CN116228564B - 一种图像空域降噪方法及装置 - Google Patents

一种图像空域降噪方法及装置

Info

Publication number
CN116228564B
CN116228564B CN202211697078.4A CN202211697078A CN116228564B CN 116228564 B CN116228564 B CN 116228564B CN 202211697078 A CN202211697078 A CN 202211697078A CN 116228564 B CN116228564 B CN 116228564B
Authority
CN
China
Prior art keywords
pyramid
point
filtering
layer
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202211697078.4A
Other languages
English (en)
Other versions
CN116228564A (zh
Inventor
易翔
钟午
潘文培
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xi'an Quanzhi Technology Co ltd
Original Assignee
Xi'an Quanzhi Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xi'an Quanzhi Technology Co ltd filed Critical Xi'an Quanzhi Technology Co ltd
Priority to CN202211697078.4A priority Critical patent/CN116228564B/zh
Publication of CN116228564A publication Critical patent/CN116228564A/zh
Application granted granted Critical
Publication of CN116228564B publication Critical patent/CN116228564B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Picture Signal Circuits (AREA)

Abstract

本发明公开了一种图像空域降噪方法及装置，该方法包括：根据待降噪图像建立多尺度金字塔，并利用高斯金字塔的中间结果建立方向滤波金字塔，并根据各金字塔的非局部均值滤波结果对待降噪图像进行融合重构。可见，实施本发明能够通过多尺度金字塔的利用有效避免出现场景适应性不够的情况，同时方向滤波金字塔的加入有效避免降噪后图像出现纹理边缘被过度平滑或产生边缘色噪残留的问题，在保证降噪效果的同时，兼顾整体清晰度，提高了图像降噪工作的效率以及准确性。

Description

一种图像空域降噪方法及装置
技术领域
本发明涉及图像处理技术领域，尤其涉及一种图像空域降噪方法。
背景技术
随着数字时代的快速发展，数字图像逐渐成为人们生产生活中的重要部分，但数字图像在获取、传输等过程中会不可避免的受到噪声污染，由于人们对高质量数字图像的需求愈发强烈，因此图像降噪成为图像处理中的关键一环。
目前，最具代表性的图像降噪手段为非局部滤波器，如非局部均值滤波(Non-Local Means，NLM)和三维块匹配(Block Mathing 3D，BM3D)，其利用了图像的自相似性特征，并通过加权平均像素点或像素块以获得图像降噪结果。但是现有的图像降噪方法对图像边缘的处理结果较为不理想，难以与平坦纹理区域的降噪效果相兼容，此外，虽然能够有效的去除低频噪声，但同时会损失图像的高频细节，导致图像清晰度下降，也即：当前的图像降噪方法无法同时保证图像降噪效果与图像清晰度。因此，提出一种兼顾整体降噪效果和清晰度要求的图像降噪方法尤为重要。
发明内容
本发明所要解决的技术问题在于，提供一种图像空域降噪方法及装置，能够有利于提高图像降噪后的清晰度，并保证对图像的整体降噪效果。
为了解决上述技术问题，本发明第一方面公开了一种图像空域降噪方法，所述方法包括：
获取待降噪图像，建立所述待降噪图像的多尺度金字塔，所述多尺度金字塔包括高斯金字塔和拉普拉斯金字塔；
根据所述高斯金字塔构建所述待降噪图像的方向滤波金字塔；
确定所述方向滤波金字塔中每个像素点对应的点信息，所述点信息包括所述像素点对应的类别信息，所述类别信息用于表示所述像素点为平坦点或边缘纹理点；
对所述拉普拉斯金字塔每层中的所有像素点逐点进行非局部均值滤波，得到所述拉普拉斯金字塔每层中各像素点的滤波结果，以及，确定所述拉普拉斯金字塔每层中各像素点对应的相似点个数；
对所述方向滤波金字塔每层中各所述边缘纹理点逐点进行所述非局部均值滤波，得到所述方向滤波金字塔每层中各所述边缘纹理点的滤波结果，以及，确定所述方向滤波金字塔每层中各所述边缘纹理点对应的相似点个数；
根据所述方向滤波金字塔中的每个所述像素点的分类、所述拉普拉斯金字塔每层中各像素点的滤波结果、所述拉普拉斯金字塔每层中各像素点对应的相似点个数、所述方向滤波金字塔每层中各所述边缘纹理点的滤波结果以及所述方向滤波金字塔每层中各所述边缘纹理点对应的相似点个数执行融合重构操作，得到所述待降噪图像对应的降噪后图像。
作为一种可选的实施方式，在本发明第一方面中，所述根据所述高斯金字塔构建所述待降噪图像的方向滤波金字塔，包括：
通过所述高斯金字塔的中间结果获取所述方向滤波金字塔的各方向滤波结果；
根据所述方向滤波金字塔的各方向滤波结果构建所述方向滤波金字塔的残差图；
其中，所述方向滤波金字塔的各方向滤波结果表示为：
OFl,m＝Il*fm，
其中，OFl,m为所述方向滤波金字塔第l层中的像素点在第m个方向上的滤波结果，Il为第l层的图像，l为图像层数，fm为第m个方向对应的方向滤波器，*为图像卷积操作；
以及，所述方向滤波金字塔的残差图表示为：
其中，ORl,m为所述方向滤波金字塔的残差图，upsample()为上采样操作的运算符。
作为一种可选的实施方式，在本发明第一方面中，对于所述方向滤波金字塔中每个所述像素点，若所述像素点为所述边缘纹理点，则所述像素点对应的所述点信息还包括所述像素点的主方向信息以及所述像素点的边缘强度信息；若所述像素点为所述平坦点，则所述像素点对应的所述点信息还包括所述像素点的边缘强度信息；
其中，所述确定所述方向滤波金字塔中每个像素点对应的点信息，包括：
对所述方向滤波金字塔中的每个像素点，将所述像素点在所述方向滤波金字塔的不同方向残差图中的残差值进行比较，得到与所述像素点对应的最大残差值；
将所述最大残差值与预设边缘低阈值进行比较：
当所述最大残差值小于所述预设边缘低阈值时，判定所述像素点的类别用于表示所述像素点为平坦点；
当所述最大残差值大于或等于所述预设边缘低阈值时，判定所述像素点的类别用于表示所述像素点为边缘纹理点，并确定所述边缘纹理点的主方向信息，所述主方向信息为所述最大残差值对应的的方向；
根据所述最大残差值和预设边缘高阈值确定所述像素点的边缘强度信息。
作为一种可选的实施方式，在本发明第一方面中，所述像素点的边缘强度信息的计算公式为：
其中，edgestr为所述像素点的边缘强度信息，th_hi为所述预设边缘高阈值，mx_ORl为所述像素点对应的最大残差值。
作为一种可选的实施方式，在本发明第一方面中，所述对所述方向滤波金字塔每层中各所述边缘纹理点逐点进行所述非局部均值滤波，包括：
对所述方向滤波金字塔每层中的所有所述边缘纹理点，根据所述边缘纹理点对应的主方向信息，在所述方向滤波金字塔中选择残差图逐点进行所述非局部均值滤波。
作为一种可选的实施方式，在本发明第一方面中，所述根据所述方向滤波金字塔中的每个所述像素点的分类、所述拉普拉斯金字塔每层中各像素点的滤波结果、所述拉普拉斯金字塔每层中各像素点对应的相似点个数、所述方向滤波金字塔每层中各所述边缘纹理点的滤波结果以及所述方向滤波金字塔每层中各所述边缘纹理点对应的相似点个数执行融合重构操作，得到所述待降噪图像对应的降噪后图像，包括：
对于所述方向滤波金字塔中的每个所述平坦点，根据所述高斯金字塔和所述拉普拉斯金字塔的结构，逐层累加所述拉普拉斯金字塔每层中与所述平坦点位置相匹配的目标像素点的滤波结果，重构出与所述平坦点对应的降噪后结果；
对于所述方向滤波金字塔中的每个对所述边缘纹理点，根据所述拉普拉斯金字塔每层中的每个所述像素点对应的相似点个数、所述方向滤波金字塔每层的每个所述边缘纹理点对应的相似点个数和确定出来的所述方向滤波金字塔中每个像素点的边缘强度信息，将所述拉普拉斯金字塔每层中与所述边缘纹理点位置相匹配的各所述像素点的滤波结果和所述方向滤波金字塔每层中各所述边缘纹理点的滤波结果进行融合，重构出与所述边缘纹理点对应的降噪后结果；
将所述平坦点对应的降噪后结果和所述边缘纹理点对应的降噪后结果进行整合，得到所述待降噪图像对应的降噪后图像。
作为一种可选的实施方式，在本发明第一方面中，所述重构出与所述边缘纹理点对应的降噪后结果的公式为：
其中，out为与所述边缘纹理点对应的降噪后结果，countor为所述方向滤波金字塔每层的每个所述边缘纹理点对应的相似点个数，for为所述方向滤波金字塔每层中各所述边缘纹理点的滤波结果，countlp为所述拉普拉斯金字塔每层中的每个所述像素点对应的相似点个数，flp为所述拉普拉斯金字塔每层中各所述像素点的滤波结果，edgestr为确定出来的所述方向滤波金字塔中所有像素点的边缘强度信息，l为图像层数。
本发明第二方面公开了一种图像空域降噪装置，所述装置包括：
获取模块，用于获取待降噪图像，建立所述待降噪图像的多尺度金字塔，所述多尺度金字塔包括高斯金字塔和拉普拉斯金字塔；
构建模块，用于根据所述高斯金字塔构建所述待降噪图像的方向滤波金字塔；
确定模块，用于确定所述方向滤波金字塔中每个像素点对应的点信息，所述点信息包括所述像素点对应的类别信息，所述类别信息用于表示所述像素点为平坦点或边缘纹理点；
滤波模块，用于对所述拉普拉斯金字塔每层中的所有像素点逐点进行非局部均值滤波，得到所述拉普拉斯金字塔每层中各像素点的滤波结果，以及，确定所述拉普拉斯金字塔每层中各像素点对应的相似点个数；
所述滤波模块，还用于对所述方向滤波金字塔每层中各所述边缘纹理点逐点进行所述非局部均值滤波，得到所述方向滤波金字塔每层中各所述边缘纹理点的滤波结果，以及，确定所述方向滤波金字塔每层中各所述边缘纹理点对应的相似点个数；
融合重构模块，用于根据所述方向滤波金字塔中的每个所述像素点的分类、所述拉普拉斯金字塔每层中各像素点的滤波结果、所述拉普拉斯金字塔每层中各像素点对应的相似点个数、所述方向滤波金字塔每层中各所述边缘纹理点的滤波结果以及所述方向滤波金字塔每层中各所述边缘纹理点对应的相似点个数执行融合重构操作，得到所述待降噪图像对应的降噪后图像。
作为一种可选的实施方式，在本发明第二方面中，所述构建模块根据所述高斯金字塔构建所述待降噪图像的方向滤波金字塔的具体实施方式为：
通过所述高斯金字塔的中间结果获取所述方向滤波金字塔的各方向滤波结果；
根据所述方向滤波金字塔的各方向滤波结果构建所述方向滤波金字塔的残差图；
其中，所述方向滤波金字塔的各方向滤波结果表示为：
OFl,m＝Il*fm，
其中，OFl,m为所述方向滤波金字塔第l层中的像素点在第m个方向上的滤波结果，Il为第l层的图像，l为图像层数，fm为第m个方向对应的方向滤波器，*为图像卷积操作；
以及，所述方向滤波金字塔的残差图表示为：
其中，ORl,m为所述方向滤波金字塔的残差图，upsample()为上采样操作的运算符。
作为一种可选的实施方式，在本发明第二方面中，对于所述方向滤波金字塔中每个所述像素点，若所述像素点为所述边缘纹理点，则所述像素点对应的所述点信息还包括所述像素点的主方向信息以及所述像素点的边缘强度信息；若所述像素点为所述平坦点，则所述像素点对应的所述点信息还包括所述像素点的边缘强度信息；
其中，所述确定模块确定所述方向滤波金字塔中每个像素点对应的点信息的具体实施方式为：
对所述方向滤波金字塔中的每个像素点，将所述像素点在所述方向滤波金字塔的不同方向残差图中的残差值进行比较，得到与所述像素点对应的最大残差值；
将所述最大残差值与预设边缘低阈值进行比较：
当所述最大残差值小于所述预设边缘低阈值时，判定所述像素点的类别用于表示所述像素点为平坦点；
当所述最大残差值大于或等于所述预设边缘低阈值时，判定所述像素点的类别用于表示所述像素点为边缘纹理点，并确定所述边缘纹理点的主方向信息，所述主方向信息为所述最大残差值对应的的方向；
根据所述最大残差值和预设边缘高阈值确定所述像素点的边缘强度信息。
作为一种可选的实施方式，在本发明第二方面中，所述像素点的边缘强度信息的计算公式为：
其中，edgestr为所述像素点的边缘强度信息，th_hi为所述预设边缘高阈值，mx_ORl为所述像素点对应的最大残差值。
作为一种可选的实施方式，在本发明第二方面中，所述滤波模块对所述方向滤波金字塔每层中各所述边缘纹理点逐点进行所述非局部均值滤波的具体实施方式为：
对所述方向滤波金字塔每层中的所有所述边缘纹理点，根据所述边缘纹理点对应的主方向信息，在所述方向滤波金字塔中选择残差图逐点进行所述非局部均值滤波。
作为一种可选的实施方式，在本发明第二方面中，所述融合重构模块根据所述方向滤波金字塔中的每个所述像素点的分类、所述拉普拉斯金字塔每层中各像素点的滤波结果、所述拉普拉斯金字塔每层中各像素点对应的相似点个数、所述方向滤波金字塔每层中各所述边缘纹理点的滤波结果以及所述方向滤波金字塔每层中各所述边缘纹理点对应的相似点个数执行融合重构操作，得到所述待降噪图像对应的降噪后图像的具体实施方式为：
对于所述方向滤波金字塔中的每个所述平坦点，根据所述高斯金字塔和所述拉普拉斯金字塔的结构，逐层累加所述拉普拉斯金字塔每层中与所述平坦点位置相匹配的目标像素点的滤波结果，重构出与所述平坦点对应的降噪后结果；
对于所述方向滤波金字塔中的每个对所述边缘纹理点，根据所述拉普拉斯金字塔每层中的每个所述像素点对应的相似点个数、所述方向滤波金字塔每层的每个所述边缘纹理点对应的相似点个数和确定出来的所述方向滤波金字塔中每个像素点的边缘强度信息，将所述拉普拉斯金字塔每层中与所述边缘纹理点位置相匹配的各所述像素点的滤波结果和所述方向滤波金字塔每层中各所述边缘纹理点的滤波结果进行融合，重构出与所述边缘纹理点对应的降噪后结果；
将所述平坦点对应的降噪后结果和所述边缘纹理点对应的降噪后结果进行整合，得到所述待降噪图像对应的降噪后图像。
作为一种可选的实施方式，在本发明第二方面中，所述重构出与所述边缘纹理点对应的降噪后结果的公式为：
其中，out为与所述边缘纹理点对应的降噪后结果，countor为所述方向滤波金字塔每层的每个所述边缘纹理点对应的相似点个数，for为所述方向滤波金字塔每层中各所述边缘纹理点的滤波结果，countlp为所述拉普拉斯金字塔每层中的每个所述像素点对应的相似点个数，flp为所述拉普拉斯金字塔每层中各所述像素点的滤波结果，edgestr为确定出来的所述方向滤波金字塔中所有像素点的边缘强度信息，l为图像层数。
本发明第三方面公开了另一种图像空域降噪装置，所述装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明第一方面公开的图像空域降噪方法。
本发明第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明第一方面公开的图像空域降噪方法。
与现有技术相比，本发明实施例具有以下有益效果：
本发明实施例中，根据待降噪图像建立多尺度金字塔，并利用高斯金字塔的中间结果建立方向滤波金字塔，并根据各金字塔的非局部均值滤波结果对待降噪图像进行融合重构。可见，实施本发明能够通过多尺度金字塔的利用有效避免出现场景适应性不够的情况，同时方向滤波金字塔的加入有效避免降噪后图像出现纹理边缘被过度平滑或产生边缘色噪残留的问题，在保证降噪效果的同时，兼顾整体清晰度，提高了图像降噪工作的效率以及准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例公开的一种图像空域降噪方法的流程示意图；
图2是本发明实施例公开的另一种图像空域降噪方法的流程示意图；
图3是本发明实施例公开的一种图像空域降噪装置的结构示意图；
图4是本发明实施例公开的另一种图像空域降噪装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或端没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种图像空域降噪方法及装置，能够有利于提高图像降噪后的清晰度，并保证对图像的整体降噪效果。以下分别进行详细说明。
实施例一
请参阅图1，图1是本发明实施例公开的一种图像空域降噪方法的流程示意图。其中，图1所描述的图像空域降噪方法可以应用于图像处理系统中，其中，图像处理系统可以包括图像处理装置、用于控制图像处理装置的智能服务器或者智能平台中的任意一种，其中，图像处理装置可以包括图像降噪装置，智能服务器包括本地服务器或者云服务器，图像处理装置能够与用户设备建立通信连接，其中，用户设备包括但不限于智能手机(Android手机、iOS手机等)、智能电话号码手表、平板电脑、掌上电脑、车载电脑、台式电脑、上网本、个人数字助理(Personal Digital Assistant，PDA)、智能导航仪以及移动互联网设备(Mobile Internet Devices，MID)等中的至少一种，本发明实施例不做限定。如图1所示，该图像空域降噪方法可以包括以下操作：
101、获取待降噪图像，建立待降噪图像的多尺度金字塔，多尺度金字塔包括高斯金字塔和拉普拉斯金字塔。
本发明实施例中，通过一系列高斯平滑和下采样操作获取待降噪图像的多尺度金字塔，其中高斯金字塔包含待降噪图像的低频特征，拉普拉斯金字塔包含待降噪图像的较多噪声及部分边缘纹理的高频信息。
本发明实施例中，可选的，多尺度金字塔还可以包括DOG金字塔、小波或曲面波等，用于替代现有的金字塔，本发明不做限定。
本发明实施例中，用不同尺度(层数为n,n≥2)的高斯低通滤波器与图像做卷积，以获取多层次的高斯金字塔和拉普拉斯金字塔。例如，给定图像I，构建该图像的n层高斯金字塔{Gl}如下：
其中，*为图像卷积操作，l∈0,1,...,n，downsample(·)为对图像进行下采样操作；拉普拉斯金字塔{Ll}的计算过程如下：
其中，upsample(·)是使用高斯核在各个层上对图像进行上采样(将图像尺寸翻倍)操作的运算符，由式可知，高斯金字塔的顶层(l＝n)与拉普拉斯金字塔的顶层一致。
102、根据高斯金字塔构建待降噪图像的方向滤波金字塔。
本发明实施例中，利用高斯金字塔的中间结果获取个方向滤波的结果，同时效仿拉普拉斯金字塔的操作，将各层方向滤波金字塔的滤波结果与上一层输入原图相减，获取各层方向滤波的高频残差。其中，高斯滤波具有各向同性的特征，但其本身包含了对各方向的滤波处理，可通过在获取各层高斯金字塔滤波结果的同时，将中间结果进行一定的缓存输出处理，即可简单的获取各方向滤波结果。以四方向滤波器为例，其表达式如下：
第l层方向滤波金字塔中各方向滤波结果OFl,m及残差图ORl,m的计算过程如下：
103、确定方向滤波金字塔中每个像素点对应的点信息，点信息包括像素点对应的类别信息，类别信息用于表示像素点为平坦点或边缘纹理点。
本发明实施例中，统计方向滤波金字塔各层中每个像素点在不同方向滤波残差图的最大值，并与预设的边缘低阈值进行比较，将低于该边缘低阈值的像素点标记为平坦点，将高于该边缘低阈值的像素点标记为边缘纹理点，并将残差最大值所在的方向记为该像素点的主方向，其中，可选的，边缘低阈值可以是预设的固定阈值，也可以是自适应阈值，如根据噪声曲线和/或梯度差等信息计算得到的阈值，可根据实际情况选择，本发明不做限定。
104、对拉普拉斯金字塔每层中的所有像素点逐点进行非局部均值滤波，得到拉普拉斯金字塔每层中各像素点的滤波结果，以及，确定拉普拉斯金字塔每层中各像素点对应的相似点个数。
本发明实施例中，对拉普拉斯金字塔中每一层的所有像素点进行NLM(非局部均值滤波)滤波，假定像素点i的灰度值为f(i)，以该像素点为中心分别提取一个窗口大小为r的中心窗P(i)和窗口大小为t(t>s)的搜索窗，在搜索区域中遍历选择像素点j，并以该像素点为中心，选择与中心窗同样大小的待匹配窗P(j)，如果P(j)内多个像素点的灰度值之和与P(i)内多个像素点的灰度值之和的差值小于预设相似性阈值，则认为待匹配窗与中心窗相似度较高，并将像素点j标记为相似点。
本发明实施例中，首先，计算中心窗P(i)与相似窗P(j)的高斯加权欧氏距离d(i,j)如下：
d(i,j)＝gs1*P(i)-P(j)2，
其次，计算中心窗P(i)与相似窗P(j)的权重系数w(i,j)如下：
其中，h用于控制平滑程度，gs1为预设高斯函数；
然后，统计搜索窗内相似点的个数，并对相似点进行加权平均操作，具体公式如下：
最后，遍历拉普拉斯金字塔各层进行NLM滤波，记录各层滤波后各像素点的滤波结果以及相应的相似点的个数。
105、对方向滤波金字塔每层中各边缘纹理点逐点进行非局部均值滤波，得到方向滤波金字塔每层中各边缘纹理点的滤波结果，以及，确定方向滤波金字塔每层中各边缘纹理点对应的相似点个数。
本发明实施例中，对于方向滤波金字塔每层中的各边缘纹理点，选择边缘纹理点主方向所对应的残差图，对该边缘纹理点进行NLM滤波，其中，可选的，可以根据预设需求或实际情况，选择边缘纹理点的其他方向对应的残差图进行NLM滤波，以四方向滤波器为例，会统计该边缘纹理点在四个方向残差图中的最大值，并把这一方向定义为特征最明显的主方向，同时对该边缘纹理点进行NLM滤波时可以在主方向对应的残差图进行，也可以在另外三个方向对应的残差图进行，本发明不做限定。
106、根据方向滤波金字塔中的每个像素点的分类、拉普拉斯金字塔每层中各像素点的滤波结果、拉普拉斯金字塔每层中各像素点对应的相似点个数、方向滤波金字塔每层中各边缘纹理点的滤波结果以及方向滤波金字塔每层中各边缘纹理点对应的相似点个数执行融合重构操作，得到待降噪图像对应的降噪后图像。
本发明实施例中，对于方向滤波金字塔中的平坦点，可以直接依据高斯金字塔和拉普拉斯金字塔的结构，逐层累加各层NLM滤波后的结果，重构出降噪后的结果；对于方向滤波金字塔中的边缘纹理点，可以依据各边缘纹理点对应的相似点的个数、边缘强度值将各层边缘纹理点在方向滤波金字塔和拉普普拉斯金字塔的NLM滤波结果上进行融合后重构。
可见，实施本发明实施例所描述的图像空域降噪方法能够根据待降噪图像建立多尺度金字塔，并利用高斯金字塔的中间结果建立方向滤波金字塔，并根据各金字塔的非局部均值滤波结果对待降噪图像进行融合重构，多尺度金字塔的利用有效避免出现场景适应性不够的情况，同时方向滤波金字塔的加入有效避免降噪后图像出现纹理边缘被过度平滑或产生边缘色噪残留的问题，在保证降噪效果的同时，兼顾整体清晰度，提高了图像降噪工作的效率以及准确性。
在一个可选的实施例中，对于方向滤波金字塔中每个像素点，若像素点为边缘纹理点，则像素点对应的点信息还包括像素点的主方向信息以及像素点的边缘强度信息；若像素点为平坦点，则像素点对应的点信息还包括像素点的边缘强度信息；
其中，确定方向滤波金字塔中每个像素点对应的点信息可以包括以下操作：
对方向滤波金字塔中的每个像素点，将像素点在方向滤波金字塔的不同方向残差图中的残差值进行比较，得到与像素点对应的最大残差值；
将最大残差值与预设边缘低阈值进行比较：
当最大残差值小于预设边缘低阈值时，判定像素点的类别用于表示像素点为平坦点；
当最大残差值大于或等于预设边缘低阈值时，判定像素点的类别用于表示像素点为边缘纹理点，并确定边缘纹理点的主方向信息，主方向信息为最大残差值对应的的方向；
根据最大残差值和预设边缘高阈值确定像素点的边缘强度信息。
该可选的实施例中，统计方向滤波金字塔各层中每个像素点在不同方向滤波残差图的最大值，并与预设的边缘低阈值进行比较，将低于该边缘低阈值的像素点标记为平坦点，将高于该边缘低阈值的像素点标记为边缘纹理点，并将残差最大值所在的方向记为该像素点的主方向，其中，可选的，边缘低阈值可以是预设的固定阈值，也可以是自适应阈值，如根据噪声曲线和/或梯度差等信息计算得到的阈值，可根据实际情况选择，本实施例不做限定。
该可选的实施例中，统计方向滤波金字塔各层中每个像素点在不同方向滤波残差图的最大值的公式可以为：
mx_ORl＝MAX(ORl,0,ORl,1,...,ORl,m)，
边缘纹理点和平坦点的判定公式可以为：
通过与边缘高阈值相处计算该像素点的边缘强度的公式可以为：
可见，实施该可选的实施例能够对所述方向滤波金字塔中的每个像素点，将所述像素点在所述方向滤波金字塔的不同方向残差图中的残差值进行比较，得到与所述像素点对应的最大残差值，将所述最大残差值与预设边缘低阈值进行比较：当所述最大残差值小于所述预设边缘低阈值时，判定所述像素点的类别用于表示所述像素点为平坦点，当所述最大残差值大于或等于所述预设边缘低阈值时，判定所述像素点的类别用于表示所述像素点为边缘纹理点，并确定所述边缘纹理点的主方向信息，所述主方向信息为所述最大残差值对应的的方向，根据所述最大残差值和预设边缘高阈值确定所述像素点的边缘强度信息，提高了降噪后图像的清晰度，有效避免了降噪后图像出现纹理边缘被过度平滑或边缘色噪残留的问题。
实施例二
请参阅图2，图2是本发明实施例公开的另一种图像空域降噪方法的流程示意图。其中，图2所描述的图像空域降噪方法可以应用于图像处理系统中，其中，图像处理系统可以包括图像处理装置、用于控制图像处理装置的智能服务器或者智能平台中的任意一种，其中，图像处理装置可以包括图像降噪装置，智能服务器包括本地服务器或者云服务器，图像处理装置能够与用户设备建立通信连接，其中，用户设备包括但不限于智能手机(Android手机、iOS手机等)、智能电话号码手表、平板电脑、掌上电脑、车载电脑、台式电脑、上网本、个人数字助理(Personal Digital Assistant，PDA)、智能导航仪以及移动互联网设备(Mobile Internet Devices，MID)等中的至少一种，本发明实施例不做限定。如图2所示，该图像空域降噪方法可以包括以下操作：
201、获取待降噪图像，建立待降噪图像的多尺度金字塔，多尺度金字塔包括高斯金字塔和拉普拉斯金字塔。
202、通过高斯金字塔的中间结果获取方向滤波金字塔的各方向滤波结果。
本发明实施例中，利用高斯金字塔的中间结果获取个方向滤波的结果，方向滤波金字塔和高斯拉普拉斯金字塔一样，包含了低频滤波结果和残差图，其中，滤波结果是由当前层高斯金字塔的一些中间结果进行缓存和计算获取。
203、根据方向滤波金字塔的各方向滤波结果构建方向滤波金字塔的残差图。
本发明实施例中，效仿拉普拉斯金字塔的操作，将各层方向滤波金字塔的滤波结果与上一层输入原图相减，获取各层方向滤波的高频残差。
204、确定方向滤波金字塔中每个像素点对应的点信息，点信息包括像素点对应的类别信息，类别信息用于表示像素点为平坦点或边缘纹理点。
205、对拉普拉斯金字塔每层中的所有像素点逐点进行非局部均值滤波，得到拉普拉斯金字塔每层中各像素点的滤波结果，以及，确定拉普拉斯金字塔每层中各像素点对应的相似点个数。
206、对方向滤波金字塔每层中各边缘纹理点逐点进行非局部均值滤波，得到方向滤波金字塔每层中各边缘纹理点的滤波结果，以及，确定方向滤波金字塔每层中各边缘纹理点对应的相似点个数。
207、根据方向滤波金字塔中的每个像素点的分类、拉普拉斯金字塔每层中各像素点的滤波结果、拉普拉斯金字塔每层中各像素点对应的相似点个数、方向滤波金字塔每层中各边缘纹理点的滤波结果以及方向滤波金字塔每层中各边缘纹理点对应的相似点个数执行融合重构操作，得到待降噪图像对应的降噪后图像。
本发明实施例中针对步骤201、步骤204-步骤207的其他描述，请参照实施例一中针对步骤101、步骤103-步骤106的详细描述，本发明实施例不再赘述。
可见，实施本发明实施例所描述的图像空域降噪方法能够根据待降噪图像建立多尺度金字塔，并利用高斯金字塔的中间结果建立方向滤波金字塔，并根据各金字塔的非局部均值滤波结果对待降噪图像进行融合重构，引入高斯金字塔的中间结果计算方向滤波金字塔，提高了运算效率，进而提高了对待降噪图像的降噪效率，同时方向滤波金字塔的加入有效避免降噪后图像出现纹理边缘被过度平滑或产生边缘色噪残留的问题，在保证降噪效果的同时，兼顾整体清晰度，提高了图像降噪工作的效率以及准确性。
在一个可选的实施例中，像素点的边缘强度信息的计算公式为：
其中，edgestr为像素点的边缘强度信息，th_hi为预设边缘高阈值，mx_ORl为像素点对应的最大残差值。
该可选的实施例中，像素点的边缘强度信息是通过将该像素点的最大残差值与预设边缘高阈值相处计算得到的，可选的，边缘高阈值可以是预设的固定阈值，也可以是自适应阈值，如根据噪声曲线和/或梯度差等信息计算得到的阈值，可根据实际情况选择，本实施例不做限定。
可见，实施该可选的实施例能够根据像素点对应的最大残差值和预设边缘高阈值计算像素点的边缘强度信息，提高了确定出的边缘强度信息的准确性和可靠性。
在另一个可选的实施例中，对方向滤波金字塔每层中各边缘纹理点逐点进行非局部均值滤波可以包括以下操作：
对方向滤波金字塔每层中的所有边缘纹理点，根据边缘纹理点对应的主方向信息，在方向滤波金字塔中选择残差图逐点进行非局部均值滤波。
该可选的实施例中，对于边缘纹理点，依据该边缘纹理点的主方向信息，在方向滤波金字塔中选择残差图逐点进行非局部均值滤波，滤波窗口和滤波过程与拉普拉斯金字塔的操作类似，即对方向滤波金字塔中每一层的所有边缘纹理点进行NLM(非局部均值滤波)滤波，假定边缘纹理点i的灰度值为f(i)，以该边缘纹理点为中心分别提取一个窗口大小为r的中心窗P(i)和窗口大小为t(t>s)的搜索窗，在搜索区域中遍历选择像素点j，并以该像素点为中心，选择与中心窗同样大小的待匹配窗P(j)，如果P(j)内多个像素点的灰度值之和与P(i)内多个边缘纹理点的灰度值之和的差值小于预设相似性阈值，则认为待匹配窗与中心窗相似度较高，并将像素点j标记为相似点。
可见，实施该可选的实施例能够根据边缘纹理点对应的主方向信息，在方向滤波金字塔中选择残差图逐点进行非局部均值滤波，有效减少了非局部均值滤波的计算量，提高了计算效率，并且方向滤波金字塔的加入有效避免了降噪后图像出现边缘纹理被过度平滑或边缘色噪残留的问题。
在又一个可选的实施例中，根据方向滤波金字塔中的每个像素点的分类、拉普拉斯金字塔每层中各像素点的滤波结果、拉普拉斯金字塔每层中各像素点对应的相似点个数、方向滤波金字塔每层中各边缘纹理点的滤波结果以及方向滤波金字塔每层中各边缘纹理点对应的相似点个数执行融合重构操作，得到待降噪图像对应的降噪后图像可以包括以下操作：
对于方向滤波金字塔中的每个平坦点，根据高斯金字塔和拉普拉斯金字塔的结构，逐层累加拉普拉斯金字塔每层中与平坦点位置相匹配的目标像素点的滤波结果，重构出与平坦点对应的降噪后结果；
对于方向滤波金字塔中的每个对边缘纹理点，根据拉普拉斯金字塔每层中的每个像素点对应的相似点个数、方向滤波金字塔每层的每个边缘纹理点对应的相似点个数和确定出来的方向滤波金字塔中每个像素点的边缘强度信息，将拉普拉斯金字塔每层中与边缘纹理点位置相匹配的各像素点的滤波结果和方向滤波金字塔每层中各边缘纹理点的滤波结果进行融合，重构出与边缘纹理点对应的降噪后结果；
将平坦点对应的降噪后结果和边缘纹理点对应的降噪后结果进行整合，得到待降噪图像对应的降噪后图像。
该可选的实施例中，对于方向滤波金字塔中的平坦点，可以直接依据高斯金字塔和拉普拉斯金字塔的结构，逐层累加各层NLM滤波后的结果，重构出降噪后的结果；对于方向滤波金字塔中的边缘纹理点，可以依据各边缘纹理点对应的相似点的个数、边缘强度值将各层边缘纹理点在方向滤波金字塔和拉普普拉斯金字塔的NLM滤波结果上进行融合后重构。
可见，实施该可选的实施例能够对方向滤波金字塔中的平坦点和边缘纹理点执行不同的降噪融合重构策略，能够有效平衡降噪效果和清晰度要求，提高了图像降噪工作的效率以及准确性。
在又一个可选的实施例中，重构出与边缘纹理点对应的降噪后结果的公式为：
其中，out为与边缘纹理点对应的降噪后结果，countor为方向滤波金字塔每层的每个边缘纹理点对应的相似点个数，for为方向滤波金字塔每层中各边缘纹理点的滤波结果，countlp为拉普拉斯金字塔每层中的每个像素点对应的相似点个数，flp为拉普拉斯金字塔每层中各像素点的滤波结果，edgestr为确定出来的方向滤波金字塔中所有像素点的边缘强度信息，l为图像层数。
该可选的实施例中，金字塔顶层(l＝n)依赖于相似点个数进行加权以确保顶层叠加到真实的方向特征，其余层则依赖于边缘强度控制，用于平衡降噪效果和清晰度要求。
可见，实施该可选的实施例能够对不同层的边缘纹理点执行不同的融合重构策略，能够根据公式量化重构过程，不仅保证了重构出来的图像的降噪效果和清晰度要求，还能够提高融合重构的效率以及可量化性。
实施例三
请参阅图3，图3是本发明实施例公开的一种图像空域降噪装置的结构示意图。其中，图3所描述的图像空域降噪装置可以应用于图像处理系统中，其中，图像处理系统可以包括图像处理装置、用于控制图像处理装置的智能服务器或者智能平台中的任意一种，其中，图像处理装置可以包括图像降噪装置，智能服务器包括本地服务器或者云服务器，图像处理装置能够与用户设备建立通信连接，其中，用户设备包括但不限于智能手机(Android手机、iOS手机等)、智能电话号码手表、平板电脑、掌上电脑、车载电脑、台式电脑、上网本、个人数字助理(Personal Digital Assistant，PDA)、智能导航仪以及移动互联网设备(Mobile Internet Devices，MID)等中的至少一种，本发明实施例不做限定。如图3所示，该图像空域降噪方法装置可以包括：
获取模块301，用于获取待降噪图像，建立待降噪图像的多尺度金字塔，多尺度金字塔包括高斯金字塔和拉普拉斯金字塔；
构建模块302，用于根据高斯金字塔构建待降噪图像的方向滤波金字塔；
确定模块303，用于确定方向滤波金字塔中每个像素点对应的点信息，点信息包括像素点对应的类别信息，类别信息用于表示像素点为平坦点或边缘纹理点；
滤波模块304，用于对拉普拉斯金字塔每层中的所有像素点逐点进行非局部均值滤波，得到拉普拉斯金字塔每层中各像素点的滤波结果，以及，确定拉普拉斯金字塔每层中各像素点对应的相似点个数；
滤波模块304，还用于对方向滤波金字塔每层中各边缘纹理点逐点进行非局部均值滤波，得到方向滤波金字塔每层中各边缘纹理点的滤波结果，以及，确定方向滤波金字塔每层中各边缘纹理点对应的相似点个数；
融合重构模块305，用于根据方向滤波金字塔中的每个像素点的分类、拉普拉斯金字塔每层中各像素点的滤波结果、拉普拉斯金字塔每层中各像素点对应的相似点个数、方向滤波金字塔每层中各边缘纹理点的滤波结果以及方向滤波金字塔每层中各边缘纹理点对应的相似点个数执行融合重构操作，得到待降噪图像对应的降噪后图像。
可见，实施图3所描述的图像空域降噪装置能够根据待降噪图像建立多尺度金字塔，并利用高斯金字塔的中间结果建立方向滤波金字塔，并根据各金字塔的非局部均值滤波结果对待降噪图像进行融合重构，多尺度金字塔的利用有效避免出现场景适应性不够的情况，同时方向滤波金字塔的加入有效避免降噪后图像出现纹理边缘被过度平滑或产生边缘色噪残留的问题，在保证降噪效果的同时，兼顾整体清晰度，提高了图像降噪工作的效率以及准确性。
在一个可选的实施例中，构建模块302根据高斯金字塔构建待降噪图像的方向滤波金字塔的具体方式包括：
通过高斯金字塔的中间结果获取方向滤波金字塔的各方向滤波结果；
根据方向滤波金字塔的各方向滤波结果构建方向滤波金字塔的残差图；
其中，方向滤波金字塔的各方向滤波结果表示为：
OFl,m＝Il*fm，
其中，OFl,m为方向滤波金字塔第l层中的像素点在第m个方向上的滤波结果，Il为第l层的图像，l为图像层数，fm为第m个方向对应的方向滤波器，*为图像卷积操作；
以及，方向滤波金字塔的残差图表示为：
其中，ORl,m为方向滤波金字塔的残差图，upsample()为上采样操作的运算符。
可见，实施图3所描述的图像空域降噪装置能够根据待降噪图像建立多尺度金字塔，并利用高斯金字塔的中间结果建立方向滤波金字塔，并根据各金字塔的非局部均值滤波结果对待降噪图像进行融合重构，引入高斯金字塔的中间结果计算方向滤波金字塔，提高了运算效率，进而提高了对待降噪图像的降噪效率，同时方向滤波金字塔的加入有效避免降噪后图像出现纹理边缘被过度平滑或产生边缘色噪残留的问题，在保证降噪效果的同时，兼顾整体清晰度，提高了图像降噪工作的效率以及准确性。
在另一个可选的实施例中，对于方向滤波金字塔中每个像素点，若像素点为边缘纹理点，则像素点对应的点信息还包括像素点的主方向信息以及像素点的边缘强度信息；若像素点为平坦点，则像素点对应的点信息还包括像素点的边缘强度信息；
其中，确定模块303确定方向滤波金字塔中每个像素点对应的点信息的具体方式包括：
对方向滤波金字塔中的每个像素点，将像素点在方向滤波金字塔的不同方向残差图中的残差值进行比较，得到与像素点对应的最大残差值；
将最大残差值与预设边缘低阈值进行比较：
当最大残差值小于预设边缘低阈值时，判定像素点的类别用于表示像素点为平坦点；
当最大残差值大于或等于预设边缘低阈值时，判定像素点的类别用于表示像素点为边缘纹理点，并确定边缘纹理点的主方向信息，主方向信息为最大残差值对应的的方向；
根据最大残差值和预设边缘高阈值确定像素点的边缘强度信息。
可见，实施图3所描述的图像空域降噪装置能够对所述方向滤波金字塔中的每个像素点，将所述像素点在所述方向滤波金字塔的不同方向残差图中的残差值进行比较，得到与所述像素点对应的最大残差值，将所述最大残差值与预设边缘低阈值进行比较：当所述最大残差值小于所述预设边缘低阈值时，判定所述像素点的类别用于表示所述像素点为平坦点，当所述最大残差值大于或等于所述预设边缘低阈值时，判定所述像素点的类别用于表示所述像素点为边缘纹理点，并确定所述边缘纹理点的主方向信息，所述主方向信息为所述最大残差值对应的的方向，根据所述最大残差值和预设边缘高阈值确定所述像素点的边缘强度信息，提高了降噪后图像的清晰度，有效避免了降噪后图像出现纹理边缘被过度平滑或边缘色噪残留的问题。
在又一个可选的实施例中，像素点的边缘强度信息的计算公式为：
其中，edgestr为像素点的边缘强度信息，th_hi为预设边缘高阈值，mx_ORl为像素点对应的最大残差值。
可见，实施图3所描述的图像空域降噪装置能够根据像素点对应的最大残差值和预设边缘高阈值计算像素点的边缘强度信息，提高了确定出的边缘强度信息的准确性和可靠性。
在又一个可选的实施例中，滤波模块304对方向滤波金字塔每层中各边缘纹理点逐点进行非局部均值滤波的具体方式包括：
对方向滤波金字塔每层中的所有边缘纹理点，根据边缘纹理点对应的主方向信息，在方向滤波金字塔中选择残差图逐点进行非局部均值滤波。
可见，实施图3所描述的图像空域降噪装置能够根据边缘纹理点对应的主方向信息，在方向滤波金字塔中选择残差图逐点进行非局部均值滤波，有效减少了非局部均值滤波的计算量，提高了计算效率，并且方向滤波金字塔的加入有效避免了降噪后图像出现边缘纹理被过度平滑或边缘色噪残留的问题。
在又一个可选的实施例中，融合重构模块305根据方向滤波金字塔中的每个像素点的分类、拉普拉斯金字塔每层中各像素点的滤波结果、拉普拉斯金字塔每层中各像素点对应的相似点个数、方向滤波金字塔每层中各边缘纹理点的滤波结果以及方向滤波金字塔每层中各边缘纹理点对应的相似点个数执行融合重构操作，得到待降噪图像对应的降噪后图像的具体方式包括：
对于方向滤波金字塔中的每个平坦点，根据高斯金字塔和拉普拉斯金字塔的结构，逐层累加拉普拉斯金字塔每层中与平坦点位置相匹配的目标像素点的滤波结果，重构出与平坦点对应的降噪后结果；
对于方向滤波金字塔中的每个对边缘纹理点，根据拉普拉斯金字塔每层中的每个像素点对应的相似点个数、方向滤波金字塔每层的每个边缘纹理点对应的相似点个数和确定出来的方向滤波金字塔中每个像素点的边缘强度信息，将拉普拉斯金字塔每层中与边缘纹理点位置相匹配的各像素点的滤波结果和方向滤波金字塔每层中各边缘纹理点的滤波结果进行融合，重构出与边缘纹理点对应的降噪后结果；
将平坦点对应的降噪后结果和边缘纹理点对应的降噪后结果进行整合，得到待降噪图像对应的降噪后图像。
可见，实施图3所描述的图像空域降噪装置能够对方向滤波金字塔中的平坦点和边缘纹理点执行不同的降噪融合重构策略，能够有效平衡降噪效果和清晰度要求，提高了图像降噪工作的效率以及准确性。
在又一个可选的实施例中，重构出与边缘纹理点对应的降噪后结果的公式为：
其中，out为与边缘纹理点对应的降噪后结果，countor为方向滤波金字塔每层的每个边缘纹理点对应的相似点个数，for为方向滤波金字塔每层中各边缘纹理点的滤波结果，countlp为拉普拉斯金字塔每层中的每个像素点对应的相似点个数，flp为拉普拉斯金字塔每层中各像素点的滤波结果，edgestr为确定出来的方向滤波金字塔中所有像素点的边缘强度信息，l为图像层数。
可见，实施图3所描述的图像空域降噪装置能够对不同层的边缘纹理点执行不同的融合重构策略，能够根据公式量化重构过程，不仅保证了重构出来的图像的降噪效果和清晰度要求，还能够提高融合重构的效率以及可量化性。
实施例四
请参阅图4，图4是本发明实施例公开的又一种图像空域降噪装置的结构示意图。如图4所示，该图像空域降噪装置可以包括：
存储有可执行程序代码的存储器401；
与存储器401耦合的处理器402；
处理器402调用存储器401中存储的可执行程序代码，执行本发明实施例一或本发明实施例二所描述的图像空域降噪方法中的步骤。
实施例五
本发明实施例公开了一种计算机存储介质，该计算机存储介质存储有计算机指令，该计算机指令被调用时，用于执行本发明实施例一或本发明实施例二所描述的图像空域降噪方法中的步骤。
实施例六
本发明实施例公开了一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行实施例一或实施例二中所描述的图像空域降噪方法中的步骤。
以上所描述的装置实施例仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory，EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是：本发明实施例公开的一种图像空域降噪方法及装置所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。

Claims (10)

1.一种图像空域降噪方法，其特征在于，所述方法包括：
获取待降噪图像，建立所述待降噪图像的多尺度金字塔，所述多尺度金字塔包括高斯金字塔和拉普拉斯金字塔；
根据所述高斯金字塔构建所述待降噪图像的方向滤波金字塔；
确定所述方向滤波金字塔中每个像素点对应的点信息，所述点信息包括所述像素点对应的类别信息，所述类别信息用于表示所述像素点为平坦点或边缘纹理点；
对所述拉普拉斯金字塔每层中的所有像素点逐点进行非局部均值滤波，得到所述拉普拉斯金字塔每层中各像素点的滤波结果，以及，确定所述拉普拉斯金字塔每层中各像素点对应的相似点个数；
对所述方向滤波金字塔每层中各所述边缘纹理点逐点进行所述非局部均值滤波，得到所述方向滤波金字塔每层中各所述边缘纹理点的滤波结果，以及，确定所述方向滤波金字塔每层中各所述边缘纹理点对应的相似点个数；
根据所述方向滤波金字塔中的每个所述像素点的分类、所述拉普拉斯金字塔每层中各像素点的滤波结果、所述拉普拉斯金字塔每层中各像素点对应的相似点个数、所述方向滤波金字塔每层中各所述边缘纹理点的滤波结果以及所述方向滤波金字塔每层中各所述边缘纹理点对应的相似点个数执行融合重构操作，得到所述待降噪图像对应的降噪后图像。
2.根据权利要求1所述的图像空域降噪方法，其特征在于，所述根据所述高斯金字塔构建所述待降噪图像的方向滤波金字塔，包括：
通过所述高斯金字塔的中间结果获取所述方向滤波金字塔的各方向滤波结果；
根据所述方向滤波金字塔的各方向滤波结果构建所述方向滤波金字塔的残差图；
其中，所述方向滤波金字塔的各方向滤波结果表示为：
OFl,m＝Il*fm，
其中，OFl,m为所述方向滤波金字塔第l层中的像素点在第m个方向上的滤波结果，Il为第l层的图像，l为图像层数，fm为第m个方向对应的方向滤波器，*为图像卷积操作；
以及，所述方向滤波金字塔的残差图表示为：
其中，ORl,m为所述方向滤波金字塔的残差图，upsample()为上采样操作的运算符。
3.根据权利要求1或2所述的图像空域降噪方法，其特征在于，对于所述方向滤波金字塔中每个所述像素点，若所述像素点为所述边缘纹理点，则所述像素点对应的所述点信息还包括所述像素点的主方向信息以及所述像素点的边缘强度信息；若所述像素点为所述平坦点，则所述像素点对应的所述点信息还包括所述像素点的边缘强度信息；
其中，所述确定所述方向滤波金字塔中每个像素点对应的点信息，包括：
对所述方向滤波金字塔中的每个像素点，将所述像素点在所述方向滤波金字塔的不同方向残差图中的残差值进行比较，得到与所述像素点对应的最大残差值；
将所述最大残差值与预设边缘低阈值进行比较：
当所述最大残差值小于所述预设边缘低阈值时，判定所述像素点的类别用于表示所述像素点为平坦点；
当所述最大残差值大于或等于所述预设边缘低阈值时，判定所述像素点的类别用于表示所述像素点为边缘纹理点，并确定所述边缘纹理点的主方向信息，所述主方向信息为所述最大残差值对应的的方向；
根据所述最大残差值和预设边缘高阈值确定所述像素点的边缘强度信息。
4.根据权利要求3所述的图像空域降噪方法，其特征在于，所述像素点的边缘强度信息的计算公式为：
其中，edgestr为所述像素点的边缘强度信息，th_hi为所述预设边缘高阈值，mx_ORl为所述像素点对应的最大残差值。
5.根据权利要求3或4所述的图像空域降噪方法，其特征在于，所述对所述方向滤波金字塔每层中各所述边缘纹理点逐点进行所述非局部均值滤波，包括：
对所述方向滤波金字塔每层中的所有所述边缘纹理点，根据所述边缘纹理点对应的主方向信息，在所述方向滤波金字塔中选择残差图逐点进行所述非局部均值滤波。
6.根据权利要求5所述的图像空域降噪方法，其特征在于，所述根据所述方向滤波金字塔中的每个所述像素点的分类、所述拉普拉斯金字塔每层中各像素点的滤波结果、所述拉普拉斯金字塔每层中各像素点对应的相似点个数、所述方向滤波金字塔每层中各所述边缘纹理点的滤波结果以及所述方向滤波金字塔每层中各所述边缘纹理点对应的相似点个数执行融合重构操作，得到所述待降噪图像对应的降噪后图像，包括：
对于所述方向滤波金字塔中的每个所述平坦点，根据所述高斯金字塔和所述拉普拉斯金字塔的结构，逐层累加所述拉普拉斯金字塔每层中与所述平坦点位置相匹配的目标像素点的滤波结果，重构出与所述平坦点对应的降噪后结果；
对于所述方向滤波金字塔中的每个对所述边缘纹理点，根据所述拉普拉斯金字塔每层中的每个所述像素点对应的相似点个数、所述方向滤波金字塔每层的每个所述边缘纹理点对应的相似点个数和确定出来的所述方向滤波金字塔中每个像素点的边缘强度信息，将所述拉普拉斯金字塔每层中与所述边缘纹理点位置相匹配的各所述像素点的滤波结果和所述方向滤波金字塔每层中各所述边缘纹理点的滤波结果进行融合，重构出与所述边缘纹理点对应的降噪后结果；
将所述平坦点对应的降噪后结果和所述边缘纹理点对应的降噪后结果进行整合，得到所述待降噪图像对应的降噪后图像。
7.根据权利要求6所述的图像空域降噪方法，其特征在于，所述重构出与所述边缘纹理点对应的降噪后结果的公式为：
其中，out为与所述边缘纹理点对应的降噪后结果，countor为所述方向滤波金字塔每层的每个所述边缘纹理点对应的相似点个数，for为所述方向滤波金字塔每层中各所述边缘纹理点的滤波结果，countlp为所述拉普拉斯金字塔每层中的每个所述像素点对应的相似点个数，flp为所述拉普拉斯金字塔每层中各所述像素点的滤波结果，edgestr为确定出来的所述方向滤波金字塔中所有像素点的边缘强度信息，l为图像层数。
8.一种图像空域降噪装置，其特征在于，所述装置包括：
获取模块，用于获取待降噪图像，建立所述待降噪图像的多尺度金字塔，所述多尺度金字塔包括高斯金字塔和拉普拉斯金字塔；
构建模块，用于根据所述高斯金字塔构建所述待降噪图像的方向滤波金字塔；
确定模块，用于确定所述方向滤波金字塔中每个像素点对应的点信息，所述点信息包括所述像素点对应的类别信息，所述类别信息用于表示所述像素点为平坦点或边缘纹理点；
滤波模块，用于对所述拉普拉斯金字塔每层中的所有像素点逐点进行非局部均值滤波，得到所述拉普拉斯金字塔每层中各像素点的滤波结果，以及，确定所述拉普拉斯金字塔每层中各像素点对应的相似点个数；
所述滤波模块，还用于对所述方向滤波金字塔每层中各所述边缘纹理点逐点进行所述非局部均值滤波，得到所述方向滤波金字塔每层中各所述边缘纹理点的滤波结果，以及，确定所述方向滤波金字塔每层中各所述边缘纹理点对应的相似点个数；
融合重构模块，用于根据所述方向滤波金字塔中的每个所述像素点的分类、所述拉普拉斯金字塔每层中各像素点的滤波结果、所述拉普拉斯金字塔每层中各像素点对应的相似点个数、所述方向滤波金字塔每层中各所述边缘纹理点的滤波结果以及所述方向滤波金字塔每层中各所述边缘纹理点对应的相似点个数执行融合重构操作，得到所述待降噪图像对应的降噪后图像。
9.一种图像空域降噪装置，其特征在于，所述装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-7任一项所述的图像空域降噪方法。
10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-7任一项所述的图像空域降噪方法。
CN202211697078.4A 2022-12-28 2022-12-28 一种图像空域降噪方法及装置 Active CN116228564B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211697078.4A CN116228564B (zh) 2022-12-28 2022-12-28 一种图像空域降噪方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211697078.4A CN116228564B (zh) 2022-12-28 2022-12-28 一种图像空域降噪方法及装置

Publications (2)

Publication Number Publication Date
CN116228564A CN116228564A (zh) 2023-06-06
CN116228564B true CN116228564B (zh) 2025-12-16

Family

ID=86581532

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211697078.4A Active CN116228564B (zh) 2022-12-28 2022-12-28 一种图像空域降噪方法及装置

Country Status (1)

Country Link
CN (1) CN116228564B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102646269A (zh) * 2012-02-29 2012-08-22 中山大学 一种基于拉普拉斯金字塔的图像处理方法及其装置
CN111784605A (zh) * 2020-06-30 2020-10-16 珠海全志科技股份有限公司 一种基于区域指导的图像降噪方法、计算机装置及计算机可读存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100142790A1 (en) * 2008-12-04 2010-06-10 New Medical Co., Ltd. Image processing method capable of enhancing contrast and reducing noise of digital image and image processing device using same

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102646269A (zh) * 2012-02-29 2012-08-22 中山大学 一种基于拉普拉斯金字塔的图像处理方法及其装置
CN111784605A (zh) * 2020-06-30 2020-10-16 珠海全志科技股份有限公司 一种基于区域指导的图像降噪方法、计算机装置及计算机可读存储介质

Also Published As

Publication number Publication date
CN116228564A (zh) 2023-06-06

Similar Documents

Publication Publication Date Title
CN116664450A (zh) 基于扩散模型的图像增强方法、装置、设备及存储介质
CN112598597A (zh) 一种降噪模型的训练方法及相关装置
CN119090862A (zh) 基于机器视觉的丝杆模组表面缺陷在线检测方法及装置
CN114359289B (zh) 一种图像处理方法及相关装置
CN114140346A (zh) 一种图像处理方法及装置
Lo et al. Joint trilateral filtering for depth map super-resolution
CN117078574B (zh) 一种图像去雨方法及装置
CN104657951A (zh) 图像乘性噪声移除方法
CN120725909A (zh) 基于微分方程及深度学习网络的图像去噪方法和系统
CN110782398B (zh) 图像处理方法、生成式对抗网络系统和电子设备
CN121151685B (zh) 一种模糊视频实时去抖方法及系统
CN113610856A (zh) 训练图像分割模型和图像分割的方法和装置
CN116228564B (zh) 一种图像空域降噪方法及装置
CN116977674A (zh) 图像匹配方法、相关设备、存储介质及程序产品
CN118735814B (zh) 一种图像降噪方法及降噪系统
CN114862699A (zh) 基于生成对抗网络的人脸修复方法、装置及存储介质
CN113628148A (zh) 红外图像降噪方法和装置
Zhang et al. A new image filtering method: Nonlocal image guided averaging
CN119888087A (zh) 一种图像增强与三维重建集成方法、装置、设备及介质
CN116681618A (zh) 图像去噪方法、电子设备及存储介质
CN116310832A (zh) 遥感图像处理方法、装置、设备、介质及产品
CN119273543B (zh) 一种基于ENet语义分割的ESRGAN超分方法
CN121482074B (zh) 一种无人机图像边界分割方法、系统及存储介质
CN119131434B (zh) 一种特征匹配方法、装置、设备及介质
CN117237666B (zh) 多尺度边缘检测方法、装置、设备和可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant