本申请涉及一种智能影像处理中的图像去噪方法及装置，其中，方法包括：确定目标图片的黑电平的偏置值，并扣除黑电平的偏置值，得到扣除后的图片；基于图片特点与处理需求，确定需要使用的图像去噪滤波方法，并根据图像去噪滤波方法确定滤波窗口邻接矩阵大小；基于图像去噪滤波与滤波窗口邻接矩阵大小，计算图片的每一个像素点的滤波值；根据滤波值更新每一个像素点的原像素值，得到滤波后的图片。由此，解决了相关技术中，无法在图像去噪的同时保留图像细节，降低了图像的视觉性能，减少了图像的峰值信噪比和结构相似度，不利于后续的图像识别、检测及分割等任务等问题。检测及分割等任务等问题。检测及分割等任务等问题。
【技术实现步骤摘要】
智能影像处理中的图像去噪方法及装置
[0001]本申请涉及图像去噪
，特别涉及一种智能影像处理中的图像去噪方法及装置。
技术介绍
[0002]图像去噪是智能影像处理中的重要研究部分。图像的颜色失真、噪声干扰、边缘模糊等都会对图像的后续处理产生难以预料的影响。在图像的采集和传输过程中，由于图像设备或者外界因素对于图像的影响，设备所采集到的图像往往含有一定的噪声污染。因此，图像去噪技术具有非常重要的研究意义。
[0003]相关技术中，主要分为传统图像去噪技术和基于神经网络的图像去噪技术。其中传统图像去噪技术根据处理方式可进一步分为空间域方法和变换域方法两类，其中空间域方法直接对图像像素值进行处理以实现去噪，而变换域方法则通过域转换的方式将图像转换到新特征空间进行降噪处理。基于神经网络的图像去噪技术则利用神经网络强大的建模和拟合能力，直接从大规模数据中学习噪声图像到无噪声图像的映射关系。
[0004]然而，相关技术中，无法在图像去噪的同时保留图像细节，降低了图像的视觉性能，减少了图像的峰值信噪比和结构相似度，不利于后续的图像识别、检测及分割等任务，亟待改进。
技术实现思路
[0005]本申请提供一种智能影像处理中的图像去噪方法及装置，以解决相关技术中，无法在图像去噪的同时保留图像细节，降低了图像的视觉性能，减少了图像的峰值信噪比和结构相似度，不利于后续的图像识别、检测及分割等任务等问题。
[0006]本申请第一方面实施例提供一种智能影像处理中的图像去噪方法，包括以下步骤：确定目标图片的黑电平的偏置值，并扣除所述黑电平的偏置值，得到扣除后的图片；基于图片特点与处理需求确定需要使用的图像去噪滤波方法，并根据所述图像去噪滤波方法确定滤波窗口邻接矩阵大小；基于所述图像去噪滤波与所述滤波窗口邻接矩阵大小，计算所述图片的每一个像素点的滤波值；以及根据所述滤波值更新所述每一个像素点的原像素值，得到滤波后的图片。
[0007]可选地，在本申请的一个实施例中，述确定目标图片的黑电平的偏置值，并扣除所述黑电平的偏置值，得到扣除后的图片，包括：在保证预设零进光量的条件下，拍摄所述目标图片。
[0008]可选地，在本申请的一个实施例中，所述确定目标图片的黑电平的偏置值，并扣除所述黑电平的偏置值，得到扣除后的图片，进一步包括：在保证没有光进入镜头的情况下，拍摄得到的所述目标图片为RAW格式数据图片；读取所述RAW格式数据图片的每一个像素点的数据输出，根据所述数据输出计算所述黑电平的偏置值；将所述黑电平参考值从全局扣除。
[0009]可选地，在本申请的一个实施例中，所述读取所述RAW格式数据图片的每一个像素点的数据输出，根据所述数据输出计算所述黑电平的偏置值，包括：根据图像内R、G、B三通道的数据输出，采用扣除均值、最大值、中值或局部均值的方式扣除所述黑电平；或者，根据不同的增益扣除不同数值的所述黑电平，并根据需求选择是否需要针对G通道进行线性拉伸。
[0010]可选地，在本申请的一个实施例中，所述基于图片特点与处理需求确定需要使用的图像去噪滤波方法，并根据所述图像去噪滤波方法确定滤波窗口邻接矩阵大小，包括：基于图片的处理需求和评价指标，结合处理器的运算能力与各滤波方法的运算复杂度，选择所述图像去噪滤波方法；根据所述图像去噪滤波方法，结合图像处理需求与所述处理器的运算能力，选择所述滤波窗口邻接矩阵大小。
[0011]可选地，在本申请的一个实施例中，所述图像去噪滤波方法包括中值滤波法、非局部均值滤波法、中值有理混合滤波法和基于人眼视觉系统的降噪方法中的至少一项。
[0012]可选地，在本申请的一个实施例中，所述基于所述图像去噪滤波与所述滤波窗口邻接矩阵大小，计算所述图片的每一个像素点的滤波值，包括：基于确定的滤波窗口矩阵大小与滤波方法，利用计算中位数值或加权均值得到所述每一个像素点的滤波值。
[0013]本申请第二方面实施例提供一种智能影像处理中的图像去噪装置，包括：扣除模块，用于确定目标图片的黑电平的偏置值，并扣除所述黑电平的偏置值，得到扣除后的图片；确定模块，用于基于图片特点与处理需求确定需要使用的图像去噪滤波方法，并根据所述图像去噪滤波方法确定滤波窗口邻接矩阵大小；计算模块，用于基于所述图像去噪滤波与所述滤波窗口邻接矩阵大小，计算所述图片的每一个像素点的滤波值；以及更新模块，用于根据所述滤波值更新所述每一个像素点的原像素值，得到滤波后的图片。
[0014]可选地，在本申请的一个实施例中，所述扣除模块包括：第一拍摄单元，用于在保证预设零进光量的条件下，拍摄所述目标图片。
[0015]可选地，在本申请的一个实施例中，所述扣除模块进一步包括：第二拍摄单元，用于在保证没有光进入镜头的情况下，拍摄得到的所述目标图片为RAW格式数据图片；第一计算单元，用于读取所述RAW格式数据图片的每一个像素点的数据输出，根据所述数据输出计算所述黑电平的偏置值；扣除单元，用于将所述黑电平参考值从全局扣除。
[0016]可选地，在本申请的一个实施例中，所述第一计算单元包括：第一扣除组件，用于根据图像内R、G、B三通道的数据输出，采用扣除均值、最大值、中值或局部均值的方式扣除所述黑电平；或者，第二扣除组件，用于根据不同的增益扣除不同数值的所述黑电平，并根据需求选择是否需要针对G通道进行线性拉伸。
[0017]可选地，在本申请的一个实施例中，所述确定模块包括：第一选择单元，用于基于图片的处理需求和评价指标，结合处理器的运算能力与各滤波方法的运算复杂度，选择所述图像去噪滤波方法；第二选择单元，用于根据所述图像去噪滤波方法，结合图像处理需求与所述处理器的运算能力，选择所述滤波窗口邻接矩阵大小。
[0018]可选地，在本申请的一个实施例中，所述图像去噪滤波方法包括中值滤波法、非局部均值滤波法、中值有理混合滤波法和基于人眼视觉系统的降噪方法中的至少一项。
[0019]可选地，在本申请的一个实施例中，所述计算模块包括：第二计算单元，用于基于确定的滤波窗口矩阵大小与滤波方法，利用计算中位数值或加权均值得到所述每一个像素
点的滤波值。
[0020]本申请第三方面实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的智能影像处理中的图像去噪方法。
[0021]本申请第四方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，该程序被处理器执行时实现如上的智能影像处理中的图像去噪方法。
[0022]本申请实施例可以基于黑电平参考值、图片的处理需求和评价指标，通过选择合适的图像去噪滤波方法进行图像去噪处理，从而在减少图像中噪声的影响的同时保留更多图像细节，提高图像的视觉性能，增加图像的峰值信噪比和结构相似度，有助于后续的图像识别、检测及分割等任务。由此，解决了相关技术中，无法在图像去噪的同时保留图像细节，降低了图像的视觉性能，减少了图像的峰本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种智能影像处理中的图像去噪方法，其特征在于，包括以下步骤：确定目标图片的黑电平的偏置值，并扣除所述黑电平的偏置值，得到扣除后的图片；基于图片特点与处理需求确定需要使用的图像去噪滤波方法，并根据所述图像去噪滤波方法确定滤波窗口邻接矩阵大小；基于所述图像去噪滤波与所述滤波窗口邻接矩阵大小，计算所述图片的每一个像素点的滤波值；以及根据所述滤波值更新所述每一个像素点的原像素值，得到滤波后的图片。2.根据权利要求1所述的方法，其特征在于，所述确定目标图片的黑电平的偏置值，并扣除所述黑电平的偏置值，得到扣除后的图片，包括：在保证预设零进光量的条件下，拍摄所述目标图片。3.根据权利要求2所述的方法，其特征在于，所述确定目标图片的黑电平的偏置值，并扣除所述黑电平的偏置值，得到扣除后的图片，进一步包括：在保证没有光进入镜头的情况下，拍摄得到的所述目标图片为RAW格式数据图片；读取所述RAW格式数据图片的每一个像素点的数据输出，根据所述数据输出计算所述黑电平的偏置值；将所述黑电平参考值从全局扣除。4.根据权利要求3所述的方法，其特征在于，所述读取所述RAW格式数据图片的每一个像素点的数据输出，根据所述数据输出计算所述黑电平的偏置值，包括：根据图像内R、G、B三通道的数据输出，采用扣除均值、最大值、中值或局部均值的方式扣除所述黑电平；或者，根据不同的增益扣除不同数值的所述黑电平，并根据需求选择是否需要针对G通道进行线性拉伸。5.根据权利要求1所述的方法，其特征在于，所述基于图片特点与处理需求确定需要使用的图像去噪滤波方法，并根据所述图像去噪滤波方法确定滤波窗口邻接矩阵大小，包括：基于图片的处理需求和评价指标，结合处理...
【专利技术属性】
技术研发人员：杨昉，刘泽浩，王乐翔，薛永林，
申请(专利权)人：清华大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。