CN116894796B - 图像降噪和畸变矫正联合处理方法及装置 - Google Patents
图像降噪和畸变矫正联合处理方法及装置 Download PDFInfo
- Publication number
- CN116894796B CN116894796B CN202311162967.5A CN202311162967A CN116894796B CN 116894796 B CN116894796 B CN 116894796B CN 202311162967 A CN202311162967 A CN 202311162967A CN 116894796 B CN116894796 B CN 116894796B
- Authority
- CN
- China
- Prior art keywords
- image
- noise reduction
- intermediate image
- scale
- joint processing
- 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
- 238000012937 correction Methods 0.000 title claims abstract description 58
- 238000003672 processing method Methods 0.000 title claims abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 95
- 238000001914 filtration Methods 0.000 claims description 40
- 238000000034 method Methods 0.000 claims description 33
- 238000010586 diagram Methods 0.000 description 7
- 238000011946 reduction process Methods 0.000 description 6
- 238000000354 decomposition reaction Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 241000226585 Antennaria plantaginifolia Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明提供一种图像降噪和畸变矫正联合处理方法，对待处理图像进行N次降噪，每次降噪输出第一中间图像，并对第一中间图像下采样形成小尺度图像；第M次降噪输出的第一中间图像与第M次降噪的输入图像尺度相同，第M次降噪输出的小尺度图像作为第M+1降噪的输入图像，N大于1，M大于1，M不大于N；依据第一中间图像进行N‑1次联合处理，每次联合处理输出第二中间图像，并将第N‑1次联合处理形成的第二中间图像作为处理完成图像；联合处理包括依次进行的图像重构和畸变矫正，第K‑1次联合处理形成的第二中间图像和第N‑K次降噪形成的第一中间图像作为第K次联合处理的输入图像，N大于1，K不小于1，K不大于N‑1。本发明能减少缓存空间的需求。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种图像降噪和畸变矫正联合处理方法及装置。
背景技术
目前监控，手机等图像处理相关的产品中，带有超广角摄像头需要畸变矫正的场景越来越多，因此同时需要降噪和畸变矫正的功能需求在目前的ISP图像处理流程中的应用场景越来越多。
数字图像中有不同的噪声，包括传感器类型，像素尺寸，温度，曝光时间和ISO等，都可能会引入噪声，所以在图像处理器对图像转换的流程中，在不同的色彩空间，都需要进行降噪处理，空间域降噪一般都采用各种滤波技术，比如双边滤波，高斯滤波，NLM滤波等各种滤波技术。而提高滤波算法性能的经典方法是使用多尺度技术，在不同尺度上执行较小的滤波器来计算宽滤波核，使用从粗到细的策略，允许在每个连续级别进行少量的处理，以优化解决方案。同时在多尺度基础上引入时间相关性，进行多帧降噪，主要思想是利用多帧图像在时间上的相关性，分析当前帧像素和时间上连续的前后帧之间的差异程度，用前后帧中的像素补偿当前帧中的像素失真，以求达到图像降噪的目的。
畸变作为光学系统中经常提到的一个参数，是限制光学测量准确性以及引起视觉形变的重要因素之一。对于理想光学系统，在一对共轭物像平面上，放大率是常数，但对于实际光学系统而言，仅当视场较小时具有这一性质，当视场较大时，像的放大率就要随视场而异，这样就会使像相对于物体失去相似性。这种使像变形的缺陷成为畸变，常见的畸变类型有桶形畸变，枕形畸变。对于广角镜头，特别时超广角镜头的边缘，往往存在很大的畸变。在图像处理中，对这种畸变进行矫正使图像恢复成畸变前应该有的样子的技术，叫做畸变矫正技术。畸变矫正通常通过计算畸变区域的坐标变化，然后根据畸变后的图像区域和坐标范围插值出畸变前的像素。
现有的技术方案红，图像的降噪和畸变矫正通常是独立设计的，需要消耗较多的缓存资源且设计复杂。
发明内容
本发明提供的图像降噪和畸变矫正联合处理方法及装置，能够有效减少图像降噪和畸变矫正所需的缓存空间，并实现图像降噪和畸变矫正的联合处理。
第一方面，本发明提供一种图像降噪和畸变矫正联合处理方法，所述方法包括：
对待处理图像进行N次降噪，每次降噪输出第一中间图像并对所述第一中间图像进行下采样形成预设尺度的小尺度图像；其中，第M次降噪输出的所述小尺度图像作为第M+1降噪的输入图像，所述N大于1，所述M大于1，所述M不大于N；
依据所述第一中间图像进行N-1次联合处理，每次联合处理输出第二中间图像，并将第N-1次联合处理形成的第二中间图像作为处理完成图像；其中，第K-1次联合处理形成的第二中间图像和第N-K次降噪形成的第一中间图像作为第K次联合处理的输入图像，所述N大于1，所述K不小于1，所述K不大于N-1。
可选地，每次降噪输出第一中间图像并对所述第一中间图像进行下采样形成预设尺度的小尺度图像，包括：
对所述待处理图像逐级进行预定层数的滤波，以将所述待处理图像分解为预定层数的第一滤波图像；
将所述预定层数的第一滤波图像按照尺度由小到大的顺序逐级重构为与待处理图像尺度相同的第一中间图像；
对所述第一中间图像进行下采样，以形成预设尺度的小尺度图像。
可选地，对所述第一中间图像进行下采样，以形成预设尺度的小尺度图像，包括：
对所述第一中间图像进行下采样，以形成与最后一次滤波得到的第一滤波图像的尺度相同的小尺度图像。
可选地，依据所述第一中间图像进行N-1次联合处理，每次图像重构输出第二中间图像，包括：
当K等于1时，将所述第N-1次降噪形成的第一中间图像逐级进行预定层数的滤波，以将所述待处理图像分解为预定层数的第二滤波图像；
采用第N次降噪形成的第一中间图像代替最后一级滤波得到的第二滤波图像；
将所述预定层数的第二滤波图像按照尺度由小到大的顺序逐级重构为与第N-1次降噪形成的第一中间图像尺度相同的第二中间图像。
可选地，依据所述第一中间图像进行N-1次联合处理，每次图像重构输出第二中间图像，包括：
当K等于1时，将所述第N次降噪形成的第一中间图像和第N-1次降噪形成的第一中间图像依据预定尺寸分块读取，并逐块进行联合处理。
可选地，依据所述第一中间图像进行N-1次联合处理，每次图像重构输出第二中间图像，包括：
当K大于1时，将所述第N-K次降噪形成的第一中间图像逐级进行预定层数的滤波，以将所述待处理图像分解为预定层数的第二滤波图像；
采用第K-1次联合处理形成的第二中间图像代替最后一级滤波第二滤波图像；
将所述预定层数的第二滤波图像按照尺度由小到大的顺序逐级重构为与第N-K次降噪形成的第一中间图像尺度相同的第二中间图像。
可选地，依据所述第一中间图像进行N-1次联合处理，每次图像重构输出第二中间图像，包括：
当K大于1时，将所述第K-1次联合处理形成的第二中间图像和第N-K次降噪形成的第一中间图像依据预定尺寸分块读取，并逐块进行联合处理。
第二方面，本发明提供一种图像降噪和畸变矫正联合处理装置，所述装置包括：
降噪模块，用于对待处理图像进行N次降噪，每次降噪输出第一中间图像并对所述第一中间图像进行下采样形成预设尺度的小尺度图像；其中，第M次降噪输出的所述小尺度图像作为第M+1降噪的输入图像，所述N大于1，所述M大于1，所述M不大于N；
重构矫正模块，用于依据所述第一中间图像进行N-1次联合处理，每次联合处理输出第二中间图像，并将第N-1次联合处理形成的第二中间图像作为处理完成图像；其中，第K-1次联合处理形成的第二中间图像和第N-K次降噪形成的第一中间图像作为第K次联合处理的输入图像，所述N大于1，所述K不小于1，所述K不大于N-1。
可选地，所述降噪模块包括：
主降噪单元，用于执行对待处理图像进行N次降噪；或者，
所述降噪模块包括：
主降噪单元，用于执行对待处理图像进行N次降噪中的奇数次降噪；
辅助降噪单元，用于执行对待处理图像进行N次降噪中的偶数次降噪。
可选地，所述重构矫正模块包括：
图形重构单元，用于依据所述第一中间图像进行N-1次图像重构，每次图像重构输出重构图像；其中，第K-1次畸变矫正形成的第二中间图像和第N-K次降噪形成的第一中间图像作为第K次图像重构的输入图像；
畸变矫正单元，用于依次对图形重构单元输出的重构图像进行N-1次畸变矫正，以形成第二中间图像。
本发明提供的技术方案，通过对待处理图像进行多次降噪，可以实现在单次降噪过程中以较少的分解层数的前提下，实现图像低频噪声进行较好的去除，在此基础上整合再进行联合处理，形成了图像重构和畸变矫正联合处理的方法，对降噪模块输出的不同尺度的降噪图像进行联合处理，直接将重构并做完畸变矫正的图像输出到内存。由于本发明提供的技术方案单次降噪过程的分解层数较小，能够有效的减少所需缓存的空间。
附图说明
图1为本发明一实施例图像降噪和畸变矫正联合处理方法的流程图；
图2为本发明另一实施例图像降噪和畸变矫正联合处理方法的第一次降噪流程图；
图3为本发明另一实施例图像降噪和畸变矫正联合处理方法的第二次降噪流程图；
图4为本发明另一实施例图像降噪和畸变矫正联合处理方法的联合处理流程图；
图5为本发明一实施例图像降噪和畸变矫正联合处理装置的示意图；
图6为本发明一实施例图像降噪和畸变矫正联合处理装置的降噪模块示意图；
图7为本发明一实施例图像降噪和畸变矫正联合处理装置的降噪模块示意图；
图8为本发明一实施例图像降噪和畸变矫正联合处理装置的重构矫正模块示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供一种图像降噪和畸变矫正联合处理方法，如图1所示，所述方法包括：
步骤100，对待处理图像进行N次降噪，每次降噪输出第一中间图像并对所述第一中间图像进行下采样形成预设尺度的小尺度图像；其中，第M次降噪输出的所述小尺度图像作为第M+1降噪的输入图像，所述N大于1，所述M大于1，所述M不大于N；
在一些实施例中，对待处理图像的第一次降噪过程中，采用待处理图像作为输入，降噪后形成与待处理图像尺度相同的第一中间图像1，并对第一中间图像1进行下采样，形成小尺度图像1；在第二次降噪的过程中，以小尺度图像1作为输入，降噪后形成小尺度图像1尺度相同的第一中间图像2，并对第一中间图像2进行下采样形成小尺度图像2，同理，多次降噪过程可以进行类推，此处不再赘述。
步骤200，依据所述第一中间图像进行N-1次联合处理，每次联合处理输出第二中间图像，并将第N-1次联合处理形成的第二中间图像作为处理完成图像；其中，第K-1次联合处理形成的第二中间图像和第N-K次降噪形成的第一中间图像作为第K次联合处理的输入图像，所述N大于1，所述K不小于1，所述K不大于N-1。
在一些实施例中，在第一次联合处理过程中，采用第N次降噪形成的第一中间图像N和第N-1次降噪形成的第一中间图像N-1作为输入，形成与中间图像N-1尺度相同的第二中间图像1，在第二次重构和畸变矫正过程中，采用第二中间图像1和第N-2次降噪形成的第一中间图像N-2作为输入，形成与第一中间图像N-2尺度相同的第二中间图像2。同理，多次联合处理过程可以进行类推，此处不再赘述。
本发明实施例提供的技术方案，通过对待处理图像进行多次降噪，可以实现在单次降噪过程中以较少的分解层数的前提下，实现图像低频噪声进行较好的去除，在此基础上整合再进行联合处理，形成了图像重构和畸变矫正联合处理的方法，对降噪模块输出的不同尺度的降噪图像进行联合处理，直接将重构并做完畸变矫正的图像输出到内存。由于本发明实施例提供的技术方案单次降噪过程的分解层数较小，能够有效的减少所需缓存的空间。
作为一种可选的实施方式，每次降噪输出第一中间图像并对所述第一中间图像进行下采样形成预设尺度的小尺度图像，包括：
对所述待处理图像逐级进行预定层数的滤波，以将所述待处理图像分解为预定层数的第一滤波图像；
将所述预定层数的第一滤波图像按照尺度由小到大的顺序逐级重构为与待处理图像尺度相同的第一中间图像；
对所述第一中间图像进行下采样，以形成预设尺度的小尺度图像。
在一些实施例中，图2-3中示例性的示出了两次降噪的过程，如图2所示，在第一次降噪的过程中，对待处理图像进行逐级滤波，形成待处理图像的1/2x1/2的第一滤波图像1和1/4x1/4第一滤波图像2，再将第一滤波图像1和第一滤波图像2进行重构，形成重构后的一级重构图像1，再将一级重构图像1与待处理图像重构为1x1的第一中间图像1，再经过降采样形成1/4x1/4的小尺度图像1。如图3所示，在第二次降噪过程中，对小尺度图像1进行逐级滤波，形成待处理图像的1/4x1/4的第一滤波图像3和1/8x1/8第一滤波图像4，再将第一滤波图像3和第一滤波图像4进行重构，形成重构后的一级重构图像2，再将一级重构图像2与小尺度图像1重构为1/4x1/4的第一中间图像2。前述的分数均是相对于待处理图像尺寸的比例。
作为一种可选的实施方式，对所述第一中间图像进行下采样，以形成预设尺度的小尺度图像，包括：
对所述第一中间图像进行下采样，以形成与最后一次滤波得到的第一滤波图像的尺度相同的小尺度图像。
在一些实施例中，每次降噪形成的小尺度图像与前一次降噪过程中最后一级滤波形成的第一滤波图像尺度相同，以便在重构过程中能够用采用第N-K次降噪形成的第一中间图像代替第K次重构过程中最后一级滤波第二滤波图像。
作为一种可选的实施方式，依据所述第一中间图像进行N-1次联合处理，每次图像重构输出第二中间图像，包括：
当K等于1时，将所述第N-1次降噪形成的第一中间图像逐级进行预定层数的滤波，以将所述待处理图像分解为预定层数的第二滤波图像；
采用第N次降噪形成的第一中间图像代替最后一级滤波得到的第二滤波图像；
将所述预定层数的第二滤波图像按照尺度由小到大的顺序逐级重构为与第N-1次降噪形成的第一中间图像尺度相同的第二中间图像。
作为一种可选的实施方式，依据所述第一中间图像进行N-1次联合处理，每次图像重构输出第二中间图像，包括：
当K等于1时，将所述第N次降噪形成的第一中间图像和第N-1次降噪形成的第一中间图像依据预定尺寸分块读取，并逐块进行联合处理。
在一些实施例中，图4中示例性的示出了两次降噪后的联合处理过程，即K=1的联合处理过程，如图4所示，首先将第一次降噪形成的1x1第一中间图像1和1/4x1/4第二次降噪形成的第一中间图像2分割成图像块，再读取第一中间图像1中的图像块1和第一中间图形2中的对应于图像块1的图像块2，再对图像块1进行逐级滤波，得到1/2x1/2的第二滤波图像1和1/4x1/4的第二滤波图像2，再第二滤波图像1和第二滤波图像2重构为1/2x1/2的一级重构图像块，再将一级重构图像块重和图像块1重构为1x1的第二中间图像块。多个第二中间图像块经过畸变矫正后可以合并形成第二中间图像。在一些实施例中，在待处理图像上以12像素x12像素为图像块，从左到右，从上到下遍历图像，进行畸变矫正。对于每一个图像块，根据畸变矫正算法，可以获取到用于畸变矫正的原始像素的区域。根据此区域的坐标，分别在降噪输出1x1第一中间图像1和1/4x1/4第一中间图像2中找到对应坐标位置区域1x1图像块和1/4x1/4图像块，重构矫正模块读取1x1图像块和1/4x1/4图像块，先进行重构生成1x1的重构图像块，然后进行畸变矫正生成1x1第二中间图像块。循环遍历所有的图像块即可完成对图像的重构和畸变矫正，得到畸变矫正后的降噪图像。
作为一种可选的实施方式，依据所述第一中间图像进行N-1次联合处理，每次图像重构输出第二中间图像，包括：
当K大于1时，将所述第N-K次降噪形成的第一中间图像逐级进行预定层数的滤波，以将所述待处理图像分解为预定层数的第二滤波图像；
采用第K-1次联合处理形成的第二中间图像代替最后一级滤波第二滤波图像；
将所述预定层数的第二滤波图像按照尺度由小到大的顺序逐级重构为与第N-K次降噪形成的第一中间图像尺度相同的第二中间图像。
作为一种可选的实施方式，依据所述第一中间图像进行N-1次联合处理，每次图像重构输出第二中间图像，包括：
当K大于1时，将所述第K-1次联合处理形成的第二中间图像和第N-K次降噪形成的第一中间图像依据预定尺寸分块读取，并逐块进行联合处理。
本发明实施例提供一种图像降噪和畸变矫正联合处理装置，如图5所示，所述装置包括：
降噪模块，用于对待处理图像进行N次降噪，每次降噪输出第一中间图像并对所述第一中间图像进行下采样形成预设尺度的小尺度图像；其中，第M次降噪输出的所述小尺度图像作为第M+1降噪的输入图像，所述N大于1，所述M大于1，所述M不大于N；
重构矫正模块，用于依据所述第一中间图像进行N-1次联合处理，每次联合处理输出第二中间图像，并将第N-1次联合处理形成的第二中间图像作为处理完成图像；其中，第K-1次联合处理形成的第二中间图像和第N-K次降噪形成的第一中间图像作为第K次联合处理的输入图像，所述N大于1，所述K不小于1，所述K不大于N-1。
在本实施方式中，不经过重构模块的融合，而是将重构模块和畸变矫正模块结合，将K-1次联合处理形成的第二中间图像和第N-K次降噪形成的第一中间图像内部先重构成图像块之后再进行畸变矫正，可以减少一次内存读写，降低带宽。
作为一种可选的实施方式，所述降噪模块包括：
主降噪单元，用于执行对待处理图像进行N次降噪；或者，
所述降噪模块包括：
主降噪单元，用于执行对待处理图像进行N次降噪中的奇数次降噪；
辅助降噪单元，用于执行对待处理图像进行N次降噪中的偶数次降噪。
在一些实施例中，当降噪模块只具有主降噪模块时，图6中示例性的示出了N=2时的工作示意图，如图6所示，两次降噪的过程中，对主降噪模块调用两次，再经过重构矫正模块进行重构和矫正。
当降噪模块包括主降噪单元和辅助降噪单元时，图7中示例性的示出了N=2时的工作示意图，如图7所示，两次降噪的过程中，主降噪单元执行第一次降噪过程，辅助降噪单元利用主降噪单元输出的小尺度图像进行第二次降噪，再经过重构矫正模块进行重构和矫正。辅助降噪单元和主降噪单元级联，主降噪单元降噪后输出1x1的全尺度图像和降噪后的1/4x1/4尺度图像，其中1/4x1/4尺度的降噪数据直接实时输出到辅助降噪单元进行二次降噪，辅助降噪单元由于输入是1/4x1/4尺寸的图，所以其降噪需要的缓存会比较小（相同分解层数，只占1x1尺度的图像的1/4），增加的硬件资源较小，同时辅助降噪单元可以采用2DDenoise模块，该模块是实时模式，降低了离线方式的延迟。
作为一种可选的实施方式，如图8所示，所述重构矫正模块包括：
图形重构单元，用于依据所述第一中间图像进行N-1次图像重构，每次图像重构输出重构图像；其中，第K-1次畸变矫正形成的第二中间图像和第N-K次降噪形成的第一中间图像作为第K次图像重构的输入图像；
畸变矫正单元，用于依次对图形重构单元输出的重构图像进行N-1次畸变矫正，以形成第二中间图像。
本领域普通技术人员可以理解实现上述方法实施例中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体（Read-Only Memory，ROM）或随机存储记忆体（Random AccessMemory，RAM）等。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。
Claims (9)
1.一种图像降噪和畸变矫正联合处理方法，其特征在于，所述方法包括：
对待处理图像进行N次降噪，每次降噪输出第一中间图像并对所述第一中间图像进行下采样形成预设尺度的小尺度图像；其中，第M次降噪输出的第一中间图像与第M次降噪的输入图像尺度相同，第M次降噪输出的所述小尺度图像作为第M+1降噪的输入图像，所述N大于1，所述M大于1，所述M不大于N；
依据所述第一中间图像进行N-1次联合处理，每次联合处理输出第二中间图像，并将第N-1次联合处理形成的第二中间图像作为处理完成图像；其中，所述联合处理包括依次进行的图像重构和畸变矫正，第K-1次联合处理形成的第二中间图像和第N-K次降噪形成的第一中间图像作为第K次联合处理的输入图像；所述N大于1，所述K不小于1，所述K不大于N-1；
其中，依据所述第一中间图像进行N-1次联合处理，每次联合处理输出第二中间图像，包括：
当K大于1时，将所述第N-K次降噪形成的第一中间图像逐级进行预定层数的滤波，以将所述待处理图像分解为预定层数的第二滤波图像；
采用第K-1次联合处理形成的第二中间图像代替最后一级滤波得到的第二滤波图像；
将前一步骤替换后的预定层数的第二滤波图像，按照尺度由小到大的顺序逐级重构为与第N-K次降噪形成的第一中间图像尺度相同的第二中间图像。
2.根据权利要求1所述的方法，其特征在于，每次降噪输出第一中间图像并对所述第一中间图像进行下采样形成预设尺度的小尺度图像，包括：
对所述待处理图像逐级进行预定层数的滤波，以将所述待处理图像分解为预定层数的第一滤波图像；
将所述预定层数的第一滤波图像按照尺度由小到大的顺序逐级重构为与待处理图像尺度相同的第一中间图像；
对所述第一中间图像进行下采样，以形成预设尺度的小尺度图像。
3.根据权利要求2所述的方法，其特征在于，对所述第一中间图像进行下采样，以形成预设尺度的小尺度图像，包括：
对所述第一中间图像进行下采样，以形成与最后一次滤波得到的第一滤波图像的尺度相同的小尺度图像。
4.根据权利要求1所述的方法，其特征在于，依据所述第一中间图像进行N-1次联合处理，每次联合处理输出第二中间图像，包括：
当K等于1时，将所述第N-1次降噪形成的第一中间图像逐级进行预定层数的滤波，以将所述待处理图像分解为预定层数的第二滤波图像；
采用第N次降噪形成的第一中间图像代替最后一级滤波得到的第二滤波图像；
将前一步骤替换后的预定层数的第二滤波图像，按照尺度由小到大的顺序逐级重构为与第N-1次降噪形成的第一中间图像尺度相同的第二中间图像。
5.根据权利要求4所述的方法，其特征在于，依据所述第一中间图像进行N-1次联合处理，每次联合处理输出第二中间图像，包括：
当K等于1时，将所述第N次降噪形成的第一中间图像和第N-1次降噪形成的第一中间图像依据预定尺寸分块读取，并逐块进行联合处理。
6.根据权利要求1所述的方法，其特征在于，依据所述第一中间图像进行N-1次联合处理，每次联合处理输出第二中间图像，包括：
当K大于1时，将所述第K-1次联合处理形成的第二中间图像和第N-K次降噪形成的第一中间图像依据预定尺寸分块读取，并逐块进行联合处理。
7.一种图像降噪和畸变矫正联合处理装置，其特征在于，所述装置包括：
降噪模块，用于对待处理图像进行N次降噪，每次降噪输出第一中间图像并对所述第一中间图像进行下采样形成预设尺度的小尺度图像；其中，第M次降噪输出的所述小尺度图像作为第M+1降噪的输入图像，所述N大于1，所述M大于1，所述M不大于N；
重构矫正模块，用于依据所述第一中间图像进行N-1次联合处理，每次联合处理输出第二中间图像，并将第N-1次联合处理形成的第二中间图像作为处理完成图像；其中，第K-1次联合处理形成的第二中间图像和第N-K次降噪形成的第一中间图像作为第K次联合处理的输入图像；所述N大于1，所述K不小于1，所述K不大于N-1；其中，依据所述第一中间图像进行N-1次联合处理，每次联合处理输出第二中间图像，包括：当K大于1时，将所述第N-K次降噪形成的第一中间图像逐级进行预定层数的滤波，以将所述待处理图像分解为预定层数的第二滤波图像；采用第K-1次联合处理形成的第二中间图像代替最后一级滤波得到的第二滤波图像；将前一步骤替换后的预定层数的第二滤波图像，按照尺度由小到大的顺序逐级重构为与第N-K次降噪形成的第一中间图像尺度相同的第二中间图像。
8.根据权利要求7所述的图像降噪和畸变矫正联合处理装置，其特征在于，所述降噪模块包括：
主降噪单元，用于执行对待处理图像进行N次降噪；或者，
所述降噪模块包括：
主降噪单元，用于执行对待处理图像进行N次降噪中的奇数次降噪；
辅助降噪单元，用于执行对待处理图像进行N次降噪中的偶数次降噪。
9.根据权利要求7所述的图像降噪和畸变矫正联合处理装置，其特征在于，所述重构矫正模块包括：
图形重构单元，用于依据所述第一中间图像进行N-1次图像重构，每次图像重构输出重构图像；其中，第K-1次畸变矫正形成的第二中间图像和第N-K次降噪形成的第一中间图像作为第K次图像重构的输入图像；
畸变矫正单元，用于依次对图形重构单元输出的重构图像进行N-1次畸变矫正，以形成第二中间图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311162967.5A CN116894796B (zh) | 2023-09-11 | 2023-09-11 | 图像降噪和畸变矫正联合处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311162967.5A CN116894796B (zh) | 2023-09-11 | 2023-09-11 | 图像降噪和畸变矫正联合处理方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116894796A CN116894796A (zh) | 2023-10-17 |
| CN116894796B true CN116894796B (zh) | 2023-12-26 |
Family
ID=88315268
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311162967.5A Active CN116894796B (zh) | 2023-09-11 | 2023-09-11 | 图像降噪和畸变矫正联合处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116894796B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109589071A (zh) * | 2018-12-05 | 2019-04-09 | 宁波敖群电器有限公司 | 喷头水压调控系统 |
| CN112700499A (zh) * | 2020-11-04 | 2021-04-23 | 南京理工大学 | 一种辐照环境下基于深度学习的视觉定位仿真方法及系统 |
| CN113592844A (zh) * | 2021-08-10 | 2021-11-02 | 北京紫光展锐通信技术有限公司 | 图像畸变矫正方法及装置、终端和存储介质 |
| CN114972119A (zh) * | 2022-07-01 | 2022-08-30 | 深圳市商汤科技有限公司 | 一种图像处理方法、装置、电子设备及存储介质 |
| CN115685518A (zh) * | 2022-03-04 | 2023-02-03 | 西京学院 | 基于远心光学系统的反射式傅里叶叠层成像装置及方法 |
| WO2023065665A1 (zh) * | 2021-10-21 | 2023-04-27 | 深圳市慧鲤科技有限公司 | 图像处理方法、装置、设备、存储介质及计算机程序产品 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20210150674A1 (en) * | 2019-11-15 | 2021-05-20 | Disney Enterprises, Inc. | Techniques for robust image denoising |
| CN113808025A (zh) * | 2020-06-11 | 2021-12-17 | 通用电气精准医疗有限责任公司 | 图像降噪方法及装置 |
-
2023
- 2023-09-11 CN CN202311162967.5A patent/CN116894796B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109589071A (zh) * | 2018-12-05 | 2019-04-09 | 宁波敖群电器有限公司 | 喷头水压调控系统 |
| CN112700499A (zh) * | 2020-11-04 | 2021-04-23 | 南京理工大学 | 一种辐照环境下基于深度学习的视觉定位仿真方法及系统 |
| CN113592844A (zh) * | 2021-08-10 | 2021-11-02 | 北京紫光展锐通信技术有限公司 | 图像畸变矫正方法及装置、终端和存储介质 |
| WO2023065665A1 (zh) * | 2021-10-21 | 2023-04-27 | 深圳市慧鲤科技有限公司 | 图像处理方法、装置、设备、存储介质及计算机程序产品 |
| CN115685518A (zh) * | 2022-03-04 | 2023-02-03 | 西京学院 | 基于远心光学系统的反射式傅里叶叠层成像装置及方法 |
| CN114972119A (zh) * | 2022-07-01 | 2022-08-30 | 深圳市商汤科技有限公司 | 一种图像处理方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 基于小波变换的图像压缩感知深度重构网络;熊承义等;《中南民族大学学报》;第39卷(第04期);第397-404页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116894796A (zh) | 2023-10-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111539879B (zh) | 基于深度学习的视频盲去噪方法及装置 | |
| US8768069B2 (en) | Image enhancement apparatus and method | |
| Zhang et al. | A super-resolution reconstruction algorithm for surveillance images | |
| CN109963048B (zh) | 降噪方法、降噪装置及降噪电路系统 | |
| US9965832B2 (en) | Method for performing super-resolution on single images and apparatus for performing super-resolution on single images | |
| Zhu et al. | Stabilizing and deblurring atmospheric turbulence | |
| Wang et al. | A graph-based joint bilateral approach for depth enhancement | |
| CN102104730A (zh) | 信息处理设备、信息处理方法及程序 | |
| Jeong et al. | Multi-frame example-based super-resolution using locally directional self-similarity | |
| Lee et al. | Video deblurring algorithm using accurate blur kernel estimation and residual deconvolution based on a blurred-unblurred frame pair | |
| KR20190067111A (ko) | 움직임 흐림 제거 방법 및 장치 | |
| KR20090013522A (ko) | 링잉 아티펙트없는 블러 제거 방법 | |
| US20210192688A1 (en) | Signal processing device and signal processing method | |
| CN107481189B (zh) | 一种基于学习的稀疏表示的超分辨率图像重建方法 | |
| CN116894796B (zh) | 图像降噪和畸变矫正联合处理方法及装置 | |
| CN113284059A (zh) | 模型训练方法、图像增强方法、装置、电子设备及介质 | |
| KR101341617B1 (ko) | 단일 영상의 오차모델을 기반으로 한 고해상도 영상 복원장치 및 방법 | |
| CN113658050A (zh) | 一种图像的去噪方法、去噪装置、移动终端及存储介质 | |
| CN112702515B (zh) | 相机系统中的图像处理方法、系统和计算机可读介质 | |
| Zhu et al. | LLISP: Low-light image signal processing net via two-stage network | |
| CN114648469A (zh) | 视频图像去噪方法及其系统、设备和存储介质 | |
| CN114372938A (zh) | 一种基于标定的图像自适应复原方法 | |
| Richmond et al. | Image deblurring using multi-scale dilated convolutions in a LSTM-based neural network | |
| CN117710250B (zh) | 一种消除纤维镜成像蜂窝状结构的方法 | |
| Wang et al. | Super-resolution image with estimated high frequency compensated algorithm |
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 |