一种基于提升小波变换的快速ISO去噪方法及系统技术方案

本发明专利技术公开了一种基于提升小波变换的快速ISO去噪方法及系统，涉及图像处理技术，旨在提出能同时保留图像的低对比度信息以及高对比度的边缘信息的快速ISO去噪算法。本发明专利技术技术要点：将图像进行单通道分解，得到Y通道图像，U通道图像及V通道图像；对Y通道图像进行n层的线性提升小波变换；逐一对第3～n层的小波变换的结果中的小波细节图像进行去噪；小波反变换得到第1层小波变换结果中的去噪后的近似图像；对第1层小波变换结果中的近似图像再次进行去噪；小波反变换得到原始空间的Y通道图像；对原始空间的Y通道图像去噪；分别对U通道图像、V通道图像进行小波变换及去噪；得到三通道图像去噪后的结果。

【技术实现步骤摘要】
一种基于提升小波变换的快速ISO去噪方法及系统
本专利技术涉及图像处理技术，尤其是一种快速ISO去噪方法。
技术介绍
近年来，随着相机数码化、手机相机化，一个全民摄影时代已经来临。人们可以任意时间、任意场景、任意焦点地进行拍照。在低亮度或者快速变化的场景下，通常会提高图像传感器的ISO速度来提升感光速度，使得相机在短时间内获得更多的进光量。提升ISO的速度通常是通过提高电信号的增益以及降低感光门限来实现的。传感器感光速度提升的同时往往会引入更多的随机噪声，如果ISO速度提高到400以上时，随机噪声将会逐渐明显起来。由于高ISO带来的噪声极大地降低了图像的质量，并且由于增加了无用的噪声细节信息，提高了后续处理的复杂性，降低了图像的压缩比例。故此，需要通过数字图像处理的方法来消除高ISO带来的噪声成为了迫切需求。目前针对ISO噪声的去除算法主要分为小波域和空域去噪算法。小波域去噪的优势是速度快，可以很好地保留图像的低对比度信息，但其劣势是容易产生伪影，图像边缘信息模糊。而基于空域的去噪算法中最具有代表性的是非局部均值去噪，其优势是图像的边缘等高对比度信息可以得到很好的保护，去噪效果较为明显，但其劣势是速度慢，容易丢失掉图像的低对比度信息，出现过平滑的现象。
技术实现思路
故此，针对以上问题，本专利技术旨在解决这两类去噪算法的不足，提出了一种基于提升小波的快速ISO去噪算法。此算法速度快，去噪效果理想，能同时保留图像的低对比度信息以及高对比度的边缘信息。本专利技术提供的快速ISO去噪算法包括：步骤1：将图像进行单通道分解，得到Y通道图像，U通道图像及V通道图像；步骤2：对Y通道图像进行n层的线性提升小波变换；n为大于或等于3的自然数；步骤3：逐一对第3～n层的小波变换的结果中的小波细节图像进行去噪；步骤4：将第n层小波变换结果中的近似图像与其去噪后的小波细节图像进行小波反变换得到第n-1层小波变换结果中的去噪后的近似图像；将第n-1层小波变换结果中的去噪后的近似图像与其去噪后的小波细节图像进行反变换得到第n-2层小波变换结果中的近似图像，以此类推，得到第2层小波变换结果中的去噪后的近似图像，将第2层小波变换结果中的去噪后的近似图像与其小波细节图像进行小波反变换得到第1层小波变换结果中的去噪后的近似图像；步骤5：对第1层小波变换结果中的去噪后的近似图像进行平移放缩变换：设原始Y通道图像的像素值的最小值为Ymin，最大值为Ymax；第1层小波变换结果中的去噪后的近似图像的像素值的最小值为Imin，最大值为Imax；得到比例因子f，f＝(Imax-Imin)/(Ymax-Ymin)；计算I′＝(I-Imin+Ymin*f)/f；其中I′为平移放缩变换后第1层小波变换结果中的去噪后的近似图像的像素值，I为步骤4得到的第1层小波变换结果中的近似图像的像素值；步骤6：对步骤5处理后的第1层小波变换结果中的近似图像再次进行去噪；步骤7：对步骤6处理后的第1层小波变换结果中的近似图像进行反平移放缩变换：计算I″′＝I″*f+Imin-Ymin*f，其中I″′为平移放缩反变换后第1层小波变换结果中的近似图像的像素值；I″为步骤6处理后的第1层小波变换结果中的近似图像的像素值；步骤8：对步骤7处理后的第1层小波变换结果中的近似图像与第1层小波变换结果中的小波细节图像进行小波反变换，得到原始空间的Y通道图像；步骤9：对原始空间的Y通道图像去噪；分别对U通道图像、V通道图像进行步骤10～12的处理得到原始空间的U通道图像与原始空间的V通道图像：步骤10：对通道图像进行n-1层线性小波变换；步骤11：对每一层小波变换的结果中的小波细节图像进行去噪；步骤12：将第n-1层小波变换结果中的近似图像与其去噪后的小波细节图像进行小波反变换得到第n-2层小波变换结果中的去噪后的近似图像；将第n-2层小波变换结果中的去噪后的近似图像与其去噪后的小波细节图像进行反变换得到第n-3层小波变换结果中的近似图像，以此类推，得到第1层小波变换结果中的去噪后的近似图像，将第1层小波变换结果中的去噪后的近似图像与其去噪后的小波细节图像进行小波反变换得到原始空间的通道图像。进一步，还包括步骤13：将所述原始空间的Y通道图像、所述原始空间的V通道图像与所述原始空间的U通道图像转换合并得到RGB格式的图像。进一步，所述步骤3还包括，计算Y通道图像的传感器噪声水平曲线并找出所述曲线的最大噪声方差值，记为VYmax；利用bishrink去噪算法逐一对第3～n层的小波变换的结果中的小波细节图像进行去噪，其中每一层的噪声方差为VYl＝2l*VYmax，l为当前的层数；所述步骤11还包括，计算U通道图像的传感器噪声水平曲线并找出所述曲线的最大噪声方差值，记为VUmax；利用bishrink去噪算法逐一对U通道图像每一层的小波变换的结果中的小波细节图像进行去噪，其中每一层的噪声方差为Vl＝2l*VUmax，l为当前的层数；或者所述步骤11还包括，计算V通道图像的传感器噪声水平曲线并找出所述曲线的最大噪声方差值，记为VVmax；利用bishrink去噪算法逐一对V通道图像每一层的小波变换的结果中的小波细节图像进行去噪，其中每一层的噪声方差为Vl＝2l*VVmax，l为当前的层数。所述步骤6进一步包括，对步骤5处理后的第1层小波变换结果中的近似图像进行非局部均值去噪，其中非局部均值去噪算法的参数设置为匹配块的大小为a*a，搜索区域的大小为b*b，平滑参数的平方为k1*NLF(Ii)，Ii为当前像素值，NLF(Ii)为当前像素值在Y通道图像的传感器噪声水平曲线上对应的噪声方差；所述步骤9进一步包括，对原始空间的Y通道图像非局部均值去噪，其中非局部均值去噪算法的参数设置为匹配块的大小为a*a，搜索区域的大小为b*b，平滑参数的平方为k2*NLF(Ii)，Ii为当前像素值，NLF(Ii)为当前像素值在Y通道图像的传感器噪声水平曲线上对应的噪声方差；其中a、b为非零自然数，k1、k2为系数。优选地，a等于3，b等于5，k1等于0.5，k2等于2，n等于5。本专利技术还保护了由与上述方法步骤一一对应的功能模块的软系统。综上所述，由于采用了上述技术方案，本专利技术的有益效果是：将图像转换到YUV格式，再将图像分解为Y、U、V通道上的图像，对Y通道图像进行提升小波变换，并在小波域中将bishrink去噪和快速自适应非局部均值去噪相结合，而在U、V通道上只进行小波域上的bishrink去噪。本专利技术能达到计算快速，去噪效果理想的目的，同时保留图像的低对比度信息以及高对比度的边缘信息，能够真正实现快速ISO噪声图像的清晰化。附图说明本专利技术将通过例子并参照附图的方式说明，其中：图1为本专利技术一个优选实施例的流程图。具体实施方式本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。本说明书中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。如图1，本专利技术包括：步骤1：对将RGB格式图像转换成YUV420P的格式。对转换后的YUV格式的图像进行单通道分解：将像素点本文档来自技高网...

【技术保护点】
一种基于提升小波变换的快速ISO去噪算法，其特征在于，包括：步骤1：将图像进行单通道分解，得到Y通道图像，U通道图像及V通道图像；步骤2：对Y通道图像进行n层的线性提升小波变换；n为大于或等于3的自然数；步骤3：逐一对第3～n层的小波变换的结果中的小波细节图像进行去噪；步骤4：将第n层小波变换结果中的近似图像与其去噪后的小波细节图像进行小波反变换得到第n‑1层小波变换结果中的去噪后的近似图像；将第n‑1层小波变换结果中的去噪后的近似图像与其去噪后的小波细节图像进行反变换得到第n‑2层小波变换结果中的近似图像，以此类推，得到第2层小波变换结果中的去噪后的近似图像，将第2层小波变换结果中的去噪后的近似图像与其小波细节图像进行小波反变换得到第1层小波变换结果中的去噪后的近似图像；步骤5：对第1层小波变换结果中的去噪后的近似图像进行平移放缩变换：设原始Y通道图像的像素值的最小值为Ymin，最大值为Ymax，第1层小波变换结果中的去噪后的近似图像的像素值的最小值为Imin，最大值为Imax，得到比例因子f，f＝(Imax‑Imin)/(Ymax‑Ymin)；计算I′＝(I‑Imin+Ymin*f)/f；其中I′为平移放缩变换后第1层小波变换结果中的去噪后的近似图像的像素值，I为步骤4处理后的第1层小波变换结果中的近似图像的像素值；步骤6：对步骤5处理后的第1层小波变换结果中的近似图像再次进行去噪；步骤7：对步骤6处理后的第1层小波变换结果中的近似图像进行反平移放缩变换：计算I″′＝I″*f+Imin‑Ymin*f，其中I″′为平移放缩反变换后第1层小波变换结果中的近似图像的像素值；I″为步骤6处理后的第1层小波变换结果中的近似图像的像素值；步骤8：对步骤7处理后的第1层小波变换结果中的近似图像与第1层小波变换结果中的小波细节图像进行小波反变换，得到原始空间的Y通道图像；步骤9：对原始空间的Y通道图像去噪；分别对U通道图像、V通道图像进行以步骤10～12的处理得到原始空间的U通道图像与原始空间的V通道图像：步骤10：对通道图像进行n‑1层线性小波变换；步骤11：对每一层小波变换的结果中的小波细节图像进行去噪；步骤12：将第n‑1层小波变换结果中的近似图像与其去噪后的小波细节图像进行小波反变换得到第n‑2层小波变换结果中的去噪后的近似图像；将第n‑2层小波变换结果中的去噪后的近似图像与其去噪后的小波细节图像进行反变换得到第n‑3层小波变换结果中的近似图像，以此类推，得到第1层小波变换结果中的去噪后的近似图像，将第1层小波变换结果中的去噪后的近似图像与其去噪后的小波细节图像进行小波反变换得到原始空间的通道图像。...

【技术特征摘要】
1.一种基于提升小波变换的快速ISO去噪算法，其特征在于，包括：步骤1：将图像进行单通道分解，得到Y通道图像，U通道图像及V通道图像；步骤2：对Y通道图像进行n层的线性提升小波变换；n为大于或等于3的自然数；步骤3：逐一对第3～n层的小波变换的结果中的小波细节图像进行去噪；步骤4：将第n层小波变换结果中的近似图像与其去噪后的小波细节图像进行小波反变换得到第n-1层小波变换结果中的去噪后的近似图像；将第n-1层小波变换结果中的去噪后的近似图像与其去噪后的小波细节图像进行反变换得到第n-2层小波变换结果中的近似图像，以此类推，得到第2层小波变换结果中的去噪后的近似图像，将第2层小波变换结果中的去噪后的近似图像与其小波细节图像进行小波反变换得到第1层小波变换结果中的去噪后的近似图像；步骤5：对第1层小波变换结果中的去噪后的近似图像进行平移放缩变换：设原始Y通道图像的像素值的最小值为Ymin，最大值为Ymax，第1层小波变换结果中的去噪后的近似图像的像素值的最小值为Imin，最大值为Imax，得到比例因子f，f＝(Imax-Imin)/(Ymax-Ymin)；计算I′＝(I-Imin+Ymin*f)/f；其中I′为平移放缩变换后第1层小波变换结果中的去噪后的近似图像的像素值，I为步骤4处理后的第1层小波变换结果中的近似图像的像素值；步骤6：对步骤5处理后的第1层小波变换结果中的近似图像进行非局部均值去噪；步骤7：对步骤6处理后的第1层小波变换结果中的近似图像进行反平移放缩变换：计算I″′＝I″*f+Imin-Ymin*f，其中I″′为平移放缩反变换后第1层小波变换结果中的近似图像的像素值；I″为步骤6处理后的第1层小波变换结果中的近似图像的像素值；步骤8：对步骤7处理后的第1层小波变换结果中的近似图像与第1层小波变换结果中的小波细节图像进行小波反变换，得到原始空间的Y通道图像；步骤9：对原始空间的Y通道图像去噪；分别对U通道图像、V通道图像进行以步骤10～12的处理得到原始空间的U通道图像与原始空间的V通道图像：步骤10：对通道图像进行n-1层线性小波变换；步骤11：对每一层小波变换的结果中的小波细节图像进行去噪；步骤12：将第n-1层小波变换结果中的近似图像与其去噪后的小波细节图像进行小波反变换得到第n-2层小波变换结果中的去噪后的近似图像；将第n-2层小波变换结果中的去噪后的近似图像与其去噪后的小波细节图像进行反变换得到第n-3层小波变换结果中的近似图像，以此类推，得到第1层小波变换结果中的去噪后的近似图像，将第1层小波变换结果中的去噪后的近似图像与其去噪后的小波细节图像进行小波反变换得到原始空间的通道图像。2.根据权利要求1所述的一种基于提升小波变换的快速ISO去噪算法，其特征在于，还包括步骤13：将所述原始空间的Y通道图像、所述原始空间的V通道图像与所述原始空间的U通道图像转换合并得到RGB格式的图像。3.根据权利要求1所述的一种基于提升小波变换的快速ISO去噪算法，其特征在于，所述步骤3还包括，计算Y通道图像的传感器噪声水平曲线并找出所述曲线的最大噪声方差值，记为VYmax；利用bishrink去噪算法逐一对第3～n层的小波变换的结果中的小波细节图像进行去噪，其中每一层的噪声方差为VYl＝2l*VYmax，l为当前的层数；所述步骤11还包括，计算U通道图像的传感器噪声水平曲线并找出所述曲线的最大噪声方差值，记为VUmax；利用bishrink去噪算法逐一对U通道图像每一层的小波变换的结果中的小波细节图像进行去噪，其中每一层的噪声方差为Vl＝2l*VUmax，l为当前的层数；或者所述步骤11还包括，计算V通道图像的传感器噪声水平曲线并找出所述曲线的最大噪声方差值，记为VVmax；利用bishrink去噪算法逐一对V通道图像每一层的小波变换的结果中的小波细节图像进行去噪，其中每一层的噪声方差为Vl＝2l*VVmax，l为当前的层数。4.根据权利要求3所述的一种基于提升小波变换的快速ISO去噪算法，其特征在于，所述步骤6进一步包括，对步骤5处理后的第1层小波变换结果中的近似图像进行非局部均值去噪，其中非局部均值去噪算法的参数设置为匹配块的大小为a*a，搜索区域的大小为b*b，平滑参数的平方为k1*NLF(Ii)，Ii为当前像素值，NLF(Ii)为当前像素值在Y通道图像的传感器噪声水平曲线上对应的噪声方差；所述步骤9进一步包括，对原始空间的Y通道图像非局部均值去噪，其中非局部均值去噪算法的参数设置为匹配块的大小为a*a，搜索区域的大小为b*b，平滑参数的平方为k2*NLF(Ii)，Ii为当前像素值，NLF(Ii)为当前像素值在Y通道图像的传感器噪声水平曲线上对应的噪声方差；其中a、b为非零自然数，k1、k2为系数。5.根据权利要求4所述的一种基于提升小波变换的快速ISO去噪算法，其特征在于，其中a等于3，b等于5，k1等于0.5，k2等于2，n等于5。6.一种基于提升小波变换的快速...

【专利技术属性】
技术研发人员：陈帅，
申请(专利权)人：成都品果科技有限公司，
类型：发明
国别省市：四川;51