[发明专利]图像去噪方法、计算机装置及计算机可读存储介质

说明书

本发明提供一种基于图像金字塔的图像去噪方法、计算机装置及计算机可读存储介质，该方法包括获取初始图像，计算每一像素的输出色度值：获取待去噪像素的分层搜索区域，对分层搜索区域进行下采样，每次下采样后获得一层下采样图像，多层下采样图像形成第一图像金字塔；将每一下采样图像进行上采样，将上采样后的图像与该下采样图像的下一层图像相减后获得一层相减图像，多层相减图像形成第二图像金字塔；将第二图像金字塔的每一层相减图像与第一图像金字塔的最高层下采样图像进行均值去噪，获得去噪色度值；使用初始色度值与去噪色度值计算输出色度值。本发明还提供实现上述方法的计算机装置及计算机可读存储介质。本发明可以减少图像去噪的计算量以及硬件实现难度，并且提高去噪的质量。

技术领域

本发明涉及图像处理的技术领域，具体地，是一种基于图像金字塔的图像去噪方法以及实现这种方法的计算机装置、计算机可读存储介质。

背景技术

现有很多智能电子设备具有图像拍摄的功能，例如智能手机、平板电脑、行车记录仪等均设置有摄像装置，摄像装置通常设置有CMOS传感器来获取图像。通常，一张图像包括大量的像素，每一个像素的色彩信息可以通过RGB数值或者YUV数值表示。

例如，目前普遍使用的CMOS图像传感器一般采用BAYER排列格式，每个像素的色彩信息通常为RGB的数值，但RGB的数值并非三原色的信息，图像会出现色彩失真的情况，因此需要对每一个像素进行“去马赛克”(demosaic)的处理而得到RGB三原色信息，以还原图像原本的色彩。

随着图像分辨率的增大、单个像素的感光量的降低、低照度场景应用越来越广泛，CMOS图像传感器输出的图像噪声大为增加。由于RAW图像转换到RGB图像的过程中，去马赛克的操作需要参考一定区域内的所有图像像素得到一个像素的RGB三原色，各颜色分量的噪声大范围相互扩散，导致最终图像出现大块(从几个像素到上百像素)彩色色斑，严重影响人眼观感。因此，通常需要对CMOS图像传感器输出的图像进行去噪处理。

图像中的信息具有高度的相关性，每一个像素都不是孤立存在的，不仅具有亮度的相似性，而且还具有图像纹理结构的相似性。非局部均值(Non-Local Means，简称NLM)方法是一种基于图像局部相似性的去噪方法，在邻域平均去噪方法的基础上，NLM方法的相似权重系数由当前待去噪像素点与其邻域内其他像素点为中心的图像片之间的相似性所决定，其权重的计算与两个像素的空间位置没有实质性关系，只与两个图像片的相似性有关，因此能够较好的避免引入虚假信息。由于图像的噪声可等效为加性高斯白噪声，加权平均相似像素能够较好的去除图像的噪声。由于NLM方法具有算法简洁、性能优越、易于改进与扩展的特性，成为当前图像去噪的主流方法之一。

NLM方法的基本原理如下：以待去噪像素点为中心取邻域窗口，窗口大小为N×N(N一般为3、5、7、9等)，将周围一定大小的图像区域作为搜索区域，记为M×M(可选整幅图像，但计算量过大，一般M小于41)，在搜索区域内寻找相似图像块，通常的方法是计算图像块之间的高斯加权欧式距离，使用下面的公式计算：

其中，Ga为标准差为a的高斯核，u(Ni)和u(Nj)分别为中心窗口的图像块和搜素区域图像块内的对应像素。然后，计算去噪后的像素估计值，使用下面的公式计算：

其中，w(i,j)＝exp(-d(i,j)/h²)为权重系数，为归一化因子，Ω(i)表示中心像素i的搜素区域，h是相似权重参数，它决定着图像去噪后的平衡程度。

当前，基于非局部均值的去噪方法主要有以下三种方式：

第一种方式是将图像做变换，在变换域而不是空域内用NLM方法对图像进行去噪，具体的步骤是：对初始图像做变换，如小波变换、Contourlet变换、拉普拉斯变换等，分解为低频图像和高频图像；然后，对低频图像和高频图像分别用NLM方法进行去噪或修正，最后，将得到的低频和高频图像进行重构和逆变换，得到去噪后的图像。