一种单帧图片降噪并消除图片伪彩的方法技术

本发明专利技术公开了一种单帧图片降噪并消除图片伪彩的方法，包括：步骤1：对单帧图片进行边缘检测；步骤2：对步骤1所得图片进行处理，得到学习步长矩阵；步骤3：对单帧图片的每个通道分别进行滤波，结合学习步长矩阵，得到单通道滤波修正值；步骤4：选取单帧图片的两通道，根据两通道之间的局部关系进行滤波，结合学习步长矩阵，得到通道协同滤波修正值；步骤5：根据步骤3和步骤4得到的修正值，对单帧图片中各像素点的RGB三通道值进行修正；步骤6：重复步骤1至步骤5，直至步骤3和步骤4得到的通道协同滤波修正值分别低于阈值。通过本方法能达到优质的降噪效果，且能达到优质的消除伪彩效果。且能达到优质的消除伪彩效果。且能达到优质的消除伪彩效果。

【技术实现步骤摘要】
一种单帧图片降噪并消除图片伪彩的方法


[0001]本专利技术涉及一种图像处理方法，具体涉及一种图像降噪和去伪彩的方法。

技术介绍

[0002]数字图像采集是利用摄像头等传感器将光信号转化成电信号并用数字形式进行存储、传输和显示。数字图像处理是将采集的数字图像针对使用目的和场景进行处理优化，其中常见的方法包括：图像增强和复原、图像编码压缩、图像描述等。
[0003]图像的降噪是图像增强和复原中十分重要的一项内容，其广泛应用于车载影像、监控摄像头等诸多领域。目前，主流的降噪一般有两种方式。一种是采用空域降噪，通常称为2DNR，即在一帧图片内，针对噪点不同于图像信息的特征，采用滤波的方式降低噪声的信息量。这种方式的优点是只需要保存一帧图片，对存储空间占用少，缺点是噪点比较多时降噪效果不佳，区分噪点在数学上变得困难，而为了达到降噪效果，往往会对图像造成模糊。另一种是采用时域降噪，通常成为3DNR，即在连续多帧图片内，针对噪点是随机出现的特征，采用多帧图片的信息加权处理的方法降低噪声在图像中的比重，同时通过运动估计来弥补多帧图像中运动物体带来的信息差异。这种方式的优点是比空域降噪效果好，缺点是对存储空间、处理器计算能力、算法设计要求高，同时，不适用于只获取了单帧图片的情形。
[0004]图片的伪彩现象是指图片由于光电信号的干扰、不当的去马赛克插值、不同光线折射率不同造成的偏移等一系列原因造成的图片中出现现实中不存在的彩色信号的情况。
[0005]目前对于此类情况的主要解决方法是根据不同的原因采取相应的解决方法。例如，不当的去马赛克插值采用改进算法，如加入边缘检测、纹理检测、色彩插值的方式解决。对于不同光线折射率的问题，采取色彩矫正方法（CAC），根据镜头参数在去马赛克之前对Bayer数据进行矫正。对于光电信号的干扰造成的彩色问题，则需要通过降噪算法解决。
[0006]以上方法一般可以较好的解决相应伪彩问题，但也存在其局限性。首先，这些方法需要在Bayer域上进行，已经转化为RGB格式的图像还原到原Bayer域上进行处理只能进行下采样，可能会损失很多信息。其次，这些算法依赖设备的参数，需要基于设备具有的光学性质进行处理，这些条件有时难以满足。另外，这些算法各不相同，需要依据实际情况进行具体分析，可移植性差。
[0007]如今，图像处理在智能汽车、智能家居、智能监控等诸多领域发挥着越来越重要的作用，也对图像的质量提出了更高的要求。处理各种不同来源，同时可能存在各种不同问题的图像也是一个常见的需求。3D降噪的高成本要求，意味着更好的2D降噪能减少3D叠加帧数的需求，节省运算资源。因此，一种既能对图片进行有效的2D降噪，又能消除伪彩的方法具有实用价值。

技术实现思路

[0008]专利技术目的：针对上述现有技术，提出一种单帧图片降噪并消除图片伪彩的方法，既能对图片进行有效的2D降噪，又能消除图片伪彩情况。
[0009]技术方案：一种单帧图片降噪并消除图片伪彩的方法，包括：步骤1：对所述单帧图片进行边缘检测；步骤2：对步骤1所得图片进行处理，得到学习步长矩阵；步骤3：对所述单帧图片的每个通道分别进行滤波，结合所述学习步长矩阵，得到单通道滤波修正值；步骤4：选取所述单帧图片的两通道，根据两通道之间的局部关系进行滤波，结合所述学习步长矩阵，得到通道协同滤波修正值；步骤5：根据步骤3和步骤4得到的修正值，对所述单帧图片中各像素点的RGB三通道值进行修正；步骤6：重复步骤1至步骤5，直至步骤3得到的单通道滤波修正值和步骤4得到的通道协同滤波修正值分别低于对应的阈值。
[0010]进一步的，所述步骤2包括如下步骤：通过单调映射，将步骤1完成边缘检测后输出的图片映射到区间[0,1]之间；然后对映射结果做高斯滤波以及γ变换，再用数值1分别减去变换处理后图中各点的值，得到各点的边缘抑制参数L0，并设置学习步长L1，0<L1<0.25；各点的边缘抑制参数L0与学习步长L1相乘即得到所述学习步长矩阵。
[0011]进一步的，所述步骤3中，所述单调映射选取经平移和缩放的sigmoid函数σ1(x)或tanh函数σ2(x)：其中，x为图片中每个点的边缘强度值，θ是调节参数。
[0012]进一步的，所述步骤2中，如果图像边缘处存在伪彩现象，则用方差σ>1的高斯滤波核，且γ<1；如果图像边缘无异常，则采用方差σ<1的高斯滤波核，且γ>1。
[0013]进一步的，所述步骤3中，采用高斯滤波或双边滤波，记此时滤波的通道为D，滤波前像素点的像素值为d0，滤波后的像素值为d1，则单通道滤波修正值Δd0为：Δd0=L0*L1*(d1‑
d0)根据上式，所述单帧图片中各像素点RGB三通的单通道滤波修正值分别记为Δr0、Δg0、 Δb0。
[0014]进一步的，所述步骤4中，依次选取红绿，绿蓝，蓝红通道；对于选取的通道，记作PQ通道，P通道和Q通道之间在局部应满足线性关系：P=k*Q+b，其中k表示色比，b表示色差，P表示P通道的像素值，Q表示Q通道的像素值；步骤4包括如下步骤：步骤4.1：对于所述单帧图片中的每个像素点，用以该像素点为中心的图像块估计两通道之间的局部线性关系，用最小二乘法解出该像素点最优的k和b，即：
其中，图像块的大小为n*n像素；P
ij
表示图像块中坐标为(i,j)的像素点的P通道像素值，Q
ij
表示图像块中坐标为(i,j)的像素点的Q通道像素值，表示图像块的P通道像素值的均值，表示图像块的Q通道像素值的均值；在对每个像素点进行估计计算后，得到系数k和b对应的矩阵K、B；步骤4.2：通过对矩阵K和矩阵B做均值滤波或高斯滤波来修正k和b的值；步骤4.3：对于所述单帧图片中的每个像素点，记该像素点的P通道像素值为p，记该像素点的Q通道像素值为q，计算该像素点的P通道协同滤波修正值
∆
p以及Q通道协同滤波修正值
∆
q：
∆
p=L0*L1*(k*q+b
‑
p)
∆
q=L0*L1*((p
‑
b)/k
‑
q)依次选取的红绿，绿蓝，蓝红通道根据步骤4.1至步骤4.3对应得到红绿通道的红通道协同滤波修正值
∆
r+和绿通道协同滤波修正值
∆
g
‑
，绿蓝通道的绿通道协同滤波修正值
∆
g+和蓝通道协同滤波修正值
∆
b
‑
，蓝红通道的蓝通协同滤波道修正值
∆
b+和红通道协同滤波修正值
∆
r
‑
。
[0015]进一步的，所述步骤4中，依次选取红绿，绿蓝，蓝红通道；对于选取的通道，记作PQ通道，P通道和Q通道之间应满足局部色差关系：P=Q+b，其中b为色差，P表示P通道的像素值，Q表示Q通道的像素值本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种单帧图片降噪并消除图片伪彩的方法，其特征在于，包括：步骤1：对所述单帧图片进行边缘检测；步骤2：对步骤1所得图片进行处理，得到学习步长矩阵；步骤3：对所述单帧图片的每个通道分别进行滤波，结合所述学习步长矩阵，得到单通道滤波修正值；步骤4：选取所述单帧图片的两通道，根据两通道之间的局部关系进行滤波，结合所述学习步长矩阵，得到通道协同滤波修正值；步骤5：根据步骤3和步骤4得到的修正值，对所述单帧图片中各像素点的RGB三通道值进行修正；步骤6：重复步骤1至步骤5，直至步骤3得到的单通道滤波修正值和步骤4得到的通道协同滤波修正值分别低于对应的阈值。2.根据权利要求1所述的单帧图片降噪并消除图片伪彩的方法，其特征在于，所述步骤2包括如下步骤：通过单调映射，将步骤1完成边缘检测后输出的图片映射到区间[0,1]之间；然后对映射结果做高斯滤波以及γ变换，再用数值1分别减去变换处理后图中各点的值，得到各点的边缘抑制参数L0，并设置学习步长L1，0<L1<0.25；各点的边缘抑制参数L0与学习步长L1相乘即得到所述学习步长矩阵。3.根据权利要求2所述的单帧图片降噪并消除图片伪彩的方法，其特征在于，所述步骤3中，所述单调映射选取经平移和缩放的sigmoid函数σ1(x)或tanh函数σ2(x)：其中，x为图片中每个点的边缘强度值，θ是调节参数。4.根据权利要求2所述的单帧图片降噪并消除图片伪彩的方法，其特征在于，所述步骤2中，如果图像边缘处存在伪彩现象，则用方差σ>1的高斯滤波核，且γ<1；如果图像边缘无异常，则采用方差σ<1的高斯滤波核，且γ>1。5.根据权利要求2所述的单帧图片降噪并消除图片伪彩的方法，其特征在于，所述步骤3中，采用高斯滤波或双边滤波，记此时滤波的通道为D，滤波前像素点的像素值为d0，滤波后的像素值为d1，则单通道滤波修正值Δd0为：Δd0=L0*L1*(d1‑
d0)根据上式，所述单帧图片中各像素点RGB三通的单通道滤波修正值分别记为Δr0、Δg0、 Δb0。6.根据权利要求2所述的单帧图片降噪并消除图片伪彩的方法，其特征在于，所述步骤4中，依次选取红绿，绿蓝，蓝红通道；对于选取的通道，记作PQ通道，P通道和Q通道之间在局部应满足线性关系：P=k*Q+b，其中k表示色比，b表示色差，P表示P通道的像素值，Q表示Q通道的像素值；步骤4包括如下步骤：
步骤4.1：对于所述单帧图片中的每个像素点，用以该像素点为中心的图像块估计两通道之间的局部线性关系，用最小二乘法解出该像素点最优的k和b，即：其中，图像块的大小为n*n像素；P
ij
表示图像块中坐标为(i,j)的像素点的P通道像素值，Q
ij
表示图像块中坐标为(i,j)的像素点的Q通道像素值，表示图像块的P通道像素值的均值，表示图像块的Q通道像素值的均值；在对每个像素点进行估计计算后，得到系数k和b对应的矩阵K、B；步骤4.2：通过对矩阵K和矩阵B做均值滤波或高斯滤波来修正k和b的值；步骤4.3：对于所述单帧图片中的每个像素点，记该像素点的P通道像素值为p，记该像素点的Q通道像素值为q，计算该像素点的P通道协同滤波修正值
∆
p以及Q通道协同滤波修正值
∆
q：
∆
p=L0*L1*(k*q+b
‑
p)
∆
q=L0*L1*((p
‑
b)/k
‑
q)依次选取的红绿，绿蓝，蓝红通道根据步骤4.1至步骤4.3对应得到红绿通道的红通道协同滤波修正值
∆
r+和绿通道协同滤波修正值
∆
g
‑
，绿蓝通道的绿通道协同滤波修正值
∆
g+和蓝通道协同滤波修正值
∆
b
‑
，蓝红通道的蓝通协同滤波道修正值
...

【专利技术属性】
技术研发人员：季北辰，王彬，徐凯，程银，王中杰，
申请(专利权)人：江苏游隼微电子有限公司，
类型：发明
国别省市：