TWI501628B - 雜訊估測裝置及其方法 - Google Patents

雜訊估測裝置及其方法 Download PDF

Info

Publication number
TWI501628B
TWI501628B TW102100585A TW102100585A TWI501628B TW I501628 B TWI501628 B TW I501628B TW 102100585 A TW102100585 A TW 102100585A TW 102100585 A TW102100585 A TW 102100585A TW I501628 B TWI501628 B TW I501628B
Authority
TW
Taiwan
Prior art keywords
value
image
pixel data
block
distribution
Prior art date
Application number
TW102100585A
Other languages
English (en)
Other versions
TW201429227A (zh
Inventor
Kuan Kang Lai
Original Assignee
Novatek Microelectronics Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Novatek Microelectronics Corp filed Critical Novatek Microelectronics Corp
Priority to TW102100585A priority Critical patent/TWI501628B/zh
Priority to US13/897,001 priority patent/US9031322B2/en
Publication of TW201429227A publication Critical patent/TW201429227A/zh
Application granted granted Critical
Publication of TWI501628B publication Critical patent/TWI501628B/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • 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
    • G06T2207/20076—Probabilistic image processing
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Picture Signal Circuits (AREA)

Description

雜訊估測裝置及其方法
本發明是有關於一種雜訊估測裝置及其方法，且特別是有關於一種計算影像之雜訊估測值之雜訊估測裝置及其方法。
近年來，由於多媒體應用的快速發展，對於影像品質的要求也日漸提高。然而，多媒體影像常會受到雜訊的干擾，這些雜訊不僅會降低影像的品質，使其清晰度、銳利度因此而降低，物體輪廓也變得模糊。為了消除影像雜訊，雜訊估測(noise estimation)技術通常被應用於影像處理系統當中，以作為雜訊降低(noise reduction)處理的基準。
然而，在執行雜訊估測時，影像中的細節部分或是動態的影像往往會被誤判為影像中的雜訊，倘若依此判斷結果而接著進行雜訊降低處理，如此將使得雜訊降低處理後的影像反而被減低了影像品質。
因此，如何提供一種可以有效地判斷影像內容受雜訊干擾程度的雜訊估測技術，以避免影像細節或是動態影像被誤判為雜訊，乃業界所致力的課題之一。
本發明係有關於一種雜訊估測技術，可以有效地判斷影像內容受雜訊干擾的程度。
根據本發明之一方面，提出一種雜訊估測裝置。雜訊估測裝置用以計算一影像之一雜訊估測值，該影像具有M個區塊，該M個區塊可重疊或不重疊，每個區塊各自具有複數筆像素資料，該些像素資料中包括一目標像素資料，M係大於1之正整數，該雜訊估測裝置包括一分佈計算單元、一變異數計算單元、一分佈曲線產生模組及一雜訊估測單元。分佈計算單元用以依據該影像之第i個區塊之該些像素資料，以及一先前影像之該第i個區塊之複數筆先前像素資料，計算複數筆像素值之所分別對應之像素個數，以產生一像素分佈，i係介於1至M之正整數。變異數計算單元用以組合該影像之該第i個區塊之該些像素資料以及該先前影像之該第i個區塊之該些先前像素資料，並對應地產生一變異數。分佈曲線產生模組以該影像之該第i個區塊之該目標像素資料為基準，根據該變異數產生一分佈曲線，並比較該像素分佈以及該分佈曲線，以對應地產生一權重值。雜訊估測單元用以依據該影像之每一個區塊所對應之該權重值及該變異數，輸出該雜訊估測值。
根據本發明之另一方面，提出一種雜訊估測方法，係使用於一雜訊估測裝置，此方法用以計算一影像之一雜訊估測值，該影像具有M個區塊，該M個區塊可重疊或不重疊，每個區塊各自具有複數筆像素資料，該些像素資料中包括一目標像素資料，M係大於1之正整數，該雜訊估測方法包括：依據該影像之第i個區塊之該些像素資料，以及一先前影像之該第i個區塊之複數筆先前像素資料，計算複數筆像素值之所分別對應之像素個數，以產生一像 素分佈，i係介於1至M之正整數；組合該影像之該第i個區塊之該些像素資料以及該先前影像之該第i個區塊之該些先前像素資料，並對應地產生一變異數；以該影像之該第i個區塊之該目標像素資料為基準，根據該變異數產生一分佈曲線，並比較該像素分佈以及該分佈曲線，以對應地產生一權重值；以及依據該影像之每一個區塊所對應之該權重值及該變異數，輸出該雜訊估測值。
為了對本發明之上述及其他方面有更佳的瞭解，下文特舉實施例，並配合所附圖式，作詳細說明如下：
請參照第1圖，第1圖繪示乃本發明一實施例之雜訊估測裝置100之方塊圖。雜訊估測裝置100用以計算影像之雜訊估測值σavg 。此影像具有M個區塊，此M個區塊可重疊或不重疊。每個區塊各自具有多筆像素資料，此些像素資料中包括一目標像素資料，M係大於1之正整數。上述之多筆像素資料例如是對應至顯示面板上的多個像素點。
為方便理解，請同時參照第2A及2B圖。第2A及2B圖乃分別繪示影像之M個區塊可重疊及不重疊之示意圖。在第2A圖中，影像Ft中的每條橫列各表一像素列，而各橫列中的每個小方格各代表一個像素。各個像素係各自對應至一個區塊，目標像素資料係為所對應之區塊的一中心像素資料。進一步地說，假使影像中的區塊的大小為1×K的像素列，且K為大於零的奇數，當目標像素資料為 影像中的第i筆像素資料Pi ，則對應於此像素資料Pi 的影像中第i個區塊Ft(i)包括了像素資料Pi-(K-1)/2 、Pi-(K-1) /2+1 、...Pi ...、Pi+(K-1)/2-1 、Pi+(K-1)/2 。而當目標像素資料為影像中的第i+1筆像素資料Pi+1 ，則對應於此像素資料Pi+1的影像中第i+1個區塊Ft(i+1)包括了像素資料Pi+1-(K-1)/2 、Pi+1-(K-1)/2+1 、...Pi+1 ...、Pi+1+(K-1)/2-1 、Pi+1+(K-1)/2 ，以此類推。反之，在第2B圖中，影像中的區塊的大小例如為K×K的像素矩陣，影像Ft’被均分為多個彼此不重疊的區塊，每個區塊的目標像素資料例如為該區塊的中心像素資料。舉例來說，區塊Ft’(i)的目標像素資料例如為像素資料Pi ，而區塊Ft’(i+1)的目標像素資料例如為像素資料Pi+K 。然本發明並不以此為限，上述之區塊之大小以及目標像素資料相對於其對應區塊的位置皆可視不同的應用而調整。
請再參照第1圖，雜訊估測裝置100包括分佈計算單元102、變異數計算單元104、分佈曲線產生模組106及雜訊估測單元108。分佈計算單元102用以依據影像Ft之第i個區塊Ft(i)之多筆像素資料，以及先前影像Ft-1之第i個區塊Ft-1(i)之多筆先前像素資料，計算多筆像素值之所分別對應之像素個數，以產生一像素分佈h(i)，i係介於1至M之正整數。上述之影像Ft之第i個區塊Ft(i)以及先前影像Ft-1之第i個區塊Ft-1(i)例如對應至畫面中相同的顯示位置，且於時間的排序上，先前影像Ft-1係表示早於影像Ft所顯示的影像。此外，上述之像素值例如為灰階值(gray scale level)。
變異數計算單元104用以組合影像Ft之第i個區塊Ft(i)之多筆像素資料以及先前影像Ft-1之該第i個區塊Ft-1(i)之多筆先前像素資料，並對應地產生一變異數σ(i)。上述之變異數σ(i)例如代表統計學上的變異數(variance)。
分佈曲線產生模組106以影像Ft之第i個區塊Ft(i)之目標像素資料為基準，根據變異數σ(i)產生一分佈曲線G(i)，並比較像素分佈h(i)以及分佈曲線G(i)，以對應地產生一權重值W(i)。
最後，雜訊估測單元108用以依據Ft影像之每一個區塊Ft(1)~Ft(M)所對應之權重值W(1)~W(M)及變異數σ(1)~σ(M)，輸出雜訊估測值σavg 。
請參照第3圖，其繪示乃上述分佈計算單元102之方塊圖之一例。分佈計算單元102包括第一計算單元302、第二計算單元304及合成單元306。第一計算單元302用以計算影像Ft之第i個區塊之多筆像素資料之對應至各該些像素值之像素個數，以輸出一第一分佈h1(i)。第二計算單元304用以計算先前影像Ft-1之第i個區塊之多筆先前像素資料之對應至各該些像素值之像素個數，以輸出一第二分佈h2(i)。合成單元306用以結合第一分佈h1(i)及第二分佈h2(i)，以產生像素分佈h(i)。上述之第一分佈h1(i)、第二分佈h2(i)及像素分佈h(i)例如皆為直方圖(histogram)的形式。
請同時參照第4A圖及第4B圖。第4A圖繪示係為第一分佈h1(i)之一例之示意圖，第4B圖繪示係為第二分佈h2(i)之一例之示意圖。於第4A圖以及第4B圖中，座標之 橫軸表示灰階值，範圍例如由0至255；座標之縱軸表示像素個數。每一直方條分別表示對應於一灰階值之像素個數。
合成單元306結合第一分佈h1(i)及第二分佈h2(i)的方式例如是將兩分佈進行疊合(superposition)。舉例來說，第一分佈h1(i)中每一像素值所對應的像素個數係與第二分佈h2(i)中每一像素值所對應的像素個數各別相加以產生對應至不同像素值之像素個數的像素分佈h(i)。如第4C圖所示，其繪示如第4A圖中的第一分佈h1(i)與第4B圖中的第二分佈h2(i)進行疊合後所產生的像素分佈h(i)之一例之示意圖。
然，本發明並不限於上述之例示，分佈計算單元102亦可對多組分別對應至不同時間點的畫面Ft~Ft-k之第i個區塊之多筆像素資料進行處理，以對應地產生像素分佈h’(i)，其中k為正整數。而引進多張分別對應至不同時間點的畫面Ft~Ft-k可提供影像處理上更多的取樣點。
接著請參照第5圖，其繪示乃上述變異數計算單元104之方塊圖之一例。變異數計算單元104包括運算單元502及變異數取得單元504。運算單元502用以組合影像Ft之第i個區塊之多筆像素資料與先前影像Ft-1之第i個區塊之多筆先前像素資料，以對應輸出一合成像素資料S(i)。
請參照第6圖，其繪示上述合成像素資料S(i)之一例之示意圖。於第6圖中，影像Ft之第i個區塊之多筆像素資料Ft(i)係接續於先前影像Ft-1之第i個區塊之多筆先前像素資料Ft-1(i)，以組合成一筆合成像素資料S(i)。然上 述之例示並非用以限定本發明，運算單元502亦可透過其他組合、排序之方式，以產生包括影像Ft之第i個區塊之多筆像素資料Ft(i)以及先前影像Ft-1之第i個區塊之多筆先前像素資料Ft-1(i)之合成像素資料S(i)。
請再參照第5圖，變異數取得單元504用以依據此合成像素資料S(i)以產生變異數σ(i)。由於產生變異數σ(i)之方式例如可由一般影像處理軟體得出，故不在此贅述。然倘若分佈計算單元102依上述對多組分別對應至不同時間點的畫面Ft~Ft-k之第i個區塊之多筆像素資料進行處理，以對應地產生像素分佈h’(i)，則變異數計算單元104係對應地對此些不同時間點的畫面Ft~Ft-k之第i個區塊之多筆像素資料作計算，以產生變異數σ’(i)。簡言之，本發明實施例並不侷限於僅依據影像Ft及先前影像Ft-1作雜訊估測，亦可依據多組分別對應至不同時間點的畫面Ft~Ft-k來作雜訊估測。
請參照第7圖，其繪示乃上述分佈曲線產生模組106之方塊圖之一例。分佈曲線產生模組106包括分佈曲線產生單元702、差值計算單元704及權值計算單元706。分佈曲線產生單元702以影像Ft之第i個區塊之目標像素資料為基準，根據變異數σ(i)，進行查表以輸出分佈曲線G(i)。
上述之分佈曲線G(i)例如為高斯分佈(Gaussian distribution)。選取高斯分佈作為例示的原因在於，申請人於研究時發現，一般的電視影像訊號當中，受到雜訊干擾的像素資料往往會以高斯分佈呈現；相對地，影像內容的 細節部分或是動態影像所對應的像素分佈則通常會和高斯分佈大不相同。因此，倘若經比較後得知影像內容中的像素分佈與高斯分佈越相近似，則表示此影像內容越可能是受雜訊所干擾。然本發明並不限於此，於另一實施例中，分佈曲線G(i)亦可例如為卜瓦松分佈(Poisson distribution)。總而言之，凡是分佈之曲線可對應至影像訊號中的雜訊模型，皆不脫離本發明實施例中所述分佈曲線G(i)之精神。
此外，若以分佈曲線G(i)為高斯分佈為例，因高斯分佈具有分佈曲線下之涵蓋面積為固定之特性，透過此特性，可預先建立數組分別對應至不同變異數σ(i)之高斯分佈模型於分佈曲線產生單元702當中，以供之後的查表對應。
請同時參照第8圖，其繪示乃分佈曲線G(i)之一例之示意圖。於第8圖中，其座標之橫軸表示像素值，像素值例如為灰階值，其範圍例如由0至255，縱軸表示像素個數。曲線802表示以目標像素資料所對應之像素值Pv作為基準，依據變異數σ(i)所查表得出的分佈曲線G(i)。於此實施例中，由於分佈曲線產生單元702當中所預先建立的分佈模型(例如為高斯分佈模型)係以座標原點為基準(例如均值為零)，為了呈現以目標像素資料為基準之雜訊模型，分佈曲線產生模組106進一步將目標像素資料所對應之像素值Pv設定為此分佈模型之基準以作為分佈曲線G(i)輸出。
請再參照第7圖，差值計算單元704用以比較分佈曲 線G(i)及像素分佈h(i)，以輸出一差異值D(i)。差異值D(i)例如可由下式得出：
其中，參數k表示像素值，倘若像素值代表灰階值，則參數k的範圍例如為0至255；參數Sk 表示分佈曲線G(i)於像素值k的像素個數減去像素分佈h(i)於像素值k的像素個數。當然，本發明並不限於此，凡是依據參數Sk 所作之線性或非線性之組合，或是將分佈曲線G(i)及像素分佈h(i)間的差異進行量化所產生之的值，皆可作為本發明實施例之差異值D(i)。
權值計算單元706用以依據此差異值D(i)以對應地產生權重值W(i)。請參照第9A圖，其繪示乃權重值W(i)與差異值D(i)之對應關係之一例之示意圖。由曲線902的變化可知，當差異值D(i)之大小介於第一閥值TH1與第二閥值TH2之間，且第二閥值TH2係大於該第一閥值TH1，當該差異值D(i)越大時，則所對應的該權重值W(i)越小。於此實施例中，權重值W(i)之大小係介於權重上限值WH及權重下限值WL之間，於曲線902中，介於第一閥值TH1至第二閥值TH2間的差異值D(i)，係由點座標(TH1，WH)及點座標(TH2，WL)線性內插所得到。權重上限值WH及權重下限值WL例如分別為介於0至1的值，且權重上限值WH係大於權重下限值WL。曲線902的意義在於，權重值W(i)例如對應至雜訊的發生機率，當差異值D(i)越大，表示像素分佈h(i)與分佈曲線G(i)間的差異越大， 亦表示像素分佈h(i)越不近似於雜訊之分佈曲線(例如高斯曲線)，雜訊的發生機率越低，故權重值W(i)對應地越小。然本發明並不以上述之例示為限，亦即，權重值(i)與差異值D(i)間的對應關係曲線並不限於兩點間的線性內插，只要權重值W(i)能依據差異值D(i)而反映雜訊的權重，皆屬於本發明精神所涵蓋之範圍。
上述之第一閥值TH1與第二閥值TH2例如是分別根據變異數σ(i)以動態閥值(dynamic threshold)之方式產生。為清楚說明，請同時參照第9B圖及第9C圖，其分別繪示第一閥值TH1與第二閥值TH2分別與變異數σ(i)之對應關係之一例之示意圖。於第9B圖中，由曲線904的變化可知，當變異數σ(i)於下臨界值THa及上臨界值THb間變化時，第一閥值TH1係介於第一下限值TH1α及第一上限值TH1β之間，第一閥值TH1之值係可由點(THa，TH1α)及點(THb，TH1β)線性內插形成。類似地，於第9C圖中，由曲線906的變化可知，當變異數σ(i)於下臨界值THa及上臨界值THb間變化時，第二閥值TH2係介於第二下限值TH2α及第二上限值TH2β之間，第二閥值TH2之值係可由點(THa，TH2α)及點(THb，TH2β)線性內插所形成。上述之第一下限值TH1α、第一上限值TH1β、第二下限值TH2α、第二上限值TH2β、上臨界值THb及下臨界值THa皆可視不同的應用情況而設定，惟第二下限值TH2α及第二上限值TH2β皆須分別大於第一下限值TH1α及第一上限值TH1β。以動態閥值的方式產生第一閥值TH1與第二閥值TH2的好處在於，當所得出的變異數σ(i)過大 時，權值計算單元706同樣能夠依據差異值D(i)對應出適當的權重值W(i)，以有效地判別出影像內容受雜訊干擾的程度。
接著請參照第10圖，其繪示乃上述雜訊估測單元108之一例之方塊圖。雜訊估測單元108包括雜訊估測器1002。雜訊估測器1002用以依據影像Ft之每一個區塊Ft(1)~Ft(M)所對應之權重值W(1)~W(M)及變異數σ(1)~σ(M)進行加權平均處理，以輸出雜訊估測值σavg 。舉例來說，雜訊估測值σavg 例如可由下式得出：
由上式可知，雜訊估測值σavg 係表示整張影像Ft受雜訊干擾的程度。當雜訊估測值σavg 越大，則表示影像Ft受雜訊干擾的程度越高，反之，當雜訊估測值σavg 越小，則表示影像Ft受雜訊干擾的程度越低。然本發明並不限於此，只要是依據權重值W(i)及變異數σ(i)運算組合所得出的結果，皆可作為本發明中用以評估影像雜訊的參考值。
此外，雜訊估測單元108更可包括保護單元1004。保護單元1004用以於所有區塊Ft(1)~Ft(M)之權重值W(1)~W(M)之加總(即)低於一臨界值T時，對雜訊估測器1002所輸出之雜訊估測值σavg 除以一低減值DN，以作為雜訊估測值σavg’ 輸出。由於當所有區塊 Ft(1)~Ft(M)之權重值W(1)~W(M)之加總過低時，所對應得出的雜訊估測值σavg 是較不可靠(unreliable)的，故於此情況下，保護單元1004係透過對雜訊估測值σavg 除以低減值DN，以適當地調整雜訊估測值σavg 以作為輸出。
請參照第11圖，其繪示乃所有區塊Ft(1)~Ft(M)之權重值W(1)~W(M)之加總與低減值DN之對應關係之一例之示意圖。由曲線1102可知，當所有區塊Ft(1)~Ft(M)之權重值W(1)~W(M)之加總越低於臨界值T，則此低減值DN越大。低減值DN之範圍例如是介於低減上限值DNH至低減下限值DNL之間。低減上限值DNH的值例如為128，低減下限值DNL的值例如是1。
本實施例更提出一種雜訊估測方法，雜訊估測方法用於本發明實施例之雜訊估測裝置100。請參照第12圖，其繪示乃本實施例之雜訊估測方法之流程圖。此方法包括步驟S1202、S1204、S1206與S1208。首先，於步驟S1202中，依據影像Ft之第i個區塊之多筆像素資料，以及先前影像Ft-1之第i個區塊之多筆先前像素資料，計算多筆像素值之所分別對應之像素個數，以產生一像素分佈h(i)，i係介於1至M之正整數。
接著，於步驟S1204中，組合影像Ft之第i個區塊之多筆像素資料以及先前影像Ft-1之第i個區塊之多筆先前像素資料，並對應地產生一變異數σ(i)。
然後，於步驟S1206中，以影像Ft之第i個區塊之目標像素資料為基準，根據變異數σ(i)產生一分佈曲線 G(i)，並比較像素分佈h(i)以及分佈曲線G(i)，以對應地產生一權重值W(i)。
最後，於步驟S1208中，依據影像Ft之每一個區塊Ft(1)~Ft(M)所對應之權重值W(1)~W(M)及變異數σ(1)~σ(M)，輸出雜訊估測值σavg 。
本實施例之一種用以計算影像之雜訊估測值的雜訊估測裝置及其方法，可以有效地判斷影像內容受雜訊干擾的程度。
綜上所述，雖然本發明已以實施例揭露如上，然其並非用以限定本發明。本發明所屬技術領域中具有通常知識者，在不脫離本發明之精神和範圍內，當可作各種之更動與潤飾。因此，本發明之保護範圍當視後附之申請專利範圍所界定者為準。
100‧‧‧雜訊估測裝置
102‧‧‧分佈計算單元
104‧‧‧變異數計算單元
106‧‧‧分佈曲線產生模組
108‧‧‧雜訊估測單元
302‧‧‧第一計算單元
304‧‧‧第二計算單元
306‧‧‧合成單元
502‧‧‧運算單元
504‧‧‧變異數取得單元
702‧‧‧分佈曲線產生單元
704‧‧‧差值計算單元
706‧‧‧權值計算單元
1002‧‧‧雜訊估測器
1004‧‧‧保護單元
第1圖繪示本發明一實施例之雜訊估測裝置之方塊圖。
第2A圖繪示影像之M個區塊可重疊之示意圖。
第2B圖繪示影像之M個區塊不重疊之示意圖。
第3圖繪示分佈計算單元之一例之方塊圖。
第4A圖繪示第一分佈之一例之示意圖。
第4B圖繪示第二分佈之一例之示意圖。
第4C圖繪示像素分佈之一例之示意圖。
第5圖繪示變異數計算單元之一例之方塊圖。
第6圖繪示合成像素資料之一例之示意圖。
第7圖繪示分佈曲線產生模組之一例之方塊圖。
第8圖繪示分佈曲線之一例之示意圖。
第9A圖繪示權重值與差異值之對應關係之一例之示意圖。
第9B圖繪示第一閥值與變異數之對應關係之一例之示意圖。
第9C圖繪示第二閥值與變異數之對應關係之一例之示意圖。
第10圖繪示雜訊估測單元之一例之方塊圖。
第11圖繪示所有區塊之權重值之加總與低減值之對應關係之一例之示意圖。
第12圖繪示本實施例雜訊估測方法之流程圖。
100‧‧‧雜訊估測裝置
102‧‧‧分佈計算單元
104‧‧‧變異數計算單元
106‧‧‧分佈曲線產生模組
108‧‧‧雜訊估測單元

Claims (20)

  1. 一種雜訊估測裝置，用以計算一影像之一雜訊估測值，該影像具有M個區塊，該M個區塊可重疊或不重疊，每個區塊各自具有複數筆像素資料，該些像素資料中包括一目標像素資料，M係大於1之正整數，該雜訊估測裝置包括：一分佈計算單元，用以依據該影像之第i個區塊之該些像素資料，以及一先前影像之該第i個區塊之複數筆先前像素資料，計算複數筆像素值之所分別對應之像素個數，以產生一像素分佈，i係介於1至M之正整數；一變異數計算單元，用以組合該影像之該第i個區塊之該些像素資料以及該先前影像之該第i個區塊之該些先前像素資料，並對應地產生一變異數；一分佈曲線產生模組，以該影像之該第i個區塊之該目標像素資料為基準，根據該變異數產生一分佈曲線，並比較該像素分佈以及該分佈曲線，以對應地產生一權重值；以及一雜訊估測單元，用以依據該影像之每一個區塊所對應之該權重值及該變異數，輸出該雜訊估測值。
  2. 如申請專利範圍第1項所述之雜訊估測裝置，其中該分佈計算單元包括：一第一計算單元，用以計算該影像之該第i個區塊之該些像素資料之對應至各該些像素值之像素個數，以輸出一第一分佈；一第二計算單元，用以計算該先前影像之該第i個區 塊之該些先前像素資料之對應至各該些像素值之像素個數，以輸出一第二分佈；以及一合成單元，用以結合該第一分佈及該第二分佈，以產生該像素分佈。
  3. 如申請專利範圍第1項所述之雜訊估測裝置，其中該變異數計算單元包括：一運算單元，用以組合該影像之該第i個區塊之該些像素資料與該先前影像之該第i個區塊之該些先前像素資料，以對應輸出一合成像素資料；以及一變異數取得單元，用以依據該合成像素資料以產生該變異數。
  4. 如申請專利範圍第1項所述之雜訊估測裝置，其中該分佈曲線產生模組包括：一分佈曲線產生單元，以該影像之該第i個區塊之該目標像素資料為基準，根據該變異數，進行查表以輸出該分佈曲線；一差值計算單元，用以比較該分佈曲線及該像素分佈，以輸出一差異值；以及一權值計算單元，用以依據該差異值以對應地產生該權重值。
  5. 如申請專利範圍第4項所述之雜訊估測裝置，其中該分佈曲線為高斯分佈(Gaussian distribution)。
  6. 如申請專利範圍第4項所述之雜訊估測裝置，其中當該差異值之大小介於一第一閥值與一第二閥值之間，該第二閥值係大於該第一閥值，當該差異值越大時，所對應 的該權重值越小。
  7. 如申請專利範圍第6項所述之雜訊估測裝置，其中該第一閥值與該第二閥值係分別根據該變異數以動態閥值(dynamic threshold)之方式產生。
  8. 如申請專利範圍第1項所述之雜訊估測裝置，其中該雜訊估測單元包括：一雜訊估測器，用以依據該影像之每一個區塊所對應之該權重值及該變異數進行加權平均處理，以輸出該雜訊估測值。
  9. 如申請專利範圍第8項所述之雜訊估測裝置，其中該雜訊估測單元更包括：一保護單元，用以於所有區塊之該權重值之加總低於一臨界值時，對該雜訊估測器所輸出之該雜訊估測值除以一低減值，以作為該雜訊估測值輸出，其中當所有區塊之該權重值之加總越低於該臨界值，則該低減值越大。
  10. 如申請專利範圍第1項所述之雜訊估測裝置，其中該影像具有M個像素，各個像素係各自對應至一個區塊，該目標像素資料係為所對應之該區塊的一中心像素資料。
  11. 一種雜訊估測方法，用以計算一影像之一雜訊估測值，該影像具有M個區塊，該M個區塊可重疊或不重疊，每個區塊各自具有複數筆像素資料，該些像素資料中包括一目標像素資料，M係大於1之正整數，該雜訊估測方法包括：依據該影像之第i個區塊之該些像素資料，以及一先 前影像之該第i個區塊之複數筆先前像素資料，計算複數筆像素值之所分別對應之像素個數，以產生一像素分佈，i係介於1至M之正整數；組合該影像之該第i個區塊之該些像素資料以及該先前影像之該第i個區塊之該些先前像素資料，並對應地產生一變異數；以該影像之該第i個區塊之該目標像素資料為基準，根據該變異數產生一分佈曲線，並比較該像素分佈以及該分佈曲線，以對應地產生一權重值；以及依據該影像之每一個區塊所對應之該權重值及該變異數，輸出該雜訊估測值。
  12. 如申請專利範圍第11項所述之雜訊估測方法，其中該產生該像素分佈之步驟包括：計算該影像之該第i個區塊之該些像素資料之對應至各該些像素值之像素個數，以輸出一第一分佈；計算該先前影像之該第i個區塊之該些先前像素資料之對應至各該些像素值之像素個數，以輸出一第二分佈；以及結合該第一分佈及該第二分佈，以產生該像素分佈。
  13. 如申請專利範圍第11項所述之雜訊估測方法，其中該產生該變異數之步驟包括：組合該影像之該第i個區塊之該些像素資料與該先前影像之該第i個區塊之該些先前像素資料，以對應輸出一合成像素資料；以及依據該合成像素資料以產生該變異數。
  14. 如申請專利範圍第11項所述之雜訊估測方法，其中該產生該權重值之步驟包括：以該影像之該第i個區塊之該目標像素資料為基準，根據該變異數，進行查表以輸出該分佈曲線；比較該分佈曲線及該像素分佈，以輸出一差異值；以及依據該差異值以對應地產生該權重值。
  15. 如申請專利範圍第14項所述之雜訊估測方法，其中該分佈曲線為高斯分佈。
  16. 如申請專利範圍第14項所述之雜訊估測方法，其中當該差異值之大小介於一第一閥值與一第二閥值之間，該第二閥值係大於該第一閥值，當該差異值越大時，所對應的該權重值越小。
  17. 如申請專利範圍第16項所述之雜訊估測方法，其中該第一閥值與該第二閥值係分別根據該變異值以動態閥值(dynamic threshold)之方式產生。
  18. 如申請專利範圍第11項所述之雜訊估測方法，其中該輸出該雜訊估測值之步驟包括：依據該影像之每一個區塊所對應之該權重值及該變異數進行加權平均處理，以輸出該雜訊估測值。
  19. 如申請專利範圍第18項所述之雜訊估測方法，其中該輸出該雜訊估測值之步驟更包括：於所有區塊之該權重值之加總低於一臨界值時，對該雜訊估測器所輸出之該雜訊估測值除以一低減值，以作為該雜訊估測值輸出，其中當所有區塊之該權重值之加總越 低於該臨界值，則該低減值越大。
  20. 如申請專利範圍第11項所述之雜訊估測方法，其中該影像具有M個像素，各個像素係各自對應至一個區塊，該目標像素資料係為所對應之該區塊的一中心像素資料。
TW102100585A 2013-01-08 2013-01-08 雜訊估測裝置及其方法 TWI501628B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW102100585A TWI501628B (zh) 2013-01-08 2013-01-08 雜訊估測裝置及其方法
US13/897,001 US9031322B2 (en) 2013-01-08 2013-05-17 Noise estimation apparatus and method thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW102100585A TWI501628B (zh) 2013-01-08 2013-01-08 雜訊估測裝置及其方法

Publications (2)

Publication Number Publication Date
TW201429227A TW201429227A (zh) 2014-07-16
TWI501628B true TWI501628B (zh) 2015-09-21

Family

ID=51061007

Family Applications (1)

Application Number Title Priority Date Filing Date
TW102100585A TWI501628B (zh) 2013-01-08 2013-01-08 雜訊估測裝置及其方法

Country Status (2)

Country Link
US (1) US9031322B2 (zh)
TW (1) TWI501628B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10511846B1 (en) * 2016-09-01 2019-12-17 Google Llc Real-time adaptive video denoiser with moving object detection
US10674045B2 (en) * 2017-05-31 2020-06-02 Google Llc Mutual noise estimation for videos
RU2721188C2 (ru) 2017-12-14 2020-05-18 Общество с ограниченной ответственностью "Аби Продакшн" Улучшение контраста и снижение шума на изображениях, полученных с камер
CN110858867B (zh) * 2018-08-07 2021-12-10 瑞昱半导体股份有限公司 影像处理装置及其方法
TWI682295B (zh) * 2018-11-05 2020-01-11 財團法人資訊工業策進會 測試資料產生裝置及測試資料產生方法
CN112862753B (zh) * 2020-12-31 2024-05-24 百果园技术(新加坡)有限公司 噪声强度估计方法、装置及电子设备
CN113674209A (zh) * 2021-07-20 2021-11-19 浙江大华技术股份有限公司 视频噪声检测方法、终端设备和计算机存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050107982A1 (en) * 2003-11-17 2005-05-19 Zhaohui Sun Method and system for noise estimation from video sequence
US20060103765A1 (en) * 2004-11-17 2006-05-18 Samsung Electronics Co, Ltd. Methods to estimate noise variance from a video sequence
US20070223839A1 (en) * 2006-03-22 2007-09-27 Pavel Kisilev Signal noise estimation

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100356974B1 (ko) 1994-03-07 2003-01-24 코닌클리케 필립스 일렉트로닉스 엔.브이. 노이즈측정방법및장치
WO2001035677A1 (en) 1999-11-11 2001-05-17 Stmicroelectronics Asia Pacific Pte Ltd. Video signal noise level estimator
US7092579B2 (en) 2002-05-20 2006-08-15 Eastman Kodak Company Calculating noise estimates of a digital image using gradient analysis
US7714939B2 (en) 2005-04-05 2010-05-11 Samsung Electronics Co., Ltd. Reliability estimation of temporal noise estimation
US8279345B2 (en) * 2009-07-21 2012-10-02 Qualcomm Incorporated System and method for random noise estimation in a sequence of images

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050107982A1 (en) * 2003-11-17 2005-05-19 Zhaohui Sun Method and system for noise estimation from video sequence
US20060103765A1 (en) * 2004-11-17 2006-05-18 Samsung Electronics Co, Ltd. Methods to estimate noise variance from a video sequence
US20070223839A1 (en) * 2006-03-22 2007-09-27 Pavel Kisilev Signal noise estimation

Also Published As

Publication number Publication date
US9031322B2 (en) 2015-05-12
US20140193070A1 (en) 2014-07-10
TW201429227A (zh) 2014-07-16

Similar Documents

Publication Publication Date Title
TWI501628B (zh) 雜訊估測裝置及其方法
US8860829B2 (en) Image processing device, image processing method, and image processing program
KR101590767B1 (ko) 영상 처리 장치 및 방법
US20170280073A1 (en) Systems and Methods for Reducing Noise in Video Streams
US9202263B2 (en) System and method for spatio video image enhancement
JP5687553B2 (ja) 画像合成装置、画像合成方法及び画像合成プログラム
US20100157072A1 (en) Image processing apparatus, image processing method, and program
US20100142828A1 (en) Image matching apparatus and method
CN109963048B (zh) 降噪方法、降噪装置及降噪电路系统
US8675128B2 (en) Image processing method and system with repetitive pattern detection
JP2021184594A (ja) ビデオフレームの補間装置及び方法
US8295647B2 (en) Compressibility-aware media retargeting with structure preserving
US10242432B2 (en) Video denoising system based on noise correlation
US9135676B2 (en) Image interpolation processing apparatus and method thereof
JP6017279B2 (ja) 画像処理装置、画像処理方法及びプログラム
CN109325909B (zh) 一种图像放大方法和图像放大装置
CN111681236B (zh) 一种带注意力机制的目标密度估计方法
US8111325B2 (en) Image processing apparatus and method and program
US20130120461A1 (en) Image processor and image processing method
US9008463B2 (en) Image expansion apparatus for performing interpolation processing on input image data, and image expansion method thereof
US9305336B2 (en) Apparatus and method for estimating noise
JP6236906B2 (ja) 評価装置、評価方法および評価プログラム
CN103945090B (zh) 噪声估测装置及其方法
KR101681766B1 (ko) 깊이 영상의 생성 방법
JP2013218227A (ja) 数値標高モデル評価装置及び数値標高モデル評価方法

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees