JP6387646B2 - グレースケール画像の処理方法及び装置 - Google Patents

グレースケール画像の処理方法及び装置 Download PDF

Info

Publication number
JP6387646B2
JP6387646B2 JP2014065168A JP2014065168A JP6387646B2 JP 6387646 B2 JP6387646 B2 JP 6387646B2 JP 2014065168 A JP2014065168 A JP 2014065168A JP 2014065168 A JP2014065168 A JP 2014065168A JP 6387646 B2 JP6387646 B2 JP 6387646B2
Authority
JP
Japan
Prior art keywords
component
pixel
level
processing
local averaging
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
Application number
JP2014065168A
Other languages
English (en)
Other versions
JP2014199664A (ja
Inventor
ウ・ジエヌルゥォン
フゥ・シュアヌ
争 王
争 王
明浩 東
明浩 東
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.)
Fujitsu Ltd
Original Assignee
Fujitsu 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 Fujitsu Ltd filed Critical Fujitsu Ltd
Publication of JP2014199664A publication Critical patent/JP2014199664A/ja
Application granted granted Critical
Publication of JP6387646B2 publication Critical patent/JP6387646B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G06T5/70—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/10—Image enhancement or restoration by non-spatial domain filtering
    • 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
    • G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
    • 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
    • G06T2207/20048—Transform domain processing
    • G06T2207/20064—Wavelet transform [DWT]

Description

本発明は、画像処理分野に関し、特にグレースケール画像の処理方法及び装置に関する。
現在、デジタルカメラやスキャナ等の電子機器の普及及び発展に伴い、デジタル画像を容易に取得することができる。しかしながら、如何なる物理的センサ（例えば、熱センサ、電気センサ、又は他の種類のセンサ）はノイズによりある程度の影響が及ばされ、それらのノイズが信号測定の正確性に影響を与える。その結果、取得された如何なる画像データは、信号とノイズを含む。例えば医用画像解析、画像分割及び物体検出のような様々な画像関連のアプリケーションは、通常、信頼性のある結果をさらに得るために、効果的なノイズ抑制方法を必要とする。従って、画像のフィルタリングは、画像処理とコンピュータビジョンにおける最も重要、且つ広範な研究課題の一つとなっている。グレースケール画像は、重要な、広く使用される画像の一種であるため、そのノイズ抑制方法は、非常に重要である。
従来技術では、画像をノイズ除去するために、例えばウェーブレット閾値法、非局所平均化法、ガウスフィルタリング法、双方向フィルタリング法などの多くの方法がグレースケール画像をフィルタリングするために試されてきた。
ウェーブレット閾値法は、原グレースケール画像にウェーブレット変換を適用してウェーブレット領域に変換し、閾値法によりマルチチャネルのウェーブレット係数をフィルタリングするものであり、ウェーブレット係数は、通常、１番目のレベルにおいて斜線細部係数、水平細部係数、及び垂直細部係数である。現在、公知の閾値法は、全ての細部係数を０からある所定値までの範囲内に設定し、閾値により設定されたウェーブレット係数はウェーブレット逆変換を介して画像領域に戻される。この方法は、ノイズを抑制することができるが、画像の細部の一部も同時に抑制してしまう。
非局所平均化法は、非線形のエッジ保留のフィルタリング方法であり、入力画素の加重和を各出力画素として計算する。入力画素の集合により、1つの出力画素は入力画像の大きな領域からのものであり、「非局所」となる。非局所平均化法の1つの重要な特徴は、加重値が小さい画像ブロックの間の距離によって決定される。この方法は、画像の細部を確保でき、ガウスノイズを効果的に抑制できる。しかしながら、いくつかの実際の応用では、ガウスノイズ以外のノイズも存在し、この方法によりそれらのノイズを効果的に除去できない。
ガウスフィルタリング法は、加重平均法であり、各出力画素を該画素の周辺画素の加重平均値に設定し、ここで、原画素の加重値は最も大きく、周辺画素の加重値は該原画素との距離の増大に伴って小さくなる。該方法は、画像を平滑化することで、ノイズを低減できるが、画像の細部も共に低下してしまう。
双方向フィルタリング法は、エッジを保留し、且つノイズを低減する平滑化フィルタリング方法であり、画像における各画素の輝度値は隣接する画素の輝度値の加重平均値によって置き換えられる。この方法は、ガウス分布に基づくものであり、重要なのはこれらの加重値がユークリッド距離ではなく、放射線の差に基づいていることである。この方法は、各画素及びその隣接画素の加重値をシステムによりスキャンすることで、シャープなエッジを確保する。しかし、画像が高いノイズを有する場合は、該方法による得られた画像のエッジは正確ではない。
以上のことから、これらの従来方法は、画像の各種のノイズを効果的に除去するとともに、画像の細部を好適に確保するものではない。
なお、従来技術に関する上記の説明は、単なる本発明の技術案をより明確、完全に説明するためのものであり、当業者を理解させるために説明するものであり。これら技術案が本発明の背景技術の部分に説明されているから当業者にとって周知の技術であると解釈してはならない。
本発明の実施例は、画像の各種のノイズを効果的に除去でき、画像の細部を好適に確保できるグレースケール画像の処理方法及び装置を提供することを目的とする。
本発明の実施例の一の態様では、ウェーブレット変換により、原グレースケール画像に対してＮ個のレベルの分解を行うステップと、Ｎ番目のレベルから各レベルの成分をレベル毎に処理し、処理されたグレースケール画像を取得するステップと、を含み、Ｎ個のレベル内の各レベルの成分を処理するステップは、現レベルの第１の成分、第２の成分、第３の成分及び第４の成分の全ての画素に対して非局所平均化処理を行い、非局所平均化処理が行われた４つの成分に対してウェーブレット再構成を行い、前記現レベルの上のレベルの第１の成分を取得するステップを含み、現レベルの第１の成分、第２の成分、第３の成分及び第４の成分の全ての画素のうち１つの画素に対して非局所平均化処理を行うステップは、現レベルの第１の成分の１つの画素に対して非局所平均化処理を行い、非局所平均化処理が行われた前記１つの画素の画素値及び前記１つの画素の周辺の所定のサーチ範囲内の画素の加重値マトリックスを取得するステップであって、前記加重値マトリックスはＲ×Ｒマトリックスであり、Ｒは前記所定のサーチ範囲内の画素の数を表し、Ｒは１以上の整数である、ステップと、前記加重値マトリックスにより、前記現レベルの第２の成分、第３の成分及び第４の成分の、前記第１の成分の前記１つの画素に対応する、非局所平均化処理が行われた画素の画素値をそれぞれ計算するステップと、を含み、或いは、Ｎ個のレベルの各レベルの成分を処理するステップは、現レベルの第１の成分の全ての画素に対して非局所平均化処理を行い、前記非局所平均化処理が行われた第１の成分、並びに前記現レベルの第２の成分、第３の成分及び第４の成分に対してウェーブレット再構成を行い、前記現レベルの上のレベルの第１の成分を取得するステップを含み、Ｎは１以上であり、且つ前記現レベルはＮ番目のレベルである場合、前記現レベルの第１の成分はＮ番目のレベルの分解後で得られた第１の成分であり、Ｎは１よりも大きく、且つ前記現レベルはＮ番目のレベルではない場合、前記現レベルの第１の成分は前記現レベルの下のレベルの成分を処理した後で得られた第１の成分であり、Ｎは１よりも大きい場合、前記Ｎ個のレベル内の異なるレベルの成分の処理方法は同一又は異なる、グレースケール画像の処理方法、を提供する。
本発明の実施例の他の態様では、ウェーブレット変換により、原グレースケール画像に対してＮ個のレベルの分解を行う分解手段と、Ｎ番目のレベルから各レベルの成分をレベル毎に処理し、処理されたグレースケール画像を取得する処理手段と、を含み、前記処理手段は、Ｎ個のレベル内の各レベルの成分を処理する際に、現レベルの第１の成分、第２の成分、第３の成分及び第４の成分の全ての画素に対して非局所平均化処理を行い、非局所平均化処理が行われた４つの成分に対してウェーブレット再構成を行い、前記現レベルの上のレベルの第１の成分を取得し、前記処理手段は、現レベルの第１の成分、第２の成分、第３の成分及び第４の成分の全ての画素のうち１つの画素に対して非局所平均化処理を行う際に、現レベルの第１の成分の１つの画素に対して非局所平均化処理を行い、非局所平均化処理が行われた前記１つの画素の画素値及び前記１つの画素の周辺の所定のサーチ範囲内の画素の加重値マトリックスを取得し、前記加重値マトリックスはＲ×Ｒマトリックスであり、Ｒは前記所定のサーチ範囲内の画素の数を表し、Ｒは１以上の整数であり、前記加重値マトリックスにより、前記現レベルの第２の成分、第３の成分及び第４の成分の、前記第１の成分の前記１つの画素に対応する、非局所平均化処理が行われた画素の画素値をそれぞれ計算し、或いは、前記処理手段は、Ｎ個のレベルの各レベルの成分を処理する際に、現レベルの第１の成分の全ての画素に対して非局所平均化処理を行い、前記非局所平均化処理が行われた第１の成分、並びに前記現レベルの第２の成分、第３の成分及び第４の成分に対してウェーブレット再構成を行い、前記現レベルの上のレベルの第１の成分を取得し、Ｎは１以上であり、且つ前記現レベルはＮ番目のレベルである場合、前記現レベルの第１の成分はＮ番目のレベルの分解後で得られた第１の成分であり、Ｎは１よりも大きく、且つ前記現レベルはＮ番目のレベルではない場合、前記現レベルの第１の成分は前記現レベルの下のレベルの成分を処理した後で得られた第１の成分であり、Ｎは１よりも大きい場合、前記Ｎ個のレベル内の異なるレベルの成分の処理方法は同一又は異なる、グレースケール画像の処理装置、を提供する。
本発明の実施例の有益な効果としては、画像の各種のノイズを効果的に除去でき、画像の細部を好適に確保できる。
下記の説明及び図面に示すように、本発明の特定の実施形態が詳細に開示され、本発明の原理を採用できる方式が示される。なお、本発明の実施形態の範囲はこれらに限定されない。本発明の実施形態は、添付される特許請求の範囲の要旨及び項目の範囲内において、変更されたもの、修正されたもの及び均等的なものを含む。
１つの実施形態に記載された特徴及び／又は示された特徴は、同一又は類似の方式で１つ又はさらに多くの他の実施形態で用いられてもよいし、他の実施形態における特徴と組み合わせてもよいし、他の実施形態における特徴に代わってもよい。
なお、本文では、用語「包括／含む／有する」は、特徴、部材、ステップ又はコンポーネントが存在することを指し、一つ又は複数の他の特徴、部材、ステップ又はコンポーネントの存在又は付加を排除しない。
本発明の多くの態様は、以下の図面を参照しながら理解できる。図面における素子は比例に応じて記載されたものではなく、本発明の原理を示すためのものである。本発明の一部分を示す又は記載するため、図面における対応部分は拡大或いは縮小される可能性がある。本発明の１つの図面及び１つの実施形態に記載された要素及び特徴は、１つ又はさらに多くの図面又は実施形態に示された要素及び特徴と組み合わせてもよい。また、図面において、類似の符号は複数の図面における対応する素子を示し、１つ以上の実施形態に用いられる対応素子を示してもよい。
本発明の実施例１に係る画像処理方法のフローチャートである。 本発明の実施例１に係る２つレベルの分解を示す図である。 （ａ）は本発明の実施例１に係る処理モード１のフローチャートであり、（ｂ）は図３（ａ）のステップ３０１における全ての画素のうち１つの画素に対する非局所平均化処理のフローチャートである。 本発明の実施例１に係る処理モード２のフローチャートである。 本発明の実施例１に係るリフティングウェーブレット変換法を用いてグレースケール画像を分解することを示すフローチャートである。 本発明の実施例１に係るリフティングウェーブレット変換法を用いてグレースケール画像を再構成することを示すフローチャートである。 図５における一次元のリフティングウェーブレット変換のフローチャートである。 図６における一次元のリフティングウェーブレット変換のフローチャートである。 本発明の実施例１に係る非局所平均化方法の画像ブロックのマッチングを示す模式図である。 （ａ）は本発明の実施例２に係る画像処理装置の構成を示す図であり、（ｂ）は図１０（ａ）における画像処理装置の処理部の構成を示す図である。 本発明の実施例３に係る画像処理方法のフローチャートである。 本発明の実施例４に係る画像処理方法のフローチャートである。 本発明の実施例５に係る画像処理方法のフローチャートである。
本発明の実施例の前述した特徴及び他の特徴は、図面を参照しながら、下記の明細書を通じて分かる。明細書及び図面では、本発明の特定の実施形態が開示され、本発明の原則的な部分を採用することができることを指す。なお、これらの実施形態は例示的なものに過ぎなく、本発明を限定するものではない。また、本発明は、本願の特許請求の範囲内において全部修正するもの、変形するもの、及び均等的なものを含む。
現在、従来技術の画像処理方法は、画像の各種のノイズを効果的に除去するとともに、画像の細部を好適に確保するものではない。本発明の実施例は、ウェーブレット変換と改良された非局所平均化との組み合わせに基づく画像処理方法を提供し、ウェーブレット変換と非局所平均化法とを組み合わせることで、画像の各種のノイズを効果的に除去できると共に、画像の細部を好適に確保できる。
以下、図面を参照しながら、本発明に係る画像処理方法及びその装置を詳細に説明する。
＜実施例１＞
図１は、本発明の実施例１に係る画像処理方法のフローチャートである。図１に示すように、該方法は、以下のステップを含む。
ステップ１０１：ウェーブレット変換により、原グレースケール画像に対してＮ個のレベルの分解を行う。
本実施例では、従来のウェーブレット変換法のいずれかを用いて、グレースケール画像に対して分解を行ってもよい。例えば、リスティングウェーブレット変換（lifting wavelet transform）を用いて原（オリジナル）グレースケール画像に対して分解を行ってもよいが、本発明のこのウェーブレット変換法に限定されない。本実施例では、後述するように、図５に示される方法を用いて分解を行うが、ここにその説明を省略される。
リスティングウェーブレット変換を用いて原グレースケール画像に対してＮ個レベルの分解を行って、Ｎ番目レベルの第１の成分ＣａＮ、第２の成分ＣｈＮ、第３の成分ＣｖＮ及び第４の成分ＣｄＮ、…、Ｌ番目レベルの第２の成分ＣｈＬ、第３の成分ＣｖＬ及び第４の成分ＣｄＬ、…、１番目レベルの第２の成分Ｃｈ１、第３の成分Ｃｖ１及び第４の成分Ｃｄ１、即ち合計３Ｎ＋１個の成分を取得する（Ｎは１以上の整数であり、１≦Ｌ≦Ｎ）。
本実施例では、分解の順序に従ってＬ番目のレベルの上のレベル及び下のレベルを決定する、即ち、Ｌ−１番目のレベルはＬ番目のレベルの上のレベルであり、Ｌ＋１番目のレベルはＬ番目のレベルの下のレベルである。
Ｎは１よりも大きく、且つＬ番目のレベルはＮ番目のレベルと等しくない場合、Ｌ番目のレベルの第２の成分ＣｈＬ、第３の成分ＣｖＬ及び第４の成分ＣｄＬは、Ｌ−１番目のレベルの第１の成分Ｃｈ（Ｌ−１）を分解して得られる。
図２は、本発明の実施例１に係る２つレベルの分解を示す図である、即ちＮ＝２。図２（ａ）は原グレースケール画像であり、図２（ｂ）は該原グレースケール画像を１レベルの分解を行って得られた４つの成分であり、図２（ｃ）は図２（ｂ）の第１の成分Ｃａ１をさらに分解し、即ち２レベルの分解を行って得られた２番目のレベルの４つの成分、並びに１番目のレベルの第２の成分、第３の成分及び第４の成分である。
ステップ１０２：Ｎ番目のレベルから各レベルの成分をレベル毎に処理し、処理されたグレースケール画像を取得する。
ここで、非局所平均化法を組み合わせて、Ｎ番目のレベルから１番目のレベルまでの順序に従って、各レベルの成分をレベル毎に処理する、即ちＮレベルの各レベルの成分を処理してもよい。例えば、以下の処理モードを用いてもよい。
＜処理モード１＞
図３（ａ）は、本発明の実施例１に係る処理モード１のフローチャートである。図３（ａ）に示すように、該処理プロセスは以下のステップを含む。
ステップ３０１：現レベルの第１の成分、第２の成分、第３の成分及び第４の成分の全ての画素に対して非局所平均化処理を行い、全ての画素の非局所平均化処理が行われた画素値を収集して、非局所平均化処理後の４つの成分を取得する。
本実施例では、図３（ｂ）に示される方法を用いて非局所平均化処理を行ってもよく、該処理のプロセスは後述し、ここにその説明を省略される。
ステップ３０２：非局所平均化処理が行われた４つの成分に対してウェーブレット再構成を行い、現レベルの上のレベルの第１の成分を取得する。
本実施例では、該非局所平均化処理後の４つの成分に対してウェーブレット再構成を行う際に、従来のいずれかの方法を用いてもよい。図６を参照しながら後述し、ここにその説明を省略される。
本実施例では、ステップ３０１において、現レベルの第１の成分、第２の成分、第３の成分及び第４の成分の全ての画素における各画素に対して非局所平均化処理を行う際に、図３（ｂ）に示される方法を用いてもよい。
図３（ｂ）は、図３（ａ）のステップ３０１における全ての画素のうち１つの画素に対する非局所平均化処理のフローチャートであり、以下のステップを含む。
ステップ３０１ａ：現レベルの第１の成分の１つの画素に対して非局所平均化処理を行い、非局所平均化処理が行われた該１つの画素の画素値及び該１つの画素の周辺の所定のサーチ範囲内の画素の加重値マトリックスを取得する。ここで、加重値マトリックスはＲ×Ｒマトリックスであり、Ｒは所定のサーチ範囲内の画素の数を表し、Ｒは１以上の整数である。
本実施例では、現レベルの第１の成分の１つの画素に対して非局所平均化処理を行う際に、例えば下記の式（１）乃至（４）を用いて計算してもよいが、ここにその説明を省略される。
本実施例では、下記の式（５）を用いて加重値マトリックスを取得してもよいが、ここにその説明を省略される。
ステップ３０１ｂ：該加重値マトリックスにより、該現レベルの第２の成分、第３の成分及び第４の成分の、該第１の成分の該１つの画素に対応する、非局所平均化処理が行われた画素の画素値をそれぞれ計算する。
本実施例では、該加重値マトリックスにより、該現レベルの第２の成分、第３の成分及び第４の成分の、該第１の成分の該１つの画素に対応する、非局所平均化処理が行われた画素の画素値をそれぞれ計算する際に、例えば下記の式（９）乃至（１１）を用いて計算してもよいが、ここにその説明を省略される。
＜処理モード２＞
図４は、本発明の実施例１に係る処理モード２のフローチャートである。図４に示すように、該処理プロセスは以下のステップを含んでもよい。
ステップ４０１：現レベルの第１の成分の全ての画素に対して非局所平均化処理を行う。
本実施例では、現レベルの第１の成分の１つの画素に対して非局所平均化処理を行う際に、例えば下記の式（１）乃至（４）を用いて計算してもよいが、ここにその説明を省略される。
ステップ４０２：該非局所平均化処理が行われた第１の成分、並びに該現レベルの第２の成分、第３の成分及び第４の成分に対してウェーブレット再構成を行い、該現レベルの上のレベルの第１の成分を取得する。
本実施例では、該非局所平均化処理後の４つの成分に対してウェーブレット再構成を行う際に、従来のいずれかの方法を用いてもよい。図６を参照しながら後述し、ここにその説明を省略される。
本実施例では、ステップ１０２において、Ｎ個のレベルの各レベルの成分を処理する際に、上記の２つの処理モードのいずれか１つを用いてもよい。
Ｎは１よりも大きい場合、該Ｎ個のレベル内の異なるレベルの成分の処理方法は同一であってもよい、即ち各レベルの成分を処理する際に、いずれも処理モード１又は処理モード２を用いてもよい。また、Ｎ個のレベル内の異なるレベルの成分の処理方法は異なってもよく、例えば現在のＬ番目のレベルについて処理モード１を用い、Ｌ−１番目のレベルについて処理モード２を用い、逆にしてもよい。
本実施例では、Ｎは大きいほど、即ち分解のレベルは高いほど、ノイズ除去の効果が良い。
Ｎの値は、通常ノイズ除去の要求及び計算の複雑度を総合的に考慮する。例えば、Ｎは１又は２であってもよい。例えば、Ｎ＝１の場合、１番目のレベルの成分について処理モード１で処理し、この場合は、計算が簡単であり、且つノイズ除去が好適に行うことができる。Ｎ＝２の場合、２番目のレベルの成分について処理モード２で処理し、１番目のレベルの成分について処理モード１で処理し、この場合は、更なるノイズ除去が可能となる。
本実施例では、図５〜８を参照しながら、リフティングウェーブレット変換法を例として、グレースケール画像に対する分解及び再構成を簡単に説明する。
図５は、本発明の実施例１に係るリフティングウェーブレット変換法を用いてグレースケール画像を分解することを示すフローチャートである。各レベルの分解について、下記の方法を用いてもよい。
図５に示すように、二次元のグレースケール画像Ｃａ（Ｎ）に対して縦方向に沿って一次元のウェーブレット変換ＬＷＴを行い、ＬＷＴ＿ＥｖｅｎとＬＷＴ＿Ｏｄｄでそれぞれ表される奇数行の成分と偶数行の成分とを分解し、ＬＷＴ＿ＥｖｅｎとＬＷＴ＿Ｏｄｄそれぞれに対して横方向に沿って一次元のウェーブレット変換を行い、下のレベルの４つの成分、即ち第１の成分Ｃａ（Ｎ＋１）、第２の成分Ｃｈ（Ｎ＋１）、第３の成分Ｃｖ（Ｎ＋１）、第４の成分Ｃｄ（Ｎ＋１）を取得する。
図６は、本発明の実施例１に係るリフティングウェーブレット変換法を用いてグレースケール画像を再構成することを示すフローチャートである。図６に示すように、第１の成分Ｃａ（Ｎ＋１）及び第２の成分Ｃｈ（Ｎ＋１）に対して横方向に沿って一次元のウェーブレット逆変換ＩＬＷＴを行い、ＩＬＷＴ＿Ｅｖｅｎを取得し、同様に、第３の成分Ｃｖ（Ｎ＋１）及び第４の成分Ｃｄ（Ｎ＋１）に対して横方向に沿って一次元のウェーブレット逆変換ＩＬＷＴを行い、ＩＬＷＴ＿Ｏｄｄを取得し、ＩＬＷＴ＿Ｅｖｅｎ及びＩＬＷＴ＿Ｏｄｄに対して縦方向に沿って一次元のウェーブレット逆変換ＩＬＷＴを行い、再構成されたグレースケール画像ＲＣａ（Ｎ）を取得する。
図７は、図５における一次元のリフティングウェーブレット変換のフローチャートである。図７に示すように、一次元のベクトルデータｘを奇数成分Ｅｖｅｎ＿ｘと偶数成分Ｏｄｄ＿ｘとを分割し、奇数成分Ｅｖｅｎ＿ｘは偶数成分Ｏｄｄ＿ｘに対して予測を行い、偶数成分Ｏｄｄ＿ｘは予測の結果に基づいてウェーブレット変換の偶数成分ＬＷＴ＿Ｏｄｄを取得し、該予測の結果に基づいて奇数成分Ｅｖｅｎ＿ｘを更新し、ウェーブレット変換の奇数成分ＬＷＴ＿Ｅｖｅｎを取得する。
図８は、図６における一次元のリフティングウェーブレット変換のフローチャートである。図８に示すように、ウェーブレット変換の偶数成分ＬＷＴ＿Ｅｖｅｎはウェーブレット変換の奇数成分ＬＷＴ＿Ｏｄｄに対して予測を行い、ウェーブレット変換の奇数成分ＬＷＴ＿Ｏｄｄは予測の結果に基づいてウェーブレット変換の偶数成分ＬＷＴ＿Ｏｄｄを更新し、この予測及び更新の結果に基づいて合併し、再構成された一次元のベクトルデータ
を取得する。
本実施例では、図５及び図６の方法は、例えば上記のステップ１０１の分解、及びステップ３０２、４０２の再構成に適用してもよいが、本発明はこの方法に限定されない。
本実施例では、現レベルの第１の成分の１つの画素に対して非局所平均化処理を行って得られた、非局所平均化処理後の１つの画素の画素値は、該１つの画素の周辺の所定のサーチ範囲内の各画素の画素値の加重和であり、下記の式（１）
で表され、ここで、ＮＬ（ｉ，ｊ）は画素（ｉ，ｊ）の非局所平均化処理後の画素値であり、ｘ（ｎ，ｍ）は該所定のサーチ範囲内の画素（ｎ，ｍ）の画素値であり、ｗ（ｎ，ｍ）は画素（ｎ，ｍ）の加重値であり、Ｒは該所定のサーチ範囲内の画素の数であり、ｉ、ｊ、ｎ、ｍ及びＲは共に１以上の整数である。
本実施例では、下記の式（２）
を用いて画素（ｎ，ｍ）の加重値ｗ（ｎ，ｍ）を計算してもよい。ここで、ｄ（ｎ，ｍ）は画素（ｎ，ｍ）の属する画像ブロックと画素（ｉ，ｊ）の属する画像ブロックとの距離であり、ｈは制御係数である。
本実施例では、従来方法のいずれかを用いて該距離を計算してもよい。
また、本発明の下記の式（３）、（４）により該距離を計算してもよい。
ここで、ｒは該画像ブロックのサイズであり、該画像ブロックは（２ｒ＋１）×（２ｒ＋１）個の画素により構成され、Ｔは正規化の係数であり、ｋ、ｔ及びｒは共に１以上の整数であり、ｋ≦ｒ、ｔ≦ｒ、ｈは制御係数である。
本実施例では、制御係数ｈはノイズ除去の効果を制御するものであり、より多くのノイズを抑制する必要がある場合、ｈを高く設定し、好ましくは、ｈを１〜１００の間に設定してもよい。例えば、本実施例では、Ｒを１０に設定し、ｒを３に設定し、ｈを２０に設定してもよい。
また、式（３）により距離を計算する際に正規化処理を行うことで、ノイズ除去後の画像エッジが平滑に遷移し、且つ一定のシャープネスを確保できる。
図９は、本発明の実施例１に係る非局所平均化方法の画像ブロックのマッチングを示す模式図である。図９に示すように、式（２）〜（４）により画素（ｎ，ｍ）の加重値ｗ（ｎ，ｍ）を計算する際に、画素（ｎ，ｍ）の属する画像ブロックは現在の画像ブロックであり、画素（ｉ，ｊ）の属する画像ブロックは参照の画像ブロックであり、ｄ（ｎ，ｍ）は現在の画像ブロックと参照の画像ブロックとの距離である。
ステップ３０１ａにおいて、以下の方法を用いてＲ×Ｒの加重値マトリックスを取得してもよい。
サーチ範囲内の各画素について、上記の式（２）〜（４）により計算し、サーチ範囲内の各画素の加重値を取得し、以下の式により定義されたＲ×Ｒの加重値マトリックスを取得する。
ここで、ｗｉ，ｊは画素（ｉ，ｊ）の加重値であり、ｒは該画像ブロックのサイズであり、ｉ、ｊ及びｒは共に１以上の整数である。
ステップ３０１ｂにおいて、取得された加重値マトリックスにより、現レベルの第２の成分、第３の成分及び第４の成分の、第１の成分の該１つの画素に対応する、非局所平均化処理が行われた画素の画素値をそれぞれ計算し、全ての画素の非局所平均化処理後の画素値を収集して、非局所平均化処理後の４つの成分を取得してもよい。このように、ステップ３０１が終了した。
また、ステップ３０１ａの後で、取得された加重値マトリックスに対して正規化処理を行うステップをさらに含んでもよい。この場合は、ステップ３０１ｂにおいて、正規化処理が行われた加重値マトリックスにより、現レベルの第２の成分、第３の成分及び第４の成分の、第１の成分の該１つの画素に対応する、非局所平均化処理が行われた画素の画素値をそれぞれ計算する。
例えば、正規化処理は、以下の方法を用いてもよい。上記のＲ×Ｒの加重値マトリックスにおいて、画素（ｉ，ｊ）の加重値ｗｉ，ｊは最も大きく、該画素（ｉ，ｊ）の加重値を再設定し、下記の式（６）、（７）を用いて加重値マトリックスに対して正規化処理を行う。
式（７）により取得されたＷは正規化処理後の加重値マトリックスである。加重値マトリックスに対して正規化処理を行うことで、ノイズ除去の効果をさらに向上できる。
ステップ３０１及びステップ４０１において、下記の方法により非局所平均化処理後の成分を取得してもよい。
現在のレベルがＬ番目のレベルである場合、現レベルの第１の成分の全ての画素について式（８）により計算し、全ての画素の非局所平均化処理が行われた画素値を収集し、各レベルの非局所平均化の第１の成分を取得する。
ここで、ＮＬＭ−ＣａＬ（ｉ，ｊ）はＬ番目のレベルの非局所平均化の第１の成分であり、ＣａＬ（ｎ，ｍ）はＬ番目のレベルの第１の成分の該所定のサーチ範囲内の画素（ｎ，ｍ）の画素値であり、Ｒは所定のサーチ範囲内の画素の数である。
また、現在のレベルの第１の成分の全ての画素について、式（５）により該Ｒ×Ｒ加重値マトリックスを取得し、これらの加重値マトリックスにより、下記の式（９）〜（１１）に基づいて現在のレベルの非局所平均化の第２の成分、第３の成分、及び第４の成分をそれぞれ計算する。
ここで、ＮＬＭ−ＣｈＬ（ｉ，ｊ）、ＮＬＭ−ＣｖＬ（ｉ，ｊ）、ＮＬＭ−ＣｄＬ（ｉ，ｊ）それぞれはＬ番目のレベルの非局所平均化の第２の成分、第３の成分、第４の成分であり、ＣｈＬ（ｎ，ｍ）、ＣｖＬ（ｎ，ｍ）、ＣｄＬ（ｎ，ｍ）それぞれは、Ｌ番目のレベルの第２の成分の該所定のサーチ範囲内の画素（ｎ，ｍ）の画素値、Ｌ番目のレベルの第３の成分の該所定のサーチ範囲内の画素（ｎ，ｍ）の画素値、Ｌ番目のレベルの第４の成分の該所定のサーチ範囲内の画素（ｎ，ｍ）の画素値である。このように、Ｌ番目のレベルの非局所平均化の４つの成分を取得した。
以上の実施例によれば、ウェーブレット変換と非局所平均化法とを組み合わせることで、画像の各種のノイズを除去でき、画像の細部を好適に確保できる。
＜実施例２＞
図１０（ａ）は、本発明の実施例２に係る、実施例１に係る画像形成方法に対応する画像処理装置１０００の構成を示す図である。図１０（ａ）に示すように、画像処理装置１０００は、分解部１００１、及び処理部１００２を含む。
分解部１００１は、ウェーブレット変換により、原グレースケール画像に対してＮ個のレベルの分解を行う。
処理部１００２は、Ｎ番目のレベルから各レベルの成分をレベル毎に処理し、処理されたグレースケール画像を取得する。
＜処理モード１＞
また、処理部１００２は、Ｎ個のレベル内の各レベルの成分を処理する際に、現レベルの第１の成分、第２の成分、第３の成分及び第４の成分の全ての画素に対して非局所平均化処理を行い、非局所平均化処理が行われた４つの成分に対してウェーブレット再構成を行い、現レベルの上のレベルの第１の成分を取得する。
ここで、処理部１００２は、現レベルの第１の成分、第２の成分、第３の成分及び第４の成分の全ての画素のうち１つの画素に対して非局所平均化処理を行う際に、現レベルの第１の成分の１つの画素に対して非局所平均化処理を行い、非局所平均化処理が行われた該１つの画素の画素値及び該１つの画素の周辺の所定のサーチ範囲内の画素の加重値マトリックスを取得し、該加重値マトリックスにより、該現レベルの第２の成分、第３の成分及び第４の成分の、該第１の成分の該１つの画素に対応する、非局所平均化処理が行われた画素の画素値をそれぞれ計算する。
ここで、該加重値マトリックスはＲ×Ｒマトリックスであり、Ｒは該所定のサーチ範囲内の画素の数を表し、Ｒは１以上の整数である。
＜処理モード２＞
或いは、処理部１００２は、Ｎ個のレベルの各レベルの成分を処理する際に、現レベルの第１の成分の全ての画素に対して非局所平均化処理を行い、該非局所平均化処理が行われた第１の成分、並びに該現レベルの第２の成分、第３の成分及び第４の成分に対してウェーブレット再構成を行い、該現レベルの上のレベルの第１の成分を取得する。
ここで、Ｎは１以上であり、且つ現レベルはＮ番目のレベルである場合、現レベルの第１の成分はＮ番目のレベルの分解後で得られた第１の成分であり、Ｎは１よりも大きく、且つ現レベルはＮ番目のレベルではない場合、現レベルの第１の成分は現レベルの下のレベルの成分を処理した後で得られた第１の成分である。
本実施例では、処理部１００２は、Ｎ個のレベルの各レベルの成分を処理する際に、上記の２つの処理モードのいずれかを用いてもよい。
Ｎは１よりも大きい場合、該Ｎ個のレベル内の異なるレベルの成分の処理方法は同一であってもよい、即ち各レベルの成分を処理する際に、いずれも処理モード１又は処理モード２を用いてもよい。また、Ｎ個のレベル内の異なるレベルの成分の処理方法は異なってもよく、例えば現在のＬ番目のレベルについて処理モード１を用い、Ｌ−１番目のレベルについて処理モード２を用い、逆にしてもよい。
本実施例では、Ｎは大きいほど、即ち分解のレベルは高いほど、ノイズ除去の効果が良い。
Ｎの値は、通常ノイズ除去の要求及び計算の複雑度を総合的に考慮する。例えば、Ｎは１又は２であってもよい。例えば、Ｎ＝１の場合、１番目のレベルの成分について処理モード１で処理し、この場合は、計算が簡単であり、且つノイズ除去が好適に行うことができる。Ｎ＝２の場合、２番目のレベルの成分について処理モード２で処理し、１番目のレベルの成分について処理モード１で処理し、この場合は、更なるノイズ除去が可能となる。
本実施例では、分解部１００１がウェーブレット変換法を用いて原グレースケール画像に対してＮ個のレベルの分解を行い、及び処理部１００２がＮ番目のレベルから各レベルの成分をレベル毎に処理する際に用いられる処理モード１又は処理モード２は共に実施例１の説明と同じであり、ここにその説明を省略される。
図１０（ｂ）は図１０（ａ）における画像処理装置１０００の処理部１００２の構成を示す図である。図１０（ｂ）に示すように、処理部１００２は、計算部１００３及び正規化部１００４をさらに含んでもよい。計算部１００３は、実施例１の式（３）、（４）により画素の属する画像ブロックと該画素の周辺の該サーチ範囲内のある画素の属する画像ブロックとの距離を計算する。正規化部１００４は、実施例１の式（６）、（７）により加重値マトリックスに対して正規化処理を行う。
計算部１００３及び正規化部１００４はオプションのユニットであり、図１０（ｂ）において破線により示されている。
上記実施例によれば、ウェーブレット変換と非局所平均化法とを組み合わせることで、画像の各種のノイズを除去でき、画像の細部を好適に確保できる。
＜実施例３＞
図１１は、本発明の実施例３に係る画像処理方法のフローチャートであり、実施例１においてＮ＝１又は２の場合の応用例を説明する。図１１に示すように、該方法は、以下のステップを含む。
ステップ１１０１：ウェーブレット変換により原グレースケール画像に対して分解を行い、１番目のレベルの分解後の４つの成分、即ち第１の成分Ｃａ１、第２の成分Ｃｈ１、第３の成分Ｃｖ１、及び第４の成分Ｃｄ１を取得する。
なお、ウェーブレット変換により分解する方法は、実施例１と同じであるため、ここにその説明を省略される。
ステップ１１０２：更なるノイズ除去が必要であるか否かを判断し、更なるノイズ除去が必要である場合、ステップ１１０３（即ち、Ｎ＝２の態様）に進み、更なるノイズ除去が必要でない場合、ステップ１１０６（即ち、Ｎ＝１の態様）に直接に進む。
ステップ１１０３：更なるノイズ除去が必要である場合、ウェーブレット変換法を依然として用いて、第１の成分Ｃａ１をさらに分解し、２番目のレベルの分解後の４つの成分、即ち第１の成分Ｃａ２、第２の成分Ｃｈ２、第３の成分Ｃｖ２、及び第４の成分Ｃｄ２を取得する。
ステップ１１０４：第１の成分Ｃａ２に対して非局所平均化処理を行い、非局所平均化処理後の第１の成分ＮＬＭ−Ｃａ２を取得する。
ここで、実施例１の式（１）〜（４）により、第１の成分Ｃａ２における各画素の非局所平均化処理後の画素値を計算し、非局所平均化処理後の第１の成分ＮＬＭ−Ｃａ２を取得する。なお、例えばＲを７に設定し、ｒを２に設定し、ｈを２０に設定してもよい。
ステップ１１０５：該非局所平均化の第１の成分ＮＬＭ−Ｃａ２、並びに第２の成分Ｃｈ２、第３の成分Ｃｖ２及び第４の成分Ｃｄ２に基づいて、ウェーブレット再構成を行い、再構成された第１の成分ＷＲ−Ｃａ１を取得する。
なお、ウェーブレット再構成を行う方法は、実施例１と同じであるため、ここにその説明を省略される。
ステップ１１０６：ステップ１１０２において更なるノイズ除去が必要であると判断された場合、該再構成された第１の成分ＷＲ−Ｃａ１に対して非局所平均化処理を行い、非局所平均化処理後の第１の成分ＮＬＭ−Ｃａ１を取得し、ステップ１１０２において更なるノイズ除去が必要でないと判断された場合、直接第１の成分Ｃａ１に対して非局所平均化処理を行い、同様に非局所平均化処理後の第１の成分ＮＬＭ−Ｃａ１を取得する。
ここで、同様に実施例１の式（１）〜（４）により、該再構成された第１の成分ＷＲ−Ｃａ１又は第１の成分Ｃａ１における各画素の非局所平均化処理後の画素値を計算し、非局所平均化処理後の第１の成分ＮＬＭ−Ｃａ１を取得する。なお、例えばＲを１０に設定し、ｒを３に設定し、ｈを２０に設定してもよい。
ステップ１１０７：ステップ１１０６において非局所平均化処理で該再構成された第１の成分ＷＲ−Ｃａ１又は第１の成分Ｃａ１における各画素の非局所平均化処理後の画素値を取得した場合、そのうちの１つの画素について、実施例１の式（５）により、該画素の周辺のサーチ範囲内の各画素の加重値を示すＲ×Ｒ加重値マトリックスを取得し、全ての画素について該操作を繰り返して、該再構成された第１の成分ＷＲ−Ｃａ１又は第１の成分Ｃａ１における各画素に対応するＲ×Ｒ加重値マトリックスを取得する。
ステップ１１０８：取得されたＲ×Ｒ加重値マトリックス及び実施例１の式（９）〜（１１）により、非局所平均化処理後の第２の成分ＮＬＭ−Ｃｄ１、非局所平均化処理後の第３の成分ＮＬＭ−Ｃｖ１、非局所平均化処理後の第４の成分ＮＬＭ−Ｃｈ１をそれぞれ計算する。
ステップ１１０９：ステップ１１０６において取得された非局所平均化の第１の成分ＮＬＭ−Ｃａ１、並びにステップ１１０８において取得された非局所平均化処理後の第２の成分ＮＬＭ−Ｃｄ１、非局所平均化処理後の第３の成分ＮＬＭ−Ｃｖ１、非局所平均化処理後の第４の成分ＮＬＭ−Ｃｈ１に基づいて、ウェーブレット再構成を行い、処理後のグレースケール画像を取得する。
本実施例は、Ｎ個レベルの分解において、更なるノイズ除去が必要であるか否かを判断し、更なるノイズ除去が必要であると判断された場合のみ、下のレベルの分解を行う。しかし、本発明はこの方法に限定されず、例えば、分解のレベル数Ｎを予め設定し、全てのＮ個レベルの分解を行って３Ｎ＋１個の成分を取得し、該３Ｎ＋１個の成分を記憶し、該３Ｎ＋１個の成分によりレベル毎に処理してもよい。
上記実施例によれば、ウェーブレット変換と非局所平均化法とを組み合わせることで、画像の各種のノイズを除去でき、画像の細部を好適に確保できる。
＜実施例４＞
図１２は、本発明の実施例４に係る画像処理方法のフローチャートであり、実施例１のＮ＝１又は２の場合の例を説明する。実施例４は、実施例３と異なって、２個レベルの処理を行う場合、実施例３は実施例１のステップ１０２の処理モード２を用い、実施例４は処理モード１を用いる。図１２に示すように、該方法は以下のステップを含む。
ステップ１２０１：ウェーブレット変換により原グレースケール画像に対して分解を行い、１番目のレベルの分解後の４つの成分、即ち第１の成分Ｃａ１、第２の成分Ｃｈ１、第３の成分Ｃｖ１、及び第４の成分Ｃｄ１を取得する。
なお、ウェーブレット変換により分解する方法は、実施例１と同じであるため、ここにその説明を省略される。
ステップ１２０２：更なるノイズ除去が必要であるか否かを判断し、更なるノイズ除去が必要である場合、ステップ１２０３（即ち、Ｎ＝２の態様）に進み、更なるノイズ除去が必要でない場合、直接ステップ１２０８（即ち、Ｎ＝１の態様）に進む。
ステップ１２０３：更なるノイズ除去が必要である場合、依然としてウェーブレット変換法を用いて、第１の成分Ｃａ１をさらに分解し、２番目のレベルの分解後の４つの成分、即ち第１の成分Ｃａ２、第２の成分Ｃｈ２、第３の成分Ｃｖ２、及び第４の成分Ｃｄ２を取得する。
ステップ１２０４：第１の成分Ｃａ２に対して非局所平均化処理を行い、非局所平均化処理後の第１の成分ＮＬＭ−Ｃａ２を取得する。
ステップ１２０５：ステップ１２０４において非局所平均化処理で第１の成分Ｃａ２における各画素の非局所平均化処理後の画素値を取得した場合、そのうちの１つの画素について、実施例１の式（５）により、該画素の周辺のサーチ範囲内の各画素の加重値を示すＲ×Ｒ加重値マトリックスを取得し、全ての画素について該操作を繰り返して、第１の成分Ｃａ２における各画素に対応するＲ×Ｒ加重値マトリックスを取得する。
ステップ１２０６：実施例１の式（９）〜（１１）により、非局所平均化処理後の第２の成分ＮＬＭ−Ｃｄ２、非局所平均化処理後の第３の成分ＮＬＭ−Ｃｖ２、非局所平均化処理後の第４の成分ＮＬＭ−Ｃｈ２をそれぞれ計算する。
ステップ１２０７：ステップ１２０４において取得された非局所平均化の第１の成分ＮＬＭ−Ｃａ２、並びにステップ１２０６において取得された非局所平均化処理後の第２の成分ＮＬＭ−Ｃｄ２、非局所平均化処理後の第３の成分ＮＬＭ−Ｃｖ２、非局所平均化処理後の第４の成分ＮＬＭ−Ｃｈ２に基づいて、ウェーブレット再構成を行い、再構成された第１の成分ＷＲ−Ｃａ１を取得する。
ステップ１２０８〜ステップ１２１１は、実施例３のステップ１１０６〜ステップ１１０９と同じであるため、ここにその説明を省略される。ステップ１２１１の後で、処理後のグレースケール画像を取得する。
上記実施例によれば、ウェーブレット変換と非局所平均化法とを組み合わせることで、画像の各種のノイズを除去でき、画像の細部を好適に確保できる。
＜実施例５＞
図１３は、本発明の実施例５に係る画像処理方法のフローチャートであり、実施例１のＮ＝３の場合の例を説明する。実施例５は、３番目のレベル及び２番目のレベルの処理を行う際に、実施例１のステップ１０２の処理モード２を用い、１番目のレベルの処理を行う際に、処理モード１を用いる。図１３に示すように、該方法は以下のステップを含む。
ステップ１３０１：ウェーブレット変換により原グレースケール画像に対して分解を行い、１番目のレベルの分解後の４つの成分、即ち第１の成分Ｃａ１、第２の成分Ｃｈ１、第３の成分Ｃｖ１、及び第４の成分Ｃｄ１を取得する。
ステップ１３０２：ウェーブレット変換により、第１の成分Ｃａ１をさらに分解し、２番目のレベルの分解後の４つの成分、即ち第１の成分Ｃａ２、第２の成分Ｃｈ２、第３の成分Ｃｖ２、及び第４の成分Ｃｄ２を取得する。
ステップ１３０３：ウェーブレット変換により、第１の成分Ｃａ２をさらに分解し、３番目のレベルの分解後の４つの成分、即ち第１の成分Ｃａ３、第２の成分Ｃｈ３、第３の成分Ｃｖ３、及び第４の成分Ｃｄ３を取得する。
なお、ウェーブレット変換により分解する方法は、実施例１と同じであるため、ここにその説明を省略される。
ステップ１３０４：第１の成分Ｃａ３に対して非局所平均化処理を行い、非局所平均化処理後の第１の成分ＮＬＭ−Ｃａ３を取得する。
ここで、実施例１の式（１）〜（４）により、第１の成分Ｃａ３における各画素の非局所平均化処理後の画素値を計算し、非局所平均化処理後の第１の成分ＮＬＭ−Ｃａ３を取得する。
ステップ１３０５：該非局所平均化の第１の成分ＮＬＭ−Ｃａ３、並びに第２の成分Ｃｈ３、第３の成分Ｃｖ３及び第４の成分Ｃｄ３に基づいて、ウェーブレット再構成を行い、再構成された第１の成分ＷＲ−Ｃａ２を取得する。
なお、ウェーブレット再構成を行う方法は、実施例１と同じであるため、ここにその説明を省略される。
ステップ１３０６：該再構成された第１の成分ＷＲ−Ｃａ２に対して非局所平均化処理を行い、非局所平均化処理後の第１の成分ＮＬＭ−Ｃａ２を取得する。
ここで、実施例１の式（１）〜（４）により、第１の成分ＷＲ−Ｃａ２における各画素の非局所平均化処理後の画素値を計算し、非局所平均化処理後の第１の成分ＮＬＭ−Ｃａ２を取得する。
ステップ１３０７：該非局所平均化の第１の成分ＮＬＭ−Ｃａ２、並びに第２の成分Ｃｈ２、第３の成分Ｃｖ２及び第４の成分Ｃｄ２に基づいて、ウェーブレット再構成を行い、再構成された第１の成分ＷＲ−Ｃａ１を取得する。
ステップ１３０８〜ステップ１３１１は、実施例３のステップ１１０６〜ステップ１１０９と同じであるため、ここにその説明を省略される。ステップ１３１１の後で、処理されたグレースケール画像を取得する。
また、本実施例の変形例として、３番目のレベルの成分を処理する際に、実施例１のステップ１０２の処理モード２を用い、２番目及び１番目のレベルの成分を処理する際に、処理モード１を用いてもよいし、３番目、２番目及び１番目のレベルの成分を処理する際に、共に処理モード１又は処理モード２を用いてもよい。
Ｎは３よりも大きい場合、Ｎ番目のレベル〜２番目のレベルの成分を処理する際に、実施例１のステップ１０２の処理モード２を用い、１番目のレベルの成分を処理する際に、処理モード１を用いてもよい。また、異なるレベルの成分を処理する際に、実施例１のステップ１０２の処理モード１及び処理モード２を交互に用いてもよい。
上記の各種の態様は単なる例示的なものであり、本発明の実施例はこれらの態様に限定されない。
上記実施例によれば、ウェーブレット変換と非局所平均化法とを組み合わせることで、画像の各種のノイズを除去でき、画像の細部を好適に確保できる。
本発明の以上の装置及び方法は、ハードウェアにより実現されてもよく、ハードウェアとソフトウェアを結合して実現されてもよい。本発明はコンピュータが読み取り可能なプログラムに関し、該プログラムはロジック部により実行される時に、該ロジック部に上述した装置又は構成要件を実現させる、或いは該ロジック部に上述した各種の方法又はステップを実現させることができる。
本発明は上記のプログラムを記憶するための記憶媒体、例えばハードディスク、ディスク、光ディスク、ＤＶＤ、フラッシュメモリ等に関する。
以上、具体的な実施形態を参照しながら本発明を説明しているが、上記の説明は、例示的なものに過ぎず、本発明の保護の範囲を限定するものではない。本発明の趣旨及び原理を離脱しない限り、本発明に対して各種の変形及び修正を行ってもよく、これらの変形及び修正も本発明の範囲に属する。

Claims (10)

  1. ウェーブレット変換により、原グレースケール画像に対してＮ個のレベルの分解を行うステップと、
    Ｎ番目のレベルから各レベルの成分をレベル毎に処理し、処理されたグレースケール画像を取得するステップと、を含み、
    Ｎ個のレベル内の各レベルの成分を処理するステップは、第１の処理方法として、
    現レベルの第１の成分、第２の成分、第３の成分及び第４の成分の全ての画素に対して非局所平均化処理を行い、非局所平均化処理が行われた４つの成分に対してウェーブレット再構成を行い、前記現レベルの上のレベルの第１の成分を取得するステップを含み、
    現レベルの第１の成分、第２の成分、第３の成分及び第４の成分の全ての画素のうち１つの画素に対して非局所平均化処理を行うステップは、
    現レベルの第１の成分の１つの画素に対して非局所平均化処理を行い、非局所平均化処理が行われた前記１つの画素の画素値及び前記１つの画素の周辺の所定のサーチ範囲内の画素の加重値マトリックスを取得するステップであって、前記加重値マトリックスはＲ×Ｒマトリックスであり、Ｒは前記所定のサーチ範囲内の画素の数を表し、Ｒは１以上の整数である、ステップと、
    前記加重値マトリックスにより、前記現レベルの第２の成分、第３の成分及び第４の成分の、前記第１の成分の前記１つの画素に対応する、非局所平均化処理が行われた画素の画素値をそれぞれ計算するステップと、を含み、
    或いは、Ｎ個のレベルの各レベルの成分を処理するステップは、第２の処理方法として、
    現レベルの第１の成分の全ての画素に対して非局所平均化処理を行い、前記非局所平均化処理が行われた第１の成分、並びに非局所平均化処理が行われていない前記現レベルの第２の成分、第３の成分及び第４の成分に対してウェーブレット再構成を行い、前記現レベルの上のレベルの第１の成分を取得するステップを含み、
    Ｎは１以上であり、且つ前記現レベルはＮ番目のレベルである場合、前記現レベルの第１の成分はＮ番目のレベルの分解後で得られた第１の成分であり、Ｎは１よりも大きく、且つ前記現レベルはＮ番目のレベルではない場合、前記現レベルの第１の成分は前記現レベルの下のレベルの成分を処理した後で得られた第１の成分であり、
    Ｎは１よりも大きい場合、１番目のレベルの成分の処理方法と前記Ｎ個のレベル内の他の少なくとも１つのレベルの成分の処理方法とは異なる、
    グレースケール画像の処理方法。
  2. 前記非局所平均化処理が行われた前記１つの画素の画素値は、前記１つの画素の周辺の所定のサーチ範囲内の各画素の画素値の加重和であり、下記の式（１）
    で表され、
    ここで、ＮＬ（ｉ，ｊ）は画素（ｉ，ｊ）の非局所平均化処理後の画素値であり、ｘ（ｎ，ｍ）は前記所定のサーチ範囲内の画素（ｎ，ｍ）の画素値であり、ｗ（ｎ，ｍ）は画素（ｎ，ｍ）の加重値であり、Ｒは前記所定のサーチ範囲内の画素の数であり、ｉ、ｊ、ｎ、ｍ及びＲは共に１以上の整数であり、
    前記各画素の属する画像ブロックと前記１つの画素の属する画像ブロックとの距離に基づいて前記各画素の加重値を取得し、前記距離を計算する際に正規化処理を行う、
    請求項１に記載のグレースケール画像の処理方法。
  3. 下記の式（２）、（３）により前記距離を計算し、
    ここで、ｄ（ｎ，ｍ）は画素（ｎ，ｍ）の属する画像ブロックと画素（ｉ，ｊ）の属する画像ブロックとの距離であり、ｒは前記画像ブロックのサイズであり、前記画像ブロックは（２ｒ＋１）×（２ｒ＋１）個の画素により構成され、Ｔは正規化の係数であり、ｋ、ｔ及びｒは共に１以上の整数であり、ｋ≦ｒ、ｔ≦ｒ、
    請求項２に記載のグレースケール画像の処理方法。
  4. 現レベルの第１の成分の１つの画素に対して非局所平均化処理を行い、非局所平均化処理が行われた前記１つの画素の画素値及び前記１つの画素の周辺の所定のサーチ範囲内の画素の加重値マトリックスを取得した後で、前記グレースケール画像の処理方法は、
    前記加重値マトリックスに対して正規化処理を行うステップ、をさらに含み、
    前記加重値マトリックスにより、前記現レベルの第２の成分、第３の成分及び第４の成分の、前記第１の成分の前記１つの画素に対応する、非局所平均化処理が行われた画素の画素値をそれぞれ計算するステップは、前記正規化処理が行われた加重値マトリックスにより、前記現レベルの第２の成分、第３の成分及び第４の成分の、前記第１の成分の前記１つの画素に対応する、非局所平均化処理が行われた画素の画素値をそれぞれ計算するステップ、を含む、
    請求項１乃至３のいずれかに記載のグレースケール画像の処理方法。
  5. 前記Ｎは１又は２である、
    請求項１乃至４のいずれかに記載のグレースケール画像の処理方法。
  6. ウェーブレット変換により、原グレースケール画像に対してＮ個のレベルの分解を行う分解手段と、
    Ｎ番目のレベルから各レベルの成分をレベル毎に処理し、処理されたグレースケール画像を取得する処理手段と、を含み、
    前記処理手段は、Ｎ個のレベル内の各レベルの成分を処理する際に、第１の処理方法として、
    現レベルの第１の成分、第２の成分、第３の成分及び第４の成分の全ての画素に対して非局所平均化処理を行い、非局所平均化処理が行われた４つの成分に対してウェーブレット再構成を行い、前記現レベルの上のレベルの第１の成分を取得し、
    前記処理手段は、現レベルの第１の成分、第２の成分、第３の成分及び第４の成分の全ての画素のうち１つの画素に対して非局所平均化処理を行う際に、
    現レベルの第１の成分の１つの画素に対して非局所平均化処理を行い、非局所平均化処理が行われた前記１つの画素の画素値及び前記１つの画素の周辺の所定のサーチ範囲内の画素の加重値マトリックスを取得し、前記加重値マトリックスはＲ×Ｒマトリックスであり、Ｒは前記所定のサーチ範囲内の画素の数を表し、Ｒは１以上の整数であり、
    前記加重値マトリックスにより、前記現レベルの第２の成分、第３の成分及び第４の成分の、前記第１の成分の前記１つの画素に対応する、非局所平均化処理が行われた画素の画素値をそれぞれ計算し、
    或いは、前記処理手段は、Ｎ個のレベルの各レベルの成分を処理する際に、第２の処理方法として、
    現レベルの第１の成分の全ての画素に対して非局所平均化処理を行い、前記非局所平均化処理が行われた第１の成分、並びに非局所平均化処理が行われていない前記現レベルの第２の成分、第３の成分及び第４の成分に対してウェーブレット再構成を行い、前記現レベルの上のレベルの第１の成分を取得し、
    Ｎは１以上であり、且つ前記現レベルはＮ番目のレベルである場合、前記現レベルの第１の成分はＮ番目のレベルの分解後で得られた第１の成分であり、Ｎは１よりも大きく、且つ前記現レベルはＮ番目のレベルではない場合、前記現レベルの第１の成分は前記現レベルの下のレベルの成分を処理した後で得られた第１の成分であり、
    Ｎは１よりも大きい場合、１番目のレベルの成分の処理方法と前記Ｎ個のレベル内の他の少なくとも１つのレベルの成分の処理方法とは異なる、
    グレースケール画像の処理装置。
  7. 前記処理手段は、前記非局所平均化処理が行われた前記１つの画素の画素値を計算する計算手段を含み、
    前記非局所平均化処理が行われた前記１つの画素の画素値は、前記１つの画素の周辺の所定のサーチ範囲内の各画素の画素値の加重和であり、下記の式（１）
    で表され、
    ここで、ＮＬ（ｉ，ｊ）は画素（ｉ，ｊ）の非局所平均化処理後の画素値であり、ｘ（ｎ，ｍ）は前記所定のサーチ範囲内の画素（ｎ，ｍ）の画素値であり、ｗ（ｎ，ｍ）は画素（ｎ，ｍ）の加重値であり、Ｒは前記所定のサーチ範囲内の画素の数であり、ｉ、ｊ、ｎ、ｍ及びＲは共に１以上の整数であり、
    前記計算手段は、前記各画素の属する画像ブロックと前記１つの画素の属する画像ブロックとの距離に基づいて前記各画素の加重値を取得し、前記距離を計算する際に正規化処理を行う、
    請求項６に記載のグレースケール画像の処理装置。
  8. 前記計算手段は、下記の式（２）、（３）により前記距離を計算し、
    ここで、ｄ（ｎ，ｍ）は画素（ｎ，ｍ）の属する画像ブロックと画素（ｉ，ｊ）の属する画像ブロックとの距離であり、ｒは前記画像ブロックのサイズであり、前記画像ブロックは（２ｒ＋１）×（２ｒ＋１）個の画素により構成され、Ｔは正規化の係数であり、ｋ、ｔ及びｒは共に１以上の整数であり、ｋ≦ｒ、ｔ≦ｒ、
    請求項７に記載のグレースケール画像の処理装置。
  9. 前記処理手段は、
    前記加重値マトリックスに対して正規化処理を行う正規化手段、をさらに含み、
    前記加重値マトリックスにより、前記現レベルの第２の成分、第３の成分及び第４の成分の、前記第１の成分の前記１つの画素に対応する、非局所平均化処理が行われた画素の画素値をそれぞれ計算する際に、前記正規化処理が行われた加重値マトリックスにより、前記現レベルの第２の成分、第３の成分及び第４の成分の、前記第１の成分の前記１つの画素に対応する、非局所平均化処理が行われた画素の画素値をそれぞれ計算する、
    請求項６乃至８のいずれかに記載のグレースケール画像の処理装置。
  10. 前記Ｎは１又は２である、
    請求項６乃至９のいずれかに記載のグレースケール画像の処理装置。
JP2014065168A 2013-03-29 2014-03-27 グレースケール画像の処理方法及び装置 Active JP6387646B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201310109326.3 2013-03-29
CN201310109326.3A CN104077746B (zh) 2013-03-29 2013-03-29 灰度图像处理方法及其装置

Publications (2)

Publication Number Publication Date
JP2014199664A JP2014199664A (ja) 2014-10-23
JP6387646B2 true JP6387646B2 (ja) 2018-09-12

Family

ID=51598989

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2014065168A Active JP6387646B2 (ja) 2013-03-29 2014-03-27 グレースケール画像の処理方法及び装置

Country Status (3)

Country Link
US (1) US9443286B2 (ja)
JP (1) JP6387646B2 (ja)
CN (1) CN104077746B (ja)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104881846A (zh) * 2015-03-11 2015-09-02 哈尔滨工业大学深圳研究生院 基于双密度双树复小波的结构化图像压缩感知还原方法
CN105761225A (zh) * 2015-11-20 2016-07-13 广西慧云信息技术有限公司 一种优化图片显示效果的方法
CN105741240A (zh) * 2016-01-18 2016-07-06 中国科学院遥感与数字地球研究所 基于参考影像纹理约束和非凸低秩约束的遥感图像重建方法
CN105913382B (zh) * 2016-03-01 2018-11-23 南京信息工程大学 阈值寻优的高保真各向异性滤波方法
CN106856001A (zh) * 2016-12-08 2017-06-16 彭志勇 灰度图像的保存方法和灰度图像原始像素的获取方法
EP3706076B1 (en) * 2019-03-07 2021-02-24 Siemens Healthcare GmbH Method and device to determine the dimensions and distance of a number of objects in an environment
CN111223115B (zh) * 2020-04-22 2020-07-14 杭州涂鸦信息技术有限公司 一种图像分割方法、装置、设备及介质
CN111833276A (zh) * 2020-07-20 2020-10-27 浙江大华技术股份有限公司 一种图像的中值滤波处理方法及装置
CN112801889A (zh) * 2021-01-06 2021-05-14 携程旅游网络技术（上海）有限公司 图像去噪方法、系统、设备及存储介质
CN113160080B (zh) * 2021-04-16 2023-09-22 桂林市啄木鸟医疗器械有限公司 一种cr影像降噪方法、装置、设备及介质

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5602760A (en) * 1994-02-02 1997-02-11 Hughes Electronics Image-based detection and tracking system and processing method employing clutter measurements and signal-to-clutter ratios
US5799100A (en) * 1996-06-03 1998-08-25 University Of South Florida Computer-assisted method and apparatus for analysis of x-ray images using wavelet transforms
US6285798B1 (en) * 1998-07-06 2001-09-04 Eastman Kodak Company Automatic tone adjustment by contrast gain-control on edges
JP2001167264A (ja) * 1999-09-30 2001-06-22 Fuji Photo Film Co Ltd 画像処理方法および装置並びに記録媒体
JP3814491B2 (ja) * 2001-04-03 2006-08-30 キヤノン株式会社 画像処理装置、画像処理方法、記憶媒体及びプログラム
US6836569B2 (en) * 2001-04-13 2004-12-28 Erwan Le Pennec Method and apparatus for processing or compressing n-dimensional signals by foveal filtering along trajectories
US7020314B1 (en) * 2001-11-13 2006-03-28 Koninklijke Philips Electronics N.V. Black blood angiography method and apparatus
US7496234B2 (en) * 2003-06-20 2009-02-24 Microsoft Corporation System and method for seamless multiplexing of embedded bitstreams
CA2499163A1 (en) * 2004-03-03 2005-09-03 Her Majesty The Queen In Right Of Canada, As Represented By The Minister Of Industry, Through The Communication Research Centre Canada Curved wavelet transform for image and video compression
US7856150B2 (en) * 2007-04-10 2010-12-21 Arcsoft, Inc. Denoise method on image pyramid
FR2924254B1 (fr) * 2007-11-23 2010-01-01 Gen Electric Procede de traitement d'images en radioscopie interventionnelle
WO2010073251A2 (en) * 2008-12-25 2010-07-01 Medic Vision - Brain Technologies Ltd. Denoising medical images
US20110026791A1 (en) * 2009-07-29 2011-02-03 Icad, Inc. Systems, computer-readable media, and methods for classifying and displaying breast density
JP5682443B2 (ja) * 2011-05-16 2015-03-11 富士通株式会社 画像処理装置、画像処理方法及び画像処理プログラム
WO2013049153A2 (en) * 2011-09-27 2013-04-04 Board Of Regents, University Of Texas System Systems and methods for automated screening and prognosis of cancer from whole-slide biopsy images
CN102609904B (zh) * 2012-01-11 2014-04-30 云南电力试验研究院（集团）有限公司电力研究院 双变量非局部平均滤波x射线图像消噪方法
JP2014068122A (ja) * 2012-09-25 2014-04-17 Sony Corp エンコード装置、デコード装置、およびスイッチ装置
CN105335947B (zh) * 2014-05-26 2019-03-01 富士通株式会社 图像去噪方法和图像去噪装置

Also Published As

Publication number Publication date
JP2014199664A (ja) 2014-10-23
CN104077746A (zh) 2014-10-01
US20140294318A1 (en) 2014-10-02
US9443286B2 (en) 2016-09-13
CN104077746B (zh) 2017-03-01

Similar Documents

Publication Publication Date Title
JP6387646B2 (ja) グレースケール画像の処理方法及び装置
JP6507846B2 (ja) 画像ノイズ除去方法及び画像ノイズ除去装置
JP5864958B2 (ja) 画像処理装置、画像処理方法、プログラムおよびコンピュータ記録媒体
CN107133923B (zh) 一种基于自适应梯度稀疏模型的模糊图像非盲去模糊方法
JP2001057677A (ja) 画像処理方法および装置並びに記録媒体
CN107392975B (zh) 图像自适应多尺度分块压缩感知方法、电子设备
CN111311704A (zh) 图像重建方法、装置、计算机设备和存储介质
WO2014070273A1 (en) Recursive conditional means image denoising
US11145032B2 (en) Image processing apparatus, method and storage medium for reducing color noise and false color
JP5027757B2 (ja) 動画像雑音除去装置、その方法およびそのプログラム
Tang et al. A reduced-reference quality assessment metric for super-resolution reconstructed images with information gain and texture similarity
Bappy et al. Combination of hybrid median filter and total variation minimisation for medical X‐ray image restoration
JP6253633B2 (ja) 画像処理装置、画像処理方法、プログラムおよびコンピュータ記録媒体
JP5657141B2 (ja) 液体媒体中の乱流の影響を含む画像データの処理
CN114202476A (zh) 一种红外图像增强方法、装置、设备及计算机可读介质
KR101341617B1 (ko) 단일 영상의 오차모델을 기반으로 한 고해상도 영상 복원장치 및 방법
JP6000659B2 (ja) 情報処理装置、情報処理方法およびプログラム
JP4945533B2 (ja) 画像処理装置及び画像処理方法
CN111462004B (zh) 图像增强方法和装置、计算机设备、存储介质
Al‐Ameen et al. Attenuating noise from computed tomography medical images using a coefficients‐driven total variation denoising algorithm
Chen et al. 2-D impulse noise suppression by recursive Gaussian maximum likelihood estimation
Lin et al. An iterative enhanced super-resolution system with edge-dominated interpolation and adaptive enhancements
JP4316106B2 (ja) 画像処理方法および装置並びに記録媒体
Shah et al. 3D-image restoration technique using Genetic Algorithm to solve blurring problems of images
Song et al. Ultrasonic image processing based on fusion super-resolution reconstruction of familiar models

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20161206

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20171124

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20171205

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20180124

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20180320

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20180618

A911 Transfer to examiner for re-examination before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20180626

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: 20180717

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20180730

R150 Certificate of patent or registration of utility model

Ref document number: 6387646

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150