一种自适应高斯滤波方法与流程

本发明涉及到显示控制器和其他图像处理应用芯片的硬件图像滤波设计所使用的高斯滤波方法。

背景技术：

高斯滤波在计算机显示控制器和其他图像处理应用处理系统中扮演着极其重要的角色，它属于最基本的二维图像处理方法之一。

传统的高斯滤波方法步骤如图1，读取图像，设定一个固定的滤波窗口，计算sigma参数，完成高斯滤波。对于传统高斯滤波处理方法，其滤波窗口是固定的，且通常是3x3。

传统高斯滤波，其处理对象是所有的像素点，其缺点在于，不仅改变了噪声点，也改变了信号点，这就造成了图像信号点的丢失，造成图像处理产品所得到的图像模糊、失真。同时，传统的高斯滤波并不能考虑到g通道有矩形像素矩阵和钻石型像素矩阵两种情况，通常只能考虑到一种情况，这就造成了g通道不能准确地识别噪声点，从而造成图像处理产品滤波后像g通道素点失真，照片品质不高。

技术实现要素：

本发明提供一种自适应高斯滤波方法，该滤波方法采用自适应调节功能的高斯滤波器进行滤波，能够在降低raw-bayer图像的高斯噪声的同时，最大程度保留信号点像素信息，得到高保真、高品质图像。该滤波方法采用自适应算法动态调节滤波窗口实现对噪声点的自动检测，而不对需要所有的像素点进行滤波，从而最大程度地保留了raw-bayer格式图像原始数据信息，从而不会造成图像信号点像素信息的丢失，使图像在经过高斯滤波之后图像保持清晰。

本发明的自适应高斯滤波方法中，滤波模块是一个自适应的反馈系统，检验自适应高斯滤波方法效果的一个关键点就是实现对噪声点的自动检测，只有实现对噪声的准确判断才能对噪声予以有效滤除，保证较好的滤波效果。

本发明的自适应高斯滤波方法中，采用极值检测法进行噪声检测，基本的噪声点判断思想可以描述为，当滤波窗口中心的像素值是窗口内所有像素值的极值时，可以判定其为噪声点，反之则判定为信号点。

噪声点的检测过程中，滤波窗口自适应变化，滤波窗口动态自适应可调，初始窗口到最大窗口以步长为2进行逐级放大，直到窗口内存在极值点或滤波窗口已经达到最大为止。

本发明的自适应高斯滤波方法中，对于绿色分量g通道，可以通过编程控制进行选择采用普通矩形像素矩阵或者钻石形像素矩阵进行滤波。

附图说明：

图1为传统高斯滤波方法的流程图；

图2为本发明的自适应高斯滤波方法的流程图；

图3(a)为raw-bayer格式图像g通道5x5钻石形像素矩阵；

图3(b)为raw-bayer格式图像g通道5x5矩形像素矩阵。

具体实施方式：

图2是依照本发明的实施例的高斯滤波方法的流程图。下面结合图2具体描述根据本发明的实施例，高斯滤波的实现方法。

第一步，读取图像，将图像分解为r、g、b三原色图，以（x,y）点建立初始化滤波窗口，滤波开始时从第一个像素点开始，因此（x,y）点的初始化坐标是第一个像素点的坐标值。滤波窗口为矩形窗口，滤波窗口的大小为矩形窗口的大小，例如3x3的滤波窗口包含9个像素点。滤波开始时，滤波窗口的初始化大小为3x3。

第二步，判断滤波窗口内是否有极值。raw-bayer格式是未经过isp处理而直接输出的图像格式，以bgbg…grgr…阵列的形式排列的，每个像素点只输出一种颜色。以5x5的像素区域为例，共包含25个像素点，g通道的分布矩阵可能有两种情况，矩形像素矩阵和钻石形像素矩阵两种情况。钻石形像素矩阵分布如图3(a)，矩形像素矩阵分布如图3(b)；

对于r通道和b通道，仅需要考虑矩形像素矩阵，对于g通道，当滤波窗口的大小大于或等于5x5时，矩形像素矩阵和钻石形像素矩阵任何一种像素矩阵只要存在极值，则极值存在；若极值存在，则执行第三步，反之，执行第四步；

本发明同时考虑g通道有矩形像素矩阵和钻石形像素矩阵两种情况，该滤波算法能够最大程度上保留信号点的信息，只针对判定为噪声点的像素点进行滤波，滤波效果比传统的高斯滤波更能保持图像的清晰以及高保真画质；

第三步，滤波窗口中心点即预滤波点，当同时满足滤波窗口内所有像素值的均值大于滤波窗口内像素值的最小值并且滤波窗口内所有像素值的均值小于滤波窗口内像素值的最大值两个条件时，说明滤波窗内有极值。若预滤波点既不是滤波窗口内所有像素值的最大值，又不是滤波窗口内所有像素值的最小值，则判定该预滤波点为信号点。若预滤波点为极值点，判定预滤波点为噪声点，根据当前滤波窗口大小，计算sigma，进行高斯滤波；反之，判定预滤波点为信号点，保持原样输出；

第四步，以步长为2放大窗口增大滤波窗口，若还未达到最大滤波窗口，则继续执行第二步，反之，执行第五步；因为仅当滤波窗口的大小为奇数时，预滤波点存在，因此最小步长为2；因为滤波窗口的大小不是固定的，而是可以根据不同的情况，以步长为2增大滤波窗口，所以该滤波方法称之为自适应高斯滤波方法。

例如，当滤波窗口为3x3时，通过第二步的判断，滤波窗口内并没有极值，于是以步长为2增大该滤波窗口，则滤波窗口变为5x5，若此时极值存在，则进行第三步判断预滤波点是否为极值点，若极值点恰好是预滤波点，则预滤波点就是噪声点，需要计算sigma对其进行高斯滤波，否则判定预滤波点为信号点，保持该预滤波点原样输出；

第五步，判断预滤波点是否为图像最后一个像素点，若预滤波点为图像最后一个像素点，完成该预滤波点滤波之后，则图像滤波完成；反之，将窗口移动到下一个滤波点，重复以上步骤进行滤波。

本发明基于以上自适应高斯滤波方法，提出一种高斯滤波系统，能够高品质完成对raw-bayer格式的图像进行滤波，可以自动按照本发明所述的自适应高斯滤波方法调整到最佳滤波，实现时候不需要任何关于图像像素点及噪声的先验统计知识，即使当统计特性变化时，该滤波系统能够调整自身的滤波窗口大小来满足最佳滤波需要，同时因为raw-bayer格式的图像中g通道的像素点数量最多，对图像的画质影像最大，并且只有g通道可能存在矩形像素矩阵和钻石形像素矩阵两种情况，因此同时考虑到g通道矩形像素矩阵和钻石形像素矩阵两种情况，实现编程可控制选择像素矩阵的种类，极大提高了高斯滤波的性能。

技术特征：

技术总结
本发明提供一种通过对Raw‑Bayer图像格式进行自适应高斯滤波方法，滤波窗口动态可调节，能够编程控制绿色分量G通道选择采用普通矩形像素矩阵或者钻石形像素矩阵进行滤波，能够在降低Raw‑Bayer图像的高斯噪声的同时，最大程度地保留Raw‑Bayer格式图像原始数据信息，从而不会造成大量图像信息的丢失，使图像在经过高斯滤波之后最大程度保持高品质图像。

技术研发人员：郭正;郭子平;曹一君
受保护的技术使用者：郭正;郭子平;曹一君
技术研发日：2016.04.03
技术公布日：2017.10.24