一种噪声去除方法及其装置制造方法及图纸

本发明专利技术披露了一种去除噪声的方法及其装置。该噪声去除方法包括以下步骤：划分图像为块状区域的结构化像素，以及确定每个结构化像素对应的邻域；对邻域的各结构化像素与中心结构化像素的加权值函数进行处理，得到邻域的各结构化像素与中心结构化像素的加权值；将邻域的结构化像素与中心结构化像素的各个加权值与中心结构化像素的各像素点的像素值对应乘积并进行求和，去除噪声的影响，得到结构化像素中心像素点的像素值；其中，所述加权值函数的处理变量为结构化像素差异度，所述结构化像素差异度的处理变量为结构化像素。该方法既能保留图像细节又能较好去除噪声并达到较好的折中效果。

【技术实现步骤摘要】

本专利技术涉及一种噪声去除方法及其装置，尤其是一种结构化噪声去除方法及其装置。
技术介绍
图像处理系统中，噪声是一种非常常见的现象。噪声较大，非常影响图像质量，因此去除噪声是图像处理系统中的重要步骤。现有去除噪声的方法，基本上是基于空域像素点与像素点之间的相关性局部平滑以及基于频域去除高频部分的方法。现有技术以点像素为处理对象，并且也以点像素之间的相关性来平滑去除噪声图像。由于点像素本身受到噪声的干扰，以相关性处理图像会把这种干扰也带到了去除噪声处理中。现有技术对于一些细节保护非常不利，并且去除噪声也因为干扰的存在效果不佳。这样的去除噪声方法在保留图像细节和去除噪声中难以达到一种折中的效果，因此现有技术存在很大的局限性。
技术实现思路
有鉴于此，需要一种既能保留图像细节又能较好去除噪声并达到较好折中效果的去除噪声技术。本专利技术提供了一种全新的结构化噪声去除方法及其装置。根据本专利技术的第一方面，提供了一种噪声去除方法。该方法包括如下步骤划分图像为块状区域的结构化像素，以及确定每个结构化像素对应的邻域；对邻域的各结构化像素与中心结构化像素的加权值函数进行处理，得到邻域的各结构化像素与中'^结构化像素的加权值；利用邻域的结构化像素与中,"、结构化像素的各个加权值与中,"、结构化像素的各像素点的像素值，进行去除噪声的运算，得到所述中心结4构化像素中'"、像素点的像素值；其中，所述加权值函数的处理变量为结构化像素差异度，所述结构化像素差异度的处理变量为结构化像素。根据本专利技术的第二方面，提供了一种噪声去除装置。该装置包括:像素结构化模块，划分结构化像素，对输入图像的像素进行结构化处理，输出图像的各结构化像素及其邻域的结构化像素；结构化像素差异度模块，确定结构化像素的差异度，对像素结构化模块输出的结构化像素及其邻域的结构化像素进行处理，输出邻域各结构化像素与中心结构化像素的差异度；加权值函数模块，设定加权值函数，对结构化像素差异度模块输出的邻域各结构化像素与中'"、结构化像素的差异度进行处理，输出邻域各结构化像素与中心结构化像素的加权值；去除噪声运算模块,利用邻域结构化像素与中心结构化像素的各个加权值与中心结构化像素的各像素点的像素值进行去除噪声的运算得到结构化像素中心像素,泉的像素值。本专利技术克服了现有基于点像素的相关性去噪方法，将点像素扩展到结构化像素，并定义一种新的结构化像素的差异度，使其点像素本身受噪声的干扰大大减弱，去噪效果也得到比较大的改善，并在最后对图像细节进行了一些修正。在保留图像细节又能较好去除噪声的平衡中达到较好的折中效果。附图说明下面将参照附图对本专利技术的具体实施方案进行更详细的说明，其中图1是本专利技术结构化像素示意图2是本专利技术结构化像素差异度示意图3是本专利技术去除噪声处理中结构化像素邻域示意图4是本专利技术一个具体实施例结构化去除噪声处理流程图；以及图5是本专利技术一个具体实施例结构化去除噪声模块结构图。具体实施例方式为了克服现有技术基于点像素的相关性去除噪声方法的局限性，5本专利技术提供了一种噪声去除方法及其装置。接下来将具体说明该方法及其装置。图1示出本专利技术结构化像素示意图。如图1所示，采用3*3米字型为例子说明结构化像素， 一共九个像素点組成一个结构化像素，即 str _ _p/xe/ = {jt /xe/(x，力,/n'xe/(x, _y -1), / /xe/(x， _y +1)， _p,xe/(x — 1, _y)， pixe/(x +1,力/)/;ce/(;x -1，- 1)，/ z'xe/(x +1,_y +1),jt /xe/(x -1, y + l),_p/xe/(x +1, _y -1)}()该结构化像素的中心像素点为pixel (x， y)。现有技术中的去除噪声的处理为设一幅给定图像为v，去噪后图像为str一v，那么去噪公式可以表示为v(/) = J>(/,_/)vC0 (2)乂"其中I表示和i像素相关的像素集，w()是对应像素的加权值，现有算法将j像素都是定义为点像素。在本专利技术中，设定结构化像素的原理为定义一个rr^n的像素区域即结构化像素，因为一个区域内是带有局部图像结构信息即图像细节，然后把结构化像素作为一个点像素，代入公式(2)进行去除噪声的运算。图2示出本专利技术结构化像素差异度示意图。如图2所示，两个结构化像素s化—； /xe/(x，力和Wr — ; /:ce/(x， y -1)，两个像素的取值范围分別如图所示的9个点，这两个结构化像素的差异度计算如下￡>机欣_ / /xe/(x,力,* 一 _p/:te/(x, >" —1)) =-;~j- (3)Z Z(x,力]对于任意的两个结构化像素Wr_/7/xe^'， Wr—/7/^L/'的差异度计算，可用如下通用公式表示(4)51 Zy b红"-力Ip红"—yo,力]需要补充说明的是，结构化像素视为有某个像素点的结构化信息的块状区域。两个结构化像素的差异度正是体现了某两个像素点对应的两个结构化像素的结构化信息的差异，这种差异可以具体体现方差、均值、绝对值以及梯度等，以上公式(3)或(4)只是其中一种情况。图3示出本专利技术去除噪声处理中结构化像素邻域示意图。如图3所示，图3(a) —图3(i)为3*3个结构化像素构成的方阵，图3(e)为中心结构化像素，其邻域为包含中心结构化像素在内的如图中所示的9 个结构化像素。从图中可以看出，结构化像素以及其邻域的结构化像素 在划分时都有像素点重叠的现象。该划分只是去除噪声运算中相对的 关联划分，并不涉及改变图像的结构以及像素点的数值。 本专利技术的结构化像素的邻域不低于3*3个结构化像素。 图4示出本专利技术一个具体实施例结构化去除噪声处理流程图。如 图4所示，步骤400开始，在步骤402中，输入图像，定义结构化像素， 进行结构化像素的划分以及确定各结构化像素对应的邻域，可如上公 式(1)所示。进一 歩，在步骤404中，确定中心结构化像素与其邻域的结构化像 素对的结构化像素差异度，该差异度是指两个结构化像素的差异，可如 上公式(4)所示。接着，在步骤406中，设置中心结构化像素与其邻域的結构化像素 对的加权值函数。可设置加权值函数w()如下,.、 1「 p/xe/ / - * / /xe/ /)2) ,严、w(,,》=~7=^exp -~^~~^~~^——^~~(5)其中，O"噪声方差，对于本方法，可以通过设置为人为调解参数。上式中的差异度定义按照(4)式计算，加权值函数是根据相邻结构化 像素与中心结构化像素之间的差异来确定其对中心像素的贡献值，差 异度越大，贡献越小，差异度越小，贡献越大。对于每个像素点来说，其结构化像素的邻域以3*3为例，其中心结构化像素与其邻域的结构化像素对的加权值函数共有9个。在步骤408中，对图像边界进行处理，该步骤中的边界处理是在图像边界对划分像素点的结构化像素时，缺少构建结构化像素的像素点，需要对缺少的像素点通过镜像处理进行构建。然后接着，进入步骤410中，判断是否还需要进行周期重复，进行重复的目的是在有些像素点构建结构化像素后，进一步构建其邻域时仍然存在缺少像素点的情况，需要进行重复的镜像处理以实现邻域中结构化像素的完整构建。在步骤410中的本文档来自技高网...

【技术保护点】
一种噪声去除方法，包括以下步骤：　划分图像为块状区域的结构化像素，以及确定每个结构化像素对应的邻域；　对邻域的各结构化像素与中心结构化像素的加权值函数进行处理，得到邻域的各结构化像素与中心结构化像素的加权值；　利用邻域的结 构化像素与中心结构化像素的各个加权值与中心结构化像素的各像素点的像素值，进行去除噪声的运算，得到所述中心结构化像素中心像素点的像素值；　其中，所述加权值函数的处理变量为结构化像素差异度，所述结构化像素差异度的处理变量为结构化像素。

【技术特征摘要】

【专利技术属性】
技术研发人员：谌安军，
申请(专利权)人：北京中星微电子有限公司，
类型：发明
国别省市：11[中国|北京]