CN116097297A - 去除图像中的噪声的方法和电子设备 - Google Patents

去除图像中的噪声的方法和电子设备 Download PDF

Info

Publication number
CN116097297A
CN116097297A CN202080104452.8A CN202080104452A CN116097297A CN 116097297 A CN116097297 A CN 116097297A CN 202080104452 A CN202080104452 A CN 202080104452A CN 116097297 A CN116097297 A CN 116097297A
Authority
CN
China
Prior art keywords
pixel
value
weight
target
defect
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
Application number
CN202080104452.8A
Other languages
English (en)
Other versions
CN116097297A8 (zh
Inventor
新井俊彦
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.)
Guangdong Oppo Mobile Telecommunications Corp Ltd
Original Assignee
Guangdong Oppo Mobile Telecommunications Corp 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 Guangdong Oppo Mobile Telecommunications Corp Ltd filed Critical Guangdong Oppo Mobile Telecommunications Corp Ltd
Publication of CN116097297A publication Critical patent/CN116097297A/zh
Publication of CN116097297A8 publication Critical patent/CN116097297A8/zh
Pending legal-status Critical Current

Links

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
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • H04N23/81—Camera processing pipelines; Components thereof for suppressing or minimising disturbance in the image signal generation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Studio Devices (AREA)

Abstract

根据本公开实施例的用于去除图像噪声的方法，包括计算所述图像中的每个像素的缺陷权重，所述缺陷权重指示所述像素及其相邻像素之间的相关性；计算图像中的目标像素的匹配权重，匹配权重指示以目标像素为中心的目标块和以参考像素为中心的参考块之间的相似度，参考像素位于目标像素的搜索范围内，通过缺陷权重计算匹配权重；以及基于参考像素的值以及目标块和以参考像素为中心的参考块之间的匹配权重，计算目标像素的滤波值。

Description

去除图像中的噪声的方法和电子设备
技术领域
本公开涉及去除图像中的噪声的方法和实现该方法的电子设备。
背景技术
非局部均值(Non-Local Means，NLM)滤波是一种去噪技术，该技术被认为是保持摄像头组件采集的图像的清晰度、边缘和细节的有利方法。例如，根据NLM滤波，基于目标像素与位于距目标像素的预定范围内的参考像素之间的相似度将目标像素的值转换为滤波值。相似度越高，参考像素的权重越大。
当考虑以目标像素为中心的目标块与以参考像素为中心的参考块之间的相似度时，相似度随着参考块的图案与目标块的图案之间的差异的增加而降低。换句话说，与目标块具有差异的参考块中的参考像素的权重低。另一方面，与目标块相似的参考块中的参考像素的权重高。
然而，如果目标块或参考块中存在例如因图像传感器的初始故障而导致的具有极大值的缺陷像素(即永久噪声)，或者如果目标块或参考块中存在例如因电子设备发热而导致的强尖峰噪声(即，暂时噪声)，则即使参考块与目标块相似，相似度(即权重)也会降低。因此，无法正确地执行NLM滤波。
发明内容
本公开旨在解决至少一个上述技术问题。因此，本公开需要提供一种去除图像中的噪声的方法和实现该方法的电子设备。
根据本公开，去除图像中的噪声的方法可以包括：计算图像中的每个像素的缺陷权重，缺陷权重指示该像素及其相邻像素之间的相关性；计算图像中的目标像素的匹配权重，匹配权重指示以目标像素为中心的目标块和以参考像素为中心的参考块之间的相似度，参考像素位于目标像素的搜索范围内，匹配权重通过缺陷权重计算；基于参考像素的值以及目标块和以参考像素为中心的参考块之间的匹配权重，计算目标像素的滤波值。
根据本公开，用于图像处理的电子设备可以包括处理器和用于存储指令的存储器，其中，当由处理器执行时，该指令使处理器执行根据本公开的方法。
根据本公开，计算机可读存储介质上存储有计算机程序，其中，该计算机程序由计算机执行以实现根据本公开的方法。
附图说明
本公开的实施例的上述和/或其他方面和优点将从参考附图的以下描述中变得显而易见和更容易理解，其中：
图1是根据本公开实施例的电子设备的后侧平面图。
图2是根据本公开实施例的电子设备的前侧平面图。
图3是根据本公开实施例的电子设备的框图。
图4是根据本公开实施例执行的去噪过程的主要流程图。
图5是用于获得缺陷权重的第一示例的流程图。
图6示出了感兴趣像素及其8-邻域。
图7示出了用于转换归一化值的线函数的图的示例。
图8示出了用于获得缺陷权重的第二示例的流程图。
图9示出了目标块、多个参考块、以及搜索范围的示例。
图10是解释如何计算目标块和参考块之间的匹配权重的图。
图11示出了转换函数的图的示例。
具体实施方式
将详细描述本公开的实施例并在附图中示出实施例的示例。在整个说明书中，相同或相似的元件和具有相同或相似功能的元件由相似的附图标记表示。此处结合附图所描述的实施例是解释性的，旨在说明本发明，但不应理解为对本发明的限制。
<电子设备10>
图1示出了根据本公开实施例的电子设备10的后侧平面图。图2示出了根据本公开实施例的电子设备10的前侧平面图。
如图1和图2所示，电子设备10可以包括显示器20和摄像头组件30。在本实施例中，摄像头组件30包括第一主摄像头32、第二主摄像头34以及副摄像头36。摄像头组件30不具有仅在拍摄图像时打开的遮光器。替代地，摄像头组件30可以具有遮光器。
第一主摄像头32和第二主摄像头34可以在电子设备10的后侧采集图像，副摄像头36可以在电子设备10的前侧采集图像。因此，第一主摄像头32和第二主摄像头34称为外摄像头，而副摄像头36称为内摄像头。作为示例，电子设备10可以是移动电话、智能手机、平板电脑、个人数字助理等。
虽然根据本实施例的电子设备10具有三个摄像头，但是电子设备10可以具有少于或多于三个摄像头。例如，电子设备10可以具有两个、四个、五个摄像头等。
图3示出了根据本实施例的电子设备10的框图。如图3所示，除了显示器20和摄像头组件30之外，电子设备10还可以包括主处理器40、图像信号处理器42、存储器44、电源电路46、和通信电路48。显示器20、摄像头组件30、主处理器40、图像信号处理器42、存储器44、电源电路46、和通信电路48通过总线50相互连接。
主处理器40执行存储在存储器44中的一个或多个程序。主处理器40通过执行这些程序来实现电子设备10的各种应用和数据处理。主处理器40可以是一个或多个计算机处理器。主处理器40不限于具有一个CPU核，也可以具有多个CPU核。主处理器40可以是电子设备10的主CPU、图像处理单元(image processing unit，IPU)或与摄像头组件30一起设置的数字信号处理器(digital signal processor，DSP)。
图像信号处理器42控制摄像头组件30并处理摄像头组件30采集的各种图像。例如，图像信号处理器42可以对摄像头组件30采集的图像执行去马赛克处理、降噪处理、自动曝光处理、自动对焦处理、自动白平衡处理、高动态范围处理等。
在本实施例中，主处理器40和图像信号处理器42相互配合，生成摄像头组件30拍摄的物体的图像。即，主处理器40和图像信号处理器42用于通过摄像头组件30采集物体的图像并对采集的图像执行各种图像处理。
存储器44存储要由主处理器40执行的程序和各种数据。例如，采集的图像的数据存储在存储器44中。
存储器44可以包括高速RAM存储器和/或诸如闪存和磁盘存储器的非易失性存储器。也就是说，存储器44可以包括存储有程序的非暂时性计算机可读介质。
电源电路46可以具有诸如锂离子可充电电池的电池和用于管理电池的电池管理单元(battery management unit，BMU)。
通信电路48用于接收和发送数据，以通过无线通信与电信网络系统的基站、互联网或其他设备进行通信。无线通信可以使用任何通信标准或协议，包括但不限于全球移动通信系统(Global System for Mobile communication，GSM)、码分多址(Code DivisionMultiple Access，CDMA)、长期演进(Long Term Evolution，LTE)、LTE-Advanced和5G。通信电路48可以包括天线和射频(radio frequency，RF)电路。
<去除图像中的噪声的方法>
下面描述根据本公开实施例的去除图像中的噪声的方法。该方法是对非局部均值(Non-Local Means，NLM)滤波的改进，用于对具有缺陷像素的图像进行去噪。在这种意义上，该方法可以称为处理缺陷的非局部均值(Defect Cared Non-Local Means，DCNLM)滤波。
图4示出了根据本公开实施例的由电子设备10执行的去噪过程的主要流程图。
在该实施例中，去除图像中的噪声的方法例如由主处理器40执行。然而，主处理器40可以与图像信号处理器42协作执行该方法。
如图4所示，主处理器40计算摄像头组件30采集的图像中的每个像素的缺陷权重(步骤S1)。缺陷权重(Wd)指示像素及其相邻像素之间的相关性。如下所述，缺陷权重的范围可以在0到1之间。图5示出了用于获得缺陷权重的一个示例的流程图。
如图5所示，主处理器40计算感兴趣像素的值和相邻像素的值之间的差值(步骤S11a)。更具体地，对于与感兴趣像素相邻的每个像素，主处理器40计算感兴趣像素的值和该相邻像素的值之间的差值。感兴趣像素的相邻像素是8-邻域(8-neighbors)或摩尔邻域(Moore neighborhoods)。
通过等式(1)计算8个差值(D0到D7)：
Di＝|It-Ii|…(1)
其中，Di(i＝0,1,2…7)为差值，It为感兴趣像素的值，Ii为相邻像素的值。
接着，如图5所示，主处理器40对差值按大小排序(步骤S12a)。
接着，如图5所示，主处理器40计算相对值(步骤S13a)。具体地，主处理器40对排序后最小的预定数量个(例如N＝2个)差值求和，以获得相对值(R)。
接着，如图5所示，主处理器40归一化相对值(步骤S14a)。为了获得归一化值，主处理器40将相对值除以感兴趣像素的值(即R/It)。
接着，如图5所示，主处理器40转换步骤S14a中获得的归一化值，以获得缺陷权重Wd(步骤S15a)。使用预定函数(例如表示为折线图的线函数)对归一化值进行转换。图7示出了用于转换归一化值(R/It)的线函数的图的示例。如果归一化值小于阈值th_1，线函数使缺陷权重Wd为转换值1，如果归一化值大于阈值th_2，线函数使缺陷权重Wd为转换值0，其中，阈值th_2大于阈值th_1。如果归一化值在阈值th_1和阈值th_2之间，线函数的值为0到1之间的插值。
用于转换归一化值的函数可以是除线函数之外的函数，例如高斯函数。或者，可以通过使用存储在存储器44中的查找表来转换归一化值。
计算缺陷权重的方法不限于上述方法。图8示出了获得缺陷权重的另一示例的流程图。
在该示例中，如图8所示，主处理器40计算感兴趣像素的值与相邻像素的值之间的差值(步骤S11b)。该步骤与上述步骤S11a相同。类似于步骤S11a，获得8个差值(D0至D7)。
接着，如图8所示，主处理器40比较步骤S11b中获得的差值和第一阈值。具体地，对于与感兴趣像素相邻的每个像素，主处理器40比较其差值和第一阈值(Thdiff)。如果差值小于第一阈值，主处理器40设置F值为1，如果差值大于或等于第一阈值，设置F值为0。即，通过等式(2)设置每个相邻像素的F值(Fi,i＝0,1,2…7)：
Figure BDA0004113555920000041
接着，如图8所示，主处理器40对F值((即F1,F2…F7)求和，以获得C值(步骤S13b)。即，通过等式(3)计算C值：
Figure BDA0004113555920000042
接着，如图8所示，如果C值小于第二阈值(Thcount)，主处理器40设置缺陷权重Wd为0，如果C值大于或等于第二阈值，主处理器40设置缺陷权重Wd为1。即，通过等式(4)设置缺陷权重Wd：
Figure BDA0004113555920000043
回到图4的主流程图，下面描述计算缺陷权重之后的过程。
如图4所示，主处理器40计算图像中的目标像素的匹配权重(步骤S2)。更具体地，为一个目标像素计算多个匹配权重。每个匹配权重指示以目标像素为中心的目标块和以参考像素为中心的参考块之间的相似度，其中，参考像素位于目标像素的搜索范围内。
图9示出了目标块Bt、多个参考块Br(1),Br(2),…,Br(80)以及搜索范围SR的示例。如图9所示，目标块Bt的尺寸为5×5像素。每个参考块Br(1),Br(2),…,Br(80)的尺寸为5×5像素。搜索范围SR的尺寸为9×9像素。目标像素Pt的搜索范围SR中存在80个参考像素Pr(1),Pr(2),…,Pr(80)。在这种情况下，为目标像素Pt计算80个匹配权重。
图10示出了目标块Bt和多个参考块之一Br的示例。在该示例中，在目标块和参考块中均用白色圆圈指示了一个缺陷像素。如图10所示，对于目标块Bt中的像素和参考块Br中的对应像素，计算该对像素之间的相似度。通过在考虑目标块和参考块的缺陷权重的情况下对每对像素的相似度求和，计算匹配权重。即，通过等式(5)和(6)计算匹配权重Wm：
Figure BDA0004113555920000044
Wm＝f(SADDR)…(6)，
其中，SADDR为考虑缺陷的绝对差之和，Wd(i)为目标块Bt中的像素i(i＝1,2,…,25)的缺陷权重，Wd(j)为参考块Br中的像素j(j＝1,2,…,25)的缺陷权重，I(i)为像素i的值，I(j)为像素j的值，Wm为匹配权重，f为用于将SADDR转换为匹配权重的转换函数。
应理解，等式(5)右侧的分母用于归一化分子。
从等式(5)可见，随着目标块和参考块之间的相似度增加，SADDR降低。
SADDR可以通过另一等式计算，例如包括I(i)和I(j)之间的绝对差的平方，即|I(i)-I(j)|2。
转换函数将SADDR转换为匹配权重Wm。例如，如图11所示，当SADDR小于阈值Th时，转换函数将SADDR转换为值Wh，当SADDR大于阈值Tl时，转换函数将SADDR转换为值Wl。当SADDR在阈值Th和阈值Tl之间时，转换函数将SADDR转换为值Wh和值Wl之间的插值。值Wh为1，值Wl为0。然而，值Wh和Wl不限于这些值。例如，值Wh可以为0.9，值Wl可以为0.1。阈值Th和Tl可以根据图像的特征调整。
转换函数也可以是线函数以外的函数，如高斯函数。或者，可以通过使用存储在存储器44中的查找表来转换SADDR。
如上所述，在步骤S2中，通过步骤S1中获得的缺陷权重Wd来计算匹配权重Wm。因此，可以通过考虑缺陷权重来避免缺陷像素引起的任何问题。也就是说，根据本实施例，即使目标块和/或参考块中存在一个或多个缺陷像素，也可以计算出合理的匹配权重。
接着，如图4所示，主处理器40计算参考权重(步骤S3)。为搜索范围SR中的每个参考像素计算参考权重。
基于参考像素的缺陷权重以及以参考像素为中心的参考块和目标块之间的匹配权重来计算参考权重。例如，通过将匹配权重Wm乘以参考像素的缺陷权重Wd来计算参考权重。即，参考权重由等式(7)给出：
Wr(j)＝Wd(j)×Wm(j)…(7),
其中，Wr(j)是目标块和以参考像素j为中心的参考块之间的参考权重，Wd(j)是参考像素j的缺陷权重，Wm(j)是目标块和以参考像素j为中心的参考块之间的匹配权重。
在图9所示的示例中，在步骤S3中计算Wr(1),Wr(2),…,Wr(80)。
接着，如图4所示，主处理器40计算目标像素的滤波值(最终值)(步骤S4)。基于搜索范围中参考像素的值以及目标块和以参考像素为中心的参考块之间的匹配权重来计算滤波值。例如，通过等式(8)计算目标像素的滤波值：
Figure BDA0004113555920000051
其中，Itarget为目标像素的滤波值，I(j)为搜索范围中的参考像素j的值，Wr(j)为目标块和以参考像素j为中心的参考块之间的参考权重。
应理解，等式(8)右侧的分母用于对分子进行归一化。
对图像中的每个目标像素执行上述步骤S2至S4。
如上所述，在实施例中，通过在计算匹配权重时考虑缺陷权重，忽略或抑制了由于目标块和/或参考块中的缺陷像素导致的不正确的值。即，计算目标块和参考块之间的相似度作为SADDR的值。因此，根据本实施例，即使图像中存在缺陷像素或尖峰噪声，也可以执行正确的非局部均值(NLM)滤波。
在电子设备10是智能手机或平板终端的情况下，摄像头组件30通常不具有遮光器(shutter)。如果摄像头组件30具有遮光器，则可以通过在曝光环境期间关闭快门来提前发现图像传感器的缺陷像素，因此可以通过图像传感器校正图像中的缺陷，从而执行适当的NLM滤波。相反，根据本公开，即使电子设备的摄像头组件没有遮光器，也可以执行适当的NLM滤波。
此外，在实施例中，参考权重Wr用于计算目标像素的滤波值。因此，如果参考像素是缺陷像素(即，参考像素的缺陷权重为0或低)，则从等式(8)可以清楚地看出，忽略或抑制参考像素以计算滤波值。
此外，根据本公开，从等式(8)中可见，由于根据参考像素的值和参考像素的参考权重来计算滤波值，因此可以校正目标像素的值。
可选地，可以省略参考权重计算过程(步骤S3)。在这种情况下，通过等式(9)计算目标像素的滤波值：
Figure BDA0004113555920000052
其中，Itarget为目标像素的滤波值，I(j)为搜索范围中的参考像素j的值，Wm(j)为目标块和以参考像素j为中心的参考块之间的匹配权重。
在本公开的实施例的描述中，应当理解，诸如“中央”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“背”、“左”、“右”、“垂直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”和“逆时针”之类的术语应解释为指所述或所讨论的附图中所示的方向或位置。这些相对术语仅用于简化本公开的描述，并且不指示或暗示所述装置或元件必须具有特定定向，或者必须以特定定向构造或操作。因此，这些术语不能被理解为限制本公开。
此外，“第一”和“第二”等术语在本文中用于描述目的，并不旨在指示或暗示相对重要性或重要性，或暗示所指示的技术特征的数量。因此，定义为“第一”和“第二”的特征可以包括一个或多个该特征。在本公开的描述中，除非另有规定，否则“多个”是指“两个或多于两个”。
在本公开的实施例的描述中，除非另有规定或限制，否则术语“安装”、“连接”、“耦合”等被广泛使用，并且可以是例如固定连接、可拆卸连接或整体连接，也可以是机械或电气连接，还可以是经由中间结构的直接连接或间接连接，还可以是本领域技术人员根据具体情况可以理解的两个元件的内部通信。
在本公开的实施例中，除非另有规定或限制，否则第一特征位于第二特征的“上方”或“下方”的结构可以包括第一特征与第二特征直接接触的实施例，并且还可以包括其中第一特征和第二特征彼此不直接接触而是通过在其间形成的附加特征接触的实施例。此外，第一特征在第二特征“上”可以包括如下实施例，即第一特征正交或倾斜地在第二特征“上”，或者仅仅意味着第一特征处于比第二特征高的高度；而第一特征在第二特征的“下方”或“底部”可以包括如下实施例，即第一特征正交或倾斜地位于第一特征的“下方”、“下面”或“底部”，或者仅仅意味着第一特征处于比第二特征低的高度。
在以上描述中提供了各种实施例和示例以实现本公开的不同结构。为了简化本公开，在上文中描述了某些元素和设置。然而，这些元素和设置仅作为示例，并不旨在限制本公开。此外，附图标记和/或字母可以在本公开的不同示例中重复。这种重复是为了简化和清楚，并且不涉及不同实施例和/或设置之间的关系。此外，在本公开中提供了不同工艺和材料的实例。然而，本领域技术人员将理解，也可以应用其他工艺和/或材料。
在本说明书中提及“实施例”、“一些实施例”和“示例性实施例”、“示例”、“特定示例”或“一些示例”，意味着结合实施例或示例描述的特定特征、结构、材料或特性包括在本公开的至少一个实施例或实例中。因此，整个说明书中出现的上述短语不一定是指本公开的相同实施例或示例。此外，在一个或多个实施例或示例中，可以以任何合适的方式组合特定特征、结构、材料或特性。
可以将流程图中描述的或本文中以其他方式描述的任何过程或方法理解为包括用于实现过程中的特定逻辑功能或步骤的可执行指令的代码的一个或多个模块、片段或部分，其中本领域技术人员应当理解，功能可以以不同于所示或所讨论的顺序实现，包括以基本相同的序列或相反的序列实现。
本文中以其他方式描述的或在流程图中示出的逻辑和/或步骤，例如用于实现逻辑功能的可执行指令的特定序列表，可以在指令执行系统、设备或装置(例如基于计算机的系统、包括处理器的系统或能够从指令执行系统获得指令的其他系统、执行指令的设备和设备)使用的任何计算机可读介质中具体实现，或与指令执行系统、设备和装置组合使用。关于说明书，“计算机可读介质”可以是适于包括、存储、通信、传播或传输由指令执行系统、设备或装置使用或与指令执行系统或设备结合使用的程序的任何设备。计算机可读介质的更具体示例包括但不限于：具有一个或多个线的电子连接(电子设备)、便携式计算机外壳(磁性设备)、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、，光纤设备和便携式光盘只读存储器(CDROM)。此外，计算机可读介质甚至可以是能够在其上打印程序的纸或其他合适的介质，这是因为，例如，纸或其他适当的介质可以被光学扫描，然后在必要时用其他合适的方法编辑、解密或处理，以电子方式获得程序，然后程序可以存储在计算机存储器中。
应当理解，本公开的每个部分可以通过硬件、软件、固件或其组合来实现。在上述实施例中，多个步骤或方法可以通过存储在存储器中并由适当的指令执行系统执行的软件或固件来实现。例如，如果这些步骤或方法是由硬件实现的，同样在另一实施例中，这些步骤或方法可以通过本领域已知的以下技术之一或组合来实现：具有用于实现数据信号的逻辑功能的逻辑门电路的离散逻辑电路、具有适当组合逻辑门电路、，可编程门阵列(PGA)、现场可编程门阵(FPGA)等。
本领域技术人员应当理解，本公开的上述示例性方法中的所有或部分步骤可以通过用程序命令相关硬件来实现。程序可以存储在计算机可读存储介质中，并且当在计算机上运行时，程序包括本公开的方法实施例中的步骤的一个或组合。
此外，本公开实施例的每个功能单元可以被集成在处理模块中，或者这些单元可以是单独的物理存在，或者两个或更多个单元被集成在一个处理模块中。集成模块可以硬件的形式或软件功能模块的形式来实现。当集成模块以软件功能模块的形式实现并且作为独立产品销售或使用时，集成模块可以存储在计算机可读存储介质中。
上述存储介质可以是只读存储器、磁盘、CD等。
尽管已经示出和描述了本公开的实施例，但是本领域技术人员应当理解，实施例是解释性的，并且不能被解释为限制本公开，并且在不脱离本公开的范围的情况下，可以在实施例中进行改变、修改、替换和变化。

Claims (12)

1.一种去除图像中的噪声的方法，包括：
计算所述图像中的每个像素的缺陷权重，所述缺陷权重指示所述像素及其相邻像素之间的相关性；
计算所述图像中的目标像素的匹配权重，所述匹配权重指示以所述目标像素为中心的目标块和以参考像素为中心的参考块之间的相似度，所述参考像素位于所述目标像素的搜索范围内，通过所述缺陷权重计算所述匹配权重；以及
基于所述参考像素的值以及所述目标块和以所述参考像素为中心的所述参考块之间的所述匹配权重，计算所述目标像素的滤波值。
2.根据权利要求1所述的方法，其中，计算所述缺陷权重包括：
对于与感兴趣像素相邻的每个像素，计算所述感兴趣像素的值与相邻像素的值之间的差值；
将所述差值按大小排序；
对排序后最小的预定数量个差值求和，以获得相对值；
通过将所述相对值除以所述感兴趣像素的值，归一化所述相对值，以获得归一化值；以及
转换所述归一化值以获得所述缺陷权重。
3.根据权利要求2所述的方法，其中，通过使用预定函数或查找表转换所述归一化值。
4.根据权利要求1所述的方法，其中，计算所述缺陷权重包括：
对于与感兴趣像素相邻的每个像素，计算所述感兴趣像素的值与相邻像素的值之间的差值；
对于与感兴趣像素相邻的每个像素，比较所述差值与第一阈值，若所述差值大于或等于所述第一阈值，则将F值设为0，若所述差值小于所述第一阈值，则将所述F值设为1；
对所述F值求和以获得C值；以及
若所述C值小于第二阈值，则将所述缺陷权重设为0，若所述C值大于或等于所述第二阈值，则将所述缺陷权重设为1。
5.根据权利要求1至4中任一项所述的方法，其中，所述缺陷权重的范围在0到1之间。
6.根据权利要求1至5中任一项所述的方法，其中，通过等式(1)和等式(2)计算所述匹配权重：
Figure FDA0004113555900000011
Wm＝f(SADDR)…(2)，
其中，SADDR为考虑缺陷的绝对差之和，Wd(i)为所述目标块中的像素i(第i个像素)的缺陷权重，Wd(j)为所述参考块中的像素j(第j个像素)的缺陷权重，I(i)为所述像素i的值，I(j)为所述像素j的值，Wm为所述匹配权重，f为转换函数。
7.根据权利要求1至6中任一项所述的方法，其中，通过等式(3)计算所述目标像素的所述滤波值：
Figure FDA0004113555900000021
其中，Itarget为所述目标像素的所述滤波值，I(j)为所述搜索范围中的所述参考像素j的值，Wm(j)为所述目标块和以所述参考像素j为中心的所述参考块之间的所述匹配权重。
8.根据权利要求1至6中任一项所述的方法，还包括，在计算所述匹配权重之后，基于所述参考像素的所述缺陷权重和所述匹配权重计算参考权重，
其中，通过等式(4)计算所述目标像素的所述滤波值：
Figure FDA0004113555900000022
其中，Itarget为所述参考像素的滤波值，I(j)为所述搜索范围中的所述参考像素j的值，Wr(j)为所述目标块和以所述参考像素j为中心的所述参考块之间的所述参考权重。
9.根据权利要求8所述的方法，其中，通过将所述匹配权重乘以所述参考像素的所述缺陷权重计算所述参考权重。
10.一种用于图像处理的电子设备，包括处理器和用于存储指令的存储器，其中，当由所述处理器执行时，所述指令使所述处理器执行根据权利要求1至9中任一项所述的方法。
11.根据权利要求10所述的电子设备，包括无遮光器的摄像头组件。
12.一种计算机可读存储介质，存储有计算机程序，其中，所述计算机程序由计算机执行以实现根据权利要求1至9中任一项所述的方法。
CN202080104452.8A 2020-09-02 2020-09-02 去除图像中的噪声的方法和电子设备 Pending CN116097297A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2020/113038 WO2022047671A1 (en) 2020-09-02 2020-09-02 Method of removing noise in image and electrical device

Publications (2)

Publication Number Publication Date
CN116097297A true CN116097297A (zh) 2023-05-09
CN116097297A8 CN116097297A8 (zh) 2024-05-24

Family

ID=80492363

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080104452.8A Pending CN116097297A (zh) 2020-09-02 2020-09-02 去除图像中的噪声的方法和电子设备

Country Status (3)

Country Link
US (1) US20230177654A1 (zh)
CN (1) CN116097297A (zh)
WO (1) WO2022047671A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117911405B (zh) * 2024-03-19 2024-05-24 济南科汛智能科技有限公司 一种用于牙髓牙体检测的x射线影像处理方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8471932B2 (en) * 2010-09-30 2013-06-25 Apple Inc. Spatial filtering for image signal processing
WO2015128302A1 (en) * 2014-02-25 2015-09-03 Thomson Licensing Method and apparatus for filtering and analyzing a noise in an image
US9715720B1 (en) * 2014-12-15 2017-07-25 Marvell International Ltd. System and method for reducing image noise
WO2016183743A1 (en) * 2015-05-15 2016-11-24 SZ DJI Technology Co., Ltd. System and method for supporting image denoising based on neighborhood block dimensionality reduction
US10417749B2 (en) * 2016-03-22 2019-09-17 Algolux Inc. Method and system for edge denoising of a digital image

Also Published As

Publication number Publication date
CN116097297A8 (zh) 2024-05-24
US20230177654A1 (en) 2023-06-08
WO2022047671A1 (en) 2022-03-10

Similar Documents

Publication Publication Date Title
CN107240082B (zh) 一种拼接线优化方法及设备
EP3119080A1 (en) Method and system for dead pixel correction of digital image
KR20140044899A (ko) 자동 적응적 이미지 선명화
US20230177654A1 (en) Method of removing noise in image, electrical device, and storage medium
US20210133940A1 (en) Image processing method and device, image capture apparatus, and mobile terminal
US8737758B2 (en) Apparatus and method of reducing noise
CN112164086A (zh) 一种精细化的图像边缘信息确定方法、系统及电子设备
US9787894B1 (en) Automatic white balance using histograms from subsampled image
CN113362253A (zh) 一种图像阴影校正方法、系统及其装置
CN111833341A (zh) 确定图像中条纹噪声的方法及装置
CN113011497B (zh) 图像比对方法和系统
CN114930799B (zh) 用于具有多个摄像头的电子设备的方法和电子设备
CN111656759A (zh) 图像色彩校正方法及装置、存储介质
WO2021243709A1 (en) Method of generating target image data, electrical device and non-transitory computer readable medium
CN114331857A (zh) 一种彩色图像紫边校正方法、装置及计算机存储介质
WO2024020958A1 (en) Method of generating an image, electronic device, apparatus, and computer readable storage medium
CN116803096A (zh) 传感器、电子设备和非暂时性计算机可读介质
WO2022047614A1 (en) Method of generating target image data, electrical device and non-transitory computer readable medium
WO2021253166A1 (en) Method of generating target image data and electrical device
WO2021159295A1 (en) Method of generating captured image and electrical device
WO2021120107A1 (en) Method of generating captured image and electrical device
CN116250247A (zh) 电子设备、生成图像数据的方法和非暂时性计算机可读介质
WO2022246606A1 (en) Electrical device, method of generating image data, and non-transitory computer readable medium
JP2013065946A (ja) 画像処理装置および画像処理方法
CN110519516B (zh) 一种图像噪点的处理方法、装置及电子设备

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
CI02 Correction of invention patent application

Correction item: PCT international application to national stage day

Correct: 2023.02.01

False: 2023.01.30

Number: 19-01

Page: The title page

Volume: 39

Correction item: PCT international application to national stage day

Correct: 2023.02.01

False: 2023.01.30

Number: 19-01

Volume: 39