本發(fā)明屬于圖像處理技術(shù)領域，更具體的涉及一種超立方體粒計算的圖像去噪方法。

背景技術(shù)：

隨著各種數(shù)字儀器和數(shù)字產(chǎn)品的普及，圖像和視頻已成為人類活動中最常見的信息載體，它們包含了大量的信息，成為獲取外部世界原始信息的主要途徑。然而，現(xiàn)實生活中的數(shù)字圖像在傳輸和數(shù)字化過程經(jīng)常會受到外部環(huán)境(如天氣條件)、成像設備、運動環(huán)境(拍攝過程中相機抖動)等噪聲因素的影響。因此，圖像去噪一直是圖像處理和計算機視覺研究中的一個熱點問題。

目前，圖像去噪方法主要有兩類：一類是以抑制或消除噪聲為目的空間域方法，其主要用平滑模板對圖像進行卷積處理；另一類是經(jīng)過變換消去圖像噪聲的頻域方法，其主要選用適當?shù)念l率帶通濾波器對變換后的圖像進行濾波。

基于圖像塊統(tǒng)計特征的圖像去噪方法是近十年來圖像去噪的主要方法之一，大多數(shù)基于圖像塊的圖像去噪方法都利用圖像的自身屬性來構(gòu)造先驗知識?；趫D像塊的EPLL圖像去噪方法是一種基于先驗知識的圖像去噪方法，根據(jù)不同圖像塊的先驗知識，構(gòu)造去噪模板，找到較好的高斯混合模型作為先驗知識。EPLL圖像去噪方法在消除自然圖像的噪聲中，取得了很好的效果。張磊等人利用圖像塊之間的相似性和稀疏性，構(gòu)造了改進的EPLL圖像去噪方法，提高了圖像的信噪比。但是基于圖像塊的圖像去噪方法會產(chǎn)生大量的冗余圖像塊，反而降低圖像的信噪比。

技術(shù)實現(xiàn)要素：

本發(fā)明實施例提供一種基于超立方體粒計算的圖像去噪方法，用于解決現(xiàn)有基于圖像塊的圖像去噪方法會產(chǎn)生大量的冗余圖像塊，容易降低圖像的信噪比的問題。

本發(fā)明實施例提供一種基于超立方體粒計算的圖像去噪方法，包括：

獲取第一組圖像，將所述第一組圖像中包括的每幅圖像根據(jù)灰度值和縱橫順序分割成N*N的第一圖像塊，并將多個所述第一圖像塊組成第一圖像塊集合；

對所述第一圖像塊集合包括的多個所述第一圖像塊的每一個像素點的灰度值，添加均值為0，方差為σ的噪聲，多個所述第一圖像塊依次形成多個第一噪聲圖像塊，將多個所述第一噪聲圖像塊組成第一噪聲圖像塊集合；

將所述第一圖像塊集合包括的多個所述第一圖像塊表示為第一超立方體粒，將所述第一噪聲圖像塊集合包括的多個所述第一噪聲圖像塊表示為第一噪聲超立方體粒；其中，所述第一超立方體粒具有N*N維空間的不能分割的點，所述第一噪聲超立方體粒具有N*N維空間的不能分割的點；

設置所述第一噪聲超立方體粒的噪聲粒度閾值，根據(jù)所述第一噪聲圖像塊和所述噪聲粒度閾值，構(gòu)造所述第一噪聲圖像塊與所述第一噪聲超立方體粒之間的第一合并算子，并將所述第一噪聲超立方體粒中包括的相似的噪聲超立方體粒進行合并，根據(jù)噪聲超立方體粒合并中心，將多個所述噪聲圖像塊依次融合為多個第二噪聲圖像塊；設置所述第一超立方體粒的粒度閾值，根據(jù)所述第一圖像塊和所述粒度閾值，構(gòu)造所述第一圖像塊與所述第一超立方體粒之間的第二合并算子，并將所述第一超立方體粒中包括的相似的超立方體粒進行合并，根據(jù)超立方體粒合并中心，將多個所述圖像塊依次融合為多個第二圖像塊；

將多個所述第二噪聲圖像塊和多個所述第二圖像塊根據(jù)位置對應關(guān)系構(gòu)造為去噪模板；

讀取待去噪圖像，并將所述待去噪圖像劃分為N*N塊的待去噪圖像塊，將所述待去噪圖像塊和所述去噪模板進行匹配，將所述去噪模板中具有最大匹配度對應的第二圖像塊確定為所述待去噪圖像塊的去噪圖像塊；將多個所述去噪圖像塊融合后確定為所述待去噪圖像的去噪圖像。

在本發(fā)明實施例中，提供了一種基于超立方體粒計算的圖像去噪方法，將圖像去噪過程分為兩個階段，第一階段構(gòu)造去噪模板，在構(gòu)造去噪模板時，借助超立方體粒之間的合并算法，超立方體粒直徑的包含關(guān)系，構(gòu)造了去噪模板；第二階段根據(jù)構(gòu)造的去噪模板，對待去噪圖像進行處理，能夠有效平滑噪聲的同時包括圖像的邊緣細節(jié)，從而得到理想的去噪圖像。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明實施例提供的一種超立方體粒計算的圖像去噪方法流程示意圖；

圖2為本發(fā)明實施例中一副像素為216*216的圖像示意圖；

圖3為圖2所示的圖像中任意選取的729個圖像塊示意圖；

圖4為圖3所示729個圖像塊對應的噪聲圖像塊示意圖；

圖5為本發(fā)明實施例中兩超立方體粒合并后的超立方體粒示意圖；

圖6為本發(fā)明實施例提供的10*10的圖像示意圖；

圖7為圖6所示的10*10的圖像對應的噪聲圖像示意圖；

圖8為圖6所示的10*10的圖像分割為16個7*7的圖像塊示意圖；

圖9為圖7所示的噪聲圖像分割為16個7*7的噪聲圖像塊示意圖；

圖10為本發(fā)明實施例提供的合并超立方體粒對應的噪聲圖像塊b示意圖；

圖11為本發(fā)明實施例提供的合并超立方體粒對應的圖像塊B示意圖。

具體實施方式

下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

圖1示例性的示出了本發(fā)明實施例提供的一種超立方體粒計算的圖像去噪方法流程示意圖，如圖1所示，本發(fā)明實施例提供的一種超立方體粒計算的圖像去噪方法包括以下步驟：

步驟101，獲取第一組圖像，將所述第一組圖像中包括的每幅圖像根據(jù)灰度值和縱橫順序分割成N*N的第一圖像塊，并將多個所述第一圖像塊組成第一圖像塊集合；

步驟102，對所述第一圖像塊集合包括的多個所述第一圖像塊的每一個像素點的灰度值，添加均值為0，方差為σ的噪聲，多個所述第一圖像塊依次形成多個第一噪聲圖像塊，將多個所述第一噪聲圖像塊組成第一噪聲圖像塊集合；

步驟103，將所述第一圖像塊集合包括的多個所述第一圖像塊表示為第一超立方體粒，將所述第一噪聲圖像塊集合包括的多個所述第一噪聲圖像塊表示為第一噪聲超立方體粒；其中，所述第一超立方體粒具有N*N維空間的不能分割的點，所述第一噪聲超立方體粒具有N*N維空間的不能分割的點；

步驟104，設置所述第一噪聲超立方體粒的噪聲粒度閾值，根據(jù)所述第一噪聲圖像塊和所述噪聲粒度閾值，構(gòu)造所述第一噪聲圖像塊與所述第一噪聲超立方體粒之間的第一合并算子，并將所述第一噪聲超立方體粒中包括的相似的噪聲超立方體粒進行合并，根據(jù)噪聲超立方體粒合并中心，將多個所述噪聲圖像塊依次融合為多個第二噪聲圖像塊；設置所述第一超立方體粒的粒度閾值，根據(jù)所述第一圖像塊和所述粒度閾值，構(gòu)造所述第一圖像塊與所述第一超立方體粒之間的第二合并算子，并將所述第一超立方體粒中包括的相似的超立方體粒進行合并，根據(jù)超立方體粒合并中心，將多個所述圖像塊依次融合為多個第二圖像塊；

步驟105，將多個所述第二噪聲圖像塊和多個所述第二圖像塊根據(jù)位置對應關(guān)系構(gòu)造為去噪模板；

步驟106，讀取待去噪圖像，并將所述待去噪圖像劃分為N*N塊的待去噪圖像塊，將所述待去噪圖像塊和所述去噪模板進行匹配，將所述去噪模板中具有最大匹配度對應的第二圖像塊確定為所述待去噪圖像塊的去噪圖像塊；將多個所述去噪圖像塊融合后確定為所述待去噪圖像的去噪圖像。

圖2為本發(fā)明實施例中像素為216*216的圖像以兩個像素間隔可以分成44100個7*7圖像塊，圖3顯示了從44100個圖像塊中隨機選取的729個圖像塊示意圖；圖4為圖3所示729個圖像塊對應的噪聲圖像塊示意圖；圖5為本發(fā)明實施例中兩超立方體粒合并后的超立方體粒示意圖；圖6為本發(fā)明實施例提供的10*10的圖像示意圖；圖7為圖6所示的10*10的圖像對應的噪聲圖像示意圖；圖8為圖6所示的10*10的圖像分割為16個7*7的圖像塊示意圖；圖9為圖7所示的噪聲圖像分割為16個7*7的噪聲圖像塊示意圖；圖10為本發(fā)明實施例提供的合并超立方體粒對應的噪聲圖像塊b示意圖；圖11為本發(fā)明實施例提供的合并超立方體粒對應的圖像塊B示意圖。

以下結(jié)果圖2～圖11，對本發(fā)明實施例提供的一種超立方體粒計算的圖像去噪方法進行詳細介紹。

在步驟101中，獲取第一組圖像，將第一組圖像中包括的每幅圖像根據(jù)灰度值和縱橫順序分割成N*N的第一圖像塊。比如，圖2為一副像素為216*216的圖像，對像素216*216的圖像按照以兩個像素為間隔，分成44100個7*7個圖像塊，圖3為圖2所示的圖像中任意選取的729個圖像塊。

需要說明的是，在本發(fā)明實施例中，將多個第一圖像塊組成第一圖像塊集合，即可以將圖3所示的729個圖像塊組合成一個圖像塊集合。

在步驟102中，對第一圖像塊集合包括的多個第一圖像塊的每一個像素點的灰度值，添加均值為0，方差為σ的噪聲，多個第一圖像塊依次形成多個第一噪聲圖像塊。

在本發(fā)明實施例中，對第一圖像塊中的每一個像素點添加噪聲時，可以通過下列公式(1)來確定：

T＝I+N(0,σ) (1)

其中，公式(1)中，I為第一圖像塊，T為第一噪聲圖像塊，N(0，σ)是均值為0，方差為σ＝40的噪聲。

圖4示例性的示出了圖3所示的729個圖像塊加噪(N(0，σ)是均值為0，方差為σ＝40)后形成的噪聲圖像塊。

需要說明的是，多個第一噪聲圖像塊可以組成第一噪聲圖像塊集合。

在步驟103中，將第一圖像塊集合包括的多個第一圖像塊表示為第一超立方體粒，其中，第一超立方體粒具有N*N維空間的不能分割的點。

將第一噪聲圖像塊集合包括的多個第一噪聲圖像塊表示為第一噪聲超立方體粒，其中，第一噪聲超立方體粒具有N*N維空間的不能分割的點。

舉例來說，第一噪聲圖像塊集合中每個第一噪聲圖像塊和與第一噪聲圖像塊集合對應第一圖像塊集合中的每個第一圖像塊可以按照先縱后橫的形式表示為向量，其中，該向量可以由7*7(＝49)個分量組成，是49維空間的一個點。這個49維空間的一個點即就是一個不能再分割的超立方體粒，該超立方體粒可以表示為H＝(C，r)，其中C是超立方體粒的中心，r是超立方體粒的粒度，即超立方體粒的邊長。

在步驟104中，設置第一噪聲超立方體粒的噪聲粒度閾值，根據(jù)第一噪聲圖像塊和噪聲粒度閾值，構(gòu)造第一噪聲圖像塊與第一噪聲超立方體粒之間的第一合并算子，并將第一噪聲超立方體粒中包括的相似的噪聲超立方體粒進行合并，根據(jù)噪聲超立方體粒合并中心，將多個噪聲圖像塊依次融合為多個第二噪聲圖像塊。

設置第一超立方體粒的粒度閾值，根據(jù)第一圖像塊和所述粒度閾值，構(gòu)造第一圖像塊與第一超立方體粒之間的第二合并算子，并將第一超立方體粒中包括的相似的超立方體粒進行合并，根據(jù)超立方體粒合并中心，將多個圖像塊依次融合為多個第二圖像塊。

舉例來說，兩超立方體粒H1＝(C1，r1)，其中C1＝(x1，x2，…，x49)為g1的中心，r1為g1的粒度，H2＝(C2，r2)，其中C2＝(y1，y2，…，y49)為g2的中心，r2為g2的粒度，合并超立方體粒的中心和粒度分別為C和R，由g1和g2的中心C1和C2，g1和g2的粒度r1和r2，根據(jù)公式(2)，公式(3)，公式(4)，公式(5)，公式(6)和公式(7)，計算超立方體粒的中心C，根據(jù)公式(3)，公式(4)，公式(5)，公式(6)和公式(7)計算超立方體粒的粒度R。

公式(2)，公式(3)，公式(4)，公式(5)，公式(6)和公式(7)具體如下所示：

C＝(P+Q)/2 (2)

P＝C1-0.5r1C12/||C12|| (3)

Q＝C2+0.5r2C12/||C12|| (4)

C12＝(y1-x1，y2-x2，…，y49-x49) (5)

||C12||＝max{|y1-x1|，|y2-x2|，…，|y49-x49|} (6)

R＝||P-Q|| (7)

舉例來說，兩超立方體粒H1＝(20，10，20)和H2＝(25，45，30)，通過公式(2)，公式(3)，公式(4)，公式(5)，公式(6)和公式(7)，計算合并超立方體粒為具體合并結(jié)果可以參考圖5所示的兩超立方體粒合并后的超立方體粒示意圖。

在本發(fā)明實施例中，設置粒度閾值ρ，對兩超立方體粒之間的合并進行控制，即當兩個超立方體粒合并后的粒度小于或等于粒度閾值ρ時，則兩超立方體粒合并，否則將不能合并，第二個超立方體粒作為新成員加入超立方體粒集中，將合并后超立方體粒的中心按照先行后列的形式排成大小為7*7的圖像塊。

在步驟105中，將多個第二噪聲圖像塊和多個第二圖像塊根據(jù)位置對應關(guān)系構(gòu)造成圖像塊對，在本發(fā)明實施例中，構(gòu)造成的圖像塊對即為去噪模板。

設粒度閾值為ρ＝0.6，圖6為本發(fā)明實施例提供的10*10的圖像示意圖，以下以10×10灰度圖像為例，說明合并超立方體粒集G的生成過程：圖7是在圖6的基礎上添加N(0，σ)(均值為0，方差為σ＝40)的噪聲后的噪聲圖像，用于分塊構(gòu)造噪聲圖像塊。圖8是圖像6分割為16個7*7的圖像塊，用于構(gòu)造去噪模板。圖像9是噪聲圖像7對應的16個7*7的噪聲圖像塊，用于構(gòu)造去噪模板。

超立方體粒集為S＝{H1，H2，H3，H4，H5，H6，H7，H8，H9，H10，H11，H12，H13，H14，H15，H16}，首先將H1加入合并超立方體粒集G中，從S中刪去H1，G有1個超立方體粒G＝{Hu1}，對于S的第一個立方體粒H2，H2與Hu1合并超立方體粒為由于其粒度小于ρ，Hu1＝Hu，此時合并超立方體粒集1個合并超立方體粒，即G＝{Hu1}，繼續(xù)下去，直至Hu1的粒度大于ρ，然后添加新的合并超立方體粒Hu2；最后G中包含4個合并超立方體粒，G＝{Hu1，Hu2，Hu3，Hu4}，將4個合并超立方體粒的中心轉(zhuǎn)化為圖像塊，圖10為本發(fā)明實施例提供的合并超立方體粒對應的噪聲圖像塊b示意圖，圖11為本發(fā)明實施例提供的合并超立方體粒對應的圖像塊B示意圖。如圖10和圖11所示：

圖10內(nèi)所包括的噪聲圖像塊b與圖11中的對應圖像塊B組成去噪模板。

在步驟106中，讀取待去噪圖像，并將待去噪圖像劃分為N*N塊的待去噪圖像塊，將待去噪圖像塊和去噪模板進行匹配，將去噪模板中具有最大匹配度對應的第二圖像塊確定為待去噪圖像塊的去噪圖像塊；將多個去噪圖像塊融合后確定為待去噪圖像的去噪圖像。

舉例來說，對于待去噪圖像I，將其分割為若干大小為7*7的待去噪圖像塊Ib，將待去噪圖像塊與去噪模板中的第二噪聲圖像塊按照公式(8)進行匹配，選取匹配程度最好的第二圖像塊作為待去噪圖像塊對應的去噪圖像塊，將多個去噪圖像塊融合后確定為待去噪圖像的去噪圖像。

綜上所述，本發(fā)明實施例提供了一種基于超立方體粒計算的圖像去噪方法，將圖像去噪過程分為兩個階段，第一階段構(gòu)造去噪模板，在構(gòu)造去噪模板時，借助超立方體粒之間的合并算法，超立方體粒直徑的包含關(guān)系，構(gòu)造了去噪模板；第二階段根據(jù)構(gòu)造的去噪模板，對待去噪圖像進行處理，能夠有效平滑噪聲的同時包括圖像的邊緣細節(jié)，從而得到理想的去噪圖像。

本領域內(nèi)的技術(shù)人員應明白，本發(fā)明的實施例可提供為方法、系統(tǒng)、或計算機程序產(chǎn)品。因此，本發(fā)明可采用完全硬件實施例、完全軟件實施例、或結(jié)合軟件和硬件方面的實施例的形式。而且，本發(fā)明可采用在一個或多個其中包含有計算機可用程序代碼的計算機可用存儲介質(zhì)(包括但不限于磁盤存儲器、CD-ROM、光學存儲器等)上實施的計算機程序產(chǎn)品的形式。

本發(fā)明是參照根據(jù)本發(fā)明實施例的方法、設備(系統(tǒng))、和計算機程序產(chǎn)品的流程圖和/或方框圖來描述的。應理解可由計算機程序指令實現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合。可提供這些計算機程序指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數(shù)據(jù)處理設備的處理器以產(chǎn)生一個機器，使得通過計算機或其他可編程數(shù)據(jù)處理設備的處理器執(zhí)行的指令產(chǎn)生用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。

這些計算機程序指令也可存儲在能引導計算機或其他可編程數(shù)據(jù)處理設備以特定方式工作的計算機可讀存儲器中，使得存儲在該計算機可讀存儲器中的指令產(chǎn)生包括指令裝置的制造品，該指令裝置實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。

這些計算機程序指令也可裝載到計算機或其他可編程數(shù)據(jù)處理設備上，使得在計算機或其他可編程設備上執(zhí)行一系列操作步驟以產(chǎn)生計算機實現(xiàn)的處理，從而在計算機或其他可編程設備上執(zhí)行的指令提供用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。

盡管已描述了本發(fā)明的優(yōu)選實施例，但本領域內(nèi)的技術(shù)人員一旦得知了基本創(chuàng)造性概念，則可對這些實施例作出另外的變更和修改。所以，所附權(quán)利要求意欲解釋為包括優(yōu)選實施例以及落入本發(fā)明范圍的所有變更和修改。

顯然，本領域的技術(shù)人員可以對本發(fā)明進行各種改動和變型而不脫離本發(fā)明的精神和范圍。這樣，倘若本發(fā)明的這些修改和變型屬于本發(fā)明權(quán)利要求及其等同技術(shù)的范圍之內(nèi)，則本發(fā)明也意圖包含這些改動和變型在內(nèi)。