[发明专利]一种图像智能降噪先验检测方法

说明书

本发明公开了一种图像智能降噪先验检测方法，在降噪流水线的最前端增加先验检测，对输入的图像数据首先进行先验检测处理，处理结果用于后续的降噪和增强处理环节；先验检测处理包括亮度检测、亮度均值矫正、坏点检测、色差检测、边缘检测、噪声检测、运动检测；后续的降噪和增强处理环节包括坏点纠正、空域降噪、色差矫正、时域降噪、去马赛克、平滑和锐化增强。本发明采用硬件和软件资源可复用的架构对降噪和增强过程中需要的图像特征参数进行集中采集和综合计算分析，后续降噪和增强环节需要利用的参数从先验检测装置中读取。

技术领域

本发明涉及一种数字图像处理方法，尤其涉及一种图像降噪和增强处理方法。

背景技术

数字图像采集是利用摄像头等传感器将光信号转化成电信号并用数字形式进行存储、传输和显示，数字图像处理是将采集的数字图像针对使用目的和场景进行处理优化，其中常见的方法包括：图像增强和复原、图像编码压缩、图像描述等。

噪声在图像上常表现为引起较强视觉效果的孤立像素点或像素块。一般，噪声以无用的信息形式出现，扰乱图像的可观测信息。噪声来源于三个方面：第一，图像采集过程中，图像传感器CCD和CMOS由于受传感器材料属性、工作环境、电子元器件和电路结构等影响，会引入各种噪声，如电阻引起的热噪声、场效应管的沟道热噪声、光子噪声、暗电流噪声、光响应非均匀性噪声。第二，图像信号传输过程中由于传输介质和记录设备等的不完善，数字图像在其传输记录过程中往往会受到多种噪声的污染。第三，在图像处理的某些环节，当输入的对象并不如预想时或者由于算法本身的局限，都会在结果图像中引入噪声。

噪声对肉眼观测图像和机器识别图像都有较大影响，于是降噪和增强装置在图像处理的硬件和软件中具有重要作用。如图1所示，一般的降噪和增强模块包括坏点纠正、空域降噪、色差矫正、时域降噪、去马赛克、平滑和锐化增强等先后环节，构成了降噪流水线。在流水线的每一步环节，都需要先对每一帧图像某种维度的特征的采集和计算，然后根据特征情况采用不同的算法强度，以实现“针对性”、“自适应”的降噪效果。比如，在时域降噪之前，就需要计算本帧图片相对于前一帧图片的运动向量，基于运动向量对本帧图片进行时域降噪，否则就会出现“拖影”等现象，影响降噪效果。

但是，这种在每一个降噪流水线环节分别进行特征检测的做法有较大弊端，第一，因为每一降噪环节都会对图像像素进行改变，当前的某一个环节做的特征检测无法准确描述输入图像的“原始”的信息，而这些信息对于当前环节降噪具有指导意义。第二，不同环节的特征之间可能存在相关关联，分别检测就无法做到整体考虑。第三，每个环节独立做特征检测，意味着每一次都对所有像素进行读取和计算，需要占用较大的硬件和软件资源，无法做到资源复用。

发明内容

发明目的：针对上述现有技术，提出一种图像智能降噪先验检测方法，改进现有方法存在的检测误差、参数孤立、资源利用率低的问题。

技术方案：一种图像智能降噪先验检测方法，对输入的图像数据首先进行先验检测处理，处理结果用于后续的降噪和增强处理环节；所述先验检测处理包括亮度检测、亮度均值矫正、坏点检测、色差检测、边缘检测、噪声检测、运动检测；所述后续的降噪和增强处理环节包括坏点纠正、空域降噪、色差矫正、时域降噪、去马赛克、平滑和锐化增强；

所述亮度检测：遍历所有像素，得到各像素的亮度值以及亮度均值数据；

所述亮度均值矫正：当所述亮度均值大于上限阈值时，将所有像素乘以权值，使得处理后的亮度均值等于上限阈值；当所述亮度均值小于下限阈值时，将所有像素乘以权值，使得处理后的亮度均值等于下限阈值；

所述坏点检测：遍历所有像素，根据各像素和周边8个像素均值的差值进行判断，将差值大于坏点阈值的像素坐标加入疑似坏点集合；所述疑似坏点集合用于所述坏点纠正；

所述色差检测：遍历所有像素，计算各像素和周边四个同色彩像素的标准差；所述色差检测的结果用于所述色差矫正；