圖像去噪方法和圖像去噪裝置的制造方法
【技術領域】
[0001] 本發明涉及圖像處理技術領域，具體而言，涉及圖像去噪方法和圖像去噪裝置。
【背景技術】
[0002] 隨著數碼相機和掃描儀的發展和普及，可非常容易獲取數字圖像。然而，任何真實 世界中的傳感器都在一定程度上被噪聲干擾，例如熱量、電能或其他物質。噪聲可以破壞信 號的真實測量，導致任何圖像數據均包括信號和噪聲。各種與圖像相關的應用，例如醫療圖 像分析、圖像分割和對象檢測等等，基本上需要使用有效噪聲抑制方法來進一步生成可信 結果。因此，在圖像處理和計算機視覺中，圖像過濾已成為其中一個重要且廣泛被學習的技 術。灰度圖像作為一種重要且常用的圖像，其噪聲過濾方法是非常重要的。
[0003] 目前已有一些去噪方法來嘗試過濾灰度圖像的噪聲，例如基于閾值的小波分析 法，非局部均值法，高斯濾波法以及雙邊濾波法：
[0004] 基于閾值的小波分析法將小波變換應用在原始圖像上，將其轉換到小波域，并使 用閾值法濾除多波段小波系數，一般為在分解的第一級中的對角線細節系數，水平細節系 數和垂直細節系數。其中一種閾值法被了解為硬閾值函數，將小于閾值的所有細節系數設 置為零，保留剩余的細節系數。最后，在經過閾值法處理之后，通過小波逆變換將所有小波 系數返回至圖像域。基于閾值的小波分析法可抑制噪聲，但同時圖像的一些細節也被抑制 了。
[0005] 非局部均值法是一種非線性的邊緣保護濾波法，其將每一輸出的像素計算為輸入 像素的加權和。對一個輸出像素有貢獻的一組輸入像素來自于輸入圖像中一大區域，因此 稱為非局部。局部均值過濾法中的一個關鍵特征是根據小圖像塊之間的距離決定權重。該 方法能夠保留圖像的細節并抑制高頻高斯噪聲。然而，該過濾法不適用于噪聲較嚴重并且 多于高斯噪聲的真實場景。
[0006] 高斯濾波法是一種加權平均法。每個輸出像素被設置為該像素的相鄰像素的加權 平均值，原始像素的亮度值獲得最大的權重，相鄰像素根據其與該原始像素的距離的增加 獲得較小的權重。經過圖像過濾，減少了噪聲，但同時圖像的細節也被減少了。
[0007] 雙邊濾波法是一種邊緣保護以及去除噪聲的濾波法。圖像中每一像素的亮度值被 其臨近像素的亮度值的加權平均值所替代。該權重基于高斯分布。關鍵的是該權重不僅依 賴于歐氏距離，還依賴于輻射度差異。其通過系統地遍歷每一像素并將權重給予對應的相 鄰像素，能夠保留清晰的邊緣。如果圖像被噪聲嚴重影響，該方法使得邊緣看起來是假的且 不自然。

【發明內容】

[0008] 有鑒于此，本發明提供了圖像去噪方法、圖像去噪裝置以及電子設備，以至少解決 現有的去噪技術不能使去噪后的圖像看起來更自然的問題。
[0009] 根據本發明的一個方面，提供了一種圖像去噪方法，包括：對獲取的待處理圖像進 行初步去噪處理，得到初步去噪圖像；根據所述待處理圖像和所述初步去噪圖像分別對應 的特定能量參數的數值，計算對應于所述待處理圖像上的每個單位區域的中心像素的殘差 量；利用所述殘差量計算對應于所述每個單位區域的權重矩陣，并根據所述權重矩陣對所 述待處理圖像進行非局部均值計算，以實現對所述待處理圖像的去噪處理。
[0010] 根據本發明的另一個方面，提供了一種圖像去噪裝置，包括：初步去噪單元，對獲 取的待處理圖像進行初步去噪處理，得到初步去噪圖像；殘差量計算單元，根據所述待處理 圖像和所述初步去噪圖像分別對應的特定能量參數的數值，計算對應于所述待處理圖像上 的每個單位區域的中心像素的殘差量；非局部均值計算單元，利用所述殘差量計算對應于 所述每個單位區域的權重矩陣，并根據所述權重矩陣對所述待處理圖像進行非局部均值計 算，以實現對所述待處理圖像的去噪處理。
[0011] 根據本發明的又一個方面，還提供了一種電子設備，該電子設備包括如上所述的 圖像去噪裝置。
[0012] 根據本發明的再一個方面，還提供了一種存儲有機器可讀取的指令代碼的程序產 品，上述程序產品在執行時能夠使上述機器執行如上所述的圖像去噪方法。
[0013] 此外，根據本發明的其他方面，還提供了 一種計算機可讀存儲介質，其上存儲有如 上所述的程序產品。
[0014] 上述根據本發明實施例的視頻分析方法、視頻分析裝置以及電子設備，利用每個 單位區域的中心像素的殘差量計算每個單位區域的權重矩陣，根據該權重矩陣對待處理圖 像進行非局部均值計算，能夠至少實現以下有益效果之一：盡可能保留圖像的細節特征； 使去噪后的圖像看起來更自然。
【附圖說明】
[0015] 本發明可以通過參考下文中結合附圖所給出的描述而得到更好的理解，其中在所 有附圖中使用了相同或相似的附圖標記來表示相同或者相似的部件。所述附圖連同下面的 詳細說明一起包含在本說明書中并且形成本說明書的一部分，而且用來進一步舉例說明本 發明的優選實施例和解釋本發明的原理和優點。在附圖中：
[0016] 圖1示出了根據本發明的一個實施例的圖像去噪方法的流程示意圖；
[0017] 圖2示出了根據本發明的另一實施例的圖像去噪方法的流程示意圖；
[0018] 圖3示出了根據本發明的一個實施例的每一像素的臨近區域的示意圖；
[0019] 圖4示出了根據本發明的實施例的對原始圖像進行2D-DCT轉換的示意圖；
[0020] 圖5示出了根據本發明的實施例在2D-DCT域中進行二維維納濾波的示意圖；
[0021] 圖6示出了根據本發明的實施例的原始圖像經初步去噪后的示意圖；
[0022] 圖7示出了根據本發明的實施例的獲取關聯單位區域的權重矩陣的示意；
[0023] 圖8示出了根據本發明的實施例的圖像去噪裝置的框圖。
【具體實施方式】
[0024] 為了能夠更清楚地理解本發明的上述目的、特征和優點，下面結合附圖和具體實 施方式對本發明進行進一步的詳細描述。需要說明的是，在不沖突的情況下，本申請的實施 例及實施例中的特征可以相互組合。
[0025] 在下面的描述中闡述了很多具體細節以便于充分理解本發明，但是，本發明還可 以采用其他不同于在此描述的其他方式來實施，因此，本發明并不限于下面公開的具體實 施例的限制。
[0026] 圖1示出了根據本發明的一個實施例的圖像去噪方法的流程示意圖。
[0027] 如圖1所示，根據本發明的實施例的圖像去噪方法可以包括以下步驟：
[0028] 步驟102,對獲取的待處理圖像（即原始圖像）進行初步去噪處理，得到初步去噪 圖像；
[0029] 步驟104,根據待處理圖像和初步去噪圖像分別對應的特定能量參數的數值，計算 對應于待處理圖像上的每個單位區域的中心像素的殘差量；
[0030] 步驟106,利用殘差量計算對應于每個單位區域的權重矩陣，并根據權重矩陣對待 處理圖像進行非局部均值計算，以實現對待處理圖像的去噪處理。
[0031] 在本實施例中，利用初步去噪圖像和原始圖像來獲得殘差量，該殘差量可理解為 是去噪前后圖像信息的差異量。根據該殘差量計算單位區域的權重矩陣，以及根據該權重 矩陣對原始圖像進行非局部均值計算，從而能夠避免現有技術對原始圖像直接去噪所產生 的圖像細節信息被忽略以及邊緣失真嚴重的問題。
[0032] 下面結合圖2進一步詳細說明根據本發明的另一實施例的圖像去噪方法。
[0033] 如圖2所示，步驟202,對選定像素的臨近區域進行二維離散余弦轉換（2D-DCT)。
[0034] 對于像素x(i，j)，將其臨近區域（如圖3所示的臨近區域）轉換至離散余弦轉換 域，轉換示意圖如圖4所示，然后進行如下文所描述的二維維納濾波。
[0035] 二維離散余弦轉換以及其逆轉換過程參見公式1. 1. 1至公式1. 1. 3的描述。
[0036]
[0040]其中，Μ和N分別是原始圖像的高度值和寬度值。
[0041] 步驟204,對原始圖像進行二維維納濾波處理。
[0042] 在本實施例中，二維維納濾波器采用一種基于根據每一像素的局部臨近區域估計 的統計數據的自適應維納法，使用如下公式計算局部均值mean(i,j)和方差值var(i,j):
[0043]
[0044]
[0045] 其中，（k，m)是NXM大小臨近區域中的任一地址。
[0046] 然后根據公式（1. 2. 3)對圖像中的像素進行二維維納濾波
[0047]
[0048] 其中，nv是噪聲方差。
[0049] 步驟206,采用公式（1. 3. 1)在圖像的二維離散余弦轉換域中進行二維維納濾波。
[0050]
[0051] 其中，d(u，v)是D(u，v)(二維離散余弦轉換域）中的一個像素，二維離散余弦轉 換域在二維維納濾波前后的對比示意圖，參見圖5。
[0052] 經過對二維離散余弦轉換域中的每一像素進行二維維納濾波之后，得到初步去噪 圖像，如圖6所示。
[0053] 步驟208,根據原始圖像和初步去噪圖像計算像素x(i，j)的殘差量。
[0054] 具體地，殘差量是原始圖