CN1917578A - 数据处理设备、数据处理方法及程序 - Google Patents

数据处理设备、数据处理方法及程序 Download PDF

Info

Publication number
CN1917578A
CN1917578A CNA2006101114310A CN200610111431A CN1917578A CN 1917578 A CN1917578 A CN 1917578A CN A2006101114310 A CNA2006101114310 A CN A2006101114310A CN 200610111431 A CN200610111431 A CN 200610111431A CN 1917578 A CN1917578 A CN 1917578A
Authority
CN
China
Prior art keywords
pixel
value
level
smooth
parameter
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.)
Granted
Application number
CNA2006101114310A
Other languages
English (en)
Other versions
CN100525382C (zh
Inventor
文浩信
山丈浩章
上田和彦
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.)
Sony Corp
Original Assignee
Sony Corp
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 Sony Corp filed Critical Sony Corp
Publication of CN1917578A publication Critical patent/CN1917578A/zh
Application granted granted Critical
Publication of CN100525382C publication Critical patent/CN100525382C/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G06T5/70—
    • 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 by the use of local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/117—Filters, e.g. for pre-processing or post-processing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/136—Incoming video signal characteristics or properties
    • H04N19/14—Coding unit complexity, e.g. amount of activity or edge presence estimation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/182—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being a pixel
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/85—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression
    • H04N19/86—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression involving reduction of coding artifacts, e.g. of blockiness
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20004—Adaptive image processing
    • G06T2207/20012—Locally adaptive
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation

Abstract

一种数据处理设备、数据处理方法及程序，用于处理图像数据。该数据处理设备包括：分散信息计算器，用于计算表示构成图像数据的多个像素的每一个的像素值的分散度的分散信息；平滑部，用于使分散信息平滑并输出平滑后的值；判断部，用于基于平滑后的值判断像素所属的区域并输出表示该区域的区域信息；参数确定部，用于基于区域信息和平滑后的值判断对构成图像数据的每个像素进行噪声去除处理的参数；及噪声去除部，用于基于为每个像素确定的参数对图像数据执行噪声去除处理。

Description

数据处理设备、数据处理方法及程序
技术领域
本发明涉及一种数据处理设备、数据处理方法以及程序。更具体来说，本发明涉及一种能够例如有效地从图像数据中去除蚊式噪声(mosquito noise)的数据处理设备、供该数据处理设备使用的数据处理方法，及利用该数据处理方法的程序。
背景技术
通过使用例如基于用于压缩图像数据的MPEG(MovingPicture Experts Group，动态图片专家组)格式的压缩方法来压缩图像数据的编码器将图像数据分割成块，并对每个块执行DCT(Discrete Cosine Transform，离散余弦处理)处理。为此，当解码器对使用MPEG系统编码的图像数据进行解码时，理论上，在解码后的图像数据的图像边缘周围可存在蚊式噪声。
通常，用于去除蚊式噪声的相关技术的噪声去除设备检测图像数据的像素值的变化，如果像素值的变化大则判断出该像素值对应于边缘。然后，噪声去除设备对图像数据的图像边缘进行滤波，使得其平滑度变得比对于除边缘之外的部分的滤波的平滑度高。作为结果，去除了出现在图像数据的图像边缘周围的蚊式噪声。
一种通过使用用于在保持像素值的变化高的边缘的同时放大除边缘以外的部分的图像数据的非线性平滑滤波器来改进图像对比度的设备已经被公开(参见例如日本特开2001-298621号公报)。
发明内容
然而，在该相关技术的噪声去除设备中，当图像数据具有边缘且还具有显著纹理度时(例如，因为例如存在图案而存在图像数据的像素值某种程度的变化的部分)，很难适当地区分图像边缘和具有显著纹理度的部分。即，在该相关技术的噪声去除设备中，当检测出像素值的某种程度的变化时，很难适当地判断出像素值的变化是由图像边缘引起的还是由具有显著纹理度的部分引起的。例如，存在这种情况：即使当检测到由显著纹理引起的像素值的变化时，该相关技术的噪声去除设备也错误地判断为该像素值的变化对应于图像的边缘。
如上所述，当不适当地进行了图像边缘和具有显著纹理度的部分之间的区分时，该噪声去除设备以同样的平滑度对图像边缘和具有显著纹理度的部分进行滤波。在这种情况下，例如存在这样的情况：具有显著纹理度的部分的图像质量劣化且图像边缘周围的蚊式噪声没有充分去除。
考虑到这种情况做出本发明。希望可以有效地从图像数据去除蚊式噪声。
根据本发明的一实施例，提供一种数据处理设备，用于处理图像数据，所述数据处理设备包括：分散信息计算装置，用于计算分散信息，所述分散信息表示构成所述图像数据的多个像素的每个像素的像素值的分散度；平滑装置，用于使所述分散信息平滑并输出平滑后的值；判断装置，用于基于所述平滑后的值判断所述像素所属的区域并输出表示所述区域的区域信息；参数确定装置，用于基于所述区域信息和所述平滑后的值确定对构成所述图像数据的每个像素进行噪声去除处理的参数；及噪声去除装置，用于基于为每个所述像素确定的所述参数对所述图像数据执行所述噪声去除处理。
根据本发明的另一实施例，提供一种数据处理方法，用于处理图像数据，所述数据处理方法包括以下步骤：计算分散信息，所述分散信息表示构成所述图像数据的多个像素的每个像素的像素值的分散度；使所述分散信息平滑并输出平滑后的值；基于所述平滑后的值判断所述像素所属的区域并输出表示所述区域的区域信息；基于所述区域信息和所述平滑后的值确定对构成所述图像数据的每个像素进行噪声去除处理的参数；及基于为每个所述像素确定的所述参数对所述图像数据执行所述噪声去除处理。
根据本发明的另一实施例，提供一种程序，包括以下步骤：计算分散信息，所述分散信息表示构成所述图像数据的多个像素的每个像素的像素值的分散度；使所述分散信息平滑并输出平滑后的值；基于所述平滑后的值判断所述像素所属的区域并输出表示所述区域的区域信息；基于所述区域信息和所述平滑后的值确定对构成所述图像数据的每个像素进行噪声去除处理的参数；及基于为每个所述像素确定出的所述参数对所述图像数据执行所述噪声去除处理。
根据本发明的另一实施例，提供一种数据处理设备，用于处理图像数据，包括：分散信息计算器，用于计算分散信息，所述分散信息表示构成所述图像数据的多个像素的每个像素的像素值的分散度；平滑部，用于使所述分散信息平滑并输出平滑后的值；判断部，用于基于所述平滑后的值判断所述像素所属的区域并输出表示所述区域的区域信息；参数确定部，用于基于所述区域信息和所述平滑后的值确定对构成所述图像数据的每个像素进行噪声去除处理的参数；及噪声去除部，用于基于为每个所述像素确定的所述参数对所述图像数据执行所述噪声去除处理。
在根据本发明的实施例的数据处理设备、数据处理方法、及程序中，为构成图像数据的多个像素的每一个计算表示像素值分散度的分散信息，并输出已经使分散信息平滑的平滑后的值。而且，基于所述平滑后的值判断像素所属的区域，并输出表示该区域的区域信息。然后，基于区域信息和平滑后的值，为构成图像数据的每个像素确定噪声去除处理的参数，并基于对每个像素确定出的参数，对图像数据执行噪声去除处理。
根据本发明的实施例，可以从图像数据中有效去除蚊式噪声。
附图说明
图1是示出应用本发明的噪声去除设备的实施例的配置的例子的框图；
图2示出分散(varia nce)计算器11对分散V的计算；
图3是示出图像数据、分散V、及平滑后的值LPF(V)的波形的示意图；
图4是示出区域判断部13的配置的例子的框图；
图5示出存储器21的存储内容；
图6示出由水平直方图计算器24确定出的变化量的直方图；
图7示出由水平区域判断部26和垂直区域判断部27执行的用于判断所关心的像素所属区域的处理；
图8是示出阈值确定部14的配置的例子的框图；
图9示出阈值确定曲线；
图10示出ε滤波器的滤波；
图11是示出噪声去除设备10的处理的流程图；
图12是示出区域判断处理的流程图；
图13是示出阈值确定处理的流程图；
图14是示出应用本发明的噪声去除设备的另一个实施例的配置的例子的框图；及
图15是示出安装了用于实现噪声去除设备的程序的计算机的实施例的配置的例子的框图。
具体实施方式
在说明本发明的实施例之前，下面说明权利要求的特征与在本发明实施例中公开的具体要素之间的联系。该说明意在保证在本说明书中说明了支持所要求的发明的实施例。因此，即使下面实施例中的要素没有被描述为关于本发明的某个特征，这不必然意味着该要素与权利要求的特征不相关。相反地，即使在本文中某要素被描述为与权利要求的某特征相关，这也不必然意味着该要素与权利要求的其它特征不相关。
此外，本说明书不该被解释为限定在实施例中公开的本发明的所有方面都在权利要求中被说明。即，本说明书不否认在实施例中进行了说明但在本申请的发明中未要求权利的本发明的方面的存在，即，可能在将来通过分案申请要求权利或可能通过修改添加要求权利的本发明的方面的存在。
根据本发明的一实施例的数据处理设备包括：分散信息计算装置(例如，图1的分散计算器11)，用于计算表示构成图像数据的多个像素的每一个的像素值分散度的分散信息；平滑装置(例图，图1的低通滤波器12)，用于使分散信息平滑并输出平滑后的值；判断装置(例如，图1的区域判断部13)，用于基于平滑后的值判断像素所属的区域并输出表示区域的区域信息；参数确定装置(例如，图1的阈值确定部14)，用于基于区域信息和平滑后的值确定对构成图像数据的每个像素进行噪声去除处理的参数；噪声去除装置(例如，图1的非线性平滑滤波器15)，用于基于对每个像素确定的参数对图像数据执行噪声去除处理。
在根据本发明实施例的数据处理设备中，判断装置包括：变化量计算装置(例如，图4的水平差计算器22和垂直差计算器23)，用于计算构成图像数据的像素中包括所关心像素和位于所关心像素附近的像素的像素的平滑后的值的变化量；以及直方图计算装置(例如，图4的水平直方图计算器24和垂直直方图计算器25)，用于计算变化量的直方图；以及区域判断装置(例如，图4的水平区域判断部26和垂直区域判断部27)，用于基于直方图判断像素所属的区域。
根据本发明一实施例的数据处理方法包括以下步骤：
计算表示构成图像数据的多个像素的每一个的像素值的分散度的分散信息(例如，图11的步骤S11)；使分散信息平滑(例如，图11的步骤S12)并输出平滑后的值；基于平滑后的值判断像素所属的区域(例如，图11的步骤S13)并输出表示区域的区域信息；基于区域信息和平滑后的值确定对构成图像数据的每个像素进行噪声去除处理的参数(例如，图11的步骤S14)；基于对每个像素确定的参数对图像数据执行噪声去除处理(例如，图11的步骤S15)。
根据本发明一实施例的程序的构成特征和本发明实施例中的具体例子之间的关联与本发明的上述数据处理方法的相同，因此，在此省略其说明。
下面参考附图详细说明应用本发明的具体实施例。
图1是示出应用本发明的噪声去除设备的实施例的配置的例子的框图。
在图1中，噪声去除设备10包括：分散计算器11、低通滤波器12、区域判断部13、阈值确定部14、及非线性平滑滤波器15。
分散计算器11和非线性平滑滤波器15连接到用于向噪声去除设备10输入作为输入数据的图像数据的端子(未示出)，且分散计算器11还连接到低通滤波器12。此外，低通滤波器12连接到区域判断部13和阈值确定部14。区域判断部13连接到阈值确定部14，且阈值确定部14连接到非线性平滑滤波器15。非线性平滑滤波器15连接到用于从噪声去除设备10输出作为输出数据的图像数据的端子(未示出)。
将作为输入数据的图像数据例如以帧(场)为单位输入到分散计算器11。该图像数据是例如由MPEG系统编码的图像数据被解码后的图像数据。分散计算器11对构成一帧的图像数据的每个像素计算表示像素值的分散度的分散信息，例如分散(variance)V，并将计算出的分散提供给低通滤波器12。
低通滤波器12使来自分散计算器11的分散V平滑。低通滤波器12将通过使分散V平滑而得到的平滑后的值LPF(V)提供给区域判断部13和阈值确定部14。
基于从低通滤波器12输出的平滑后的值LPF(V)，区域判断部13对构成图像数据的每个像素执行区域判断处理，判断像素属于以下哪个区域：边缘区域，其是形成像素值急剧变化的图像边缘的区域或在边缘附近的区域；纹理区域，其是在物体等表面上的图案的像素值存在一定程度的变化的区域；平缓(flat)区域，其是像素值的变化可以忽略的区域；及其它区域。
区域判断部13将作为执行区域判断处理的结果而得到的区域信息提供给阈值确定部14。区域信息是表示构成图像数据的像素中所关心的像素属于边缘区域、纹理区域、平缓区域、及其它区域中的哪一个的信息。
基于来自低通滤波器12的平滑后的值LPF(V)和来自区域判断部13的区域信息，阈值确定部14确定作为由非线性平滑滤波器15执行的噪声去除处理的参数的阈值ε，并将所确定的阈值ε提供给非线性平滑滤波器15。以与边缘区域、纹理区域、平缓区域、及其它区域的每一个相对应的方式确定阈值ε。
基于来自阈值确定部14的阈值ε，非线性平滑滤波器15对作为输入数据的图像数据执行噪声去除处理。即，非线性平滑滤波器15对图像数据进行滤波，使得以基于来自阈值确定部14的阈值ε的程度使图像数据平滑。例如，如果阈值ε是大的值，则非线性平滑滤波器15以高平滑度对图像数据滤波，如果阈值ε是小的值，则非线性平滑滤波器15以低平滑度对图像数据滤波。
如上所述，以与边缘区域、纹理区域、平缓区域、及其它区域的每一个相对应的方式确定阈值ε。因此，非线性平滑滤波器15以与边缘区域、纹理区域、平缓区域、及其它区域的每一个相对应的平滑度对图像数据滤波。
作为执行上述作为噪声去除处理的滤波的结果，非线性平滑滤波器15从作为输入数据的图像数据中去除了蚊式噪声，并输出作为输出数据的图像数据。
接下来，参考图2说明图1的分散计算器11对分散V的计算。
分散计算器11例如以光栅扫描的顺序依次选择构成图像数据的像素，并对所关心的像素计算表示像素值分散度的分散信息，例如方差(varia nce)。
即，例如，如图2所示，分散计算器11计算以所关心像素为中心的长、宽分布为3×3像素的像素值的方差，所关心的像素的方差根据方程(1)算出：
V = 1 N Σ i = 1 N ( pi - ave ) 2 - - - ( 1 )
在方程(1)中，V代表所关心的像素的方差。N代表用来判断所关心的像素的方差V的像素(像素值)的数量，在图2的实施例中N为9。pi代表用来计算所关心像素的方差V的N个像素中第i个像素的像素值，ave代表该N个像素的像素值的平均值(p1+p2+…+pN)/N。
分散计算器11以光栅扫描的顺序依次变化所关心的像素并依次计算方差V，这样计算构成图像数据的所有像素的方差V。
作为分散信息，除根据方程(1)计算的方差V之外，还可以应用例如根据方程(2)计算的值及表示像素值的分散度的其它值：
V = 1 N Σ i = 1 N | pi - ave | - - - ( 2 )
图3是示出输入到图1的分散计算器11的图像数据(将由非线性平滑滤波器15滤波的图像数据)、由分散计算器11得到的分散V、及由低通滤波器12得到的平滑后的值LPF(V)的波形的示意图。
在图3中，波形T1表示作为输入数据输入到分散计算器11的图像数据中某个水平(垂直)行的像素值的波形。在波形T1中，像素值变化急剧的边缘的范围“a”，存在某个程度的像素值变化的边缘的范围“b”，以及像素值的变化可以忽略的边缘的范围“c”。
波形T2是针对波形T1(图像数据)由分散计算器11算出的分散V的波形。波形T1的分散度(变化度)越大，分散V的值越大，波形T1的分散度越小，分散V的值越小。因此，如图3所示，在范围“a”及其附近，作为被对应于波形T1的边缘的像素值的变化所影响的结果，波形T2变成尖锐凸起的形状，在范围“b”及其附近，作为被对应于波形T1的纹理的像素值的变化所影响的结果，波形T2变成具有某种程度变化的形状。
波形T3是通过低通滤波器12使波形T2(分散V)平滑而得到的平滑后的值LPF(V)的波形。如图3所示，波形T3的形状与波形T2的形状相比较已经被平滑了。即，在比范围“a”宽一定程度的范围“d”中，波形T3成为具有一定大小的斜率的凸起形状。在比范围“b”略宽的范围“e”中，波形T3成为具有比在范围“d”中的斜率小的斜率的凸起形状。在除范围d和e之外的范围“f”中，波形T3变成平缓的没有斜率。
图4是示出图1的区域判断部13的配置的例子的框图。
在图4中，区域判断部13包括：存储器21、水平差计算器22、垂直差计算器23、水平直方图计算器24、垂直直方图计算器25、水平区域判断部26、及垂直区域判断部27。
将平滑后的值LPF(V)从图1的低通滤波器12提供给存储器21。存储器21存储从低通滤波器12输出的平滑后的值LPF(V)中包括所关心像素和位于所关心像素附近的像素的像素的平滑后的值LPF(V)。
即，将平滑后的值LPF(V)从低通滤波器12提供给区域判断部13。在区域判断部13中，按光栅扫描的顺序将构成图像数据的像素依次选择作为所关心的像素。存储器21存储从低通滤波器12提供的平滑后的值LPF(V)中包括所关心的像素和位于所关心像素附近的像素的像素的平滑后的值LPF(V)。
水平差计算器22关于所关心的像素计算存储在存储器21中的平滑后的值LPF(V)的水平变化量，并将计算出的变化提供给水平直方图计算器24。
垂直差计算器23关于所关心的像素计算存储在存储器21中的平滑后的值LPF(V)的垂直变化量，并将计算出的变化提供给垂直直方图计算器25。
水平直方图计算器24计算(生成)从水平差计算器22提供的所关心像素的水平变化量的直方图。即，水平直方图计算器24针对从水平差计算器22提供的关于所关心的像素的水平变化量确定由第一、第二、及第三范围中各值的变化量的频度(occurrences)hist(1)、hist(2)、及hist(3)的数量组成的直方图。水平直方图计算器24将由为每个所关心的像素确定的频度hist(1)、hist(2)、及hist(3)的数量组成的直方图提供给水平区域判断部26。
与水平直方图计算器24类似，垂直直方图计算器25针对从垂直差计算器23提供的关于所关心的像素在垂直方向的变化量确定由频度hist(1)、hist(2)、及hist(3)的数量组成的直方图，并将该直方图提供给垂直区域判断部27。
在水平区域判断部26中，预先提供了用于判断所关心的像素所属区域的阈值th1、th2、及th3。水平区域判断部26基于来自水平直方图计算器24的关于所关心像素的直方图的频度hist(1)、hist(2)、及hist(3)的数量并基于阈值th1、th2、及th3判断所关心像素所属的区域。即，水平区域判断部26判断所关心的像素属于边缘区域、纹理区域、平缓区域、及其它区域中的哪一个，并输出判断结果即表示所关心像素所属区域的信息。
与水平区域判断部26类似，垂直区域判断部27基于来自垂直直方图计算器25的关于所关心像素的直方图的频度hist(1)、hist(2)、及hist(3)的数量判断所关心像素所属的区域，并输出作为判断结果的区域信息。
图5示出图4的存储器21的存储内容。现在参考图5说明图4的水平差计算器22和垂直差计算器23对像素值的变化量的计算。
图5示出由存储器21存储的像素的平滑后的值C[i](j)。存储器21存储例如共计35个像素的(平滑后的值)C[i](j)，即，在构成图像数据的像素中所关心的像素的(平滑后的值)C[3](0)处于中心的宽和长为7×5的像素。即，存储器21存储位于以所关心的像素C[3](0)为中心，垂直方向上五行(i＝1～5)，水平方向上7列(j＝-3～3)中的像素的平滑后的值C[i](j)，即，平滑后的值C[1](-3)到平滑后的值C[5](3)。
在下文中，如上所述，作为存储在存储器21中的关于所关心像素的平滑后的值，以所关心像素为中心的7×5像素的区域在下文中被称为“所关心区域”。
水平差计算器22计算例如下面方程(3)的差值(绝对差值)diff[i](j)作为所关心区域的像素的水平方向上的变化量。
diff[i](j)＝|C[i](j)-C[i](0)|，(i＝1～5，j＝-3～3)…(3)
水平差计算器22通过计算方程(3)输出30个水平差值diff[i](j)。更具体来说，关于第一行(i＝1)，水平差计算器22计算平滑后的值C[1](0)与平滑后的值C[1](-3)、平滑后的值C[1](-2)、平滑后的值C[1](-1)、平滑后的值C[1](1)、平滑后的值C[1](2)、及平滑后的值C[1](3)中每一个之间的差值，并输出在水平方向上的这六个差值：差值diff[1](-3)、差值diff[1](-2)、差值diff[1](-1)、差值diff[1](1)、差值diff[1](2)、差值diff[1](3)。
相似地，水平差计算器22还关于第二行(i＝2)计算平滑后的值C[2](0)与平滑后的值C[2](-3)、平滑后的值C[2](-2)、平滑后的值C[2](-1)、平滑后的值C[2](1)、平滑后的值C[2](2)、及平滑后的值C[2](3)中每一个之间的差值，并输出六个差值：差值diff[2](-3)、差值diff[2](-2)、差值diff[2](-1)、差值diff[2](1)、差值diff[2](2)、差值diff[2](3)。类似地，接着，水平差计算器22关于第三行到第五行(i＝3～5)分别输出六个水平差值。因此，水平差计算器22输出关于第一行到第五行的30个水平差值diff[i](j)。
垂直差计算器23计算例如方程(4)的差值(绝对差值)diff[i](j)作为所关心区域的像素的垂直方向上的变化量。
diff[i](j)＝|C[i](j)-C[3](j)|，(i＝1～5，j＝-3～3)…(4)
通过计算方程(4)，垂直差计算器23输出28个垂直差值diff[i](j)。与说明水平差计算器22的情况相类似，垂直差计算器23为每个列输出四个垂直差值diff[i](j)，并为第一到第七列输出28个垂直差值diff[i](j)。
图5中示出存储在存储器21中的所关心区域具有5×7个像素的例子。然而，存储在存储器21中的所关心区域不局限于5×7个像素。所关心区域的大小，尤其是长度的大小可以例如基于当将由非线性平滑滤波器15滤波的图像数据被压缩时所执行的DCT处理的块尺寸来判断。
接下来，参考图6说明由图4的水平直方图计算器24和垂直直方图计算器25确定的变化量的直方图。
图6示出在水平轴上绘制变化量且在垂直轴上绘制频度的数量的直方图。在图6的直方图中，变化量的值在水平轴上从左向右增加。水平轴被分割为三个范围，即，从变化量的值大的范围开始顺序为第一范围、第二范围、及第三范围。
如参考图5所述，将作为水平方向上的30个变化量(差值)从水平差计算器22提供给水平直方图计算器24，且水平直方图计算器24计算水平方向上的变化量的直方图。即，基于来自水平差计算器22的水平方向上的30个变化量，水平直方图计算器24分别计算第一范围的变化量的频度hist(1)的数量、第二范围的变化量的频度hist(2)的数量、及第三范围的变化量的频度hist(3)的数量，并得到由频度hist(1)、hist(2)、hist(3)的三个数量组成的三个部分的在水平方向上的直方图。
在图6中，水平轴上的第一到第三范围是同样的尺寸，但也可以是不同的尺寸。可以例如通过使用许多图像数据执行仿真来判断第一到第三范围。此外，可以例如响应用户的操作来改变第一到第三范围。
与水平直方图计算器24类似，基于从垂直差计算器23提供的28个垂直方向上的变化量，垂直直方图计算器25分别计算第一范围的变化量的频度hist(1)的数量、第二范围的变化量的频度hist(2)的数量、及第三范围的变化量的频度hist(3)的数量，并得到由频度hist(1)、hist(2)、hist(3)的三个数量组成的三个部分的垂直方向上的直方图。
接下来，参考图7说明由图4的水平区域判断部26和垂直区域判断部27执行的用于判断所关心的像素所属区域的区域判断处理。
如上所述，预先将用于判断区域的阈值th1、th 2、及th3提供给水平区域判断部26，并将关于所关心像素的垂直方向上的直方图的频度hist(1)、hist(2)、hist(3)的数量从水平直方图计算器24提供给水平区域判断部26。
水平区域判断部26将频度hist(1)的数量和阈值th1相比较，且根据需要，将频度hist(2)的数量和阈值th2相比较并将频度hist(3)的数量和阈值th3相比较，使得基于这些比较结果，判断所关心的像素属于边缘区域、纹理区域、平缓区域、及其它区域中的哪一个。
即，例如，如图7所示，如果“hist(1)＞th1”为真(1)，则水平区域判断部26判断出所关心像素所属区域为边缘区域。如果“hist(1)＞th1”为假(0)且“hist(2)＞th2”为真(1)，则水平区域判断部26判断出所关心像素所属区域为纹理区域。
如果“hist(1)＞th1”和“hist(2)＞th2”是假(0)且如果“hist(3)＞th3”是真(1)，则水平区域判断部26判断出所关心像素所属区域为平缓区域。此外，如果“hist(1)＞th1”、“hist(2)＞th2”、及“hist(3)＞th3”都为假(其它)，则水平区域判断部26判断出所关心像素所属区域不是边缘区域、纹理区域、或平缓区域(或不知属于其中的哪一个)而是其它区域。
如果“hist(1)＞th1”为真(1)，则判断出所关心像素所属区域是边缘区域而不管“hist(2)＞th2”和“hist(3)＞th3”是真或假。因此，在由图7中的表的边缘区域的行和“hist(2)＞th2”或“hist(3)＞th3”的列组成的方格中写入“×”(无关)。类似地，如果“hist(1)＞th1”为假(0)且如果“hist(2)＞th2”为真(1)，则判断出所关心像素所属区域是纹理区域而不管“hist(3)＞th3”是真或假。因此，在由图7中的表的纹理区域的行和“hist(3)＞th3”的列组成的方格中写入“×”(无关)。
与水平区域判断部26相类似地，预先将用于判断区域的阈值th1、th2、及th3提供给垂直区域判断部27。基于从垂直直方图计算器25输出的关于所关心像素在垂直方向上的直方图的频度hist(1)、hist(2)、hist(3)的数量，垂直区域判断部27判断所关心像素所属区域是边缘区域、纹理区域、平缓区域、及其它区域中的哪一个。
如上所述，在水平区域判断部26中，对沿水平方向观看图像数据时所关心像素的所属区域进行判断，在垂直区域判断部27中，对沿垂直方向观看图像数据时所关心像素的所属区域进行判断。
在水平区域判断部26和垂直区域判断部27中，用于判断区域的阈值th1、th2、及th3可以是相同的值或者也可以是不同的值。
现在参考上面的图3说明输入到图4的区域判断部13的平滑后的值LPF(V)和水平区域判断部26对所关心像素所属区域(区域种类)的判断之间的关系。
如上所述，图3的波形T3是由低通滤波器12得到的平滑后的值LPF(V)的波形，波形T3内以所关心像素为中心的范围的部分作为所关心区域存储在存储器21中。水平差计算器22针对波形T3内作为所关心区域存储在存储器21中的范围计算变化量，且水平直方图计算器24得到变化量的直方图。
波形T3在范围“d”中具有一定程度大小的斜率。因此，在部分或全部覆盖范围“d”的范围被作为所关心区域而计算的变化量的直方图中，大变化量的频度hist(1)的数量成为大值。
在范围“e”中，波形T3具有比在范围“d”中的斜率小的斜率。因此，在部分或全部覆盖范围“e”的范围被作为所关心区域计算的变化量的直方图中，频度hist(1)的数量成为小值，且中间程度变化量的频度hist(2)的数量成为大值。
波形T3在范围“f”中不具有斜率。因此，在只包含范围“f”的范围“c”被作为所关心区域而计算的变化量的直方图中，频度hist(1)的数量和频度hist(2)的数量成为小值，且小变化量的频度hist(3)的数量成为大值。
基于变化量的上述性质(特性)，如图7的表所示，水平区域判断部26判断所关心的像素所属的区域。因此，在水平区域判断部26中，在包含边缘的范围“a”的比边缘周围的范围“d”略宽范围中的像素所属的区域被判断为边缘区域；包含纹理范围“b”的比范围“e”略宽的范围中的像素所属的区域被判断为纹理区域；比平缓范围“c”窄的范围“f”中的像素所属的区域被判断为平缓区域。
图8是示出阈值确定部14的配置的例子的框图。
在图8中，阈值确定部14包括：水平方向参数选择器31、垂直方向参数选择器32、水平阈值确定部33、及垂直阈值确定部34。
将关于所关心像素的水平方向上的区域信息(表示所关心像素属于边缘区域、纹理区域、平缓区域、及其它区域中的哪一个的信息)从图4的水平区域判断部26提供给水平方向参数选择器31。基于水平方向的区域信息，水平方向参数选择器31选择(确定)水平阈值确定部33确定阈值ε所用的所关心像素在水平方向上的参数，并将其提供给水平阈值确定部33。
基于从图4的垂直区域判断部27提供的关于所关心像素的垂直方向上的区域信息，垂直方向参数选择器32选择垂值阈值确定部34确定阈值ε所用的所关心像素在垂直方向上的参数，并将其提供给垂值阈值确定部34。
将水平方向上的确定参数从水平方向参数选择器31提供给水平阈值确定部33，并将平滑后的值LPF(V)从图1的低通滤波器12提供给水平阈值确定部33。基于来自水平方向参数选择器31的用于在水平方向上判断所关心像素的参数并基于来自低通滤波器12的关于所关心像素的平滑后的值LPF(V)，水平阈值确定部33判断关于所关心像素的水平阈值ε并将其输出。
基于来自垂直方向参数选择部32的用于在垂直方向上判断所关心像素的参数并基于来自低通滤波器12的关于所关心像素的平滑后的值LPF(V)，垂直阈值确定部34判断关于所关心像素的在垂直方向上的阈值ε并输出所判断出的阈值ε。
接下来，参考图9说明从图8的水平方向参数选择器31提供给水平阈值确定部33的用于在水平方向上判断所关心像素的参数，并说明水平阈值确定部33对水平阈值ε的判断。
图9示出表示平滑后的值LPF(V)和阈值ε之间关系的阈值确定曲线。在图9中，水平轴表示平滑后的值LPF(V)，垂直轴表示阈值ε。平滑后的值LPF(V)的值在水平轴上从左向右增加，阈值ε的值从垂直轴的底部向朝上的方向增加。
基于从水平方向参数选择器31提供的用于确定所关心像素的参数，水平阈值确定部33将图9所示的阈值确定曲线L1、L2、及L3之一确定为用来确定阈值ε的阈值确定曲线。基于该阈值确定曲线和来自图1的低通滤波器12的所关心像素的平滑后的值LPF(V)，水平阈值确定部33确定作为用于滤波所关心像素的参数的阈值ε。
在这里，示出平滑后的值LPF(V)和阈值ε之间关系的阈值确定曲线是例如由变量(参数)E、F、和M指定的曲线。即，例如，如图9所示，阈值确定曲线是这样的曲线：当平滑后的值LPF(V)小于或等于F时，阈值ε保持为常数0；当平滑后的值LPF(V)大于F且小于E时，阈值ε与平滑后的值LPF(V)成比例地增加；当平滑后的值LPF(V)大于或等于E时，阈值ε保持为常数M(＞0)。
例如，将用于指定阈值确定曲线的变量E、F、及M作为确定参数从水平方向参数选择器31提供给水平阈值确定部33。此外，例如，代替变量F，可以使用阈值ε与平滑后的值LPF(V)成比例增加的斜率K作为确定参数。
图9示出确定参数E、F、及M分别为确定参数E1、F1、及M1的阈值确定曲线L1，确定参数E、F、及M分别为确定参数E2、F2、及M2的阈值确定曲线L2，确定参数E、F、及M分别为确定参数E3、F3、及M3的阈值确定曲线L3。
水平方向参数选择器31例如以相互对应的方式存储确定参数(的值)和区域信息，并选择对应于从图4的水平区域判断部26提供的水平方向上的区域信息的确定参数。
例如，水平方向参数选择器31以相互对应的方式存储表示边缘区域的区域信息和确定参数E1、F1、及M1。当来自水平区域判断部26的区域信息表示边缘区域时，水平方向参数选择器31选择确定参数E1、F1、及M1。此外，水平方向参数选择器31以相互对应的方式存储表示纹理区域的区域信息和确定参数E2、F2、及M2。当来自水平区域判断部26的区域信息表示纹理区域时，水平方向参数选择器31选择确定参数E2、F2、及M2。
此外，水平方向参数选择器31以互相对应的方式存储表示平缓区域的区域信息和确定参数E3、F3、及M3。当来自水平区域判断部26的区域信息表示平缓区域时，水平方向参数选择器31选择确定参数E3、F3、及M3。此外，水平方向参数选择器31以对应于例如确定参数E3、F3、及M3的方式存储表示其它区域的区域信息。当来自水平区域判断部26的区域信息表示其它区域时，水平方向参数选择器31还选择确定参数E3、F3、及M3。
在这里，在图9中，阈值确定曲线L1、L2、及L3的确定参数E以E1、E2、E3的顺序增大；阈值确定曲线L1、L2、及L3的确定参数F以F1、F2、F3的顺序增大；且阈值确定曲线L1、L2、及L3的确定参数M以M1、M2、M3的顺序增大。
因此，当所关心像素所属区域为边缘区域时，如果所关心像素的平滑后的值LPF(V)小于或等于小值F1，则根据阈值确定曲线L1将阈值ε确定为0。此外，如果所关心像素的平滑后的值LPF(V)是在小值F1到小值E1范围中的值，则将阈值ε确定为与平滑后的值LPF(V)成比例的大值。如果所关心像素的平滑后的值LPF(V)大于或等于小值E1，则将阈值ε确定为大值M1。
当所关心像素所属区域为纹理区域时，如果所关心像素的平滑后的值LPF(V)小于或等于比小值F1大的中间值F2，则根据阈值确定曲线L2将阈值ε确定为0。此外，如果所关心像素的平滑后的值LPF(V)是在大于或等于比小值F1大的中间值F2且小于或等于比小值E1大的中间值F2的范围中的值，则将阈值ε确定为与平滑后的值LPF(V)成比例的中间值。如果所关心像素的平滑后的值LPF(V)大于或等于中间值E2，则将阈值ε确定为比大值M1小的中间值M2。
当所关心像素所属区域为平缓区域或其它区域时，如果所关心像素的平滑后的值LPF(V)小于或等于比中间值F2大的大值F3，则根据阈值确定曲线L3将阈值ε确定为0。此外，当所关心像素的平滑后的值LPF(V)是在大于或等于比中间值F2大的大值F3且小于或等于比中间值E2大的大值E3的范围中的值时，将阈值ε确定为与平滑后的值LPF(V)成比例的小值。当所关心像素的平滑后的值LPF(V)大于或等于大值E3时，将阈值ε确定为比中间值M2小的小值M3。
以如上所述的方式，基于表示所关心像素属于边缘区域、纹理区域、平缓区域、及其它区域中的哪一个的区域信息并基于所关心像素的平滑后的值LPF(V)，水平阈值确定部33确定关于所关心像素的水平阈值ε(用于作为噪声去除处理在水平方向上滤波的参数)。
即，概略地说，当所关心像素所属区域为边缘区域时水平阈值确定部33确定出大阈值ε，当所关心像素所属区域为纹理区域时确定出中间阈值ε，当所关心像素所属区域为平缓区域或其它区域时确定出小阈值ε。此外，所关心像素的平滑后的值LPF(V)越大，水平阈值确定部33确定出的阈值ε越大。
与水平阈值确定部33类似，也基于来自垂直方向参数选择部32的所关心像素的区域信息并基于来自低通滤波器12(图1)的所关心像素的平滑后的值LPF(V)，垂直阈值确定部34(图8)确定关于所关心像素的垂直阈值ε(用于作为噪声去除处理在垂直方向上滤波的参数)。
然后，基于来自水平阈值确定部33的关于所关心像素的水平阈值ε并基于来自垂直阈值确定部34的关于所关心像素的垂直阈值ε，非线性平滑滤波器15(图1)对所关心像素滤波。例如，非线性平滑滤波器15具有两级ε滤波器，它们被串联连接。例如，第一级ε滤波器基于来自水平阈值确定部33的关于所关心像素的水平阈值ε在水平方向上对所关心像素滤波。第二级ε滤波器基于来自垂直阈值确定部34的关于所关心像素的垂直阈值ε在垂直方向对由第一级ε滤波器输出的所关心像素滤波。
下面简要说明非线性平滑滤波器15所具有的ε滤波器。ε滤波器基于阈值ε设置构成图像数据的像素中用于对所关心像素滤波(低通滤波)的所关心像素周围的像素的像素值。
图10说明ε滤波器的滤波。当邻近像素Pm的像素值Xm不在以所关心像素Pn的像素值Xn为中心的阈值ε的范围中时，ε滤波器用所关心像素Pn的像素值Xn替代邻近像素Pm的像素值Xm并使用它对所关心像素值Pn滤波。另一方面，当邻近像素Pm的像素值Xm在阈值ε的范围中时，ε滤波器直接使用邻近像素Pm的像素值Xm并对所关心像素Pn滤波。
因此，根据ε滤波器，只使用与所关心像素的像素值接近的像素值(在阈值ε的范围中的像素值)对所关心像素滤波。作为结果，在ε滤波器中，例如当在作为输入数据的图像数据中含有很小的噪声时，得到噪声被去除的滤波结果。而且，在ε滤波器中，例如当作为输入数据的图像数据中含有陡边时，得到保留了边缘形状的滤波结果。
此外，根据ε滤波器，当要对作为输入数据的图像数据滤波时，如果阈值ε被设置为大值则平滑度增加，如果阈值ε被设置为小值则平滑度减小。
通过具有基于参考图9所述确定的阈值ε的ε滤波器的非线性平滑滤波器15对图像数据进行滤波，其结果是，在保持了边缘形状的同时去除了出现在边缘周围的蚊式噪声。
图11是示出图1的噪声去除设备10去除图像数据的蚊式噪声的处理的流程图。
将用作输入数据的一帧的图像数据输入到噪声去除设备10的分散计算器11和非线性平滑滤波器15。在步骤S11中，分散计算器11为图像数据的每个像素计算分散V。分散计算器11将分散V提供给低通滤波器12，然后处理进入到步骤S12。
在步骤S12中，低通滤波器12使来自分散计算器11的图像数据的分散V平滑，并将平滑后的值LPF(V)提供给区域判断部13和阈值确定部14。
当从低通滤波器12提供了平滑后的值LPF(V)时，在步骤S13中，区域判断部13基于来自低通滤波器12的平滑后的值LPF(V)对构成图像数据的每个像素执行区域判断处理。区域判断部13将作为执行区域判断处理的结果得到的区域信息提供给阈值确定部14，然后处理进入步骤S14。
在步骤S14中，基于来自低通滤波器12的平滑后的值LPF(V)和来自区域判断部13的区域信息，阈值确定部14执行阈值确定处理，该处理用于：为每个像素确定作为用于通过非线性平滑滤波器15执行的噪声去除处理的参数的阈值ε，并将所确定的阈值ε提供给非线性平滑滤波器15。
在步骤S14的处理后，处理进入到步骤S15，在该步骤中基于来自阈值确定部14的阈值ε，非线性平滑滤波器15对作为输入数据的图像数据执行噪声去除处理。即，非线性平滑滤波器15基于来自阈值确定部14的阈值ε对图像数据滤波并去除包含在图像数据中的蚊式噪声和其它噪声，使得图像数据在某程度被平滑。非线性平滑滤波器15输出去除了蚊式噪声等的图像数据作为输出数据，然后处理完成。
每次将一帧的图像数据提供给噪声去除设备10时，针对图像数据重复执行图11的处理。
图12是示出在图11的步骤S13中的区域判断处理的流程图。在图12中，说明了将由区域判断部13(图4)内的水平差计算器22、水平直方图计算器24、及水平区域判断部26执行的区域判断处理。
区域判断部13通过顺序使用构成提供给噪声去除设备10的图像数据的像素作为所关心像素执行区域判断处理。即，在区域判断处理中，从图1的低通滤波器12提供给区域判断部13的平滑后的值LPF(V)中包括所关心像素和位于所关心像素附近的像素的7×5个像素的平滑后的值LPF(V)，即，所关心区域的7×5个像素(图5)被存储在存储器21(图4)中。
然后，在步骤S21中，如参考图5所述，水平差计算器22计算作为所关心区域的水平方向上的变化量的差值并将计算出的差值提供给水平直方图计算器24。然后处理进入步骤S22。
在步骤S22中，如参考图6所述，水平直方图计算器24计算来自水平差计算器22的水平方向上的变化量的直方图，并将由频度hist(1)、hist(2)、及hist(3)的三个数量组成的直方图提供给水平区域判断部26。
在步骤S22的处理后，处理进入到步骤S23，在该步骤中水平区域判断部26将来自水平直方图计算器24的频度hist(1)的数量与提前提供的阈值th1相比较，以判断频度hist(1)的数量是否大于阈值th1。
当在步骤S23中水平区域判断部26判断出频度hist(1)的数量大于阈值th1时，处理进入到步骤S24，在该步骤中，水平区域判断部26将表示所关心像素所属区域为边缘区域的水平方向上的区域信息提供给阈值确定部14(图1)。然后该处理完成。
另一方面，当在步骤S23中水平区域判断部26判断出频度hist(1)的数量小于或等于阈值th1时，处理进入到步骤S25。
在步骤S25中，水平区域判断部26将来自水平直方图计算器24的频度hist(2)的数量与提前提供的阈值th2相比较并判断频度hist(2)的数量是否大于阈值th2。
当在步骤S25中水平区域判断部26判断出频度hist(2)的数量大于阈值th2时，处理进入到步骤S26，在该步骤中，水平区域判断部26将表示所关心像素所属区域为纹理区域的水平方向上的区域信息提供给阈值确定部14。然后该处理完成。
另一方面，当在步骤S25中水平区域判断部26判断出频度hist(2)的数量小于或等于阈值th2时，处理进入到步骤S27。
在步骤S27中，水平区域判断部26将来自水平直方图计算器24的频度hist(3)的数量与提前提供的阈值th3相比较并判断频度hist(3)的数量是否大于阈值th3。
当在步骤S27中水平区域判断部26判断出频度hist(3)的数量大于阈值th3时，处理进入到步骤S28，在该步骤中，水平区域判断部26将表示所关心像素所属区域为平缓区域的水平方向上的区域信息提供给阈值确定部14。然后该处理完成。
另一方面，当在步骤S27中水平区域判断部26判断出频度hist(3)的数量小于或等于阈值th3时，处理进入到步骤S29，在该步骤中，水平区域判断部26将表示所关心像素所属区域为其它区域的水平方向上的区域信息提供给阈值确定部14。然后该处理完成。
上述说明提到了由水平差计算器22、水平直方图计算器24、及水平区域判断部26在水平方向上执行的区域判断处理。同样的区域判断处理还由垂直差计算器23、垂直直方图计算器25、及垂直区域判断部27在垂直方向上执行，并将垂直方向上的区域信息提供给阈值确定部14。
图13是示出在图11的步骤S14中的阈值确定处理的流程图。在图13中，说明了由阈值确定部14(图8)内的水平方向参数选择器31和水平阈值确定部33在水平方向上执行的阈值确定处理。
当将所关心像素的水平方向上的区域信息从图4的水平区域判断部26提供给图8的水平方向参数选择部31时，在步骤S31中，基于来自水平区域判断部26的水平方向上的区域信息，水平方向参数选择器31选择用于确定阈值确定曲线的确定参数。
例如，如参考图9所述，当来自水平区域判断部26的水平方向上的区域信息表示边缘区域时，水平方向参数选择器31选择确定参数E1、F1、及M1。当来自水平区域判断部26的水平方向上的区域信息表示纹理区域时，水平方向参数选择器31选择确定参数E2、F2、及M2当来自水平区域判断部26的水平方向上的区域信息表示平缓区域或其它区域时，水平方向参数选择器31选择确定参数E3、F3、及M3。
水平方向参数选择器31将确定参数提供给水平阈值确定部33，然后处理进入步骤S32。
在步骤S32中，基于从水平方向参数选择器31输出的确定参数，水平阈值确定部33确定用来确定阈值ε的阈值确定曲线，并确定在阈值确定曲线中与从图1的低通滤波器12提供的所关心像素的平滑后的值LPF(V)相对应的值作为所关心像素的水平阈值ε。
然后，水平阈值确定部33将水平阈值ε提供给图1的非线性平滑滤波器15。然后该处理完成。
上述说明提到了由水平方向参数选择器31和水平阈值确定部33在水平方向上执行的阈值确定处理。相同的阈值确定处理还基于来自图8的垂直方向参数选择器32的确定参数由垂直方向参数选择器32和垂直阈值确定部34在垂直方向上执行。将通过阈值确定处理得到的所关心像素的垂直阈值ε提供给非线性平滑滤波器15。
以上述方式，基于作为区域判断处理的判断结果的区域信息，作为通过阈值确定处理确定阈值ε的结果，在非线性平滑滤波器15中，基于适合于图像数据的每个像素所属区域的阈值ε并基于根据每个像素附近的像素值的分散度的阈值ε执行滤波。作为结果，可有效去除包含在图像数据中的蚊式噪声等。
即，在相关技术中，作为用于去除蚊式噪声的方法，已知使用一次微分(first-order differentiation)和Sobel滤波器执行滤波的方法。然而，在该方法中，很难适当地将边缘区域和纹理区域相互分开并执行滤波。相比较地，根据图1的噪声去除设备10，适当地互相分离了边缘区域、纹理区域、及平缓区域，并根据基于边缘区域、纹理区域、及平缓区域的每个区域的阈值确定曲线响应于像素值的分散度动态确定出阈值ε。作为结果，可以有效去除噪声。
更具体来说，如参考图9所述，关于属于边缘区域的像素，根据阈值确定曲线L1将阈值ε确定为相对大的值。因此，非线性平滑滤波器15以高平滑度对边缘区域(例如，对应于图3的范围“d”的图像数据的范围)中的像素滤波。因此，可以去除出现在图像数据边缘周围的蚊式噪声。
关于属于纹理区域的像素，根据阈值确定曲线L2将阈值ε确定为小于属于边缘区域的像素的阈值ε的中间值。因此，非线性平滑滤波器15以低于边缘区域的像素的平滑度的平滑度对纹理区域(例如，对应于图3的范围“e”的图像数据的范围)的像素滤波。因此，可以将像素值的非常小的变化作为纹理来存储，例如，可以防止物体表面上图案的图像质量的劣化。
此外，关于属于平缓区域的像素，阈值ε被确定为小于属于纹理区域的像素的阈值ε的小值。因此，非线性平滑滤波器15以低于纹理区域的像素的平滑度的平滑度对平缓区域(例如，对应于图3的范围“f”的图像数据的范围)的像素滤波。作为结果，可以去除出现在平缓区域的非常小的噪声。
接下来，在图1的噪声去除设备10中，通过使用作为所关心像素的分散信息的长度和宽度为3×3像素的像素值的分散V，执行水平方向上的处理(区域判断处理(图12)、阈值确定处理(图13)、及噪声去除处理中在水平方向上执行的处理)和垂直方向上的处理(区域判断处理(图12)、阈值确定处理(图13)、及噪声去除处理中在垂直方向上执行的处理)。关于所关心的像素，判断在水平方向上的分散信息和垂直分散信息。可以使用水平方向上的分散信息执行水平方向的处理，并且可以使用垂直分散信息执行垂直方向上的处理。
图14是示出应用本发明的噪声去除设备的另一个实施例的配置的例子的框图。
在图14中，噪声去除设备50包括：水平分散计算器51、垂直分散计算器52、水平低通滤波器53、垂直低通滤波器54、水平区域判断部55、垂直区域判断部56、水平阈值确定部57、垂直阈值确定部58、水平非线性平滑滤波器59、及垂直非线性平滑滤波器60。
与图1的分散计算器11类似，将作为输入数据的图像数据输入到水平分散计算器51和垂直分散计算器52。水平分散计算器51计算关于所关心像素在水平方向上的分散信息，例如水平分散VH。垂直分散计算器52计算关于所关心像素在垂直方向上的分散信息，例如垂直分散VV。
这时，水平分散计算器51和垂直分散计算器52可以通过相应地使用不同数量的像素(像素值)来判断分散。水平分散计算器51通过使用例如所关心像素在中心的水平方向上的五个像素(抽头(tap))根据上述方程(1)计算关于所关心像素的水平分散VH。垂直分散计算器52通过使用例如所关心像素在中心的垂直方向上的三个像素(抽头)根据上述方程(1)计算关于所关心像素的垂直分散VV。还可以使用相同数量的像素判断水平方向上的分散VH和垂直方向上的分散VV。
然后，水平分散计算器51将关于所关心像素的水平分散VH提供给水平低通滤波器53。垂直分散计算器52将关于所关心像素的垂直分散VV提供给垂直低通滤波器54。
水平低通滤波器53使来自水平分散计算器5的关于所关心像素的水平分散VH平滑。水平低通滤波器53将通过使关于所关心像素在水平方向上的分散VH在水平方向上平滑得到的关于所关心像素在水平方向上的平滑后的值LPF(VH)提供给水平区域判断部55和水平阈值确定部57。
垂直低通滤波器54使来自垂直分散计算器52的关于所关心像素的垂直分散VV平滑。垂直低通滤波器54将通过使垂直分散VV在垂直方向上平滑得到的关于所关心像素在垂直方向上平滑后的值LPF(VV)提供给垂直区域判断部56和垂直阈值确定部58。
水平区域判断部55与图4的区域判断部13的共同之处在于也设置有图4的存储器21、水平差计算器22、水平直方图计算器24、及水平区域判断部26(均未示出)。然而，水平区域判断部55与图4的区域判断部13的不同之处在于没有设置垂直差计算器23、垂直直方图计算器25、及垂直区域判断部27。
与区域判断部13相类似，基于来自水平低通滤波器53的关于所关心像素在水平方向上平滑后的值LPF(VH)，水平区域判断部55在水平方向上执行关于构成图像数据的每个像素属于边缘区域、纹理区域、平缓区域、及其它区域中的哪一个的区域判断处理。然后，水平区域判断部55将作为在水平方向上执行区域判断处理的结果得到的关于所关心像素在水平方向上的区域信息提供给水平阈值确定部57。
垂直区域判断部56与图4的区域判断部13的共同之处在于也设置有图4的存储器21、垂直差计算器23、垂直直方图计算器25、及垂直区域判断部27(均未示出)。然而，垂直区域判断部56与图4的区域判断部13的不同之处在于没有设置水平差计算器22、水平直方图计算器24、及水平区域判断部26。
然后，与图4的区域判断部13相类似，基于来自垂直低通滤波器54的关于所关心像素在垂直方向上平滑后的值LPF(VV)，垂直区域判断部56在垂直方向上执行用于判断构成图像数据的每个像素属于边缘区域、纹理区域、平缓区域、及其它区域中的哪一个的区域判断处理。然后，垂直区域判断部56将作为在垂直方向上执行区域判断处理的结果得到的关于所关心像素在垂直方向上的区域信息提供给垂直阈值确定部58。
水平阈值确定部57与图8的阈值确定部14的共同之处在于也设置有图8的水平方向参数选择器31和水平阈值确定部33(均未示出)。然而，水平阈值确定部57与图8的阈值确定部14的不同之处在于没有设置垂直方向参数选择器32和垂直阈值确定部34。
与图8的阈值确定部14相类似，基于来自水平低通滤波器53的关于所关心像素在水平方向上平滑后的值LPF(VH)和来自水平区域判断部55的关于所关心像素在水平方向上的区域信息，水平阈值确定部57确定关于所关心像素在水平方向上的阈值ε并将所确定的阈值ε提供给水平非线性平滑滤波器59。
垂直阈值确定部58与图8的阈值确定部14的共同之处在于也设置有图8的垂直方向参数选择器32和垂直阈值确定部34。然而，垂直阈值确定部58与图8的阈值确定部14的不同之处在于没有设置水平方向参数选择器31和水平阈值确定部33。
然后，与图8的阈值确定部14相类似，基于来自垂直低通滤波器54的关于所关心像素的在垂直方向上平滑后的值LPF(VV)和来自垂直区域判断部56的关于所关心像素的在垂直方向上的区域信息，垂直阈值确定部58确定关于所关心像素的垂直阈值ε，并将所确定的阈值ε提供给垂直非线性平滑滤波器60。
将作为输入数据的图像数据提供给水平非线性平滑滤波器59，且将关于所关心像素的水平阈值ε从水平阈值确定部57提供给水平非线性平滑滤波器59。例如是ε滤波器的水平非线性平滑滤波器59在水平方向上对图像数据滤波，并将滤波后的图像数据提供给垂直非线性平滑滤波器60，使得所关心像素以基于来自水平阈值确定部57的关于所关心像素的水平阈值ε的程度被平滑。
将通过水平非线性平滑滤波器59在水平方向上滤波后的图像数据提供给垂直非线性平滑滤波器60，且将关于所关心像素的垂直阈值ε从垂直阈值确定部58提供给垂直非线性平滑滤波器60。垂直非线性平滑滤波器60是例如ε滤波器，且在垂直方向上对图像数据滤波，使得所关心像素以基于来自垂直阈值确定部58的关于所关心像素的垂直阈值ε的程度被平滑。
以上述方式，在噪声去除设备50中，从作为输入数据的图像数据确定关于所关心像素的水平分散VH和垂直分散VV。然后，使用水平分散VII执行水平方向上的处理，并使用垂直分散VV执行垂直方向上的处理。
以上述方式，作为使用用于水平方向上的处理的水平分散VH和使用用于垂直方向上的处理的垂直分散VV的结果，当与同在图1的噪声去除设备10中使用同样的分散V进行水平方向上的处理和垂直方向上的处理的情况相比时，可以得到更适于在水平方向上滤波的水平阈值ε和更适于在垂直方向上滤波的垂直阈值ε。
例如，在细线相交的交叉点附近的像素中，水平分散VH和垂直分散VV不相同的趋势增大。具体来说，根据噪声去除设备50，当细线交叉的交叉点附近的部分要被滤波时，可以使用适合在水平方向上滤波的水平方向上的阈值ε和适合在垂直方向上滤波的垂直方向上的阈值ε执行滤波。当与图1的噪声去除设备10中的情况相比较时，可以更有效地去除噪声。
在噪声去除设备10和50中，基于关于所关心像素的区域信息，将在ε滤波器中使用的阈值ε确定为用于噪声去除处理的参数。另外，对于用于噪声去除处理的参数，例如还可以确定滤波器用于执行作为噪声去除处理的滤波的抽头系数。
在本实施例中，使用ε滤波器作为用于执行噪声去除处理的非线性平滑滤波器。可选择地，可以使用其它滤波器例如能够根据阈值控制将被平滑的噪声水平的滤波器(下文中适当称为“M滤波器”)作为非线性平滑滤波器。M滤波器的详细说明在例如日本特开2004-289607号公报中说明。
例如，当要对所关心像素滤波时，M滤波器通过使用多种抽头系数对包括所关心像素的邻近像素进行加权平均来确定多种平滑后的值，基于所关心像素的像素值和用于加权平均的像素的像素值之间的差值与预定的阈值比较的结果计算多种平滑后的值的权重，并组合多种平滑后的值。如上所述，作为根据基于阈值的权重组合多种平滑后的值的结果，M滤波器可以通过使用阈值来控制被平滑的噪声的水平。
以这样的M滤波器，通过使用基于所关心像素的区域信息确定的阈值，根据基于响应于边缘区域、纹理区域、及平缓区域中的每个区域的阈值的权重组合多种平滑后的值，并且可以执行响应于每个区域的噪声去除处理。
在噪声去除设备10和50中，无论图像是运动图像还是静态图像，例如由MPEG系统编码的图像数据被解码后的运动图像(的数据)及由JPEG系统编码的图像数据被解码后的静态图像(的数据)都可以作为噪声去除处理的对象。
尽管前面说明的处理序列可以由硬件来执行，该处理序列还可以由软件来执行。当由软件执行该处理序列时，将形成软件的程序安装到通用计算机等中。
图15示出安装了用于执行上述处理序列的程序的计算机的
实施例的配置的例子。
该计算机包括：CPU(中央处理单元)101、ROM(只读存储器)102、RAM(随机存取存储器)103、内部总线104、输入/输出接口105、输入部106、输出部107、存储部108、通信部109、及驱动器110。
CPU 101、ROM 102、及RAM 103通过内部总线104彼此连接。输入/输出接口105也与内部总线104连接。
CPU 101根据存储在ROM 102中的程序或根据加载到RAM103中的程序执行各种处理。在RAM 103中适当地存储例如CPU101执行各种处理所需的数据。
包括键盘及鼠标的输入部106，包括LCD(液晶显示器)、CRT(阴极射线管)等的输出部107，包括硬盘的存储部108，包括调制解调器、端子适配器、通信接口等的通信部109，以及驱动器101与输入/输出接口105连接。
由磁盘、光盘、磁光盘、或半导体存储器形成的记录介质111被适当地装到驱动器110中。
由CPU 101执行的程序可以提前存储(记录)在ROM 102和存储部108中。可将记录了程序的记录介质111作为所谓的套装软件(packaged software)来提供。通过驱动器110从记录介质111读取该程序，并将该程序安装到存储部108。此外，可以经由用于数字卫星广播的人造卫星从下载站点将该程序无线地传送到通信部109，或可以经由例如LAN(局域网)或因特网等网络有线地将该程序传送到通信部109。将该程序从通信部109提供给存储部108，从而安装该程序。
当作为由用户操作输入部106的结果输入用于使输出部107回放存储在存储部108中的图像数据的指令时，以该方式配置的计算机响应于该指令使CPU 101能够执行存储在ROM 102中的程序或从存储部108加载到RAM 103的程序。
作为结果，CPU 101执行根据上述流程图的处理或执行根据所述框图的结构执行的处理。然后，CPU 101使输出部107能够通过输入/输出接口105显示作为处理结果的去除了噪声的图像数据(图像)。
参考流程图说明的上述处理不必根据流程图中所写顺序按顺序执行，它们可以包括并行或单独执行的处理(例如，并行处理或面向对象的处理)。
所述程序可由一个计算机处理，也可由多个计算机以分布式的方式处理。而且，可以将所述程序传送到远程计算机，从而执行该程序。
本领域的技术人员应该理解，根据设计要求和其它因素可以进行各种修改、组合、子组合和替换，只要它们在所附权力要求或等同的范围内即可。
本发明包含涉及在2005年8月18日在日本专利局提交的日本专利申请JP 2005-237575号的主题，在此引入其全部内容作为参考。

Claims (6)

1.一种数据处理设备，用于处理图像数据，所述数据处理设备包括：
分散信息计算装置，用于计算分散信息，所述分散信息表示构成所述图像数据的多个像素的每个像素的像素值的分散度；
平滑装置，用于使所述分散信息平滑并输出平滑后的值；
判断装置，用于基于所述平滑后的值判断所述像素所属的区域并输出表示所述区域的区域信息；
参数确定装置，用于基于所述区域信息和所述平滑后的值确定对构成所述图像数据的每个像素进行噪声去除处理的参数；及
噪声去除装置，用于基于为每个所述像素确定的所述参数对所述图像数据执行所述噪声去除处理。
2.根据权利要求1所述的数据处理设备，其特征在于，所述判断装置包括：
变化量计算装置，用于计算构成所述图像数据的像素中包括所关心像素和位于所关心像素附近的像素的像素的所述平滑后的值的变化量；及
直方图计算装置，用于计算所述变化量的直方图；及
区域判断装置，用于基于所述直方图判断所述像素所属的区域。
3.根据权利要求1所述的数据处理设备，其特征在于，所述判断装置判断所述像素属于边缘区域、纹理区域、及平缓区域中的哪一个。
4.一种数据处理方法，用于处理图像数据，所述数据处理方法包括以下步骤：
计算分散信息，所述分散信息表示构成所述图像数据的多个像素的每个像素的像素值的分散度；
使所述分散信息平滑并输出平滑后的值；
基于所述平滑后的值判断所述像素所属的区域并输出表示所述区域的区域信息；
基于所述区域信息和所述平滑后的值确定对构成所述图像数据的每个像素进行噪声去除处理的参数；及
基于为每个所述像素确定的所述参数对所述图像数据执行所述噪声去除处理。
5.一种程序，用于使计算机执行用于处理图像数据的数据处理，所述程序包括以下步骤：
计算分散信息，所述分散信息表示构成所述图像数据的多个像素的每个像素的像素值的分散度；
使所述分散信息平滑并输出平滑后的值；
基于所述平滑后的值判断所述像素所属的区域并输出表示所述区域的区域信息；
基于所述区域信息和所述平滑后的值确定对构成所述图像数据的每个像素进行噪声去除处理的参数；及
基于为每个所述像素确定出的所述参数对所述图像数据执行所述噪声去除处理。
6.一种数据处理设备，用于处理图像数据，所述数据处理设备包括：
分散信息计算器，用于计算分散信息，所述分散信息表示构成所述图像数据的多个像素的每个像素的像素值的分散度；
平滑部，用于使所述分散信息平滑并输出平滑后的值；
判断部，用于基于所述平滑后的值判断所述像素所属的区域并输出表示所述区域的区域信息；
参数确定部，用于基于所述区域信息和所述平滑后的值确定对构成所述图像数据的每个像素进行噪声去除处理的参数；及
噪声去除部，用于基于为每个所述像素确定的所述参数对所述图像数据执行所述噪声去除处理。
CNB2006101114310A 2005-08-18 2006-08-18 数据处理设备和数据处理方法 Expired - Fee Related CN100525382C (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2005237575A JP4635779B2 (ja) 2005-08-18 2005-08-18 データ処理装置およびデータ処理方法、並びにプログラム
JP2005237575 2005-08-18

Publications (2)

Publication Number Publication Date
CN1917578A true CN1917578A (zh) 2007-02-21
CN100525382C CN100525382C (zh) 2009-08-05

Family

ID=37738460

Family Applications (1)

Application Number Title Priority Date Filing Date
CNB2006101114310A Expired - Fee Related CN100525382C (zh) 2005-08-18 2006-08-18 数据处理设备和数据处理方法

Country Status (3)

Country Link
US (1) US7657114B2 (zh)
JP (1) JP4635779B2 (zh)
CN (1) CN100525382C (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102202217A (zh) * 2010-03-22 2011-09-28 北京中星微电子有限公司 一种jpeg编码方法和设备
CN101715049B (zh) * 2008-10-07 2012-06-27 株式会社东芝 噪声消除处理电路、噪声消除处理方法及固体摄像装置
CN104285431A (zh) * 2012-05-16 2015-01-14 夏普株式会社 图像处理装置、动态图像处理装置、视频处理装置、图像处理方法、视频处理方法、电视接收机、程序、以及存储介质
CN110400338A (zh) * 2019-07-11 2019-11-01 Oppo广东移动通信有限公司 深度图处理方法、装置和电子设备
CN114025056A (zh) * 2020-07-17 2022-02-08 爱思开海力士有限公司 清晰度增强控制电路、图像感测装置及其操作方法

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100901354B1 (ko) * 2007-05-31 2009-06-05 주식회사 코아로직 영상의 에지 보정장치 및 그 방법
JP4967921B2 (ja) * 2007-08-10 2012-07-04 セイコーエプソン株式会社 画像処理のための装置、方法、および、プログラム
CN101605254B (zh) * 2008-06-13 2011-09-07 深圳Tcl新技术有限公司 减少视频区块效应的系统和方法
EP2346256A4 (en) * 2008-10-07 2013-01-02 Ntt Docomo Inc IMAGE PROCESSING DEVICE, PROCESS AND PROGRAM, DYNAMIC IMAGE CODING DEVICE, METHOD AND PROGRAM, DYNAMIC IMAGE DECODING DEVICE, METHOD AND PROGRAM AND CODING / DECODING SYSTEM AND METHOD
GB2468304A (en) * 2009-03-03 2010-09-08 Sharp Kk Video image processing method that smooths the jagged diagonal edges created by epsilon filtering
JP4585602B1 (ja) 2009-09-18 2010-11-24 株式会社東芝 画像処理装置、表示装置及び画像処理方法
US8693801B2 (en) * 2010-09-28 2014-04-08 Panasonic Corporation Image processing device, image processing method, and integrated circuit
US8879000B2 (en) * 2010-12-22 2014-11-04 Broadcom Corporation Method and system for detecting analog noise in the presence of mosquito noise
JP5834728B2 (ja) * 2011-09-30 2015-12-24 大日本印刷株式会社 雑音除去装置
JP5751184B2 (ja) * 2012-01-31 2015-07-22 Ｎｋワークス株式会社 画像処理プログラム、画像処理装置および画像処理方法
JP5564553B2 (ja) * 2012-10-22 2014-07-30 Ｅｉｚｏ株式会社 画像処理装置、画像処理方法及びコンピュータプログラム
JP6188448B2 (ja) 2013-06-26 2017-08-30 オリンパス株式会社 画像処理装置
CN105519089A (zh) * 2013-09-06 2016-04-20 夏普株式会社 图像处理装置
JP6338408B2 (ja) * 2014-03-14 2018-06-06 三菱電機株式会社 画像符号化装置、画像復号装置、画像符号化方法及び画像復号方法
WO2016142931A1 (en) * 2015-03-10 2016-09-15 Beamr Imaging Ltd Method and system of controlling a quality measure
US20190220956A1 (en) * 2018-01-12 2019-07-18 Megvii Technology Llc Image processing method, image processing device and nonvolatile storage medium
JP6821090B2 (ja) * 2018-04-12 2021-01-27 三菱電機株式会社 画像処理装置、画像処理方法、及び画像処理プログラム
CN108765312B (zh) * 2018-04-27 2021-11-02 西安科技大学 一种基于方差信息的图像去噪方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04188948A (ja) * 1990-11-22 1992-07-07 Canon Inc 画像処理装置
EP0529903B1 (en) * 1991-08-23 2000-01-12 Mitsubishi Denki Kabushiki Kaisha Pixel Interpolation Circuit and its Applications
JP4288805B2 (ja) * 1999-12-28 2009-07-01 ソニー株式会社 映像信号再生装置
JP4415236B2 (ja) 2000-02-07 2010-02-17 ソニー株式会社 画像処理装置及び画像処理方法
US6842538B2 (en) * 2001-03-23 2005-01-11 Shih-Jong J. Lee Automatic detection of alignment or registration marks
US6859565B2 (en) * 2001-04-11 2005-02-22 Hewlett-Packard Development Company, L.P. Method and apparatus for the removal of flash artifacts
US7003173B2 (en) * 2001-06-12 2006-02-21 Sharp Laboratories Of America, Inc. Filter for combined de-ringing and edge sharpening
US7003174B2 (en) * 2001-07-02 2006-02-21 Corel Corporation Removal of block encoding artifacts
JP4042563B2 (ja) * 2002-12-27 2008-02-06 セイコーエプソン株式会社 画像ノイズの低減
JP4072491B2 (ja) * 2003-10-23 2008-04-09 キヤノン株式会社 画像処理装置、画像処理方法、プログラム及びコンピュータ可読媒体

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101715049B (zh) * 2008-10-07 2012-06-27 株式会社东芝 噪声消除处理电路、噪声消除处理方法及固体摄像装置
CN102202217A (zh) * 2010-03-22 2011-09-28 北京中星微电子有限公司 一种jpeg编码方法和设备
CN104285431A (zh) * 2012-05-16 2015-01-14 夏普株式会社 图像处理装置、动态图像处理装置、视频处理装置、图像处理方法、视频处理方法、电视接收机、程序、以及存储介质
US9256924B2 (en) 2012-05-16 2016-02-09 Sharp Kabushiki Kaisha Image processing device, moving-image processing device, video processing device, image processing method, video processing method, television receiver, program, and recording medium
CN110400338A (zh) * 2019-07-11 2019-11-01 Oppo广东移动通信有限公司 深度图处理方法、装置和电子设备
CN110400338B (zh) * 2019-07-11 2022-02-18 Oppo广东移动通信有限公司 深度图处理方法、装置和电子设备
CN114025056A (zh) * 2020-07-17 2022-02-08 爱思开海力士有限公司 清晰度增强控制电路、图像感测装置及其操作方法

Also Published As

Publication number Publication date
JP2007053618A (ja) 2007-03-01
JP4635779B2 (ja) 2011-02-23
CN100525382C (zh) 2009-08-05
US7657114B2 (en) 2010-02-02
US20070110329A1 (en) 2007-05-17

Similar Documents

Publication Publication Date Title
CN1917578A (zh) 数据处理设备、数据处理方法及程序
CN1260978C (zh) 图像处理装置
CN1114888C (zh) 图像处理方法、设备和系统
CN100346630C (zh) 信息埋入装置、编码装置、更改检测装置及其方法
CN1213382C (zh) 用于从多值图象提取划线的设备
CN1208947C (zh) 图像处理装置和方法、噪声量估算装置和方法及存储介质
CN1301492C (zh) 图像处理装置
CN1070670C (zh) 高效的移动向量检测
CN1703900A (zh) 摄像系统和播放系统
CN1180627C (zh) 图像编码/解码方法,图像编码装置和图像解码装置
CN1612614A (zh) 帧内预测编码方法
CN1299560A (zh) 图像编码方法、图像编码译码方法、图像编码装置或图像记录再生装置
CN1578477A (zh) 用于色彩图像的视频编码/解码装置和方法
CN1428939A (zh) 视频编码装置
CN1554074A (zh) 在考虑其噪声的情况下改变数字图象的方法和系统
CN1535027A (zh) 一种用于视频编码的帧内预测方法
CN1691740A (zh) 放大显示装置和放大图像控制装置
CN1969314A (zh) 图像处理设备和方法、存储介质及其程序
CN1909671A (zh) 产生用户偏爱数据的方法和装置
CN1573742A (zh) 图像检索系统、程序和方法及图像分类系统、程序和方法
CN1717058A (zh) 图像编码方法及装置、以及图像译码方法及装置
CN1449198A (zh) 活动图象编码方法、活动图象编码设备、和活动图象编码程序
CN1335579A (zh) 图象处理方法、装置及记录执行该方法程序的记录介质
CN1737852A (zh) 图像处理装置、图像处理方法、图像处理程序和记录介质
CN1678021A (zh) 图像处理设备和方法、记录媒体和程序

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20090805

Termination date: 20200818

CF01 Termination of patent right due to non-payment of annual fee