专利名称：图像的边界系数计算方法以及图像噪声去除方法
技术领域：
本发明涉及计算图像中的边界系数的计算方法以及使用此方法的图像噪声去除 方法，具体涉及计算图像中的边界系数的计算方法以及根据此边界系数采用不同加权处理 的图像噪声去除方法。
背景技术：
图1示出了公知技术的图像处理系统100的方块图。如图1所示，图 像处理系统 100包含一图像传感器101 (例如电荷耦合组件，Charge-coupledDevichCCD)、一模拟放大 器103、一模数转换器105以及一图像处理模块107。图像传感器101用以感测来自目标物 的入射光(即一模拟图像信号AIS)、并将入射光量转成电荷量(即一取样图像信号SIS)。 然后模拟放大器103放大取样图像信号SIS以产生放大后取样图像信号ASIS。接着模数 转换器105会将放大后取样图像信号ASIS转换成具有RGB格式的数字图像信号SKeB。图 像处理模块107会将具有RGB格式的数字图像信号SKeB转成具有YUV格式的数字图像信号 Syuv,并将数字图像信号Stov传送至显示装置109播放，或传送至压缩处理模块111进行压缩 后存储至存储装置113。此处的图像处理模块107涵盖了所有图像处理可能会用到的软硬 件，例如格式转换、内插处理、编译码等等，由于此部份内容为本领域技术人员所知悉，故在 此不再赘述。图2示出了公知技术的拜耳图样(Bayer Pattern)的示意图，拜耳图样是一种用 于图像传感器的彩色滤波数组(Color FilterArray)的排列方式。如图2a所示，拜耳图样 具有特定的排列方式，即第一行201的排列方式为RGRGR、第二行203为GBGBG、而第三行的 排列方式又变为RGRGR。图2b、2c也示出了拜耳图样，由图2b、2c可看出其排列规则跟图2a 是一样的，只是图2a是以R像素当中心来表示，而图2b、2c是以B、G像素当中心来表示。然而，公知技术当中并没有对图像的噪声做特别的处理，或者虽有去噪声处理但 却须消耗相当大的系统资源和时间。
发明内容
因此，本发明的一目的在于提供一种图像噪声去除方法，以去除图像中的噪声。本发明的另一目的在于提供一种计算一图像中的边界系数的方法。本发明的一实施例揭露了一种图像的边界系数计算方法，其中该图像包含多个像 素，而该多个像素是以拜耳图样(Bayer pattern)的形式排列，该方法包含(a)计算该图 像的一特定范围内的多个特定类型像素的平均灰度；(b)计算该特定范围内的该些特定类 型像素与该平均灰度的灰度差异以产生多个灰度差异值；(c)根据该些灰度差异值找出一 具有最大灰度差异值的一特定像素；以及(e)计算该平均灰度以及该最大灰度差异值的一 比例值以作为该边界系数。本发明的另一实施例揭露了一种图像噪声去除方法，其中该图像包含多个像素， 而该多个像素是以拜耳图样(Bayer pattern)的形式排列，该方法包含(a)计算该图像的一第一范围内的多个特定类型像素的平均灰度；(b)计算该些特定类型像素与该平均灰度 的灰度差异以产生多个灰度差异值；(C)根据该些灰度差异值找出具有最大灰度差异值的 一特定像素；(d)依据该特定像素与该第一范围内的一目标像素决定一第二范围；以及(e) 选择性地利用该第二范围内的像素调整该目标像素的灰度值以去除噪声根据上述的实施例，可以计算出边界系数并根据不同的边界系数以不同加权值进 行不同的加权动作，以消除影响中的噪声。
图1是公知技术的图像处理系统的方块图；图2a、2b、2c是公知技术的拜耳图样(Bayer Pattern)的示意图；图3是根据本发明的一实施例的图像噪声去除方法的部份流程图；图4是根据本发明的一实施例的图像噪声去除方法的部份流程图。主要组件符号说明100图像处理系统101图像传感器103模拟放大器105模数转换器107图像处理模块109显示装置111压缩处理模块113存储装置201，203，205 亍301 333 步骤
具体实施例方式在说明书及权利要求书当中使用了某些词汇来指称特定的组件。所属领域中具有 通常知识者应可理解，硬件制造商可能会用不同的名词来称呼同一个组件。本说明书及权 利要求书并不以名称的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区 分的准则。在通篇说明书及权利要求项当中所提及的“包含”为一开放式的用语，故应解释 成“包含但不限定于”。以外，“耦接”一词在此包含任何直接及间接的电气连接手段。因此， 若文中描述一第一装置耦接于一第二装置，则代表该第一装置可直接电气连接于该第二装 置，或通过其它装置或连接手段间接地电气连接至该第二装置。图3和图4分别示出了根据本发明的一实施例的图像噪声去除方法的部份流程 图，请共同参照此两图以更了解本发明。根据本发明的实施例的图像噪声去除方法可以软 件、韧体或硬件的形式实现在图1的图像处理模块107中。图3包含以下步骤步骤301使用拜耳图样。步骤303
判断要对其进行去噪声处理的像素(目标像素)是属于G像素，或者是R/B像素 其中之一。若属于G像素，则到步骤307，若为R/B像素其中之一，则进行步骤305。更详细 的说，在判断像素时，是判断位于拜耳图样中心的像素是G或R/B像素。以图2a、2b为例， 位于拜耳图样中心位置的像素是R/B像素(Rt/Bt)，则接着进行步骤305。而图2c为例，位 于拜耳图样中心位置的像素是G像素(Gt)，则接着进行步骤307。步骤305使用R/B像素框(R/B window)。以图2a为例，R像素框是指最接近目标像素Rt 的8个R像素，也即RO R7。以图2b为例，B像素框是指最接近目标像素Bt的8个B像 素，也即BO B7。B像素框与R像素框在拜耳图样上与目标像素的相对位置是一样的，故 称为R/B像素框。步骤307使用G像素框(G window)。以图2c为例，G像素框是最接近目标像素Gt的1 2个 G像素，也即G0 G11。步骤309使用G像素框或R/B像素框其中之一来计算像素框内像素的灰度平均值Avg。以G 像素框为例，即计算像素GO Gll的灰度平均值AvgG。以R像素框为例，即计算像素RO R7的灰度平均值AvgR。以B像素框为例，即计算像素BO B7的灰度平均值AvgB。步骤311分别计算像素框内多个像素(可计算一部份或全部像素)与灰度平均值Avg的差 异D。以G像素框为例，即计算像素GO Gll与灰度平均值AvgG的差异DGO DGl 1，或者 仅计算像素GO G7与灰度平均值AvgG的差异DGO DG7。以R像素框为例，即计算像素 RO R7与灰度平均值AvgR的差异DRO DR7。以B像素框为例，即计算像素BO B7与 灰度平均值AvgB的差异DBO DB7。步骤313找出具有最大灰度差异值Dmax的像素并标示出其位置。例如，DRO DR7中最大 值为DRl则将其定为Dmax，并标出像素R1。由于像素Rl与灰度平均值AvgR的差异最大， 因此像素Rl与像素Rt之间可能有边界存在。步骤315利用步骤313所得到的信息找出正交像素框(orthogonal window)，并以此正交 像素框往具有最大灰度差异值Dmax的像素的方向进行加权处理。例如，在步骤313中找到 像素Rl与灰度平均值AvgR有最大的差异DRl，则以像素Rl与像素Rt连成一直线的法向量 方向建立正交像素框，例如该正交像素框包含R3、Rt、R7。步骤317计算边界系数ED。此边界系数ED是代表着正交像素框处理的方向的边界强度，越大则表示图像在 此方向上可能有很明显的边界(或称为强边界)，越小则表示图像在此方向上边界越不明 显(或称为弱边界)。要计算此边界系数ED的原因在于图像处理在边界比较容易产生噪声 或处理错误的情况，因此要针对明显边界、不明显边界或非边界作不同的加权(weighting) 处理，这些处理将在底下详述。
在此实施例中，本发明提出一种计算边界系数的方法，其可用以下的公式1表示ED = Dmax/Avg 公式 1如上所述，ED为边界系数，Dmax为最大灰度差异值，而Avg表示灰度平均值。之所以用这样的公式来表示边界系数，是因为若最大灰度差异值Dmax相对于灰度平均值Avg 越大，则很有可能代表有一很明显的边界存在(例如一椅子摆在墙壁前面，椅子跟墙壁交 界处为明显边界，且其像素灰度间的差异会很大)。反之若最大灰度差异值Dmax相对于灰 度平均值Avg越小，则很有可能代表有一较不明显的边界存在，甚至无边界存在(例如一整 面墙壁，可视为无边界存在，且其像素灰度间的差异会很小)。因此，由上述的公式1，即便 Dmax与Avg都很小，仍可凭借其比例准确的推估是否有明显边界存在。接下来请参阅图4以了解接下来的步骤，图3的步骤317之后是接至图4的步骤 319。步骤319判断目标像素是属于G像素，或者是R/B像素其中之一。若是属于G像素，则到步 骤321，若为R/B像素其中之一，则进行步骤323。步骤321将一第一临界值Thl设成R/B临界值，并根据第一临界值Thl计算出一第二临界 值Th2。关于临界值的设定将在后说明。步骤323将一第一临界值Thl设成G临界值，并根据第一临界值Thl计算出一第二临界值 Th2。关于临界值的设定将在后说明。一般而言，噪声发生在R/B像素上及发生在G像素上的程度不同，因此在设定临界 值时，要依据目标像素是G像素或R/B像素来进行不同的设定。通常发生在R/B像素上的噪 声会大于发生在G像素上的噪声，故用于R/B像素的临界值最好大于G像素的临界值。在 此实施例中，第二临界值Th2是将第一临界值Thl减去一差值(Offset)所产生。此差值可 根据边界的状态所产生。而且，须注意的是，此说明书以及权利要求书中所使用的第一第二 并非限定其先后顺序，仅是为了表示其为不同的信号或是参数。步骤325判断边界系数ED是否小于第二临界值Th2，若是则到步骤327 ；若否则到步骤 329。步骤327使用第三加权值以及步骤315中的正交像素框，来对正交像素框内的像素做加权 处理。在此实施例中，若边界系数ED小于第二临界值Th2，则代表无边界存在，因此可使用 适合非边界区域使用的加权值。步骤329判断边界系数ED是否小于第一临界值Thl，若是则到步骤333、若否则到步骤331。步骤331使用第一加权值以及步骤315中的正交像素框，来对正交像素框内的像素做加权 处理。在此实施例中，若边界系数ED大于第一临界值Thl，则代表可能有一明显边界存在 (或称为强边界)，因此可使用适合明显边界区域使用的加权值。
步骤333使用第二加权值以及步骤315中的正交像素框，来对正交像素框内的像素做加权 处理。在此实施例中，若边界系数ED大于第一临界值Thl，则代表可能有一较不明显的边界 存在(或称为弱边界)，因此可使用适合较不明显边界区域使用的加权值。下面将说明根据本发明的实施例的加权函数，其使用在步骤327、331以及333当 中以计算出加权后灰度值。其是以图2a所示的像素Rt、R3和R7作为例子说明目标像素加权后灰度值Rt，= Wt* (R7+R3) +(I-Wt) *Rt = Wt (R7+R3-Rt) +Rt 公式 2根据公式2所计算出的加权后灰度值可套用到步骤315所述的正交像素框内所有 的R像素，以增加消除噪声的效用，易可仅套用至目标像素Rt。
在一实施例中，步骤327中的第三加权值可为0，即Wt = 0。由于边缘系数ED小 于第二临界值Th2，故可推定此拜耳图样中不存在边缘(非边界区)，则不需修正目标像素 Rt的灰度值，可将目标像素加权后灰度值Rt’直接设定为目标像素Rt的灰度值。在一实施例中，步骤331中的第一加权值为0.9，即Wt = 0.1。由于边缘系数ED大 于第一临界值Thl，故可推定目标像素Rt与像素Rl之间存在极明显的边缘(强边界区)， 故在修正目标Rt的灰度值时，可以很大程度地参酌像素R3与R7的灰阶值。在一实施例中，在步骤333中的第二加权值为0.3，即Wt = 0.3。由于边缘系数ED 介于第一临界值Thl与第二临界值Th2之间，故可推定目标像素Rt与像素Rl之间存在不 甚明显的边缘(弱边界区)，故在修正目标Rt的灰度值时，可以同时参酌像素Rt、R3与R7 的灰阶值。须注意的是公式2不限定使用在R像素，其它像素(例如B像素、G像素)也可套 用在公式2。而且，第一、第二、第三加权值亦不限定在0，0. 9，以及0. 3。须注意的是，上述的实施例仅用以举例，并非用以限定本发明。举例来说，可适用 于拜耳图样之外的其它图样，可使用在RGB像素之外的其它像素，如YUV或其它像素。也不 限于使用不同的范围来处理不同类型的像素，也即步骤303、305和307可删除。也不限于 使用不同的临界值来处理不同类型的像素，也即步骤319、321和323可删除。而且，也不限 于使用两临界值来区分出强边界区、弱边界区以及非边界区，也即可省略步骤329和333， 仅区分成非边界区(步骤327)和边界区(步骤331)，或者省略步骤327，仅区分成强边界 区(步骤331)和弱边界区(步骤333)。以上的变化均应在本发明的范围之内。请再参照图1，上述的方法实施例使用在图1所示的图像处理系统100时，可以一 噪声消去模块来施行，此噪声消去模块可位于模数转换器105和图像处理模块107之间，或 者位于图像处理模块107之后。根据上述的实施例，可以计算出边界系数并根据不同的边界系数以不同加权值进 行不同的加权动作，以消除影响中的噪声。以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与 修饰，皆应属本发明的涵盖范围。
权利要求
一种图像的边界系数计算方法，其中该图像包含多个像素，而该多个像素是以拜耳图样的形式排列，其特征在于，该方法包含(a)计算该图像的一特定范围内的多个特定类型像素的平均灰度；(b)计算该特定范围内的该些特定类型像素与该平均灰度的灰度差异以产生多个灰度差异值；(c)根据该些灰度差异值找出一具有最大灰度差异值的一特定像素；以及(e)计算该平均灰度以及该最大灰度差异值的一比例值以作为该边界系数。
2.根据权利要求1所述的图像的边界系数计算方法，其特征在于，该特定类型像素为Y 像素、U像素及V像素其中之一。
3.根据权利要求1所述的图像的边界系数计算方法，其特征在于，该特定类型像素为R 像素、G像素及B像素其中之一。
4.根据权利要求1所述的图像的边界系数计算方法，其特征在于，该步骤(a)还包含使 用不同大小的该特定范围以计算该第一范围内的所有像素的平均灰度。
5.一种图像噪声去除方法，其中该图像包含多个像素，而该多个像素是以拜耳图样的 形式排列，其特征在于，该方法包含(a)计算该图像的一第一范围内的多个特定类型像素的平均灰度；(b)计算该些特定类型像素与该平均灰度的灰度差异以产生多个灰度差异值；(c)根据该些灰度差异值找出具有最大灰度差异值的一特定像素；(d)依据该特定像素与该第一范围内的一目标像素决定一第二范围；以及(e)选择性地利用该第二范围内的像素调整该目标像素的灰度值以去除噪声。
6.根据权利要求5所述的图像噪声去除方法，其特征在于，该目标像素位于该第一范 围的中心位置，而该(d)步骤中，该第二范围是依照该目标像素与该特定像素的联机上所 延伸的法向量而建立。
7.根据权利要求6所述的图像噪声去除方法，其特征在于，该第二范围包含与该目标 像素同类型且最靠近该目标像素的多个像素。
8.根据权利要求5所述的图像噪声去除方法，其特征在于，该(e)步骤还包含(f)计算一边界系数；以及(g)若该边界系数大于一第一临界值，则使用一第一加权值对该目标像素的灰度值进 行一加权处理，若该边界系数小于该第一临界值，则使用一第二加权值对该目标像素的灰 度值进行该加权处理。
9.根据权利要求8所述的图像噪声去除方法，其特征在于，该(f)步骤还包含计算该平 均灰度以及该最大灰度差异值的一比例值以得到该边界系数。
10.根据权利要求5所述的图像噪声去除方法，其特征在于，该特定类型像素为Y像素、 U像素及V像素其中之一或者该特定类型像素为R像素、G像素及B像素其中之一。
11.根据权利要求5所述的图像噪声去除方法，其特征在于，该步骤(a)还包含使用不 同大小的该第一范围以计算该第一范围内的所有像素的平均灰度。
12.根据权利要求5所述的图像噪声去除方法，其特征在于，还包含依据该特定类型 像素的类型设定该第一临界值。
13.根据权利要求5所述的图像噪声去除方法，其特征在于，若特定类型像素的类型为R像素或B像素，则设定较高的临界值，若特定类型像素的类型为G像素，则设定较低的临界值。
14.根据权利要求5所述的图像噪声去除方法，其特征在于，还包含若该边界系数小于 一第二临界值，则使用一第三加权值进行该加权处理，且该第二临界值小于该第一临界值。
15.根据权利要求14所述的图像噪声去除方法，其特征在于，该第二临界值是由该第 一临界值减去一调整值而产生。
16.根据权利要求5所述的图像噪声去除方法，其特征在于，更包含若该边界系数小于 该第一临界值而大于一第二临界值，则使用该第二加权值进行该加权处理，若该边界系数 小于该第二临界值则使用一第三加权值进行该加权处理，其中该第一临界值大于该第二临 界值。
17.根据权利要求5所述的图像噪声去除方法，其特征在于，该步骤(g)使用下列的公 式来对该目标像素的灰度值进行该加权处理该目标像素加权后灰度值=加权值*(第一像素的灰度值+第二像素的灰度 值)+ (1_加权值)*该目标像素的灰度值，其中该第一像素与第二像素是位于该第二范围 内。
全文摘要
一种图像的边界系数计算方法，其中该图像包含多个像素，而该多个像素是以拜耳图样(Bayer pattern)的形式排列，该方法包含(a)计算该图像的一特定范围内的多个特定类型像素的平均灰度；(b)计算该特定范围内的该些特定类型像素与该平均灰度的灰度差异以产生多个灰度差异值；(c)根据该些灰度差异值找出一具有最大灰度差异值的一特定像素；以及(e)计算该平均灰度以及该最大灰度差异值的一比例值以作为该边界系数。
文档编号H04N9/04GK101969570SQ200910109108
公开日2011年2月9日 申请日期2009年7月27日 优先权日2009年7月27日
发明者张郡文 申请人:慧帝科技(深圳)有限公司;慧荣科技股份有限公司