CN115937013B - 一种基于空域的亮度去噪方法和装置 - Google Patents

一种基于空域的亮度去噪方法和装置 Download PDF

Info

Publication number
CN115937013B
CN115937013B CN202211222727.5A CN202211222727A CN115937013B CN 115937013 B CN115937013 B CN 115937013B CN 202211222727 A CN202211222727 A CN 202211222727A CN 115937013 B CN115937013 B CN 115937013B
Authority
CN
China
Prior art keywords
image
denoising
preset frequency
frequency band
brightness
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
CN202211222727.5A
Other languages
English (en)
Other versions
CN115937013A (zh
Inventor
樊满
李珂
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.)
Shanghai Weijing Technology Co ltd
Original Assignee
Shanghai Weijing 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 Shanghai Weijing Technology Co ltd filed Critical Shanghai Weijing Technology Co ltd
Priority to CN202211222727.5A priority Critical patent/CN115937013B/zh
Publication of CN115937013A publication Critical patent/CN115937013A/zh
Application granted granted Critical
Publication of CN115937013B publication Critical patent/CN115937013B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
    • Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection

Landscapes

  • Image Processing (AREA)

Abstract

本发明属于图像处理领域，本发明提供一种基于空域的亮度去噪方法，包括：对亮度图像进行FIR滤波，得到多个预设频段的图像；对每个所述预设频段的图像并行进行保边空域去噪，得到去噪后的所述预设频段的图像；将去噪后的所述预设频段的图像进行融合，得到去噪后的亮度图。本发明提出一种实用的去除图像亮度的空域噪声的方法和装置，此方法充分考虑了人眼的视觉特性，同时还考虑算法的复杂度，降低芯片实现的代价，以较低的复杂度获得一个较好的去噪效果。

Description

一种基于空域的亮度去噪方法和装置
技术领域
本发明涉及图像处理领域，尤指一种基于空域的亮度去噪方法和装置。
背景技术
在图像或者视频传输以及显示时，由于图片中含有的噪声，尤其是亮度噪声，影响了图片的成像质量，影响了人眼视觉的感知，还影响到了图片或者视频压缩与传输。
图像去噪的算法有空域去噪、也有时空域联合去噪，后者往往依赖前者的技术，所以一个有效的空域去噪算法就至关重要了。现有的很多图像空域去噪算法要么过于复杂，不利用芯片实现；要么过于简单，达不到预期的图像去噪效果。
现有的一些技术针对图像亮度噪声的方案，有使用DCT(离散余弦变化)、小波变换，甚至使用傅里叶变化，将空域信号变换到频域来处理，这些方法也利用到了人眼对不同频率的信号具有不同的响应特性的特点。以上变换到频率域的做法，计算量非常复杂，且由于频谱泄露等原因，往往会导致最终去噪的图像会有很多残留基等不自然的图像块，较大影响图像的质量。
另外一些技术是基于块匹配的方案，比较典型的有非局部均值(Non-Localmeans)以及BM3D等，这些技术的去噪强度往往没有考虑到人眼对不同频率信号具有不同的响应特性，进而导致人眼观察去噪之后的图像效果出现问题：有些频段的去噪过于模糊，有些频段的去噪不干净，故需要考虑分频段处理。
发明内容
本发明提供一种基于空域的亮度去噪方法和装置，解决了上述问题。
本发明提供的技术方案如下：
一方面，本发明提供一种基于空域的亮度去噪方法，包括：
对亮度图像做FIR滤波，得到多个预设频段的图像；
对每个所述预设频段的图像并行做保边空域去噪，得到去噪后的所述预设频段的图像；
将去噪后的所述预设频段的图像进行融合，得到去噪后的亮度图。
在一个实施例中，所述对每个所述预设频段的图像并行去噪，得到去噪后的所述预设频段的图像，包括：
基于块匹配算法，计算每个所述预设频段的图像的局部图像特征；
根据所述局部图像特征自适应调整去噪强度；
以对应的去噪强度，并列对每个所述局部图像特征进行去噪。
在一个实施例中，所述对亮度图像滤波，得到多个预设频段的图像，包括：
对所述亮度图像进行FIR滤波，得到所述图像的高频分量如细节纹理等和第一预设频段；
对所述亮度图像进行FIR滤波，得到所述图像的中频分量如纹理边缘和第二预设频段；
对所述亮度图像进行FIR滤波，得到所述图像的低频分量如边缘轮廓和第三预设频段。
在一个实施例中，所述基于块匹配算法，计算每个所述预设频段的图像的局部图像特征，包括：
计算两个邻近块的SAD：
其中，i为块内每一个像素的索引；X为当前中心块，Y是邻域块；
根据SAD值以及用户可配参数Th，计算出Coef值，计算公式如下：
根据Coef值以及对应像素Input值进行加权输出，计算公式如下：
其中，filterOut为滤波后的值；ry是垂直方向的窗大小；rx是水平方向的窗大小。
在一个实施例中，其特征在于，所述将去噪后的所述预设频段的图像进行融合，得到去噪后的亮度图，包括：根据以下公式平均输出所述去噪后的亮度图：
其中，i为对输入图像FIR滤波后的频段；weighti为i的权重值，filterOuti为i对应的滤波后的值。
在一个实施例中，一种基于空域的亮度去噪装置，包括：
滤波模块，用于对亮度图像做FIR滤波，得到多个预设频段的图像；
去噪模块，用于对每个所述预设频段的图像并行保边空域去噪，得到去噪后的所述预设频段的图像；
融合模块，用于将去噪后的所述预设频段的图像进行融合，得到去噪后的亮度图。
在一个实施例中，所述去噪模块，用于：
基于块匹配算法，计算每个所述预设频段的图像的局部图像特征；
根据所述局部图像特征自适应调整去噪强度；
以对应的去噪强度，并列对每个所述局部图像特征进行去噪。
在一个实施例中，所述滤波模块，用于：
对所述亮度图像进行FIR滤波，得到所述图像的高频分量如细节纹理等和第一预设频段；
对所述亮度图像进行FIR滤波，得到所述图像的中频分量如纹理边缘和第二预设频段；
对所述亮度图像进行FIR滤波，得到所述图像的低频分量如边缘轮廓和第三预设频段。
在一个实施例中，所述去噪模块，用于：
计算两个邻近块的SAD：
其中，X为当前块，Y是参与加权滤波的邻域块；
根据SAD值以及用户可配参数Th，计算出Coef值，计算公式如下：
根据Coef值以及对应像素Input值进行加权输出，计算公式如下：
其中，filterOut为滤波后的值；ry是垂直方向的窗大小；rx是水平方向的窗大小。
在一个实施例中，所述融合模块，用于：根据以下公式平均输出所述去噪后的亮度图：
其中，Out为去噪后的亮度图；i为对输入图像FIR滤波后的频段；weighti为i的权重值，filterOuti为i对应的滤波后的值。
本发明提供的一种基于空域的亮度去噪方法和装置至少具有以下一种有益效果：
本发明提出一种实用的去除图像亮度噪声的方法和装置，此方法充分考虑了人眼的视觉特性，同时还考虑算法的复杂度，降低芯片实现的代价，以较低的复杂度获得更好的去噪效果。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细说明：
图1是本发明中的一种基于空域的亮度去噪方法的一个实施例的示意图；
图2是本发明中的空间频率示意图；
图3是本发明中的人眼视觉系统对不同频段的响应的示意图；
图4是本发明中的一种基于空域的亮度去噪方法的一个实施例的示意图。
图5是本发明中的提取低频的FIR滤波器的形状的波形示意图；
图6是本发明中的提取高频的FIR滤波器的形状的波形示意图；
图7是本发明中的提取中频的FIR滤波器的形状的波形示意图；
图8是本发明中的块滤波示意图。
具体实施方式
为了更清楚地说明本发明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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
为使图面简洁，各图中只示意性地表示出了与本发明相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
在本文中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
另外，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。
在一个实施例中，如图1所示，一方面，本发明提供一种基于空域的亮度去噪方法，包括：
S101对亮度图像做FIR滤波，得到多个预设频段的图像。
在本实施例中，通过对亮度图像滤波，得到不同频段的图像。其中，对于频段的解释说明如下：
一般来说，图像中的高频分量，指的是图像强度(亮度/灰度)变化剧烈的地方，也就是我们常说的边缘、细节。图像中的低频分量，指的是图像强度(亮度/灰度)变换平缓的地方，也就是我们常说的轮廓、平坦区。高频分量里往往包含有大量的噪声，低频分量也有大量的噪声，人眼对不同频段的噪声感受是不一样的。
图像的高频分量和低频分量是一个相对的概念，图像有很多不同频率的分量。一般使用黑白交替的线对来表示空间频率。而空间频率的单位一般是线对每厘米(lp/cm)，如图2所示。
物体的线对越宽，对应的频率越低，物体的线对越窄，对应的频率越高。对应到图像成像后的极低频、低频、中频、高频、极高频信号，这五个不同频段信号的名字仅供说明，实际上图像中还有更低频的信号，还有更高频的信号。
其中，FIR滤波为有限冲击响应滤波。
S102对每个所述预设频段的图像并行保边空域去噪，得到去噪后的所述预设频段的图像。
在本实施例中，实际上信号采集过程中难以避免噪声，不同的频段对应不同的噪声，因而对图像进行去噪时需要分频段处理。
如图3所示，本实施例考虑人眼视觉系统对不同频段的响应不一样的特点，一般来说，人眼对高频和低频的响应最弱，对中频的响应最强。极低频的地方，人眼感知的灵敏度并不算高，随着频率的增加，感知灵敏度随着增加，到了一定的频段后，人眼的感知灵敏度随之下降。
其中，“保边去噪(Edge—preservingSmoothing，简称EpS)为了解决压噪和保边之间的矛盾，在求平均值平滑滤波方法的基础上做了一个改动。保边去噪首先是寻找输入数据中每个样点附近的最相似的区块，并求得该区块的平均值，再用这个平均值代替该样点的原始值。”
S103将去噪后的所述预设频段的图像进行融合，得到去噪后的亮度图。
在本实施例中，不同于其它显式变换到频率域的方法，本实施例提供的方法采用多个(四到五个)FIR滤波器对输入图像进行多次滤波，提取出图像的不同频段的信息，然后对不同的频段采用基于块匹配的方法，去除每个频段分量的噪声。
在用基于块匹配的方法进行去噪时，本实施例考虑到了局部的图像特征，比如局部的方差，局部的SAD值，局部的Gabor值，这些特征值越大，表征该局部图像内容更可能是细节、纹理、边缘，那么去噪强度将因此而调整，这样有助于平衡噪声的去除和边缘细节的保留。
本发明的图像去噪算法也是基于块匹配的方案，采用多组滤波器提取多个频段，分频段进行去噪，此外去噪强度根据局部的图像特征自适应来调整，保证了去除人眼感知明显的噪声的同时，可以有效保留细节、纹理，有效平衡噪声去除和信号保留。
总之，本发明提供一个低复杂度的，在空域上对图像不同频率的信号进行不同的处理，同时根据局部的图像特征自适应调整去噪强度的方法。
在一个实施例中，所述对每个所述预设频段的图像并行去噪，得到去噪后的所述预设频段的图像，包括：
基于块匹配算法，计算每个所述预设频段的图像的局部图像特征；
根据所述局部图像特征自适应调整去噪强度；
以对应的去噪强度，并列对每个所述局部图像特征进行去噪。
在一个实施例中，所述对亮度图像滤波，得到多个预设频段的图像，包括：
对所述亮度图像进行FIR滤波，得到所述图像的高频分量如细节纹理等和第一预设频段；
对所述亮度图像进行FIR滤波，得到所述图像的中频分量如纹理边缘和第二预设频段；
对所述亮度图像进行FIR滤波，得到所述图像的低频分量如边缘轮廓和第三预设频段。
其中，得到的这些不同的频段都包含有各种不同频段的噪声，而人眼对不同频段的信号以及噪声具有不同的敏感特性，所以需要做不同的空域去噪。
在一个实施例中，所述基于块匹配算法，计算每个所述预设频段的图像的局部图像特征，包括：
计算两个邻近块的SAD：
其中，i为块内每一个像素的索引；X为当前中心块，Xi的下标i表示当前中心块X的块内每一个像素的索引。
Y表示是邻域块，其下标i表示块内每一个像素的索引。
示例性的，X为当前中新3*3块的代号。
根据SAD值以及用户可配参数Th(表征当前图像的噪声水平，此值越大，去噪越强)来计算出Coef值。
根据Coef值以及对应像素Input值进行加权输出，计算公式如下：
其中，filterOut为滤波后的值；ry是垂直方向的窗大小；rx是水平方向的窗大小。
在本实施例中，filterOut即为滤波之后的值，ry和rx是滤波窗的大小。
在一个实施例中，所述将去噪后的所述预设频段的图像进行融合，得到去噪后的亮度图，包括：根据以下公式平均输出所述去噪后的亮度图：
其中，Out为去噪后的亮度图；i为对输入图像FIR滤波后的频段；weighti为i的权重值，filterOuti为i对应的滤波后的值。
在本实施例中，i的最大值是5，表示对输入图像做了五次FIR滤波，得到五个不同的频段。
不同的频段做完保边空域滤波之后的值即为filterOut，分别赋予不同的权重即weight。
在一个实施例中，本发明提供一种基于空域的亮度去噪方法，包括：
1.先获得输入图像/视频的亮度图。
2.对亮度图进行多次(以5次滤波为例)FIR(限长单位冲激响应滤波器)滤波，得到五个不同频率段的图像信息，分别代表极低频、低频、中频、高频、极高频五个不同频率段。
3.对五个不同频率段的图像进行并行去噪处理，采用基于块匹配的方案，同时计算每个频率段图像的局部图像特征，根据局部特征自适应调整去噪强度。
4.对上述五个去噪后的频率段图像进行融合，得到最终的去噪之后的亮度图。
以上方案的实现框图如图4所示。
以下对步骤2的进一步说明：
FIR滤波器可以有效提取图像的各种频段信号，提取低频的FIR滤波器的形状如图5所示。经过这样的滤波器得到的信号对应与图像的边缘轮廓以及一部分中低频噪声。
提取高频的FIR滤波器的形状如图6所示，经过这样的滤波器得到的信号对应与图像的细节纹理以及一部分中高频噪声。
提取中频的FIR滤波器的形状如图7所示，经过这样的滤波器得到的信号对应与图像的细节纹理以及一部分中频噪声。
由于人眼对不同频段信号的响应是不一样的，如图8所示：
步骤2对输入亮度图做不同的频段提取，有助于对不同频段的信号做不同强度的去噪，使去噪的效果能更符号人眼的感知特性。
步骤3基于块的滤波，其滤波方案的示意图如图8所示：
以x为中心的3x3块X是当前块，而以y为中心的块Y是参与加权滤波的邻域块，计算两个块的SAD。SAD的公式如下：
SAD值越大，表示X块(中心点为x)和Y块(中心点为y)越不相似，那么y的加权系数Coef就越小。
根据SAD值以及用户可配参数Th(表征当前图像的噪声水平，此值越大，去噪越强)来计算出Coef值。
复杂的Coef计算公式如上述，采用了指数这种复杂运算。
一种低复杂度的方案是将SAD和外界可配参数Th进行比较，若SAD等于3倍的Th，则Coef为0；若SAD等于2倍的Th，则Coef为0.3；若SAD等于1倍的Th，则Coef为0.7；若SAD等于0.5倍的Th，则Coef为1.0。其它情况则线性内插出来Coef值。
本发明中，Th由两部分组成，一部分是外界可配参数Th0，另一部分是X块以及邻域块的局部方差等特征值的差异值Th1,即Th＝Th0-Th1。X块和Y块的局部特征值的差异值越大，当前x点越有可能是纹理、边缘区，那邻域y块的加权系数Coef就越小。
根据Coef值以及对应像素Input值进行加权输出，计算公式如下：
ry是垂直方向的窗大小，rx是水平方向的窗大小，故窗的总大小是(2*rx+1)*(2*ry+1)。
步骤4的多频段融合是对步骤3的不同频段滤波之后的结果进行加权输出，最简单的做法就是平均输出。具体的计算公式如下：
在本实施例中，采用多组滤波器来提取各个频段的图像信号，对不同频段的图像信号采用不同强度的去噪方法，使之符合人眼对不同频段信号的感知特性，相比DCT变换、小波变化、傅里叶变换等变换到频率域的做法，本发明的方法简单高效，不需要复杂的指数或者分段变换计算，复杂度低很多。
另外，在本实施例中，采用自适应局部图像特征的基于Patch的空域滤波方案，一方面基于patch的空域滤波可以有效去除噪声，另一方面根据图像的局部特征可以自适应调整去噪强度。
本发明相比基于DCT、小波变换、傅里叶变换等频率域去噪，复杂度低很多，且能根据人眼特性对不同频段的信号做不同的去噪处理；且去噪处理能自适应局部的图像特征，可以有效去除噪声的同时，尽量保留图像的细节、边缘。
在一个实施例中，本发明提供一种基于空域的亮度去噪装置，包括：
滤波模块，用于对亮度图像滤波，得到多个预设频段的图像；
去噪模块，用于对每个所述预设频段的图像并行去噪，得到去噪后的所述预设频段的图像；
融合模块，用于将去噪后的所述预设频段的图像进行融合，得到去噪后的亮度图。
在一个实施例中，所述去噪模块，用于：
基于块匹配算法，计算每个所述预设频段的图像的局部图像特征；
根据所述局部图像特征自适应调整去噪强度；
以对应的去噪强度，并列对每个所述局部图像特征进行去噪。
在一个实施例中，所述滤波模块，用于：
对所述亮度图像进行FIR滤波，得到所述图像的高频分量如细节纹理等和第一预设频段；
对所述亮度图像进行FIR滤波，得到所述图像的中频分量如纹理边缘和第二预设频段；
对所述亮度图像进行FIR滤波，得到所述图像的低频分量如边缘轮廓和第三预设频段。
在一个实施例中，所述去噪模块，用于：
计算两个邻近块的SAD：
其中，X为当前块，Y是参与加权滤波的邻域块；
根据SAD值以及用户可配参数Th(表征当前图像的噪声水平，此值越大，去噪越强)来计算出Coef值。
根据Coef值以及对应像素Input值进行加权输出，计算公式如下：
其中，filterOut为；ry是垂直方向的窗大小；rx是水平方向的窗大小。
在一个实施例中，所述融合模块，用于：根据以下公式平均输出所述去噪后的亮度图：
其中，Out为去噪后的亮度图；i为对输入图像FIR滤波后的频段；为i的权重值，i对应的滤波后的值。
本发明提出一种实用的去除图像亮度噪声的装置，此装置充分考虑了人眼的视觉特性，同时还考虑算法的复杂度，降低芯片实现的代价，以较低的复杂度获得一个较好的去噪效果。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者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。
在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其他的方式实现。示例性的，以上所描述的系统实施例仅仅是示意性的，示例性的，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，示例性的，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性、机械或其他的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可能集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
应当说明的是，上述实施例均可根据需要自由组合。以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (4)

1.一种基于空域的亮度去噪方法，其特征在于，包括：
对亮度图像做FIR滤波，得到多个预设频段的图像；
对每个所述预设频段的图像并行做保边空域去噪，得到去噪后的所述预设频段的图像；具体包括步骤：基于块匹配算法，计算每个所述预设频段的图像的局部图像特征；根据所述局部图像特征自适应调整去噪强度；以对应的去噪强度，并列对每个所述局部图像特征进行去噪；
其中，所述基于块匹配算法，计算每个所述预设频段的图像的局部图像特征，包括：
计算两个邻近块的SAD：
；
其中，i为块内每一个像素的索引；为当前中心块X的块内每一个像素的索引；/>为邻域块Y的块内每一个像素的索引；
根据SAD值以及用户可配参数Th，计算出Coef值，计算公式如下：
；
根据Coef值以及对应像素Input值进行加权输出，计算公式如下:
；
其中，为滤波后的值；ry是垂直方向的窗大小；rx是水平方向的窗大小；
将去噪后的所述预设频段的图像进行融合，得到去噪后的亮度图，包括：根据以下公式平均输出所述去噪后的亮度图：
；
其中，Out为去噪后的亮度图；k为对输入图像FIR滤波后的频段；为k的权重值,/>为k对应的滤波后的值。
2.根据权利要求1所述基于空域的亮度去噪方法，其特征在于，所述对亮度图像做FIR滤波，得到多个预设频段的图像，包括：
对所述亮度图像进行FIR滤波，得到所述图像的细节和纹理中的高频分量和第一预设频段；
对所述亮度图像进行FIR滤波，得到所述图像的纹理和边缘中的中频分量和第二预设频段；
对所述亮度图像进行FIR滤波，得到所述图像的边缘和轮廓中的低频分量和第三预设频段。
3.一种基于空域的亮度去噪装置，其特征在于，包括：
FIR滤波模块，用于对亮度图像滤波，得到多个预设频段的图像；
去噪模块，用于对每个所述预设频段的图像并行保边空域去噪，得到去噪后的所述预设频段的图像；所述去噪模块，用于：基于块匹配算法，计算每个所述预设频段的图像的局部图像特征；根据所述局部图像特征自适应调整去噪强度；以对应的去噪强度，并列对每个所述局部图像特征进行去噪；
所述去噪模块，用于：
计算两个邻近块的SAD：
；
其中，i为块内每一个像素的索引；为当前中心块X的块内每一个像素的索引；/>为邻域块Y的块内每一个像素的索引；
根据SAD值以及用户可配参数Th计算出Coef值，计算公式如下：
；
根据Coef值以及对应像素Input值进行加权输出，计算公式如下:
；
其中，为滤波后的值；ry是垂直方向的窗大小；rx是水平方向的窗大小；融合模块，用于将去噪后的所述预设频段的图像进行融合，得到去噪后的亮度图，用于：根据以下公式平均输出所述去噪后的亮度图：
；
其中，Out为去噪后的亮度图；k为对输入图像FIR滤波后的频段；为k的权重值, />为k对应的滤波后的值。
4.根据权利要求3所述基于空域的亮度去噪装置，其特征在于，所述滤波模块，用于：
对所述亮度图像进行FIR滤波，得到所述图像的细节和纹理中的高频分量和第一预设频段；
对所述亮度图像进行FIR滤波，得到所述图像的纹理和边缘中的中频分量和第二预设频段；
对所述亮度图像进行FIR滤波，得到所述图像的边缘和轮廓中的低频分量和第三预设频段。
CN202211222727.5A 2022-10-08 2022-10-08 一种基于空域的亮度去噪方法和装置 Active CN115937013B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211222727.5A CN115937013B (zh) 2022-10-08 2022-10-08 一种基于空域的亮度去噪方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211222727.5A CN115937013B (zh) 2022-10-08 2022-10-08 一种基于空域的亮度去噪方法和装置

Publications (2)

Publication Number Publication Date
CN115937013A CN115937013A (zh) 2023-04-07
CN115937013B true CN115937013B (zh) 2023-08-11

Family

ID=86698311

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211222727.5A Active CN115937013B (zh) 2022-10-08 2022-10-08 一种基于空域的亮度去噪方法和装置

Country Status (1)

Country Link
CN (1) CN115937013B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117221458B (zh) * 2023-10-23 2024-05-03 上海为旌科技有限公司 一种分频段去除图像色度噪声的方法和系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101448077A (zh) * 2008-12-26 2009-06-03 四川虹微技术有限公司 一种自适应视频图像3d降噪方法
WO2016119745A1 (zh) * 2015-01-29 2016-08-04 乐视网信息技术（北京）股份有限公司 一种视频去噪方法及装置
CN107016650A (zh) * 2017-02-27 2017-08-04 苏州科达科技股份有限公司 视频图像3d降噪方法及装置
CN111429381A (zh) * 2020-04-10 2020-07-17 展讯通信（上海）有限公司 图像边缘增强方法及装置、存储介质、计算机设备
CN113240608A (zh) * 2021-05-26 2021-08-10 Oppo广东移动通信有限公司 图像去噪方法、装置、电子设备和可读存储介质
CN113284065A (zh) * 2021-05-26 2021-08-20 Oppo广东移动通信有限公司 视频图像的去噪方法、装置、电子设备和可读存储介质
CN114881877A (zh) * 2022-05-06 2022-08-09 苏州法兰克曼医疗器械有限公司 一种基于图像空域的降噪方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101448077A (zh) * 2008-12-26 2009-06-03 四川虹微技术有限公司 一种自适应视频图像3d降噪方法
WO2016119745A1 (zh) * 2015-01-29 2016-08-04 乐视网信息技术（北京）股份有限公司 一种视频去噪方法及装置
CN107016650A (zh) * 2017-02-27 2017-08-04 苏州科达科技股份有限公司 视频图像3d降噪方法及装置
CN111429381A (zh) * 2020-04-10 2020-07-17 展讯通信（上海）有限公司 图像边缘增强方法及装置、存储介质、计算机设备
CN113240608A (zh) * 2021-05-26 2021-08-10 Oppo广东移动通信有限公司 图像去噪方法、装置、电子设备和可读存储介质
CN113284065A (zh) * 2021-05-26 2021-08-20 Oppo广东移动通信有限公司 视频图像的去噪方法、装置、电子设备和可读存储介质
CN114881877A (zh) * 2022-05-06 2022-08-09 苏州法兰克曼医疗器械有限公司 一种基于图像空域的降噪方法

Also Published As

Publication number Publication date
CN115937013A (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
US9135681B2 (en) Image chroma noise reduction
CN110246087B (zh) 参考多通道的多分辨率去除图像色度噪声的系统和方法
EP1408448B1 (en) Image processing method, image processing apparatus, image processing program and image recording apparatus
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
Cho et al. Fast image enhancement in compressed wavelet domain
Lebrun et al. The noise clinic: A universal blind denoising algorithm
CN115937013B (zh) 一种基于空域的亮度去噪方法和装置
Hossain et al. Medical image enhancement based on nonlinear technique and logarithmic transform coefficient histogram matching
CN106971166A (zh) 停车位检测的图像预处理方法及系统
CN109903254A (zh) 基于泊松核改进的双边滤波方法
CN112508816A (zh) 一种红外图像锐化方法、锐化处理系统及终端设备
JP5482007B2 (ja) 画像処理方法
Pham Kriging-weighted laplacian kernels for grayscale image sharpening
CN113850744A (zh) 基于自适应Retinex和小波融合的图像增强算法
Wang et al. Image enhancement
Horiuchi et al. Adaptive filtering for color image sharpening and denoising
JP5359646B2 (ja) 画像処理方法
CN112334942A (zh) 图像处理方法和装置
Rao et al. De-noising of MRI brain tumor image using deep convolutional neural network
JP2010055605A (ja) 画像処理方法
Ghimire et al. Nonlinear transfer function-based image detail preserving dynamic range compression for color image enhancement
Cho et al. Image contrast enhancement in compressed wavelet domain
CN117221458B (zh) 一种分频段去除图像色度噪声的方法和系统
Ehsaeyan A new shearlet hybrid method for image denoising
Singh COMPARATIVE STUDY OF ALGORITHMS/TECHNIQUES FOR DENOISING OF GAUSSIAN NOISE.

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