[发明专利]颜色去噪方法及装置

说明书

本发明提供一种颜色去噪方法，包括：分别对YUV图像的U通道、Y通道和V通道进行小波分解；分别对小波分解后的U通道和V通道进行高频子带软阈值收缩；对小波分解后的Y通道进行低频子带双边滤波；基于低频子带双边滤波后的Y通道，对U通道的低频子带进行U通道和Y通道的联合三边滤波，对V通道的低频子带进行V通道和Y通道的联合三边滤波；将高频子带软阈值收缩后的U通道和联合三边滤波后的U通道进行小波重构，将高频子带软阈值收缩后的V通道和联合三边滤波后的V通道进行小波重构；将U通道、V通道以及未滤波的Y通道组合得到去噪后的YUV图像。本发明能够有效地抑制颜色噪声，同时防止在颜色去噪时引入的颜色溢出问题，提升图像质量。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种颜色去噪方法及装置。

背景技术

移动端的图像传感器通常采用CMOS(Complementary Metal OxideSemiconductor，互补金属氧化物半导体)芯片，由于CMOS芯片具有噪声大的特点或者由于传感器的制造工艺问题，图像信号处理器(Image Signal Processor，ISP)获得的图像数据通常也含有颜色噪声，图像数据经过ISP的前处理之后需要对颜色噪声进行抑制。

颜色去噪是数字图像信号处理器中极其重要的一个环节，颜色去噪的好坏往往直接反映了图像信号处理器的水平。

颜色去噪算法主要有两类：一类是假设图像的颜色主要集中在一条线上，而按照图像的颜色沿着线呈椭球状分布，采用基于主分量分析(Principle Component Analysis，PCA)的方法，提取出颜色主要的成分，从而得到颜色本来集中的线，达到去噪的目的。

另一类去噪是将颜色通道当做单一的通道，将颜色去噪当作普通的去噪来进行处理，使用常规的图像去噪的方法。这类方法没有考虑到颜色通道之间的关联特性。有很重严重的颜色溢出问题。

图像传感器本身的噪声模型各有差异，同时经过图像信号处理器前处理之后得到的图像通常不再服从高斯分布的基本假设，很难找到合适的统计分布建模噪声，而且噪声的颗粒度也大小不一，因此基于统计假设的图像去噪算法往往得到的效果很差。

彩色图像在YUV颜色空间中，三个通道彼此联系，将颜色通道单一割裂开来的算法往往没有用到颜色空间的关联性，在边缘处颜色溢出很严重。

发明内容

本发明提供的颜色去噪方法及装置，能够有效地抑制颜色噪声，同时防止在颜色去噪时引入的颜色溢出问题，提升图像质量。

第一方面，本发明提供一种颜色去噪方法，包括：

分别对YUV图像的U通道、Y通道和V通道进行小波分解；

分别对经过小波分解后的U通道和V通道进行高频子带软阈值收缩；

对经过小波分解后的Y通道进行低频子带双边滤波；

基于经过低频子带双边滤波后的Y通道，对经过小波分解后的U通道的低频子带进行U通道和Y通道的联合三边滤波，对经过小波分解后的V通道的低频子带进行V通道和Y通道的联合三边滤波；

将经过高频子带软阈值收缩后的U通道高频子带和经过联合三边滤波后的U通道低频子带进行小波重构，将经过高频子带软阈值收缩后的V通道高频子带和经过联合三边滤波后的V通道低频子带进行小波重构；

将经过小波重构的U通道、经过小波重构的V通道以及未滤波的Y通道进行组合，得到去噪后的YUV图像。

可选地，所述高频子带软阈值收缩的系数按照如下公式确定：