所述待处理图像在所述扩充图像中移动,得到移动子图,并在所述移动子图中确定与所述待处理图像的指定位置相对应的第一灰度值;
根据所述移动子图与所述待处理图像之间的差值,确定差值图像,并在所述差值图像中确定所述指定位置的第二灰度值;
根据所述第一灰度值与所述第二灰度值,对所述指定位置进行去噪操作,并确定出所述指定位置去噪后的灰度值。
如图8所示,本说明书一个或多个实施例中提供了一种非易失性存储介质。
由图8可知,一种非易失性存储介质,存储有计算机可执行指令801,所述计算机可执行指令801包括:
将待处理图像的边缘进行扩充处理,生成扩充图像;
将所述待处理图像在所述扩充图像中移动,得到移动子图,并在所述移动子图中确定与所述待处理图像的指定位置相对应的第一灰度值;
根据所述移动子图与所述待处理图像之间的差值,确定差值图像,并在所述差值图像中确定所述指定位置的第二灰度值;
根据所述第一灰度值与所述第二灰度值,对所述指定位置进行去噪操作,并确定出所述指定位置去噪后的灰度值。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、设备、非易失性计算机存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本说明书的一个或多个实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (10)
1.一种图像去噪方法,其特征在于,包括:
将待处理图像的边缘进行扩充处理,生成扩充图像;
将所述待处理图像在所述扩充图像中移动,得到移动子图,并在所述移动子图中确定与所述待处理图像的指定位置相对应的第一灰度值;
根据所述移动子图与所述待处理图像之间的差值,确定差值图像,并在所述差值图像中确定所述指定位置的第二灰度值;
根据所述第一灰度值与所述第二灰度值,对所述指定位置进行去噪操作,并确定出所述指定位置去噪后的灰度值。
2.根据权利要求1所述的一种图像去噪方法,其特征在于,所述将待处理图像的边缘进行扩充处理,生成扩充图像之前,所述方法还包括:
根据特定运算平台的预设接口对于图像处理的要求,将所述待处理图像调整为预设尺寸的像素值,并将所述待处理图像转化为灰度图,以通过所述预设接口处理所述待处理图像。
3.根据权利要求1所述的一种图像去噪方法,其特征在于,所述将待处理图像的边缘进行扩充处理,具体包括:
将所述待处理图像在任意扩展方向上的边缘像素点,增加一个第一镜像像素点作为第一扩展像素点;其中,所述第一镜像像素点为与所述边缘像素点镜像对称的像素点;
对所述待处理图像在任意扩展方向上的非边缘像素点,增加一个第二镜像像素点作为第二扩展像素点;其中,所述第二镜像像素点以所述待处理图像的边缘为对称轴,与所述待处理图像中对称点的像素点相同;
根据预设扩展宽度,依次获得所述第一扩展像素点与所述第二扩展像素点,以生成所述待处理图像的扩充图像。
4.根据权利要求1所述的一种图像去噪方法,其特征在于,所述将所述待处理图像在所述扩充图像中移动,得到移动子图,并在所述移动子图中确定与所述待处理图像的指定位置相对应的第一灰度值;根据所述移动子图与所述待处理图像之间的差值,确定差值图像,并在所述差值图像中确定所述指定位置的第二灰度值,具体包括:
将所述待处理图像在所述扩充图像中进行多次移动操作,分别得到对应的移动子图,并在所述对应的移动子图中分别确定与所述待处理图像的指定位置相对应的第一灰度值;
根据所述对应的移动子图与所述待处理图像之间的差值,分别确定对应的差值图像,并在所述对应的差值图像中分别确定所述指定位置的第二灰度值。
5.根据权利要求4所述的一种图像去噪方法,其特征在于,所述根据所述第一灰度值与所述第二灰度值,对所述指定位置进行去噪操作,具体包括:
根据所述差值图像中指定位置的第二灰度值,确定所述对应的移动子图中指定位置的像素点与所述待处理图像中指定位置的像素点的相似度,并获得各个所述对应的移动子图中指定位置的权重值;
根据所述权重值对所述第一灰度值进行处理获得第一灰度权值;
基于所述权重值的加权总和以及所述第一灰度权值的总和,输出所述待处理图像的指定位置去噪后的灰度值。
8.根据权利要求4所述的一种图像去噪方法,其特征在于,所述将所述待处理图像在所述扩充图像中进行多次移动操作,分别得到对应的移动子图,并在所述对应的移动子图中分别确定与所述待处理图像的指定位置相对应的第一灰度值,具体包括:
根据所述扩充图像的预设扩展宽度,确定所述移动操作的并行线程;
基于所述并行线程控制所述待处理图像在所述扩充图像进行逐像素平移,分别获得对应的移动子图;
在所述移动子图中分别确定与所述待处理图像的指定位置相对应的第一灰度值。
9.一种图像去噪装置,其特征在于,所述装置包括:
扩充单元,用于将待处理图像的边缘进行扩充处理,生成扩充图像;
移动单元,用于将所述待处理图像在所述扩充图像中移动,得到移动子图,并在所述移动子图中确定与所述待处理图像的指定位置相对应的第一灰度值;
确定单元,用于根据所述移动子图与所述待处理图像之间的差值,确定差值图像,并在所述差值图像中确定所述指定位置的第二灰度值;
去噪单元,用于根据所述第一灰度值与所述第二灰度值,对所述指定位置进行去噪操作,并确定出所述指定位置去噪后的灰度值。
10.一种图像去噪设备,其特征在于,所述设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
将待处理图像的边缘进行扩充处理,生成扩充图像;
将所述待处理图像在所述扩充图像中移动,得到移动子图,并在所述移动子图中确定与所述待处理图像的指定位置相对应的第一灰度值;
根据所述移动子图与所述待处理图像之间的差值,确定差值图像,并在所述差值图像中确定所述指定位置的第二灰度值;
根据所述第一灰度值与所述第二灰度值,对所述指定位置进行去噪操作,并确定出所述指定位置去噪后的灰度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111566503.1A CN113962907B (zh) | 2021-12-21 | 2021-12-21 | 一种图像去噪方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111566503.1A CN113962907B (zh) | 2021-12-21 | 2021-12-21 | 一种图像去噪方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113962907A true CN113962907A (zh) | 2022-01-21 |
CN113962907B CN113962907B (zh) | 2022-04-19 |
Family
ID=79473385
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111566503.1A Active CN113962907B (zh) | 2021-12-21 | 2021-12-21 | 一种图像去噪方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113962907B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102081790A (zh) * | 2010-11-25 | 2011-06-01 | 西北工业大学 | 一种基于非线性Curvelet扩散的噪声图像增强方法 |
JP2014203428A (ja) * | 2013-04-10 | 2014-10-27 | 株式会社東芝 | 電子機器および画像処理方法 |
US20160132995A1 (en) * | 2014-11-12 | 2016-05-12 | Adobe Systems Incorporated | Structure Aware Image Denoising and Noise Variance Estimation |
CN106952314A (zh) * | 2017-03-01 | 2017-07-14 | 西安电子科技大学 | 基于频域方向滤波器的递归预测图像压缩方法 |
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 |
CN109658376A (zh) * | 2018-10-24 | 2019-04-19 | 哈尔滨工业大学 | 一种基于图像识别的表面缺陷识别方法 |
CN110570379A (zh) * | 2019-09-11 | 2019-12-13 | 重庆大学 | 一种基于结构张量的非局部均值ct图像降噪方法 |
CN111583157A (zh) * | 2020-05-13 | 2020-08-25 | 杭州睿琪软件有限公司 | 图像处理方法、系统及计算机可读存储介质 |
-
2021
- 2021-12-21 CN CN202111566503.1A patent/CN113962907B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102081790A (zh) * | 2010-11-25 | 2011-06-01 | 西北工业大学 | 一种基于非线性Curvelet扩散的噪声图像增强方法 |
JP2014203428A (ja) * | 2013-04-10 | 2014-10-27 | 株式会社東芝 | 電子機器および画像処理方法 |
US20160132995A1 (en) * | 2014-11-12 | 2016-05-12 | Adobe Systems Incorporated | Structure Aware Image Denoising and Noise Variance Estimation |
CN106952314A (zh) * | 2017-03-01 | 2017-07-14 | 西安电子科技大学 | 基于频域方向滤波器的递归预测图像压缩方法 |
CN109658376A (zh) * | 2018-10-24 | 2019-04-19 | 哈尔滨工业大学 | 一种基于图像识别的表面缺陷识别方法 |
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 |
CN110570379A (zh) * | 2019-09-11 | 2019-12-13 | 重庆大学 | 一种基于结构张量的非局部均值ct图像降噪方法 |
CN111583157A (zh) * | 2020-05-13 | 2020-08-25 | 杭州睿琪软件有限公司 | 图像处理方法、系统及计算机可读存储介质 |
Non-Patent Citations (2)
Title |
---|
SHIN YOSHIZAWA 等,: "Smoothing by Example: Mesh Denoising by Averaging with Similarity-Based Weights", 《IEEE INTERNATIONAL CONFERENCE ON SHAPE MODELING AND APPLICATIONS 2006 (SMI"06)》 * |
郝红侠 等,: "采用结构自适应窗的非局部均值图像去噪算法", 《西安交通大学学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113962907B (zh) | 2022-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108090886B (zh) | 一种高动态范围红外图像的显示与细节增强方法 | |
CN109360157B (zh) | 基于tv和小波正则化的空间变化模糊图像复原方法 | |
JP2012506647A (ja) | 高解像度映像獲得装置およびその方法 | |
CN106169173B (zh) | 一种图像插值方法 | |
CN106169174B (zh) | 一种图像放大方法 | |
CN111353955A (zh) | 一种图像处理方法、装置、设备和存储介质 | |
CN111476750A (zh) | 对成像模组进行污点检测的方法、装置、系统及存储介质 | |
Xi et al. | Super resolution reconstruction algorithm of video image based on deep self encoding learning | |
CN109741258B (zh) | 基于重建的图像超分辨率方法 | |
Lei et al. | Low-light image enhancement using the cell vibration model | |
Shukla et al. | Adaptive fractional masks and super resolution based approach for image enhancement | |
CN112837220B (zh) | 一种提高红外图像分辨率的方法及其用途 | |
CN113962905A (zh) | 基于多阶段特征互补网络的单幅图像去雨方法 | |
RU2583725C1 (ru) | Способ и система для обработки изображения | |
Goto et al. | Learning-based super-resolution image reconstruction on multi-core processor | |
CN113240581A (zh) | 一种针对未知模糊核的真实世界图像超分辨率方法 | |
CN113962907B (zh) | 一种图像去噪方法、装置及设备 | |
Zhang et al. | Video superresolution reconstruction using iterative back projection with critical‐point filters based image matching | |
CN113506212A (zh) | 一种改进的基于pocs的高光谱图像超分辨率重建方法 | |
CN108492264B (zh) | 一种基于sigmoid变换的单帧图像快速超分辨方法 | |
Chen et al. | Image reconstruction based on combination of wavelet decomposition, inpainting and texture synthesis | |
Niu et al. | An Adaptive Recovering Algorithm for The Color Bar Code Image Based on Gamma Transforms | |
Frucci et al. | An automatic image scaling up algorithm | |
Liu et al. | The validity analysis of the non-local mean filter and a derived novel denoising method | |
CN113822823B (zh) | 气动光学效应图像空变模糊核的点近邻复原方法及系统 |
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 |