一种图像去噪过程中识别待去噪块的方法与流程

1.本发明涉及视频编码技术领域，特别涉及一种图像去噪过程中识别待去噪块的方法。


背景技术：

2.目前，视频编码中比较常用的去噪滤波方法是空域滤波，通过滤波减少噪声进入残差，一般设定一个带有加权系数的滤波窗口对图像逐点滤波。编码器再对滤波后的图像进行编码。其中，在图像去噪过程中准确识别出待去噪块是有效去噪的基础，然而，图像中的噪声是不能完全滤除的，且噪声具有不可压缩性。以像素点为单位进行去噪滤波，计算量大且对图像内容不作区分，容易模糊图像的真实边缘。
3.现有技术中的常用术语如下：
4.灰度共生矩阵：是一种研究灰度空间相关特性来描述纹理的常用方法，而纹理是由灰度分布在空间位置上反复出现而形成的，因而在图像空间中相隔某距离的两像素之间存在一定的灰度关系。如果图像是由具有相似灰度值的像素块构成，则灰度共生矩阵的对角元素会有比较大的值；如果图像像素灰度值在局部有变化，那么偏离对角线的元素会有比较大的值。
5.cg：tu中的变换系数被分为若干个4x4大小的子块，子块里的16个系数称为系数组(coefficient groups cg)。对于每个cg内的系数按对角方式扫描，同时在tu中所有的cg也按对角方式扫描。将每个cg通过标记最后非零系数坐标、非零系数位置、系数大于1的标识、系数大于2的标识、符号标识、系数剩余值，最终得到一个一维数组，熵编码将一维数组编入码流。
6.dct指discrete cosine transform，意思是离散余弦变换，其常见用途是对音视频进行数据压缩。


技术实现要素：

7.为了解决上述问题，本发明的目的在于：本发明计算量小，以块为单位进行去噪，通过简单方法识别平坦区域，避免了对图像中真实边缘细节的模糊。然后利用灰度共生矩阵区分纹理和噪声，剔除了对比度低的小纹理。
8.具体地，本发明提供一种图像去噪过程中识别待去噪块的方法，所述方法包括以下步骤：
9.s1，灰度级缩放：对噪声干扰下的图像中的图像灰度级由256级缩放到64级；
10.s2，筛选平坦块作为待去噪块，满足下面两个条件的数据块为平坦块：(1)缩放块内出现的灰度值个数为2，且两灰度值之间相差1；
11.(2)一个灰度值个数大于阈值gray_thrd称为大概率灰度b，同时另一灰度值个数小于阈值gray_thrd称为小概率灰度s；
12.s3，筛选离散噪声块：
13.s3.1，对s1.2中判断为平坦块的数据块设置像素点间距为1，计算灰度共生矩阵来分析小概率灰度的分布情况，将待滤波块分为小概率粗纹理块和离散块；
14.s3.2，分析共生矩阵，确定离散噪声块为待去噪块。
15.所述s1.2中设gray_thrd＝200。
16.所述s2的平坦块中小概率灰度点为不平坦因子，在预测后更容易进入残差，经dct变换分布在高频部分。
17.所述s3.1中将待滤波块分为小概率粗纹理块和离散块进一步包括：当共生矩阵相邻小概率灰度的个数ss_cnt越小，斜对角线上的个数和较ss_cnt越大，小概率灰度分布越离散；反之纹理越粗。
18.所述s3.2分析共生矩阵，满足下面任一条件的块为离散噪声块：
19.(1)ss_cnt＝0且斜对角线上的和sum>0；
20.(2)0<ss_cnt<12且斜对角线上的和sum>ss_cnt*3。
21.s3.2中两种平坦块的灰度共生矩阵:
[0022][0023]
由此，本技术的优势在于：本发明以块为单位进行去噪，计算量小，方法简单，更容易被识别。
附图说明
[0024]
此处所说明的附图用来提供对本发明的进一步理解，构成本技术的一部分，并不构成对本发明的限定。
[0025]
图1是本发明方法的示意流程图。
具体实施方式
[0026]
为了能够更清楚地理解本发明的技术内容及优点，现结合附图对本发明进行进一步的详细说明。
[0027]
如图1所示，一种图像去噪过程中识别待去噪块的方法，所述方法包括以下步骤：
[0028]
s1，灰度级缩放：
[0029]
对噪声干扰下的图像中的图像灰度级由256级缩放到64级；
[0030]
s2，筛选平坦块作为待去噪块，满足下面两个条件的数据块为平坦块：
[0031]
(1)缩放块内出现的灰度值个数为2，且两灰度值之间相差1；
[0032]
(2)一个灰度值个数大于阈值gray_thrd称为大概率灰度b，同时另一灰度值个数小于阈值gray_thrd称为小概率灰度s；
[0033]
s3，筛选离散噪声块：
[0034]
s3.1，对s1.2中判断为平坦块的数据块设置像素点间距为1，计算灰度共生矩阵来分析小概率灰度的分布情况，将待滤波块分为小概率粗纹理块和离散块；
[0035]
s3.2，分析共生矩阵，确定离散噪声块为待去噪块。
[0036]
具体地，将编码前的原始图像以16x16块为单位进行分析，识别待去噪块。
[0037]
1)灰度级缩放
[0038]
噪声干扰下的256级灰度图像中的主观平坦区域并非绝对平坦，为了更好的识别平坦区域，我们将图像灰度级缩放到64级。
[0039]
2)筛选平坦块
[0040]
满足下面两个条件的数据块为平坦块：
[0041]
(1)缩放块内出现的灰度值个数为2，且两灰度值之间相差1。
[0042]
(2)一个灰度值个数大于阈值gray_thrd，同时另一灰度值个数小于阈值gray_thrd，分别称为大概率灰度b和小概率灰度s。设gray_thrd＝200。
[0043]
平坦块中小概率灰度点为不平坦因子，在预测后更容易进入残差，经dct变换分布在高频部分。
[0044]
3)筛选离散噪声块
[0045]
对2)中判决为平坦的数据块设置像素点间距为1，计算灰度共生矩阵来分析小概率灰度的分布情况。当共生矩阵相邻小概率灰度的个数ss_cnt越小，斜对角线上的个数和较ss_cnt越大，小概率灰度分布越离散；反之纹理越粗。本发明只对小概率灰度离散的平坦块进行去噪，以减少对较粗纹理的模糊或滤除。分析共生矩阵，满足下面任
[0046]
意条件的块为离散噪声块：
[0047]
(1)ss_cnt＝0且斜对角线上的和sum>0。
[0048]
(2)0<ss_cnt<12且斜对角线上的和sum>ss_cnt*3。
[0049]
两种平坦块的灰度共生矩阵，如下：
[0050][0051]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。