图像的高频区域与低频区域的分界阈 值。
[0048] 为了较好的理解步骤S1的相关内容，举例加以说明，具体请参考图2,其为本发 明一实施例中图像的灰度值的梯度差的直方图。如图2所示，所述直方图的横坐标为灰度 值的梯度差（图中用TO, T1，…T表示），所述直方图的纵坐标为占用百分比（图中用P表 示）。这里预设的阈值百分比为H%，从所述直方图的横坐标中最小的灰度值的梯度差（即 图中T0)对应的纵坐标的占用百分比开始累加，直至累加的占用百分比之和等于预设的所 述阈值百分比，用表达式表示为：
[0049] P(T0)+P(T1)+P(T2)+-+P(Tm) = Η% ；
[0050] 此时最后一个累加的纵坐标的占用百分比（即P(Tm))所对应的灰度值的梯度差 (即Tm)，作为图像的高频区域与低频区域的分界阈值；这里预设的阈值百分比是根据 图像的自身的情况设定的经验值，以使图像进行后续降噪后图像的质量符合当前的需求。
[0051] 接着，执行步骤S2,根据所述分界阈值判定图像中每个像素点属于高频区域还是 低频区域；
[0052] 具体的，所述步骤S2中，判断当前像素点属于高频区域还是低频区域时，分别计 算当前像素点及与其相邻的一像素点的灰度值及两者灰度值的差值；当所述两者灰度值的 差值的绝对值大于所述分界阈值时，则当前的像素点属于高频区域；当两者灰度值的差值 的绝对值小于所述分界阈值时，则当前的像素点属于低频区域。
[0053] 较佳的实施例，请继续参考图2及图3,图3为本发明一实施例中图像中取二阶矩 阵范围的像素点的分布示意图。如图3所示的二阶矩阵范围内有四个像素点，即A(x，y)， B(x-1, y)，C(x, y-1)，D(x_l, y-1);当前要判断图3中像素点A(x, y)是属于高频区域还是低 频区域，需要计算像素点A(x，y)及与像素点A(x，y)相邻的一像素点（这里可以是像素点 B(x-l，y)、C(x，y_l)或D(x-l，y_l))的灰度值，这里选定相邻的一像素点为B(x_l，y)时， 判断像素点A (x，y)及像素点B(x_l，y)两者的灰度值的差值的绝对值与所述分界阈值的关 系，主要存在下面两种情况，这里用公式（1)及（2)表示为：
[0054] |YW_Y(B)|>Tm (1)
[0055] Y (A) -Y (Β) I < Tm (2)
[0056] 其中，Y(A)表示像素点A(x，y)的灰度值，Y(B)表示像素点B(x-1，y)的灰度值， Tm为由步骤S1计算出来的分界阈值；
[0057] 若满足式子（1)，则判定像素点A (X，y)属于高频区域，换言之，像素点A (X，y)为高 频区域中的像素点；若满足式子（2)，则判定像素点A(x，y)属于低频区域，换言之，像素点 A(x，y)为高频区域中的像素点。同理，对图像中其余像素点判断属于高频区域还是低频区 域的方法，这里就不再一一赘述。
[0058] 接着，执行步骤S3,单独对需要降噪区域内的像素点进行降噪处理。较佳的，当需 要对图像的高频区域或低频区域进行降噪时，这里可以根据实际需要单独对图像的高频区 域或低频区域进行降噪处理，使得本发明的图像降噪方法具有较好的自适应性，减少不必 要的计算量。
[0059] 进一步的，所述步骤S3中，单独对需要降噪区域内的像素点进行降噪处理，包括 步骤：分别以需要降噪区域内的每个像素点为中心建立窗口，并以该窗口中的所有像素点 的灰度值均值作为该像素点的灰度值估值；利用每个像素点的灰度值估值替换每个像素 点原有的灰度值；其中，以需要降噪区域内的每个像素点为中心所建立的窗口中所有像素 点的灰度值之和除以当前建立的窗口中像素点的数量得出该窗口中的所有像素点的灰度 值均值。换言之，选定需要降噪区域内的每个像素点，并分别以每个像素点为中心建立的 窗口，这里窗口的数量与需要降噪区域中包括的像素点数量相等，原因是在分别以需要降 噪区域内的每个像素点为中心建立窗口时，水平向右移动一列前一像素点的窗口以形成下 一个像素点的窗口，因此每个像素点所创建的窗口的形状及其中包括的像素点数据量均相 同。
[0060] 本实例中，所述步骤S3中建立的每个窗口均为大小相同的正方形，且窗口建立的 过程为以上一窗口水平向右移动一列像素点的方式进行的，为后续简化计算准备了调节。 这里设定窗口中包括奇数列像素点，是本领域所通用的方法，从而便于遍历窗口中的每个 像素点。
[0061] 优选的，计算每个窗口中所有像素点的灰度值之和均采用以窗口中像素点的列为 单位的移位求和的方法。需要说明的是此时窗口中的像素点以阵列的形式排列，从而为后 续窗口的移动及计算提供了条件。
[0062] 较佳的实施例，以位置坐标为（X，y)的像素点（这里结合图3中的内容，将该像素 点表示为A(x，y))为中心建立一边长为（2 * N+1)的窗口为例，进行详细的说明，这里用 width表示窗口的宽和高，需要注意的是，这里width为奇数，假设N = width/2，N取整数， 此时width = (2 * N+1)，具体请参考图4,其为本发明一实施例中用二维坐标来表示以位 置坐标为（x，y)的像素点为中心建立的窗口中所有像素点的位置的示意图。如图4所示， 可以获知以像素点A(x，y)为中心建立一边长为（2 * N+1)的窗口中所有像素点的位置情 况。
[0063] 当X = N时，则认为像素点A(x，y)为图像处理过程的边界点，此时窗口中所有像 素点的灰度值之和的计算公式如下：
[0064] sum_win = SUM1 = sum[l]+sum[2]+...+sum[2XN+l] (3)
[0065] 其中，sum_win表示当前窗口中所有像素点的灰度值之和，SUM1表示x = N时窗口 中所有像素点的灰度值之和，用sum[i]表示图2中第i列的所有像素点的灰度值之和，其 中 i = 1，2.…。
[0066] 当x>N时，由于对图像中像素点的遍历过程采用像素点右移的方式，表示为以像 素点A(x，y)为中心的窗口向右移动一列，此时建立以位置坐标为（x+l，y)为中心的窗口， 由于遍历图像中像素点时，也就相当于以每个像素点为中心分别建立窗口，本实施例中建 立窗口的过程也就是窗口以列为单位移动的过程，窗口的形状及其边长均未变化，因此临 近的像素点所建立的两个窗口中的像素点会有重叠部分，为了减少重复的计算，可以利用 当前像素点已计算的窗口中所有像素点的灰度值之和来计算下一个像素点的窗口中所有 像素点的灰度值之和，即：
[0067] sum_win = SUMl-sum[l]+sum[2XN+l] (4)
[0068] 其中，公式（4)中的sum_win是利用公式（3)所计算的SUM1的值计算的，公式（4) 所表述的意思就是在以位置坐标（x，y)为中心的窗口向右移动一列时，此时以位置坐标 (x+1，y)为中心的窗口中的像素点少了前一个窗口中的第一列的像素点，多了 一列像素点， 因此计算位置坐标为（x+l，y)为中心的窗口中所有像素点的灰度值之和时，可以利用公式 (3)的结果减去当前窗口相比前一窗口中少的一列像素点的灰度值之和，再加上当前窗口 相比前一窗口中多的一列像素点的灰度值之和。整个计算过程简单，减少不必要的重复计 算，加快了运算速度。
[0069] 具体的，对如何实现单独对需要降噪区域内的像素点进行降噪处理过程中分别以 需要降噪区域内的每个像素点为中心建立窗口的目的，是利用所建立窗口中所有像素点的 灰度值之和取均值来表征建立窗口的中心的像素点的灰度值，用此时计算出的当前建立的 窗口中的所有像素点的灰度值均值（即灰度值估值）替代未降噪前该像素点的原有的灰度 值，从而降低该像素点的噪声，提高了图像的质量。
[0070] 例如，若当前需要对图像的低频区域进行降噪，若此时像素点A(x，y)经判断其为 低频区域的像素点，想对像素点A(x，y)作降噪处理，则计算以像素点A(x，y)为中心的窗口 的灰度值均值，BP :
[0071] (5)
[0072] 其中，sum_win为为公式（3)中所计算的当前窗口中所有像素点的灰度值和，BP SUM1 ;widthXwidth来表征当前窗口中像素点的数量；Y'（A)为以像素点A(x，y)为中心的 窗口的灰度值均值，用Y'（A)来替换原有的灰度值Y(A)，实现对像素点A(x，y)的降噪处 理。对图像中属于低频区域的其余像素点降噪的过程同理，这里就不再赘述。当将图像中 属于低频区域的每个像素点都进行降噪处理后，就完成了对图像的低频区域的降噪。由于 当前需求是对图像的低频区域进行降噪，故对图像的高频区域的像素点不做处理，换言之， 若此时像素点A(x，y)属于高频区域，则对其不做处理，维持其原有的灰度值。从而避免使 用现有技术中的图像降噪方法，会出现图像的细节部分（即图像的高频部分）的严重丢失 的现象，计算过程简单，处理后图像的质量效果较佳。
[0073] 当然，这里仅是假设当前需要对图像的低频区域进行降噪进行了说明，若当前需 要对图像的高频区域进行降噪也是一样的，只是此时仅对属