处理图像噪声的方法及装置制造方法及图纸

本发明专利技术提供一种处理图像噪声的方法及装置，其中，上述方法包括：获取一帧原始图像对应的YUV空间图像的Y分量图像；采用预设图像分解算法分解所述Y分量图像，获得对应的高频域信号和低频域信号；识别所述高频域信号中的边缘信号和非边缘信号；对所述边缘信号做边缘增强处理并使用第一滤波方法对所述非边缘信号进行滤波，获得处理后的高频域信号；使用第二滤波方法对所述低频域信号进行滤波，获得处理后的低频域信号；采用与所述预设图像分解算法对应的图像重构算法对所述处理后的高频域信号和所述处理后的低频域信号进行重构，获得去噪后的Y分量图像。本发明专利技术提供的去除图像噪声的方法，可以高效地去除图像中的大量噪声，提高图像的信噪比。

【技术实现步骤摘要】

本专利技术涉及数字图像处理
，特别涉及一种处理图像噪声的方法及装置。
技术介绍
目前数码产品与人们的生活密切相关，如安防监控摄像机、手机相机以及类似于 Apple Watch等便携式mini相机等。上述数码产品在信息采集过程中因受自身元器件、拍 摄环境等因素的影响，采集的数字图像中会含有噪声，特别是在低照度环境下采集图像的 噪声更加明显。因此，采取合适的图像处理方法为原始数字图像去除噪声是数码产品中图 像处理的一个重要环节。 现有技术中，采用传统的小波滤波算法为数字图像去除噪声，具体过程为：首先对 噪声图像进行小波分解，然后采用阈值收缩算法对高频域的小波系数进行阈值收缩处理， 最后经过小波逆变换处理获得去除噪声后的数字图像。然而，传统的小波滤波算法比较适 合对信噪比较高的高斯白噪声污染图像去除噪声，而对噪声颗粒较大且噪声密集的低照度 图像，去除噪声的效果并不好。
技术实现思路
有鉴于此，本专利技术提供一种处理图像噪声的方法及装置，提高低照度图像的去噪 效果。 -方面，提供了一种处理图像噪声的方法，包括： 获取一帧原始图像对应的YUV空间图像的Y分量图像； 采用预设图像分解算法分解所述Y分量图像，获得对应的高频域信号和低频域信 号； 识别所述高频域信号中的边缘信号和非边缘信号； 对所述边缘信号做边缘增强处理并使用第一滤波方法对所述非边缘信号 进行滤波，获得处理后的高频域信号； 使用第二滤波方法对所述低频域信号进行滤波，获得处理后的低频域信号； 采用与所述预设图像分解算法对应的图像重构算法对所述处理后的高频域信号 和所述处理后的低频域信号进行重构，获得去噪后的Y分量图像。 可选的，所述预设图像分解算法为二维离散小波分解算法；所述识别所述高频域 信号中的边缘信号和非边缘信号，包括： 将相邻级高频域小波分解系数的乘积与预设边缘系数阈值作比较； 若所述相邻级高频域小波分解系数的乘积大于所述预设边缘系数阈值，则将所述 相邻级高频域小波分解系数对应位置的信号标记为边缘信号； 若所述相邻级高频域小波分解系数的乘积不大于所述预设边缘系数阈值，则将所 述相邻级高频域小波分解系数对应位置的信号标记为非边缘信号。 可选的，所述使用第一滤波方法对所述非边缘信号进行滤波，具体为： 按照预设阈值收缩算法对所述非边缘信号的各级高频域小波分解系数进行小波 收缩处理； 其中，所述预设阈值收缩算法公式表示如下： 其中，f表示小波域内的Y分量图像的小波系数，g和η分别表示小波域内的无噪 图像和噪声信息；j = 1、2、3、. .. J，J为小波分解的最高级别；sign(f)为符号函数；Tj表示 第j级的小波阈值，采用以下公式表示： 其中，N为对应小波域内小波系数的总体个数； 参数S表示为： 〇 1^表不小波域内输入噪声图像的图像标准差；〇 "表不小波域内的噪声信 息的标准差，由一级小波分解后的最高频域小波系数fHH1的绝对值的中值决定，即】g表示小波域内的无噪图像的标准差；。μ表示无噪图像在小波域 内的第j级小波系数的标准差。 可选的，所述使用第二滤波方法对所述低频域信号进行滤波处理，获得处理后的 低频域信号，包括： 选择导向图像； 根据所述导向图像获取图像特征参数，建立导向滤波器； 使用所述导向滤波器对最后一级低频域小波分解系数进行滤波，获得滤波后的最 后一级低频域小波分解系数； 从滤波后的最后一级低频域小波分解系数开始，将滤波后的低频域小波系数作为 输入，迭代重构次一级低频域小波系数； 使用所述导向滤波器对获取的各级低频域小波重构系数进行滤波，获得滤波后的 各级低频域小波重构系数。 可选的，所述选择导向图像，包括 当相机位置保持不变时，选择一帧光照条件好的图像作为导向图像； 若相机处理器的数据处理速度较快，则将相机在点击拍摄或抓图时获取的前几帧 的图像的平均值作为导向图像； 当相机在不停移动且相机处理器的性能一般时，则选择当前拍摄的图像作为导 向图像。 另一方面，提供了一种处理图像噪声的装置，所述装置包括： 图像解析模块，用于获取一帧原始图像对应的YUV空间图像的Y分量图像； 图像分解模块，用于采用预设图像分解算法分解所述Y分量图像，获得对应的高 频域信号和低频域信号； 边缘识别模块，用于识别所述高频域信号中的边缘信号和非边缘信号； 第一处理模块，用于对所述边缘信号做边缘增强处理并使用第一滤波方法对所述 非边缘信号进行滤波，获得处理后的高频域信号； 第二处理模块，用于使用第二滤波方法对所述低频域信号进行滤波，获得处理后 的低频域信号； 图像重构模块，用于采用与所述预设图像分解算法对应的图像重构算法对所述处 理后的高频域信号和所述处理后的低频域信号进行重构，获得去噪后的Y分量图像。 可选的，所述图像分解模块采用二维离散小波分解算法分解所述Y分量图像； 所述边缘识别模块包括： 判断单元，用于将相邻级高频域小波分解系数的乘积与预设边缘系数阈值作比 较； 边缘信号识别单元，用于在所述相邻级高频域小波分解系数的乘积大于所述预设 边缘系数阈值的情况下，将所述相邻级高频域小波分解系数对应位置的信号标记为边缘信 号； 非边缘信号识别单元，用于在所述相邻级高频域小波分解系数的乘积不大于所述 预设边缘系数阈值的情况下，将所述相邻级高频域小波分解系数对应位置的信号标记为非 边缘信号。 可选的，第一处理模块包括： 边缘信号处理单元，用于对所述边缘信号做边缘增强处理； 非边缘信号处理单元，用于使用第一滤波方法对所述非边缘信号进行滤波； 其中，所述非边缘信号处理单元，具体用于 按照预设阈值收缩算法对所述非边缘信号的各级高频域小波分解系数进行小波 收缩处理； 其中，所述预设阈值收缩算法公式表示如下： 其中，f表示小波域内的Y分量图像，g和η分别表示小波域内的无噪图像和噪声 信息；j = 1、2、3、. . . J，J为小波分解的最高级别；sign(f)为符号函数；Tj表示第j级的小 波阈值，采用以下公式表示： 其中，N为对应小波域内小波系数的总体个数； 参数S表示为： 〇 1^表不小波域内输入噪声图像的图像标准差；〇 "表不小波域内的噪声信 息的标准差，由一级小波分解后的最高频域小波系数fHH1的绝对值的中值决定，即σ g表示小波域内的无噪图像的标准差；。g>]表示无噪图像在小波域 内的第j级小波系数的标准差。 可选的，所述第二处理模块包括： 导向图像选择单元，用于选择导向图像； 滤波器确定单元，用于根据所述导向图像获取图像特征参数，建立导向滤波器； 第一导向滤波单元，用于使用所述导向滤波器对最后一级低频域小波分解系数进 行滤波，获得滤波后的最后一级低频域小波分解系数； 小波系数重构单元，用于从滤波后的最后一级低频域小波分解系数开始，将滤波 后的低频域小波系数作为输入，迭代重构次一级低频域小波系数； 第二导向滤波单元，用于使用所述导向滤波器对获取的各级低频域小波重构系数 进行滤波，获得滤波后的各级低频域小波重构系数。 可选的，导向图像选择单元具体用于： 在相机位置保持不变的情况下，选择一帧光照条件好的图像作为导向图像； 在相机处理器的数据处理速度较快的情况下，将相机在点击拍摄或抓图时获取的 前几帧的图像的平均值作为导向图像； 在相机本文档来自技高网...

【技术保护点】
一种处理图像噪声的方法，其特征在于，包括：获取一帧原始图像对应的YUV空间图像的Y分量图像；采用预设图像分解算法分解所述Y分量图像，获得对应的高频域信号和低频域信号；识别所述高频域信号中的边缘信号和非边缘信号；对所述边缘信号做边缘增强处理并使用第一滤波方法对所述非边缘信号进行滤波，获得处理后的高频域信号；使用第二滤波方法对所述低频域信号进行滤波，获得处理后的低频域信号；采用与所述预设图像分解算法对应的图像重构算法对所述处理后的高频域信号和所述处理后的低频域信号进行重构，获得去噪后的Y分量图像。

【技术特征摘要】

【专利技术属性】
技术研发人员：王陈，叶程，王光明，秦大兴，
申请(专利权)人：浙江宇视科技有限公司，
类型：发明
国别省市：浙江;33