CN114693543B - 图像降噪方法及装置、图像处理芯片、图像采集设备 - Google Patents

图像降噪方法及装置、图像处理芯片、图像采集设备 Download PDF

Info

Publication number
CN114693543B
CN114693543B CN202111512485.9A CN202111512485A CN114693543B CN 114693543 B CN114693543 B CN 114693543B CN 202111512485 A CN202111512485 A CN 202111512485A CN 114693543 B CN114693543 B CN 114693543B
Authority
CN
China
Prior art keywords
pixel
value
image
gradient
gradient direction
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
CN202111512485.9A
Other languages
English (en)
Other versions
CN114693543A (zh
Inventor
徐会
侯健达
杨远飞
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.)
Zhuhai Jieli Technology Co Ltd
Original Assignee
Zhuhai Jieli Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhuhai Jieli Technology Co Ltd filed Critical Zhuhai Jieli Technology Co Ltd
Priority to CN202111512485.9A priority Critical patent/CN114693543B/zh
Publication of CN114693543A publication Critical patent/CN114693543A/zh
Application granted granted Critical
Publication of CN114693543B publication Critical patent/CN114693543B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators

Landscapes

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

Abstract

本发明提供了一种图像降噪方法及装置、图像处理芯片、图像采集设备。该图像降噪方法包括：对待处理图像进行低通滤波处理，得到待处理图像中各像素的低通滤波灰度值；计算待处理图像在各像素上的梯度幅值，然后对得到的梯度幅值进行第一均值滤波处理，得到待处理图像中各像素的滤波梯度幅值；从待处理图像中获取待降噪像素，并以待降噪像素为中心在待处理图像中选择搜索窗；对于搜索窗中若干个像素中的每一个像素，根据其与待降噪像素之间的低通滤波灰度值之差的绝对值和滤波梯度幅值之差的绝对值计算两者之间的相似距离。本发明有利于减小图像降噪所需的硬件资源消耗。

Description

图像降噪方法及装置、图像处理芯片、图像采集设备
技术领域
本发明涉及图像处理领域，尤其涉及一种图像降噪方法及装置、图像处理芯片、图像采集设备。
背景技术
图像降噪技术是芯片内部图像处理单元(ISP)的核心技术，其降噪的性能和效果直接影响着一些消费电子相关产品(如运动DV，行车记录仪)的性能。在图像的获取和传输过程中，会因为各种因素引入不同种类的噪声。噪声不仅影响了图像的视觉效果，而且给后期的视频图像分析和处理带来了困难。因此，降低图像中的噪声是图像处理过程中必不可少的一个环节。
目前，非局部均值NLM(Non-Local Means)算法在整个图像去噪领域取得了不错的效果，其以待降噪像素点为中心，设定一定大小的搜索窗口，并在窗口内寻找与待处理图像块(以待降噪像素点为中心的图像块)相似的图像块，然后对所有相似块进行权重的度量和归一化处理，并用得到的归一化权重对搜索窗内的所有像素点的值进行加权平均，得到待处理图像各个点去噪后的像素值。
但目前的NLM算法计算量较大，需要较大的硬件资源消耗，不利于直接采用电路实现降噪功能。
发明内容
基于上述现状，本发明的主要目的在于提供一种图像降噪方法及装置、图像处理芯片、图像采集设备，有利于减小图像降噪所需的硬件资源消耗。
为实现上述目的，本发明的技术方案提供了一种图像降噪方法，包括：
步骤100：对待处理图像进行低通滤波处理，得到所述待处理图像中各像素的低通滤波灰度值；
步骤200：计算所述待处理图像在各像素上的梯度幅值，然后对得到的梯度幅值进行第一均值滤波处理，得到所述待处理图像中各像素的滤波梯度幅值，其中，对于所述待处理图像中的各像素，其滤波梯度幅值为以其为中心的图像块中各像素的梯度幅值的平均值；
步骤300：从所述待处理图像中获取待降噪像素，并以所述待降噪像素为中心在所述待处理图像中选择搜索窗；
步骤400：对于所述搜索窗中若干个像素中的每一个像素，根据其与所述待降噪像素之间的低通滤波灰度值之差的绝对值和滤波梯度幅值之差的绝对值计算两者之间的相似距离，其中，所述低通滤波灰度值之差的绝对值、所述滤波梯度幅值之差的绝对值与计算得到的相似距离均呈正相关；
步骤500：根据所述搜索窗中的像素与所述待降噪像素之间的相似距离确定所述待降噪像素降噪后的灰度值。
进一步地，在所述步骤100、所述步骤200和所述步骤300之前，所述方法还包括：
对图像传感器采集的图像进行双边滤波处理，从而得到所述待处理图像。
进一步地，所述步骤100包括：
对所述待处理图像进行第二均值滤波处理；
其中，I(i,j)表示第二均值滤波处理前，所述待处理图像中像素(i,j)的灰度值，Avg_I(x,y)表示像素(x,y)的低通滤波灰度值，Nw、Nh均为预设值。
进一步地，所述步骤200还包括：计算所述待处理图像在各像素上的梯度方向值，所述梯度方向值为梯度方向角或梯度方向角的量化值；
所述步骤400包括：对于所述搜索窗中的各像素，先判断其与所述待降噪像素之间，是否满足梯度幅值之差的绝对值大于预设的幅度阈值、且梯度方向值之差的绝对值大于预设的方向阈值，若是，则将两者之间的相似距离设为预设的最大相似距离值，若否，则根据其与所述待降噪像素之间的低通滤波灰度值之差的绝对值和滤波梯度幅值之差的绝对值计算两者之间的相似距离，且计算得到的相似距离的值小于所述最大相似距离值。
进一步地，步骤200中，计算所述待处理图像在各像素上的梯度方向值包括：
步骤210：计算所述待处理图像在像素上的梯度(G1,G2)，其中，G1是水平方向上的梯度，G2是垂直方向上的梯度；
步骤220：计算G2与G1的比值，并根据所述比值的绝对值所在的数值区间以及梯度(G1,G2)所在的象限在预设的对应关系中查找该像素的梯度方向值，其中，所述对应关系包括多个不同的数值区间、以及每一个所述数值区间与不同象限的组合所对应的梯度方向值。
进一步地，所述对应关系包括：
当G2与G1的比值的绝对值位于数值区间[0，a)时：若G1>0且G2>0，则对应的梯度方向值为0；若G1<0且G2>0，则对应的梯度方向值为4；若G1<0且G2≤0，则对应的梯度方向值为4；若G1>0且G2≤0，则对应的梯度方向值为0；
当G2与G1的比值的绝对值位于数值区间[a，b)时：若G1>0且G2>0，则对应的梯度方向值为1；若G1<0且G2>0，则对应的梯度方向值为3；若G1<0且G2≤0，则对应的梯度方向值为5；若G1>0且G2≤0，则对应的梯度方向值为7；
当G2与G1的比值的绝对值位于数值区间[b，+∞)时：若G1>0且G2>0，则对应的梯度方向值为2；若G1<0且G2>0，则对应的梯度方向值为2；若G1<0且G2≤0，则对应的梯度方向值为6；若G1>0且G2≤0，则对应的梯度方向值为6；
其中，a、b均为预设值，且a小于b。
进一步地，所述步骤400中，所述根据其与所述待降噪像素之间的低通滤波灰度值之差的绝对值和滤波梯度幅值之差的绝对值计算两者之间的相似距离，包括：
若所述待降噪像素为非边缘像素，则通过以下方式计算所述两者之间的相似距离；
若所述待降噪像素为边缘像素，则通过以下方式计算所述两者之间的相似距离；
其中，Dist表示所述两者之间的相似距离，abs(Avg_I(x1,y1)-Avg_I(x2,y2))表示所述两者之间的低通滤波灰度值之差的绝对值，abs(Avg_Mag(x1,y1)-Avg_Mag(x2,y2))表示所述两者之间的滤波梯度幅值之差的绝对值，abs(Ang(x1,y1)-Ang(x2,y2))表示所述两者之间的梯度方向值之差的绝对值，edge_alpha、angle_alpha均为预设值且均为正。
进一步地，所述步骤400还包括：
若所述待降噪像素的梯度幅值大于预设的边缘阈值，则确定所述待降噪像素为边缘像素，否则确定所述待降噪像素为非边缘像素。
为实现上述目的，本发明的技术方案还提供了一种图像降噪装置，包括：
第一处理模块，用于对待处理图像进行低通滤波处理，得到所述待处理图像中各像素的低通滤波灰度值；
第二处理模块，用于计算所述待处理图像在各像素上的梯度幅值，然后对得到的梯度幅值进行第一均值滤波处理，得到所述待处理图像中各像素的滤波梯度幅值，其中，对于所述待处理图像中的各像素，其滤波梯度幅值为以其为中心的图像块中各像素的梯度幅值的平均值；
降噪像素选择模块，用于从所述待处理图像中获取待降噪像素，并以所述待降噪像素为中心在所述待处理图像中选择搜索窗；
相似距离确定模块，用于对于所述搜索窗中若干个像素中的每一个像素，根据其与所述待降噪像素之间的低通滤波灰度值之差的绝对值和滤波梯度幅值之差的绝对值计算两者之间的相似距离，其中，所述低通滤波灰度值之差的绝对值、所述滤波梯度幅值之差的绝对值与计算得到的相似距离均呈正相关；
降噪模块，用于根据所述搜索窗中的像素与所述待降噪像素之间的相似距离确定所述待降噪像素降噪后的灰度值。
进一步地，所述装置还包括：
预处理模块，用于对图像传感器采集的图像进行双边滤波处理，从而得到所述待处理图像。
进一步地，所述第一处理模块包括：
均值滤波处理单元，用于对所述待处理图像进行第二均值滤波处理；
其中，I(i,j)表示第二均值滤波处理前，所述待处理图像中像素(i,j)的灰度值，Avg_I(x,y)表示像素(x,y)的低通滤波灰度值，Nw、Nh均为预设值。
进一步地，所述第二处理模块还用于计算所述待处理图像在各像素上的梯度方向值，所述梯度方向值为梯度方向角或梯度方向角的量化值；
所述相似距离确定模块用于对于所述搜索窗中的各像素，先判断其与所述待降噪像素之间，是否满足梯度幅值之差的绝对值大于预设的幅度阈值、且梯度方向值之差的绝对值大于预设的角度阈值，若是，则将两者之间的相似距离设为预设的最大相似距离值，若否，则根据其与所述待降噪像素之间的低通滤波灰度值之差的绝对值和滤波梯度幅值之差的绝对值计算两者之间的相似距离，且计算得到的相似距离的值小于所述最大相似距离值。
进一步地，所述第二处理模块包括：
第一计算处理单元，用于计算所述待处理图像在像素上的梯度(G1,G2)，其中，G1是水平方向上的梯度，G2是垂直方向上的梯度；
第二计算处理单元，用于计算G2与G1的比值，并根据所述比值的绝对值所在的数值区间以及梯度(G1,G2)所在的象限在预设的对应关系中查找该像素的梯度方向值，其中，所述对应关系包括多个不同的数值区间、以及每一个所述数值区间与不同象限的组合所对应的梯度方向值。
进一步地，所述对应关系包括：
当G2与G1的比值的绝对值位于数值区间[0，a)时：若G1>0且G2>0，则对应的梯度方向值为0；若G1<0且G2>0，则对应的梯度方向值为4；若G1<0且G2≤0，则对应的梯度方向值为4；若G1>0且G2≤0，则对应的梯度方向值为0；
当G2与G1的比值的绝对值位于数值区间[a，b)时：若G1>0且G2>0，则对应的梯度方向值为1；若G1<0且G2>0，则对应的梯度方向值为3；若G1<0且G2≤0，则对应的梯度方向值为5；若G1>0且G2≤0，则对应的梯度方向值为7；
当G2与G1的比值的绝对值位于数值区间[b，+∞)时：若G1>0且G2>0，则对应的梯度方向值为2；若G1<0且G2>0，则对应的梯度方向值为2；若G1<0且G2≤0，则对应的梯度方向值为6；若G1>0且G2≤0，则对应的梯度方向值为6；
其中，a、b均为预设值，且a小于b。
进一步地，所述相似距离确定模块包括：
第一相似距离计算单元，用于若所述待降噪像素为非边缘像素，通过以下方式计算所述两者之间的相似距离；
第二相似距离计算单元，用于若所述待降噪像素为边缘像素，通过以下方式计算所述两者之间的相似距离；
其中，Dist表示所述两者之间的相似距离，abs(Avg_I(x1,y1)-Avg_I(x2,y2))表示所述两者之间的滤波灰度值之差的绝对值，abs(Avg_Mag(x1,y1)-Avg_Mag(x2,y2))表示所述两者之间的滤波梯度幅值之差的绝对值，abs(Ang(x1,y1)-Ang(x2,y2))表示所述两者之间的梯度方向值之差的绝对值，edge_alpha、angle_alpha均为预设值且均为正。
进一步地，所述相似距离确定模块还包括：
检测单元，用于若所述待降噪像素的梯度幅值Mag大于预设的边缘阈值，则确定所述待降噪像素为边缘像素，否则确定所述待降噪像素为非边缘像素。
为实现上述目的，本发明的技术方案还提供了一种图像处理芯片，所述图像处理芯片可实现上述的图像降噪方法。
为实现上述目的，本发明的技术方案还提供了一种图像采集设备，包括上述的图像降噪装置或者包括上述的图像处理芯片。
本发明提供的图像降噪方法，通过对待处理图像进行低通滤波处理从待处理图像中提取低频成分，并通过计算待处理图像在各像素上的梯度幅值，然后对得到的梯度幅值进行第一均值滤波处理，从待降噪图像中提取高频成分，然后分别利用提取的低频成分计算低频距离，利用提取的高频成分提取高频距离，再将低频距离和高频距离融合，确定像素间的相似距离，通过上述方式，不但可以较为准确得到待降噪像素与周围其他像素之间的相似情况，同时还有利于降低实现的复杂度，减小了降噪所需的硬件资源消耗，有利于直接采用电路实现降噪功能。
附图说明
以下将参照附图对根据本申请的优选实施方式进行描述。图中：
图1是本发明实施例提供的一种图像降噪方法的流程图；
图2是本发明实施例提供的另一种图像降噪方法的流程图；
图3是本发明实施例提供的一种图像降噪装置的示意图。
具体实施方式
以下基于实施例对本申请进行描述，但是本申请并不仅仅限于这些实施例。在下文对本申请的细节描述中，详尽描述了一些特定的细节部分，为了避免混淆本申请的实质，公知的方法、过程、流程、元件并没有详细叙述。
此外，本领域普通技术人员应当理解，在此提供的附图都是为了说明的目的，并且附图不一定是按比例绘制的。
除非上下文明确要求，否则整个说明书和权利要求书中的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义；也就是说，是“包括但不限于”的含义。
在本申请的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。
需要说明的是，本发明中采用步骤编号(字母或数字编号)来指代某些具体的方法步骤，仅仅是出于描述方便和简洁的目的，而绝不是用字母或数字来限制这些方法步骤的顺序。本领域的技术人员能够明了，相关方法步骤的顺序，应由技术本身决定，不应因步骤编号的存在而被不适当地限制。
目前的非局部均值NLM(Non-Local Means)算法中，对于图像v中的像素点i，其降噪后的灰度值为对搜索窗内的各像素点v(j)的灰度值进行加权平均得到的值，计算方式如下：
其中，其中W(i,j)为权重，表示像素点i和像素点j之间的相似度，越相似，值越大，W(i,j)通过计算图像块之间的欧氏距离得到，具体如下：
其中参数h为滤波系数，Z(i)为权重归一化值，是两个图像块i和j的加权欧氏距离，具体计算公式如下：
可以看出，目前的非局部均值NLM(Non-Local Means)算法中，采用欧式距离确定权重的方式存在计算量较大的问题，这样就不易直接采用硬件电路实现图像的降噪功能。
针对现有技术中的上述问题，本发明实施例提供了一种图像降噪方法，参见图1，该图像降噪方法包括：
步骤100：对待处理图像进行低通滤波处理，得到所述待处理图像中各像素的低通滤波灰度值；
该步骤中，通过对待处理图像进行低通滤波处理，滤波后的结果保留了较多的低频统计量，从而在待处理图像中提取低频成分；
步骤200：计算所述待处理图像在各像素上的梯度幅值，然后对得到的梯度幅值进行第一均值滤波处理，得到所述待处理图像中各像素的滤波梯度幅值，其中，对于所述待处理图像中的各像素，其滤波梯度幅值为以其为中心的图像块中各像素的梯度幅值的平均值；
其中，得到的像素的滤波梯度幅值可以反映出该像素所在位置的纹理强弱(纹理丰富度)；
步骤300：从所述待处理图像中获取待降噪像素，并以所述待降噪像素为中心在所述待处理图像中选择搜索窗；
步骤400：对于所述搜索窗中若干个像素中的每一个像素，根据其与所述待降噪像素之间的低通滤波灰度值之差的绝对值和滤波梯度幅值之差的绝对值计算两者之间的相似距离，其中，所述低通滤波灰度值之差的绝对值、所述滤波梯度幅值之差的绝对值与计算得到的相似距离均呈正相关；
其中，该若干个像素可以是搜索窗中的所有像素，可以是搜索窗中的部分像素；
步骤500：根据所述搜索窗中的像素与所述待降噪像素之间的相似距离确定所述待降噪像素降噪后的灰度值，可以理解的是，像素与待降噪像素之间的相似距离越小，在计算待降噪像素降噪后的灰度值时该像素相应的权重越大，相似距离越大，该像素相应的权重越小。
其中，本发明不对步骤100、步骤200和步骤300的先后执行顺序进行限定，例如，步骤100、步骤200和步骤300可以同时执行；也可以先执行步骤100，再依次执行步骤200、步骤300；或者先执行步骤300，再依次执行步骤100、步骤200；或者也可以是其他执行顺序等；
本发明实施例提供的图像降噪方法，通过对待处理图像进行低通滤波处理从待处理图像中提取低频成分，并通过计算待处理图像在各像素上的梯度幅值，然后对得到的梯度幅值进行第一均值滤波处理，从待降噪图像中提取高频成分，然后分别利用提取的低频成分计算低频距离，利用提取的高频成分提取高频距离，再将低频距离和高频距离融合，确定像素间的相似距离，通过上述方式，不但可以较为准确得到待降噪像素与周围其他像素之间的相似情况，同时还有利于降低实现的复杂度，减小了降噪所需的硬件资源消耗，有利于直接采用电路实现降噪功能。
例如，在本发明的一实施例中，所述步骤100、所述步骤200和所述步骤300中的待处理图像可以是图像传感器采集的图像(即含有噪声的原始图像)。
优选地，在本发明的另一实施例中，在所述步骤100、所述步骤200和所述步骤300之前，所述方法还包括：对图像传感器采集的图像进行双边滤波处理，从而得到所述待处理图像。即所述步骤100、所述步骤200和所述步骤300中的待处理图像可以是图像传感器采集的图像经过双边滤波处理得到的图像，通过采用双边滤波器对含有噪声的原始图像进行预处理，不但可以保留图像边缘信息，同时对平坦区域进行预降噪，避免噪声影响后续步骤200中的边缘计算。
例如，在一实施例中，步骤100中的低通滤波处理可以采用均值滤波处理方式，该步骤100可以包括：
对所述待处理图像进行第二均值滤波处理；
其中，I(i,j)表示第二均值滤波处理前，所述待处理图像中像素(i,j)的灰度值，Avg_I(x,y)表示像素(x,y)的低通滤波灰度值，Nw、Nh均为预设值，表示图像块的大小，该公式中，(i,j)表示像素的坐标。
例如，在一实施例中，步骤400可以包括：对于所述搜索窗中的各像素，先判断其与所述待降噪像素之间，是否满足梯度幅值之差的绝对值大于预设的幅度阈值、且梯度方向值之差的绝对值大于预设的方向阈值，若是，则将两者之间的相似距离设为预设的最大相似距离值，若否，则根据其与所述待降噪像素之间的低通滤波灰度值之差的绝对值和滤波梯度幅值之差的绝对值计算两者之间的相似距离，且计算得到的相似距离的值小于所述最大相似距离值。即该步骤中，对于搜索窗中的每一个像素，先判断该像素与待降噪像素之间的梯度(幅值和方向)是否存在较大距离，若存在较大距离，直接将两者之间的相似距离设为预设的最大值，当不存在较大距离时，分别利用提取的低频成分计算低频距离，利用提取的高频成分提取高频距离，再将低频距离和高频距离融合，确定像素间的相似距离，通过上述方式，能够进一步降低实现的复杂度。
本发明实施例还提供了另一种图像降噪方法，参见图2，该图像降噪方法包括：
步骤600：对图像传感器采集的图像进行双边滤波处理，从而得到待处理图像，然后分别执行步骤100、步骤200和步骤300；
该步骤中，可以采用双边滤波器对图像传感器采集的原始图像进行双边滤波处理从而得到待处理图像，通过采用双边滤波器对待降噪图像进行预处理，不但可以保留图像边缘信息，同时对平坦区域进行预降噪，避免噪声影响后续步骤200中的边缘计算；
步骤100：对所述待处理图像进行第二均值滤波处理，得到所述待处理图像中各像素的低通滤波灰度值；
其中，I(i,j)表示第二均值滤波处理前，所述待处理图像中像素(i,j)的灰度值，Avg_I(x,y)表示像素(x,y)的低通滤波灰度值，Nw、Nh均为预设值，该公式中，(i,j)表示像素的坐标。
即对待处理图像中的各像素，滤波处理后的灰度值为以其为中心的图像块中各像素的灰度值的均值，Nw为图像块的水平方向半径、Nh图像块的垂直方向半径；
该步骤中，通过对待处理图像进行均值滤波处理，滤波后的结果保留了较多的低频统计量，从待降噪图像中提取低频图像成分；
步骤200：计算所述待处理图像在各像素上的梯度幅值Mag和梯度方向值Ang，然后对得到的梯度幅值Mag进行第一均值滤波处理，得到所述待处理图像中各像素的滤波梯度幅值，其中，对于所述待处理图像中的各像素，其滤波梯度幅值为以其为中心的图像块中各像素的梯度幅值的平均值；
其中，Mag(i,j)表示第一均值滤波处理前，像素(i,j)上的梯度幅值，Avg_Mag(x,y)表示第一均值滤波处理后，像素(x,y)上的滤波梯度幅值，Nc、Nb均为预设值，表示图像块的大小，该公式中，(i,j)表示像素的坐标；
其中，不同梯度方向值代表不同的梯度方向，两像素之间，梯度方向值之差的绝对值越大，则代表两像素间的梯度方向差距越大，例如，梯度方向值Ang可以为梯度方向角，为负180度至正180度中的值；
例如，该步骤中，可以对待处理图像采用sobel边缘检测算法计算图像的边缘的幅值和梯度方向角度；
具体为，根据sobel边缘检测算子计算水平方向和垂直方向的梯度(G1,G2),再通过G1和G2计算当前边缘的角度和幅值：
梯度幅值为：Mag＝abs(G1)+abs(G2)；
梯度方向值为梯度方向角，即为：Ang＝arctan(G2)/(G1)；
在得到待处理图像在各像素上的梯度幅值Mag后，可进行幅值块滤波处理，即对待处理图像中的各像素，边缘幅值的滤波值Avg_Mag为以自身为中心的图像块(幅值块)中各像素的梯度幅值的均值，Nc为幅值块的水平方向半径、Nb为幅值块的垂直方向半径；
此外，梯度方向值Ang也可以是梯度方向角的量化值，可以将负180度至正180度的角度范围划分成多个角度区间(方向区间)，每一个角度区间对应一量化值，例如，可以划分成8个角度区间(每个角度区间的范围大小为45度)，分别对应量化值0、1、2、3、4、5、6、7，例如，负22.5度至正22.5度对应的量化值为0，正22.5度至正67.5度对应的量化值为1，正67.5度至正112.5度对应的量化值为2，正112.5度至正157.5度对应的量化值为3，正157.5度至正180度的区间和负180度至负157.5度的区间对应的量化值为4，负157.5度至负112.5度的区间对应的量化值为5，负112.5度至负67.5度的区间对应的量化值为6，负67.5度至负22.5度的区间对应的量化值为7；
该步骤中，通过第一均值滤波处理，滤波后的结果保留了较多的高频统计量，从待处理图像中提取高频成分，得到的像素的滤波梯度幅值可以反映出该像素所在位置的纹理强弱(纹理丰富度)；
步骤300：从所述待处理图像中获取待降噪像素，并以所述待降噪像素为中心在所述待处理图像中选择搜索窗；
步骤400：对于所述搜索窗中的各像素，先判断其与所述待降噪像素两者之间，是否满足梯度幅值Mag之差的绝对值大于预设的幅度阈值edge_th1、且梯度方向值Ang(即步骤200中计算的梯度方向值)之差的绝对值大于预设的方向阈值angle_th，若是，则将两者之间的相似距离设为预设的最大相似距离值Dist_Max，若否，则根据两者之间的滤波灰度值之差的绝对值和滤波梯度幅值之差的绝对值计算两者之间的相似距离，其中，所述滤波灰度值之差的绝对值、所述滤波梯度幅值之差的绝对值与计算得到的相似距离均呈正相关，且计算得到的相似距离的值小于所述最大相似距离值；
即该步骤中，对于搜索窗中的每一个像素：
若满足abs(Mag(x1,y1)-Mag(x2,y2))>edge_th1；
且满足abs(Ang(x1,y1)-Ang(x2,y2))>angle_th，则判断将待降噪像素与该像素之间相似度较小，则将两者间的相似距离设为预设的最大相似距离值Dist_Max；
其中，abs(Mag(x1,y1)-Mag(x2,y2))、abs(Ang(x1,y1)-Ang(x2,y2))分别表示待降噪像素与另一像素两者之间的梯度幅值之差的绝对值、梯度方向值之差的绝对值；
若未满足上述条件，则根据两者之间的滤波灰度值之差的绝对值和滤波梯度幅值之差的绝对值计算两者之间的相似距离，其中，滤波灰度值之差的绝对值越大，则计算得到的相似距离越大；滤波梯度幅值之差的绝对值越大，则计算得到的相似距离越大，例如可以采用二元一次函数计算相似距离，滤波灰度值之差的绝对值、滤波灰度值之差的绝对值为函数变量；
步骤500：根据所述搜索窗中的像素与所述待降噪像素之间的相似距离确定所述待降噪像素降噪后的灰度值，可以理解的是，对于搜索窗中的每一个像素，像素与待降噪像素之间的相似距离越小，在计算待降噪像素降噪后的灰度值时该像素相应的权重越大，相似距离越大，该像素相应的权重越小；
通过步骤400可以得到搜索窗中的各像素与待降噪像素之间的相似距离，然后根据相似距离确定权重W(i,j)，例如，可将现有计算权重W(i,j)公式中的欧式距离替换为上述计算的相似距离，得到各像素相应的权重，然后通过如下方式计算得到待降噪像素降噪后的灰度值；
即对于待处理图像v中的待降噪像素点i，其降噪后的灰度值为对搜索窗内的各像素点v(j)的灰度值进行加权平均得到的值。
本发明实施例提供的图像降噪方法，先对图像传感器采集的图像进行双边滤波处理，得到待处理图像，然后，通过第二均值滤波处理从待处理图像中提取低频成分，通过第一均值滤波处理从待降噪图像中提取高频成分，当像素间的梯度(幅值和方向)存在较大距离时，直接将两者之间的相似距离设为预设的最大值，当梯度不存在较大距离时，分别利用提取的低频成分计算低频距离，利用提取的高频成分提取高频距离，再将低频距离和高频距离融合，确定像素间的相似距离，通过上述方式，不但可以较为准确得到待降噪像素与周围其他像素之间的相似情况，同时还有利于降低实现的复杂度，减小了降噪所需的硬件资源消耗，有利于直接采用电路实现降噪功能。
优选地，在一实施例中，为了进一步地降低计算量，步骤200中，计算所述待处理图像在各像素上的梯度方向值包括：
步骤210：计算所述待处理图像在像素上的梯度(G1,G2)，其中，G1是水平方向上的梯度，G2是垂直方向上的梯度；
步骤220：计算G2与G1的比值，并根据所述比值的绝对值所在的数值区间以及梯度(G1,G2)所在的象限在预设的对应关系中查找该像素的梯度方向值，其中，所述对应关系包括多个不同的数值区间、以及每一个所述数值区间与不同象限的组合所对应的梯度方向值。
由于函数arctan的实现也需要较多的硬件资源，为了进一步地降低所需的硬件资源消耗，可以通过上述的方式确定梯度方向值Ang，例如，可以预先将负180度至正180度的角度范围均分成多个角度区间，然后计算每一个角度区间对应的G2与G1的比值的绝对值的数值范围，再选择一角度或角度的量化值作为该比值区间对应的梯度方向值，并根据G2与G1的正负方向(所在的象限)建立并存储对应关系，这样，在计算像素的梯度方向角Ang时，只需计算G2与G1的比值的绝对值，然后根据(G1,G2)所在的象限即可在预存储的对应关系中查找到该像素的梯度方向值。
其中，步骤400中，所述根据其与所述待降噪像素之间的低通滤波灰度值之差的绝对值和滤波梯度幅值之差的绝对值计算两者之间的相似距离，可以包括：
若所述待降噪像素为非边缘像素，则通过以下方式计算所述两者之间的相似距离；
若所述待降噪像素为边缘像素，则通过以下方式计算所述两者之间的相似距离；
其中，Dist表示所述两者之间的相似距离，abs(Avg_I(x1,y1)-Avg_I(x2,y2))表示所述两者之间的低通滤波灰度值之差的绝对值，abs(Avg_Mag(x1,y1)-Avg_Mag(x2,y2))表示所述两者之间的滤波梯度幅值之差的绝对值，abs(Ang(x1,y1)-Ang(x2,y2))表示所述两者之间的梯度方向值之差的绝对值，edge_alpha、angle_alpha均为预设值且均为正。
其中，在该所述步骤400中，可以通过以下方式确定待降噪像素是否为边缘像素：若所述待降噪像素的梯度幅值大于预设的边缘阈值edge_th0，则确定所述待降噪像素为边缘像素，否则确定所述待降噪像素为非边缘像素。
即上述方式中，对于非边缘上的待降噪像素，在确定其与周围的像素之间的相似距离时，仅根据两者之间的滤波灰度值之差的绝对值和滤波梯度幅值之差的绝对值计算两者之间的相似距离，而对于边缘上的待降噪像素，在确定其与周围的像素之间的相似距离时，不但根据两者之间的滤波灰度值之差的绝对值和滤波梯度幅值之差的绝对值，还可根据两者之间的梯度方向值之差的绝对值计算两者之间的相似距离，这样可以进一步地提高计算的相似距离的准确性。
例如，在一实施例中，梯度方向值为梯度方向角的量化值，上述的对应关系可以包括：
当G2与G1的比值的绝对值位于数值区间[0，a)时：若G1>0且G2>0，则对应的梯度方向值为0；若G1<0且G2>0，则对应的梯度方向值为4；若G1<0且G2≤0，则对应的梯度方向值为4；若G1>0且G2≤0，则对应的梯度方向值为0；
当G2与G1的比值的绝对值位于数值区间[a，b)时：若G1>0且G2>0，则对应的梯度方向值为1；若G1<0且G2>0，则对应的梯度方向值为3；若G1<0且G2≤0，则对应的梯度方向值为5；若G1>0且G2≤0，则对应的梯度方向值为7；
当G2与G1的比值的绝对值位于数值区间[b，+∞)时：若G1>0且G2>0，则对应的梯度方向值为2；若G1<0且G2>0，则对应的梯度方向值为2；若G1<0且G2≤0，则对应的梯度方向值为6；若G1>0且G2≤0，则对应的梯度方向值为6；
其中，a、b均为预设值，且a小于b。
例如，a的值可以为0.374，b的值可以为2.414；
需要说明的是，本发明中的上述各预设值和各阈值的具体数值可以根据具体的应用场景进行选取，例如，边缘阈值edge_th0可以为40左右，预设值edge_alpha可以为0.5左右，预设值angle_alpha可以为20左右，幅度阈值edge_th1可以为30左右，方向阈值angle_th可以为3左右。
本发明的图像降噪方法可以大大减小计算量，例如，以7x7的搜索窗和7x7的图像块的大小为例，在对一个像素点进行降噪的过程中，传统的NLM算法需要49*49*2次乘法和49*49*2次加减法，本发明改进后的方法大约需要49*3次乘法和49*6+6*2次加减法，其中，对已计算的像素点，直接取幅值及角度滤波运算即可。
本发明提供的基于图像边缘滤波处理的图像降噪方法，通过对边缘幅值进行滤波处理，并对角度进行量化处理，将待降噪像素与其他周围像素的相似距离计算过程分解为低频图像成分+高频图像成分+角度约束项，大大提高了图像降噪边缘滤波的效率。
本发明提供的图像降噪方法，在局域降噪流程中，增加了边缘幅值的低高频分段滤波、像素角度约束项，从而保留降噪后图像的边缘细节，提升降噪效果，并且相比传统的欧式距离公式遍历所有像素点计算像素间距离的方式，本方案还在一定程度上减小了降噪实现的硬件资源消耗。
本发明实施例还提供了的一种图像降噪装置，参见图3，该图像降噪装置包括：
第一处理模块1，用于对待处理图像进行低通滤波处理，得到所述待处理图像中各像素的低通滤波灰度值；
第二处理模块2，用于计算所述待处理图像在各像素上的梯度幅值，然后对得到的梯度幅值进行第一均值滤波处理，得到所述待处理图像中各像素的滤波梯度幅值，其中，对于所述待处理图像中的各像素，其滤波梯度幅值为以其为中心的图像块中各像素的梯度幅值的平均值；
降噪像素选择模块3，用于从所述待处理图像中获取待降噪像素，并以所述待降噪像素为中心在所述待处理图像中选择搜索窗；
相似距离确定模块4，用于对于所述搜索窗中若干个像素中的每一个像素，根据其与所述待降噪像素之间的低通滤波灰度值之差的绝对值和滤波梯度幅值之差的绝对值计算两者之间的相似距离，其中，所述低通滤波灰度值之差的绝对值、所述滤波梯度幅值之差的绝对值与计算得到的相似距离均呈正相关；
降噪模块5，用于根据所述搜索窗中的像素与所述待降噪像素之间的相似距离确定所述待降噪像素降噪后的灰度值。
例如，在一实施例中，所述装置还包括：
预处理模块，用于对图像传感器采集的图像进行双边滤波处理，从而得到所述待处理图像。
例如，在一实施例中，所述第一处理模块包括：
均值滤波处理单元，用于对所述待处理图像进行第二均值滤波处理；
其中，I(i,j)表示第二均值滤波处理前，所述待处理图像中像素(i,j)的灰度值，Avg_I(x,y)表示像素(x,y)的低通滤波灰度值，Nw、Nh均为预设值。
例如，在一实施例中，所述第二处理模块还用于计算所述待处理图像在各像素上的梯度方向值，所述梯度方向值为梯度方向角或梯度方向角的量化值；
所述相似距离确定模块用于对于所述搜索窗中的各像素，先判断其与所述待降噪像素之间，是否满足梯度幅值之差的绝对值大于预设的幅度阈值、且梯度方向值之差的绝对值大于预设的角度阈值，若是，则将两者之间的相似距离设为预设的最大相似距离值，若否，则根据其与所述待降噪像素之间的低通滤波灰度值之差的绝对值和滤波梯度幅值之差的绝对值计算两者之间的相似距离，且计算得到的相似距离的值小于所述最大相似距离值。
例如，在一实施例中，所述第二处理模块包括：
第一计算处理单元，用于计算所述待处理图像在像素上的梯度(G1,G2)，其中，G1是水平方向上的梯度，G2是垂直方向上的梯度；
第二计算处理单元，用于计算G2与G1的比值，并根据所述比值的绝对值所在的数值区间以及梯度(G1,G2)所在的象限在预设的对应关系中查找该像素的梯度方向值，其中，所述对应关系包括多个不同的数值区间、以及每一个所述数值区间与不同象限的组合所对应的梯度方向值。
例如，在一实施例中，所述对应关系包括：
当G2与G1的比值的绝对值位于数值区间[0，a)时：若G1>0且G2>0，则对应的梯度方向值为0；若G1<0且G2>0，则对应的梯度方向值为4；若G1<0且G2≤0，则对应的梯度方向值为4；若G1>0且G2≤0，则对应的梯度方向值为0；
当G2与G1的比值的绝对值位于数值区间[a，b)时：若G1>0且G2>0，则对应的梯度方向值为1；若G1<0且G2>0，则对应的梯度方向值为3；若G1<0且G2≤0，则对应的梯度方向值为5；若G1>0且G2≤0，则对应的梯度方向值为7；
当G2与G1的比值的绝对值位于数值区间[b，+∞)时：若G1>0且G2>0，则对应的梯度方向值为2；若G1<0且G2>0，则对应的梯度方向值为2；若G1<0且G2≤0，则对应的梯度方向值为6；若G1>0且G2≤0，则对应的梯度方向值为6；
其中，a、b均为预设值，且a小于b。
例如，在一实施例中，所述相似距离确定模块包括：
第一相似距离计算单元，用于若所述待降噪像素为非边缘像素，通过以下方式计算所述两者之间的相似距离；
第二相似距离计算单元，用于若所述待降噪像素为边缘像素，通过以下方式计算所述两者之间的相似距离；
其中，Dist表示所述两者之间的相似距离，abs(Avg_I(x1,y1)-Avg_I(x2,y2))表示所述两者之间的滤波灰度值之差的绝对值，abs(Avg_Mag(x1,y1)-Avg_Mag(x2,y2))表示所述两者之间的滤波梯度幅值之差的绝对值，abs(Ang(x1,y1)-Ang(x2,y2))表示所述两者之间的梯度方向值之差的绝对值，edge_alpha、angle_alpha均为预设值且均为正。
例如，在一实施例中，所述相似距离确定模块还包括：
检测单元，用于若所述待降噪像素的梯度幅值Mag大于预设的边缘阈值，则确定所述待降噪像素为边缘像素，否则确定所述待降噪像素为非边缘像素。
本发明实施例还提供了一种图像处理芯片，所述图像处理芯片可实现上述的图像降噪方法。
本发明实施例还提供了一种图像采集设备，包括上述的图像降噪装置或者包括上述的图像处理芯片，例如，该图像采集设备可以是运动DV，行车记录仪、IPC监控设备等。
本领域的技术人员能够理解的是，在不冲突的前提下，上述各优选方案可以自由地组合、叠加。
应当理解，上述的实施方式仅是示例性的，而非限制性的，在不偏离本发明的基本原理的情况下，本领域的技术人员可以针对上述细节做出的各种明显的或等同的修改或替换，都将包含于本发明的权利要求范围内。

Claims (18)

1.一种图像降噪方法，其特征在于，包括：
步骤100：对待处理图像进行低通滤波处理，得到所述待处理图像中各像素的低通滤波灰度值；
步骤200：计算所述待处理图像在各像素上的梯度幅值，然后对得到的梯度幅值进行第一均值滤波处理，得到所述待处理图像中各像素的滤波梯度幅值，其中，对于所述待处理图像中的各像素，其滤波梯度幅值为以其为中心的图像块中各像素的梯度幅值的平均值；
步骤300：从所述待处理图像中获取待降噪像素，并以所述待降噪像素为中心在所述待处理图像中选择搜索窗；
步骤400：对于所述搜索窗中若干个像素中的每一个像素，根据其与所述待降噪像素之间的低通滤波灰度值之差的绝对值和滤波梯度幅值之差的绝对值计算两者之间的相似距离，其中，所述低通滤波灰度值之差的绝对值、所述滤波梯度幅值之差的绝对值与计算得到的相似距离均呈正相关；
步骤500：根据所述搜索窗中的像素与所述待降噪像素之间的相似距离确定所述待降噪像素降噪后的灰度值。
2.根据权利要求1所述的方法，其特征在于，在所述步骤100、所述步骤200和所述步骤300之前，所述方法还包括：
对图像传感器采集的图像进行双边滤波处理，从而得到所述待处理图像。
3.根据权利要求1所述的方法，其特征在于，所述步骤100包括：
对所述待处理图像进行第二均值滤波处理；
其中，I(i,j)表示第二均值滤波处理前，所述待处理图像中像素(i,j)的灰度值，Avg_I(x,y)表示像素(x,y)的低通滤波灰度值，Nw、Nh均为预设值。
4.根据权利要求1至3任一项所述的方法，其特征在于，所述步骤200还包括：计算所述待处理图像在各像素上的梯度方向值，所述梯度方向值为梯度方向角或梯度方向角的量化值；
所述步骤400包括：对于所述搜索窗中的各像素，先判断其与所述待降噪像素之间，是否满足梯度幅值之差的绝对值大于预设的幅度阈值、且梯度方向值之差的绝对值大于预设的方向阈值，若是，则将两者之间的相似距离设为预设的最大相似距离值，若否，则根据其与所述待降噪像素之间的低通滤波灰度值之差的绝对值和滤波梯度幅值之差的绝对值计算两者之间的相似距离，且计算得到的相似距离的值小于所述最大相似距离值。
5.根据权利要求4所述的方法，其特征在于，步骤200中，计算所述待处理图像在各像素上的梯度方向值包括：
步骤210：计算所述待处理图像在像素上的梯度(G1,G2)，其中，G1是水平方向上的梯度，G2是垂直方向上的梯度；
步骤220：计算G2与G1的比值，并根据所述比值的绝对值所在的数值区间以及梯度(G1,G2)所在的象限在预设的对应关系中查找该像素的梯度方向值，其中，所述对应关系包括多个不同的数值区间、以及每一个所述数值区间与不同象限的组合所对应的梯度方向值。
6.根据权利要求5所述的方法，其特征在于，所述对应关系包括：
当G2与G1的比值的绝对值位于数值区间[0，a)时：若G1>0且G2>0，则对应的梯度方向值为0；若G1<0且G2>0，则对应的梯度方向值为4；若G1<0且G2≤0，则对应的梯度方向值为4；若G1>0且G2≤0，则对应的梯度方向值为0；
当G2与G1的比值的绝对值位于数值区间[a，b)时：若G1>0且G2>0，则对应的梯度方向值为1；若G1<0且G2>0，则对应的梯度方向值为3；若G1<0且G2≤0，则对应的梯度方向值为5；若G1>0且G2≤0，则对应的梯度方向值为7；
当G2与G1的比值的绝对值位于数值区间[b，+∞)时：若G1>0且G2>0，则对应的梯度方向值为2；若G1<0且G2>0，则对应的梯度方向值为2；若G1<0且G2≤0，则对应的梯度方向值为6；若G1>0且G2≤0，则对应的梯度方向值为6；
其中，a、b均为预设值，且a小于b。
7.根据权利要求4所述的方法，其特征在于，所述步骤400中，所述根据其与所述待降噪像素之间的低通滤波灰度值之差的绝对值和滤波梯度幅值之差的绝对值计算两者之间的相似距离，包括：
若所述待降噪像素为非边缘像素，则通过以下方式计算所述两者之间的相似距离；
若所述待降噪像素为边缘像素，则通过以下方式计算所述两者之间的相似距离；
其中，Dist表示所述两者之间的相似距离，abs(Avg_I(x1,y1)-Avg_I(x2,y2))表示所述两者之间的低通滤波灰度值之差的绝对值，abs(Avg_Mag(x1,y1)-Avg_Mag(x2,y2))表示所述两者之间的滤波梯度幅值之差的绝对值，abs(Ang(x1,y1)-Ang(x2,y2))表示所述两者之间的梯度方向值之差的绝对值，edge_alpha、angle_alpha均为预设值且均为正。
8.根据权利要求7所述的方法，其特征在于，所述步骤400还包括：
若所述待降噪像素的梯度幅值大于预设的边缘阈值，则确定所述待降噪像素为边缘像素，否则确定所述待降噪像素为非边缘像素。
9.一种图像降噪装置，其特征在于，包括：
第一处理模块，用于对待处理图像进行低通滤波处理，得到所述待处理图像中各像素的低通滤波灰度值；
第二处理模块，用于计算所述待处理图像在各像素上的梯度幅值，然后对得到的梯度幅值进行第一均值滤波处理，得到所述待处理图像中各像素的滤波梯度幅值，其中，对于所述待处理图像中的各像素，其滤波梯度幅值为以其为中心的图像块中各像素的梯度幅值的平均值；
降噪像素选择模块，用于从所述待处理图像中获取待降噪像素，并以所述待降噪像素为中心在所述待处理图像中选择搜索窗；
相似距离确定模块，用于对于所述搜索窗中若干个像素中的每一个像素，根据其与所述待降噪像素之间的低通滤波灰度值之差的绝对值和滤波梯度幅值之差的绝对值计算两者之间的相似距离，其中，所述低通滤波灰度值之差的绝对值、所述滤波梯度幅值之差的绝对值与计算得到的相似距离均呈正相关；
降噪模块，用于根据所述搜索窗中的像素与所述待降噪像素之间的相似距离确定所述待降噪像素降噪后的灰度值。
10.根据权利要求9所述的装置，其特征在于，所述装置还包括：
预处理模块，用于对图像传感器采集的图像进行双边滤波处理，从而得到所述待处理图像。
11.根据权利要求9所述的装置，其特征在于，所述第一处理模块包括：
均值滤波处理单元，用于对所述待处理图像进行第二均值滤波处理；
其中，I(i,j)表示第二均值滤波处理前，所述待处理图像中像素(i,j)的灰度值，Avg_I(x,y)表示像素(x,y)的低通滤波灰度值，Nw、Nh均为预设值。
12.根据权利要求9至11任一项所述的装置，其特征在于，所述第二处理模块还用于计算所述待处理图像在各像素上的梯度方向值，所述梯度方向值为梯度方向角或梯度方向角的量化值；
所述相似距离确定模块用于对于所述搜索窗中的各像素，先判断其与所述待降噪像素之间，是否满足梯度幅值之差的绝对值大于预设的幅度阈值、且梯度方向值之差的绝对值大于预设的角度阈值，若是，则将两者之间的相似距离设为预设的最大相似距离值，若否，则根据其与所述待降噪像素之间的低通滤波灰度值之差的绝对值和滤波梯度幅值之差的绝对值计算两者之间的相似距离，且计算得到的相似距离的值小于所述最大相似距离值。
13.根据权利要求12所述的装置，其特征在于，所述第二处理模块包括：
第一计算处理单元，用于计算所述待处理图像在像素上的梯度(G1,G2)，其中，G1是水平方向上的梯度，G2是垂直方向上的梯度；
第二计算处理单元，用于计算G2与G1的比值，并根据所述比值的绝对值所在的数值区间以及梯度(G1,G2)所在的象限在预设的对应关系中查找该像素的梯度方向值，其中，所述对应关系包括多个不同的数值区间、以及每一个所述数值区间与不同象限的组合所对应的梯度方向值。
14.根据权利要求13所述的装置，其特征在于，所述对应关系包括：
当G2与G1的比值的绝对值位于数值区间[0，a)时：若G1>0且G2>0，则对应的梯度方向值为0；若G1<0且G2>0，则对应的梯度方向值为4；若G1<0且G2≤0，则对应的梯度方向值为4；若G1>0且G2≤0，则对应的梯度方向值为0；
当G2与G1的比值的绝对值位于数值区间[a，b)时：若G1>0且G2>0，则对应的梯度方向值为1；若G1<0且G2>0，则对应的梯度方向值为3；若G1<0且G2≤0，则对应的梯度方向值为5；若G1>0且G2≤0，则对应的梯度方向值为7；
当G2与G1的比值的绝对值位于数值区间[b，+∞)时：若G1>0且G2>0，则对应的梯度方向值为2；若G1<0且G2>0，则对应的梯度方向值为2；若G1<0且G2≤0，则对应的梯度方向值为6；若G1>0且G2≤0，则对应的梯度方向值为6；
其中，a、b均为预设值，且a小于b。
15.根据权利要求12所述的装置，其特征在于，所述相似距离确定模块包括：
第一相似距离计算单元，用于若所述待降噪像素为非边缘像素，通过以下方式计算所述两者之间的相似距离；
第二相似距离计算单元，用于若所述待降噪像素为边缘像素，通过以下方式计算所述两者之间的相似距离；
其中，Dist表示所述两者之间的相似距离，abs(Avg_I(x1,y1)-Avg_I(x2,y2))表示所述两者之间的滤波灰度值之差的绝对值，abs(Avg_Mag(x1,y1)-Avg_Mag(x2,y2))表示所述两者之间的滤波梯度幅值之差的绝对值，abs(Ang(x1,y1)-Ang(x2,y2))表示所述两者之间的梯度方向值之差的绝对值，edge_alpha、angle_alpha均为预设值且均为正。
16.根据权利要求15所述的装置，其特征在于，所述相似距离确定模块还包括：
检测单元，用于若所述待降噪像素的梯度幅值Mag大于预设的边缘阈值，则确定所述待降噪像素为边缘像素，否则确定所述待降噪像素为非边缘像素。
17.一种图像处理芯片，其特征在于，所述图像处理芯片可实现权利要求1-8任一项所述的图像降噪方法。
18.一种图像采集设备，其特征在于，包括如权利要求9-16任一项所述的装置或者包括权利要求17所述的图像处理芯片。
CN202111512485.9A 2021-12-07 2021-12-07 图像降噪方法及装置、图像处理芯片、图像采集设备 Active CN114693543B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111512485.9A CN114693543B (zh) 2021-12-07 2021-12-07 图像降噪方法及装置、图像处理芯片、图像采集设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111512485.9A CN114693543B (zh) 2021-12-07 2021-12-07 图像降噪方法及装置、图像处理芯片、图像采集设备

Publications (2)

Publication Number Publication Date
CN114693543A CN114693543A (zh) 2022-07-01
CN114693543B true CN114693543B (zh) 2024-04-05

Family

ID=82135658

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111512485.9A Active CN114693543B (zh) 2021-12-07 2021-12-07 图像降噪方法及装置、图像处理芯片、图像采集设备

Country Status (1)

Country Link
CN (1) CN114693543B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116823811B (zh) * 2023-08-25 2023-12-01 汶上县誉诚制衣有限公司 一种功能性冲锋衣表面质量检测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105654428A (zh) * 2014-11-14 2016-06-08 联芯科技有限公司 图像降噪方法及系统
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
CN111402172A (zh) * 2020-03-24 2020-07-10 湖南国科微电子股份有限公司 一种图像降噪方法、系统、设备及计算机可读存储介质
CN112150371A (zh) * 2019-06-28 2020-12-29 浙江宇视科技有限公司 图像降噪方法、装置、设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10417749B2 (en) * 2016-03-22 2019-09-17 Algolux Inc. Method and system for edge denoising of a digital image

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105654428A (zh) * 2014-11-14 2016-06-08 联芯科技有限公司 图像降噪方法及系统
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
CN112150371A (zh) * 2019-06-28 2020-12-29 浙江宇视科技有限公司 图像降噪方法、装置、设备及存储介质
CN111402172A (zh) * 2020-03-24 2020-07-10 湖南国科微电子股份有限公司 一种图像降噪方法、系统、设备及计算机可读存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于双边滤波与离散余弦变换的NLM去噪算法;张业宏;陈恩平;么跃轩;刘宝华;;燕山大学学报;20180531(第03期);全文 *

Also Published As

Publication number Publication date
CN114693543A (zh) 2022-07-01

Similar Documents

Publication Publication Date Title
CN108229526B (zh) 网络训练、图像处理方法、装置、存储介质和电子设备
Ahmed Comparative study among Sobel, Prewitt and Canny edge detection operators used in image processing
CN109410230B (zh) 一种可抗噪声的改进Canny图像边缘检测方法
CN109870461B (zh) 一种电子元器件质量检测系统
CN107507173B (zh) 一种全切片图像的无参考清晰度评估方法及系统
CN111080661B (zh) 基于图像的直线检测方法、装置以及电子设备
CN111833366A (zh) 一种基于Canny算法的边缘检测方法
CN105701477B (zh) 一种基于平稳小波变换视觉显著性的织物疵点检测方法
CN110796615A (zh) 一种图像去噪方法、装置以及存储介质
CN111709964B (zh) 一种pcba目标边缘检测方法
CN115908154B (zh) 基于图像处理的视频后期颗粒噪声去除方法
CN110728692A (zh) 一种基于Scharr算子改进的图像边缘检测方法
CN106023160B (zh) 高炉料面图像边缘检测方法及装置
CN112634288A (zh) 设备区域图像分割方法及装置
CN111429372A (zh) 一种增强低对比度图像边缘检测效果的方法
CN113837198A (zh) 一种基于三维块匹配的改进自适应阈值Canny边缘检测方法
CN114693543B (zh) 图像降噪方法及装置、图像处理芯片、图像采集设备
CN113436216B (zh) 基于Canny算子的电气设备红外图像边缘检测方法
CN116934746B (zh) 划伤缺陷检测方法、系统、设备及其介质
CN106846262B (zh) 去除蚊式噪声的方法及系统
CN111667509A (zh) 目标与背景颜色相似下的运动目标自动跟踪方法及系统
CN115830513A (zh) 一种图像场景变化确定的方法、装置、系统及存储介质
CN116152191A (zh) 基于深度学习的显示屏裂纹缺陷检测方法、装置及设备
Khellah Textured image denoising using dominant neighborhood structure
CN114994098A (zh) 一种异物检测的方法及设备

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
GR01 Patent grant
GR01 Patent grant