专利名称：图像中噪声的降低的制作方法
技术领域：
一般来说，本发明涉及噪声降低，具体地说，涉及数字图像中噪声的降低。
背景降低图像中的高频随机噪声的所有已知方法归纳为用初始像素附近一定区域上的某个平均值来替换初始像素值。它们的主要区别在于滤波器的选择、即求平均值期间对像素值求和时所用的权的选择；以及节省计算时间的求和算法的选择。求和算法可能涉及到傅里叶变换，但原理仍然相同。
这些方法没有区分噪声与真实图像的有用高频分量，因此它们都减小到同样的程度。降噪使图像模糊，并且当图像细节受到噪声影响时，在降噪之后它们的可见性变得更差。如果没有关于噪声或图像结构的任何附加信息可用，则这种模糊是降噪的必然结果。
这个目的主要通过如权利要求1、5或13所述的方法以及如权利要求21所述的计算机程序产品来实现。
本发明的一个优点是根据有关噪声或图像结构已知的信息采用不同方法来实现的，从而根据所述信息实现改善的降噪。
通过以下描述，本发明的其它特征和优点将会变得明显。
为便于说明而不是进行限制，以下描述中提出了诸如特定技术和应用之类的具体细节，以便透彻地理解本发明。然而，本领域的技术人员应当清楚，在脱离这些具体细节的其它实施例中也可以实现本发明。在其它情况下，省略对众所周知的方法和设备的详细描述，以免不必要的细节妨碍对本发明的描述。
如果除图像本身之外还提供了有关噪声或图像结构的一些附加信息，则本发明能够用来改善降噪并且减小由降噪引起的图像退化结果。这种附加信息的实例是对图像具有一种或多种以下特性的认识(a)真实图像、即无噪声图像的几乎全部区域都由多像素片段覆盖，其中亮度平滑地变化；(b)离差或其它噪声参数、如FWHM(半最大值全宽)是大致已知的；(c)图像中的噪声与其它图像(或相同图像的不同部分)中的噪声明显相关；以及(d)根据与其它图像的源数据共同的源数据来计算(重构)图像。
大部分图像具有特性(a)，但不同图像的平滑片段的大小和形状可能极为不同。
特性(b)对包括X射线照片在内的大部分有噪图像是适用的。
特性(c)和(d)对大部分重构图像、包括层析图像和从双能量X射线图像重构的骨密度图谱是适用的。
虽然由于多种技术原因，图像中的噪声可能与其它图像或其中部分中的噪声相关，这种相关性的最常见原因是图像来源于相同的源数据。从相同数据计算(重构)出若干图像时，相同的初始噪声进入所有计算出的图像，从而使通过重构获得的噪声相关。
与源数据中的噪声相比，重构图像中的噪声通常被放大了很多，从而成为迫切问题，该问题能够通过本发明的方法来解决，以下将进行说明。一个重要实例是从身体的相同部分、但由不同能量的X射线产生的两个X射线图像来计算骨和软组织密度。由于密度重构基于这些X射线图像之间的细小差别，因此重构密度极易受到这些源图像中噪声的影响，重构图像中的噪声较大且互相密切相关。
对特性(a)、(b)、(c)以及(d)的认识提供了新的降噪可能性，这是以前未充分利用的。
采用特性(a)、(b)、(c)或(d)来描述降噪方法，它们实现了更深层的降噪，并且减小了降噪引起的模糊结果。尤其是当结合利用特性(a)、(b)、(c)或(d)的方法时，可对重构图像实现深层降噪而不会使细节变得模糊。
图像中的噪声一般是覆盖所关注对象的真实图像的任何杂质污迹。污迹片段的形状和污迹的统计特性可能极为不同。本发明主要涉及这样的噪声，它看起来象密集地分散在整个图像上的明暗斑点或颗粒。如果产生相同或不同对象的第二图像，例如取自某个患者的另一个X射线图像，则这些斑点在该图像中所处的位置与第一图像中的不同。在基于像素的图像中的高频噪声由一个或两个像素大小的小斑点组成。在较差照明或低X射线通量条件下，这时像素区上记录的光子的数量不大，通过高敏感度胶片或电子摄像机形成的图像中经常看到这种噪声。
在有噪图像中的某个点X上的像素值p可认为是像素在无噪声的真实图像中具有的平均值P与波动F之和，其中，像素值p由下式给出p＝P+F表达式“平均值”由符号M表示，所以P＝M(p)以及M(F)＝0。描述这种噪声强度的主要参数是离差D。离差D(X)定义为关于点X的波动平方的平均值，由下式给出D(X)＝M(F2)通常，图像质量的特征在于所谓的信噪比(S/N)，它实际上定义为P2/D。降噪使离差D更小并且改善S/N。
不同点X和Y(Y可以是具有与X相同的坐标但处于不同图像中的点)上的两个像素值p＝P(X)+F、g＝P(Y)+G的波动F和G之积的平均值M(FG)称作值p和g的协方差。此量与p和g的离差一起构成2×2协方差矩阵V=V11V12V21V22]]>其中元素为V11＝M(F2)＝D(X)，V12＝V21＝M(FG)，V22＝M(G2)＝D(Y)波动F和G相互依赖的程度由下式给出的相关系数C来度量C=V12/V11V22]]>它可在-1至1之间变化。值C＝-1和C＝1对应于波动的完全相关，因此F和G相互成比例，并且通过已知F，可以计算G，反之亦然。像素值p和g的线性组合αp+βg的离差D由下式表示D(αp+βg)＝α2V11+β2V22+2αβV12平均值通常是未知的，并且通过相同量x的一定数目N的独立获取的值xi的平均值来近似估算，其中，x的平均值由下式给出Avr(x)＝∑xiwi/∑wi其中正系数wi称作权。如果权等于1，这是所有xi都具有相同准确度的情况，则x的平均值由下式给出Avr(x)＝∑xi/N例如，如果有理由认为真值Pi与P(X)差别不大或者它们与P(X)间的偏差互相补偿，则点X上的真实像素值P(X)可以估算为在围绕X的某个区域中的点Yi上的像素值pi的Avr(p)。离差D(X)可估算为与Avr(p)间的偏差平方的平均值，由下式给出D(X)≈Avr((p-Avr(p))2)前提是有理由认为噪声在围绕X的所选区域中是同样强度的。同样，协方差V12可估算为
V12≈Avr((p-Avr(p))(g-Avr(g)))降噪的通常方法是用围绕像素的某个区域上的平均值取代图像的各像素。这个区域连同对像素值求和时所用的系数表一起通常称作滤波器。滤波器的一个简单实例是九个像素的正方形，当计算平均值时采用相同的系数1/9对它们的值求和。通过这种滤波器求平均值将噪声离差减小九倍，但使图像模糊，使其中各个可视行加宽了四个像素，因此降低了其对比度。与传统的降噪方法相比，本发明所述的方法在同样的模糊结果下实现更大的噪声离差降低，或者对于与传统方法同样的降噪效果而言，减轻了模糊结果。
层析重构是采用多个X射线照片或NMR(核磁共振)数据来计算切割物体的若干平面中对象的密度。具有相关噪声的这种图像的重构是一个复杂过程。
骨和软组织的密度的重构更为简单，包括计算两个函数a(p，g)和b(p，g)，它们以通过不同能量的X射线获得的两个X射线图像中的点X上的像素值p和g的函数给出骨和软组织的密度。函数a(p，g)和b(p，g)通常从具有骨和软组织等效物的已知密度的物体的校准X射线曝光中获得。两个函数对像素值p-g的细小差别极为敏感，因此所计算的密度具有比原始X射线图像更大的噪声离差和更差的信噪比。骨密度图像中的噪声与软组织密度图像中的噪声密切相关，其中，相关系数C为负数且接近-1。
下面说明采用真实图像的特性(a)(存在平滑片段)以及噪声的特性(b)(已知离差)的第一种降噪方法。
第一种方法通过对区域R上的像素值取平均值，并且使像素值的半和(p(Y)+p(Z))/2在对应于图像中的噪声电平和用户定义的降噪图像的容限选择L的限度内互相偏移，从而降低图像的各点X上的噪声，其中，求平均区域R取决于X，并选择为围绕X的最大区域，它仅包括若干对相对于点X对称放置的像素Y、Z，即通过像素对的直线穿过点X。
如下所述，求出接近最佳的最大求平均区域R。
首先，使选取的像素X包含在区域R中。然后，逐对地考虑相对于点X对称并接触区域R的已填充部分的各对像素Y＝X-v、Z＝X+v，其中v是偏移向量，并且检查它们的半和p(v)＝(p(Y)+p(Z))/2与已包含在R中的像素的平均值的差的平方是否未超过上述与用户设置的某个容限等级L相乘的差中呈现的噪声离差D。如果这对像素通过了测试，则被包含在R中。只要区域R增长，这个处理以上述方式继续考虑其它像素对。没有新的像素对通过针对离差的容限等级进行检查的测试时，就停止该处理。然后，R上的平均像素值用作降噪后的图像中的像素值X。
通过包含关于像素值偏差的随机性的测试以及关于出现在类似细线的真实图像的某些预期非随机细节的X附近的测试，可通过类似方式找出最佳区域R的较佳近似。通过包含在第一遍被拒绝的内部点的部分的区域R中以及通过平滑区域R的边界线，可以修改所找出的区域R并使其更密集和规则。
区域R必须对称，以便消除因真实图像亮度的梯度分摊为平均值而引起的图像失真。
对像素值的半和与R上的平均值的偏差的限定使因真实图像亮度曲率分摊而引起的降噪图像失真限制到大约 一般来说，区域R在图像亮度最小曲率的方向上延伸。对于平滑片段边界附近的像素X，区域R变窄并且可能减小到一条线。
由于区域R和周围图像片段之间边界的统计不确定性，在区域R上求平均值引起一定的图像模糊。不过，这种模糊的范围比传统噪声滤波方法中约为滤波器直径的模糊范围小若干倍。
与X对称的求平均区域R的选择对于所有执行降噪的滤波器都是普通的，因为它使平均值比不对称区域的情况更接近真值。本发明公开的是对于各点X单独优化区域R，以及在该区域的选择中，仅使用对称点Y、Z上的像素值的半和来代替各个像素值。这使选择区域R的过程对真实图像亮度的梯度不敏感。具体地说，这个选择过程按照以上所述进行测试，并写成下列公式(p(v)-Avrv(X))2＜D(X，v)L，其中Avrv表示先前包含在R中的所有像素对的平均值，而D(X，v)表示差p(v)-Avrv(X)的离差。
离差D(X，v)-D(X)*(1/2+1/n)可从不同的来源得知，其中n是R中的像素数目从对采用相同技术获取的早期图像的分析中，从噪声的泊松统计情况下记录的光子数中，或者从图像本身通过公式D(X，v)＝Avr((p-Avr(p))2)得出，其中p＝p(v)，而且对先前包含在R中的所有像素对求平均值。D(X)和D(X，v)的估算可通过本领域的技术人员知道的多种方式中的任一种来进行。
提取可能包含在区域R中的经测试的像素对的算法的详细情况可能在本领域的技术人员所知的多种方式中任一种中有所不同。所述检验过程仅为了提供可如何实现该方法的一般概念。实际上，在测试算法中，测试像素对的顺序是固定的，以便允许区域R按正方形的单像素层不断增长，直到偏差检验为正。每当新对被添加到区域R时，接触该对的像素被标记为R的可能扩展。下一个所提取的像素对首先被检验以便进行标记。如果它未被作标记，则将它略过，不进行其它耗时的测试。当下一个完成的正方形层中没有任何像素通过测试时，区域R的扩展过程停止。
对偏差的随机性的附加检验的目的在于清除区域R的像素紧致群(及其对称物)，这些像素通过了各对的测试但共同过于偏向一侧。如果偏差是随机的，则像素对的半和K的平均值与真值的偏差平方(P(X)-AvrKp(v))2可能仅在少数情况中超过2D(X)/K。如果一组像素对偏差较大，则从区域R中将其排除极可能使区域R上的平均值更接近真实图像的像素值P(X)。对于是否存在某些有怀疑的细节的检验与上述检验相似，但对某些形状的像素群中的偏差更敏感。
在一遍处理中找出的区域R通常包含许多孔，其中大部分像素没有过多偏差，但在它们第一遍中检验时没有接触已包含在R中的像素。考虑了后来所包含的点以及通过略微更宽松的偏差测试对R的修改不会过多增加R的大小但使它更密集。
在密集的多像素区域R的边界中的像素通常应当与属于该区域的4或5个像素接触。对于与属于区域R的3个以下像素接触的外围点的拒绝不会明显减少区域R中的像素数量，但使边界光滑并且减少模糊失真的风险。
下面说明采用图像中的噪声与其它图像中的噪声明显相关的特性(c)的第二种降噪方法。
第二种方法通过以下方法，借助于像素值p(X，I1)和p(Y，I2)的方差-协方差矩阵V，降低与图像I2的相应点Y处的噪声相关的图像I1的各点X处的噪声(1)通过任何不使用图像I1的降噪方法、例如上述第一方法从图像I2获取降噪图像I3；(2)计算由下式给出的点Y处像素值的波动的估算值F(Y)F(Y)＝p(Y，I2)-p(Y，I3)；(3)借助于下式计算图像I1中像素值p(X，I1)的波动G(X，I1)的估算值H(X，I1)H(X,I1)=F(Y)V(p(X,I1),p(Y,I2))V(p(Y,I2),p(Y,I2))]]>其中像素值的协方差V通过图像I1和I2的统计分析进行估算或者从其可能的共同源的特性进行计算；以及(4)通过从图像I1的各像素值中减去其波动估算值，从图像I1获取降噪图像I4，由下式给出p(X，I4)＝p(X，I1)-H(X，I1)如果作为X的函数的矩阵V是已知的，则该实现是直接的，并减化为对各点X重复计算(2)、(3)以及(4)。
如果没有给出矩阵V，则其在各点X处的估算值可通过标准方法求出，即为围绕点X的小区域以及围绕像素值与它们在相同区域上的平均值的偏差之积的点Y的相应区域上的平均值。
第二种方法在图像I1中仅减少它与图像I2中的噪声相关的噪声部分，并不消除图像I1中与图像I2中的噪声无关的噪声部分。因此，通过第二方法的降噪的最大系数受到差值1-C2的限制，其中C是相关系数，由下式给出C=V(p(X,I1),p(Y,I2))V(p(X,I1),p(X,I1))V(p(Y,I2),p(Y,I2)).]]>如果C2接近1.0，图像I4中的降噪可以很彻底。如果C2明显小于1.0，则图像I4仍包含明显的无关噪声。这个噪声可通过对图像I4应用其它降噪方法(包括第一方法)来降低。
通过第二方法实现的降噪具有某些特定结果。它们涉及以下事实从图像I2获取的图像I3包含模糊失真。这些失真传递到估算值H中，并从其中传递到降噪图像I4中，其中，它们看起来象图像I2上的对象边界的一种阴影。
由于图像I1、I2是不同的，因此，图像I1和图像I2中的图像片段的边界一般是不重合的，并且图像I2的片段的边界的阴影不会使图像I4中的细节模糊。这些阴影使图像I4中的细节模糊远小于图像I1中的原始噪声，因此在图像I1的噪声中丢失的图像I1的小细节在这些降噪之后成为可见的。相反，通常的降噪方法使小细节在降噪之后更加不可见。
图像I4中的图像I2的上述阴影的亮度和宽度取决于对图像I3的降噪的方法和参数的选择。图像I2的降噪的最佳选择取决于图像I1、I2的结构以及图像I4的用户选择的结构。对图像I2中降噪选择本发明的第一方法是极为有利的，因为它减少使图像I4模糊的图像I2的阴影。
保留在图像I4中的噪声可以通过许多方法进一步降低。在通过第一方法进行的降噪之后，从图像I4获得的图像与清洁的真实图像的比较表明当存在噪声相关性时，第二和第一方法的组合进行非常深层次的降噪而没有明显的失真或模糊。
图像I1和I2的作用可互换，因此噪声也可在图像I2中通过第二方法来降低。
在采用模拟取自高能量对低能量X射线的图像的两个人工构造图像I1、I2的实验中，噪声是95％相关的。为了降低图像I2中的噪声，第一方法与对局部亮度与平均值的系统偏差敏感并且降低图像I4中的图像I2的“阴影”的附加检验一起使用。
图像I4与通过第一方法从图像I1获得的降噪图像的比较结果为第一方法对于大的片段(对于背景)更为有效，而第二方法对于小的片段和细节是有利的。
下面说明采用从共同源图像(数据)重构图像的特性(a)、(b)、(c)以及特性(d)的第三降噪方法。
第三方法通过经修改以利用图像S1、S2和函数a、b的第一和第二方法的结合，降低从具有已知离差的无关噪声的源图像S1、S2重构(计算)为已知光滑函数I1＝a(S1，S2)和I2＝b(S1，S2)的图像I1和I2中的噪声，如下所述(5)通过第一方法进行的降噪从图像I2获得降噪图像I3，其中，求平均区域R选择为围绕Y的最大区域R，它仅包括相对于Y对称放置的像素对以及；或者使值的总和在对应于图像中的噪声电平和降噪图像的用户的容限选择的限度内相互偏离；或者对应于源图像S1和S2中的各像素对，使值的总和在对应于图像S1、S2中的噪声电平和降噪图像的用户容限选择的限度内相互偏离；(6)计算点Y处像素值的波动的估算值F(Y)，由下式给出F(Y)＝p(Y，I2)-p(Y，I3)(7)图像I1、I2中的点X、Y处的像素值p(X，I1)和p(Y，I2)的协方差矩阵V以下式给出的线性近似来计算V(p(X,I1),p(X,I1))=(∂a∂S1)2D1+(∂a∂S2)2D2,]]>V(p(X,I1),p(Y,I2))=(∂a∂S1)(∂b∂S1)D1+(∂a∂S2)(∂b∂S2)D2,]]>V(p(Y,I2),p(Y,I2))=(∂b∂S1)2D1+(∂b∂S2)2D2,]]>其中D1和D2是图像S1和S2中对应于点Y的点Z和T处的噪声离差；(8)计算图像I1中像素值p(X，I1)的波动G(X，I1)的估算值H(X，I1)，由下式给出H(X,I1)=F(Y)V(p(X,I1),p(Y,I2))V(p(Y,I2),p(Y,I2))]]>；以及(9)通过从各像素值中减去波动的估算值，从图像I1获得降噪图像I4，其中p(X，I4)由下式给出p(X，I4)＝P(X，I1)-H(X，I1)图像之间的关系式I1＝a(S1，S2)和I2＝b(S1，S2)是像素形式的，也就是说，图像I1上的点X唯一对应于分别在图像I2、S1和S2上的点Y、Z和T。因此，这些关系式可对像素写成由下式给定的形式p(X，I1)＝a(p(Z，S1)，p(T，S2))，p(Y，I2)＝b(p(Z，S1)，p(T，S2))。
该实现是直接的，并且包含对图像I1的所有像素执行操作(5)-(9)。第(5)点的最简易实现是仅检验值的总和与中心像素的二倍值之差(对于图像I1以及对于源图像S1、S2都进行检验)。步骤(5)中源图像的使用通常使通过第一方法的最简易实现中所述的像素选择处理所求出的区域R的质量相当好，而不需要附加检验及边界平滑。
第(5)点的更高级实现也可检验平均源值与接触所述像素对的若干像素对的值的平均值的偏差。这种测试更准确地定位区域R的边界。
第三方法最耗时的步骤是计算所有点处的矩阵V。但是，步骤(8)中所用元素的比率可以作为二元函数预先计算和列表。在这种情况下，通过内插快速完成矩阵V的计算，并且整个降噪过程耗用的时间与从图像S1和S2计算图像I1相同。
源图像的光滑片段对应于重构图像上的光滑片段(但反之则不成立，因为重构图像包含的细节数量比源图像少)。由于源图像具有较小噪声，因此它们的使用有助于可靠地定义不包含能够使平均值失真的真实图像细节的区域R的部分，并且有助于降低边界的统计不确定性。这使第三方法适用于其它降噪方法均无效的强噪声(重构)图像的情况。
在弱噪声图像的情况下，当不同的降噪方法可用时，第三方法使图像I3中的模糊失真更小，使图像I4不受图像I2中的片段边界阴影的影响而更整洁。这些阴影可能变得更难分辨。
重构图像的平方相关系数通常超过0.90，并且如果矩阵V是充分准确已知的，在图像I4中噪声离差可减少十几倍以上。对重构函数a和b的认识提供了比通过分析图像I1和I2本身更准确地计算V以及波动H和F之比的可能性，并实现接近理论限度的降噪。
在第三方法的一个实验中，图像I1和图像I2是从结合骨和组织的模拟X射线照片的两个源图像中重构的。
重构显著放大了出现在源图像(图像S1或S2)中的小的亮度相关噪声，因此图像I1和I2中的噪声较大，并且各片段的边界变模糊。I1中的这种噪声与I2中的噪声是95％相关的。在这种情况下，第一方法难以实现，第三种方法仍然有效并且提供图像是其它图像的“阴影”十分明显，但降噪是深层的，并且无任何模糊地再现了小的细节。
本发明的方法最好是通过位于计算机的内部存储器中的软件代码来完成，并且通过该计算机的处理器来执行。
显然，本发明可在多种方式上有所不同。这种变化不能视为背离本发明的范围。本领域的技术人员会理解的所有这些变化应当包含在所附权利要求的范围之内。
权利要求
1.一种用于降低包含多个像素的数字图像中的噪声的方法，其特征在于以下步骤向区域(R)中添加选取的像素；将接触所述区域(R)的像素组成若干对，其中每对像素相对于所述选取的像素对称地放置；向所述区域(R)中逐对地添加所述组成的对，只要所述对的半和与所述选取的像素值或所述区域(R)中的像素值的平均值的差的平方没有超过与容限等级(L)相乘的所述差的噪声的离差(D)；重复所述分组和添加所述组成的对的步骤，直到在添加所述对的所述步骤中，对于任何对都不满足添加所述组成的对的条件；对所述区域(R)的像素值求平均值；以及在重构所述图像时，为所述选取的像素使用由此平均的像素值。
2.如权利要求1所述的方法，其特征在于，各个所述重复的分组步骤排除在任何以前的分组步骤中组成对的像素。
3.如权利要求1所述的方法，其特征在于，添加所述对的所述步骤排除未接触已包含在所述区域(R)中的任何对的像素对。
4.如权利要求1-3中任一项所述的方法，其特征在于，第二次执行所述方法，而且在所述第二次执行期间各个所述分组步骤仅包括第一次执行所述方法之后未包含在所述区域(R)中的像素。
5.一种用于降低包含多个像素的第一图像中的噪声的方法，其特征在于以下步骤获取位于第二图像中的第二像素的降噪值；计算所述第二像素的波动的估算值；计算位于所述第一图像中的第一像素的波动的估算值，其中所述第一像素的所述波动与所述第二像素的所述波动相关；通过从所述第一像素中减去所述第一像素的波动的所述估算值来获取所述第一像素的降噪值；以及在重构所述第一图像时使用所述第一像素的所述降噪值。
6.如权利要求5所述的方法，其特征在于，所述相关性的绝对值至少为0.8，更可取的是至少为0.9，最好是至少为0.95。
7.如权利要求5或6所述的方法，其特征在于，未使用所述第一图像来获取所述第二像素的所述降噪值。
8.如权利要求7所述的方法，其特征在于，通过如权利要求1-4中任一项所述的方法来获取所述第二像素的所述降噪值。
9.如权利要求5-8中任一项所述的方法，其特征在于，所述第二像素的波动的所述估算值被计算为所述第二像素的像素值和所述第二像素的降噪像素值之差。
10.如权利要求5-9中任一项所述的方法，其特征在于，所述第一像素的波动的所述估算值被计算为所述第二像素的波动和所述第一、第二像素的协方差的估算值与所述第二像素的方差的估算值之商的乘积。
11.如权利要求5-10中任一项所述的方法，其特征在于，从第三图像S1和第四图像S2中重构所述第一图像，还从S1和S2中重构所述第二图像，以及由下式计算所述第一像素的波动的所述估算值F(Y)V(p(X,I1),p(Y,I2))V(p(Y,I2),p(Y,I2))]]>其中F(Y)是所述第二像素的波动，V是所述第一图像I1中的所述第一像素X的像素值p和所述第二图像I2中的所述第二像素Y的像素值p之间的协方差，以及V(p(X，I1)，p(Y，I2))通过下式来估算(∂a∂S1)(∂b∂S1)D1+(∂a∂S2)(∂b∂S2)D2]]>而且V(p(Y，I2)，p(Y，I2))通过下式来估算(∂b∂S1)2D1+(∂b∂S2)2D2]]>其中，a是S1和S2的第一函数，b是S1和S2的第二函数，D1是对应于第二像素Y的S1中像素的噪声离差，以及D2是对应于第二像素Y的S2中像素的噪声离差。
12.如权利要求11所述的方法，其特征在于，所述第一和第二函数是光滑函数。
13.一种用于降低包含多个像素的第一图像中的噪声的方法，其特征在于以下步骤选择所述第一图像中的第一像素(X)；选择所述第一图像中或第二图像中的第二像素(X1)；将所述第二像素(X1)包含在第二区域(R1)中；将接触所述第二区域(R1)的像素组成若干对，其中每对像素相对于所述第二像素对称地放置；向所述第二区域(R1)逐对地添加所述组成的对，只要所述对的半和与所述选择的像素值或所述第二区域(R1)中的像素值的平均值的差的平方未超过与容限等级(L)相乘的所述差的噪声的离差(D)；重复所述分组和添加所述组成的对的步骤，直到在添加所述对的所述步骤中，对于任何对均不满足添加所述组成的对的条件；将围绕所述第一像素(X)的第一区域(R)定义为围绕所述第二像素(X1)的所述第二区域(R1)；对所述第一区域(R)的所述像素值求平均值；以及在重构所述第一图像时，对所述第一区域(R)的所述第一像素(X)使用由此平均的像素值。
14.如权利要求13所述的方法，其特征在于，各个所述重复的分组步骤排除在任何以前的分组步骤中组成对的像素。
15.如权利要求13或14所述的方法，其特征在于，所述第二像素(X1)位于所述第二图像中。
16.如权利要求15所述的方法，其特征在于，所述第二像素(X1)位于所述第二图像中，而所述第一像素(X)位于所述第一图像中。
17.如权利要求13-16中任一项所述的方法，其特征在于，通过如权利要求1-4中任一项所述的方法来降低所述第一图像中的噪声。
18.如权利要求13-16中任一项所述的方法，其特征在于，通过如权利要求5-12中任一项所述的方法来降低所述第一图像中的噪声。
19.如权利要求5-12中任一项所述的方法，其特征在于，通过如权利要求1-4中任一项所述的方法来降低所述第一图像中的噪声。
20.如权利要求5-12中任一项所述的方法，其特征在于，通过如权利要求13-16中任一项所述的方法来降低所述图像中的噪声。
21.一种计算机程序产品，它可直接装入计算机的内部存储器中，所述计算机程序产品包含软件代码部分，当所述计算机程序产品运行在所述计算机上时，用于执行如以上任一权利要求所述的方法。
全文摘要
本发明涉及一种用于降低包含多个像素的数字图像中的噪声的方法，包括以下步骤向区域(R)添加选取的像素；将接触区域(R)的像素组成对，其中每对像素相对于所述选取的像素对称放置；向区域(R)逐对添加所述组成的对，只要像素对的半和与选取的像素值或区域(R)中像素值的平均值的差的平方未超过与容限等级(L)相乘的所述差的噪声的离差(D)；重复所述分组和添加所述组成的对的步骤，直到在添加所述对的所述步骤中，对于任何对均不满足添加所述组成的对的条件；对所述区域(R)的像素值求平均值；以及在重构所述图像时对所述选取的像素使用由此平均的像素值。
文档编号G06T5/20GK1468414SQ0181669
公开日2004年1月14日 申请日期2001年10月5日 优先权日2000年10月6日
发明者S·索科洛夫, S 索科洛夫 申请人:爱克斯康特公司