CN114596212A - 图像处理方法、装置和设备 - Google Patents
图像处理方法、装置和设备 Download PDFInfo
- Publication number
- CN114596212A CN114596212A CN202011427594.6A CN202011427594A CN114596212A CN 114596212 A CN114596212 A CN 114596212A CN 202011427594 A CN202011427594 A CN 202011427594A CN 114596212 A CN114596212 A CN 114596212A
- Authority
- CN
- China
- Prior art keywords
- value
- gray
- image
- pixel
- threshold
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 45
- 238000004590 computer program Methods 0.000 claims description 20
- 238000003860 storage Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000002829 reductive effect Effects 0.000 abstract description 3
- 238000001914 filtration Methods 0.000 description 28
- 230000003068 static effect Effects 0.000 description 13
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000012937 correction Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 241001270131 Agaricus moelleri Species 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 235000019800 disodium phosphate Nutrition 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 2
- 229910052721 tungsten Inorganic materials 0.000 description 2
- 239000010937 tungsten Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 101100134058 Caenorhabditis elegans nth-1 gene Proteins 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000003705 background correction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005669 field effect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 239000004065 semiconductor 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请实施例提供一种图像处理方法、装置和设备，所述方法包括：获得第一图像中每个像素点的第一灰度值以及所有像素点的第一灰度值均值；将所述第一灰度值均值输入预设拟合曲线中，得到第一阈值；分别获得所述第一图像中每个像素点的第一灰度值与其周围预设数量像素点的灰度值之间的第一差值；分别将每个所述像素点的第一差值与所述第一阈值进行比较，基于比较结果确定所述像素点的第二灰度值；基于每个所述像素点的第二灰度值，输出第二图像，其能够识别图像中的噪声点(例如随机噪点)，并对识别到的噪声点进行校正，而不会对图像中正常像素点进行校正，保留了图像细节部分，有利于降低图像模糊程度，提高图像质量。
Description
技术领域
本申请涉及图像处理技术领域，特别涉及一种图像处理方法、装置和设备。
背景技术
CMOS(ComplemeNtary Metal-Oxide SemicoNductor，互补金属氧化物场效应管)静态平板探测器自问世以来，由于其成本低、功耗低、高分辨率、低剂量获得清晰图像等优点，一经问世便获得了广泛关注。但是由于其高度的集成环境和制作工艺，在图像采集过程中不可避免的会引入随机噪声，例如，这些噪声的灰度值与正常像素点的灰度值之间的差异随灰度的变化而变化，并且噪声出现位置比较随机(非固定位置)，导致成像图像中出现不规律的亮点，在一定程度上影响着成像质量和图像视觉效果。
为去除图像中的噪声，目前的图像处理技术主要基于全局降噪，对图像进行校正，例如目前的降噪方法主要包括均值滤波、中值滤波、高斯滤波等。在现有的图像处理过程中也不可避免的会对正常像素点进行和噪声点一样的校正处理，即所有像素点均进行了校正，导致正常像素点的灰度值发生变化，易破坏了图像的细节部分，影响成像质量。
均值滤波是典型的线性滤波算法，其主要利用目标像素点及其周围的临近像素点的像素值均值代替该目标像素点的像素值。均值滤波也称为线性滤波，其采用的主要方法为邻域平均法。线性滤波的基本原理是用像素值均值代替原图像中的各个像素值，即对待处理目标像素点(x，y)选择一个模板，该模板由该目标像素点及其邻近的若干像素点组成，求模板中所有像素点的像素值均值，再把该均值赋予该目标像素点(x，y)，作为处理后图像在该目标像素点上的灰度值g(x，y)，即g(x，y)＝1/m∑f(x，y)，m为该模板中包含待处理目标像素在内的像素总个数。均值滤波能够有效滤除图像中的加性噪声，但均值滤波本身存在着固有的缺陷，即它不能很好地保护图像细节，在图像去噪的同时也破坏了图像的细节部分，从而使图像变得模糊。
中值滤波是一种非线性数字滤波器技术，其也是消除图像噪声最常见的手段之一，特别是消除椒盐噪声(脉冲噪声)，中值滤波的效果要比均值滤波更好。中值滤波是跟均值滤波唯一不同在于，中值滤波不是用均值来替换目标像素点的像素值，而是将目标像素点及其周围像素点进行排序以后，取中值来替换目标像素点的像素值。该中值滤波去噪方法虽在一定程度上保留了图像的细节部分，但是图像中所有像素都进行了去噪，视觉效果平坦，影响图像质量。
高斯滤波(Gauss filter)实质上是一种信号的滤波器，其用途为信号的平滑处理，广泛应用于图像处理的减噪过程。通俗的讲，高斯滤波就是对整幅图像的像素点进行加权平均的过程，即每一个像素点的像素值，都由其本身和邻域内的其他像素点的像素值经过加权平均后得到。高斯滤波的具体方法是：用一个模板(或称卷积、掩模)扫描图像中的每一个像素点，用模板确定的目标像素点(即中心像素点)及其邻域内像素点的加权平均灰度值去替代目标像素点的值。高斯滤波器的模板系数与均值滤波器的模板系数不同，均值滤波器的模板系数都是相同的为1，而高斯滤波器的模板系数，则随着距离模板中心的距离增大而系数减小。所以，高斯滤波器相比于均值滤波器对图像处理后的图像模糊程度较小。但高斯滤波本质上还是对图像中所有像素点均进行了校正，仍然会破坏图像的细节部分，影响图像质量。
发明内容
本申请提供了一种图像处理方法、装置和设备，能够识别图像中的噪声点(例如随机噪点)，并对识别到的噪声点进行校正，而不会对图像中正常像素点进行校正，保留了图像细节部分，有利于降低图像模糊程度，提高图像质量。
第一方面，本申请提供了一种图像处理方法，包括：
获得第一图像中每个像素点的第一灰度值以及所有像素点的第一灰度值均值；
将所述第一灰度值均值输入预设拟合曲线中，得到第一阈值；
分别获得所述第一图像中每个像素点的第一灰度值与其周围预设数量像素点的灰度值之间的第一差值；
分别将每个所述第一差值与所述第一阈值进行比较，基于比较结果确定每个所述像素点的第二灰度值；
基于每个所述像素点的第二灰度值，输出第二图像。
其中一种可能的实现方式中，所述分别将每个所述第一差值与所述第一阈值进行比较，基于比较结果确定每个所述像素点的第二灰度值，包括：
分别判断每个所述第一差值是否大于所述第一阈值；
若所述第一差值中任意一个小于所述第一阈值，则基于所述第一灰度值，获得所述像素点的第二灰度值，其中，所述第二灰度值等于所述第一灰度值；
若每个所述第一差值均大于所述第一阈值，则基于所述像素点周围预设数量像素点的灰度值，获得所述像素点的第二灰度值。
其中一种可能的实现方式中，若所述第一差值中的任意一个大于所述第一阈值，所述像素点的第二灰度值等于其周围预设数量像素点的灰度值均值或中值，或者，所述第二像素点的第二灰度值等于其周围预设数量像素点的灰度值的加权和。
其中一种可能的实现方式中，所述基于每个所述像素点的第二灰度值，输出第二图像，包括：
基于每个所述像素点的第二灰度值获得灰度值均值、标准差或方差；
判断所述灰度值均值、标准差或方差是否高于预设数值；
若所述灰度值均值、标准差或方差高于所述预设数值；
获取第二阈值，所述第二阈值由所述第一阈值与预设差值或预设比值确定；
基于每个所述像素点的第二灰度值和所述第二阈值，确定每个所述像素点的第三灰度值；
基于每个所述像素点的第三灰度值，输出第二图像。
其中一种可能的实现方式中，所述基于每个所述像素点的第二灰度值，输出第二图像，包括：
S1，获取第N+1阈值；
S2，基于每个所述像素点的第N+1灰度值和所述第N+1阈值，确定每个所述像素点的第N+2灰度值；
S3，累计循环次数，若所述循环次数小于预设次数，则循环执行步骤S1-S3；
S4，基于每个所述像素点的第N+2灰度值，输出第二图像。
其中一种可能的实现方式中，所述获取第N+1阈值，包括：
获得所有所述像素点的第N+1灰度值均值；
将所述第N+1灰度值均值输入所述拟合曲线中，得到第N+1阈值。
其中一种可能的实现方式中，在将所述第一灰度值均值输入预设拟合曲线中，得到第一阈值之前，所述方法进一步包括：
获取多个不同灰度图像；
分别获得所述多个不同灰度图像中像素点的灰度值均值以及标准差或方差；
对所述多个不同灰度图像中像素点的灰度值均值与标准差或方差进行曲线拟合，获得拟合曲线。
第二方面，本申请提供了一种图像处理装置，包括：
灰度获得模块，用于获得第一图像中每个像素点的第一灰度值以及所有像素点的第一灰度值均值；
阈值获得模块，用于将所述第一灰度值均值输入预设拟合曲线中，得到第一阈值；
差值计算模块，用于分别获得所述第一图像中每个像素点的第一灰度值与其周围预设数量像素点的灰度值之间的第一差值；
比较模块，用于分别将每个所述第一差值与所述第一阈值进行比较，基于比较结果确定每个所述像素点的第二灰度值；
输出模块，用于基于每个所述像素点的第二灰度值，输出第二图像。
其中一种可能的实现方式中，所述比较模块包括：
分别判断所述第一差值是否大于所述第一阈值；
若所述第一差值中任意一个小于所述第一阈值，则基于所述第一灰度值，获得所述像素点的第二灰度值，其中，所述第二灰度值等于所述第一灰度值；
若所述第一差值均大于所述第一阈值，则基于所述像素点周围预设数量像素点的灰度值，获得所述像素点的第二灰度值。
其中一种可能的实现方式中，若所述第一差值中的任意一个大于所述第一阈值，所述像素点的第二灰度值等于其周围预设数量像素点的灰度值均值或中值，或者，所述第二像素点的第二灰度值等于其周围预设数量像素点的灰度值的加权和。
其中一种可能的实现方式中，所述输出模块包括：
基于每个所述像素点的第二灰度值获得灰度值均值、标准差或方差；
判断所述灰度值均值、标准差或方差是否高于预设数值；
若所述灰度值均值、标准差或方差高于所述预设数值；
获取第二阈值，所述第二阈值由所述第一阈值与预设差值或预设比值确定；
基于每个所述像素点的第二灰度值和所述第二阈值，确定每个所述像素点的第三灰度值；
基于每个所述像素点的第三灰度值，输出第二图像。
其中一种可能的实现方式中，所述输出模块包括：
获取第N+1阈值；
基于每个所述像素点的第N+1灰度值和所述第N+1阈值，确定每个所述像素点的第N+2灰度值；
累计循环次数，若所述循环次数小于预设次数，则循环执行步骤S1-S3；
基于每个所述像素点的第N+2灰度值，输出第二图像。
其中一种可能的实现方式中，所述装置还包括：
均值计算模块，用于获得所有所述像素点的第N+1灰度值均值；
阈值确定模块，用于将所述第N+1灰度值均值输入所述拟合曲线中，得到第N+1阈值。
其中一种可能的实现方式中，所述装置进一步包括：
图像采集模块，用于获取多个不同灰度图像；
灰度计算模块，用于分别获得所述多个不同灰度图像中像素点的灰度值均值以及标准差或方差；
拟合模块，用于对所述多个不同灰度图像中像素点的灰度值均值与标准差或方差进行曲线拟合，获得拟合曲线。
第三方面，本申请提供了一种电子设备，包括：
一个或多个处理器；存储器；以及一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中，所述一个或多个计算机程序包括指令，当所述指令被所述装置执行时，使得所述设备执行步骤：
获得第一图像中每个像素点的第一灰度值以及所有像素点的第一灰度值均值；
将所述第一灰度值均值输入预设拟合曲线中，得到第一阈值；
分别获得所述第一图像中每个像素点的第一灰度值与其周围预设数量像素点的灰度值之间的第一差值；
分别将每个所述第一差值与所述第一阈值进行比较，基于比较结果确定每个所述像素点的第二灰度值；
基于每个所述像素点的第二灰度值，输出第二图像。
其中一种可能的实现方式中，当所述指令被所述装置执行时，使得所述设备执行所述分别将每个所述第一差值与所述第一阈值进行比较，基于比较结果确定每个所述像素点的第二灰度值的步骤，包括：
分别判断每个所述第一差值是否大于所述第一阈值；
若所述第一差值中任意一个小于所述第一阈值，则基于所述第一灰度值，获得所述像素点的第二灰度值，其中，所述第二灰度值等于所述第一灰度值；
若每个所述第一差值均大于所述第一阈值，则基于所述像素点周围预设数量像素点的灰度值，获得所述像素点的第二灰度值。
其中一种可能的实现方式中，若所述第一差值中的任意一个大于所述第一阈值，所述像素点的第二灰度值等于其周围预设数量像素点的灰度值均值或中值，或者，所述第二像素点的第二灰度值等于其周围预设数量像素点的灰度值的加权和。
其中一种可能的实现方式中，当所述指令被所述装置执行时，使得所述设备执行所述基于每个所述像素点的第二灰度值，输出第二图像的步骤，包括：
基于每个所述像素点的第二灰度值获得灰度值均值、标准差或方差；
判断所述灰度值均值、标准差或方差是否高于预设数值；
若所述灰度值均值、标准差或方差高于所述预设数值；
获取第二阈值，所述第二阈值由所述第一阈值与预设差值或预设比值确定；
基于每个所述像素点的第二灰度值和所述第二阈值，确定每个所述像素点的第三灰度值；
基于每个所述像素点的第三灰度值，输出第二图像。
其中一种可能的实现方式中，当所述指令被所述装置执行时，使得所述设备执行所述基于每个所述像素点的第二灰度值，输出第二图像的步骤，包括：
S1，获取第N+1阈值；
S2，基于每个所述像素点的第N+1灰度值和所述第N+1阈值，确定每个所述像素点的第N+2灰度值；
S3，累计循环次数，若所述循环次数小于预设次数，则循环执行步骤S1-S3；
S4，基于每个所述像素点的第N+2灰度值，输出第二图像。
其中一种可能的实现方式中，当所述指令被所述装置执行时，使得所述设备执行所述获取第N+1阈值的步骤，包括：
获得所有所述像素点的第N+1灰度值均值；
将所述第N+1灰度值均值输入所述拟合曲线中，得到第N+1阈值。
其中一种可能的实现方式中，当所述指令被所述装置执行时，使得所述设备执行将所述第一灰度值均值输入预设拟合曲线中，得到第一阈值的步骤之前，所述设备还执行步骤：
获取多个不同灰度图像；
分别获得所述多个不同灰度图像中像素点的灰度值均值以及标准差或方差；
对所述多个不同灰度图像中像素点的灰度值均值与标准差或方差进行曲线拟合，获得拟合曲线。
第四方面，本申请提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，当其在计算机上运行时，使得计算机执行如第一方面所述的方法。
第五方面，本申请提供一种计算机程序，当所述计算机程序被计算机执行时，用于执行第一方面所述的方法。
在一种可能的设计中，第五方面中的程序可以全部或者部分存储在与处理器封装在一起的存储介质上，也可以部分或者全部存储在不与处理器封装在一起的存储器上。
附图说明
图1为本申请图像处理方法一个实施例的方法示意图；
图2为本申请图像处理方法中获得拟合曲线一个实施例的方法示意图；
图3A为本申请图像处理方法一个实施例的流程示意图；
图3B为本申请图像处理方法另一个实施例的流程示意图；
图4A为线对卡原图(左图)与本申请图像处理方法一个实施例输出图像(右图)的对比图；
图4B为线对卡原图(左图)与本申请图像处理方法一个实施例输出图像(右图)的局部放大对比图；
图4C为本申请图像处理方法一个实施例处理前图像(左图)与处理后图像(右图)的对比图；
图4D为本申请图像处理方法一个实施例处理前1mm钨片内部局部图像(左图)与处理后局部图像(右图)的对比图；
图5为本申请图像处理装置一个实施例的结构示意图；
图6为本申请图像处理装置中另一个实施例的结构示意图；
图7为本申请电子设备一个实施例的结构示意图。
具体实施方式
本申请的实施方式部分使用的术语仅用于对本申请的具体实施例进行解释，而非旨在限定本申请。
现有的图像采集技术(如CMOS静态平板探测器)中，由于其高度的集成环境和制作工艺，在图像采集过程中不可避免的会引入随机噪声，例如，这些噪声的灰度值与正常像素点的灰度值之间的差异随灰度的变化而变化，并且噪声出现位置比较随机(非固定位置)，导致成像图像中出现不规律的亮点，在一定程度上影响着成像质量和图像视觉效果。
为去除图像中的噪声，目前的图像处理技术主要基于全局降噪，对图像进行校正，例如，目前的降噪方法主要包括均值滤波、中值滤波、高斯滤波等。在现有的图像处理过程中也不可避免的会对正常像素点进行和噪声点一样的校正处理，即所有像素点均进行了校正，导致正常像素点的灰度值发生变化，易破坏了图像的细节部分，影响成像质量。
为此，本申请提出一种图像处理方法、装置和设备，能够识别图像中的噪声点(例如随机噪点)，并对识别到的噪声点进行校正，而不会对图像中正常像素点进行校正，保留了图像细节部分，有利于降低图像模糊程度，提高图像质量。
需要指出的是，由于基于X射线照射的CMOS静态探测器主要应用于医疗(如齿科等)、工业无损检测等领域，其在应用时对图像的细节和清晰度的要求较高。由于其产品特性、制造工艺等特殊性，导致拍摄获得的图像中易出现随机噪点，该类噪点的灰度值比正常区域的灰度值偏亮，对X射线同样具有响应，随机噪点出现的时间或位置不具有规律性，并不是固定存在的，且噪点的大小在一定程度上随着拍摄剂量(如电压或电流等)的变化而变化，而现有的图像处理技术(如均值滤波、中值滤波、高斯滤波等)并不能针对随机噪点进行校正，易破坏图像细节部分，导致图像模糊程度较高，清晰度较低，因此无法满足CMOS静态探测器应用在医疗或工业无损检测等领域时对图像的细节和清晰度要求较高的需求。
而本申请的图像处理方法，可以有效地识别图像中的噪声点(可以包括固定噪点或随机噪点)，并对识别到的噪声点进行校正，不对正常像素点进行校正，从而保留了图像细节部分，提高图像清晰度，有利于满足CMOS静态探测器应用在医疗或工业无损检测等领域时对图像的细节和清晰度要求较高的需求。
图1为本申请图像处理方法一个实施例的方法示意图，如图1所示，上述图像处理方法可以包括：
S101、获得第一图像中每个像素点的第一灰度值以及所有像素点的第一灰度值均值。
所述第一图像可以包括由CMOS静态探测器或其他图像采集设备采集得到的待处理图像。或者，所述第一图像可以通过通信技术在网络或云端中获取。或者，所述第一图像可以存储于可读存储介质中，通过读取该存储介质，获取第一图像。
优选地，所述第一图像为静止图像，在所述步骤S101之前，所述第一图像可以通过本底校正、增益校正或坏像素校正等进行预先处理，在此不受限制。
在步骤S101中，第一图像中的像素点可以包括正常像素点和噪声点(如异常像素点、随机噪点、固定噪点等)。通常情况下，图像中的噪声点的灰度值大于正常像素点的灰度值。所述第一灰度值均值可以由所述第一图像中所有像素点的第一灰度值的和除以所有像素点数量得到。
S102、将所述第一灰度值均值输入预设拟合曲线中，得到第一阈值。
所述拟合曲线可以包括灰度值均值与阈值之间的映射关系。不同的灰度值均值可以对应不同或相同的阈值。所述拟合曲线可以存储于图像处理装置、电子设备(如具有图像处理功能的设备等)、可读存储介质或云端中等。
在其中一种可能的实现方式中，如图2所示，在步骤S102之前，所述方法进一步包括：
S201、获取多个不同灰度图像；
S202、分别获得所述多个不同灰度图像中像素点的灰度值均值以及标准差或方差；
S203、对所述多个不同灰度图像中像素点的灰度值均值与标准差或方差进行曲线拟合，获得拟合曲线。
步骤S201中，可以由CMOS静态探测器采集得到多个不同剂量(不同电压或电流)下图像。
步骤S203中，可以采用多个图像的灰度值均值及其对应的多个灰度值标准差进行曲线拟合，得到所述拟合曲线。或者，可以采用多个图像的灰度值均值及其对应的多个灰度值方差进行曲线拟合，得到所述拟合曲线。举例地，步骤S203中，可以采用预设曲线方程进行曲线拟合，预设曲线方程可以包括一次曲线方程、二次曲线方程或多次曲线方程、反比例曲线方程等，在此不受限制。
S103、分别获得所述第一图像中每个像素点的第一灰度值与其周围预设数量像素点的灰度值之间的第一差值。
可以理解的是，某一像素点(如目标像素点)的周围像素点可以包括该目标像素点的邻域内像素点，例如，该目标像素点上下左右(或左上、坐下、右上、右下等)的相邻像素点。
优选地，所述预设数量为8个，即目标像素的周围像素点为其上、下、左、右、左上、坐下、右上、右下的相邻像素点，也就是说，目标像素及其周围8个像素点可以共同组成一个以该目标像素点为中心的9宫格。需要指出的是，当该目标像素点处于图像边缘或顶点时，其周围像素点的数量可以小于8个，在此不做限制。
相应地，未处于图像边缘或顶点的每个像素点的灰度值(第一灰度值)与其周围8个像素点的灰度值之间均可以存在8个第一差值。处于图像边缘或顶点的每个像素点与其周围像素点(少于8个)的灰度值之间可以存在少于8个第一差值。
可选地，所述预设数量为24个，目标像素点及其周围24个像素点可以构成以该目标像素点为中心的25宫格。相应地，每个像素点与其周围像素点(至多24个)之间的灰度值差值可以存在至多24个(即至多存在24个第一差值)。
熟知本领域的技术人员应当理解的是，所述预设数量可以根据实际情况而预设，在此不受限制。
S104、分别将每个所述第一差值与所述第一阈值进行比较，基于比较结果确定每个所述像素点的第二灰度值。
如图3A所示，优选地，对于图像中的某一个像素点(目标像素)，其存在8个第一差值，则步骤S104中，8个第一差值均与所述第一阈值进行比较，可以得到8个比较值(即该比较结果)，该比较结果可以用于识别该目标像素点是否为噪声点，举例地，若8个第一差值均大于第一阈值，则该目标像素点为噪声点，若8个第一差值中的任一一个小于第一阈值，则该目标像素点不为噪声点，或者该目标像素点为正常像素点。可选地，若图像中的某一个像素点，存在24个第一差值，则24个第一差值均与所述第一阈值进行比较，得到24个比较值，即该比较结果。
步骤S104中，可以通过比较结果，识别出像素点是否为噪声点，并对识别到的噪声点进行校正，从而确定像素点的第二灰度值。需要指出的是，若识别出像素点为噪声点时，则可以对该像素点的灰度值进行校正，使得该像素点的第一灰度值改变为第二灰度值，第二灰度值不等于第一灰度值。若识别出像素点不是噪声点时，则可以保持该像素点的灰度值不变，即第二灰度值可以等于第一灰度值，避免了图像中正常像素点的灰度值发生变化，从而保留了图像细节部分，有利于提高图像清晰度。
进一步地，步骤S104中，可以遍历图像中所有的像素点，得到每个像素点对应的比较结果，分别识别图像中每个像素点是否为噪声点。若某个像素点为噪声点，则对该噪声点的灰度值进行校正(如将该噪声点的第一灰度值改变为第二灰度值)。若某个像素点不为噪声点(即该像素点为正常像素点)，则保持该正常像素点的灰度值不变(即该正常像素点的第二灰度值等于第一灰度值)。因此，本实施例中所述方法可以有效地识别出图像中的固定噪点、随机噪点或异常像素点等噪声点，并对识别到的噪声点进行校正，而不会影响正常像素点的灰度值，从而保留了图像细节部分，有利于提高图像清晰度。
S105、基于每个所述像素点的第二灰度值，输出第二图像。
也就是说，第一图像中的每个像素点的第一灰度值可以替换为第二灰度值，以得到第二图像。在第二图像中正常像素点的灰度值保持不变(即第二灰度值等于第一灰度值)，而第二图像中噪声点的灰度值发生了改变(即第二灰度值不等于第一灰度值)。
由此可见，本申请的图像处理方法中，可以有效地识别图像中的噪声点(可以包括固定噪点或随机噪点)，并对识别到的噪声点进行校正，不对正常像素点进行校正，从而保留了图像细节部分，图像不易出现模糊，提高图像清晰度，有利于满足CMOS静态探测器应用在医疗或工业无损检测等领域时对图像的细节和清晰度要求较高的需求。
如图4A为线对卡原图(左图)与本申请图像处理方法一个实施例输出图像(右图)的对比图；图4B为线对卡原图(左图)与本申请图像处理方法一个实施例输出图像(右图)的局部放大对比图；图4C为本申请图像处理方法一个实施例处理前图像(左图)与处理后图像(右图)的对比图；图4D为本申请图像处理方法一个实施例处理前1mm钨片内部局部图像(左图)与处理后局部图像(右图)的对比图。从以上对比图中，可以看出，本申请图像处理方法输出处理后的图像中噪声点(如随机噪声点)明显减少，图像质量得到提升。
其中一种可能的实现方式中，步骤S103包括：
S301、分别判断所述第一差值是否大于所述第一阈值；
S302、若所述第一差值中的任意一个小于所述第一阈值，则基于所述第一灰度值，获得所述像素点的第二灰度值，其中，所述第二灰度值等于所述第一灰度值；
S303、若所述第一差值均大于所述第一阈值，则基于所述像素点周围预设数量像素点的灰度值，获得所述像素点的第二灰度值。
举例地，图像中某一像素点(目标像素点)与其周围8个像素点之间分别存在8个第一差值。步骤S301中，分别判断8个第一差值是否大于第一阈值，步骤S302中，若其中一个第一差值小于第一阈值，则确定该目标像素点为正常像素点，保持该目标像素点的灰度值不变，即第二灰度值等于第一灰度值。步骤S303中，若8个第一差值均大于第一阈值，则确定该目标像素点为噪声点，则基于该目标像素点周围8个像素点的灰度值，获得该目标像素点的第二灰度值，即该目标像素点的第一灰度值被替换为第二灰度值。
其中一种可能的实现方式中，步骤S303中，所述像素点的第二灰度值等于其周围预设数量像素点的灰度值均值或中值，或者，所述第二像素点的第二灰度值等于其周围预设数量像素点的灰度值与预设权重之间的加权和。
具体地，步骤S303中，计算得到该目标像素点周围8个像素点的灰度值均值，确定所述第二灰度值为该灰度值均值。或者，按大小顺序，依次排列该目标像素点周围8个像素点的灰度值，取中间灰度值(如第4个灰度值或第5个灰度值)作为所述第二灰度值。或者，将该目标像素点周围8个像素点的灰度值与预设权重进行加权和，其加权和结果作为所述第二灰度值，预设权重可以根据实际应用场景或该目标像素点周围像素点的数量而预设，在此不受限制。
其中一种可能的实现方式中，步骤S105，包括：
S401、基于每个所述像素点的第二灰度值获得灰度值均值、标准差或方差；
S402、判断所述灰度值均值、标准差或方差是否高于预设数值；
S403、若所述灰度值均值、标准差或方差高于所述预设数值；
S404、获取第二阈值，所述第二阈值由所述第一阈值与预设差值或预设比值确定；
S405、基于每个所述像素点的第二灰度值和所述第二阈值，确定每个所述像素点的第三灰度值；
S406、基于每个所述像素点的第三灰度值，输出第二图像。
其中一种可能的实现方式中，步骤S105，包括：
S1，获取第N+1阈值；
S2，基于每个所述像素点的第N+1灰度值和所述第N+1阈值，确定每个所述像素点的第N+2灰度值；
S3，累计循环次数，若所述循环次数小于预设次数，则循环执行步骤S1-S3；
S4，基于每个所述像素点的第N+2灰度值，输出第二图像。
举例地，上述循环过程可以包括：
a(i,j)-a(i-1,j-1)>k)&&(a(i,j)-a(i,j-1)>k)&&(a(i,j)-a(i+1,j-1)>k)&&(a(i,j)-a(i-1,j)>k)&& (a(i,j)-a(i+1,j)>k)&&(a(i,j)-a(i-1,j+1)>k)&&(a(i,j)-a(i,j+1)>k)&&(a(i,j)-a(i+1,j+1)>k；
b(i,j)＝a(i,j)；
b(i,j)＝(a(i-1,j-1)+a(i,j-1)+a(i+1,j-1)+a(i-1,j)+a(i+1,j)+a(i-1,j+1)+a(i,j+1)+a(i+1,j+1))/8；
其中，a(i,j)，a(i-1,j-1)，a(i,j-1)，a(i+1,j-1)，a(i-1,j)，a(i+1,j)，a(i-1,j+1)，a(i,j+1)，a(i+1,j+1) 分别表示二维图像在(i,j)，(i-1,j-1)，(i,j-1)，(i+1,j-1)，(i-1,j)，(i+1,j)，(i-1,j+1)，(i,j+1)和(i+1,j+1) 处的灰度值，&&表示运算符与操作，k代表阈值，b(i,j)代表去噪后图像在(i,j)处的灰度值。
举例地，如图3B所示，所述第二图像可以包括第一去噪图像、…以及第N去噪图像，N为1.2.3.4…，步骤S105，包括：
S501、基于所述第二灰度值，确定第一去噪图像，其中，N＝1；
S502、判断是否满足预设条件；
S503、若不满足预设条件，则令N＝N+1；
S504、获得第N阈值；
S505、分别获得所述第N-1去噪图像中每个像素点的第N灰度值与其周围预设数量像素点的灰度值之间的第N差值；
S506、分别对所述第N差值与所述第N阈值进行比较，基于比较结果确定所述像素点的第N+1灰度值；
S507、基于所述第N+1灰度值，确定第N去噪图像，并返回执行步骤S502、判断是否满足预设条件，即重复执行步骤S502至步骤S507；
S508、若满足预设条件，则输出第N去噪图像。
具体地，步骤S505与上述步骤S103的功能或原理基本一致，步骤S506与上述步骤S104的功能或原理基本一致，在此不再赘述。
其中一种可能的实现方式中，所述预设条件可以包括N大于或等于预设值。也就是说，当N大于或等于预设值时，执行步骤S508、输出第N去噪图像，若N小于预设值，则执行步骤S503至步骤S507，直到N大于或等于预设值时，输出第N去噪图像。
优选地，该预设值大于等于5。例如，当该预设值为5时，所述第二图像包括第一去噪图像、第二去噪图像、第三去噪图像、第四去噪图像以及第五去噪图像，步骤S408中，输出第五去噪图像。当该预设值为10时，所述第二图像包括第一去噪图像、第二去噪图像、…以及第十去噪图像，步骤S508中，输出第十去噪图像。
可以理解的是，随着预设值的改变，重复执行步骤S502至S507的次数也相应地改变，在这个过程中，可以依次得到多个去噪图像，并最终输出最后一个去噪图像。
举例地，当预设值为2时，所述第二图像包括第一去噪图像和第二去噪图像，步骤S105，包括：
S501、基于所述第二灰度值，确定第一去噪图像，N＝1；
S502、判断N是否小于2；
S503、N小于2，令N＝2；
S504、获得第二阈值；
S505、分别获得所述第一去噪图像中每个像素点的第二灰度值与其周围预设数量像素点的灰度值之间的第二差值；
S506、分别对所述第二差值与所述第二阈值进行比较，基于比较结果确定所述像素点的第三灰度值；
S507、基于所述第三灰度值，确定第二去噪图像，并返回所述判断N是否大于或等于2；
S508、N等于2，输出第二去噪图像。
可以看出的是，所述第二去噪图像中每个像素点的灰度值为第三灰度值。
其中一种可能的实现方式中，所述预设条件还可以包括：第N去噪图像中所有像素点的灰度值均值、标准差或方差等低于预设均值、预设标准差或预设方差等，若低于，则执行步骤S508、输出第N去噪图像，若不低于，则执行步骤S503至S507。熟知本领域的技术人员应当理解的是，所述预设条件可以根据实际应用场景而预设，在此不受限制。
更优选地，所述第N阈值小于第N-1阈值(例如第二阈值小于第一阈值)，即第一阈值、第二阈值、第三阈值…第N阈值依次减小，以提高图像质量。
其中一种可能的实现方式中，步骤S1，包括：
S11、获得所有所述像素点的第N+1灰度值均值；
S12、将所述第N+1灰度值均值输入所述拟合曲线中，得到第N+1阈值。
举例地，步骤S11中，获得第一去噪图像中每个像素点的第二灰度值均值，步骤S12中，将所述第二灰度值均值输入所述拟合曲线中，得到第二阈值。
其中一种可能的实现方式中，步骤S1，所述第N阈值等于第N-1阈值减去预设数值，或者所述第N阈值等于第N-1阈值乘以预设比值。
也就是说，假设预设数值为d，第一阈值为X，则第N阈值等于X-(N-1)ⅹd。举例地，第一阈值为10，预设数值为1，则第二阈值为9，第三阈值为8，第四阈值为7…。
可选地，假设预设比值为q，第一阈值为Y，则第N阈值等于Yⅹd(N-1)，举例地，第一阈值为10，预设比值为0.5，则第二阈值为10ⅹ0.5，第三阈值为10ⅹ0.5ⅹ0.5,...。
可以看出的是，随着N的增大，第N阈值逐渐降低，即随着步骤S402至S407的循环次数增加，阈值逐渐降低，对不同灰度下图像的噪声校正更加具有针对性，使得最终输出的去噪图像的质量较高。
可以理解的是，上述实施例中的部分或全部步骤骤或操作仅是示例，本申请实施例还可以执行其它操作或者各种操作的变形。此外，各个步骤可以按照上述实施例呈现的不同的顺序来执行，并且有可能并非要执行上述实施例中的全部操作。
如图5所示，本申请提供一种图像处理装置100，包括：
灰度获得模块10，用于获得第一图像中每个像素点的第一灰度值以及所有像素点的第一灰度值均值；
阈值获得模块20，用于将所述第一灰度值均值输入预设拟合曲线中，得到第一阈值；
差值计算模块30，用于分别获得所述第一图像中每个像素点的第一灰度值与其周围预设数量像素点的灰度值之间的第一差值；
比较模块40，用于分别将每个所述第一差值与所述第一阈值进行比较，基于比较结果确定每个所述像素点的第二灰度值；
输出模块50，用于基于每个所述像素点的第二灰度值，输出第二图像。
其中一种可能的实现方式中，所述比较模块40包括：
分别判断所述第一差值是否大于所述第一阈值；
若所述第一差值中任意一个小于所述第一阈值，则基于所述第一灰度值，获得所述像素点的第二灰度值，其中，所述第二灰度值等于所述第一灰度值；
若所述第一差值均大于所述第一阈值，则基于所述像素点周围预设数量像素点的灰度值，获得所述像素点的第二灰度值。
其中一种可能的实现方式中，若所述第一差值中的任意一个大于所述第一阈值，所述像素点的第二灰度值等于其周围预设数量像素点的灰度值均值或中值，或者，所述第二像素点的第二灰度值等于其周围预设数量像素点的灰度值的加权和。
其中一种可能的实现方式中，所述输出模块50包括：
基于每个所述像素点的第二灰度值获得灰度值均值、标准差或方差；
判断所述灰度值均值、标准差或方差是否高于预设数值；
若所述灰度值均值、标准差或方差高于所述预设数值；
获取第二阈值，所述第二阈值由所述第一阈值与预设差值或预设比值确定；
基于每个所述像素点的第二灰度值和所述第二阈值，确定每个所述像素点的第三灰度值；
基于每个所述像素点的第三灰度值，输出第二图像。
其中一种可能的实现方式中，所述输出模块50包括：
获取第N+1阈值；
基于每个所述像素点的第N+1灰度值和所述第N+1阈值，确定每个所述像素点的第N+2灰度值；
累计循环次数，若所述循环次数小于预设次数，则循环执行步骤S1-S3；
基于每个所述像素点的第N+2灰度值，输出第二图像。
其中一种可能的实现方式中，所述装置100还包括：
均值计算模块60，用于获得所有所述像素点的第N+1灰度值均值；
阈值确定模块70，用于将所述第N+1灰度值均值输入所述拟合曲线中，得到第N+1阈值。
其中一种可能的实现方式中，如图6所示，所述装置100进一步包括：
图像采集模块81，用于获取多个不同灰度图像；
灰度计算模块82，用于分别获得所述多个不同灰度图像中像素点的灰度值均值以及标准差或方差；
拟合模块83，用于对所述多个不同灰度图像中像素点的灰度值均值与标准差或方差进行曲线拟合，获得拟合曲线。
图5所示实施例提供的图像处理装置100可用于执行本申请图1所示方法实施例的技术方案，其实现原理和技术效果可以进一步参考方法实施例中的相关描述。
应理解以上图5～图6所示的图像处理装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块以软件通过处理元件调用的形式实现，部分模块通过硬件的形式实现。例如，检测模块可以为单独设立的处理元件，也可以集成在电子设备的某一个芯片中实现。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(ApplicatioN Specific INtegrated Circuit；以下简称：ASIC)，或，一个或多个微处理器(Digital SiNgNal Processor；以下简称：DSP)，或，一个或者多个现场可编程门阵列(Field Programmable Gate Array；以下简称：FPGA)等。再如，这些模块可以集成在一起，以片上系统(System-ON-a-Chip；以下简称：SOC)的形式实现。
图7为本申请电子设备一个实施例的结构示意图，如图7所示，上述电子设备可以包括：
一个或多个处理器；存储器；以及一个或多个计算机程序；
所述电子设备可以包括图像处理设备，如摄像机、图像传感器、CMOS静态探测器等，或者具有图像处理功能的设备，如手机、计算机等。
其中上述一个或多个计算机程序被存储在上述存储器中，上述一个或多个计算机程序包括指令，当上述指令被上述设备执行时，使得上述设备执行以下步骤：
获得第一图像中每个像素点的第一灰度值以及所有像素点的第一灰度值均值；
将所述第一灰度值均值输入预设拟合曲线中，得到第一阈值；
分别获得所述第一图像中每个像素点的第一灰度值与其周围预设数量像素点的灰度值之间的第一差值；
分别将每个所述第一差值与所述第一阈值进行比较，基于比较结果确定每个所述像素点的第二灰度值；
基于每个所述像素点的第二灰度值，输出第二图像。
其中一种可能的实现方式中，当所述指令被所述装置执行时，使得所述设备执行所述分别将每个所述第一差值与所述第一阈值进行比较，基于比较结果确定每个所述像素点的第二灰度值的步骤，包括：
分别判断每个所述第一差值是否大于所述第一阈值；
若所述第一差值中任意一个小于所述第一阈值，则基于所述第一灰度值，获得所述像素点的第二灰度值，其中，所述第二灰度值等于所述第一灰度值；
若每个所述第一差值均大于所述第一阈值，则基于所述像素点周围预设数量像素点的灰度值，获得所述像素点的第二灰度值。
其中一种可能的实现方式中，若所述第一差值中的任意一个大于所述第一阈值，所述像素点的第二灰度值等于其周围预设数量像素点的灰度值均值或中值，或者，所述第二像素点的第二灰度值等于其周围预设数量像素点的灰度值的加权和。
其中一种可能的实现方式中，当所述指令被所述装置执行时，使得所述设备执行所述基于每个所述像素点的第二灰度值，输出第二图像的步骤，包括：
基于每个所述像素点的第二灰度值获得灰度值均值、标准差或方差；
判断所述灰度值均值、标准差或方差是否高于预设数值；
若所述灰度值均值、标准差或方差高于所述预设数值；
获取第二阈值，所述第二阈值由所述第一阈值与预设差值或预设比值确定；
基于每个所述像素点的第二灰度值和所述第二阈值，确定每个所述像素点的第三灰度值；
基于每个所述像素点的第三灰度值，输出第二图像。
其中一种可能的实现方式中，当所述指令被所述装置执行时，使得所述设备执行所述基于每个所述像素点的第二灰度值，输出第二图像的步骤，包括：
S1，获取第N+1阈值；
S2，基于每个所述像素点的第N+1灰度值和所述第N+1阈值，确定每个所述像素点的第N+2灰度值；
S3，累计循环次数，若所述循环次数小于预设次数，则循环执行步骤S1-S3；
S4，基于每个所述像素点的第N+2灰度值，输出第二图像。
其中一种可能的实现方式中，当所述指令被所述装置执行时，使得所述设备执行所述获取第N+1阈值的步骤，包括：
获得所有所述像素点的第N+1灰度值均值；
将所述第N+1灰度值均值输入所述拟合曲线中，得到第N+1阈值。
其中一种可能的实现方式中，当所述指令被所述装置执行时，使得所述设备执行将所述第一灰度值均值输入预设拟合曲线中，得到第一阈值的步骤之前，所述设备还执行步骤：
获取多个不同灰度图像；
分别获得所述多个不同灰度图像中像素点的灰度值均值以及标准差或方差；
对所述多个不同灰度图像中像素点的灰度值均值与标准差或方差进行曲线拟合，获得拟合曲线。
图7所示的电子设备可以是电路设备也可以是内置于上述电子设备的电路设备。该设备可以用于执行本申请图1所示实施例提供的方法中的功能/步骤。
如图7所示，电子设备900包括处理器910和存储器920。其中，处理器910和存储器920之间可以通过内部连接通路互相通信，传递控制和/或数据信号，该存储器920用于存储计算机程序，该处理器910用于从该存储器920中调用并运行该计算机程序。
上述存储器920可以是只读存储器(read-oNly memory，ROM)、可存储静态信息和指令的其它类型的静态存储设备、随机存取存储器(raNdom access memory，RAM)或可存储信息和指令的其它类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable programmable read-oNly memory，EEPROM)、只读光盘(compactdisc read-oNly memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其它磁存储设备，或者还可以是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其它介质等。
上述处理器910可以和存储器920可以合成一个处理装置，更常见的是彼此独立的部件，处理器910用于执行存储器920中存储的程序代码来实现上述功能。具体实现时，该存储器920也可以集成在处理器910中，或者，独立于处理器910。
应理解，图7所示的电子设备900能够实现本申请图1所示实施例提供的方法的各个过程。电子设备900中的各个模块的操作和/或功能，分别为了实现上述方法实施例中的相应流程。具体可参见本申请图1所示方法实施例中的描述，为避免重复，此处适当省略详细描述。
应理解，图7所示的电子设备900中的处理器910可以是片上系统SOC，该处理器910中可以包括中央处理器(CeNtral ProcessiNg UNit；以下简称：CPU)，还可以进一步包括其他类型的处理器，例如：图像处理器(Graphics ProcessiNg UNit；以下简称：GPU) 等。
总之，处理器910内部的各部分处理器或处理单元可以共同配合实现之前的方法流程，且各部分处理器或处理单元相应的软件程序可存储在存储器920中。
本申请还提供一种电子设备，所述设备包括存储介质和中央处理器，所述存储介质可以是非易失性存储介质，所述存储介质中存储有计算机可执行程序，所述中央处理器与所述非易失性存储介质连接，并执行所述计算机可执行程序以实现本申请图1所示实施例提供的方法。
以上各实施例中，涉及的处理器可以例如包括CPU、DSP、微控制器或数字信号处理器，还可包括GPU、嵌入式神经网络处理器(Neural-Network Process UNits；以下简称：NPU)和图像信号处理器(Image SigNal ProcessiNg；以下简称：ISP)，该处理器还可包括必要的硬件加速器或逻辑处理硬件电路，如ASIC，或一个或多个用于控制本申请技术方案程序执行的集成电路等。此外，处理器可以具有操作一个或多个软件程序的功能，软件程序可以存储在存储介质中。
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，当其在计算机上运行时，使得计算机执行本申请图1所示实施例提供的方法。
本申请实施例还提供一种计算机程序产品，该计算机程序产品包括计算机程序，当其在计算机上运行时，使得计算机执行本申请图1所示实施例提供的方法。
本申请实施例中，“至少一个”是指一个或者多个，“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的情况。其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项”及其类似表达，是指的这些项中的任意组合，包括单项或复数项的任意组合。例如，a，b和c 中的至少一项可以表示：a，b，c，a和b，a和c，b和c或a和b和c，其中a，b，c可以是单个，也可以是多个。
本领域普通技术人员可以意识到，本文中公开的实施例中描述的各单元及算法步骤，能够以电子硬件、计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，任一功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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中，包括若干指令用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)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-ONly Memory；以下简称：ROM)、随机存取存储器(RaNdom Access Memory；以下简称：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本申请的具体实施方式，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种图像处理方法，其特征在于，所述方法包括：
获得第一图像中每个像素点的第一灰度值以及所有像素点的第一灰度值均值；
将所述第一灰度值均值输入预设拟合曲线中，得到第一阈值；
分别获得所述第一图像中每个像素点的第一灰度值与其周围预设数量像素点的灰度值之间的第一差值；
分别将每个所述第一差值与所述第一阈值进行比较，基于比较结果确定每个所述像素点的第二灰度值；
基于每个所述像素点的第二灰度值，输出第二图像。
2.根据权利要求1所述的方法，其特征在于，所述分别将每个所述第一差值与所述第一阈值进行比较，基于比较结果确定每个所述像素点的第二灰度值，包括：
分别判断每个所述第一差值是否大于所述第一阈值；
若所述第一差值中任意一个小于所述第一阈值，则基于所述第一灰度值，获得所述像素点的第二灰度值，其中，所述第二灰度值等于所述第一灰度值；
若每个所述第一差值均大于所述第一阈值，则基于所述像素点周围预设数量像素点的灰度值，获得所述像素点的第二灰度值。
3.根据权利要求2所述的方法，其特征在于，若所述第一差值中的任意一个大于所述第一阈值，所述像素点的第二灰度值等于其周围预设数量像素点的灰度值均值或中值，或者，所述第二像素点的第二灰度值等于其周围预设数量像素点的灰度值的加权和。
4.根据权利要求1至3任一项所述的方法，其特征在于，所述基于每个所述像素点的第二灰度值，输出第二图像，包括：
基于每个所述像素点的第二灰度值获得灰度值均值、标准差或方差；
判断所述灰度值均值、标准差或方差是否高于预设数值；
若所述灰度值均值、标准差或方差高于所述预设数值；
获取第二阈值，所述第二阈值由所述第一阈值与预设差值或预设比值确定；
基于每个所述像素点的第二灰度值和所述第二阈值，确定每个所述像素点的第三灰度值；
基于每个所述像素点的第三灰度值，输出第二图像。
5.根据权利要求1至3任一项所述的方法，其特征在于，所述基于每个所述像素点的第二灰度值，输出第二图像，包括：
S1，获取第N+1阈值；
S2，基于每个所述像素点的第N+1灰度值和所述第N+1阈值，确定每个所述像素点的第N+2灰度值；
S3，累计循环次数，若所述循环次数小于预设次数，则循环执行步骤S1-S3；
S4，基于每个所述像素点的第N+2灰度值，输出第二图像。
6.根据权利要求5所述的方法，其特征在于，所述获取第N+1阈值，包括：
获得所有所述像素点的第N+1灰度值均值；
将所述第N+1灰度值均值输入所述拟合曲线中，得到第N+1阈值。
7.根据权利要求1所述的方法，其特征在于，在将所述第一灰度值均值输入预设拟合曲线中，得到第一阈值之前，所述方法进一步包括：
获取多个不同灰度图像；
分别获得所述多个不同灰度图像中像素点的灰度值均值以及标准差或方差；
对所述多个不同灰度图像中像素点的灰度值均值与标准差或方差进行曲线拟合，获得拟合曲线。
8.一种图像处理装置，其特征在于，包括：
灰度获得模块，用于获得第一图像中每个像素点的第一灰度值以及所有像素点的第一灰度值均值；
阈值获得模块，将所述第一灰度值均值输入预设拟合曲线中，得到第一阈值；
差值计算模块，用于分别获得所述第一图像中每个像素点的第一灰度值与其周围预设数量像素点的灰度值之间的第一差值；
比较模块，用于分别将每个所述第一差值与所述第一阈值进行比较，基于比较结果确定每个所述像素点的第二灰度值；
输出模块，用于基于每个所述像素点的第二灰度值，输出第二图像。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；存储器；以及一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中，所述一个或多个计算机程序包括指令，当所述指令被所述装置执行时，使得所述电子设备执行如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，当其在计算机上运行时，使得计算机执行如权利要求1至7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011427594.6A CN114596212A (zh) | 2020-12-07 | 2020-12-07 | 图像处理方法、装置和设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011427594.6A CN114596212A (zh) | 2020-12-07 | 2020-12-07 | 图像处理方法、装置和设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114596212A true CN114596212A (zh) | 2022-06-07 |
Family
ID=81803204
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011427594.6A Pending CN114596212A (zh) | 2020-12-07 | 2020-12-07 | 图像处理方法、装置和设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114596212A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114764804A (zh) * | 2022-06-16 | 2022-07-19 | 深圳新视智科技术有限公司 | 锂电池极片缺陷检测方法、装置、设备及存储介质 |
| CN115759148A (zh) * | 2023-01-10 | 2023-03-07 | 深圳思谋信息科技有限公司 | 图像处理方法、装置、计算机设备及计算机可读存储介质 |
| CN115830806A (zh) * | 2022-11-11 | 2023-03-21 | 河海大学 | 基于高分遥感的自然灾害情况分析系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070127836A1 (en) * | 2005-12-07 | 2007-06-07 | Micron Technology, Inc. | Method and apparatus providing noise reduction while preserving edges for imagers |
| US20100272340A1 (en) * | 2007-12-25 | 2010-10-28 | Ezer Bar-Aviv | Noise reduction of images |
| CN103475828A (zh) * | 2013-10-10 | 2013-12-25 | 旗瀚科技有限公司 | 一种图像坏点校正方法及图像传感器 |
| CN108093182A (zh) * | 2018-01-26 | 2018-05-29 | 广东欧珀移动通信有限公司 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
| CN109325917A (zh) * | 2017-08-01 | 2019-02-12 | 深圳市中兴微电子技术有限公司 | 一种检测图像中噪点的方法及装置、计算机可读存储介质 |
| CN111311512A (zh) * | 2020-02-11 | 2020-06-19 | 上海奕瑞光电子科技股份有限公司 | 随机噪点校正方法 |
| CN111563849A (zh) * | 2020-03-20 | 2020-08-21 | 潍坊科技学院 | 一种观测图像去噪方法及系统 |
-
2020
- 2020-12-07 CN CN202011427594.6A patent/CN114596212A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070127836A1 (en) * | 2005-12-07 | 2007-06-07 | Micron Technology, Inc. | Method and apparatus providing noise reduction while preserving edges for imagers |
| US20100272340A1 (en) * | 2007-12-25 | 2010-10-28 | Ezer Bar-Aviv | Noise reduction of images |
| CN103475828A (zh) * | 2013-10-10 | 2013-12-25 | 旗瀚科技有限公司 | 一种图像坏点校正方法及图像传感器 |
| CN109325917A (zh) * | 2017-08-01 | 2019-02-12 | 深圳市中兴微电子技术有限公司 | 一种检测图像中噪点的方法及装置、计算机可读存储介质 |
| CN108093182A (zh) * | 2018-01-26 | 2018-05-29 | 广东欧珀移动通信有限公司 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
| CN111311512A (zh) * | 2020-02-11 | 2020-06-19 | 上海奕瑞光电子科技股份有限公司 | 随机噪点校正方法 |
| CN111563849A (zh) * | 2020-03-20 | 2020-08-21 | 潍坊科技学院 | 一种观测图像去噪方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 杨亚美: "sCMOS相机的噪声检测与校正方法研究", 工程科技Ⅱ辑, 15 July 2019 (2019-07-15), pages 028 - 156 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114764804A (zh) * | 2022-06-16 | 2022-07-19 | 深圳新视智科技术有限公司 | 锂电池极片缺陷检测方法、装置、设备及存储介质 |
| CN114764804B (zh) * | 2022-06-16 | 2022-09-20 | 深圳新视智科技术有限公司 | 锂电池极片缺陷检测方法、装置、设备及存储介质 |
| CN115830806A (zh) * | 2022-11-11 | 2023-03-21 | 河海大学 | 基于高分遥感的自然灾害情况分析系统 |
| CN115830806B (zh) * | 2022-11-11 | 2024-05-03 | 河海大学 | 基于高分遥感的自然灾害情况分析系统 |
| CN115759148A (zh) * | 2023-01-10 | 2023-03-07 | 深圳思谋信息科技有限公司 | 图像处理方法、装置、计算机设备及计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114596212A (zh) | 图像处理方法、装置和设备 | |
| EP2293239B1 (en) | Line noise reduction apparatus and method | |
| Khan et al. | An adaptive dynamically weighted median filter for impulse noise removal | |
| US10021413B2 (en) | Apparatus and method for video data processing | |
| US10832381B2 (en) | Processing at least one X-ray image | |
| JP6128987B2 (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
| EP3067858A1 (en) | Image noise reduction | |
| JP2014045488A (ja) | ドットノイズを実質的に除去するための方法および画像処理装置 | |
| CN107451978B (zh) | 一种图像处理方法、装置及设备 | |
| JP2010054356A (ja) | 画像処理装置及びそれを備えたｘ線異物検出装置並びに画像処理方法 | |
| EP3067863A1 (en) | Image noise reduction | |
| JP2010193199A (ja) | 画像処理装置および画像処理方法 | |
| CN110874827A (zh) | 湍流图像复原方法、装置、终端设备及计算机可读介质 | |
| JP5105286B2 (ja) | 画像復元装置、画像復元方法及び画像復元プログラム | |
| CN113112561B (zh) | 图像重建方法、装置和电子设备 | |
| US20090257675A1 (en) | Method and system for noise level detection in image data | |
| US8208753B2 (en) | Method and system for noise level detection in image data | |
| US12045948B2 (en) | Image processing method and system | |
| US11823441B2 (en) | Machine learning apparatus, machine learning method, and non-transitory computer-readable storage medium | |
| JP5928465B2 (ja) | 劣化復元システム、劣化復元方法およびプログラム | |
| WO2017221376A1 (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
| CN114372938A (zh) | 一种基于标定的图像自适应复原方法 | |
| KR101619089B1 (ko) | 영상잡음 제거방법 | |
| Taha et al. | Efficient implementation of smoothing filters using fpga | |
| CN111445397A (zh) | 平板探测器残影校正方法、装置、存储介质及医疗设备 |
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 |