TW201005675A - Image processing methof of noise reduction and apparatus thereof - Google Patents
Image processing methof of noise reduction and apparatus thereof Download PDFInfo
- Publication number
- TW201005675A TW201005675A TW097128687A TW97128687A TW201005675A TW 201005675 A TW201005675 A TW 201005675A TW 097128687 A TW097128687 A TW 097128687A TW 97128687 A TW97128687 A TW 97128687A TW 201005675 A TW201005675 A TW 201005675A
- Authority
- TW
- Taiwan
- Prior art keywords
- block
- image
- difference
- state
- value
- Prior art date
Links
- 238000012545 processing Methods 0.000 title claims description 77
- 238000000034 method Methods 0.000 claims abstract description 38
- 230000033001 locomotion Effects 0.000 claims abstract description 36
- 238000003672 processing method Methods 0.000 claims abstract description 31
- 238000001514 detection method Methods 0.000 claims abstract description 24
- 230000003068 static effect Effects 0.000 claims abstract description 20
- 238000001914 filtration Methods 0.000 claims abstract description 12
- 238000007619 statistical method Methods 0.000 claims description 14
- 230000000007 visual effect Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 3
- 239000002994 raw material Substances 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract 1
- 239000000758 substrate Substances 0.000 abstract 1
- 230000002123 temporal effect Effects 0.000 abstract 1
- 206010047571 Visual impairment Diseases 0.000 description 7
- 238000005259 measurement Methods 0.000 description 7
- 239000000463 material Substances 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 240000002390 Pandanus odoratissimus Species 0.000 description 1
- 235000014676 Phragmites communis Nutrition 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/254—Analysis of motion involving subtraction of images
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
- Image Processing (AREA)
Description
08011 28964twf.doc/d 九、發明說明: 【發明所屬之技術領域】 本發明是關於一種影像處理方法 關於一種消除雜訊之影像處理方法及其裝、【置,且特別是 【先前技術】 、 ° 隨著多媒體技術的發展,人們對 愈益提高。然而,影響影像品質的重==; =此二信號傳輪過程中所伴隨產= 理去雜訊之影像處理有空間域去雜訊處 空:域去雜訊處理為採用具有局部⑽ ’將目前彡財各像錢行空間域 ^波處理’使影像變得平滑及柔和,進崎低人眼對雜訊 ^視覺感X。但是,這财式通常會造成f彡像模糊化 (lur) ’反而影響了影像中細節的呈現,例如:邊緣 及紋理(texture)。 時域去雜訊處理為參考先前影像之資訊,來對目前影 像中各像素進行時域濾波處理。基於目前影像與先前影像 具有南度相關的特性,時域去雜訊處理與空間域去雜訊處 理相幸乂之下’較能維持及保留影像中的細節。然而,在對 影像中移動物件進行時域濾波處理時,很容易產生移動殘 影,造成人眼感受不適。因此,便有人提出採用移動估測 演算法來評估目前影像整體的移動向量趨勢’並據以調整 201005675 )08011 28964twf.doc/d 時域遽波的強度’以消除移動殘影。但是,移動 ^之複雜度高且運算量大,以硬體實現時較難對目前影像 處理。而且,人眼所能忍受影像的失真程度受到 m乂及影像變化而有所不同,是故在去雜訊過程 ❹ 影像嫩生’也須考量環境光源以及 【發明内容】 理目彡縣财歧其衫,綠即時處 移動像區塊,以消除影像區塊的雜訊及避免 像,種影像處理方法。首先,接收一目前影 多個像區棟’且各影像區塊具* 塊。i差_進行相減,稍得差值區 靜處:Γ止狀態。而當目前影== =狀L時,便將目前影像中中 區塊進行時顧波處理。 、先刚影像中第- 依據差實施例中移動偵測處理為 目前影像中第_ 第一臨界值之比較結果,判斷 £塊疋否處於靜止狀態。 析差值==方法’在-實施例中移_測處理分 位70映像,峨縣傾塊之平滑度,並且 201005675 J08011 28964twf.doc/d 依據平滑度與第二臨界值之比較結果 一區塊是否處於靜止狀態。 第 笛一^之3像處理方法’在—實施例中依據目前影像中 第二區塊之第-平均值與環境光臨界值之比較結果,判斷 ^影—區塊是否處於低環境光狀態。當目前影像 區塊處於低環境光狀態時,則累計-狀態計數值。 ^ Ϊ數值大於第三臨界值時,則中斷鶴_處理, β 二!二了像^第―區塊進行多數決處理,以觸目前影 像中第一區塊是否處於靜止狀態。 本發明另提出-種影像處理方法。首先,將一顯示晝 S分為多娜像區塊,其中該些影賴塊包括第-區塊。 依序地接收第-影像及第二影像,並且將第—區塊之第一 影像及第二影像進行比較,以獲得差值區塊。接著,依據 差,區塊,判斷第-區塊之第—影像為靜止狀態,並將第 -區塊之第-影像至少與第二影像進行時域濾波處理。 树明另提出-種影像處理裝置,其包括差值運算模 籲組乂移動偵測模組以及時域滤波模組。差值運算模組接收 目七〜像中多個影像區塊之第—區塊’並且將目前影像中 第一區塊與至少-先前影像中第一區塊進行相減,以獲得 ^值區塊其中各影像區塊具有多個像素。移動價測模組 耦接差值運算模組,用以將差值區塊進行移動制處理, ^斷目前影像中第一區塊是否處於靜止狀態,並且產生 第了控制信號。時域遽波模組輕接移動债測模組,其受控 於第-控制信號。當目前影像中第—區塊處於靜止狀^ 201005675 ,〇8〇Π 28964twf.doc/d 時’時域濾波模組將目前影像中第 像中第-區塊進行時域渡波處理。1、至乂先則衫 括單在一實施例中_測模組包 化2 2 °样树算差值區 2策單元叙接統計分析單元,用以依據統 之比較結果,判斷目前影像中第一區 塊疋否處於靜止狀態,進而產生第—控制信號。
崩it之影像處理裝置’在—實施财移_測模組包 =统^料灿及絲單元。料分㈣元分析差值區 之位7G映像’以獲得差健塊之平滑度。決策單元麵接 統計分析單s m還讀度料二臨界值之比較妹 果’判斷目前影料第-區塊是魏於靜止狀態,進而^ 生第一控制信號。
上述之影像處理裝置,在一實施例中更包括例外處理 模組,其中例外處理模組包括計數單元及多數決策單元。 計數單元依據目前影像中第一區塊之第一平均值與環境光 =界值之f較結果,判斷目前影像中第一區塊是否處於低 ,境光狀態,並且當目前影像中第一區塊處於低環境光狀 態時,累計一狀態數值。多數決策單元耦接計數單元。當 狀態計數值大於第三臨界值時,多數決策單元產生第二控 制信號中斷移動偵測處理,並且依據目前影像中預定比例 之影像區塊的狀態,判斷目前影像中第一區塊是否處於靜 止狀態,進而產生第一控制信號。 本發明透過移動偵測處理來判斷目前影像中影像區 201005675 08011 28964twf.doc/d 塊的狀態,並且進一步地對處於靜止狀態之影像區塊進行 時域濾波處理,以消除影像區塊的雜訊及避免移動殘影的 發生。此影像處理方法及其裝置在移動偵測處理中,依據 區塊式的統計資訊來判斷影像區塊的狀態。另外,由於環 境光源以及影像區塊的特徵會影響人眼對影像所能忍受的 失真程度,以及人眼察覺雜訊干擾的程度,因此參考環境 光源及影像區塊的特徵來辅助影像區塊的狀態判斷。此影 ❹ 像處理方法及其裝置目運算複雜度躺麟目 即時處理。 π 為讓本發明之上述和其他目的、特徵和優點能更明顯 易懂,下謂舉本發明之較佳實闕,並配合所 *, 作詳細說明如下。 【實施方式】 影像的擷取過程或者傳輪過程不可避免地會產生雜訊 干擾而影響影像的呈現,因此通常會透過影像處理的方式 訊’而其-便為時域濾'波處理。時域渡波處理為 二考先前影像之資訊,來對目前影像進行濾波處理以消 ^雜訊。然而’在對影像中移動物件去雜訊的過程中,很 各易產生移動殘影,造成人眼感受不適。 由於人眼會習慣性地追蹤影像中的移動物件,且注意 7物件的移動狀態,反而不易察覺影像中移動物件的雜 ^因此,基於人眼視覺系統的特性,本發明實施例透過 ^動偵測處理,來判斷影像中各影像區塊是否處於靜止狀 I並且對處於靜止狀態的影像區塊進行時域舰處理, 201005675 08011 28964twf.doc/d 以消除雜訊以及降低移動殘影的發生。 圖1緣示為本發明之一實施例之影像處理装置。請表 照圖1 ’影像處理裝置100包括差值運算模組㈣ 貞 測模組⑽、時域毅模組㈣、例外處理餘14〇以及, i面cf衝(ί組=目前影像11具有多個不重複的影像區塊 ^ 8xS« : ^ ^ 處理,㈣曰,後τ : 為早凡逐一地進行影像 處理並以目則衫像it中影像區塊it⑴為例說明。 差值運算馳m接收目前影像It中影像區塊^ , 2且將目a像it中的影像區塊it⑴與 屯(x,y)= it()(x,y)-it_n(i)(x,y),其中 p :=置。在此,先,=== 盘旦且衫像區壞U)為先前影像L中具有 輕it 位置的影像區塊。移動細莫組⑶ r °移動_模組m將差值區料⑴ 態,並產生控制信號c〇N1:㈣塊^否處於靜止狀 制^^域狀模組13G轉移ίΗ貞難組120,A依據$ 像區塊^⑴所包含之像素進,權重=含=象^別與影 201005675 08011 28964twf.doc/d 為影像區塊it(1)中經時域濾波處理之像素。 值得注,的是,本實施例也可參考多張先前影像 ,影像區塊it_n⑴,來麟影像區塊卩⑴是否處於靜止狀 態,並且參考多張先前影像tn之影像區塊it_n⑴,將判斷 為處於靜止狀態之影像區塊it⑴進行時_波處理,是故 本實施例不侷限於單張先前影像之實施方式。 一移動偵測模組120包括統計分析單元丨21以及決策單 ⑩ 兀122。統計分析單元121計算差值區塊山⑴之統計數值, 例如:平均值、標準差、絕對值和(sum 〇f abs〇lute difference, S Aj))或者相關性(c〇rrelati〇n)四者其中之一或其組合。透過 統計分析,來得知影像區塊it⑴與影像區塊η⑴之間的差 異性。舉絲說,差值區塊dt(i)之平均值、鮮差或者絕 對值和越小,表示影像區塊it(1)與影像區塊it_n(1)之間的差 生越小,而寻值區塊dt〇)之相關性越大,表示影像區塊 h與影像區塊〖t_n(1)之間的差異性越小。 當影像區塊it⑴與影像區塊〖ίη(υ之間的差異性小時, _ 直覺地判斷兩影像區塊為相似的,也就是說影像區塊 ^應處於靜止狀態。反之,則表示影像區塊可能有移 動物件,疋故影像區塊it(1)不處於靜止狀態。決策單元123 耦接統計分析單元12ι,其依據統計數值與臨界值T1之比 較結果,判斷影像區塊it⑴是否處於靜止狀態,進而產生 控制信號com。由於對不處於靜止狀態的影像區塊進行 時域濾波處理很有可能會產生移動殘影,因此本實施例之 時域渡波模組m僅對歧靜止錢的影像區塊進行時域 11 28964twf.doc/d 201005675„j〇8〇h 濾波處理’以避免移動殘影。 晝框緩衝模組15G耦接時域叙模組13G與差值運笪 模組110之間,用以儲存經處理之影像區塊並且於 影像之影雜塊進行去雜訊f彡像處_,提供先前影中 相同位置之影像區塊至差值運算模組nG。例外處理模組 140包括計數單元141以及多數決策單元142。一般而二 在不同環境光源下,人眼察覺雜訊的程度不同。條若處°於 低環境光源的影像區塊其灰階值較小(亦即影像區塊較 暗)’則透過移動偵測處理來判斷靜止狀態之準確度可能較 低。因此,考量低環境光源之影響,本實施例設定環境光 臨界值來評估影像區塊之灰階值,換言之即設定影像區塊 可接受之灰階值下限。 因此,計數單元141依據影像區塊之平均值與環 境光臨界值的比較結果,判斷影像區塊是否處於低環 境光狀態。當影像區塊i/υ處於低環境光狀態時,則計數 單元141累計一狀態數值(:〇1^。多數決策單元142耦接 • 計數單元141。當狀態計數值COUN大於臨界偉Τ3時, 多數決策單元142便產生控制信號CON2中斷移動偵測處 理’並且將影像區塊it(1)進行多數決處理,以判斷影像區 塊it(1)是否處於靜止狀態’進而產生控制信號C0N1。也就 是說’多數決策單元142會依據目前影像It中絕大數經處 理之影像區塊的狀態,來判斷影像區塊it(1)是否處於靜止 狀態。 舉例來說’當目前影像It中一預定比例之影像區塊處 12 201005675 >08011 28964twf.doc/d 於靜止狀態時,多數決策單元M2便判斷影像區塊處 1靜止狀‘4。當目前影像It中預定比例之影像區塊不處於 靜止狀態^ ’多數決策單元142便觸影像區塊W不處 =靜止狀態、。倘若絕缝經處理之影像區塊棚斷為處於 ,止狀態(或者;f處於靜止狀態),則目前處理之影像區塊 ^很有可能處於靜止狀態(或者不歧靜止狀態)。藉此, 可以降低移動侧處理之運算量及複雜度。另外,多數決 處理也可依據鄰近影像區塊it(1)之影像區塊雜態,來確 # 保靜止狀態之判斷準確性。 在移動制處理巾’除了可透過差值區塊dt(k)之統計 數值來得知影像區塊it(I〇與影像區塊之間的差異性之 外’統計分析單it 121也可分析差值區塊山〇〇之位元映像 (bit map),來得知影像區塊以1〇與影像區塊丨^⑻之間的差異 性。由於像素通常以8位元來表示其灰階值,是故影像區 塊具有對應不同位元之多個位元映像,且各位元映像中以 0或者1表示影像區塊中的像素。 ❹ 差值區塊山00為影像區塊it(k)與影像區塊!t_nw相減後 的結果,因此統計分析單元121可分析差值區塊山⑻之最 低有效位元映像,以獲得差值區塊屯⑻之平滑度。其中, 平滑度為影賴塊itw與影像區塊丨tn(k)之縣值的分佈趨 勢’例如:平滑度為以0或者i表示之像素數量佔全部像 素之比例。當寻值區塊山⑻之平滑度越大,表示影像區塊 it(〕與影像區塊1 t-n(k)之間差值分佈較一致,反之則兩者之間 差值分佈不一致。 13 08011 28964twf.doc/d 舉例來說,若以0或者1表示之像素佔全部像素之比 例(即平滑度)介於0·4〜0.6範圍之外,則表示影像區塊i产〕 與衫像區塊it_n之間差值分佈較一致。反之,若以〇咬者 1表示之像素數量佔全部像素之比例接近〇 5時(或者介於 0.4〜0.6範圍内),則表示影像區塊ye與影像區塊^(幻之間 差值分饰較不-致。因此’決策單元m依據平滑度與臨 ,值T2之比較結果,判斷影像區塊yio是否處於靜止狀 態’進而產生控制信號CON1。 在移動偵測處理中,統計分析單元120也可依據影傻 區塊⑻之平均值W,計算符合人眼視覺系统伽職
ViSUal.SyStem,Hvs)之最小可察覺失真度(just noticeable distortion, JND),作為決策單元m所參考之臨界值。人 眼對於不同灰階值之影像有不同的敏感度,而最小可察覺 ,真度可估人眼所能容忍的失真程度。也就是說,當 值區塊dt之統計數值(例如為絕對值和)大於最小可察 覺失真度時’麵影像輯卩⑻與影籠塊L⑻之間的差 異較有可能是影像巾軸替 =判斷影像區塊作處於靜止狀態。反之,當差 眷生之吉统Λ數值(例如為絕對值和)小於或者等於最小可察 L二ϋ ’表示表示影像區塊㊇與影像區塊以k)之間 @為雜訊所造成,且人眼可以接收此失真程 二二122 _影像區塊㊇處於靜止狀態。 數予形式表不最小可察覺失真度如下: 励仏⑻)=|T。x (1 - + h),At(k) <127 l ^x(At(k)-127) + k2, A/k>>i27 201005675 •08011 28964twf.d〇c/d 其中,依據人眼不同的感覺與環境光源因素,可以調整 Τ〇、γ、k!以及參數。藉此,透過影像區塊it⑻之平均 值At(k),可自適性地調整決策單元122所參考之臨界值。 在本實施例中,提供了多種移動偵測處理之方式。第 一種方式為依據差值區塊dt(k)之統計數值與臨界值T1的比 較結果’判斷目前影像It中的影像區塊β是否處於靜止 狀態。第二種方式為分析差值區塊山⑻之位元映像來獲得 差值區塊山⑻之平滑度,並依據平滑度與臨界值T2的比較 結果,判斷影像區塊it〇〇是否處於靜止狀態。第三種方式 為依據差值區塊dt⑻之統計數值與符合人眼視覺系統之最 小可察覺失真度JND(it⑻)的比較結果,判斷影像區塊i严3 是否處於靜止狀態,其中最小可察覺失真度為依 據影像區塊it⑻之平均值八〇〇所計算得來的。 本領域具有通常知識者可採用上述移動偵測處理其 中之一或其組合’來判斷影像區塊it(k)是否處於靜止狀態二 ,例來說,當影像區塊it⑻經其一移動偵測處理而判斷為 ❿=狀態時’可再透過另—移動偵測處理來確保影像區機 1疋否真的處於靜止狀態。另外,本實施齡要為透過移 動偵測處理來判斷目前影像It中的影像區塊itk是否處於靜 ^狀態,並進—步地對處於靜止狀態之影像區塊進行時域 =波處理,以避免移動殘影的發生,然並不侷限於上述三 ,移動侧處理。本發明具有通常知識者也可透過盆他: ^來判斷影像區塊㊇是否處於靜止狀態,例如:採用移 估計(motion estimation)演算法取得影像區塊㊇之移動 15 201005675_」。8()11 28964twfd(K;/d 向量(motion vector),並且從影像區塊itk之移動向旦八 情形得知影像區塊it(k)是否處於靜止狀態。 刀 Ο 依據上述實施例之敘述,在此可以歸納為下列的方法 流程。圖2纟會示為本制之—實關之影像處理方法的流 程圖。在此,本實施例以影像區塊為單位,對目前影像= 行去雜訊之影像處理。請參照圖丨及圖2,當接收到目前 影像it之影像區塊β時(步驟S2〇1),將影像區塊i严〉與1 少了先前影像it.n之影像區塊丨t_n⑻相減,以獲得差值區塊 dt (姆S202)。接著,將差值區塊dt(k)進行移動偵 理’以判斷影像區塊it«是否處於靜止狀態(㈣s2〇3)。 當影像區塊it(k)處於靜止狀態時(步驟S2〇4), 塊=與影像區塊^進行時域渡波處理,以消“ 塊lt中的雜訊。反之,當影像區塊it⑻不處於靜止狀離時 (步驟顯)’财郷像區塊it(k)進行_缝處理:以 降低移動殘影的發生。 如實,例圖1所述,在移動制處理中,可以依據差 值區塊dt之統計數值與臨界值Ή之味結果,來得知影 像區塊lt與影像區塊it.n⑻之間的差異性,進而判斷影 區塊ii是錢於靜止祕,其巾辑練可以是差值區 塊dt之平均值、標準差、絕對值和或者相關性其中之一 或其組=。另外,在移動偵測處理中,也可透過分析差值 區塊dt之位元映像’來獲得差值區塊dtk之平滑度。而從 平滑度大小可㈣知影像區塊itk與影像區塊U之間差值 的分佈趨勢。因此’崎平滑度触界值η之比較結果, 16 201005675 08011 28964twf.doc/d 可判斷影像區塊it(k)是否處於靜止狀態。此外,在 2理中’也可依據差值區塊dt(k)之統計數值與符 =覺(!二之最小可察Ϊ)失真度的比較結果’來得知影像區 塊^與影像區塊以之_差異性為移動所造成或者雜 訊干擾’進關斷影像區塊itk是聽於靜止料。者缺, 在本發明實施例中,可以採用上述移動债測處駐中田^一 或其組合來判斷影像區塊p是否處於靜止狀態。八 ❺ 更進-步地’考慮環境絲影響人眼察覺雜訊干擾的 又大小,以及處於傾境光源且較暗的f彡像區塊㊇經 移動谓測處理可能會誤判其狀態。因此,本發明之另 „經處理之影像區塊的狀態,來判斷影像區塊π T否處於靜止狀態。圖3繪示為本發明之—實施例之影像 ,方法的流雜。請參照圖丨及圖3,#接 2 =像^塊㈣(步驟_),便依據影像區塊^ 光臨界之比較結果,判斷影像區塊it(k) =^低環境光狀態(步驟S3〇2H尚若影像區塊π處 、低衣境光狀態時,則累計狀態計數值c〇UN S303),反之則繼續處理下一影像區塊。當狀態計&值 於臨界值T3時(步驟隨),則表示經i理之影 2所為處於低環境光錢。鱗便巾斷實施例圖 巧之妝| 處理(步驟麗),以避免誤判影像區塊 狀態,並且將影像區塊it⑻進行多數決處理(步驟 在多數決處理中,當目前影像It中—預定比例之影像 17 28964twf.doc/d 201005675_J〇s〇n =靜====)處r靜止狀態: 止狀f時’則判,像區塊i,k)不處靜 由於影像區塊lt(fc)與其姆之影像區塊通常具有較 關性,本實施例也可參考鄰近影像 = 確保多數決處理之判斷正確性。」=像£塊來 的影像區塊為採水平掃·aster般而吕’目前影料中 ㈣m广Canmng)的處理順序’因 參 像區塊可以是影像區塊㊇左 方上方及左上方的影像區塊。 组成$實圖2中’影像為由不重叠之多個影像區塊所 限於分割影像區塊之方式,本領域且有 所包含之場景’將影像分成為相同 圖4*者不同大小之影像區塊來進行處理。 …月之™實施例之影像處理方法的流程圖。 驟,為便於說明,將這些影像區塊編號為^ = 前3傻τ並'象區塊k為例說明。接著,依序地接收目 之1%旦=:影像W步驟_),並且將影像區塊k rd(:4獲得差值區塊們步驟_)。透過分析i)值區 判斷〜Γ场知目前影像與先前影像之間的差異,並據以 =區塊k之目前影像為靜止狀態(步驟S404)。接 像進區塊k之目前影像至少與影像區塊k先前影 丁時域毅處理(步驟S405),m雜訊及避免移 18 201005675 '08011 28964twf.doc/d 動殘影。 中’依據差值區塊dt(k),判斷影像區塊1之目前影 象^靜止狀態之步驟,可參考實施侧2之綱,故不加 ΐ。另外,請參考實施例圖1之說明,實施例圖2也 影縣塊k之目前影像之平均值與環臨界值之 ^果’判斷影像區以之目前影像為低環境光狀態, …tut數值。當狀態計數值大於臨界值時,便依 、’里處理之衫像區塊之目前影像的狀態,判斷影像區塊k 之目前影像為靜止狀態。 ,上所述’上述實施_影像區塊為單位對目前影像 雜訊之影像處理,其透過差值區塊之統計資訊及人 統之特性’來得知目前處理之影像區塊是否處於 吐、、態’並且對處於靜止狀態之影像區塊進一步地進行 路,;慮波處理’ 肖除影像區塊之雜訊及避免移動殘影的 。在移動_處理中,除了分析差值區塊⑽紋理變 人或f平滑度來區分影賴塊為移域者靜止之外,更結 :HP(1〇Cal)的統計資訊與整體(global)影像區塊的狀態來 止狀恕之判斷。另外,也可隨不同影像區塊的變化 19 1 者環境光輕化自適性調整所參考之臨界值。 2 由=移動偵測處理採用複雜度較低的演算法來判斷影 區塊疋否處於靜止狀態,且透過靜止狀態之判斷,筛選 $時域濾、波處理之影像區塊’是故上述實施例之影像處 w法及f裝置的處理等待時間(latency)較短,也因此處 理益的運算負擔(1〇ading)較小,可達到即時(real time)處理 201005675—__ 28964twfd〇c/d 之目的。 〜雖然本發明已啸佳實施例揭露如上然其 限疋本發明,任何所屬技術領域中具有通 :離本發明之精神和範園内,當可作些許之更二:不 為^匕本發明之保護範圍當視後附之申請專利範圍所界定者 【圖式簡單說明】 | 圖1繪示為本發明之一實施例之影像處理裝置。 圖2繪示為本發明之一實施例之影像處理方法的流程 圖。 圖3繪示為本發明之一實施例之影像處理方法的流程 圖。 圖4繪示為本發明之一實施例之影像處理方法的流程 圖。 【主要元件符號說明】 ' it(1):影像區塊 • It :目前影像 it-n :先前影像 d/k):差值區塊 COUN :狀態計數值 CON1〜CON2 :控制信號 1〇〇 ··影像處理褒置 110 :差值運算模址 120 ·移動彳貞測模組 20 201005675 108011 28964twf.doc/d 121 :統計分析單元 122 :決策單元 130 :時域濾波模組 140 :例外處理模組 141 :計數單元 142 :多數決策單元 S201〜S205 :本發明之一實施例之影像處理方法的步驟 S301〜S306 :本發明冬一實施例之影像處理方法的步驟 ® S401〜S405 :本發明之一實施例之影像處理方法的步驟 Ο 21
Claims (1)
- 201005675 v08011 28964twf.doc/d 十、申請專利範園: ι· 一種影像處理方法,包括· 塊,且各該影像區塊象具有多中個 1 目素則影像具有多個影像區 與… 將該差值區塊進行—移動 ^ ❹像1第—區塊是否處於-靜止狀1以及_目㈣ ㈣二影像中該第—區塊處於該靜止狀態時,則將 :時:波處:第一區塊與該先前影像中該第-區塊進行 該移圍第1項所述之影像處理方法,其中 叶算該差值區塊之一統計數值;以及 目計數值與—第—臨界值之比較結果,判斷兮 目心像巾該第-區塊是轉贿靜止㈣。J斷該 該移賴叫其+ -4=Γ塊之一位元映像’以獲得該差值區塊之 ,依據該平滑度與―第二臨界值之比較結果 則衫像中該第一區塊是否處於該靜止狀態。〗斷該目 (如申請專利範圍第3項所述之影像處理方法 u元映像為該差值區塊之最低有效位元映像。、 22 201005675」麵 28964twf.doc/d 5·如申請專利範圍第2項所述之影像處理方法,直中 該移動偵測處理更包括: ^依據該目前影像中該第一區塊之一第一平均值,計算 符合人眼視覺系統之-最小可察覺失真度作為該第一臨界 值。 6.如申請專利範圍第2項所述之影像處理方法,其中 該統計數值為該差值區塊之平均值、標準差、絕對值和或 φ 者相關性四者其中之一或其組合。 7·如申請專利範圍第丨項所述之影像處理方法,直中 該移動偵測處理包括: ^ 分析該差值區塊之一位元映像,以獲得該差值區塊之 一平滑度;以及 …依據該平滑度與-第二臨界值之比較結果,判斷該目 别影像中該第一區塊是否處於該靜止狀態。 =8·如申請專利範圍第7項所述之影像處理方法,其中 該位元映像為該差值區塊之最低有效位元映像。 9·如申請專利範圍第1項所述之影像處理方法,更包 括: 产,依據該目前影像中該第一區塊之一第—平均值與一環 臨界值之比較結果,判斷該目前影像中該第一區塊是 否處於一低環境光狀態; 當該目前影像中該第一區塊處於該低環境光狀態時, 累計一狀態計數值;以及 田該狀態計數值大於一第三臨界值時,則中斷該移動 23 08011 28964twf.doc/d 201005675 偵測處理’並將該目前影像中該第一區塊進行一多數決處 理’以判斷該目前影像中該第一區塊是否處於該靜止狀態。 1〇·如申請專利範圍第9項所述之影像處理方法,^ 中該多數決處理包括: 、 當該目前影像中一預定比例之該些影像區塊處於該靜 止狀態時’則判斷該目前影像中該第一區塊處於該靜止 態;以及 ^當該目前影像中該預定比例之該些影像區塊不處於該 靜止狀態時,則判斷該目前影像中該第一區塊不處於該^ 止狀態。 11.如申請專利範圍第10項所述之影像處理方法,其 中該多數決處理更包括: 、 =當鄰近該目前影像中該第一區塊之該些影像區塊處於 該靜止狀'_,關斷該目前影像巾該第-區塊處於該靜 止狀態;以及 當鄰近該目前影像中該第一13. 一種影像處理方法,包括: 分割-顯示晝面成衫個影像區塊, ,包括: ’其中該些影像區 24 -«08011 28964twf.doc/d 201005675 塊包括一第一區塊; 依序接收一第一影像及一第二影像; 比較該第-區狀对1像及鮮—區塊之該第: 影像’以獲得一差值區塊; 依據該差值區塊,_該第—區塊之該第—影像為一 靜止狀態;以及 一將該第-區塊之該第—影像至少與該第—區塊之該 二影像進行一時域濾波處理。 如申請專利範圍第13項所述之影像處 中各該影像區塊具有多個像素。 々次男 Μ料職_ 13項所紅雜處理 :依據該差值區塊,判斷該第—區塊之該第 二 止狀態之步驟包括: 〜像為該秦 計算該差值區塊之一統計數值;以及 依據該統計數值與-第—臨界值之比較 第-區塊之該第-影像為該靜止狀態。、D,判斷H 16.如申請專利範圍第15項所述 中依據該差㈣塊,崎料—輯之;^方法,其 止狀態之步驟更包括: 心像為讀筹 依據該第-區塊之該第—影像之 :合人眼視覺系統之-最小可察覺失d 中該L7計==:=理方法 細+差、絕詞^ 25 „«08011 28964twf.doc/d 或者相關性四者其中之一或其組合。 18.如申請專利範圍第13項所述之影像處理方法,其 中依據該差值區塊,判斷該第一區塊之該第一影像為該靜 止狀態之步驟包括: 分析該差值區塊之一位元映像,以獲得該差值區塊之 一平滑度;以及 依據該平滑度與一第二臨界值之比較結果,判斷該第 一區塊之該第一影像為該靜止狀態。 19·如申請專利範圍第18項所述之影像處理方法,其 中該位元映像為該差值區塊之最低有效位元映像。 20. 如申請專利範圍第13項所述之影像處理方法,更 包括: 依據該第一區塊之該第一影像之一第一平均值與一環 境光臨界值之比較結果,判斷該第一區塊之該第一影像處 於一低環境光狀態; 累計一狀態計數值;以及 §該狀態計數值大於一第三臨界值時,則依據該些影 像區塊之該第一影像,判斷該第一區塊之該第一影像^ 該靜止狀態。 21. 如申請專利範圍第2〇項所述之影像處理方法, 包括: 依據鄰近該第一區塊之該些影像區塊之該第一影像, 判斷該第一區塊之該第一影像處於該靜止狀態。 22. —種影像處理裝置,包括: 26 201005675』嶋 28964twf.doc/d 一差值運算模組,接收—目前影像中多個影像區塊之 二第一區塊,並且將該目前影像中該第一區塊與至少一先 前影像中該第-區塊進行相減,以獲得一差值區塊,其中 各該影像區塊具有多個像素; 一移動偵測模組,耦接該差值運算模組,將該差值區 ^進行-移動偵測處理,以判斷該目前影像中該第—區塊 是否處1一靜止狀態並產生一第一控制信號;以及 Q 一時域濾波模組,耦接該移動偵測模組,受控於該第 -控制信號’當該目前影像中該第—區塊處於該靜止狀態 日τ ’將該目前影像帽第—區塊至少與該先前影像中該第 一區塊進行一時域濾波處理。 23. 如申請專利範圍第22項所述之影像處理裝置,1 中該移動偵測模組包括: 〃 一統计分析單元,計算該差值區塊之一統計數值;以 及 一決策單元,耦接該統計分析單元,依據該統計數值 雩與-第-臨界值之比較結果,判斷該目前影像中該第一區 塊是否處於該靜止狀態,進而產生該第—控制信號。 24. 如申請專利範圍第23項所述之影像處置,其 中該統計分析單元分析該差值區塊之一位元映像,以獲;寻 該差值區塊之-平滑度,且該決策單元依據該平滑度與^ 第二臨界值之比較結果,判斷該目前影像中該第-區塊Η 否處於該靜止狀態,進而產生該第一控制信號。 疋 25·如申請專利範圍第23項所述之影ϋ理裝置,其 27 201005675„_ 28964twf.doc/d 中該統計分析單元依據該目前影像中該第一區塊之一第一 平均值,計算符合人眼視覺系統之一最小可察覺失真度作 _為該第一臨界值。 26. 如申請專利範圍第23項所述之影像處理裝置,其 中該統計數值為該差值區塊之平均值、標準差、絕對值和 或者相關性四者其中之一或其組合。27. 如申睛專利範圍第22項所述之影像處理裝置,其 中該移動债測模組包括: β一統計分析單元,分析該差值區塊之—位元映像,以 獲得該差值區塊之一平滑度;以及 一决策單元,耦接該統計分析單元,依據該平滑度與 了第二臨界值之味結果,判斷該目前影像中該第一區塊 是否處於該靜止狀態,進而產生該第—控制信號。 28. _如申請專利範圍第27項所述之影像處理裝置,其 該位το映像為該差值區塊之最低有效位元映像。包括2:9·如申請專利範圍第如所述之影像處理裝置,更 一例外處理模組,包括: 第-平齡ί數ί元’依據該目前影像巾該第-區塊之一 像中該第-區塊界值之比較結果,_該目前影 值;以及 r像!衫―區塊處於—低環境光狀態時,累計一狀態數 疋’當該狀態計 多數決策單元,耦接該計數單天 28 201005675 28964twf.doc/d =大於-第三臨界值時’產生—第二控制信號中斷該移 動侧處理,並且依據該目前影像中一預定比例之該些影 像區塊的狀態’判斷該目前影像中該第—區塊是否處於該 靜止狀態,進而產生該第—控制信號。 30. 如申請專利範圍第29項;^之影像處理裝置,其 中該多數決策單元更依據鄰近該目前影像中該第一區塊之 該些影像區塊’判斷該目前影像中該第一區塊是否處於該 _ #止狀態’進而產生該第—控制信號。 31. 如申請專利範圍第22項所述之影像處理裝置,更 包括: 一畫框緩衝模組’耦接該時域濾波模組與該差值運算 模組,用以儲存經處理之該目前影像中該第一區塊,並提 供該先前影像中該第一區塊至該差值運算模組。 32. 如申請專利範圍第22項所述之影像處理裝置,其 中該時域滤波模組將該目前影像中該第一區塊所包含之該 些像素分別與該先前影像中該第一區塊所包含之該些像 • 進行權重運算。 、 29
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW097128687A TWI376645B (en) | 2008-07-29 | 2008-07-29 | Image processing methof of noise reduction and apparatus thereof |
US12/253,247 US8280182B2 (en) | 2008-07-29 | 2008-10-17 | Image processing method of noise reduction and apparatus thereof |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW097128687A TWI376645B (en) | 2008-07-29 | 2008-07-29 | Image processing methof of noise reduction and apparatus thereof |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201005675A true TW201005675A (en) | 2010-02-01 |
TWI376645B TWI376645B (en) | 2012-11-11 |
Family
ID=41608435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW097128687A TWI376645B (en) | 2008-07-29 | 2008-07-29 | Image processing methof of noise reduction and apparatus thereof |
Country Status (2)
Country | Link |
---|---|
US (1) | US8280182B2 (zh) |
TW (1) | TWI376645B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102595047A (zh) * | 2011-01-05 | 2012-07-18 | 索尼公司 | 图像处理装置以及图像处理方法 |
US10136787B2 (en) | 2015-05-26 | 2018-11-27 | Pixart Imaging Inc. | Image processing method and image processing apparatus which can perform background noise removing based on combined image |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110001882A1 (en) * | 2009-07-06 | 2011-01-06 | Sony Corporation | Method and system for determining motion vectors for flat regions |
JPWO2012114975A1 (ja) * | 2011-02-24 | 2014-07-07 | ソニー株式会社 | 画像処理装置および画像処理方法 |
US20130201404A1 (en) * | 2012-02-08 | 2013-08-08 | Chien-Ming Lu | Image processing method |
US9237343B2 (en) * | 2012-12-13 | 2016-01-12 | Mitsubishi Electric Research Laboratories, Inc. | Perceptually coding images and videos |
JP2015195439A (ja) * | 2014-03-31 | 2015-11-05 | ソニー株式会社 | 画像処理装置、画像処理方法及びプログラム |
US10140548B2 (en) * | 2014-08-15 | 2018-11-27 | Lenovo (Singapore) Pte. Ltd. | Statistical noise analysis for motion detection |
KR102286635B1 (ko) * | 2014-12-29 | 2021-08-09 | 삼성디스플레이 주식회사 | 표시 장치 |
US10511846B1 (en) * | 2016-09-01 | 2019-12-17 | Google Llc | Real-time adaptive video denoiser with moving object detection |
KR102467240B1 (ko) * | 2018-02-05 | 2022-11-15 | 한화테크윈 주식회사 | 영상의 잡음 제거 장치 및 방법 |
CN110084764B (zh) * | 2019-04-29 | 2024-06-25 | 努比亚技术有限公司 | 图像降噪处理方法、移动终端、装置及计算机存储介质 |
CN111447356B (zh) * | 2019-10-24 | 2021-05-14 | 黑龙江安持特新能源技术有限公司 | 减少数据运算量的实时督导装置 |
CN114095683B (zh) * | 2020-08-24 | 2024-07-02 | 腾讯科技(深圳)有限公司 | 基于差分块的视频噪声估计方法、装置、设备和存储介质 |
CN112738515B (zh) * | 2020-12-28 | 2023-03-24 | 北京百度网讯科技有限公司 | 用于自适应量化的量化参数调整方法和装置 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100242637B1 (ko) * | 1996-07-06 | 2000-02-01 | 윤종용 | 동보상된 영상의 블록화효과 및 링잉노이즈 감소를 위한 루프필터링방법 |
US6281942B1 (en) * | 1997-08-11 | 2001-08-28 | Microsoft Corporation | Spatial and temporal filtering mechanism for digital motion video signals |
ES2282307T3 (es) * | 2000-05-31 | 2007-10-16 | Thomson Licensing | Dispositivo y procedimiento de codificacion de video con filtrado recursivo compensado en movimiento. |
DE60141961D1 (de) * | 2001-09-10 | 2010-06-10 | Texas Instruments Inc | Verfahren und Vorrichtung zur Bewegungsvektorenabschätzung |
US7817717B2 (en) * | 2002-06-18 | 2010-10-19 | Qualcomm Incorporated | Motion estimation techniques for video encoding |
US8107535B2 (en) * | 2003-06-10 | 2012-01-31 | Rensselaer Polytechnic Institute (Rpi) | Method and apparatus for scalable motion vector coding |
US20050094899A1 (en) * | 2003-10-29 | 2005-05-05 | Changick Kim | Adaptive image upscaling method and apparatus |
KR100597397B1 (ko) * | 2003-11-06 | 2006-07-07 | 삼성전자주식회사 | 고속 움직임추정 알고리즘을 갖는 동영상 코딩방법 및 장치 |
CN100336395C (zh) | 2004-07-26 | 2007-09-05 | 西安交通大学 | 数字化电视后处理去隔行技术的自适应运动检测方法 |
KR100878809B1 (ko) * | 2004-09-23 | 2009-01-14 | 엘지전자 주식회사 | 비디오 신호의 디코딩 방법 및 이의 장치 |
CN100562129C (zh) | 2004-11-05 | 2009-11-18 | 中兴通讯股份有限公司 | 视频编码的时域滤波方法 |
US7715645B2 (en) * | 2004-11-17 | 2010-05-11 | Samsung Electronics Co., Ltd. | Methods to estimate noise variance from a video sequence |
US20060198441A1 (en) * | 2005-03-02 | 2006-09-07 | Hua-Chang Chi | Motion detection method for detecting motion objects in video frames generated from a video surveillance system |
US7714939B2 (en) * | 2005-04-05 | 2010-05-11 | Samsung Electronics Co., Ltd. | Reliability estimation of temporal noise estimation |
CN100426836C (zh) | 2005-07-19 | 2008-10-15 | 中兴通讯股份有限公司 | 一种基于运动检测和自适应滤波的视频图像降噪方法 |
US7570309B2 (en) * | 2005-09-27 | 2009-08-04 | Samsung Electronics Co., Ltd. | Methods for adaptive noise reduction based on global motion estimation |
KR100819288B1 (ko) * | 2006-10-20 | 2008-04-02 | 삼성전자주식회사 | 저조도 노이즈를 검출하는 방법 및 이를 위한 영상 압축장치 |
KR20080095084A (ko) * | 2007-04-23 | 2008-10-28 | 삼성전자주식회사 | 영상 잡음 제거 장치 및 방법 |
-
2008
- 2008-07-29 TW TW097128687A patent/TWI376645B/zh active
- 2008-10-17 US US12/253,247 patent/US8280182B2/en active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102595047A (zh) * | 2011-01-05 | 2012-07-18 | 索尼公司 | 图像处理装置以及图像处理方法 |
US10136787B2 (en) | 2015-05-26 | 2018-11-27 | Pixart Imaging Inc. | Image processing method and image processing apparatus which can perform background noise removing based on combined image |
Also Published As
Publication number | Publication date |
---|---|
US20100027898A1 (en) | 2010-02-04 |
US8280182B2 (en) | 2012-10-02 |
TWI376645B (en) | 2012-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TW201005675A (en) | Image processing methof of noise reduction and apparatus thereof | |
CN114584849B (zh) | 视频质量评估方法、装置、电子设备及计算机存储介质 | |
TWI324013B (en) | Video noise reduction method using adaptive spatial and motion-compensation temporal filters | |
Lin et al. | Perceptual visual quality metrics: A survey | |
US9230307B2 (en) | Image processing apparatus and method for generating a high resolution image | |
TWI323605B (en) | Apparatus and method for reducing temporal noise | |
JPWO2015190183A1 (ja) | 画像処理システム及びコンピュータ読み取り可能な記録媒体 | |
JP2007189657A (ja) | 画像評価装置、画像評価方法及びプログラム | |
WO2020108010A1 (zh) | 视频处理方法、装置、电子设备以及存储介质 | |
WO2014054273A1 (ja) | 画像ノイズ除去装置、および画像ノイズ除去方法 | |
TW200828984A (en) | A method for estimating noise | |
US20100026904A1 (en) | Video signal processing apparatus and video signal processing method | |
CN116977228B (zh) | 图像降噪方法、电子设备及存储介质 | |
TWI413023B (zh) | 移動偵測方法及裝置 | |
Xu et al. | Denoising for dynamic vision sensor based on augmented spatiotemporal correlation | |
CN103096009B (zh) | 图像处理装置和方法以及图像显示装置和方法 | |
US20200380700A1 (en) | Methods and apparatus for detecting motion estimation | |
CN108074248B (zh) | 一种基于图像内容的osd自动检测方法及装置 | |
TW200811758A (en) | Method for edge detection, method for motion detection, method for pixel interpolation utilizing up-sampling, and apparatuses thereof | |
US20160203617A1 (en) | Image generation device and display device | |
CN106611405B (zh) | 图像插值方法及装置 | |
Chen et al. | No-reference video quality assessment on mobile devices | |
JP3969151B2 (ja) | 画像表示装置、画像処理方法、プログラム及び情報記憶媒体 | |
TWI316814B (en) | Device for reducing impulse noise and method thereof | |
US20240177277A1 (en) | System, devices and/or processes for application of an intensity derivative for temporal image stability |