图像滤波方法及装置与流程

本发明涉及计算机领域，尤其涉及一种图像滤波方法及装置。

背景技术：

在用户拍摄照片时，常常由于拍摄环境、相机镜头污染等原因，使得拍摄的照片上含有噪声。因此，用户常常需要利用图像处理技术对拍摄的照片进行修正。在图像处理技术中，双边滤波由于具备边缘保留效果被广泛应用。经双边滤波的图像的边缘特征明显，图像质量高。

但是，双边滤波本质上是一种邻域像素值加权平均的滤波处理，必然会使图像特征模糊。例如，低尺度双边滤波虽然能够妥善地保留图像的边缘特征，但是去噪效果较差；高尺度双边滤波虽然去噪效果较好，但是会模糊图像的边缘特征。因此，对于不同的图像，需要根据该图像的边缘特征选择合适的滤波系数进行双边滤波。

目前，存在以下两种常见的双边滤波处理：一、采用用户选取的一组固定的滤波系数对待处理图像中的每个像素点进行双边滤波；二、计算待处理图像中的每个像素点所需的滤波系数，并利用针对每个像素点的滤波系数对相应的像素点进行双边滤波。

然而，第一种双边滤波处理存在以下缺陷：由于待处理图像的不同区域的边缘特征和噪声情况不同，所以在待处理图像中的不同区域采用固定的滤波系数往往会使得滤波效果达不到预期；第二种双边滤波处理存在以下缺陷：针对待处理图像中的每个像素点的滤波系数容易受到待处理图像本身的噪声的影响，因此存在待处理图像的边缘特征被过度模糊、或待处理图像的噪声没有被过滤干净的情况，导致滤波效果达不到预期的效果。

技术实现要素：

鉴于以上所述的一个或多个问题，本发明提供了一种新颖的图像滤波方法及装置。

第一方面，根据本发明实施例的图像滤波方法包括：将目标图像分割为至少两个图像区域；计算至少两个图像区域中的每个图像区域的空间距离系数和像素差系数；以及对于目标图像中的任意一个像素，根据该像素所在的图像区域的空间距离系数和像素差系数对该像素进行双边滤波。

第二方面，根据本发明实施例的图像滤波装置包括：分割单元，用于将目标图像分割为至少两个图像区域；计算单元，用于计算至少两个图像区域中的每个图像区域的空间距离系数和像素差系数；以及双边滤波单元，用于对目标图像中的任意一个像素，根据该像素所在的图像区域的空间距离系数和像素差系数对该像素进行双边滤波。

在根据本发明实施例的图像滤波方法及装置中，由于对目标图像中处于不同图像区域的像素采用不同的参数进行双边滤波，即针对目标图像中不同图像区域的噪声和边缘特征选取适合各图像区域的滤波参数，并且目标图像中不同图像区域选取适合各图像区域的滤波参数，既能对噪声进行很好的滤波、避免图像残留噪声，又能保证图像边缘位置的保边效果，因此避免了目标图像不同区域的像素因为不合理的参数而达不到预期滤波效果的问题，提高了滤波效果。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是根据本发明实施例的图像滤波方法的示意性流程图；

图2是图1所示的图像滤波方法中计算空间距离系数的示意性流程图；

图3是图1所示的图像滤波方法中计算像素差系数的示意性流程图；

图4是图1所示的图像滤波方法中任意像素双边滤波的示意性流程图；

图5是根据本发明另一实施例的图像滤波方法的示意性流程图；

图6是根据本发明又一实施例的图像滤波方法的示意性流程图；

图7是根据本发明实施例的图像滤波装置的示意性框图；

图8是图7所示的图像滤波装置中计算单元和双边滤波单元具体结构的示意性框图；

图9是根据本发明另一实施例的图像滤波装置的示意性框图；

图10是根据本发明又一实施例的图像滤波装置的示意性框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面将详细描述本发明的各个方面的特征和示例性实施例。在下面的详细描述中，提出了许多具体细节，以便提供对本发明的全面理解。但是，对于本领域技术人员来说很明显的是，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明的更好的理解。本发明决不限于下面所提出的任何具体配置和算法，而是在不脱离本发明的精神的前提下覆盖了元素、部件和算法的任何修改、替换和改进。在附图和下面的描述中，没有示出公知的结构和技术，以便避免对本发明造成不必要的模糊。

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式；相反，提供这些实施方式使得本发明更全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。在图中，为了清晰，可能夸大了区域和层的厚度。在图中相同的附图标记表示相同或类似的结构，因而将省略它们的详细描述。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本发明的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而没有所述特定细节中的一个或更多，或者可以采用其它的方法、组元、材料等。在其它情况下，不详细示出或描述公知结构、材料或者操作以避免模糊本发明的主要技术创意。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了根据本发明一实施例的图像滤波方法的示意性流程图。如图1所示，图像滤波方法100包括：S110，将目标图像分割为至少两个图像区域；S120，计算至少两个图像区域中的每个图像区域的空间距离系数和像素差系数；S130，对于目标图像中的任意一个像素，根据该像素所在的图像区域的空间距离系数和像素差系数对像素进行双边滤波。

这里，目标图像即为需要进行滤波的图像，可以根据目标图像的大小来设定从目标图像分割出的至少两个图像区域的大小，也可以根据目标图像的像素分布或分辨率分割出的至少两个图像区域等等。例如，设定每个图像区域包含60-120个像素。如一张分辨率为640×480的目标图像，分割成每个图像区域约有80个像素，则大约有640×480/80＝3840个图像区域。

需要说明的是，本发明实施例中，图像区域可以包括超像素，则图像区域的分割方法可以采用超像素分割的方法，例如SLIC(Simple Linear Iterative Clustering，简单的线性迭代聚类)，SLIC在进行超像素分割之前，将目标图像转为Lab通道表示，Lab模式由三个通道组成，L通道是明度，A和B是色彩通道，A通道包括的颜色是从深绿色(底亮度值)到灰色(中亮度值)再到亮粉红色(高亮度值)，B通道则是从亮蓝色(底亮度值)到灰色(中亮度值)再到黄色(高亮度值)。图像的空间距离就是任意两个像素点之间的距离，空间距离系数即代表空间距离决定的滤波系数，跟两个像素点之间的位置距离具有相同的单位。像素差表示任意两个像素点之间像素值的差，像素差系数即代表像素差决定的滤波系数。

本发明实施例中，对目标图像进行分割，分别对图像区域计算对应的空间距离系数和像素差系数，从而计算出不同图像区域中适合各图像区域的滤波参数，不需要对每个像素点进行空间距离系数和像素差系数计算，也可以选取适合的滤波参数进行滤波，提高计算效率。

在根据本发明实施例的图像滤波方法及装置中，由于对目标图像中处于不同图像区域的像素采用不同的参数进行双边滤波，即针对目标图像中不同图像区域的噪声和边缘特征选取适合各图像区域的滤波参数，并且目标图像中不同图像区域选取适合各图像区域的滤波参数，既能对噪声进行很好的滤波、避免图像残留噪声，又能保证图像边缘位置的保边效果，因此避免了目标图像不同区域的像素因为不合理的参数而达不到预期滤波效果的问题，提高了滤波效果。

作为一种可选的实施方式，在图1所示方法的基础上，如图2所示，在步骤S120中计算至少两个图像区域中的任意一个图像区域的空间距离系数的方法，可以包括以下步骤：S121，基于图像区域的初始像素差系数、和图像区域的空间距离系数表征符号，构建图像区域中任意一个像素的核密度估计函数g_s(x)；S122，基于核密度估计函数g_s(x)，构建表征图像区域中的像素位置分布特性的信息熵函数E_s(σ_s)；S123，计算空间距离系数表征符号在信息熵函数E_s(σ_s)的函数值最小时所对应的空间距离系数，作为图像区域的空间距离系数。

在步骤S121中，核密度估计函数g_s(x)表示在任意一个图像区域中，任意一个像素点x基于空间距离的核密度估计的定义，可以为如下所示：

在公式一中，x表示图像区域中的任意一个像素，k表示图像区域中包含的像素的数目，q_i表示图像区域中的第i个像素，1≤i≤k，表示初始像素差系数，σ_s表示空间距离系数表征符号，I(x)表示像素x的灰度值，I(q_i)表示像素q_i的灰度值。

需要说明的是，对于一组包含M个数的数据x₁，x₂，...，x_m，其核密度估计函数的形式为：其中，K(·)为核函数，核函数的形状和值阈对估计点x的g(x)值时使用数据点的个数和这些数据点的使用程度起控制作用，即核函数和核函数的系数(又称带宽)h决定着核密度估计的好坏。在步骤S121中，基于上述原理对图像区域中的k个像素中任意一个像素x基于空间距离的构建g_s(x)，其中，核函数包括两部分，都是高斯核函数，分别是：和上述两个核函数中核函数的系数分别是和σ_s。g_s(x)中的核函数实际上是一个组合函数，两个核函数相乘，仍可作为核函数。

需要说明的是，每一个图像区域可以根据图像区域中的上述参数构建出此图像区域的核密度估计函数g_s(x)。

在步骤S121中，可以根据误差理论原理进行计算。在误差计算理论中，误差的有效范围一般为3倍的方差，而像素差系数类同于方差，所以对于公式一中，根据误差计算理论原理，初始像素差系数可以根据计算得出，其中，表示图像区域中q_i的灰度值与图像区域中所有像素点的平均灰度值之间的最大差值的绝对值，即近似等于3倍的像素差系数。

需要说明的是，本发明实施例中假设在误差有效范围内，其近似等于3倍的像素差系数。

在步骤S122中，根据步骤S121得出的g_s(x)构建反映图像区域依赖于像素差系数的像素位置分布特性的信息熵E_s(σ_s)，可以为如下所示：

在公式二中，表示归一化求和，其中各参数的含义与公式一中的参数含义相同，在此不再赘述。

需要说明的是，公式二属于信息熵的定义公式，某个信息系统的信息熵的一般定义公式为：E＝-f(x)ln(f(x))，其中，f(x)表示信息系统的某种特性，最典型的是通过核估计密度定义的特性，即公式二中采用公式一中的核估计密度函数构建了表征图像区域中的像素位置分布特性的信息熵函数E_s(σ_s)。

在步骤S123中，由步骤S122构建的E_s(σ_s)计算图像区域的空间距离系数步骤S122中构建的E_s(σ_s)是关于变量σ_s的信息熵函数，在信息论中，熵为其对应图像区域中像素值不确定性的度量，熵越大，其对应图像区域中像素值的不确定性就越大，结合公式一中的核估计密度函数，图像区域所确定的范围内，若各处核估计密度函数值g_s(x)近似相等，图像区域内像素值分布不确定性最大，根据公式二得出此时熵为最大；反之，若核估计密度函数值不能近似相等，即具备差异性，则图像区域内像素值分布不确定性最小，根据公式二得出此时熵为最小。公式二中E_s(σ_s)是关于σ_s的一元函数，结合上述原理，为了图像区域内像素值分布不确定性最小，要计算E_s(σ_s)的最小值，从而得出此时对应的即信息熵函数E_r(σ_r)的函数值最小时所对应的像素差系数为图像区域的像素差系数

作为一种可选的实施方式，在图1所示方法的基础上，如图3所示，在步骤S120中计算至少两个图像区域中的任意一个图像区域的像素差系数的方法，可以包括以下步骤：S124，基于图像区域的像素差系数表征符号、以及图像区域的空间距离系数，构建图像区域中任意一个像素的核密度估计函数g_r(x)；S125，根据核密度估计函数g_r(x)，构建表征图像区域中的像素位置分布特性的信息熵函数E_r(σ_r)；S126，计算像素差系数表征符号在信息熵函数E_r(σ_r)的函数值最小时所对应的像素差系数，作为图像区域的像素差系数。

在步骤S124中，核密度估计函数g_r(x)表示在任意一个图像区域中，任意一个像素点x基于像素差的核密度估计的定义，可以为如下所示：

在公式三中，x表示所述图像区域中的任意一个像素，k表示所述图像区域中包含的像素的数目，q_i表示所述图像区域中的第i个像素，1≤i≤k，σ_r表示所述像素差系数表征符号，I(x)表示像素x的灰度值，I(q_i)表示像素q_i的灰度值，表示所述图像区域的空间距离系数。的计算方法在此不做限定，例如，通过图2所示的方法计算得出由于图2所示的计算方法中通过信息熵函数E_s(σ_s)得出，则由此计算g_r(x)，并进而得出更能适合各图像区域中像素进行滤波，保证良好的滤波效果。

需要说明的是，每一个图像区域可以根据图像区域中的上述参数构建出此图像区域的核密度估计函数g_r(x)。在步骤S124中，对图像区域中的k个像素中任意一个像素x基于像素差构建g_r(x)，其中，核函数包括两部分，都是高斯核函数，分别是：和上述两个核函数中核函数的系数分别是和σ_rg_r(x)中的核函数实际上是一个组合函数，两个核函数相乘，仍可作为核函数。

在步骤S125中，根据步骤S124得出的g_r(x)构建E_r(σ_r)，可以为如下所示：

在公式四中，表示归一化求和，其中各参数的含义与公式三中的参数含义相同，在此不再赘述。

需要说明的是，公式三的构建原理和公式一的构建原理相同，公式四的构建原理和公式三的构建原理相同，在此不再赘述。

在步骤S126中，根据公式四计算出图像区域的像素差系数的原理与在步骤S123中根据公式二计算出的原理相同，在此不再赘述。

需要说明的是，图2所示的方法为步骤120中计算空间距离系数的一种实施方式，图3所示的方法为步骤120中计算像素差系数的一种实施方式，这两种方法可以同时执行。

在信息论中，对于一个系统，其不确定性可用熵度量，熵值越大，系统不确定性就越大。本发明实施例中，在滤波半径范围内，可以定义一个局部系统，系统内数据分布不确定性越大，则熵值越大；反之，数据分布具备足够差异性，能够区分个性化差异，则不确定性最小，熵最小。根据熵最小原理，通过图2所示的方法和图3所示的方法选取滤波半径范围内像素进行双边滤波所依赖的参数，这样选取的参数能够最大程度地反映滤波半径范围内位置和像素的分布特性，从而使根据这样选取的参数对像素进行双边滤波时，既能对噪声进行很好的滤波、避免图像残留噪声，又能保证图像边缘位置的保边效果，提高了滤波效果。

作为一种可选的实施方式，在图1所示方法的基础上，如图4所示，在步骤S130中根据像素所在的图像区域的空间距离系数和像素差系数对像素进行双边滤波的方法，可以包括以下步骤：S131，利用像素所在的图像区域的空间距离系数，计算像素对应的滤波半径、基于空间距离的高斯权重、以及基于像素差的高斯权重；S132，利用像素对应的滤波半径、基于空间距离的高斯权重、以及基于像素差的高斯权重，对像素进行双边滤波。

在步骤S131中，滤波半径的计算方式可以为：基于公式fr＝ceil(3σ_s)+1计算像素对应的滤波半径，其中，fr表示所述像素对应的滤波半径，σ_s表示像素对应的空间距离系数，ceil表示向上取整函数。

需要说明的是，滤波半径是一个正整数，因为σ_s大于0，则ceil(3σ_s)向上取整后可能的最小值为1，则fr＝ceil(3σ_s)+1可能的最小值为2。

基于空间距离的高斯权重计算公式可以如下所示：

在公式五中，p表示要进行滤波的像素，q表示要进行滤波的像素所在的图像区域中的任意像素，σ_s表示像素p对应的空间距离系数，||p-q||表示像素点p和q之间的欧式距离，即像素点p在图像中的位置为(x_p，y_p)，像素点q位置为(x_q，y_q)，则其欧氏距离为

需要说明的是，由公式五可以得出点p在滤波时依赖于点q的权重w_s。当p和q的像素点位置一致时，权重w_s为1；当p和q的像素点位置离得越远，其权重w_s越趋于0，即越靠近像素点p的像素点，像素点p在滤波时所依赖的权重w_s越大。

基于像素差的高斯权重的计算公式可以如下所示：

在公式六中，I(p)表示像素p的灰度值，I(q)表示像素q的灰度值，σ_r表示像素p对应的像素差系数。

需要说明的是，由公式六可以得出点p在滤波时灰度值依赖于点q灰度值的权重w_r。当p和q的像素点位置一致时，灰度值一致，权重w_r为1，当p和q的位置不同，其像素差绝对值越大，其权重w_r趋于0，即像素差绝对值越接近，在滤波时p灰度值依赖于q灰度值的权重w_r越大。

在步骤S132中，为提高计算效率，双边滤波可以先后按行和列分别进行滤波处理。行滤波公式如下所示：

其中，p和q_x，y代表的位置一致。

在公式七中，p表示要进行滤波的像素，fr表示像素p对应的滤波半径，C⁰(q_x-j，y)表示像素q_x-j，y未进行滤波时对应的像素值，C¹(p)表示像素p进行行滤波后对应的像素值，(x，y)表示所述像素p的坐标，q_x-j，y表示位置坐标为(x-j，y)的像素。在公式七中，当j＝0时，像素p和像素q_x，y代表的像素点位置一致。

结合公式五中公式，公式七中w_s(q_x-j，y)为：结合公式六中公式，公式七中w_r(q_x-j，y)为：则将公式五和公式六带入公式七中，可以得出如下行滤波的公式：

在对目标图片中各像素进行行滤波后，再对目标图片中各像素进行列滤波，列滤波公式如下所示：

在公式八中，C²(p)表示像素p进行列滤波后对应的像素值，C¹(q_x，y-j)表示像素q_x，y-j进行行滤波后对应的像素值，(x，y)表示所述像素p的坐标，q_x，y-j表示位置坐标为(x，y-j)的像素。在公式八中，当j＝0时，像素p和像素q_x，y代表的像素点位置一致。

将公式五和公式六带入公式七中，可以得出如下列滤波的公式：

需要说明的是，在步骤S132中，为提高计算效率，双边滤波还可以先后按列和行分别进行滤波处理，滤波的原理与上述先后按行和列分别进行滤波的原理相同，在此不再赘述。本发明实施例中像素点的像素值为在当前通道下像素点对应的像素值，在进行双边滤波时，一般采用RGB通道进行滤波，RGB代表红、绿、蓝三个通道的颜色。本发明里提到的像素点的像素值是指在当前通道内像素点各元素的值，例如，当前通道为RGB时，像素点的像素值是像素点对应R、G、B的值。

作为一个可选实施例，在如图1所示方法的基础上，如图5所示，至少两个图像区域的空间距离系数共同组成目标图像的空间距离系数图，至少两个图像区域的像素差系数共同组成目标图像的像素差系数图，在步骤S130之前，该方法100还包括：S140，对空间距离系数图和像素差系数图进行均值滤波；则步骤S130具体执行为步骤S133：对于目标图像中的任意一个像素，根据像素所在的图像区域的经均值滤波的空间距离系数和经均值滤波的像素差系数对像素进行双边滤波。

步骤S140中可以对空间距离系数图和像素差系数图采用5×5均值滤波。

本实施例中，对空间距离系数图和像素差系数图采用均值滤波，使得图像区域之间连接处的间距离系数和像素差系数能够平滑过渡，避免间距离系数和像素差系数在相邻的图像区域之间存在突兀变化，而导致图像区域连接处在滤波时出现突兀变化。

作为一个可选实施例，在如图1所示方法的基础上，至少两个图像区域的空间距离系数共同组成目标图像的空间距离系数图，至少两个图像区域的像素差系数共同组成目标图像的像素差系数图，如图6所示，在步骤S110之前，该方法100还包括：S150，将目标图像调整为预设尺寸；则步骤S110具体执行为步骤S111：将调整后的目标图像分割为至少两个图像区域；在步骤S130之前，该方法100还包括：S160，将空间距离系数图和像素差系数图调整为目标图像的原尺寸；步骤S130具体执行为步骤S134：对于目标图像中的任意一个像素，根据像素在调整后的空间距离系数图中对应的空间距离系数以及像素在调整后的像素差系数图中对应的像素差系数对像素进行双边滤波。

在步骤S150中，可以将目标图像采用插值方法(为保证效果和效率，一般为双线性插值)缩小到预设尺寸(如640×640)范围内的图像，即缩小后的图片高度小于或等于640，并且宽度也小于或等于640，例如，将分辨率为1280×960的图像，缩放到分辨率640×640尺度范围内，变为640×480。本步骤中，通过缩小图像可提高计算的效率，并且对效果影响不大。若目标图像大小预设尺寸范围内，则无需进行缩放。

需要说明的是，本实施例中，对目标图像缩放到预设尺寸，可以优先的提高图像区域分割和滤波系数计算的效率，即在提高图像处理效果的同时，又保证计算效率。根据经验得出，将目标图像缩放到分辨率为640×640的范围内，既能保证计算效率，又能保证图像处理效果。本实施例中，执行步骤S150是为了提高图像区域分割和滤波系数计算的效率，在步骤S134中对目标图像的像素进行滤波时，针对的是未通过步骤S150调整过的目标图像。

上文中结合图1至图6，详细描述了根据本发明实施例的图像滤波方法，下面将结合图7和图10，详细描述根据本发明实施例的图像滤波装置。

图7示出了本发明实施例的图像滤波装置200的示意性框图。如图7所示，该装置200包括：

分割单元210，用于将目标图像分割为至少两个图像区域；

计算单元220，用于计算所述至少两个图像区域中的每个图像区域的空间距离系数和像素差系数；

双边滤波单元230，用于对于所述目标图像中的任意一个像素，根据所述像素所在的图像区域的空间距离系数和像素差系数对所述像素进行双边滤波。

在根据本发明实施例的图像滤波装置200中，由于对目标图像中处于不同图像区域的像素采用不同的参数进行双边滤波，即针对目标图像中不同图像区域的噪声和边缘特征选取适合各图像区域的滤波参数，并且目标图像中不同图像区域选取适合各图像区域的滤波参数，既能对噪声进行很好的滤波、避免图像残留噪声，又能保证图像边缘位置的保边效果，因此避免了目标图像不同区域的像素因为不合理的参数而达不到预期滤波效果的问题，提高了滤波效果。

作为装置200一种可选的实施方式，如图8所示，所述计算单元220还可以包括：

第一构建子单元221，用于基于所述图像区域的初始像素差系数、和所述图像区域的空间距离系数表征符号构建所述图像区域中任意一个像素的核密度估计函数g_s(x)，并且基于所述核密度估计函数g_s(x)构建表征所述图像区域中的像素位置分布特性的信息熵函数E_s(σ_s)；以及

第一计算子单元222，用于计算所述空间距离系数表征符号在所述信息熵函数E_s(σ_s)的函数值最小时所对应的空间距离系数，作为所述图像区域的空间距离系数。

具体的，所述核密度估计函数g_s(x)为：

其中，x表示所述图像区域中的任意一个像素，k表示所述图像区域中包含的像素的数目，q_i表示所述图像区域中的第i个像素，1≤i≤k，表示所述初始像素差系数，σ_s表示所述空间距离系数表征符号，I(x)表示像素x的灰度值，I(q_i)表示像素q_i的灰度值。

具体的，所述信息熵函数E_s(σ_s)为：

其中，

所述第一计算子单元222还用于根据计算所述初始像素差系数其中，表示像素x和像素q_i之间的最大像素差绝对值。

作为装置200一种可选的实施方式，如图8所示，所述计算单元220还可以包括：

第二构建子单元223，用于基于所述图像区域的像素差系数表征符号、以及所述图像区域的空间距离系数构建所述图像区域中任意一个像素的核密度估计函数g_r(x)，并且根据所述核密度估计函数g_r(x)构建表征所述图像区域中的像素位置分布特性的信息熵函数E_r(σ_r)；

第二计算子单元224，用于计算所述像素差系数表征符号在所述信息熵函数E_r(σ_r)的函数值最小时所对应的像素差系数，作为所述图像区域的像素差系数。

具体的，所述核密度估计函数g_r(x)为：

其中，x表示所述图像区域中的任意一个像素，k表示所述图像区域中包含的像素的数目，q_i表示所述图像区域中的第i个像素，1≤i≤k，σ_r表示所述像素差系数表征符号，I(x)表示像素x的灰度值，I(q_i)表示像素q_i的灰度值，表示所述图像区域的空间距离系数。

具体的，所述信息熵函数E_r(σ_r)为：

其中，

作为装置200一种可选的实施方式，如图8所示，所述双边滤波单元230包括：

第三计算子单元231，用于利用所述像素所在的图像区域的空间距离系数，计算所述像素对应的滤波半径、基于空间距离的高斯权重、以及基于像素差的高斯权重；以及

滤波执行子单元232，用于利用所述滤波半径、所述基于空间距离的高斯权重、以及所述基于像素差的高斯权重，对所述像素进行双边滤波。

其中，所述第三计算子单元231用于基于公式fr＝ceil(3σ_s)+1计算所述像素对应的滤波半径，其中，fr表示所述像素对应的滤波半径，σ_s表示所述像素对应的空间距离系数，ceil表示向上取整函数。

作为一个可选实施例，如图9所示，所述至少两个图像区域的空间距离系数共同组成所述目标图像的空间距离系数图，所述至少两个图像区域的像素差系数共同组成所述目标图像的像素差系数图，所述装置200还可以包括：

均值滤波单元240，用于对所述空间距离系数图和所述像素差系数图进行均值滤波，其中

对于所述目标图像中的任意一个像素，所述双边滤波单元230根据所述像素所在的图像区域的经均值滤波的空间距离系数和经均值滤波的像素差系数对所述像素进行双边滤波。

作为一个可选实施例，如图10所示，所述至少两个图像区域的空间距离系数共同组成所述目标图像的空间距离系数图，所述至少两个图像区域的像素差系数共同组成所述目标图像的像素差系数图，所述装置200还可以包括：

调整单元250，用于在将所述目标图像分割为所述至少两个图像区域之前将所述目标图像调整为预设尺寸；

所述分割单元210还用于将调整后的目标图像分割为所述至少两个图像区域；

所述调整单元250还用于对所述目标图像中的任意一个像素，在根据所述像素所在的图像区域的空间距离系数和像素差系数对所述像素进行双边滤波之前，将所述空间距离系数图和所述像素差系数图调整为所述目标图像的原尺寸；

所述双边滤波单元230还用于根据所述像素在调整后的空间距离系数图中对应的空间距离系数以及所述像素在调整后的像素差系数图中对应的像素差系数对所述像素进行双边滤波。

本发明实施例提供的图像滤波装置可以用于执行上述方法实施例中的图像滤波方法，具体内容请参考方法实施例，在此不再赘述。

需要说明的是，在在上述实施例中，目标图像是一张平面图，有横向和纵向，则以横向表示为x轴，纵向表示为y轴，建立坐标系，进而通过坐标系中的坐标表示像素点的位置。

另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

应理解，在本发明实施例中，“与A相应的B”表示B与A相关联，根据A可以确定B。但还应理解，根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其它信息确定B。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。