[发明专利]一种图像去噪过程中识别待去噪块的方法

说明书

本发明提供一种图像去噪过程中识别待去噪块的方法，包括以下步骤：S1，灰度级缩放：对噪声干扰下的图像中的图像灰度级由256级缩放到64级；S2，筛选平坦块作为待去噪块，满足下面两个条件的数据块为平坦块：(1)缩放块内出现的灰度值个数为2，且两灰度值之相差1；(2)一个灰度值个数大于阈值gray_thrd称为大概率灰度b，同时另一灰度值个数小于阈值gray_thrd称为小概率灰度s；S3，筛选离散噪声块：S3.1，对S1.2中判断为平坦块的数据块设置像素点间距为1，计算灰度共生矩阵来分析小概率灰度的分布情况，将待滤波块分为小概率粗纹理块和离散块；S3.2，分析共生矩阵，确定离散噪声块为待去噪块。

技术领域

本发明涉及视频编码技术领域，特别涉及一种图像去噪过程中识别待去噪块的方法。

背景技术

目前，视频编码中比较常用的去噪滤波方法是空域滤波，通过滤波减少噪声进入残差，一般设定一个带有加权系数的滤波窗口对图像逐点滤波。编码器再对滤波后的图像进行编码。其中，在图像去噪过程中准确识别出待去噪块是有效去噪的基础，然而，图像中的噪声是不能完全滤除的，且噪声具有不可压缩性。以像素点为单位进行去噪滤波，计算量大且对图像内容不作区分，容易模糊图像的真实边缘。

现有技术中的常用术语如下：

灰度共生矩阵：是一种研究灰度空间相关特性来描述纹理的常用方法，而纹理是由灰度分布在空间位置上反复出现而形成的，因而在图像空间中相隔某距离的两像素之间存在一定的灰度关系。如果图像是由具有相似灰度值的像素块构成，则灰度共生矩阵的对角元素会有比较大的值；如果图像像素灰度值在局部有变化，那么偏离对角线的元素会有比较大的值。

CG：TU中的变换系数被分为若干个4x4大小的子块，子块里的16个系数称为系数组(Coefficient Groups CG)。对于每个CG内的系数按对角方式扫描，同时在TU中所有的CG也按对角方式扫描。将每个CG通过标记最后非零系数坐标、非零系数位置、系数大于1的标识、系数大于2的标识、符号标识、系数剩余值，最终得到一个一维数组，熵编码将一维数组编入码流。

DCT指Discrete Cosine Transform，意思是离散余弦变换，其常见用途是对音视频进行数据压缩。

发明内容

为了解决上述问题，本发明的目的在于：本发明计算量小，以块为单位进行去噪，通过简单方法识别平坦区域，避免了对图像中真实边缘细节的模糊。然后利用灰度共生矩阵区分纹理和噪声，剔除了对比度低的小纹理。

具体地，本发明提供一种图像去噪过程中识别待去噪块的方法，所述方法包括以下步骤：

S1，灰度级缩放：对噪声干扰下的图像中的图像灰度级由256级缩放到64级；

S2，筛选平坦块作为待去噪块，满足下面两个条件的数据块为平坦块：(1)缩放块内出现的灰度值个数为2，且两灰度值之间相差1；

(2)一个灰度值个数大于阈值gray_thrd称为大概率灰度b，同时另一灰度值个数小于阈值gray_thrd称为小概率灰度s；

S3，筛选离散噪声块：

S3.1，对S1.2中判断为平坦块的数据块设置像素点间距为1，计算灰度共生矩阵来分析小概率灰度的分布情况，将待滤波块分为小概率粗纹理块和离散块；

S3.2，分析共生矩阵，确定离散噪声块为待去噪块。

所述S1.2中设gray_thrd＝200。

所述S2的平坦块中小概率灰度点为不平坦因子，在预测后更容易进入残差，经DCT变换分布在高频部分。