JP2017518546A - 画像処理方法及び画像処理システム - Google Patents

画像処理方法及び画像処理システム Download PDF

Info

Publication number
JP2017518546A
JP2017518546A JP2016554733A JP2016554733A JP2017518546A JP 2017518546 A JP2017518546 A JP 2017518546A JP 2016554733 A JP2016554733 A JP 2016554733A JP 2016554733 A JP2016554733 A JP 2016554733A JP 2017518546 A JP2017518546 A JP 2017518546A
Authority
JP
Japan
Prior art keywords
pixels
image processing
pixel
denoising
color
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
JP2016554733A
Other languages
English (en)
Other versions
JP6349614B2 (ja
Inventor
カオ、ジシェン
マ、ジュンピン
チェン、シン
ワン、ミンユ
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.)
SZ DJI Technology Co Ltd
Original Assignee
SZ DJI Technology Co 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 SZ DJI Technology Co Ltd filed Critical SZ DJI Technology Co Ltd
Publication of JP2017518546A publication Critical patent/JP2017518546A/ja
Application granted granted Critical
Publication of JP6349614B2 publication Critical patent/JP6349614B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/28—Indexing scheme for image data processing or generation, in general involving image processing hardware
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)

Abstract

システム及び方法は画像処理装置をサポートできる。画像処理装置は、画像のノイズ除去ピクセルと関連するピクセルの第１のグループを表す、特徴値の第１のセットを得るために動作する。また、画像処理装置は、ノイズ除去基準ピクセルと関連するピクセルの第２のグループを表す、特徴値の第２のセットを得ることができる。さらに、画像処理装置は、特徴値の第１のセットと特徴値の第２のセットを使用してノイズ除去ピクセルとノイズ除去基準ピクセルの類似性を決定する。次に、画像処理装置は、ノイズ除去ピクセルとノイズ除去基準ピクセルの決定した類似性に基づいてノイズ除去ピクセルのノイズ除去された値を計算できる。

Description

著作権情報
本特許文書の開示の一部は著作権保護の対象となる資料を含んでいる。特許文書または特許開示は特許商標局の特許ファイルまたは特許記録に記載されているので、何者かが完全な複写を行っても著作権者は異議を唱えない。
開示される実施形態は概してデジタル画像信号処理に関し、より詳細には画像ノイズ除去に関するが、これに限定されるものではない。
より高速でより高い解像度の画像センサーの開発に伴い、モデムカメラはこれまで以上に多用途で利用され、強力になっている。例えば、ピクセルをベースにした電荷結合素子（ＣＣＤ）イメージセンサーと相補型金属酸化膜半導体（ＣＭＯＳ）イメージセンサーは、現代のデジタル画像システムで広範囲に使用されている。
これは、本発明の実施形態が対応することを目的とする一般的な分野である。
本明細書に説明されるのは、画像処理装置をサポートできるシステム及び方法である。画像処理装置は、画像のノイズ除去ピクセルと関連するピクセルの第１のグループを表す、特徴値の第１のセットを得るために動作する。また、画像処理装置は、ノイズ除去基準ピクセルと関連するピクセルの第２のグループを表す、特徴値の第２のセットを得ることもできる。さらに、画像処理装置は特徴値の第１のセットと特徴値の第２のセットを使用してノイズ除去ピクセルとノイズ除去基準ピクセルの類似性を決定するために動作する。次に、画像処理装置は、ノイズ除去ピクセルとノイズ除去基準ピクセルの決定した類似性に基づいてノイズ除去ピクセルのノイズ除去された値を計算できる。
本発明の多様な実施形態に従って近傍ブロック次元縮退に基づいた画像ノイズ除去をサポートする場合の例示的な図である。 本発明の多様な実施形態によるＲＧＢ画像のピクセルからノイズを除去するためのフィルターウィンドウの例示的な図である。 本発明の多様な実施形態に従って近傍ブロックの次元縮退をサポートする場合の例示的な図である。 本発明の多様な実施形態に従って次元縮退を実行するために選択平均法を使用する場合の例示的な図である。 本発明の多様な実施形態によるＲＧＢ画像の異なるタイプの例示的な近傍ブロックを示す図である。 本発明の多様な実施形態によるＲＧＢ画像の異なるタイプの例示的な近傍ブロックを示す図である。 本発明の多様な実施形態によるＲＧＢ画像の異なるタイプの例示的な近傍ブロックを示す図である。 本発明の多様な実施形態によるＲＧＢ画像の異なるタイプの例示的な近傍ブロックを示す図である。 本発明の多様な実施形態に従って図５ａの近傍ブロックの次元縮退をサポートする場合の例示的な図である。 本発明の多様な実施形態に従って図５ｂの近傍ブロックの次元縮退をサポートする場合の例示的な図である。 本発明の多様な実施形態に従って近傍ブロックでエッジラインを保つ場合の例示的な図である。 本発明の多様な実施形態に従って図５ｃの近傍ブロックの次元縮退をサポートする場合の例示的な図である。 本発明の多様な実施形態に従って図５ｄの近傍ブロックの次元縮退をサポートする場合の例示的な図である。 本発明の多様な実施形態に従って近傍ブロック次元縮退に基づいた画像ノイズ除去をサポートする場合のフローチャートである。
本発明は制限としてではなく一例として添付図面の図中に示され、同様の参照は類似する要素を示す。本開示の「ある」実施形態または「一」実施形態または「いくつかの」実施形態（複数の場合がある）に対する参照は必ずしも同じ実施形態を参照するわけではない。このような参照が少なくとも１つを意味することに留意するべきである。
以下の本発明の説明では、デジタル画像フォーマットの例としてＲＧＢ画像フォーマットが使用されている。当業者には、他のタイプのデジタル画像フォーマットも制限なく使用できることが明らかになる。
画像ノイズ除去
画像収集プロセスは多様な画像情報を収集するために画像センサーを使用できる。例えば、ＣＣＤ画像センサー及びＣＭＯＳ画像センサーにカラーフィルターアレイ（ＣＦＡ）またはカラーフィルターモザイク（ＣＦＭ）を配置することがある。ＣＦＡまたはＣＦＭは、キャプチャした画像にノイズを取り込みがちなごく小さなカラーフィルターのモザイクを含んでいる。
本発明の多様な実施形態に従って、画像プロセスはキャプチャした画像に多様なノイズ除去演算を実行できる。ノイズ除去演算はピクセルベースまたはパッチベースのどちらかであることがある。双方向フィルター法等のピクセルベースのノイズ除去方法は、例えば特定用途向け集積回路（ＡＳＩＣ）を使用して容易に実装される。他方、非局所平均アルゴリズム等のパッチベースのノイズ除去方法は、より良質のデジタル画像を得るために使用できる。
例えば、非局所平均アルゴリズムは、デジタル画像（Ｉ）のノイズ除去ピクセル（ｉ）等、ノイズ（例えば、ｖ＝｛ｖ（ｉ）｜ｉ∈Ｉ｝）のあるデジタル画像（Ｉ）で適用できる。ノイズ除去された画像ピクセルの値ＮＬ[ｖ]（ｉ）は、以下の方程式を使用し、画像（Ｉ）の他のすべてのピクセルによる重み付きコントリビューションに基づいて求めることができる。
Figure 2017518546
ノイズ除去基準ピクセル（j）のための加重関数ｗ（ｉ，ｊ）は以下の加重条件を満たすことができる。
Figure 2017518546
さらに、ノイズ除去基準ピクセル（ｊ）のための加重関数ｗ（ｉ，ｊ）は、ノイズ除去ピクセル（ｉ）とノイズ除去基準ピクセル（ｊ）の類似性に基づいて決定できる。
例えば、類似性は２つのベクトルｖ（Ｎｉ）とｖ（Ｎｊ）の間の距離として定義できるが、Ｎｉはノイズ除去ピクセル（ｊ）と関連する（例えば取り囲む）近傍ブロックを表す多次元ベクトルであり、Ｎｊはノイズ除去基準ピクセル（ｊ）と関連する近傍ブロックを表す多次元ベクトルである。
したがって、ノイズ除去基準ピクセル（j）のための加重関数ｗ（ｉ，ｊ）は、以下の方程式を使用して決定できる。
Figure 2017518546
それに対して、Ｚ（ｉ）は以下の方程式を使用して定義できる規格化定数である。
Figure 2017518546
近傍ブロック次元縮退
図１は、本発明の多様な実施形態に従って近傍ブロック次元縮退に基づいた画像ノイズ除去をサポートする場合の例示的な図である。図１に示されるように、画像化プロセス１００は、例えばベイヤ（モザイク）画像等の画像のピクセル１０１からノイズを除去するためにフィルターウィンドウ１１０を使用できる。
本発明の多様な実施形態に従って、フィルターウィンドウ１１０は、ピクセル１０１からノイズを除去するために使用できる複数のノイズ除去基準ピクセル（例えば、ピクセル１０２）を含む。
フィルターウィンドウ（Ωｉ）１１０が、ノイズ（ｖ＝｛ｖ（ｉ）｜ｉ∈Ｉ｝）のあるデジタル画像のピクセル（ｉ）１０１からノイズを除去するために使用されるとき、ノイズ除去ピクセル（ｉ）１０１のノイズ除去された画像ピクセル（ＮＬ［ｖ］（ｉ））の値は以下の方程式を使用して求めることができる。
Figure 2017518546
加重関数ｗ（ｉ,ｊ）は、フィルターウィンドウ（Ωｉ）１１０内のノイズ除去ピクセル（ｉ）１０１とノイズ除去基準ピクセル（j）１０２の類似性１２０に基づいて決定できる。
例えば、類似性１２０は、２つのベクトルｖ（Ｎｉ）とｖ（Ｎj）の間の距離として定義できるが、Ｎｉはノイズ除去ピクセル（ｉ）１０１を取り囲む近傍ブロック１１１を表す多次元ベクトルであり、Ｎｊはノイズ除去ピクセル（ｊ）１０２を取り囲む近傍ブロック１１２を表す多次元ベクトルである。
計算プロセスを簡略化するために、加重関数ｗ（ｉ,ｊ）は、以下の方程式を使用して直線距離（つまり、Ｌ１距離）に基づいて決定できる。
Figure 2017518546
それに対して、Ｚ（ｉ）は以下の方程式を使用して定義できる規格化定数である。
Figure 2017518546
図１に示される例では、近傍ブロック１０１と近傍ブロック１０２が両方とも３かける（３ｘ３）の３個のブロックであるため、ベクトルｖ（Ｎｉ）とｖ（Ｎj）は多次元ベクトルである。上記方程式を使用すると、ノイズ除去基準ピクセル（j）の加重関数ｗ（ｉ,ｊ）の計算には１７（３ｘ３＋８）の加算演算／減算演算を要することがある。したがって、フィルターウィンドウ（Ωｉ）１１０は７かける７（７ｘ７）のブロックであるので、フィルターウィンドウ（Ωｉ）１１０を使用してノイズ除去ピクセル（ｉ）１０１のノイズ除去された値を計算するには８３３（１７ｘ７ｘ７）の演算を要することがある。
本発明の多様な実施形態に従って、システムは近傍ブロック次元縮退機能を利用することで画像内のピクセル１０１からノイズを除去するための計算コストをさらに削減できる。
図１に示されるように、システムは、ノイズ除去ピクセル（ｉ）１０１と関連する近傍ブロック１１１のピクセル等のピクセルのグループを表すために、特徴値のセットを含む特徴ベクトル（Ｐｉ）１２１を使用できる。また、システムは、ノイズ除去基準ピクセル（j）１０２と関連する近傍ブロック１１２のピクセル等のピクセルのグループを表すために、特徴値のセットを含む特徴ベクトル（Ｐj）１２２も使用できる。さらに、特徴ベクトル（Ｐｉ）１２１と特徴ベクトル（Ｐj）１２２は、不規則な近傍ブロック、つまりサイズが異なる近傍ブロックまたは離散形式の近傍ブロックのピクセル等の、規則正しい近傍ブロックで制限されていないピクセルを表すために使用することもできる。
ノイズ除去ピクセル（ｉ）１０１とノイズ除去基準ピクセル（ｊ）１０２の類似性に依存する加重関数ｗ（ｉ,ｊ）は、以下の方程式を使用して２つの特徴ベクトルＰｉとＰjの間の距離として定義できる。
Figure 2017518546
それに対して、Ｚ（ｉ）は以下の方程式を使用して定義できる規格化定数である。
Figure 2017518546
ＲＧＢ画像の場合、特徴ベクトル（ＰｉとＰj）の両方とも４（４）つの色成分を含むことがある。画像化プロセス１００がノイズ除去ピクセル（ｉ）１０１とノイズ除去基準ピクセル（ｊ）１０２の類似性を決定するには７（４＋３）つの演算を要することがある。したがって、７かける７（７ｘ７）のブロックであるフィルターウィンドウ（Ωｉ）１１０を使用してノイズ除去ピクセル（ｉ）１０１のためのノイズ除去された値を計算するには３４３（７ｘ７ｘ７）の演算を要することがある。
したがって、システムは、近傍ブロック次元縮退機能を利用することでノイズ除去ピクセル（ｉ）１０１とノイズ除去基準ピクセル（ｊ）１０２の類似性を決定するための計算コストを大幅に削減することが可能で、それによってフィルターウィンドウ（Ωｉ）１１０を使用してノイズ除去ピクセル（ｉ）１０１のノイズ除去された値を計算するための計算コストを削減する。
図２は、本発明の多様な実施形態によるＲＧＢ画像のピクセルからノイズを除去するためのフィルターウィンドウの例示的な図である。図２に示されるように、画像化プロセスは、ＲＧＢ画像２００のノイズ除去ピクセル２０１にノイズ除去演算を実行するためにフィルターウィンドウ２１０を使用できる。
本発明の多様な実施形態に従って、ＲＧＢ画像２００のノイズ除去ピクセル２０１はさまざまな色であることがある。図２に示される例では、フィルターウィンドウ２１０の中心に位置するノイズ除去ピクセル２０１は赤色のピクセル（Ｒ）である。一般に、ノイズ除去ピクセル２０１は、制限なくＲＧＢ画像２００中の赤のピクセル（Ｒ）、青のピクセル（Ｂ）、または緑のピクセル（ＧｒもしくはＧｂ）であることがある。
図２に示されるように、ノイズ除去ピクセル２０１とノイズ除去基準ピクセル（例えば、２０２と２０３）の類似性の決定は、異なる近傍ブロック（２１１〜２１２と２２１〜２２２）に基づくことがある。
近傍ブロックはさまざまなサイズとなることがある。例えば、近傍ブロック２１１と２１２は両方とも３かける３（３ｘ３）のブロックである。一方、近傍ブロック２２１と２２２は両方とも５かける５（５ｘ５）のブロックである。また、近傍ブロック２２２は、フィルターウィンドウ２１０の外部にあるピクセルを含んでもよい。
さらに、近傍ブロックは、多角形、円形、楕円、または立方体もしくは球体等の他の規則正しい形状等、さまざまな幾何学形状であることがある。また、近傍ブロックは多様な不規則な形状であってもよい。
図３は、本発明の多様な実施形態に従って、近傍ブロックの次元縮退をサポートする場合の例示的な図である。図３に示されるように、画像化プロセス３００は、中心ピクセル３１０がある近傍ブロック３０１に基づいて特徴ベクトル３０２を決定できる。中心ピクセル３１０は、ノイズ除去ピクセルまたはノイズ除去基準ピクセルのどちらかであり得る。
本発明の多様な実施形態に従って、特徴ベクトル３０２は、画像によって使用されるカラーモデルの異なる色に対応する多様な色成分を含むことがある。
例えば、画像がＲＧＢ画像であると、特徴ベクトル３０２は、
赤色の成分
Figure 2017518546
 緑色の成分
Figure 2017518546
 及び青色の成分
Figure 2017518546
 を含むことがある。したがって、特徴ベクトル３０２は以下の方程式を使用して表すことができる。
Figure 2017518546
さらに、特徴ベクトルはグレイスケール成分
Figure 2017518546
 を含むこともある。その場合、特徴ベクトル３０２は以下の方程式を使用して表すことができる。
Figure 2017518546
本発明の多様な実施形態に従って、特徴ベクトル３０２の多様な色成分の決定にはさまざまな手法を利用できる。
例えば、特徴ベクトル３０２の色成分は、近傍ブロック３０１の中心ピクセル３１０と関連する色の値に基づいて決定できる。
さらに、非選択平均法が、特徴ベクトル３０２の色成分の決定に使用できる。
非選択平均法は、色成分に関連する色の近傍ブロック３０１のピクセルのセットが近傍ブロック３０１の中心ピクセル３１０を通るただ１つの方向（例えば、３１３または３１４）を構成するときに特徴ベクトル３０２の色成分の決定に使用できる。
また、非選択平均法は、色成分と関連する色の近傍ブロック３０１のピクセルのセットが近傍ブロック３０１で実質的に等方性であるときに特徴ベクトル３０２の色成分の決定に使用できる。
さらに、選択平均法は、色成分と関連する色の近傍ピクセルブロック３０１のピクセルのセットが近傍ブロックで複数の方向（例えば、３１１〜３１２）を構成するときに特徴ベクトル３０２の色成分の決定に使用できる。
本発明の多様な実施形態に従って、画像化プロセス３００は、方向判断に基づいた選択平均法をサポートできる。例えば、勾配をベースにした選択平均法は、色成分と関連する色のピクセルのサブセットに平均計算を適用できる。ここでは、ピクセルのサブセットは近傍ピクセルブロック３０１で最小の勾配の方向（３１１または３１２）と関連付けることができる。
図４は、本発明の多様な実施形態に従って、次元縮退をサポートするために選択平均法を使用する場合の例示的な図である。図４に示されるように、画像化プロセス４００は、方向判断に基づいて選択平均法を近傍ブロック内の同じ色のピクセルに適用できる。
ステップ４０１で、画像化プロセス４００は、近傍ブロックのさまざまな方向に沿った同じ色のピクセルの勾配を計算できる。ステップ４０２で、画像化プロセス４００は、最大勾配（例えばｇｒａｄ＿ｍａｘ）と最小勾配（例えば、ｇｒａｄ＿ｍｉｎ）を得るために異なる方向の勾配を比較できる。
ステップ４０３で、画像化プロセス４００は、最大勾配と最小勾配の差（つまり｜ｇｒａｄ＿ｍａｘ‐ｇｒａｄ＿ｍｉｎ｜）を閾値（例えばＴＨ）と比較できる。
ステップ４０４で、最大勾配と最小勾配の差が閾値未満あるいは閾値と等しい（つまり、｜ｇｒａｄ＿ｍａｘ‐ｇｒａｄ＿ｍｉｎ｜＜＝ＴＨ）場合、画像化プロセス４００は複数の方向に沿ったピクセルの平均値を計算するために非選択平均法を使用できる。
それ以外の場合（つまり、｜ｇｒａｄ＿ｍａｘ‐ｇｒａｄ＿ｍｉｎ｜＞ＴＨの場合）、ステップ４０５で、画像化プロセス４００は最小勾配の方向に沿ってピクセルを選択できる。次にステップ４０６で、画像化プロセス４００は選択された方向に沿ったピクセル（つまり、最小勾配の方向に沿ったピクセル）の平均値を計算できる。
図５ａ〜図５ｄは、本発明の多様な実施形態によるＲＧＢ画像中の異なるタイプの例示的な近傍ブロックを示す。図５ａは、赤色のピクセル（Ｒ）が近傍ブロックの中心に位置する３かける３（３ｘ３）の近傍ブロックを示す。図５ｂは、緑色のピクセル（Ｇｒ）が近傍ブロックの中心に位置する３かける３（３ｘ３）の近傍ブロックを示す。図５ｃは、青色のピクセル（Ｂ）が近傍ブロックの中心に位置する３かける３（３ｘ３）の近傍ブロックを示す。図５ｄは、緑色のピクセル（Ｇｂ）が近傍ブロックの中心に位置する３かける３（３ｘ３）の近傍ブロックを示す。
図６は、本発明の多様な実施形態に従って、図５ａの近傍ブロックの次元縮退をサポートする場合の例示的な図である。図６に示されるように、画像化プロセス６００は、ＲＧＢ画像の近傍ブロック６０１の特徴ベクトル６０２を決定できる。
特徴ベクトル６０２は、赤色と関連する成分
Figure 2017518546
 緑色と関連する成分
Figure 2017518546
 及び青色と関連する成分
Figure 2017518546
 等、多様な色成分を含むことがある。
図６に示されるように、近傍ブロック６０１の中心ピクセル６１０は赤色のピクセル（Ｒ５）である。したがって、特徴ベクトル６０２の赤色と関連する成分
Figure 2017518546
 は、赤色のピクセルＲ５の値に基づいて決定できる
さらに、近傍ブロック６０１の青色のピクセル（Ｂ１、Ｂ３、Ｂ７、及びＢ９）は、中心ピクセル（Ｒ５）６１０を通る複数の方向を構成する。図６に示されるように、方向６１１は青色のピクセル（Ｂ１とＢ９）を含み、方向６１２は青色のピクセル（Ｂ３とＢ７）を含む。
青色と関連する成分
Figure 2017518546
 を決定するために、画像化プロセス６００は、方向６１１の勾配（例えば、ｇｒａｄ＿Ｂ１）と方向６１２の勾配（例えば、ｇｒａｄ＿Ｂ２）を計算できる。次に、画像化プロセス６００は、勾配ｇｒａｄ＿Ｂ１とｇｒａｄ＿Ｂ２に基づいて最大勾配（例えばｇｒａｄ＿ｍａｘ）と最小勾配（例えばｇｒａｄ＿ｍｉｎ）を決定できる。
｜ｇｒａｄ＿ｍａｘ‐ｇｒａｄ＿ｍｉｎ｜＞ＴＨの場合、画像化プロセス６００は、青色と関連する成分
Figure 2017518546
 を決定するために選択平均法を使用できる。例えば、画像化プロセス６００は、方向６１１に沿ったｇｒａｄ＿Ｂ１が方向６１２に沿ったｇｒａｄ＿Ｂ２未満である場合、青のピクセル（Ｂ１とＢ９）を選択できる。また、画像化プロセス６００は、方向６１１に沿ったｇｒａｄ＿Ｂ１が方向６１２に沿ったｇｒａｄ＿Ｂ２より大きい場合、青のピクセル（Ｂ３とＢ７）を選択できる。画像化プロセス６００は、方向６１１に沿ったｇｒａｄ＿Ｂ１が方向６１２に沿ったｇｒａｄ＿Ｂ２に等しい場合、青のピクセル（Ｂ１とＢ９）または青のピクセル（Ｂ３とＢ７）のどちらかを選択できる。次に、画像化プロセス６００は、青色と関連する成分
Figure 2017518546
 を決定するために選択された青のピクセルの平均値を使用できる。
それ以外の場合、｜ｇｒａｄ＿ｍａｘ‐ｇｒａｄ＿ｍｉｎ｜＜＝ＴＨであると、画像化プロセス６００は、近傍ブロック６０１の青のピクセル（Ｂ１、Ｂ３、Ｂ７、及びＢ９）の平均値に基づいて青色と関連する成分
Figure 2017518546
 を決定するために非選択平均法を使用できる。
図６に示されるように、近傍ブロック６０１の緑色のピクセル（Ｇｂ２、Ｇｒ４、Ｇｒ６、及びＧｂ８）は、中心ピクセル（Ｒ５）６１０を通る複数の方向を構成する。方向６１３は緑色のピクセル（Ｇｂ２及びＧｂ８）を含み、方向６１４は緑色のピクセル（Ｇｒ４及びＧｒ６）を含む。
緑色と関連する成分
Figure 2017518546
 を決定するために、画像化プロセス６００は、方向６１３の勾配（例えば、ｇｒａｄ＿Ｇ１）と方向６１４の勾配（例えば、ｇｒａｄ＿Ｇ２）を計算できる。次に、画像化プロセス６００は、勾配ｇｒａｄ＿Ｇ１とｇｒａｄ＿Ｇ２に基づいて最大勾配（例えば、ｇｒａｄ＿ｍａｘ）と最小勾配（例えば、ｇｒａｄ＿ｍｉｎ）を決定できる。
｜ｇｒａｄ＿ｍａｘ‐ｇｒａｄ＿ｍｉｎ｜＞ＴＨの場合、画像化プロセス６００は、緑色と関連する成分
Figure 2017518546
 を決定するために選択平均法を使用できる。例えば、画像化プロセス６００は、方向６１３に沿ったｇｒａｄ＿Ｇ１が方向６１４に沿ったｇｒａｄ＿Ｇ２未満である場合、緑のピクセル（Ｇｂ２とＧｂ８）を選択できる。また、画像化プロセス６００は、方向６１３に沿ったｇｒａｄ＿Ｇ１が方向６１４に沿ったｇｒａｄ＿Ｇ２より大きい場合、緑のピクセル（Ｇｒ４とＧｒ６）を選択できる。画像化プロセス６００は、方向６１３に沿ったｇｒａｄ＿Ｇ１が方向６１４に沿ったｇｒａｄ＿Ｇ２に等しい場合、緑のピクセル（Ｇｂ２とＧｂ８）または緑のピクセル（Ｇｒ４とＧｒ６）のどちらかを選択できる。次に、画像化プロセス６００は、緑色と関連する成分
Figure 2017518546
 を決定するために選択された青のピクセルの平均値を使用できる。
それ以外の場合、｜ｇｒａｄ＿ｍａｘ‐ｇｒａｄ＿ｍｉｎ｜＜＝ＴＨであると、画像化プロセス６００は、近傍ブロック６０１の緑のピクセル（Ｇｂ２、Ｇｒ４、Ｇｒ６、及びＧｂ８）の平均値に基づいて緑色と関連する成分
Figure 2017518546
 を決定するために非選択平均法を使用できる。
したがって、特徴ベクトル６０２は、以下の方程式を使用して表すことができる。
Figure 2017518546
さらに、特徴ベクトル６０２は、以下の方程式を使用して定義できるグレイスケール
Figure 2017518546
 と関連する成分を含むこともある。
Figure 2017518546
上記に示されるように、グレイスケール成分
Figure 2017518546
 は、異なる色成分のコントリビューション、つまり赤色成分
Figure 2017518546
 によるコントリビューション、緑色成分
Figure 2017518546
 によるコントリビューション、及び青色成分
Figure 2017518546
 によるコントリビューションから成る。
したがって、特徴ベクトル６０２は以下の方程式を使用して表すことができる。
Figure 2017518546
図７は、本発明の多様な実施形態に従って、図５ｂの近傍ブロックの次元縮退をサポートする場合の例示的な図である。図７に示されるように、画像化プロセス７００は、ＲＧＢ画像の近傍ブロック７０１の特徴ベクトル７０２を決定できる。
特徴ベクトル７０２は、赤色と関連する成分
Figure 2017518546
 緑色と関連する成分
Figure 2017518546
 及び青色と関連する成分
Figure 2017518546
 等、異なる色成分を含むことがある。
図７に示されるように、近傍ブロック７０１の中心ピクセル７１０は緑色のピクセル（Ｇｒ５）である。したがって、緑色と関連する成分
Figure 2017518546
 は緑色のピクセルＧｒ５の値に基づいて決定できる。
さらに、青色のピクセル（Ｂ２とＢ８）は近傍ブロック７０１で単一の方向７１３を構成する。したがって、青色と関連する成分
Figure 2017518546
 は、近傍ブロック７０１の方向７１３に沿った青色のピクセル（Ｂ２とＢ８）の平均値に基づいて決定できる。
さらに、赤色のピクセル（Ｒ４とＲ６）は、近傍ブロック７０１で単一の方向７１４を構成する。したがって、赤色と関連する成分
Figure 2017518546
 は近傍ブロック７０１の方向７１４に沿った赤色のピクセル（Ｒ４とＲ６）の平均値に基づいて決定できる。
したがって、特徴ベクトル７０２は以下の方程式を使用して表すことができる。
Figure 2017518546
さらに、特徴ベクトル７０２は、以下の方程式に定義されるようにグレイスケール
Figure 2017518546
 と関連する成分を含んでもよい。
Figure 2017518546
上記に示されるように、グレイスケール成分
Figure 2017518546
 は、異なる色成分のコントリビューション、つまり赤色成分
Figure 2017518546
 によるコントリビューション、緑色成分
Figure 2017518546
 によるコントリビューション、及び青色成分
Figure 2017518546
 によるコントリビューションからのコントリビューションから成る。
図７に示されるように、近傍ブロック７０１の緑色のピクセル（Ｇｂ１、Ｇｂ３、Ｇｂ７、及びＧｂ９）は、中心ピクセル（Ｇｒ５）７１０を通る複数の方向を構成する。画像化プロセス７００は、方向７１１の勾配（例えば、ｇｒａｄ＿Ｇ１）と方向７１２の勾配（例えば、ｇｒａｄ＿Ｇ２）を計算できる。次に、画像化プロセス７００は、勾配ｇｒａｄ＿Ｇ１とｇｒａｄ＿Ｇ２に基づいて最大勾配（例えば、ｇｒａｄ＿ｍａｘ）と最小勾配（例えば、ｇｒａｄ＿ｍｉｎ）を決定できる。
｜ｇｒａｄ＿ｍａｘ‐ｇｒａｄ＿ｍｉｎ｜＞ＴＨの場合、画像化プロセス７００は、緑色成分によるコントリビューション
Figure 2017518546
 を決定するために選択平均法を使用できる。例えば、画像化プロセス７００は、方向７１１に沿ったｇｒａｄ＿Ｇ１が方向７１２に沿ったｇｒａｄ＿Ｇ２未満である場合、緑のピクセル（Ｇｂ１とＧｂ９）を選択できる。また、画像化プロセス７００は、方向７１１に沿ったｇｒａｄ＿Ｇ１が方向７１２に沿ったｇｒａｄ＿Ｇ２より大きい場合、緑のピクセル（Ｇｂ３とＧｂ７）を選択できる。画像化プロセス７００は、方向７１１に沿ったｇｒａｄ＿Ｇ１が方向７１２に沿ったｇｒａｄ＿Ｇ２に等しい場合、緑のピクセル（Ｇｂ１とＧｂ９）または緑のピクセル（Ｇｂ３とＧｂ７）のどちらかを選択できる。次に、画像化プロセス７００は、緑色成分によるコントリビューション
Figure 2017518546
 を決定するために選択された青のピクセルの平均値を使用できる。
それ以外の場合、｜ｇｒａｄ＿ｍａｘ‐ｇｒａｄ＿ｍｉｎ｜＜＝ＴＨであると、画像化プロセス７００は近傍ブロック７０１のすべての緑のピクセル（Ｇｂ１、Ｇｂ３、Ｇｂ７、及びＧｂ９）の平均値に基づいて緑色成分によるコントリビューション
Figure 2017518546
 を決定するために非選択平均法を使用できる。
したがって、特徴ベクトル７０２は、以下の方程式を使用して表すことができる。
Figure 2017518546
図８は、本発明の多様な実施形態に従って、近傍ブロックでエッジラインを保つ場合の例示的な図である。図８に示されるように、ＲＧＢ画像のエッジライン８１０は、緑の中心ピクセル（Ｇｒ５）のある近傍ブロック８０１を通って交差することがある。
例えば、ピクセル（Ｇｂ１、Ｂ２、Ｇｂ３、Ｒ６、及びＧｂ９）は薄い色の側に位置する。一方、ピクセル（Ｒ４、Ｇｒ５、Ｇｂ７、及びＢ８）は濃い色の側に位置する。したがって、エッジライン８１０の同じ側に位置する緑のピクセル（Ｇｂ１とＧｂ９）を含んだ方向８１１に沿った勾配は、エッジライン８１０の反対側に位置する緑のピクセル（Ｇｂ３とＧｂ７）を含んだ方向８１２に沿った勾配未満でなければならない。
選択平均法を使用して、グレイスケールに対する緑色のコントリビューション
Figure 2017518546
 は、緑のピクセル（Ｇｂ１とＧｂ９）の平均値に基づいて決定できる。
他方、緑色と関連する成分
Figure 2017518546
 はＧｂ１とＧｂ９の平均値
Figure 2017518546
 よりもおそらく大きい緑色の中心ピクセル（Ｇｒ５）の値に基づいて決定できる。
結果として、画像化プロセス８００は緑色の中心ピクセル（Ｇｒ５）の平滑化を回避できる。これによって、ノイズ除去演算の間にエッジライン８１０が保たれることが確実になる。
図９は、本発明の多様な実施形態に従って、図５ｃの近傍ブロックの次元縮退をサポートする場合の例示的な図である。図９に示されるように、画像化プロセス９００は、ＲＧＢ画像の近傍ブロック９０１のための特徴ベクトル９０２を決定できる。
特徴ベクトル９０２は、赤色と関連する成分
Figure 2017518546
 緑色と関連する成分
Figure 2017518546
 及び青色と関連する成分
Figure 2017518546
 等、多様な色成分を含むことがある。
図９に示されるように、近傍ブロック９０１の中心ピクセル９１０は、青色のピクセル（Ｂ５）である。したがって、特徴ベクトル９０２の青色と関連する成分
Figure 2017518546
 は、青色のピクセルＢ５の値に基づいて決定できる。
さらに、近傍ブロック９０１の赤色のピクセル（Ｒ１、Ｒ３、Ｒ７、及びＲ９）は、中心ピクセル（Ｂ５）９１０を通る複数の方向を構成する。図９に示されるように、方向９１１は赤色のピクセル（Ｒ１とＲ９）を含み、方向９１２は赤色のピクセル（Ｒ３とＲ７）を含む。
赤色と関連する成分
Figure 2017518546
 を決定するために、画像化プロセス９００は方向９１１の勾配（例えば、ｇｒａｄ＿Ｒ１）と方向９１２の勾配（例えば、ｇｒａｄ＿Ｒ２）を計算できる。次に、画像化プロセス９００は、勾配ｇｒａｄ＿Ｒ１とｇｒａｄ＿Ｒ２に基づいて最大勾配（例えば、ｇｒａｄ＿ｍａｘ）と最小勾配（例えば、ｇｒａｄ＿ｍｉｎ）を決定できる。
｜ｇｒａｄ＿ｍａｘ‐ｇｒａｄ＿ｍｉｎ｜＞ＴＨの場合、画像化プロセス９００は、赤色と関連する成分
Figure 2017518546
 を決定するために選択平均法を使用できる。例えば、画像化プロセス９００は、方向９１１に沿ったｇｒａｄ＿Ｒ１が方向９１２に沿ったｇｒａｄ＿Ｒ２未満である場合、赤のピクセル（Ｒ１とＲ９）を選択できる。また、画像化プロセス９００は、方向９１１に沿ったｇｒａｄ＿Ｒ１が方向９１２に沿ったｇｒａｄ＿Ｒ２より大きい場合、赤のピクセル（Ｒ３とＲ７）を選択できる。画像化プロセス９００は、方向９１１に沿ったｇｒａｄ＿Ｒ１が方向９１２に沿ったｇｒａｄ＿Ｒ２に等しい場合、赤のピクセル（Ｒ１とＲ９）または赤のピクセル（Ｒ３とＲ７）のどちらかを選択できる。次に、画像化プロセス９００は、赤色と関連する成分
Figure 2017518546
 を決定するために選択された赤のピクセルの平均値を使用できる。
それ以外の場合、｜ｇｒａｄ＿ｍａｘ‐ｇｒａｄ＿ｍｉｎ｜＜＝ＴＨであると、画像化プロセス９００は、近傍ブロック９０１の赤のピクセル（Ｒ１、Ｒ３、Ｒ７、及びＲ９）の平均値に基づいて赤色と関連する成分
Figure 2017518546
 を決定するために非選択平均法を使用できる。
やはり図９に示されるように、近傍ブロック９０１の緑色のピクセル（Ｇｒ２、Ｇｂ４、Ｇｂ６、及びＧｒ８）は中心ピクセル（Ｂ５）９１０を通る複数の方向を構成する。方向９１３は緑色のピクセル（Ｇｒ２とＧｒ８）を含み、方向９１４は緑色のピクセル（Ｇｂ４とＧｂ６）を含む。
緑色と関連する成分
Figure 2017518546
 を決定するために、画像化プロセス９００は方向９１３の勾配（例えば、ｇｒａｄ＿Ｇ１）と方向９１４の勾配（例えば、ｇｒａｄ＿Ｇ２）を計算できる。次に、画像化プロセス９００は、勾配ｇｒａｄ＿Ｇ１とｇｒａｄ＿Ｇ２に基づいて最大勾配（例えば、ｇｒａｄ＿ｍａｘ）と最小勾配（例えば、ｇｒａｄ＿ｍｉｎ）を決定できる。
｜ｇｒａｄ＿ｍａｘ‐ｇｒａｄ＿ｍｉｎ｜＞ＴＨの場合、画像化プロセス９００は、緑色と関連する成分
Figure 2017518546
 を決定するために選択平均法を決定できる。例えば、画像化プロセス９００は、方向９１３に沿ったｇｒａｄ＿Ｇ１が方向９１４に沿ったｇｒａｄ＿Ｇ２未満である場合、緑のピクセル（Ｇｒ２とＧｒ８）を選択できる。また、画像化プロセス９００は、方向９１３に沿ったｇｒａｄ＿Ｇ１が方向９１４に沿ったｇｒａｄ＿Ｇ２より大きい場合、緑のピクセル（Ｇｂ４とＧｂ６）を選択できる。画像化プロセス９００は、方向９１３に沿ったｇｒａｄ＿Ｇ１が方向９１４に沿ったｇｒａｄ＿Ｇ２に等しい場合、緑のピクセル（Ｇｒ２とＧｒ８）または緑のピクセル（Ｇｂ４とＧｂ６）のどちらかを選択できる。次に、画像化プロセス９００は、緑色と関連する成分
Figure 2017518546
 を決定するために選択された緑のピクセルの平均値を使用できる。
それ以外の場合、｜ｇｒａｄ＿ｍａｘ‐ｇｒａｄ＿ｍｉｎ｜＜＝ＴＨであると、画像化プロセス９００は、近傍ブロック９０１の緑のピクセル（Ｇｒ２、Ｇｂ４、Ｇｂ６、及びＧｒ８）の平均値に基づいて緑色と関連する成分
Figure 2017518546
 を決定するために非選択平均法を使用できる。
したがって、特徴ベクトル９０２は以下のように表すことができる。
Figure 2017518546
さらに、特徴ベクトル９０２は、以下の方程式を使用して定義できるグレイスケール
Figure 2017518546
 に関連する成分を含んでもよい。
Figure 2017518546
上記に示されるように、グレイスケール成分
Figure 2017518546
 は、異なる色成分のコントリビューション、つまり赤色成分
Figure 2017518546
 によるコントリビューション、緑色成分
Figure 2017518546
 によるコントリビューション、及び青色成分
Figure 2017518546
 によるコントリビューションから成る。
このようにして、特徴ベクトル６０２は以下の方程式を使用して表すことができる。
Figure 2017518546
図１０は、本発明の多様な実施形態に従って、図５ｄの近傍ブロックの次元縮退をサポートする場合の例示的な図である。図１０に示されるように、画像化プロセス１０００は、ＲＧＢ画像の近傍ブロック１００１の特徴ベクトル１００２を決定できる。
特徴ベクトル１００２は、赤色と関連する成分
Figure 2017518546
 緑色と関連する成分
Figure 2017518546
 及び青色と関連する成分
Figure 2017518546
 等、異なる色成分を含むことがある。
図１０に示されるように、近傍ブロック１００１の中心ピクセル１０１０は緑色のピクセル（Ｇｂ５）である。したがって、緑色と関連する成分
Figure 2017518546
 は、緑色のピクセルＧｂ５の値に基づいて決定できる。
さらに、赤色のピクセル（Ｒ２とＲ８）は近傍ブロック１００１で単一方向１０１３を構成する。したがって、赤色と関連する成分
Figure 2017518546
 は、近傍ブロック１００１の方向１０１３に沿った青色のピクセル（Ｒ２とＲ８）の平均値に基づいて決定できる。
さらに、青色のピクセル（Ｂ４とＢ６）が近傍ブロック１００１の単一方向１０１４を構成する。したがって、青色と関連する成分
Figure 2017518546
 は近傍ブロック１００１の方向１０１４に沿った青色のピクセル（Ｂ４とＢ６）の平均値に基づいて決定できる。
したがって、特徴ベクトル１００２は以下の方程式を使用して表すことができる。
Figure 2017518546
さらに、特徴ベクトル１００２は、以下の方程式で定義されるようにグレイスケール
Figure 2017518546
 と関連する成分を含んでもよい。
Figure 2017518546
上記に示されるように、グレイスケール成分
Figure 2017518546
 は、異なる色成分のコントリビューション、つまり赤色成分
Figure 2017518546
 によるコントリビューション、緑色成分
Figure 2017518546
 によるコントリビューション、及び青色成分
Figure 2017518546
 によるコントリビューションから成る。
図１０に示されるように、近傍ブロック１００１の緑色のピクセル（Ｇｒ１、Ｇｒ３、Ｇｒ７、及びＧｒ９）は中心ピクセル（Ｇｒ５）１０１０を通る複数の方向を構成する。画像化プロセス１０００は、方向１０１１の勾配（例えば、ｇｒａｄ＿Ｇ１）と方向１０１２の勾配（例えば、ｇｒａｄ＿Ｇ２）を計算する。次に、画像化プロセス１０００は、勾配ｇｒａｄ＿Ｇ１とｇｒａｄ＿Ｇ２に基づいて最大勾配（例えば、ｇｒａｄ＿ｍａｘ）と最小勾配（例えば、ｇｒａｄ＿ｍｉｎ）を決定できる。
｜ｇｒａｄ＿ｍａｘ‐ｇｒａｄ＿ｍｉｎ｜＞＝ＴＨの場合、画像化プロセス１０００は、緑色成分によるコントリビューション
Figure 2017518546
 を決定するために選択平均法を使用できる。例えば、画像化プロセス１０００は、方向１０１１に沿ったｇｒａｄ＿Ｇ１が方向１０１２に沿ったｇｒａｄ＿Ｇ２未満である場合、緑のピクセル（Ｇｒ１とＧｒ９）を選択できる。また、画像化プロセス１０００は、方向１０１１に沿ったｇｒａｄ＿Ｇ１が方向１０１２に沿ったｇｒａｄ＿Ｇ２より大きい場合、緑のピクセル（Ｇｒ３とＧｒ７）を選択できる。画像化プロセス１０００は、方向１０１１に沿ったｇｒａｄ＿Ｇ１が方向１０１２に沿ったｇｒａｄ＿Ｇ２に等しい場合、緑のピクセル（Ｇｒ１とＧｒ９）または緑のピクセル（Ｇｒ３とＧｒ７）のどちらかを選択できる。次に、画像化プロセス１０００は、緑色成分によるコントリビューション
Figure 2017518546
 を決定するために選択された青のピクセルの平均値を使用できる。
それ以外の場合、｜ｇｒａｄ＿ｍａｘ‐ｇｒａｄ＿ｍｉｎ｜＜＝ＴＨであると、画像化プロセス１０００は近傍ブロック１００１のすべての緑のピクセル（Ｇｒ１、Ｇｒ３、Ｇｒ７、及びＧｒ９）の平均値に基づいて緑色成分によるコントリビューション
Figure 2017518546
 を決定するために非選択平均法を使用できる。
したがって、特徴ベクトル１００２は以下の方程式を使用して表すことができる。
Figure 2017518546
結果として、画像化プロセス１０００は緑色の中心ピクセル（Ｇｂ５）の平滑化を回避することができ、ノイズ除去演算の間エッジラインを保つことができる。
図１１は、本発明の多様な実施形態に従って、近傍ブロック次元縮退に基づいた画像ノイズ除去をサポートする場合のフローチャートである。図１１に示されるように、ステップ１１０１で、画像化プロセスは、画像のノイズ除去ピクセルと関連するピクセルの第１のグループを表す、特徴値の第１のセットを得ることができる。さらに、ステップ１１０２で、画像化プロセスは、ノイズ除去基準ピクセルと関連するピクセルの第２のグループを表す特徴値の第２のセットを得ることができる。次に、ステップ１１０３で、画像化プロセスは特徴値の第１のセットと特徴値の第２のセットを使用して、ノイズ除去ピクセルとノイズ除去基準ピクセルの類似性を決定できる。
本発明の多くの特徴は、ハードウェア、ソフトウェア、ファームウェア、もしくはその組合せを使用する際に、またはそれらを活用して実行できる。結果的に、本発明の特徴は（例えば、１台または複数のプロセッサを含む）処理システムを使用し実現できる。例示的なプロセッサには、制限なく、１台または複数の汎用マイクロプロセッサ（例えば、シングルコアプロセッサまたはマルチコアプロセッサ）、特定用途向け集積回路、特定用途向け命令セットプロセッサ、グラフィックスプロセッシングユニット、物理プロセッサ、デジタル信号処理装置、コプロセッサ、ネットワークプロセッサ、音声処理装置、暗号化処理装置等を含むことがある。
本発明の特徴は、コンピュータプログラム製品を使用する際にまたはそれを活用して実現できる。コンピュータプログラム製品とはその上／中に、本明細書に提示される特徴のいずれかを実行するように処理システムをプログラミングするために使用できる命令が記憶された記憶媒体（複数の媒体の場合がある）またはコンピュータ可読媒体（複数の媒体の場合がある）である。記憶媒体は、フロッピー（登録商標）ディスク、光ディスク、ＤＶＤ、ＣＤ−ＲＯＭ、マイクロドライブ、及び光磁気ディスクを含んだ任意のタイプのディスク、ＲＯＭ、ＲＡＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ、ＤＲＡＭ、ＶＲＡＭ、フラッシュメモリデバイス、磁気カードもしくは光カード、（分子記憶ＩＣを含んだ）ナノシステム、または命令及び／またはデータを記憶するのに適した任意のタイプの媒体もしくはデバイスを含むことがあるが、これに限定されるものではない。
本発明の特徴は機械可読媒体（複数の媒体の場合がある）の内のいずれか１つに記憶され、ソフトウェア及び／またはファームウェアに取り込まれることができ、処理システムのハードウェアを制御し、処理システムが本発明の結果を活用して他の機構と対話できるようにする。このようなソフトウェアまたはファームウェアは、アプリケーションコード、デバイスドライバ、オペレーティングシステム、及び実行環境／コンテナを含んでよいが、これに限定されるものではない。
また、本発明の特徴は、例えば特定用途向け集積回路（ＡＳＩＣ）及びフィールドプログラマブルゲートアレイ（ＦＰＧＡ）デバイス等のハードウェア構成要素を使用してハードウェアに実装してもよい。ハードウェア状態機械を本明細書に説明される機能を実行するように実装することが関連技術における当業者に明らかになる。
さらに、本発明は本開示の教示に従ってプログラミングされた１台または複数のプロセッサ、メモリ、及び／またはコンピュータ可読記憶媒体を含んだ１台または複数の従来の汎用のデジタルコンピュータまたは特殊化されたデジタルコンピュータ、コンピューティング装置、マシン、またはマイクロプロセッサを使用して便利に実装できる。ソフトウェア技術の当業者に明らかとなるように、適切なソフトウェアコーディングは本開示の教示に基づいて熟練のプログラマによって容易に作成できる。
本発明の多様な実施形態が上述されてきたが、それらの実施形態が制限ではなく、一例として提示されていたことを理解する必要がある。本発明の精神と範囲から逸脱することなく、形式と詳細の多様な変更をそこに加えることができることが当業者に明らかになる。
本発明は、指定された機能の性能、及びその関係性を示す機能ビルディングブロックを活用して上述されてきた。多くの場合、これらの機能ビルディングブロックの境界は説明の便宜上任意に本明細書において定められている。指定された機能及びその関係性が適切に実行される限り、代わりの境界も定めることができる。したがって、このような代わりの境界のいずれも本発明の範囲及び精神の中にある。
本発明の上記説明は、図示及び説明のために示されている。上記説明は包括的となる、または本発明を開示される正確な形に制限することを目的としていない。本発明の幅広さ及び範囲は、上述した例示的な実施形態のいずれによっても制限されてはならない。多くの変更形態及び変形形態が当業者に明らかになる。変更形態と変形形態は、開示される特徴のいかなる関連性のある組合せを含む。実施形態は、本発明の原理及びその実際的な適用例を最もうまく説明するために、当業者が多様な実施形態と意図された特定の使用に適した多様な変更形態を有する本発明を理解できるように選ばれ、説明されてきた。本発明の範囲を以下の特許請求の範囲及びその同等物により定義することが意図される。
本発明の上記説明は、図示及び説明のために示されている。上記説明は包括的となる、または本発明を開示される正確な形に制限することを目的としていない。本発明の幅広さ及び範囲は、上述した例示的な実施形態のいずれによっても制限されてはならない。多くの変更形態及び変形形態が当業者に明らかになる。変更形態と変形形態は、開示される特徴のいかなる関連性のある組合せを含む。実施形態は、本発明の原理及びその実際的な適用例を最もうまく説明するために、当業者が多様な実施形態と意図された特定の使用に適した多様な変更形態を有する本発明を理解できるように選ばれ、説明されてきた。本発明の範囲を以下の特許請求の範囲及びその同等物により定義することが意図される。
［項目１］
画像のノイズ除去ピクセルと関連するピクセルの第１のグループを表す、特徴値の第１のセットを取得するステップと、
ノイズ除去基準ピクセルと関連するピクセルの第２のグループを表す、特徴値の第２のセットを取得するステップと、
特徴値の上記第１のセット及び特徴値の上記第２のセットを使用して、上記ノイズ除去ピクセルと上記ノイズ除去基準ピクセルの類似性を決定するステップと、
を含む、画像処理方法。
［項目２］
複数のノイズ除去基準ピクセルを含むフィルターウィンドウを使用して上記ノイズ除去ピクセルからノイズを除去するステップ、
をさらに含む、項目１に記載の画像処理方法。
［項目３］
上記フィルターウィンドウの上記複数のノイズ除去基準ピクセルの複数の重みを計算するステップであって、上記複数の重みのそれぞれが異なるノイズ除去基準ピクセルと関連付けられ、上記複数の重みのそれぞれが、上記ノイズ除去ピクセルと上記それぞれのノイズ除去基準ピクセルの類似性に基づいて決定され、
上記ノイズ除去ピクセルのノイズ除去された値を計算するために、上記複数のノイズ除去基準ピクセルと関連する上記複数の重みを使用するステップ、
をさらに含む、項目２に記載の画像処理方法。
［項目４］
ピクセルの上記第１のグループが第１の近傍ブロックを有し、ピクセルの上記第２のグループが第２の近傍ブロックを有する、項目１に記載の画像処理方法。
［項目５］
上記画像がカラーモデルに基づき、特徴値の上記それぞれのセットが複数の色成分を含み、各色成分が上記カラーモデルの異なる色と関連付けられる、項目４に記載の画像処理方法。
［項目６］
特徴値の上記それぞれのセットが、上記カラーモデルの上記異なる色と関連する上記複数の色成分に加えてグレイスケール成分を含む、項目５に記載の画像処理方法。
［項目７］
上記近傍ブロックの中心ピクセルと関連する色の値に基づいて、上記フィルターウィンドウの近傍ブロックを表す、特徴値のセットの色成分を決定するステップ、
をさらに含む、項目５に記載の画像処理方法。
［項目８］
色成分と関連する色を有する近傍ブロックのピクセルのセットが、上記近傍ブロックの中心ピクセルを通る上記近傍ピクセルブロックでただ１つの方向を構成するときに、上記フィルターウィンドウ内の上記近傍ブロックを表す特徴値のセットの上記色成分を決定するために非選択平均法を使用するステップ、
をさらに含む、項目５に記載の画像処理方法。
［項目９］
色成分と関連する色を有する近傍ブロックのセットが、上記近傍ブロックで実質的に等方性であるときに、上記フィルターウィンドウ内の上記近傍ブロックを表す特徴値のセットの上記色成分を決定するために非選択平均法を使用することと、
をさらに含む、項目５に記載の画像処理方法。
［項目１０］
色成分と関連する色を有する近傍ピクセルブロックのピクセルのセットが上記近傍ブロックで複数の方向を構成するときに、上記フィルターウィンドウの上記近傍ブロックを表す特徴値のセットの上記色成分を決定するために、勾配をベースにした選択平均法を使用することと、
をさらに含む、項目５に記載の画像処理方法。
［項目１１］
上記選択平均法が上記近傍ブロックの上記色成分と関連する色を有する１個または複数のピクセルの平均化された値を計算するために動作し、上記１個または複数のピクセルが、上記近傍ブロックの中心ピクセルを通る、最小勾配の方向に沿ったピクセルの上記セットから選択される、項目１０に記載の画像処理方法。
［項目１２］
上記画像のノイズレベルに基づいて閾値パラメータを構成することと、
上記近傍ブロックの上記複数の方向の間の勾配差が上記閾値パラメータの上記値未満であるときに、特徴値の上記セットの上記色成分を決定するために上記近傍ブロックのピクセルの上記セットの平均値を得ることと、
をさらに含む、項目１０に記載の画像処理方法。
［項目１３］
上記カラーモデルがＲＧＢカラーモデルであり、上記画像がベイヤ画像である、
項目５に記載の画像処理方法。
［項目１４］
緑の中心ピクセルで近傍ブロックのエッジ効果を処理するために、特別なグレイスケール成分を使用することと、
をさらに含む、項目１３に記載の画像処理方法。
［項目１５］
１または複数のマイクロプロセッサと、
上記１または複数のマイクロプロセッサ上で実行中の上記画像化プロセスであって、
画像のノイズ除去ピクセルと関連するピクセルの第１のグループを表す、特徴値の第１のセットを得るために、
ノイズ除去基準ピクセルと関連するピクセルの第２のグループを表す、特徴値の第２のセットを得るために、及び
上記ノイズ除去ピクセルと上記ノイズ除去基準ピクセルの類似性を決定するために、特徴値の上記第１のセット及び特徴値の上記第２のセットを使用するために動作する、上記画像化プロセスと、
を備える、画像処理システム。
［項目１６］
上記画像化プロセスが、フィルターウィンドウを使用して上記ノイズ除去ピクセルからノイズを除去するために動作し、上記フィルターウィンドウが複数のノイズ除去基準ピクセルを含む、
項目１５に記載の上記画像処理システム。
［項目１７］
上記画像化プロセスが、
上記フィルターウィンドウの上記複数のノイズ除去基準ピクセルのための複数の重みを計算するために、上記複数の重みのそれぞれが異なるノイズ除去基準ピクセルと関連付けられ、上記複数の重みのそれぞれが上記ノイズ除去ピクセルと上記それぞれのノイズ除去基準ピクセルの類似性に基づいて決定され、及び
上記ノイズ除去ピクセルのためのノイズ除去された値を計算するために上記複数のノイズ除去基準ピクセルと関連する上記複数の重みを使用するために
動作する、項目１６に記載の上記画像処理システム。
［項目１８］
ピクセルの上記第１のグループが第１の近傍ブロックを形成し、ピクセルの上記第２のグループが第２の近傍ブロックを形成する、項目１５に記載の上記画像処理システム。
［項目１９］
上記画像がカラーモデルに基づき、特徴値の上記それぞれのセットが複数の色成分を含み、各色成分が上記カラーモデルの異なる色と関連付けられる、項目１８に記載の上記画像処理システム。
［項目２０］
特徴値の上記それぞれのセットが、上記カラーモデルの上記異なる色と関連する上記複数の色成分に加えてグレイスケール成分を含む、項目１９に記載の上記画像処理システム。
［項目２１］
上記画像化プロセスが、上記近傍ブロックの中心ピクセルと関連する色の値に基づいて、上記フィルターウィンドウの近傍ブロックを表す、特徴値のセットの色成分を決定するために動作する、項目１９に記載の上記画像処理システム。
［項目２２］
上記画像化プロセスが、色成分と関連する色を有する近傍ブロックのピクセルのセットが、上記近傍ブロックの中心ピクセルを通る上記近傍ピクセルブロックでただ１つの方向を構成するときに、上記フィルターウィンドウ内の上記近傍ブロックを表す特徴値のセットの上記色成分を決定するために非選択平均法を使用するために動作する、項目１９に記載の上記画像処理システム。
［項目２３］
上記画像化プロセスが、色成分と関連する色を有する近傍ブロックのセットが、上記近傍ブロックで実質的に等方性であるときに、上記フィルターウィンドウ内の上記近傍ブロックを表す特徴値のセットの上記色成分を決定するために非選択平均法を使用するために動作する、項目１９に記載の上記画像処理システム。
［項目２４］
上記画像化プロセスが、色成分と関連する色を有する近傍ピクセルブロックのピクセルのセットが上記近傍ブロックで複数の方向を構成するときに、上記フィルターウィンドウの上記近傍ブロックを表す特徴値のセットの上記色成分を決定するために、勾配をベースにした選択平均法を使用するために動作する、項目１９に記載の上記画像処理システム。
［項目２５］
上記選択平均法が上記近傍ブロックの上記色成分と関連する色を有する１個または複数のピクセルの平均化された値を計算するために動作し、上記１個または複数のピクセルが、上記近傍ブロックの中心ピクセルを通る、最小勾配の方向に沿ったピクセルの上記セットから選択される、項目２４に記載の上記画像処理システム。
［項目２６］
上記画像化プロセスが、
上記画像のノイズレベルに基づいて閾値パラメータを構成するために、
上記近傍ブロックの上記複数の方向の間の勾配差が上記閾値パラメータの上記値未満であるときに、特徴値の上記セットの上記色成分を決定するために上記近傍ブロックのピクセルの上記セットの平均値を得るために、
動作する、項目２４に記載の上記画像処理システム。
［項目２７］
上記カラーモデルがＲＧＢカラーモデルであり、上記画像がベイヤ画像である、
項目１９に記載の上記画像処理システム。
［項目２８］
上記画像化プロセスが、緑の中心ピクセルで近傍ブロックのエッジ効果を処理するために、特別なグレイスケール成分を使用するために動作する、
項目２７に記載の上記画像処理システム。
［項目２９］
プロセッサによる実行時に、
画像のノイズ除去ピクセルと関連するピクセルの第１のグループを表す、特徴値の第１のセットを得るステップと、
ノイズ除去基準ピクセルと関連するピクセルの第２のグループを表す、特徴値の第２のセットを得るステップと、
上記ノイズ除去ピクセルと上記ノイズ除去基準ピクセルの類似性を決定するために、特徴値の上記第１のセット及び特徴値の上記第２のセットを使用するステップと、
を含むステップを実行する、上部に命令が記憶された非一過性のコンピュータ可読媒体。
［項目３０］
画像のノイズ除去ピクセルと関連するピクセルの第１のグループを表す、特徴値の第１のセット、及び
ノイズ除去基準ピクセルと関連するピクセルの第２のグループを表す、特徴値の第２のセット
を得るための第１のユニットと、
上記ノイズ除去ピクセルと上記ノイズ除去基準ピクセルの類似性を決定するために、特徴値の上記第１のセット及び特徴値の上記第２のセットを使用するための第２のユニットと、
上記ノイズ除去ピクセルと上記ノイズ除去基準ピクセルの上記決定した類似性に基づいて上記ノイズ除去ピクセルのノイズ除去された値を計算するための第３のユニットと、
を備える、画像処理装置。

Claims (30)

  1. 画像のノイズ除去ピクセルと関連するピクセルの第１のグループを表す、特徴値の第１のセットを取得するステップと、
    ノイズ除去基準ピクセルと関連するピクセルの第２のグループを表す、特徴値の第２のセットを取得するステップと、
    特徴値の前記第１のセット及び特徴値の前記第２のセットを使用して、前記ノイズ除去ピクセルと前記ノイズ除去基準ピクセルの類似性を決定するステップと、
    を含む、画像処理方法。
  2. 複数のノイズ除去基準ピクセルを含むフィルターウィンドウを使用して前記ノイズ除去ピクセルからノイズを除去するステップ、
    をさらに含む、請求項１に記載の画像処理方法。
  3. 前記フィルターウィンドウの前記複数のノイズ除去基準ピクセルの複数の重みを計算するステップであって、前記複数の重みのそれぞれが異なるノイズ除去基準ピクセルと関連付けられ、前記複数の重みのそれぞれが、前記ノイズ除去ピクセルと前記それぞれのノイズ除去基準ピクセルの類似性に基づいて決定され、
    前記ノイズ除去ピクセルのノイズ除去された値を計算するために、前記複数のノイズ除去基準ピクセルと関連する前記複数の重みを使用するステップ、
    をさらに含む、請求項２に記載の画像処理方法。
  4. ピクセルの前記第１のグループが第１の近傍ブロックを有し、ピクセルの前記第２のグループが第２の近傍ブロックを有する、請求項１に記載の画像処理方法。
  5. 前記画像がカラーモデルに基づき、特徴値の前記それぞれのセットが複数の色成分を含み、各色成分が前記カラーモデルの異なる色と関連付けられる、請求項４に記載の画像処理方法。
  6. 特徴値の前記それぞれのセットが、前記カラーモデルの前記異なる色と関連する前記複数の色成分に加えてグレイスケール成分を含む、請求項５に記載の画像処理方法。
  7. 前記近傍ブロックの中心ピクセルと関連する色の値に基づいて、前記フィルターウィンドウの近傍ブロックを表す、特徴値のセットの色成分を決定するステップ、
    をさらに含む、請求項５に記載の画像処理方法。
  8. 色成分と関連する色を有する近傍ブロックのピクセルのセットが、前記近傍ブロックの中心ピクセルを通る前記近傍ピクセルブロックでただ１つの方向を構成するときに、前記フィルターウィンドウ内の前記近傍ブロックを表す特徴値のセットの前記色成分を決定するために非選択平均法を使用するステップ、
    をさらに含む、請求項５に記載の画像処理方法。
  9. 色成分と関連する色を有する近傍ブロックのセットが、前記近傍ブロックで実質的に等方性であるときに、前記フィルターウィンドウ内の前記近傍ブロックを表す特徴値のセットの前記色成分を決定するために非選択平均法を使用することと、
    をさらに含む、請求項５に記載の画像処理方法。
  10. 色成分と関連する色を有する近傍ピクセルブロックのピクセルのセットが前記近傍ブロックで複数の方向を構成するときに、前記フィルターウィンドウの前記近傍ブロックを表す特徴値のセットの前記色成分を決定するために、勾配をベースにした選択平均法を使用することと、
    をさらに含む、請求項５に記載の画像処理方法。
  11. 前記選択平均法が前記近傍ブロックの前記色成分と関連する色を有する１個または複数のピクセルの平均化された値を計算するために動作し、前記１個または複数のピクセルが、前記近傍ブロックの中心ピクセルを通る、最小勾配の方向に沿ったピクセルの前記セットから選択される、請求項１０に記載の画像処理方法。
  12. 前記画像のノイズレベルに基づいて閾値パラメータを構成することと、
    前記近傍ブロックの前記複数の方向の間の勾配差が前記閾値パラメータの前記値未満であるときに、特徴値の前記セットの前記色成分を決定するために前記近傍ブロックのピクセルの前記セットの平均値を得ることと、
    をさらに含む、請求項１０に記載の画像処理方法。
  13. 前記カラーモデルがＲＧＢカラーモデルであり、前記画像がベイヤ画像である、
    請求項５に記載の画像処理方法。
  14. 緑の中心ピクセルで近傍ブロックのエッジ効果を処理するために、特別なグレイスケール成分を使用することと、
    をさらに含む、請求項１３に記載の画像処理方法。
  15. １または複数のマイクロプロセッサと、
    前記１または複数のマイクロプロセッサ上で実行中の前記画像化プロセスであって、
    画像のノイズ除去ピクセルと関連するピクセルの第１のグループを表す、特徴値の第１のセットを得るために、
    ノイズ除去基準ピクセルと関連するピクセルの第２のグループを表す、特徴値の第２のセットを得るために、及び
    前記ノイズ除去ピクセルと前記ノイズ除去基準ピクセルの類似性を決定するために、特徴値の前記第１のセット及び特徴値の前記第２のセットを使用するために動作する、前記画像化プロセスと、
    を備える、画像処理システム。
  16. 前記画像化プロセスが、フィルターウィンドウを使用して前記ノイズ除去ピクセルからノイズを除去するために動作し、前記フィルターウィンドウが複数のノイズ除去基準ピクセルを含む、
    請求項１５に記載の前記画像処理システム。
  17. 前記画像化プロセスが、
    前記フィルターウィンドウの前記複数のノイズ除去基準ピクセルのための複数の重みを計算するために、前記複数の重みのそれぞれが異なるノイズ除去基準ピクセルと関連付けられ、前記複数の重みのそれぞれが前記ノイズ除去ピクセルと前記それぞれのノイズ除去基準ピクセルの類似性に基づいて決定され、及び
    前記ノイズ除去ピクセルのためのノイズ除去された値を計算するために前記複数のノイズ除去基準ピクセルと関連する前記複数の重みを使用するために
    動作する、請求項１６に記載の前記画像処理システム。
  18. ピクセルの前記第１のグループが第１の近傍ブロックを形成し、ピクセルの前記第２のグループが第２の近傍ブロックを形成する、請求項１５に記載の前記画像処理システム。
  19. 前記画像がカラーモデルに基づき、特徴値の前記それぞれのセットが複数の色成分を含み、各色成分が前記カラーモデルの異なる色と関連付けられる、請求項１８に記載の前記画像処理システム。
  20. 特徴値の前記それぞれのセットが、前記カラーモデルの前記異なる色と関連する前記複数の色成分に加えてグレイスケール成分を含む、請求項１９に記載の前記画像処理システム。
  21. 前記画像化プロセスが、前記近傍ブロックの中心ピクセルと関連する色の値に基づいて、前記フィルターウィンドウの近傍ブロックを表す、特徴値のセットの色成分を決定するために動作する、請求項１９に記載の前記画像処理システム。
  22. 前記画像化プロセスが、色成分と関連する色を有する近傍ブロックのピクセルのセットが、前記近傍ブロックの中心ピクセルを通る前記近傍ピクセルブロックでただ１つの方向を構成するときに、前記フィルターウィンドウ内の前記近傍ブロックを表す特徴値のセットの前記色成分を決定するために非選択平均法を使用するために動作する、請求項１９に記載の前記画像処理システム。
  23. 前記画像化プロセスが、色成分と関連する色を有する近傍ブロックのセットが、前記近傍ブロックで実質的に等方性であるときに、前記フィルターウィンドウ内の前記近傍ブロックを表す特徴値のセットの前記色成分を決定するために非選択平均法を使用するために動作する、請求項１９に記載の前記画像処理システム。
  24. 前記画像化プロセスが、色成分と関連する色を有する近傍ピクセルブロックのピクセルのセットが前記近傍ブロックで複数の方向を構成するときに、前記フィルターウィンドウの前記近傍ブロックを表す特徴値のセットの前記色成分を決定するために、勾配をベースにした選択平均法を使用するために動作する、請求項１９に記載の前記画像処理システム。
  25. 前記選択平均法が前記近傍ブロックの前記色成分と関連する色を有する１個または複数のピクセルの平均化された値を計算するために動作し、前記１個または複数のピクセルが、前記近傍ブロックの中心ピクセルを通る、最小勾配の方向に沿ったピクセルの前記セットから選択される、請求項２４に記載の前記画像処理システム。
  26. 前記画像化プロセスが、
    前記画像のノイズレベルに基づいて閾値パラメータを構成するために、
    前記近傍ブロックの前記複数の方向の間の勾配差が前記閾値パラメータの前記値未満であるときに、特徴値の前記セットの前記色成分を決定するために前記近傍ブロックのピクセルの前記セットの平均値を得るために、
    動作する、請求項２４に記載の前記画像処理システム。
  27. 前記カラーモデルがＲＧＢカラーモデルであり、前記画像がベイヤ画像である、
    請求項１９に記載の前記画像処理システム。
  28. 前記画像化プロセスが、緑の中心ピクセルで近傍ブロックのエッジ効果を処理するために、特別なグレイスケール成分を使用するために動作する、
    請求項２７に記載の前記画像処理システム。
  29. プロセッサによる実行時に、
    画像のノイズ除去ピクセルと関連するピクセルの第１のグループを表す、特徴値の第１のセットを得るステップと、
    ノイズ除去基準ピクセルと関連するピクセルの第２のグループを表す、特徴値の第２のセットを得るステップと、
    前記ノイズ除去ピクセルと前記ノイズ除去基準ピクセルの類似性を決定するために、特徴値の前記第１のセット及び特徴値の前記第２のセットを使用するステップと、
    を含むステップを実行する、上部に命令が記憶された非一過性のコンピュータ可読媒体。
  30. 画像のノイズ除去ピクセルと関連するピクセルの第１のグループを表す、特徴値の第１のセット、及び
    ノイズ除去基準ピクセルと関連するピクセルの第２のグループを表す、特徴値の第２のセット
    を得るための第１のユニットと、
    前記ノイズ除去ピクセルと前記ノイズ除去基準ピクセルの類似性を決定するために、特徴値の前記第１のセット及び特徴値の前記第２のセットを使用するための第２のユニットと、
    前記ノイズ除去ピクセルと前記ノイズ除去基準ピクセルの前記決定した類似性に基づいて前記ノイズ除去ピクセルのノイズ除去された値を計算するための第３のユニットと、
    を備える、画像処理装置。
JP2016554733A 2015-05-15 2015-05-15 画像処理方法及び画像処理システム Expired - Fee Related JP6349614B2 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2015/079093 WO2016183743A1 (en) 2015-05-15 2015-05-15 System and method for supporting image denoising based on neighborhood block dimensionality reduction

Publications (2)

Publication Number Publication Date
JP2017518546A true JP2017518546A (ja) 2017-07-06
JP6349614B2 JP6349614B2 (ja) 2018-07-04

Family

ID=57319135

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016554733A Expired - Fee Related JP6349614B2 (ja) 2015-05-15 2015-05-15 画像処理方法及び画像処理システム

Country Status (5)

Country Link
US (3) US9773297B2 (ja)
EP (1) EP3167429B1 (ja)
JP (1) JP6349614B2 (ja)
CN (1) CN107615331B (ja)
WO (1) WO2016183743A1 (ja)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10902558B2 (en) * 2018-05-18 2021-01-26 Gopro, Inc. Multiscale denoising of raw images with noise estimation
GB2570528B (en) * 2018-06-25 2020-06-10 Imagination Tech Ltd Bilateral filter with data model
CN110211082B (zh) * 2019-05-31 2021-09-21 浙江大华技术股份有限公司 一种图像融合方法、装置、电子设备及存储介质
CN110796615B (zh) * 2019-10-18 2023-06-02 浙江大华技术股份有限公司 一种图像去噪方法、装置以及存储介质
CN111062904B (zh) * 2019-12-09 2023-08-11 Oppo广东移动通信有限公司 图像处理方法、图像处理装置、电子设备和可读存储介质
WO2021210743A1 (ko) * 2020-04-14 2021-10-21 엘지전자 주식회사 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022047671A1 (en) * 2020-09-02 2022-03-10 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Method of removing noise in image and electrical device
CN117057995A (zh) * 2023-08-23 2023-11-14 上海玄戒技术有限公司 图像处理方法、装置、芯片、电子设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006023959A (ja) * 2004-07-07 2006-01-26 Olympus Corp 信号処理システム及び信号処理プログラム
JP2007536662A (ja) * 2004-05-05 2007-12-13 サントル　ナショナル　デ　ラ　ルシェルシュ　シィアンティフィク　（セ．エヌ．エール．エス．） 画像ノイズを低減することによる画像データ処理方法および該方法を実行するカメラ組み込み手段
JP2014086956A (ja) * 2012-10-25 2014-05-12 Canon Inc 画像処理装置及び画像処理方法

Family Cites Families (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6847737B1 (en) * 1998-03-13 2005-01-25 University Of Houston System Methods for performing DAF data filtering and padding
DE60141901D1 (de) * 2001-08-31 2010-06-02 St Microelectronics Srl Störschutzfilter für Bayermusterbilddaten
US7376288B2 (en) * 2004-05-20 2008-05-20 Micronas Usa, Inc. Edge adaptive demosaic system and method
US7929798B2 (en) 2005-12-07 2011-04-19 Micron Technology, Inc. Method and apparatus providing noise reduction while preserving edges for imagers
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
JP5012315B2 (ja) * 2007-08-20 2012-08-29 セイコーエプソン株式会社 画像処理装置
KR101389562B1 (ko) 2007-11-15 2014-04-25 삼성전자주식회사 이미지 처리 장치 및 방법
US8135237B2 (en) 2008-02-25 2012-03-13 Aptina Imaging Corporation Apparatuses and methods for noise reduction
US8280185B2 (en) 2008-06-27 2012-10-02 Microsoft Corporation Image denoising techniques
JP5220677B2 (ja) * 2009-04-08 2013-06-26 オリンパス株式会社 画像処理装置、画像処理方法および画像処理プログラム
US8638395B2 (en) * 2009-06-05 2014-01-28 Cisco Technology, Inc. Consolidating prior temporally-matched frames in 3D-based video denoising
TWI399079B (zh) * 2009-09-18 2013-06-11 Altek Corp Noise Suppression Method for Digital Image
TWI393073B (zh) 2009-09-21 2013-04-11 Pixart Imaging Inc 影像雜訊濾除方法
US20110075935A1 (en) 2009-09-25 2011-03-31 Sony Corporation Method to measure local image similarity based on the l1 distance measure
CN102045513B (zh) * 2009-10-13 2013-01-02 原相科技股份有限公司 图像噪声滤除方法
KR101674078B1 (ko) 2009-12-16 2016-11-08 삼성전자 주식회사 블록 기반의 영상 잡음 제거 방법 및 장치
US8345130B2 (en) 2010-01-29 2013-01-01 Eastman Kodak Company Denoising CFA images using weighted pixel differences
US20120200754A1 (en) 2011-02-09 2012-08-09 Samsung Electronics Co., Ltd. Image Noise Reducing Systems And Methods Thereof
US8417047B2 (en) 2011-03-01 2013-04-09 Microsoft Corporation Noise suppression in low light images
US8879841B2 (en) 2011-03-01 2014-11-04 Fotonation Limited Anisotropic denoising method
TWI500482B (zh) 2011-03-24 2015-09-21 Nat Univ Tsing Hua 利用離心資源之真空裝置
CN102663719B (zh) * 2012-03-19 2014-06-04 西安电子科技大学 基于非局部均值的Bayer型CFA图像去马赛克方法
KR101910870B1 (ko) * 2012-06-29 2018-10-24 삼성전자 주식회사 잡음 제거 장치, 시스템 및 방법
CN103679639B (zh) * 2012-09-05 2017-05-24 北京大学 基于非局部均值的图像去噪方法和装置
CN102930519B (zh) * 2012-09-18 2015-09-02 西安电子科技大学 基于非局部均值的sar图像变化检测差异图生成方法
KR101990540B1 (ko) 2012-10-31 2019-06-18 삼성전자주식회사 이미지 프로세싱 방법, 그 이미지 신호 프로세서 및 이를 포함하는 이미지 센싱 시스템
CN103020908B (zh) 2012-12-05 2015-09-09 华为技术有限公司 图像降噪的方法和设备
CN103927729A (zh) * 2013-01-10 2014-07-16 清华大学 图像处理方法及图像处理装置
CN103116879A (zh) * 2013-03-15 2013-05-22 重庆大学 一种基于邻域加窗的非局部均值ct成像去噪方法
CN103491280B (zh) 2013-09-30 2016-01-20 上海交通大学 一种拜耳图像联合去噪插值方法
CN103841388A (zh) * 2014-03-04 2014-06-04 华为技术有限公司 一种去马赛克的方法及装置
CN103871035B (zh) * 2014-03-24 2017-04-12 华为技术有限公司 图像去噪方法及装置
JP5861248B1 (ja) 2014-04-20 2016-02-16 彰一 村瀬 スクロール動作に連動して連続的に変化する電子絵本
CN104010114B (zh) * 2014-05-29 2017-08-29 广东威创视讯科技股份有限公司 视频去噪方法和装置
CN104202583B (zh) 2014-08-07 2017-01-11 华为技术有限公司 图像处理装置和方法
US9852353B2 (en) * 2014-11-12 2017-12-26 Adobe Systems Incorporated Structure aware image denoising and noise variance estimation

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007536662A (ja) * 2004-05-05 2007-12-13 サントル　ナショナル　デ　ラ　ルシェルシュ　シィアンティフィク　（セ．エヌ．エール．エス．） 画像ノイズを低減することによる画像データ処理方法および該方法を実行するカメラ組み込み手段
JP2006023959A (ja) * 2004-07-07 2006-01-26 Olympus Corp 信号処理システム及び信号処理プログラム
JP2014086956A (ja) * 2012-10-25 2014-05-12 Canon Inc 画像処理装置及び画像処理方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
ＦＵＫＵＳＨＩＭＡ: "Ｎｏｎ−ｌｏｃａｌ Ｍｅａｎｓ Ｆｉｌｔｅｒによるデノイジング", ［オンライン］，［検索日：2017.12.04］, JPN6017047539, 31 October 2011 (2011-10-31) *
LOSSON, OLIVIER ET AL.: "Comparison of color demosaicing methods", ADVANCES IN IMAGING AND ELECTRON PHYSICS, JPN6017027441, 2010, pages pp. 173-265 *
XING, LI-LI ET AL.: "The Algorithm about Fast NOn-local means Based Image Denoising", ACTA MATHEMATICS APPLICATAE SINICA, ENGLISH SERIES, vol. Vol. 28, No. 2, JPN6017027437, 2012, pages pp. 247-254 *

Also Published As

Publication number Publication date
US20170337666A1 (en) 2017-11-23
US9773297B2 (en) 2017-09-26
US20170061585A1 (en) 2017-03-02
EP3167429A1 (en) 2017-05-17
US10515438B2 (en) 2019-12-24
CN107615331A (zh) 2018-01-19
WO2016183743A1 (en) 2016-11-24
US20180322619A1 (en) 2018-11-08
EP3167429B1 (en) 2019-12-25
EP3167429A4 (en) 2017-08-02
JP6349614B2 (ja) 2018-07-04
CN107615331B (zh) 2021-03-02
US10026154B2 (en) 2018-07-17

Similar Documents

Publication Publication Date Title
JP6349614B2 (ja) 画像処理方法及び画像処理システム
JP7078139B2 (ja) ビデオ安定化方法及び装置、並びに非一時的コンピュータ可読媒体
JP2015225665A (ja) 画像ノイズ除去方法及び画像ノイズ除去装置
JP2010525427A (ja) パンクロマティック画素を使用するエッジマッピング
JP5767064B2 (ja) イメージのエッジ向上方法
US9286653B2 (en) System and method for increasing the bit depth of images
JP2012022654A (ja) 画像処理装置、画像処理方法、およびプログラム
JP2018195084A (ja) 画像処理装置及び画像処理方法、プログラム、記憶媒体
US9317906B2 (en) Image processing apparatus and method
JP2015062270A (ja) 画像処理装置
JP6771134B2 (ja) 画像補正方法及び画像補正装置
CN105809677B (zh) 一种基于双边滤波器的图像边缘检测方法及系统
Kakar et al. Detecting digital image forgeries through inconsistent motion blur
JP4966080B2 (ja) 対象物検出装置
CN111986144B (zh) 一种图像模糊判断方法、装置、终端设备及介质
JP7039215B2 (ja) 画像処理装置、画像処理方法、およびプログラム
Paramanand et al. Motion blur for motion segmentation
JP2015200695A (ja) 画像処理装置及びその制御方法
CN114679542B (zh) 图像处理方法和电子装置
JP2018085578A (ja) 画像処理装置、画像処理方法、及びプログラム
JP6639120B2 (ja) 画像処理装置、画像処理方法及びプログラム
JP6155609B2 (ja) 視差算出装置及びプログラム
JP2011081688A (ja) 画像処理方法及びプログラム
JP2013058052A (ja) 特徴点抽出装置、特徴点抽出方法、プログラム
TW201337833A (zh) 貝爾格式縮圖的方法

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20160908

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20160908

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20160908

A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20170601

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20170725

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20170921

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20171212

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20180206

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20180508

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20180518

R150 Certificate of patent or registration of utility model

Ref document number: 6349614

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

LAPS Cancellation because of no payment of annual fees