CN115937051B - 一种图像噪声处理方法、装置、设备及存储介质 - Google Patents
一种图像噪声处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115937051B CN115937051B CN202310223508.7A CN202310223508A CN115937051B CN 115937051 B CN115937051 B CN 115937051B CN 202310223508 A CN202310223508 A CN 202310223508A CN 115937051 B CN115937051 B CN 115937051B
- Authority
- CN
- China
- Prior art keywords
- image
- weight
- noise
- pixel point
- frequency
- 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
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本申请公开了一种图像噪声处理方法、装置、设备及存储介质,涉及图像处理技术领域。该方法包括:对原始图像分别进行加权列向滤波处理、加权行向滤波处理,得到第一条纹噪声图像、第一光滑图像;根据第一条纹噪声图像和第一光滑图像,确定第一高频图像;确定第一光滑图像的第一权值图像,以及确定第一高频图像的第二权值图像;对第一高频图像进行噪声限幅处理,得到第二高频图像;根据第一权值图像、第二权值图像、第二高频图像,确定第二条纹噪声图像;对第二条纹噪声图像中的每一列进行分段处理,得到分段条纹噪声图像;将原始图像与分段条纹噪声图像作差值运算,生成降噪后的目标图像,用以提高图像的降噪精度。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种图像噪声处理方法、装置、设备及存储介质。
背景技术
红外热成像技术运用光电技术检测物体热辐射的红外线特定波段信号,将该信号转换成可供人类视觉分辨的图像和图形,并可以进一步计算出温度值。红外热成像可分为制冷型红外热成像仪和非制冷型红外热成像仪;其中,制冷型红外热成像仪的成像探测器配有集成低温制冷机装置,可将探测器温度降低至制冷温度;非制冷型红外热成像仪配备的成像探测器无需低温制冷,具有体积小、功耗低、结构简单、成本低等优势,在红外热成像技术中占据了重要位置,且各个领域得到了广泛运用。
但非制冷型红外热成像仪受限于红外焦平面探测器的材料、工艺水平以及电路设计的影响,焦平面阵列中探测元的响应通常是不一致的,因此会产生横向或纵向的条纹噪声,影响红外焦平面成像系统的成像质量。
因此,如何提高对图像的降噪精度,是目前亟需解决的问题。
发明内容
本申请提供了一种图像噪声处理方法,用以提高对图像的降噪精度。
第一方面,提供一种图像噪声处理方法,包括:
对原始图像分别进行加权列向滤波处理、加权行向滤波处理,得到所述原始图像的第一条纹噪声图像、第一光滑图像;根据所述第一条纹噪声图像和所述第一光滑图像,确定所述原始图像的第一高频图像;确定所述第一光滑图像的第一权值图像,以及确定所述第一高频图像的第二权值图像;对所述第一高频图像进行噪声限幅处理,得到所述第一高频图像的第二高频图像;根据所述第一权值图像、第二权值图像,确定所述第二高频图像的第二条纹噪声图像;对所述第二条纹噪声图像中的每一列进行分段处理,得到所述第二条纹噪声图像的分段条纹噪声图像;将所述原始图像与所述分段条纹噪声图像作差值运算,生成降噪后的目标图像。
可选的,所述确定所述第一光滑图像的第一权值图像,包括:
计算所述第一光滑图像中各像素点各自的权值;根据第一设定权值,对所述第一光滑图像中每一个像素点的权值进行二值化处理,得到所述第一光滑图像的第一权值图像。
可选的,所述根据第一设定权值,对所述第一光滑图像中各像素点各自的权值进行二值化处理,包括:
若所述第一光滑图像中第一像素点对应的权值小于所述第一设定权值,则将所述第一像素点对应的权值赋值为0;否则,将所述第一像素点对应的权值赋值为1;其中,所述第一像素点为所述第一光滑图像中任意一个像素点。
可选的,所述确定所述第一高频图像的第二权值图像,包括:
计算所述第一高频图像中各像素点各自对应的局部方差和梯度;根据第二设定权值、第三设定权值,对所述第一高频图像中每一个像素点的局部方差和梯度进行二值化处理,得到所述第一高频图像的第二权值图像。
可选的,所述根据第二设定权值、第三设定权值,对所述第一高频图像中每一个像素点的局部方差和梯度进行二值化处理,包括:
若所述第一高频图像中第二像素点的局部方差小于所述第二设定权值,且所述第二像素点的梯度小于所述第三设定权值,则将所述第二像素点的权值赋值为1;否则,将所述第二像素点的权值赋值为0;其中,所述第二像素点为所述第一高频图像中任意一个像素点。
可选的,所述第二高频图像包括第三像素点,所述第三像素点为所述第二高频图像中任意一个像素点;所述根据所述第一权值图像、第二权值图像,确定所述第二高频图像的第二条纹噪声图像,包括:
若在所述第一权值图像中与所述第三像素点同一位置的权值为1,且在所述第二权值图像中与所述第三像素点同一位置的权值为1,则将所述第三像素点对应的像素值赋值在所述第二条纹噪声图像中的同一位置上。
可选的,所述对所述第二条纹噪声图像中的每一列进行分段处理,得到所述第二条纹噪声图像的分段条纹噪声图像,包括:
根据所述第二条纹噪声图像的图像行数和设定分段阈值,将所述第二条纹噪声图像中每一列分段成P个分段图像,所述P为大于1的整数;统计每一列中每一个分段图像的段总噪声值及段噪声个数,并计算出所述每一列中每一个分段图像的条纹噪声均值;根据所述每一列中每一个分段图像的条纹噪声均值,将所述每一列中的P个分段图像进行线性插值处理,得到所述第二条纹噪声图像的分段条纹噪声图像。
第二方面,提供一种图像噪声处理装置,包括:
滤波模块,用于对原始图像分别进行加权列向滤波处理、加权行向滤波处理,得到所述原始图像的第一条纹噪声图像、第一光滑图像;高频图像计算模块,用于根据所述第一条纹噪声图像和所述第一光滑图像,确定所述原始图像的第一高频图像;权值图像计算模块,用于确定所述第一光滑图像的第一权值图像,以及确定所述第一高频图像的第二权值图像;限幅模块,用于对所述第一高频图像进行噪声限幅处理,得到所述第一高频图像的第二高频图像;噪声图像计算模块,用于根据所述第一权值图像、第二权值图像,确定所述第二高频图像的第二条纹噪声图像;分段模块,用于对所述第二条纹噪声图像中的每一列进行分段处理,得到所述第二条纹噪声图像的分段条纹噪声图像;生成模块,用于将所述原始图像与所述分段条纹噪声图像作差值运算,生成降噪后的目标图像。
可选的,所述权值图像计算模块,具体用于:
计算所述第一光滑图像中各像素点各自的权值;根据第一设定权值,对所述第一光滑图像中每一个像素点的权值进行二值化处理,得到所述第一光滑图像的第一权值图像。
可选的,所述权值图像计算模块,具体用于:
若所述第一光滑图像中第一像素点对应的权值小于所述第一设定权值,则将所述第一像素点对应的权值赋值为0;否则,将所述第一像素点对应的权值赋值为1;其中,所述第一像素点为所述第一光滑图像中任意一个像素点。
可选的,所述权值图像计算模块,具体用于:
计算所述第一高频图像中各像素点各自对应的局部方差和梯度;根据第二设定权值、第三设定权值,对所述第一高频图像中每一个像素点的局部方差和梯度进行二值化处理,得到所述第一高频图像的第二权值图像。
可选的,所述权值图像计算模块,具体用于:
若所述第一高频图像中第二像素点的局部方差小于所述第二设定权值,且所述第二像素点的梯度小于所述第三设定权值,则将所述第二像素点的权值赋值为1;否则,将所述第二像素点的权值赋值为0;其中,所述第二像素点为所述第一高频图像中任意一个像素点。
可选的,所述第二高频图像包括第三像素点,所述第三像素点为所述第二高频图像中任意一个像素点;所述噪声图像计算模块,具体用于:
若在所述第一权值图像中与所述第三像素点同一位置的权值为1,且在所述第二权值图像中与所述第三像素点同一位置的权值为1,则将所述第三像素点对应的像素值赋值在所述第二条纹噪声图像中的同一位置上。
可选的,所述分段模块,具体用于:
根据所述第二条纹噪声图像的图像行数和设定分段阈值,将所述第二条纹噪声图像中每一列分段成P个分段图像,所述P为大于1的整数;统计每一列中每一个分段图像的段总噪声值及段噪声个数,并计算出所述每一列中每一个分段图像的条纹噪声均值;根据所述每一列中每一个分段图像的条纹噪声均值,将所述每一列中的P个分段图像进行线性插值处理,得到所述第二条纹噪声图像的分段条纹噪声图像。
第三方面,提供一种电子设备,包括:
存储器,用于存放计算机程序;处理器,用于执行所述存储器上所存放的计算机程序时,实现第一方面中任一项所述的方法步骤。
第四方面,提供一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现第一方面中任一项所述的方法步骤。
本申请实施例中,由于对原始图像分别进行加权列向滤波处理、加权行向滤波处理,得到原始图像的第一条纹噪声图像、第一光滑图像;根据第一条纹噪声图像和第一光滑图像,确定原始图像的第一高频图像;确定第一光滑图像的第一权值图像,以及确定第一高频图像的第二权值图像,因此,可以计算像素点在不同维度图像(如第一光滑图像、第一高频图像)的权值,对图像降噪进行了更细节判断;再由于对第一高频图像进行噪声限幅处理,得到第一高频图像的第二高频图像;根据第一权值图像、第二权值图像,确定第二高频图像的第二条纹噪声图像;对第二条纹噪声图像中的每一列进行分段处理,得到第二条纹噪声图像的分段条纹噪声图像;将原始图像与分段条纹噪声图像作差值运算,生成降噪后的目标图像;可通过多级综合判断有效地将条纹噪声从原始图像中去除,同时采用分段处理条纹噪声,避免了反条纹现象,从而提高了对图像的降噪精度。
上述第二方面至第四方面中的各个方面以及各个方面可能达到的技术效果请参照上述针对第一方面或第一方面中的各种可能方案可以达到的技术效果说明,这里不再重复赘述。
附图说明
图1为本申请实施例提供的一种图像噪声处理方法的流程图;
图2为本申请实施例提供的一种第二条纹噪声图像分段后的示意图;
图3为本申请实施例提供的一种分段图像的线性插值示意图;
图4为本申请实施例提供的一种图像噪声处理的逻辑示意图;
图5为本申请实施例提供的一种图像噪声处理装置的结构示意图;
图6为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请作进一步地详细描述。方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。需要说明的是,在本申请的描述中“多个”理解为“至少两个”。“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这三种情况。A与B连接,可以表示:A与B直接连接和A与B通过C连接这两种情况。另外,在本申请的描述中,“第一”、“第二”等词汇,仅用于区分描述的目的,而不能理解为指示或暗示相对重要性,也不能理解为指示或暗示顺序。
为进一步说明本申请实施例提供的技术方案,下面结合附图以及具体实施方式对此进行详细的说明。虽然本申请实施例提供了如下述实施例或附图所示的方法操作步骤,但基于常规或者无需创造性的劳动在所述方法中可以包括更多或者更少的操作步骤。在逻辑上不存在必要因果关系的步骤中,这些步骤的执行顺序不限于本申请实施例提供的执行顺序。所述方法在实际的处理过程中或者装置执行时,可按照实施例或者附图所示的方法顺序执行或者并执行。
图1为本申请实施例提供的一种图像降噪处理方法的流程图。该流程可由图像降噪处理装置所执行,该装置可通过软件的方式实现,也可通过硬件的方式实现,还可通过软件和硬件结合的方式实现。如图所示,该流程包括如下步骤:
101:对原始图像分别进行加权列向滤波处理、加权行向滤波处理,得到原始图像的第一条纹噪声图像、第一光滑图像。
该原始图像,可以是非制冷型红外热成像仪所采集的图像,也可以是制冷型红外热成像仪所采集的图像,本申请实施例在此不做限制。
可选的,加权列向滤波处理(也称加权列向保边滤波处理)、加权行向滤波处理(也称加权行向保边滤波处理)可以采用双边滤波、引导滤波、加权最小二乘法滤波、非局部均值滤波等算法,本申请实施例在此不做限制。
可选的,加权的指标可采用方差、标准差、一阶梯度或二阶梯度等指标进行加权,本申请实施例在此不做限制。
102:根据上述第一条纹噪声图像和上述第一光滑图像,确定原始图像的第一高频图像。
可选的,具体可以是将第一条纹噪声图像减去第一条光滑图像,从而得到第一高频图像。
103:确定上述第一光滑图像的第一权值图像,以及确定上述第一高频图像的第二权值图像。
可选的,确定第一光滑图像的第一权值图像,可采用如下方式:计算第一光滑图像中各像素点各自的权值;根据第一设定权值,对第一光滑图像中每一个像素点的权值进行二值化处理,得到第一光滑图像的第一权值图像。
可选的,该第一光滑图像中各像素点各自的权值,可满足以下表达式:
可选的,对第一光滑图像中每一个像素点的权值进行二值化处理,具体可以是:若第一光滑图像中第一像素点对应的权值小于第一设定权值,则将第一像素点对应的权值赋值为0;否则,将第一像素点对应的权值赋值为1。该第一像素点为第一光滑图像中任意一个像素点,同理,第一光滑图像中的其他像素点也可按照上述过程进行0或1的权值赋值,最终得到该第一权值图像。
可选的,该第一权值图像,可满足以下表达式:
其中,maps(i,j)为第一权值图像weight1为第一设定权值,weight i,j 为第一光滑图像中像素点的权值。
可选的,该第一高频图像可包括有边缘细节、条纹噪声;确定第一高频图像的第二权值图像,可通过以下方式:计算第一高频图像中各像素点各自对应的局部方差(varh)和梯度(gradh);根据第二设定权值、第三设定权值,对第一高频图像中每一个像素点的局部方差和梯度进行二值化处理,得到第一高频图像的第二权值图像。
可选的,对第一高频图像中每一个像素点的局部方差和梯度进行二值化处理,具体可以是:若第一高频图像中第二像素点的局部方差小于第二设定权值,且第二像素点的梯度小于第三设定权值,则将所述第二像素点的权值赋值为1;否则,将所述第二像素点的权值赋值为0。该第二像素点为第一高频图像中任意一个像素点,同理,第一高频图像中的其他像素点也可按照上述过程进行0或1的权值赋值,最终得到该第二权值图像。
可选的,该第二权值图像,可满足以下表达式:
其中,maph(i,j)为第二权值图像,weight2为第二设定权值,weight3为第三设定权值,Varh i,j 为第一高频图像中像素点的局部方差,gradh i,j 为该像素点的梯度。
需要说明的是表达式(1)、(2)、(3)中的局部方差可替换成与方差相关的其他指标,例如标准差、平方差等,表达式(3)中的梯度可为各方向的一阶梯度,也可以是二阶梯度,还可以是一阶与二阶梯度的混合梯度,本申请实施例在此不做限制。
通过计算不同维度图像中各像素点的权值,对图像降噪进行更细节的划分,对于后续噪声处理,提供了依据。
104:对上述第一高频图像进行噪声限幅处理,得到第一高频图像的第二高频图像。
可选的,可根据预设的预设噪声阈值,对该第一高频图像进行噪声限幅处理,具体的,若第一高频图像中的某个像素点的噪声大于或等于噪声阈值1(Th1)且小于或等于噪声阈值2(Th2),则保留该像素点,否则,将该像素点赋值为0。可选的,该第二高频图像,满足以下表达式:
其中,high2(i,j)为第二高频图像,Th1为噪声阈值1,Th2为噪声阈值2,abs(high(i,j))为第一高频图像中像素点的幅值。
105:根据上述第一权值图像、第二权值图像,确定第二高频图像的第二条纹噪声图像。
可选的,以第二高频图像的一个像素点(第三像素点)为例,确定第二高频图像的第二条纹噪声图像可通过如下方式:若在第一权值图像中与该第三像素点同一位置的权值为1,且在第二权值图像中与该第三像素点同一位置的权值为1,则表明该第三像素点为条纹噪声点,将该第三像素点对应的像素值赋值在第二条纹噪声图像中的同一位置上,否则,表明该第三像素点不为条纹噪声点,在第二条纹噪声图像中的同一位置上赋值为0,从而将存在噪声的像素点和不存在噪声的像素点区分开,并重点突出存在噪声的像素点,保证细节损失最小。可选的,该第二条纹噪声图像(noise(i,j)),满足以下表达式:
上述各参数的解释可参照上文描述,在此不再重复描述。
106:对上述第二条纹噪声图像中的每一列进行分段处理,得到该第二条纹噪声图像的分段条纹噪声图像。
可选的,该分段条纹噪声图像,可通过如下方式获得:
首先,根据第二条纹噪声图像的图像行数和设定分段阈值,将该第二条纹噪声图像中每一列分段成P个分段图像,如图2所示,第二条纹噪声图像有16行16列,以第16列为例,设定分段阈值M为4,则第16列的分段长度len=row/M=4,共分为P=4段。
其次,统计每一列中每一个分段图像的段总噪声值及段噪声个数,并计算出每一列中每一个分段图像的条纹噪声均值。可选的,段总噪声值(sumcol)、段噪声个数(mumcol)、条纹噪声均值(Nmean)分别满足以下表达式:
其中,sumcol jm 为第j列第m段的段噪声值,m为段数,len为分段长度,mumcol jm 第j列第m段的段噪声个数。
其中,Nmean jm 为第j列第m段的条纹噪声均值。
最后,根据每一列中每一个分段图像的条纹噪声均值,将每一列中的P个分段图像进行线性插值处理,得到第二条纹噪声图像的分段条纹噪声图像。具体的,如图3所示,以图2的第二条纹噪声图像中的第16列为例,每段的首部和尾部长度为该段的k分之一,对于中间段,只需将第m段的首部与第m-1段的尾部进行插值(m大于1小于M),对于第1段,只需将第1段的尾部与第2段的首部进行插值,对于第M段,只需将第M段的首部与第M-1段的尾部进行插值;同理,将第二条纹噪声图像中其他列像素点的条纹噪声值也采用线性插值进行处理,最终获得插值后的分段条纹噪声图像,从而避免出现明显的分段痕迹。
107:将原始图像与分段条纹噪声图像作差值运算,生成降噪后的目标图像。
在一些实施例中,也可按照上述106的思路,对第二条纹噪声图像中的每一行进行分段处理,得到该第二条纹噪声图像横向的分段条纹噪声图像,将原始图像与横向的分段条纹噪声图像作差值运算,生成降噪后的目标图像,从而可去除横条纹噪声。
本申请实施例中,由于对原始图像分别进行加权列向滤波处理、加权行向滤波处理,得到原始图像的第一条纹噪声图像、第一光滑图像;根据第一条纹噪声图像和第一光滑图像,确定原始图像的第一高频图像;确定第一光滑图像的第一权值图像,以及确定第一高频图像的第二权值图像,因此,可以计算像素点在不同维度图像(如第一光滑图像、第一高频图像)的权值,对图像降噪进行了更细节判断;再由于对第一高频图像进行噪声限幅处理,得到第一高频图像的第二高频图像;根据第一权值图像、第二权值图像,确定第二高频图像的第二条纹噪声图像;对第二条纹噪声图像中的每一列进行分段处理,得到第二条纹噪声图像的分段条纹噪声图像;将原始图像与分段条纹噪声图像作差值运算,生成降噪后的目标图像;可通过多级综合判断有效地将条纹噪声从原始图像中去除,同时采用分段处理条纹噪声,避免了反条纹现象,从而提高了对图像的降噪精度。
图4为本申请实施例提供的一种图像噪声处理的逻辑示意图。如图4所示,获取原始图像;对该原始图像进行加权列向保边滤波处理,得到第一条纹噪声图像,以及对原始图像进行加权行向保边滤波处理,得到第一光滑图像;将第一条纹噪声图像和第一光滑图像作差,得到第一高频图像;对第一高频图像限幅,得到第二高频图像,以及计算第一光滑图像的第一权值图像和第一高频图像的第二权值图像;结合第一权值图像和第二权值图像,确定该第二高频图像的第二条纹噪声图像;对该第二条纹噪声图像进行线性插值处理,得到分段条纹噪声图像;将原始图像与该分段条纹噪声图像作差,得到干净图像(降噪后的目标图像)。
基于相同的技术构思,本申请实施例还提供了一种图像噪声处理装置,该装置可实现本申请实施例中上述图像噪声处理方法的流程。
图5为本申请实施例提供的一种图像噪声处理装置的结构示意图。如图所示,该装置包括:滤波模块501、高频图像计算模块502、权值图像计算模块503、限幅模块504、噪声图像计算模块505、分段模块506、生成模块507。
滤波模块501,用于对原始图像分别进行加权列向滤波处理、加权行向滤波处理,得到所述原始图像的第一条纹噪声图像、第一光滑图像。
高频图像计算模块502,用于根据所述第一条纹噪声图像和所述第一光滑图像,确定所述原始图像的第一高频图像。
权值图像计算模块503,用于确定所述第一光滑图像的第一权值图像,以及确定所述第一高频图像的第二权值图像。
限幅模块504,用于对所述第一高频图像进行噪声限幅处理,得到所述第一高频图像的第二高频图像。
噪声图像计算模块505,用于根据所述第一权值图像、第二权值图像,确定所述第二高频图像的第二条纹噪声图像。
分段模块506,用于对所述第二条纹噪声图像中的每一列进行分段处理,得到所述第二条纹噪声图像的分段条纹噪声图像。
生成模块507,用于将所述原始图像与所述分段条纹噪声图像作差值运算,生成降噪后的目标图像。
可选的,所述权值图像计算模块503,具体用于:
计算所述第一光滑图像中各像素点各自的权值;根据第一设定权值,对所述第一光滑图像中每一个像素点的权值进行二值化处理,得到所述第一光滑图像的第一权值图像。
可选的,所述权值图像计算模块503,具体用于:
若所述第一光滑图像中第一像素点对应的权值小于所述第一设定权值,则将所述第一像素点对应的权值赋值为0;否则,将所述第一像素点对应的权值赋值为1;其中,所述第一像素点为所述第一光滑图像中任意一个像素点。
可选的,所述权值图像计算模块503,具体用于:
计算所述第一高频图像中各像素点各自对应的局部方差和梯度;
根据第二设定权值、第三设定权值,对所述第一高频图像中每一个像素点的局部方差和梯度进行二值化处理,得到所述第一高频图像的第二权值图像。
可选的,所述权值图像计算模块503,具体用于:
若所述第一高频图像中第二像素点的局部方差小于所述第二设定权值,且所述第二像素点的梯度小于所述第三设定权值,则将所述第二像素点的权值赋值为1;否则,将所述第二像素点的权值赋值为0;其中,所述第二像素点为所述第一高频图像中任意一个像素点。
可选的,所述第二高频图像包括第三像素点,所述第三像素点为所述第二高频图像中任意一个像素点;所述噪声图像计算模块505,具体用于:
若在所述第一权值图像中与所述第三像素点同一位置的权值为1,且在所述第二权值图像中与所述第三像素点同一位置的权值为1,则将所述第三像素点对应的像素值赋值在所述第二条纹噪声图像中的同一位置上。
可选的,所述分段模块506,具体用于:
根据所述第二条纹噪声图像的图像行数和设定分段阈值,将所述第二条纹噪声图像中每一列分段成P个分段图像,所述P为大于1的整数;统计每一列中每一个分段图像的段总噪声值及段噪声个数,并计算出所述每一列中每一个分段图像的条纹噪声均值;根据所述每一列中每一个分段图像的条纹噪声均值,将所述每一列中的P个分段图像进行线性插值处理,得到所述第二条纹噪声图像的分段条纹噪声图像。
在此需要说明的是,本申请实施例提供的上述装置,能够实现上述图像噪声处理方法实施例中的所有方法步骤,且能够达到相同的技术效果,在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
基于相同的技术构思,本申请实施例中还提供了一种电子设备,所述电子设备可以实现前述一种图像噪声处理装置的功能。
图6为本申请实施例提供的电子设备的结构示意图。
至少一个处理器601,以及与至少一个处理器601连接的存储器602,本申请实施例中不限定处理器601与存储器602之间的具体连接介质,图6中是以处理器601和存储器602之间通过总线600连接为例。总线600在图6中以粗线表示,其它部件之间的连接方式,仅是进行示意性说明,并不引以为限。总线600可以分为地址总线、数据总线、控制总线等,为便于表示,图6中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。或者,处理器601也可以称为控制器,对于名称不做限制。
在本申请实施例中,存储器602存储有可被至少一个处理器601执行的指令,至少一个处理器601通过执行存储器602存储的指令,可以执行前文论述的一种图像噪声处理方法。处理器601可以实现图5所示的装置中各个模块的功能。
其中,处理器601是该装置的控制中心,可以利用各种接口和线路连接整个该控制设备的各个部分,通过运行或执行存储在存储器602内的指令以及调用存储在存储器602内的数据,该装置的各种功能和处理数据,从而对该装置进行整体监控。
在一种可能的设计中,处理器601可包括一个或多个处理单元,处理器601可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器601中。在一些实施例中,处理器601和存储器602可以在同一芯片上实现,在一些实施例中,它们也可以在独立的芯片上分别实现。
处理器601可以是通用处理器,例如中央处理器(CPU)、数字信号处理器、专用集成电路、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件,可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的一种图像噪声处理方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器602作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器602可以包括至少一种类型的存储介质,例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(Random AccessMemory,RAM)、静态随机访问存储器(Static Random Access Memory,SRAM)、可编程只读存储器(Programmable Read Only Memory,PROM)、只读存储器(Read Only Memory,ROM)、带电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、磁性存储器、磁盘、光盘等等。存储器602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他介质,但不限于此。本申请实施例中的存储器602还可以是电路或者其它任意能够实现存储功能的装置,用于存储程序指令和/或数据。
通过对处理器601进行设计编程,可以将前述实施例中介绍的一种图像噪声处理方法所对应的代码固化到芯片内,从而使芯片在运行时能够执行图1所示的实施例的一种图像噪声处理方法。如何对处理器601进行设计编程为本领域技术人员所公知的技术,这里不再赘述。
在此需要说明的是,本申请实施例提供的上述通电子设备,能够实现上述方法实施例所实现的所有方法步骤,且能够达到相同的技术效果,在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机可执行指令,计算机可执行指令用于使计算机执行上述实施例中的一种图像噪声处理方法。
本申请实施例还提供了一种计算机程序产品,所述计算机程序产品在被计算机调用时,使得所述计算机执行上述实施例中的一种图像噪声处理方法。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
Claims (12)
1.一种图像噪声处理方法,其特征在于,包括:
对原始图像分别进行加权列向滤波处理、加权行向滤波处理,得到所述原始图像的第一条纹噪声图像、第一光滑图像;
根据所述第一条纹噪声图像和所述第一光滑图像,确定所述原始图像的第一高频图像;
根据所述第一光滑图像中各像素点各自的局部方差,以及所述局部方差的均值,确定所述第一光滑图像中各像素点的权值,并根据第一设定权值,对所述第一光滑图像中每一个像素点的权值进行二值化处理,得到所述第一光滑图像的第一权值图像;
计算所述第一高频图像中各像素点各自对应的局部方差和梯度,根据第二设定权值、第三设定权值,对所述第一高频图像中每一个像素点的局部方差和梯度进行二值化处理,得到所述第一高频图像的第二权值图像;
对所述第一高频图像进行噪声限幅处理,得到所述第一高频图像的第二高频图像;
根据所述第一权值图像与所述第二权值图像中同一位置的像素点的权值,确定所述第二高频图像的第二条纹噪声图像;
对所述第二条纹噪声图像中的每一列进行分段处理,得到所述第二条纹噪声图像的分段条纹噪声图像;
将所述原始图像与所述分段条纹噪声图像作差值运算,生成降噪后的目标图像。
2.如权利要求1所述的方法,其特征在于,所述根据第一设定权值,对所述第一光滑图像中各像素点各自的权值进行二值化处理,包括:
若所述第一光滑图像中第一像素点对应的权值小于所述第一设定权值,则将所述第一像素点对应的权值赋值为0;否则,将所述第一像素点对应的权值赋值为1;其中,所述第一像素点为所述第一光滑图像中任意一个像素点。
3.如权利要求1所述的方法,其特征在于,所述根据第二设定权值、第三设定权值,对所述第一高频图像中每一个像素点的局部方差和梯度进行二值化处理,包括:
若所述第一高频图像中第二像素点的局部方差小于所述第二设定权值,且所述第二像素点的梯度小于所述第三设定权值,则将所述第二像素点的权值赋值为1;否则,将所述第二像素点的权值赋值为0;其中,所述第二像素点为所述第一高频图像中任意一个像素点。
4.如权利要求1所述的方法,其特征在于,所述第二高频图像包括第三像素点,所述第三像素点为所述第二高频图像中任意一个像素点;
所述根据所述第一权值图像与所述第二权值图像中同一位置的像素点的权值,确定所述第二高频图像的第二条纹噪声图像,包括:
若在所述第一权值图像中与所述第三像素点同一位置的权值为1,且在所述第二权值图像中与所述第三像素点同一位置的权值为1,则将所述第三像素点对应的像素值赋值在所述第二条纹噪声图像中的同一位置上。
5.如权利要求1-4任一项所述的方法,其特征在于,所述对所述第二条纹噪声图像中的每一列进行分段处理,得到所述第二条纹噪声图像的分段条纹噪声图像,包括:
根据所述第二条纹噪声图像的图像行数和设定分段阈值,将所述第二条纹噪声图像中每一列分段成P个分段图像,所述P为大于1的整数;
统计每一列中每一个分段图像的段总噪声值及段噪声个数,并计算出所述每一列中每一个分段图像的条纹噪声均值;
根据所述每一列中每一个分段图像的条纹噪声均值,将所述每一列中的P个分段图像进行线性插值处理,得到所述第二条纹噪声图像的分段条纹噪声图像。
6.一种图像噪声处理装置,其特征在于,包括:
滤波模块,用于对原始图像分别进行加权列向滤波处理、加权行向滤波处理,得到所述原始图像的第一条纹噪声图像、第一光滑图像;
高频图像计算模块,用于根据所述第一条纹噪声图像和所述第一光滑图像,确定所述原始图像的第一高频图像;
权值图像计算模块,用于根据所述第一光滑图像中各像素点各自的局部方差,以及所述局部方差的均值,确定所述第一光滑图像中各像素点的权值,并根据第一设定权值,对所述第一光滑图像中每一个像素点的权值进行二值化处理,得到所述第一光滑图像的第一权值图像,以及用于计算所述第一高频图像中各像素点各自对应的局部方差和梯度,根据第二设定权值、第三设定权值,对所述第一高频图像中每一个像素点的局部方差和梯度进行二值化处理,得到所述第一高频图像的第二权值图像;
限幅模块,用于对所述第一高频图像进行噪声限幅处理,得到所述第一高频图像的第二高频图像;
噪声图像计算模块,用于根据所述第一权值图像与所述第二权值图像中同一位置的像素点的权值,确定所述第二高频图像的第二条纹噪声图像;
分段模块,用于对所述第二条纹噪声图像中的每一列进行分段处理,得到所述第二条纹噪声图像的分段条纹噪声图像;
生成模块,用于将所述原始图像与所述分段条纹噪声图像作差值运算,生成降噪后的目标图像。
7.如权利要求6所述的装置,其特征在于,所述权值图像计算模块,具体用于:
若所述第一光滑图像中第一像素点对应的权值小于所述第一设定权值,则将所述第一像素点对应的权值赋值为0;否则,将所述第一像素点对应的权值赋值为1;其中,所述第一像素点为所述第一光滑图像中任意一个像素点。
8.如权利要求6所述的装置,其特征在于,所述权值图像计算模块,具体用于:
若所述第一高频图像中第二像素点的局部方差小于所述第二设定权值,且所述第二像素点的梯度小于所述第三设定权值,则将所述第二像素点的权值赋值为1;否则,将所述第二像素点的权值赋值为0;其中,所述第二像素点为所述第一高频图像中任意一个像素点。
9.如权利要求8所述的装置,其特征在于,所述第二高频图像包括第三像素点,所述第三像素点为所述第二高频图像中任意一个像素点;
所述噪声图像计算模块,具体用于:
若在所述第一权值图像中与所述第三像素点同一位置的权值为1,且在所述第二权值图像中与所述第三像素点同一位置的权值为1,则将所述第三像素点对应的像素值赋值在所述第二条纹噪声图像中的同一位置上。
10.如权利要求6-8任一项所述的装置,其特征在于,所述分段模块,具体用于:
根据所述第二条纹噪声图像的图像行数和设定分段阈值,将所述第二条纹噪声图像中每一列分段成P个分段图像,所述P为大于1的整数;
统计每一列中每一个分段图像的段总噪声值及段噪声个数,并计算出所述每一列中每一个分段图像的条纹噪声均值;
根据所述每一列中每一个分段图像的条纹噪声均值,将所述每一列中的P个分段图像进行线性插值处理,得到所述第二条纹噪声图像的分段条纹噪声图像。
11.一种电子设备,其特征在于,包括:
存储器,用于存放计算机程序;
处理器,用于执行所述存储器上所存放的计算机程序时,实现权利要求1-5中任一项所述的方法步骤。
12.一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内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-5中任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310223508.7A CN115937051B (zh) | 2023-03-06 | 2023-03-06 | 一种图像噪声处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310223508.7A CN115937051B (zh) | 2023-03-06 | 2023-03-06 | 一种图像噪声处理方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115937051A CN115937051A (zh) | 2023-04-07 |
CN115937051B true CN115937051B (zh) | 2023-06-02 |
Family
ID=85825454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310223508.7A Active CN115937051B (zh) | 2023-03-06 | 2023-03-06 | 一种图像噪声处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115937051B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112465707A (zh) * | 2019-09-06 | 2021-03-09 | 浙江宇视科技有限公司 | 红外图像条纹噪声的处理方法、装置、介质及电子设备 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109360168B (zh) * | 2018-10-16 | 2021-02-12 | 烟台艾睿光电科技有限公司 | 红外图像去条纹的方法、装置、红外探测器及存储介质 |
CN111161172B (zh) * | 2019-12-18 | 2020-11-06 | 北京波谱华光科技有限公司 | 一种红外图像列向条纹消除方法、系统及计算机存储介质 |
CN111028179B (zh) * | 2019-12-20 | 2023-04-28 | 浙江大华技术股份有限公司 | 一种条纹校正方法、装置、电子设备及存储介质 |
WO2021217643A1 (zh) * | 2020-04-30 | 2021-11-04 | 深圳市大疆创新科技有限公司 | 红外图像处理方法、装置及可移动平台 |
CN111652820B (zh) * | 2020-06-02 | 2023-05-23 | 昆明物理研究所 | 校正红外图像条纹非均匀性的方法、装置与图像处理系统 |
CN112053302B (zh) * | 2020-09-03 | 2023-10-17 | 五邑大学 | 高光谱图像的去噪方法、装置及存储介质 |
-
2023
- 2023-03-06 CN CN202310223508.7A patent/CN115937051B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112465707A (zh) * | 2019-09-06 | 2021-03-09 | 浙江宇视科技有限公司 | 红外图像条纹噪声的处理方法、装置、介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN115937051A (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lu et al. | Cross-based local multipoint filtering | |
JP6314654B2 (ja) | グレースケール画像処理方法及び装置 | |
CN108961170B (zh) | 图像处理方法、装置和系统 | |
CN110852997B (zh) | 动态图像清晰度检测方法、装置、电子设备及存储介质 | |
CN111862187B (zh) | 基于神经网络的杯盘比确定方法、装置、设备及存储介质 | |
US20190096031A1 (en) | Image interpolation methods and related image interpolation devices thereof | |
US20130182968A1 (en) | Method and system for applying filter to image | |
Zhang et al. | Joint integral histograms and its application in stereo matching | |
CN111079793A (zh) | 图标相似度的确定方法和电子设备 | |
CN110084818B (zh) | 动态下采样图像分割方法 | |
CN115937051B (zh) | 一种图像噪声处理方法、装置、设备及存储介质 | |
Emrani et al. | A new parallel approach for accelerating the gpu-based execution of edge detection algorithms | |
CN108876812B (zh) | 用于视频中物体检测的图像处理方法、装置及设备 | |
CN117408886A (zh) | 气体图像增强方法、装置、电子装置和存储介质 | |
CN116503382A (zh) | 一种显示屏划痕缺陷检测的方法和系统 | |
Yang et al. | Real-time hardware stereo matching using guided image filter | |
CN110619668B (zh) | 一种图像抽象方法、装置及终端设备 | |
CN110610185B (zh) | 图像的显著目标的检测方法、装置及设备 | |
CN112330666B (zh) | 基于改进孪生网络的图像处理方法及系统及装置及介质 | |
CA3185128A1 (en) | Method and apparatus of processing image, computing device, and medium | |
CN114596210A (zh) | 噪声估计方法、装置、终端设备及计算机可读存储介质 | |
CN114092925A (zh) | 一种视频字幕检测方法、装置、终端设备及存储介质 | |
US10277912B2 (en) | Methods and apparatus for storing data related to video decoding | |
CN114037633B (zh) | 一种红外图像处理的方法及装置 | |
US11055852B2 (en) | Fast automatic trimap generation and optimization for segmentation refinement |
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 |