[发明专利]一种图像带状伪影去除方法、装置、设备和介质

说明书

本发明公开了一种图像带状伪影去除方法、装置、设备和介质，由于该方法中对待处理图像进行滤波操作，确定去除带状伪影后的滤波图像，根据滤波图像与待处理图像中每个对应位置像素点的像素值的差值，确定滤波图像与待处理图像的差异矩阵和差异绝对值矩阵；针对差异绝对值矩阵中的每个元素点，确定元素值与第一预设阈值和第二预设阈值的目标大小关系，第二预设阈值大于第一预设阈值；并根据预先保存的每种大小关系对应的像素值的取值函数，确定目标图像中每个元素点对应位置的目标像素点的目标像素值，得到边缘纹理保留后的目标图像；从而使目标图像去除了带状伪影并避免了图像边缘模糊，并且由于计算复杂度较低，从而提高了确定目标图像的速度。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像带状伪影去除方法、装置、设备和介质。

背景技术

基于当前的图像编码标准和视频编码标准，在对图像进行压缩时普遍采用量化手段，其中图像编码标准为联合图像专家小组(Joint Photographic Experts Group，JPEG)，视频编码标准可以是基于数字存储媒体运动图像和语音的压缩标准(Moving PictureExperts Group，MPEG-2)，可以是高度压缩数字视频编码标准(H264)，可以是高度压缩数字视频编码标准(H265)，还可以是信源编码标准(Audio Video coding Standard，AVS)。

量化手段是通过将残差信号或者是大范围的输入信号量化为小范围的输出信号，从而达到压缩比特的目的，虽然量化手段能够有效提高图像的压缩效率，但是，由于量化误差的存在，也会引入人工噪声，典型的比如块效应和带状伪影。

图像中块效应的主要表现是编码块边缘亮度不连续，块效应会出现在整个图像的任何位置。而带状伪影主要是由于量化过程中，丢失了低幅值的细节信息造成，因此，图像中带状伪影主要出现在梯度变化比较平缓的区域，比如平坦区域，亮度渐变区域等。在带宽成本敏感的场景中，由于采用较大的压缩比，会导致较为严重的带状伪影现象,此外,在获得包括带状伪影现象的图像后,若后续继续进行对比度增强处理，则会导致带状伪影现象更加严重。

图1为现有技术提供的一种未进行量化处理的图像示意图，如图1所示，图1中不存在带状伪影；图2为现有技术提供的一种量化处理后的图像示意图，如图2所示，进行量化处理时的量化参数(Quantizer Parameter，QP)为17，图2中的带状伪影现象并不明显；图3为现有技术提供的一种量化处理后的图像示意图，如图3所示，进行量化处理时的量化参数(Quantizer Parameter，QP)为20，图3中存在较为明显的带状伪影现象；图4为现有技术提供的一种量化处理后的图像示意图，如图4所示，进行量化处理时的量化参数(QuantizerParameter，QP)为27，图4中存在较为严重的带状伪影现象。

图5为现有技术提供的一种量化处理后的视频帧图像的示意图，如图5所示，图5中的左上区域(图中的上下左右)存在较为明显的带状伪影现象，图5中的左上区域出现了一环一环的亮度阶梯变化现象，并且在播放视频帧图像对应视频的时候，该左上区域的亮度阶梯随着视频帧变化而变化，视频帧中图像会呈一圈圈海浪状的动态变化，导致用户的观影体验较差。

现有技术中为了去除经量化处理后的图像中的带状伪影，包括Dither误差传递方法和后处理方法。

其中Dither误差传递方法通过在图像中添加相关噪声对带状伪影进行处理，但是该方法仅能够减轻图像中的带状伪影，去除带状伪影的效果不明显。

后处理方法包括采用环路滤波来去除带状伪影，采用多媒体视频处理工具(FastForward Mpeg，FFMPEG)中的gradfun插件去除带状伪影，还有采用深度学习模型去除带状伪影。

其中采用环路滤波去除带状伪影时的效果不明显，采用gradfun插件去除带状伪影时的效果不明显且会导致图像边缘模糊，采用深度学习模型去除带状伪影时的计算复杂度较高，从而导致去除带状伪影时的速度较慢。