灰度圖像處理方法及其裝置制造方法
【專利摘要】本發(fā)明實施例提供一種圖像處理方法及其裝置，該方法及其裝置將小波變換和非局部平均法相結(jié)合，其中，利用小波變換法將原始灰度圖像進行N級分解，從第N級開始逐級對每一級的分量進行非局部平均處理及小波重構(gòu)，從而獲得處理后的灰度圖像。該圖像處理方法及其裝置能夠有效去除圖像的各類噪聲，并且較好的保留圖像的細節(jié)。
【專利說明】灰度圖像處理方法及其裝置

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像處理領(lǐng)域，特別涉及一種灰度圖像處理方法及其裝置。

【背景技術(shù)】
[0002]目前，隨著數(shù)碼相機、掃描儀等電子設(shè)備的流行與發(fā)展，很容易獲得數(shù)碼圖像。然而，任何實體傳感器(例如熱傳感器、電傳感器或其他種類的傳感器)都會受到一定程度噪聲的影響，這些噪聲將會影響信號測量的真實性，這樣，獲得的任何圖像數(shù)據(jù)都包含了信號和噪聲。各種各樣與圖像相關(guān)的應用，例如醫(yī)學圖像分析、圖像分割、以及物體檢測等，通常都需要有效的噪聲抑制方法以進一步獲得可靠的結(jié)果。因此，圖像過濾已經(jīng)成為圖像處理以及計算機視覺中最為重要和廣泛的研究課題之一。灰度圖像是重要且廣泛使用的圖像類型之一，它的噪聲抑制方法是非常重要的。
[0003]現(xiàn)有技術(shù)中，為了進行圖像的去噪，已經(jīng)嘗試了各種方法來過濾灰度圖像，例如，小波閾值法、非局部平均法、高斯濾波法、雙向濾波法等。
[0004]其中，小波閾值法將小波變換應用到原始圖像以將其變換至小波域，并且利用閾值方法過濾多通道的小波系數(shù)，該小波系數(shù)在第一級分解中通常為斜線細節(jié)系數(shù)、水平細節(jié)系數(shù)以及垂直細節(jié)系數(shù)。目前公知的一種閾值方法是硬閾值法，其將所有的細節(jié)系數(shù)設(shè)定為從零至某個設(shè)定值的范圍內(nèi)，最后，所有經(jīng)過閾值設(shè)定的小波系數(shù)將通過小波逆變換返回到圖像域。這種方法能夠抑制噪聲，但是，一些圖像細節(jié)也將同時被抑制。
[0005]非局部平均法是一種非線性的邊緣保留濾波方法，該方法計算輸入像素的加權(quán)求和作為每個輸出像素。輸入像素的集合導致一個輸出像素可能來源于輸入圖像的一個大區(qū)域，因此成為“非局部”。非局部平均法的一個關(guān)鍵特征是權(quán)值由小圖像塊之間的距離決定。該方法能夠保留圖像細節(jié)并且有效的抑制高斯噪聲。但是，在一些實際應用中，除了高斯噪聲還有其他噪聲，利用該方法不能有效去除這些其他噪聲。
[0006]高斯濾波法是一種加權(quán)平均法，每個輸出像素被設(shè)定為該像素周圍像素的加權(quán)平均，其中，原始像素的權(quán)值最大，周圍像素的權(quán)值隨著與該原始像素距離的增大而逐漸變小。通過將圖像平滑化，該方法能夠降低噪聲，但是，圖像細節(jié)也同時被降低。
[0007]雙向濾波法是一種邊緣保留和噪聲降低的平滑濾波方法，圖像中每個像素的亮度值被鄰近像素亮度值的加權(quán)平均值所代替。該方法基于高斯分布，關(guān)鍵的，這些權(quán)值不僅基于歐氏距離，還基于輻射差異。該方法可以通過系統(tǒng)的遍歷每個像素及其相應的依據(jù)鄰近像素的權(quán)值來保留尖銳的邊緣。但是，如果圖像的噪聲較大，該方法將使得圖像的邊緣不真實。
[0008]可以看出，現(xiàn)有的這些方法都不能在有效去除圖像各類噪聲的同時，較好的保留圖像的細節(jié)。
[0009]應該注意，上面對技術(shù)背景的介紹只是為了方便對本發(fā)明的技術(shù)方案進行清楚、完整的說明，并方便本領(lǐng)域技術(shù)人員的理解而闡述的。不能僅僅因為這些方案在本發(fā)明的【背景技術(shù)】部分進行了闡述而認為上述技術(shù)方案為本領(lǐng)域技術(shù)人員所公知。


【發(fā)明內(nèi)容】

[0010]本發(fā)明實施例的目的在于提供一種灰度圖像的處理方法及其裝置，能夠有效去除圖像的各類噪聲，并且較好的保留圖像的細節(jié)。
[0011]根據(jù)本發(fā)明實施例的一個方面，提供了一種灰度圖像的處理方法，所述方法包括:利用小波變換法對原始灰度圖像進行N級分解；從第N級開始逐級對每一級的分量進行處理，獲得處理后的灰度圖像；其中，對N級中的每一級的分量進行處理，包括:對當前級的第一分量、第二分量、第三分量和第四分量的所有像素進行非局部平均處理，對非局部平均處理后的四個分量進行小波重構(gòu)，以獲得所述當前級的上一級的第一分量；其中，對當前級的第一分量、第二分量、第三分量和第四分量的所有像素中的一個像素進行非局部平均處理，包括:對當前級的第一分量的一個像素進行非局部平均處理，獲得所述一個像素的非局部平均處理后的像素值以及所述一個像素周圍預定搜索范圍內(nèi)的像素的權(quán)值矩陣，其中，所述權(quán)值矩陣為RXR的矩陣，R表示所述預定搜索范圍內(nèi)的像素個數(shù)，R為大于等于I的整數(shù)；利用所述權(quán)值矩陣分別計算所述當前級的第二分量、第三分量和第四分量中與所述第一分量的所述一個像素對應的像素的非局部平均處理后的像素值；或者，所述對N級中的每一級的分量進行處理，包括:對當前級的第一分量的所有像素進行非局部平均處理，對非局部平均處理后的所述第一分量、所述當前級的第二分量、第三分量和第四分量進行小波重構(gòu)，以獲得所述當前級的上一級的第一分量；其中，N大于等于1，在所述當前級為第N級時，所述當前級的第一分量為第N級分解后獲得的第一分量；在N大于I且當前級不是第N級時，所述當前級的第一分量為對所述當前級的下一級的分量進行處理后獲得的第一分量；在N大于I時,對所述N級中不同級的分量的處理方式相同或不同。
[0012]根據(jù)本發(fā)明實施例的又一個方面，提供了一種灰度圖像的處理裝置，所述裝置包括:分解單元，所述分解單元用于利用小波變換法對原始灰度圖像進行N級分解；處理單元，所述處理單元用于從第N級開始逐級對每一級的分量進行處理，獲得處理后的灰度圖像；其中，所述處理單元對N級中的每一級的分量進行處理，包括:對當前級的第一分量、第二分量、第三分量和第四分量的所有像素進行非局部平均處理，對非局部平均處理后的四個分量進行小波重構(gòu)，以獲得所述當前級的上一級的第一分量；其中，所述處理單元對當前級的第一分量、第二分量、第三分量和第四分量的所有像素中的一個像素進行非局部平均處理，包括:對當前級的第一分量的一個像素進行非局部平均處理，獲得所述一個像素的非局部平均處理后的像素值以及所述一個像素周圍預定搜索范圍內(nèi)的像素的權(quán)值矩陣，其中，所述權(quán)值矩陣為RXR的矩陣，R表示所述預定搜索范圍內(nèi)的像素個數(shù)，R為大于等于I的整數(shù)；利用所述權(quán)值矩陣分別計算所述當前級的第二分量、第三分量和第四分量中與所述第一分量的所述一個像素對應的像素的非局部平均處理后的像素值；或者，所述處理單元對N級中的每一級的分量進行處理，包括:對當前級的第一分量的所有像素進行非局部平均處理，對非局部平均處理后的所述第一分量、所述當前級的第二分量、第三分量和第四分量進行小波重構(gòu)，以獲得所述當前級的上一級的第一分量；在N大于等于1，在所述當前級為第N級時，所述當前級的第一分量為第N級分解后獲得的第一分量；在N大于I且當前級不是第N級時，所述當前級的第一分量為對所述當前級的下一級的分量進行處理后獲得的第一分量；在N大于I時，對所述N級中不同級的分量的處理方式相同或不同。
[0013]本發(fā)明實施例的有益效果在于:有效的去除了圖像的各類噪聲，并且較好的保留了圖像細節(jié)。
[0014]參照后文的說明和附圖，詳細公開了本發(fā)明的特定實施方式，指明了本發(fā)明的原理可以被采用的方式。應該理解，本發(fā)明的實施方式在范圍上并不因而受到限制。在所附權(quán)利要求的精神和條款的范圍內(nèi)，本發(fā)明的實施方式包括許多改變、修改和等同。
[0015]針對一種實施方式描述和/或示出的特征可以以相同或類似的方式在一個或更多個其它實施方式中使用，與其它實施方式中的特征相組合，或替代其它實施方式中的特征。
[0016]應該強調(diào)，術(shù)語“包括/包含”在本文使用時指特征、整件、步驟或組件的存在，但并不排除一個或更多個其它特征、整件、步驟或組件的存在或附加。

【專利附圖】

【附圖說明】
[0017]參照以下的附圖可以更好地理解本發(fā)明的很多方面。附圖中的部件不是成比例繪制的，而只是為了示出本發(fā)明的原理。為了便于示出和描述本發(fā)明的一些部分，附圖中對應部分可能被放大或縮小。在本發(fā)明的一個附圖或一種實施方式中描述的元素和特征可以與一個或更多個其它附圖或?qū)嵤┓绞街惺境龅脑睾吞卣飨嘟Y(jié)合。此外，在附圖中，類似的標號表示幾個附圖中對應的部件，并可用于指示多于一種實施方式中使用的對應部件。在附圖中:
[0018]圖1是本發(fā)明實施例1的圖像處理方法的流程圖；
[0019]圖2是本發(fā)明實施例1的二級分解的示意圖；
[0020]圖3 Ca)是本發(fā)明實施例1的處理方式一的流程圖；
[0021]圖3 (b)是圖3 (a)的步驟301中對所有像素中的一個像素進行非局部平均處理的流程圖；
[0022]圖4是本發(fā)明實施例1的處理方式二的流程圖；
[0023]圖5是本發(fā)明實施例1的利用提升小波變換法對灰度圖像進行分解的流程圖；
[0024]圖6是本發(fā)明實施例1的利用提升小波變換法對灰度圖像進行重構(gòu)的流程圖；
[0025]圖7是圖5中一維提升小波變換的流程圖；
[0026]圖8是圖6中一維提升小波逆變換的流程圖；
[0027]圖9是本發(fā)明實施例1的非局部平均方法的圖像塊匹配示意圖；
[0028]圖10 Ca)是本發(fā)明實施例2的圖像處理裝置的結(jié)構(gòu)示意圖；
[0029]圖10 (b)是圖10 Ca)中圖像處理裝置的處理單元的結(jié)構(gòu)示意圖；
[0030]圖11是本發(fā)明實施例3的圖像處理方法的流程圖；
[0031]圖12是本發(fā)明實施例4的圖像處理方法的流程圖；
[0032]圖13是本發(fā)明實施例5的圖像處理方法的流程圖。

【具體實施方式】
[0033]參照附圖，通過下面的說明書，本發(fā)明的前述以及其它特征將變得明顯。在說明書和附圖中，具體公開了本發(fā)明的實施方式，其表明了其中可以采用本發(fā)明的原則的部分實施方式，應了解的是，本發(fā)明不限于所描述的實施方式，相反，本發(fā)明包括落入所附權(quán)利要求的范圍內(nèi)的全部修改、變型以及等同物。
[0034]目前，現(xiàn)有技術(shù)中的圖像處理方法不能在有效去除圖像各類噪聲的同時，較好的保留圖像的細節(jié)。本發(fā)明實施例提供一種基于小波變換和改進的非局部平均的混合結(jié)構(gòu)的圖像處理方法，將小波變換和非局部平均法相結(jié)合，能夠在有效去除圖像各類噪聲的同時，較好的保留圖像的細節(jié)。
[0035]以下結(jié)合附圖對本發(fā)明的圖像處理方法及其裝置進行詳細說明。
[0036]實施例1
[0037]圖1是本發(fā)明實施例1的圖像處理方法的流程圖。如圖1所示，該方法包括:
[0038]步驟101:利用小波變換法對原始灰度圖像進行N級分解；
[0039]在本實施例中，可采用現(xiàn)有的小波變換法中的任意一種對灰度圖像進行分解，例如，可使用提升小波變換法對原始圖像進行分解，但本發(fā)明并不限于這種小波變換法；
[0040]在本實施例中，可采用圖5所示的方法來進行分解，該處理過程在下面說明，此處不再贅述；
[0041]在利用提升小波變換法對原始灰度圖像進行N級分解后獲得:第N級的第一分量CaN、第二分量ChN、第三分量CvN和第四分量CdN，……，第L級的第二分量ChL、第三分量
CvL和第四分量CdL,......,第I級的第二分量Ch1、第三分量Cvl和第四分量Cdl,即共獲得3N+1個分量，N為大于等于I的整數(shù)，I ^ N；
[0042]在本實施例中，按照分解的順序來確定第L級的上一級和下一級，即第L-1級為第L級的上一級，第L+1級為第L級的下一級；
[0043]在N大于I且L不等于N時，第L級的第二分量ChL、第三分量CvL和第四分量CdL由第L-1級的第一分量Ch(L-1)分解獲得；
[0044]圖2示意性的給出了本實施例二級分解的情形，即N=2。圖2 Ca)表示原始的灰度圖像，圖2 (b)表示對該原始的灰度圖像進行一級分解后獲得的四個分量，圖2 (C)是對圖2 (b)中的第一分量Cal繼續(xù)分解，即二級分解后獲得了第2級的四個分量以及第I級的第二分量、第三分量和第四分量。
[0045]步驟102:從第N級開始逐級對每一級的分量進行處理，獲得處理后的灰度圖像；
[0046]其中，可結(jié)合非局部平均法按照從第N級到第I級的順序逐級地對每一級的分量進行處理，對N級中的每一級的分量進行處理，可采用如下方式:
[0047]處理方式一:
[0048]圖3 (a)是本發(fā)明實施例1的處理方式一的流程圖，如圖3 (a)所示，該處理過程可包括如下步驟:
[0049]步驟301:對當前級的第一分量、第二分量、第三分量和第四分量的所有像素進行非局部平均處理，集合所有像素經(jīng)過非局部平均處理后的像素值，從而獲得非局部平均處理后的四個分量；
[0050]在本實施例中，可采用圖3 (b)所示的方法來進行非局部平均處理，該處理過程在下面說明，此處不再贅述。
[0051]步驟302:對非局部平均處理后的四個分量進行小波重構(gòu)，以獲得該當前級的上一級的第一分量；
[0052]在本實施例中，在對該非局部平均處理后的四個分量進行小波重構(gòu)時，可采用現(xiàn)有的任何一種方式，在以下結(jié)合附圖6舉例進行說明，此處不再贅述。
[0053]在本實施例中，在步驟301中，在對當前級的第一分量、第二分量、第三分量和第四分量的所有像素中的每一個像素進行非局部平均處理時，均可采用圖3 (b)所示的方式。
[0054]圖3 (b)是圖3 (a)的步驟301中對當前級的第一分量、第二分量、第三分量和第四分量的所有像素中的一個像素進行非局部平均處理的流程圖，包括:
[0055]步驟301a:對當前級的第一分量的一個像素進行非局部平均處理，獲得該一個像素的非局部平均處理后的像素值以及該一個像素周圍預定搜索范圍內(nèi)的像素的權(quán)值矩陣，其中，該權(quán)值矩陣為RXR的矩陣，R表示該預定搜索范圍內(nèi)的像素個數(shù)，R為大于等于I的整數(shù)；
[0056]在本實施例中，在對當前級的第一分量的一個像素進行非局部平均處理時，例如可采用下述公式(I)至(4)進行計算，此處不再贅述。
[0057]在本實施例中，可結(jié)合下述公式(5)來獲得該權(quán)值矩陣，此處不再贅述。
[0058]步驟301b:利用該權(quán)值矩陣分別計算該當前級的第二分量、第三分量和第四分量中與該第一分量的該一個像素對應的像素的非局部平均處理后的像素值；
[0059]在本實施例中，在利用該權(quán)值矩陣分別計算該當前級的第二分量、第三分量和第四分量中與該第一分量的該一個像素對應的像素的非局部平均處理后的像素值時，例如可采用下述公式(9)至(11)進行計算，此處不再贅述。
[0060]處理方式二:
[0061]圖4是本發(fā)明實施例1的處理方式二的流程圖，如圖4所示，該處理過程可包括如下步驟:
[0062]步驟401:對當前級的第一分量的所有像素進行非局部平均處理；
[0063]在本實施例中，在對當前級的第一分量的所有像素進行非局部平均處理時，例如可采用下述公式(I)至(4)進行計算，此處不再贅述。
[0064]步驟402:對非局部平均處理后的該第一分量、該當前級的第二分量、第三分量和第四分量進行小波重構(gòu)，以獲得該當前級的上一級的第一分量；
[0065]在本實施例中，在對該非局部平均處理后的四個分量進行小波重構(gòu)時，可采用現(xiàn)有的任何一種方式，在以下結(jié)合附圖6舉例進行說明，此處不再贅述。
[0066]在本實施例中，在步驟102中，對N級中的每一級的分量進行處理時，可采用上述兩種處理方式中的任意一種；
[0067]在N大于I時,對該N級中不同級的分量的處理方式可相同，即在對每一級的分量進行處理時，均采用處理方式一或者處理方式二；此外，對該N級中不同級的分量的處理方式也可不同，如在當前第L級時，采用處理方式一，在第L-1級時，采用處理方式二，反之亦然。
[0068]在本實施例中，N越大，即分解的級數(shù)越高，圖像去噪的效果越好。
[0069]對于N的取值，一般綜合考慮圖像去噪的要求以及計算的復雜程度。例如，N可以取I或2。例如，當N=I時，對第I級的分量采用該處理方式一進行處理，該情況下，計算較為簡單且能夠較好的進行去噪；當N=2時，在對第2級的分量采用該處理方式二進行處理，對第I級的分量采用該處理方式一進行處理，該情況下，能夠進行深度去噪。
[0070]在本實施例中，結(jié)合附圖5-8、以利用提升小波變換法為例，對灰度圖像進行分解以及重構(gòu)的過程進行簡要說明。
[0071]圖5是本實施例中利用提升小波變換法對灰度圖像進行分解的流程圖。對于每一級分解，都可采用下述方法:
[0072]如圖5所示，將二維灰度圖像Ca (N)沿縱向進行一維小波變換LWT，分解為奇數(shù)行分量和偶數(shù)行分量，分別記為LWT_Even和LWT_0dd，然后將LWT_Even和LWT_0dd分別沿橫向進行一維小波變換，從而獲得下一級的四個分量，分別為第一分量Ca (N+1)、第二分量Ch(N+1)、第三分量Cv (N+1)和第四分量Cd (N+1)。
[0073]圖6是本實施例中利用提升小波變換法對灰度圖像進行重構(gòu)的流程圖。如圖6所示，對第一分量Ca(N+l)和第二分量Ch (N+1)沿橫向進行一維小波逆變換ILWT，獲得ILWT_Even，同樣，對第三分量Cv (N+1)和第四分量Cd (N+1)沿橫向進行一維小波逆變換ILWT，獲得ILWT_0dd，然后對ILWT_Even和ILWT_0dd沿縱向進行一維小波逆變換ILWT，獲得重構(gòu)的灰度圖像R Ca (N)。
[0074]圖7是圖5中進行一維小波變換的流程圖。如圖5所示，將一維向量數(shù)據(jù)X分割為奇數(shù)分量Even_X和偶數(shù)分量0dd_x，奇數(shù)分量Even_X對偶數(shù)分量0dd_x進行預測，偶數(shù)分量0dd_x基于預測的結(jié)果獲得小波變換偶數(shù)分量LWT_0dd，并且基于該預測的結(jié)果對奇數(shù)分量Even_X進行更新，獲得小波變換奇數(shù)分量LWT_Even。
[0075]圖8是圖6中進行一維小波逆變換的流程圖。如圖8所示，
[0076]小波變換偶數(shù)分量LWT_0dd對小波變換奇數(shù)分量LWT_Even進行預測，小波變換奇數(shù)分量LWT_Even基于預測的結(jié)果對小波偶數(shù)分量LWT_0dd進行更新，基于該預測和更新的結(jié)果進行合并，獲得重構(gòu)的一維向量數(shù)據(jù)f。
[0077]在本實施例中，圖5和圖6所示的方法例如可用于上述步驟101中的分解以及步驟302和步驟402中的重構(gòu)，但本發(fā)明并不限于這種方法。
[0078]在本實施例中，對當前級的第一分量的一個像素進行非局部平均處理獲得的該一個像素的非局部平均處理后的像素值是該一個像素周圍預定搜索范圍內(nèi)的各個像素的像素值的加權(quán)和，表示為:
[0079]NL^ 二 ?χ("，m) * 訓>，m)







( | )
[0080]其中，NL(i，j)表示像素(i，j)的非局部平均處理后的像素值，x(n，m)表示該預定搜索范圍內(nèi)的像素(n，m)的像素值，w(n，m)表示像素(n，m)的權(quán)值，R表示該預定搜索范圍內(nèi)的像素個數(shù)，i，j，n，m，R均為大于等于I的整數(shù)；
[0081]在本實施例中，可利用下式(2)計算像素(n，m)的權(quán)值w(n，m):
[0082]w(n, m) =e(-d(n'm)/h) (2)
[0083]其中，d(n, m)表示像素(n，m)所在圖像塊與像素(i，j)所在圖像塊的距離，h表示控制系數(shù)。
[0084]在本實施例中，可以用現(xiàn)有的任何一種方式計算該距離，
[0085]此外，還可采用本發(fā)明的下述公式(3)和(4)進行計算:

【權(quán)利要求】
1.一種灰度圖像的處理方法，所述方法包括: 利用小波變換法對原始灰度圖像進行N級分解； 從第N級開始逐級對每一級的分量進行處理，獲得處理后的灰度圖像； 其中，對N級中的每一級的分量進行處理，包括: 對當前級的第一分量、第二分量、第三分量和第四分量的所有像素進行非局部平均處理，對非局部平均處理后的四個分量進行小波重構(gòu)，以獲得所述當前級的上一級的第一分量; 其中，對當前級的第一分量、第二分量、第三分量和第四分量的所有像素中的一個像素進行非局部平均處理，包括:對當前級的第一分量的一個像素進行非局部平均處理，獲得所述一個像素的非局部平均處理后的像素值以及所述一個像素周圍預定搜索范圍內(nèi)的像素的權(quán)值矩陣，其中，所述權(quán)值矩陣為RXR的矩陣，R表示所述預定搜索范圍內(nèi)的像素個數(shù)，R為大于等于I的整數(shù)；利用所述權(quán)值矩陣分別計算所述當前級的第二分量、第三分量和第四分量中與所述第一分量的所述一個像素對應的像素的非局部平均處理后的像素值； 或者，所述對N級中的每一級的分量進行處理,包括: 對當前級的第一分量的所有像素進行非局部平均處理，對非局部平均處理后的所述第一分量、所述當前級的第二分量、第三分量和第四分量進行小波重構(gòu)，以獲得所述當前級的上一級的第一分量； 其中，N大于等于I，在所述當前級為第N級時，所述當前級的第一分量為第N級分解后獲得的第一分量；在N大于I且當前級不是第N級時，所述當前級的第一分量為對所述當前級的下一級的分量進行處理后獲得的第一分量； 在N大于I時，對所述N級中不同級的分量的處理方式相同或不同。
2.根據(jù)權(quán)利要求1所述的方法，其中， 所述非局部平均處理后的所述一個像素的像素值是所述一個像素周圍預定搜索范圍內(nèi)的各個像素的像素值的加權(quán)和，表示為公式(I):
其中，NL(i，j)表示像素(i，j)的非局部平均處理后的像素值，x(n，m)表示所述預定搜索范圍內(nèi)的像素(n，m)的像素值，w(n，m)表示像素(n，m)的權(quán)值，R表示所述預定搜索范圍內(nèi)的像素個數(shù)，i，j，n，m，R均為大于等于I的整數(shù)； 其中，利用所述各個像素所在圖像塊與所述一個像素所在圖像塊的距離獲得所述各個像素的權(quán)值；并且，在計算所述距離時進行歸一化處理。
3.根據(jù)權(quán)利要求2所述的方法，其中， 所述距離利用以下公式(2)和(3)進行計算:

其中，d(n，m)表示像素(n，m)所在圖像塊與像素(i，j)所在圖像塊的距離，r表示所述圖像塊的尺寸，所述圖像塊由(2r+l) X (2r+l)個像素組成，T表示歸一化系數(shù)，k，t，r均為大于等于I的整數(shù)，k≤r, t≤r。
4.根據(jù)權(quán)利要求1-3中的任一項所述的方法，其中，在對當前級的第一分量的一個像素進行非局部平均處理，獲得非局部平均處理后的所述一個像素的像素值以及所述一個像素周圍預定搜索范圍內(nèi)的像素的權(quán)值矩陣后，所述方法還包括: 對所述權(quán)值矩陣進行歸一化處理； 并且，所述利用所述權(quán)值矩陣分別計算所述當前級的第二分量、第三分量和第四分量中與所述第一分量的所述一個像素對應的像素的非局部平均處理后的像素值，包括: 利用歸一化處理后的權(quán)值矩陣分別計算所述當前級的第二分量、第三分量和第四分量中與所述第一分量的所述一個像素對應的像素的非局部平均處理后的像素值。
5.根據(jù)權(quán)利要求1-4中的任一項所述的方法，其中，所述N等于I或2。
6.一種灰度圖像的處理裝置，所述裝置包括: 分解單元，所述分解單元用于利用小波變換法對原始灰度圖像進行N級分解； 處理單元，所述處理單元用于從第N級開始逐級對每一級的分量進行處理，獲得處理后的灰度圖像； 其中，所述處理單元對N級中的每一級的分量進行處理,包括: 對當前級的第一分量、第二分量、第三分量和第四分量的所有像素進行非局部平均處理，對非局部平均處理后的四個分量進行小波重構(gòu)，以獲得所述當前級的上一級的第一分量; 其中，所述處理單元對當前級的第一分量、第二分量、第三分量和第四分量的所有像素中的一個像素進行非局部平均處理，包括:對當前級的第一分量的一個像素進行非局部平均處理，獲得所述一個像素的非局部平均處理后的像素值以及所述一個像素周圍預定搜索范圍內(nèi)的像素的權(quán)值矩陣，其中，所述權(quán)值矩陣為RXR的矩陣，R表示所述預定搜索范圍內(nèi)的像素個數(shù)，R為大于等于I的整數(shù)；利用所述權(quán)值矩陣分別計算所述當前級的第二分量、第三分量和第四分量中與所述第一分量的所述一個像素對應的像素的非局部平均處理后的像素值； 或者，所述處理單元對N級中的每一級的分量進行處理,包括: 對當前級的第一分量的所有像素進行非局部平均處理，對非局部平均處理后的所述第一分量、所述當前級的第二分量、第三分量和第四分量進行小波重構(gòu)，以獲得所述當前級的上一級的第一分量； 在N大于等于1，在所述當前級為第N級時，所述當前級的第一分量為第N級分解后獲得的第一分量；在N大于I且當前級不是第N級時，所述當前級的第一分量為對所述當前級的下一級的分量進行處理后獲得的第一分量； 在N大于I時，對所述N級中不同級的分量的處理方式相同或不同。
7.根據(jù)權(quán)利要求6所述的裝置，其中，所述處理單元包括: 計算單元，所述計算單元用于計算所述非局部平均處理后的所述一個像素的像素值，所述非局部平均處理后的所述一個像素的像素值是所述一個像素周圍預定搜索范圍內(nèi)的各個像素的像素值的加權(quán)和，表示為:
其中，NL(i，j)表示像素(i，j)的非局部平均處理后的像素值，x(n，m)表示所述預定搜索范圍內(nèi)的像素(n，m)的像素值，w(n，m)表示像素(n，m)的權(quán)值，R表示所述預定搜索范圍內(nèi)的像素個數(shù)，i，j，n，m，R均為大于等于I的整數(shù)； 其中，所述計算單元利用所述各個像素所在圖像塊與所述一個像素所在圖像塊的距離獲得所述各個像素的權(quán)值:并且，在計算所述距離時進行歸一化處理。
8.根據(jù)權(quán)利要求7所述的裝置，其中， 所述計算單元利用以下公式(2)和(3)計算所述距離:
其中，d(n，m)表示像素(n，m)所在圖像塊與像素(i，j)所在圖像塊的距離，r表示所述圖像塊的尺寸，所述圖像塊由(2r+l) X (2r+l)個像素組成，T表示歸一化系數(shù)，k，t，r均為大于等于I的整數(shù)，k≤r, t≤r。
9.根據(jù)權(quán)利要求6-8中的任一項所述的裝置，其中，所述處理單元還包括: 歸一化單元，所述歸一化單元用于對所述權(quán)值矩陣進行歸一化處理； 并且，所述利用所述權(quán)值矩陣分別計算所述當前級的第二分量、第三分量和第四分量中與所述第一分量的所述一個像素對應的像素的非局部平均處理后的像素值，包括:利用歸一化處理后的權(quán)值矩陣分別計算所述當前級的第二分量、第三分量和第四分量中與所述第一分量的所述一個像素對應的像素的非局部平均處理后的像素值。
10.根據(jù)權(quán)利要求6-9中的任一項所述的裝置，其中，所述N等于I或2。
【文檔編號】G06T5/00GK104077746SQ201310109326
【公開日】2014年10月1日 申請日期:2013年3月29日 優(yōu)先權(quán)日:2013年3月29日
【發(fā)明者】伍健榮, 付軒, 王爭, 東明浩 申請人:富士通株式會社