图像去噪方法和图像去噪装置的制造方法
【技术领域】
[0001] 本发明涉及图像处理技术领域，具体而言，涉及图像去噪方法和图像去噪装置。
【背景技术】
[0002] 随着数码相机和扫描仪的发展和普及，可非常容易获取数字图像。然而，任何真实 世界中的传感器都在一定程度上被噪声干扰，例如热量、电能或其他物质。噪声可以破坏信 号的真实测量，导致任何图像数据均包括信号和噪声。各种与图像相关的应用，例如医疗图 像分析、图像分割和对象检测等等，基本上需要使用有效噪声抑制方法来进一步生成可信 结果。因此，在图像处理和计算机视觉中，图像过滤已成为其中一个重要且广泛被学习的技 术。灰度图像作为一种重要且常用的图像，其噪声过滤方法是非常重要的。
[0003] 目前已有一些去噪方法来尝试过滤灰度图像的噪声，例如基于阈值的小波分析 法，非局部均值法，高斯滤波法以及双边滤波法：
[0004] 基于阈值的小波分析法将小波变换应用在原始图像上，将其转换到小波域，并使 用阈值法滤除多波段小波系数，一般为在分解的第一级中的对角线细节系数，水平细节系 数和垂直细节系数。其中一种阈值法被了解为硬阈值函数，将小于阈值的所有细节系数设 置为零，保留剩余的细节系数。最后，在经过阈值法处理之后，通过小波逆变换将所有小波 系数返回至图像域。基于阈值的小波分析法可抑制噪声，但同时图像的一些细节也被抑制 了。
[0005] 非局部均值法是一种非线性的边缘保护滤波法，其将每一输出的像素计算为输入 像素的加权和。对一个输出像素有贡献的一组输入像素来自于输入图像中一大区域，因此 称为非局部。局部均值过滤法中的一个关键特征是根据小图像块之间的距离决定权重。该 方法能够保留图像的细节并抑制高频高斯噪声。然而，该过滤法不适用于噪声较严重并且 多于高斯噪声的真实场景。
[0006] 高斯滤波法是一种加权平均法。每个输出像素被设置为该像素的相邻像素的加权 平均值，原始像素的亮度值获得最大的权重，相邻像素根据其与该原始像素的距离的增加 获得较小的权重。经过图像过滤，减少了噪声，但同时图像的细节也被减少了。
[0007] 双边滤波法是一种边缘保护以及去除噪声的滤波法。图像中每一像素的亮度值被 其临近像素的亮度值的加权平均值所替代。该权重基于高斯分布。关键的是该权重不仅依 赖于欧氏距离，还依赖于辐射度差异。其通过系统地遍历每一像素并将权重给予对应的相 邻像素，能够保留清晰的边缘。如果图像被噪声严重影响，该方法使得边缘看起来是假的且 不自然。
【发明内容】
[0008] 有鉴于此，本发明提供了图像去噪方法、图像去噪装置以及电子设备，以至少解决 现有的去噪技术不能使去噪后的图像看起来更自然的问题。
[0009] 根据本发明的一个方面，提供了一种图像去噪方法，包括：对获取的待处理图像进 行初步去噪处理，得到初步去噪图像；根据所述待处理图像和所述初步去噪图像分别对应 的特定能量参数的数值，计算对应于所述待处理图像上的每个单位区域的中心像素的残差 量；利用所述残差量计算对应于所述每个单位区域的权重矩阵，并根据所述权重矩阵对所 述待处理图像进行非局部均值计算，以实现对所述待处理图像的去噪处理。
[0010] 根据本发明的另一个方面，提供了一种图像去噪装置，包括：初步去噪单元，对获 取的待处理图像进行初步去噪处理，得到初步去噪图像；残差量计算单元，根据所述待处理 图像和所述初步去噪图像分别对应的特定能量参数的数值，计算对应于所述待处理图像上 的每个单位区域的中心像素的残差量；非局部均值计算单元，利用所述残差量计算对应于 所述每个单位区域的权重矩阵，并根据所述权重矩阵对所述待处理图像进行非局部均值计 算，以实现对所述待处理图像的去噪处理。
[0011] 根据本发明的又一个方面，还提供了一种电子设备，该电子设备包括如上所述的 图像去噪装置。
[0012] 根据本发明的再一个方面，还提供了一种存储有机器可读取的指令代码的程序产 品，上述程序产品在执行时能够使上述机器执行如上所述的图像去噪方法。
[0013] 此外，根据本发明的其他方面，还提供了 一种计算机可读存储介质，其上存储有如 上所述的程序产品。
[0014] 上述根据本发明实施例的视频分析方法、视频分析装置以及电子设备，利用每个 单位区域的中心像素的残差量计算每个单位区域的权重矩阵，根据该权重矩阵对待处理图 像进行非局部均值计算，能够至少实现以下有益效果之一：尽可能保留图像的细节特征； 使去噪后的图像看起来更自然。
【附图说明】
[0015] 本发明可以通过参考下文中结合附图所给出的描述而得到更好的理解，其中在所 有附图中使用了相同或相似的附图标记来表示相同或者相似的部件。所述附图连同下面的 详细说明一起包含在本说明书中并且形成本说明书的一部分，而且用来进一步举例说明本 发明的优选实施例和解释本发明的原理和优点。在附图中：
[0016] 图1示出了根据本发明的一个实施例的图像去噪方法的流程示意图；
[0017] 图2示出了根据本发明的另一实施例的图像去噪方法的流程示意图；
[0018] 图3示出了根据本发明的一个实施例的每一像素的临近区域的示意图；
[0019] 图4示出了根据本发明的实施例的对原始图像进行2D-DCT转换的示意图；
[0020] 图5示出了根据本发明的实施例在2D-DCT域中进行二维维纳滤波的示意图；
[0021] 图6示出了根据本发明的实施例的原始图像经初步去噪后的示意图；
[0022] 图7示出了根据本发明的实施例的获取关联单位区域的权重矩阵的示意；
[0023] 图8示出了根据本发明的实施例的图像去噪装置的框图。
【具体实施方式】
[0024] 为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实 施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施 例及实施例中的特征可以相互组合。
[0025] 在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可 以采用其他不同于在此描述的其他方式来实施，因此，本发明并不限于下面公开的具体实 施例的限制。
[0026] 图1示出了根据本发明的一个实施例的图像去噪方法的流程示意图。
[0027] 如图1所示，根据本发明的实施例的图像去噪方法可以包括以下步骤：
[0028] 步骤102,对获取的待处理图像（即原始图像）进行初步去噪处理，得到初步去噪 图像；
[0029] 步骤104,根据待处理图像和初步去噪图像分别对应的特定能量参数的数值，计算 对应于待处理图像上的每个单位区域的中心像素的残差量；
[0030] 步骤106,利用残差量计算对应于每个单位区域的权重矩阵，并根据权重矩阵对待 处理图像进行非局部均值计算，以实现对待处理图像的去噪处理。
[0031] 在本实施例中，利用初步去噪图像和原始图像来获得残差量，该残差量可理解为 是去噪前后图像信息的差异量。根据该残差量计算单位区域的权重矩阵，以及根据该权重 矩阵对原始图像进行非局部均值计算，从而能够避免现有技术对原始图像直接去噪所产生 的图像细节信息被忽略以及边缘失真严重的问题。
[0032] 下面结合图2进一步详细说明根据本发明的另一实施例的图像去噪方法。
[0033] 如图2所示，步骤202,对选定像素的临近区域进行二维离散余弦转换（2D-DCT)。
[0034] 对于像素x(i，j)，将其临近区域（如图3所示的临近区域）转换至离散余弦转换 域，转换示意图如图4所示，然后进行如下文所描述的二维维纳滤波。
[0035] 二维离散余弦转换以及其逆转换过程参见公式1. 1. 1至公式1. 1. 3的描述。
[0036]
[0040]其中，Μ和N分别是原始图像的高度值和宽度值。
[0041] 步骤204,对原始图像进行二维维纳滤波处理。
[0042] 在本实施例中，二维维纳滤波器采用一种基于根据每一像素的局部临近区域估计 的统计数据的自适应维纳法，使用如下公式计算局部均值mean(i,j)和方差值var(i,j):
[0043]
[0044]
[0045] 其中，（k，m)是NXM大小临近区域中的任一地址。
[0046] 然后根据公式（1. 2. 3)对图像中的像素进行二维维纳滤波
[0047]
[0048] 其中，nv是噪声方差。
[0049] 步骤206,采用公式（1. 3. 1)在图像的二维离散余弦转换域中进行二维维纳滤波。
[0050]
[0051] 其中，d(u，v)是D(u，v)(二维离散余弦转换域）中的一个像素，二维离散余弦转 换域在二维维纳滤波前后的对比示意图，参见图5。
[0052] 经过对二维离散余弦转换域中的每一像素进行二维维纳滤波之后，得到初步去噪 图像，如图6所示。
[0053] 步骤208,根据原始图像和初步去噪图像计算像素x(i，j)的残差量。
[0054] 具体地，残差量是原始图