CN117058046A - 一种基于粒度分块近似计算的双边滤波图像处理方法 - Google Patents

Abstract

本发明涉及图像处理技术领域，涉及一种基于粒度分块近似计算的双边滤波图像处理方法。该方法包括由输入的当前帧图像分辨率大小确定滤波窗口，并确定空间标准差和灰度值标准差；先将图像按粗粒度划分区域，再划分为细粒度分块，根据原始图像的范围权重函数的变化率和每个块内像素与中心像素的亮度差确定关键像素点，动态确定关键像素点附近需要的拟合像素点数量，通过拟合像素点与关键像素点对每个块使用最小二乘法得到拟合曲线，得到块内其他像素点的范围权重。将预先计算的空间权重与拟合得到的范围权重带入双边滤波公式，从而得到整个图片的滤波结果。通过简化双边滤波中范围权重的计算，可以充分降低计算复杂度。

Description

一种基于粒度分块近似计算的双边滤波图像处理方法

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于粒度分块近似计算的双边滤波图像处理方法。

背景技术

双边滤波是一种非常有效的非线性滤波方法，它可以同时在空间域和范围域上进行滤波，具有很好的噪声去除能力和边缘保护能力。

双边滤波在空间域上使用高斯窗口进行平滑，可以有效去除高斯噪声。由于同时考虑了空间域和范围域的相似性，当一个像素与其周围像素在空间距离和光度值上都近似时，它们的权重才较高，这样可以很好地保护图像边缘。

但双边滤波方法需要对窗口内的每个像素点进行加权平均，并且每个像素点的权重需要根据周围像素的距离和像素值之间的差异进行计算，其计算量巨大，效率低下，同时会消耗过多的硬件逻辑资源。

发明内容

为了解决上述技术问题，本申请实施例聚焦于降低灰度核权重的计算量以提高在硬件上实现的效率这一方面，提供了一种基于粒度分块近似计算的双边滤波图像处理方法。本申请实施例提供了一种基于双边滤波的图像处理方法，所述方法包括：

获取当前帧图像，并根据当前帧图像的分辨率确定出全局滤波窗口；

根据全局滤波窗口的大小，确定出每个像素点的空间标准差和灰度值标准差，并根据所述空间标准差得到全局空间权重；

根据粗粒度尺寸，将当前帧图像划分出不重叠的粗粒度分块；

根据细粒度尺寸，将当前帧图像的粗粒度分块继续划分出不重叠的细粒度分块；

根据当前帧图像的各个细粒度分块的像素点的亮度差，确定出各个细粒度分块的关键像素点；

根据当前帧图像的各个细粒度分块的像素点的亮度差，确定出各个细粒度分块的拟合像素点数量，并根据拟合像素点数量确定出相应的拟合像素点；

根据当前帧图像的各个细粒度分块的关键像素点和拟合像素点，结合灰度值标准差计算出各个细粒度分块中每个关键像素点与拟合像素点对应的局部范围权重；

根据拟合函数对当前帧图像的各个细粒度分块的关键像素点和拟合像素点进行处理，通过拟合曲线确定出当前帧图像各个细粒度分块中的非拟合像素点的局部范围权重；

根据当前帧图像的每一个像素点的全局空间权重和局部范围权重，得到经过双边滤波后的当前帧图像。

本发明的有益效果：

本发明通过简化双边滤波中的局部范围权重计算，可以充分降低计算复杂度并节省滤波器权重的存储资源和算术逻辑，并可以获得与标准双边滤波相当的边缘保持性能；本发明采用了粗细粒度结合的方式，将帧图像划分为合适的粒度分块，通过对相应粒度分块的关键像素点和拟合像素点进行处理，避免对所有像素点的局部范围权重计算进行遍历，从而降低了计算量，提高了效率，减少了硬件资源消耗。

附图说明

为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对本申请保护范围的限定。在各个附图中，类似的构成部分采用类似的编号。

图1示出了本发明基于粒度分块近似计算的双边滤波图像处理方法流程图；

图2示出了本发明通过数组Var确定分块阈值σ₁’与σ₂’的示例图；

图3示出了本发明通过已知的拟合像素点与其范围权重值得到的拟合曲线示意图；

图4示出了本发明对最小细粒度块合并后，其中心像素点的位置的示意图。

具体实施方式

下面将结合本申请实施例中附图，对本申请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申请一部分实施例，而不是全部的实施例。

通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

在下文中，可在本申请的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合，并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。

此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本申请的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本申请的各种实施例中被清楚地限定。

实施例1

本申请实施例提供了一种基于粒度分块近似计算的双边滤波图像处理方法，该方法计算资源相对较少，滤波效果良好。

基于粒度分块近似计算的双边滤波图像处理方法包括以下步骤，具体参加图1，下面对各步骤进行详细说明：

101、获取当前帧图像，并根据当前帧图像的分辨率确定出全局滤波窗口；

在本实施例中，当前帧图像为图像采集设备所采集的原始图像，本实施例以当前需要被处理的原始图像为例，对当前帧图像进行双边滤波处理，双边滤波公式如下：

其中，F(x,y)是像素(x,y)经双边滤波后的新的灰度值，I(x′,y′)是原始图像中像素(x,y)的邻域点(x′,y′)的灰度值，σ_s表示空间标准差，控制空间权重，σ_r表示灰度值标准差，控制范围权重，C是归一化常数，由确定，高斯函数是考虑像素空间距离的空间权重，高斯函数/>是考虑像素灰度差异的范围权重，而双边滤波器的权重是通过将两个权重相乘来获得的。

在本发明实施例中，若当前帧图像为低分辨率图像，则判断所述全局滤波窗口为小滤波窗口；若当前帧图像为中分辨率图像，则判断所述全局滤波窗口为中滤波窗口；若当前帧图像为高分辨率图像，则判断所述全局滤波窗口为大滤波窗口。

举个例子，对于当前帧图像分辨率大小为640×480～320×240的低分辨率图像，取全局滤波窗口大小为5×5。这些较低分辨率图像的像素较少，较小的窗口大小就足够有效的去平滑噪音。对于分辨率大小为800×600～1024×768的中分辨率图像，取全局滤波窗口大小为9×9，这些中等分辨率图像已经开始比较清晰，需要稍大一点的窗口去有效平滑。对于分辨率大小为1280×720～1920×1080的高分辨率图像，取全局滤波窗口大小为21×21，这是因为高分辨率图像需要更大的窗口才能有效去平滑噪音，同时仍保留边缘和细节。

102、根据全局滤波窗口的大小，确定出每个像素点的空间标准差和灰度值标准差，并根据所述空间标准差得到全局空间权重；

在本实施例中，由输入的当前帧图像分辨率大小确定全局滤波窗口的大小，从而确定空间标准差σ_s和灰度值标准差σ_r，通过全局滤波窗口计算得到每一个像素点的空间权重。在本实施例中，确定空间标准差σ_s和灰度值标准差σ_r方法如下：设定其全局滤波窗口为N_i，i＝1,2,3，依次代表低分辨率图像、中分辨率图像和高分辨率图像对应的全局滤波窗口。

对于当前帧图像分辨率大小为640×480～320×240的低分辨率图像，其单个像素的值变化大，需要较大的σ_r来有效滤除噪声，则σ_s取N₁/3，σ_r取4N₁。

对于当前帧图像分辨率大小为800×600～1024×768的中分辨率图像，σ_s取5N₂/12，σ_r取2N₂；

对于当前帧图像分辨率大小为1280×720～1920×1080，其图像像素密集，单个像素的值变化相对较小，所以可以使用较小的σ_r值，σ_s取N₃/2，σ_r取较小的值0.5N₃以保留更多图像细节。

103、根据粗粒度尺寸，将当前帧图像划分出不重叠的粗粒度分块；

在本发明实施例中，将当前帧的原始图像先按粗粒度分块，本发明的粗粒度是相对细粒度而言的相对概念，粗粒度能够将帧图像划分为较大的图像分块，而细粒度则是能够将较大的图像分块划分为更小的图像分块，本实施例中可以先将图像按粗粒度分为不重叠的75×75分块，这里的粗粒度就指的是75×75的大小，当然实际操作中，本领域技术人员可以根据实际情况选择适当的粗粒度尺寸，例如100×100，125×125，150×150等等尺寸，本发明对此不作限定。

104、根据细粒度尺寸，将当前帧图像的粗粒度分块继续划分出不重叠的细粒度分块；

在本发明实施例中，通过计算各个粗粒度分块内的方差作为分块特征值，根据方差划分细粒度分块，通过确定每个细粒度区块内的最大最小亮度差，每个块内的像素与块内中心点的亮度平方差来确定阈值，从而确定关键像素点。

具体的，计算每个75×75粗粒度分块内像素亮度的方差值，将每个方差值作为一个元素存储在数组Var中，假设一共有M个元素，将数组Var中M个元素从小到大排序，可以将索引数组Var值中70％分位数的方差值作为第一分块阈值σ₁'，其公式为：σ₁'＝Index(Round(70％M-1))，表示分块取值取数组Var中索引号排名为第70％M-1(取整后)的元素；索引数组Var值中90％分位数的方差值作为第二分块阈值σ₂'，其公式为：σ₂'＝Index(Round(90％M-1))，表示分块阈值取数组Var中索引号排名为第90％M-1(取整后)的元素，其中N表示数组长度，Index表示数组索引号。

如图2所示，以一个大小为10的数组Var为例，数组元素为各个块内的方差，则Var[6]为第一分块阈值σ₁'，Var[8]为第二分块阈值σ₂'。

若一个区块内像素亮度的方差小于第一分块阈值σ₁'，则表示其为低方差块，其亮度变化幅度小，将其划分为25×25的细粒度块。若一个区块内像素亮度的方差大于第一分块阈值σ₁'，小于第二分块阈值σ₂'，则其为中方差块，其亮度变化幅度中等，将其划分为15×15的细粒度块。若一个区块内像素亮度的方差大于第二分块阈值σ₂'，则其为高方差块，其亮度变化幅度大，纹理复杂，需要进一步划分为细粒度块，也即是将75×75的粗粒度块细划分为5×5的最小细粒度块。

在本发明优选实施例中，对于处于图像边缘，无法采用75×75分块的粗粒度分块，可以将其划分为5×5或高度为5的矩形小块。

105、根据当前帧图像的各个细粒度分块的像素点的亮度差，确定出各个细粒度分块的关键像素点；

在本发明实施例中，首先，计算各个细粒度分块内像素点的最大亮度差和最小亮度差；其次，计算各个细粒度分块中各个像素点与相应细粒度分块中心像素点的亮度差；再次，根据每个细粒度分块中各个像素点与相应细粒度分块中心像素点的亮度差，计算出每个细粒度分块的亮度差的平均值和标准差；然后，根据每个细粒度分块的亮度差的标准差与平均值的比值，计算出阈值调节参数；最后，根据细粒度分块内像素点的最大亮度差和最小亮度差以及相应的阈值调节参数，计算得到拟合像素点阈值。

具体的，接下来计算每个细粒度分块内像素点的最大亮度差diff_max和最小亮度差diff_min，计算各个块中各个点像素与该块内像素中心点的亮度差ΔI，将所有亮度差ΔI从小到大形成差值列表T。

接下来，设置拟合像素点阈值:threshold＝diff_min+α(diff_max-diff_min)。

其中，α由对每个块内的像素与该块内像素中心点的亮度差ΔI所确定。计算每个块内的亮度差ΔI的平均值ΔI_avg和标准差ΔI_std。根据的值来确定阈值调节参数α。

若表明该块亮度分布单一。取较大的α，如0.7。

若表明亮度分布始终，则取中间的α值，如0.5。

若表明亮度分布复杂。取较小的α，如0.3。

若某个细粒度分块内的某个像素点与中心像素点的亮度差ΔI超过拟合像素点阈值threshold，则确定该像素点为关键像素点；若某个细粒度分块内的多个像素点与中心像素点的亮度差ΔI均超过拟合像素点阈值threshold，则确定亮度差ΔI与拟合像素点阈值threshold最接近的像素点为关键像素点。

106、根据当前帧图像的各个细粒度分块的像素点的亮度差，确定出各个细粒度分块的拟合像素点数量，并根据拟合像素点数量确定出相应的拟合像素点；

在本发明实施例中，确定块内关键像素点后，根据计算动态确定关键像素点附近需要的拟合像素点数量，根据拟合像素点数量通过差值列表确定具体拟合像素点。

在本实施例中，使用上述步骤中所计算的每个细粒度分块内的像素点与该块内像素中心点的亮度差ΔI，亮度差ΔI的平均值ΔI_avg和标准差ΔI_std。根据每个细粒度分块的亮度差的平均值ΔI_avg和标准差ΔI_std的比值，计算出拟合像素点控制参数从而确定需要增加拟合像素点的程度：

若某个细粒度分块的拟合像素点控制参数小于第一阈值，则不增加拟合像素点数量；假设当时，该块亮度分布单一，不增加拟合像素点，这里的第一阈值取1。

若某个细粒度分块的拟合像素点控制参数大于第一阈值且小于第二阈值，则线性增加小部分拟合像素点；假设当时，按线性增加20％拟合像素点，N_increase＝0.2*N_default，这里的第一阈值取1，第二阈值取1.5。

若某个细粒度分块的拟合像素点控制参数大于第二阈值，则线性增加大部分拟合像素点，假设当时，按线性增加50％拟合像素点，N_increase＝0.5*N_default，这里的第一阈值取1.5。

其中，N_increase表示增加的拟合像素点数量。N_default为默认拟合像素点数量，取6。则最终确定出的拟合像素点数量N:N＝Round(N_default+N_increase)，Round表示取整函数。

通过这种方法：根据拟合像素点控制参数的值确定需要增加的拟合像素点程度，根据需要增加的程度也即与第一阈值和第二阈值的关系，计算增加的拟合像素点数量，最终拟合像素点数量是默认值与增加值的和。这样根据每个块内的亮度差计算阈值，而不是固定值。更具适应性。

107、根据当前帧图像的各个细粒度分块的关键像素点和拟合像素点，结合灰度值标准差计算出各个细粒度分块中每个关键像素点与拟合像素点对应的局部范围权重；

在本发明的实施例中，根据上述步骤所构建的差值列表T，按照每个细粒度分块内的关键像素点和每个块的拟合像素点数量，间距等值距离取点，因范围核在关键像素点后占主导作用，关键像素点后拟合像素点数应大于等于关键像素点前拟合像素点数。

在本实施例中，由于前述步骤101和步骤102已经确定好每个像素点的灰度值标准差σ_r，因此，此时只需要将每个细粒度分块的关键像素点和拟合像素点的坐标带入高斯函数中，即可以求得对应的局部范围权重ω_r。

108、根据拟合函数对当前帧图像的各个细粒度分块的关键像素点和拟合像素点进行处理，通过拟合曲线确定出当前帧图像各个细粒度分块中的非拟合像素点的局部范围权重；

具体的，计算细粒度分块内所有关键像素点与拟合像素点对应的局部范围权重，利用块内的关键像素点与拟合像素点，选择高斯函数作为拟合函数，通过非线性最小二乘法拟合曲线，利用拟合曲线得到块内其余非拟合像素点的范围权重。

在本发明实施例中，其拟合方法包括：将当前帧图像的各个细粒度分块中各个像素点与相应细粒度分块中心像素点的亮度差作为横轴，将当前帧图像的各个像素点对应的局部范围权重作为纵轴，构建出高斯函数模型；通过高斯函数模型拟合像素点，通过最小二乘法拟合高斯函数模型对应的拟合曲线，从而确定出最优的拟合曲线，在最优的拟合曲线中确定出当前帧图像的所有非拟合像素点对应的局部范围权重。

具体的，横轴为差值列表T中各个细粒度分块中各个像素点与该块内中心像素点的亮度差ΔI。纵轴ω_r(x,y)为标准双边滤波公式中，当前像素(x,y)对应的范围权重值。利用块内的拟合像素点与关键像素点，建立高斯函数模型来拟合数据点，通过反复计算残差平方和并优化A，B，C三个参数的值，利用最小二乘法使残差平方和最小，从而确定最优拟合曲线；在拟合曲线上取对应范围内核近似值，代替原始公式直接计算，从而减少计算量，如图3所示，为确定7个拟合像素点后，根据各个像素点与块中心点的亮度差ΔI和对应范围权重值，通过高斯函数得到的拟合曲线，则块内其他像素点的权重可由其ΔI从曲线得到。

在本发明的一些实施例中，对于最小细粒度块，取其与其左右上下的相邻块区域合并为一个新的块区域，统计这个新区域里的所有拟合像素点，再次拟合得到区域曲线，通过得到结合单块曲线和区域曲线以平滑单独块得到的曲线，能更好地解决图像整体边缘部分的拟合问题。

在本发明的优选实施例中，对于5×5的细粒度块，因其边缘变化明显，取其本身与其左右上下的相邻块区域合并为一个新的块区域，统计这个新区域里的所有拟合像素点作为新的拟合像素点集合，对这个新拟合像素点集合采用最小二乘法，再次拟合得到一个曲线，得到第二次的拟合曲线，使用权重函数f'(ΔI)＝β*f(ΔI)+(1-β)*g(ΔI)结合单块曲线和区域曲线以平滑单独块得到的曲线，能更好地解决图像整体边缘部分的拟合问题。

其中f(ΔI)为步骤108计算得到的小块内拟合曲线，g(ΔI)为合并后的区域内拟合曲线，为权重系数，d为像素点到合并的区域块中心距离，D为合并的区域块宽度的一半，如图4所示，中间区域与上下左右邻域分块构成一个合并后的区域块，以中间区域的中心元素作为合并后区域块的中心元素，将其作为坐标原点，以目标元素为例，则其坐标为(3，1)，则可计算d与D的值。

在本发明的优选实施例中，在本发明优选实施例中，若最边缘的细粒度分块不存在邻域分块，判断其缺少的邻域分块是否在其他粒度分块内，若在其他细粒度分块内，则将其作为自己的分块去纳入邻域分块进行计算；若其缺少的邻域分块不存在，则把缺少的邻域部分填充为其相对的邻域部分的值，例如缺少上面的邻域分块则把下面的邻域分块填充到上面，其他同理。

步骤109、根据当前帧图像的每一个像素点的全局空间权重和局部范围权重，得到经过双边滤波后的当前帧图像。

在本发明实施例中，把当前像素的全局空间权重ω_s和局部范围权重ω_r代入双边滤波公式，即可得到此像素点滤波后的灰度值，对每一个点做相同处理即可得到当前帧图像经过双边滤波后的图像。

以上所举实施例，对本发明的目的、技术方案和优点进行了进一步的详细说明，所应理解的是，以上所举实施例仅为本发明的优选实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内对本发明所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于粒度分块近似计算的双边滤波图像处理方法，其特征在于，所述方法包括：

获取当前帧图像，并根据当前帧图像的分辨率确定出全局滤波窗口；

根据全局滤波窗口的大小，确定出每个像素点的空间标准差和灰度值标准差，并根据所述空间标准差得到全局空间权重；

根据粗粒度尺寸，将当前帧图像划分出不重叠的粗粒度分块；

根据细粒度尺寸，将当前帧图像的粗粒度分块继续划分出不重叠的细粒度分块；

根据当前帧图像的各个细粒度分块的像素点的亮度差，确定出各个细粒度分块的关键像素点；

根据当前帧图像的各个细粒度分块的像素点的亮度差，确定出各个细粒度分块的拟合像素点数量，并根据拟合像素点数量确定出相应的拟合像素点；

根据当前帧图像的各个细粒度分块的关键像素点和拟合像素点，结合灰度值标准差计算出各个细粒度分块中每个关键像素点与拟合像素点对应的局部范围权重；

根据拟合函数对当前帧图像的各个细粒度分块的关键像素点和拟合像素点进行处理，通过拟合曲线确定出当前帧图像各个细粒度分块中的非拟合像素点的局部范围权重；

根据当前帧图像的每一个像素点的全局空间权重和局部范围权重，得到经过双边滤波后的当前帧图像。

2.根据权利要求1所述的一种基于粒度分块近似计算的双边滤波图像处理方法，其特征在于，所述获取当前帧图像，并根据当前帧图像的分辨率确定出全局滤波窗口包括若当前帧图像为低分辨率图像，则判断所述全局滤波窗口为小滤波窗口；若当前帧图像为中分辨率图像，则判断所述全局滤波窗口为中滤波窗口；若当前帧图像为高分辨率图像，则判断所述全局滤波窗口为大滤波窗口。

3.根据权利要求1所述的一种基于粒度分块近似计算的双边滤波图像处理方法，其特征在于，所述根据全局滤波窗口的大小，确定出每个像素点的空间标准差和灰度值标准差包括确定出全局滤波窗口的大小为N_i，i＝1,2,3；若当前帧图像为低分辨率图像，则确定出空间标准差为N₁/3，灰度值标准差为4N₁；若当前帧图像为中分辨率图像，则确定出空间标准差为5N₂/12，灰度值标准差为2N₂；若当前帧图像为高分辨率图像，则确定出空间标准差为N₃/2，灰度值标准差为0.5N₃。

4.根据权利要求1所述的一种基于粒度分块近似计算的双边滤波图像处理方法，其特征在于，所述根据细粒度尺寸，将当前帧图像的粗粒度分块继续划分出不重叠的细粒度分块包括计算各个粗粒度分块内像素亮度的方差值，对各个粗粒度分块像素亮度的方差值进行排序，按照排序结果确定出第一分块阈值和第二分块阈值；若某个粗粒度分块像素亮度的方差值小于第一分块阈值，则按照低方差块对应的细粒度对该粗粒度分块进行划分；若某个粗粒度分块像素亮度的方差值大于第一分块阈值且小于第二分块阈值，则按照中方差块对应的细粒度对该粗粒度分块进行划分；若某个粗粒度分块像素亮度的方差值大于第二分块阈值，则按照高方差块对应的细粒度对该粗粒度分块进行划分。

5.根据权利要求1所述的一种基于粒度分块近似计算的双边滤波图像处理方法，其特征在于，所述根据当前帧图像的各个细粒度分块的像素点的亮度差，确定出各个细粒度分块的关键像素点包括计算各个细粒度分块内像素点的最大亮度差和最小亮度差；计算各个细粒度分块中各个像素点与相应细粒度分块中心像素点的亮度差；根据每个细粒度分块中各个像素点与相应细粒度分块中心像素点的亮度差，计算出每个细粒度分块的亮度差的平均值和标准差；根据每个细粒度分块的亮度差的标准差与平均值的比值，计算出阈值调节参数；根据细粒度分块内像素点的最大亮度差和最小亮度差以及相应的阈值调节参数，计算得到拟合像素点阈值；若某个细粒度分块内的某个像素点与中心像素点的亮度差超过拟合像素点阈值，则确定该像素点为关键像素点；若某个细粒度分块内的多个像素点与中心像素点的亮度差均超过拟合像素点阈值，则确定亮度差与拟合像素点阈值最接近的像素点为关键像素点。

6.根据权利要求5所述的一种基于粒度分块近似计算的双边滤波图像处理方法，其特征在于，所述拟合像素点阈值的计算公式表示为：

threshold＝diff_min+α(diff_max-diff_min)

其中，threshold表示拟合像素点阈值，diff_min表示细粒度分块内像素点的最小亮度差，diff_max表示细粒度分块内像素点的最大亮度差，α表示阈值调节参数。

7.根据权利要求1所述的一种基于粒度分块近似计算的双边滤波图像处理方法，其特征在于，所述根据当前帧图像的各个细粒度分块的像素点的亮度差，确定出各个细粒度分块的拟合像素点数量包括计算各个细粒度分块中各个像素点与相应细粒度分块中心像素点的亮度差；根据每个细粒度分块中各个像素点与相应细粒度分块中心像素点的亮度差，计算出每个细粒度分块的亮度差的平均值和标准差；根据每个细粒度分块的亮度差的平均值和标准差的比值，计算出拟合像素点控制参数；若某个细粒度分块的拟合像素点控制参数小于第一阈值，则不增加拟合像素点数量；若某个细粒度分块的拟合像素点控制参数大于第一阈值且小于第二阈值，则线性增加小部分拟合像素点；若某个细粒度分块的拟合像素点控制参数大于第二阈值，则线性增加大部分拟合像素点。

8.根据权利要求1所述的一种基于粒度分块近似计算的双边滤波图像处理方法，其特征在于，所述根据拟合函数对当前帧图像的各个细粒度分块的关键像素点和拟合像素点进行处理，通过拟合曲线确定出当前帧图像各个细粒度分块中的非拟合像素点的局部范围权重包括将当前帧图像的各个细粒度分块中各个像素点与相应细粒度分块中心像素点的亮度差作为横轴，将当前帧图像的各个像素点对应的局部范围权重作为纵轴，构建出高斯函数模型；通过高斯函数模型拟合像素点，通过最小二乘法拟合高斯函数模型对应的拟合曲线，从而确定出最优的拟合曲线，在最优的拟合曲线中确定出当前帧图像的所有非拟合像素点对应的局部范围权重。

9.根据权利要求1或8所述的一种基于粒度分块近似计算的双边滤波图像处理方法，其特征在于，所述方法还包括判断当前细粒度分块是否为所有粒度中最小细粒度的分块或者是否为边缘的分块，若为最小细粒度分块或者为边缘分块，则获取当前细粒度分块的相邻细粒度分块，并将其与相邻细粒度分块构建为新的分块；统计新的分块中的所有关键像素点和拟合像素点；并结合灰度值标准差计算出新的分块中每个关键像素点与拟合像素点对应的局部范围权重；根据拟合函数对新的分块的关键像素点和拟合像素点进行处理；使用权重函数对当前细粒度分块的拟合曲线与新的区块的拟合曲线进行平滑，得到当前细粒度分块的非拟合像素点的局部范围权重。