一種多圖像塊融合的非局部均值去噪方法與流程
2023-12-08 22:41:56 2
本發明涉及數字圖像處理領域，尤其是涉及一種多圖像塊融合的非局部均值去噪方法。
背景技術：
非局部均值去噪(NL-means)是近年來提出的一項新型的圖像去噪技術。該方法充分利用了圖像中的冗餘信息，在去噪的同時能最大程度地保持圖像的細節特徵。去噪的基本思想是：當前像素的估計值由圖像中與它具有相似鄰域結構的像素加權平均得到。
非局部均值去噪方法對圖像的非局部自相似性進行了有效開發，其去噪效果依賴於能否找到足夠數量的相似圖像塊。然而，該方法使用的圖像塊往往具有固定的形狀和大小，這嚴重限制了潛在相似圖像塊的數量，因此，圖像塊大小和潛在相似圖像塊數量之間往往需要取得平衡，這是因為：一方面，較大圖像塊在進行相似性度量時對噪聲更加魯棒，並且能夠產生較少的人工痕跡，從而使得去噪效果更加平滑，這在圖像的平坦區域最為顯著；但是，另一方面，隨著圖像塊的逐漸增大，潛在相似圖像塊的數量將會減少，從而造成去噪效果的退化，這在圖像的紋理區域特別明顯。
故尋找一種去噪方法，既能減少去噪時產生的人工痕跡又能避免去噪效果的退化，是本領域亟待解決的技術問題。
技術實現要素：
本發明為克服上述情況不足，旨在提供一種多圖像塊融合的非局部均值去噪方法，既能減少去噪時的人工痕跡，又能有效避免去噪效果的退化。
一種多圖像塊融合的非局部均值去噪方法，包括：
採用至少兩種不同大小的圖像塊，對待去噪圖像每個像素點使用非局部均值去噪方法進行去噪估計，得到待去噪圖像每個像素點在至少兩種不同去噪模式下的去噪估計值；
對待去噪圖像每個像素點在至少兩種不同去噪模式下的至少兩個去噪估計值再次進行估計，從而得到待去噪圖像每個像素點的最終去噪估計值。
進一步的，所述圖像塊的大小用d×d像素陣列表示，其中d＝2r+1，r為正整數。
進一步的，所述r取三個數值或四個數值或五個數值。
進一步的，所述採用至少兩種不同大小的圖像塊對待去噪圖像每個像素點使用非局部均值去噪方法進行去噪估計，得到至少兩種不同去噪模式下圖像的去噪估計值的方法如下：
其中d選取至少兩個不同的值，計算不同模式下的圖像去噪估計值，圖像去噪估計值具體採用如下方法計算：
公式(1)中，S表示搜索相似像素點的搜索窗口，為以像素點i為中心的一個圖像區域，S的取值範圍為[3×3，I]；u'd×d(i)表示待處理像素點i在圖像塊大小為d×d模式下的去噪估計值，v(j)表示像素點j在待噪聲圖像中的灰度值，wd×d(i,j)表示在圖像塊大小為d×d模式下像素點j相對於像素點i的權重值，其計算方式如下所示：
公式(2)中，Vd×d(i)和Vd×d(j)分別表示以像素點i和像素點j為中心的圖像塊的灰度值向量，圖像塊大小為d×d，h為濾波參數，表示Vd×d(i)和Vd×d(j)之間的歐式距離；Zd×d(i)為歸一化常數；Zd×d(i)計算方式如下：
公式(3)中，Zd×d(i)為歸一化常數，S表示搜索相似像素點的搜索窗口，為以像素點i為中心的一個圖像區域，S的取值範圍為[3×3，I]；Vd×d(i)和Vd×d(j)分別表示以像素點i和像素點j為中心的圖像塊的灰度值向量，圖像塊大小為d×d，h為濾波參數，表示Vd×d(i)和Vd×d(j)之間的歐式距離。
進一步的，所述S取I：
進一步的，所述對待去噪圖像每個像素點在至少兩種不同去噪模式下的至少兩個去噪估計值再次進行估計，從而得到最終的圖像去噪估計值具體為：
利用待去噪圖像每個像素點在至少兩種不同去噪模式下的歸一化常數對所述至少兩個去噪估計值再次進行加權平均，從而得到最終的圖像去噪估計值。
進一步的，所述利用待去噪圖像每個像素點在至少兩種不同去噪模式下的歸一化常數對所述至少兩個去噪估計值再次進行加權平均，從而得到最終的圖像去噪估計值具體為：
公式(4)中，U(i)為待去噪圖像中像素點i的最終去噪估計值，Zd×d(i)為歸一化常數，至少為兩種去噪模式下的歸一化常數；u'd×d(i)表示待處理像素點i在圖像塊大小為d×d模式下的去噪估計值；D表示選擇的圖像區域d×d的集合。
進一步的，所述對待去噪圖像每個像素點在至少兩種不同去噪模式下的至少兩個去噪估計值再次進行估計，從而得到最終的圖像去噪估計值具體為：
對所述待去噪圖像每個像素點在至少兩個去噪估計值再次進行算數平均，從而得到最終的圖像去噪估計值。
進一步的，對所述待去噪圖像每個像素點在至少兩個去噪估計值再次進行算數平均，從而得到最終的圖像去噪估計值具體為：
公式(5)中，U(i)為最終圖像去噪估計值，D表示選擇的圖像區域d×d的集合；n表示去噪模式的個數。
本發明提供的多圖像塊融合的非局部均值去噪方法採用不同大小的圖像塊對待去噪圖像每個像素點進行非局部均值去噪，然後對去噪後的圖像再次進行估計，從而得到圖像每個像素點的最終去噪估計值。此方法融合了採用不同圖像塊實現非均值去噪的優點，從而使最終得到的去噪圖像即對噪聲更加魯棒，產生較少的人工痕跡，又能避免去噪效果的退化，最終達到較好的去噪效果。
本發明的附加方面和優點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發明的實踐了解到。
附圖說明
為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術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明的一些實施例，對於本領域普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。
圖1是本發明實施例提供的一種多圖像塊融合的非局部均值去噪方法流程圖；
圖2是本發明另一實施例提供的一種多圖像塊融合的非局部均值去噪方法流程圖。
具體實施方式
下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基於本發明中的實施例，本領域普通技術人員在沒有作出創造性勞動前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。
由於現有的非局部均值去噪方法中利用單一大小的圖像塊對待去噪圖像進行去噪處理，圖像塊太大，潛在相似圖像塊的數量將會減少，從而造成去噪效果的退化，這在圖像的紋理區域特別明顯；圖像塊太小，在進行相似性度量時對噪聲的魯棒性較低，去噪時人工痕跡明顯，從而使得去噪效果不夠平滑。
為了解決這個問題，本發明提供了一種多圖像塊融合的非局部均值去噪方法，如圖1所示，該方法包括如下步驟：
S1、採用至少兩種不同大小的圖像塊，對待去噪圖像每個像素點使用非局部均值去噪方法進行去噪估計，得到待去噪圖像每個像素點在至少兩種不同去噪模式下的去噪估計值；
S2、對待去噪圖像每個像素點在至少兩種不同去噪模式下的至少兩個去噪估計值再次進行估計，從而得到待去噪圖像每個像素點的最終去噪估計值。
本發明提供的多圖像塊融合的非局部均值去噪方法採用不同大小的圖像塊對待去噪圖像每個像素點進行非局部均值去噪，然後對去噪後的圖像再次進行估計，從而得到圖像每個像素點的最終去噪估計值。此方法融合了採用不同圖像塊實現非均值去噪的優點，從而使最終得到的去噪圖像即對噪聲更加魯棒，產生較少的人工痕跡，又能避免去噪效果的退化，最終達到較好的去噪效果。
上述方法中，圖像塊大小用d×d像素陣列表示，其中d＝2r+1，r為正整數。r最小取1，即採用3×3的圖像塊對待去噪圖像每個像素點進行非局部均值去噪。r最大值不能超過(W-1)/2，(H-1)/2中的較小值。W表示待去噪圖像的長，H表示待去噪圖像的寬。r的取值決定圖像塊的大小，一般取1，或2，或3，或4，或5，或6。取值越小，能夠找到的潛在相似圖像塊數量就越多，也就意味著有更多的相似圖像塊用於加權平均去噪，從而使得去噪效果得到提高；取值越大，在進行相似性度量時對噪聲更加魯棒，並且能夠產生較少的人工痕跡，從而使得去噪效果更加平滑。
上述方法中，r可以取兩個數值，或三個數值，或四個數值，或五個數值等等。對應的去噪方法中，待去噪圖像每個像素點的最終去噪估計值可以由兩個去噪估計值再次估計後得到，或由三個去噪估計值再次估計後得到，或由四個去噪估計值再次估計後得到，或由五個去噪估計值再次估計後得到。r取值越多，計算量越大，但最終去噪效果越好；r取值越少，計算量越小，去噪效果將相對較差。
所述採用至少兩種不同大小的圖像塊對待去噪圖像每個像素點使用非局部均值去噪方法進行去噪估計，得到至少兩種不同去噪模式下圖像的去噪估計值的方法如下：
其中d選取至少兩個不同的值，計算不同模式下的圖像去噪估計值，圖像去噪估計值具體採用如下方法計算：
公式(1)中，S表示搜索相似像素點的搜索窗口，為以像素點i為中心的一個圖像區域，S的取值範圍為[3×3，I]；u'd×d(i)表示待處理像素點i在圖像塊大小為d×d模式下的去噪估計值，v(j)表示像素點j在待噪聲圖像中的灰度值，wd×d(i,j)表示在圖像塊大小為d×d模式下像素點j相對於像素點i的權重值，其計算方式如下所示：
公式(2)中，Vd×d(i)和Vd×d(j)分別表示以像素點i和像素點j為中心的圖像塊的灰度值向量，圖像塊大小為d×d，h為濾波參數，h控制權值函數的衰減程度。h越大權值函數變化越平緩，去噪水平越高，但同時也會導致圖像越模糊。h越小，邊緣細節成分保持得越多，但會殘留過多的噪聲點。h的具體取值應當以圖像中的噪聲水平為依據；表示Vd×d(i)和Vd×d(j)之間的歐式距離；Zd×d(i)為歸一化常數；Zd×d(i)計算方式如下：
公式(3)中，Zd×d(i)為歸一化常數，S表示搜索相似像素點的搜索窗口，為以像素點i為中心的一個圖像區域，S的取值範圍為[3×3，I]；Vd×d(i)和Vd×d(j)分別表示以像素點i和像素點j為中心的圖像塊的灰度值向量，圖像塊大小為d×d，h為濾波參數，表示Vd×d(i)和Vd×d(j)之間的歐式距離。
上述方法中，S取值可以取15×15，21×21像素陣列，S的取值也可以行和列的數值不相等，例如，15×17、21×27等。最大可以取到和待去噪圖像I相同大小。當S的取值為I時，即搜索窗子為整個待去噪圖像。S取值越小，則計算量越小，速度越快，但去噪效果較差；S取值越大，計算量越大，速度越慢，但去噪效果佳。
最後，如圖2所示，對待去噪圖像每個像素點在至少兩種不同去噪模式下的至少兩個去噪估計值再次進行估計，從而得到最終的圖像去噪估計值具體為：
S21、利用待去噪圖像每個像素點在至少兩種不同去噪模式下的歸一化常數對所述至少兩個去噪估計值再次進行加權平均，從而得到最終的圖像去噪估計值。加權平均方法如下：
公式(4)中，U(i)為待去噪圖像中像素點i的最終去噪估計值，Zd×d(i)為歸一化常數，至少為兩種去噪模式下的歸一化常數；u'd×d(i)表示待處理像素點i在圖像塊大小為d×d模式下的去噪估計值；D表示選擇的圖像區域d×d的集合。
上述方法中，採用加權平均的方法得到圖像每個像素點最終的去噪估計值，當使用小圖像塊3*3的去噪模式時，能夠找到更多的相似圖像塊進行加權平均去噪，但由於圖像塊較小，相似圖像塊的權重值易受噪聲影響，從而產生人工痕跡；當使用大圖像塊時7*7，對噪聲更加魯棒，相似圖像塊的權重值更加精確，但由於圖像塊較大，相似圖像塊的數量會受到影響，使得噪聲無法有效去除。將不同模式下的去噪結果進行加權平均，能夠突出各個模式的優點，弱化各自的缺點，從而有效提高最終的去噪效果。
圖2中，還示出了對待去噪圖像每個像素點在至少兩種不同去噪模式下的至少兩個去噪估計值再次進行估計，從而得到最終的圖像去噪估計值的另一種方式。
S22、對所述待去噪圖像每個像素點在至少兩個去噪估計值再次進行算數平均，從而得到最終的圖像去噪估計值。
算數平均方法如下：
公式(5)中，U(i)為最終圖像去噪估計值，D表示選擇的圖像區域d×d的集合；n表示去噪模式的個數。
上述方法中，採用算數平均的方法得到圖像每個像素點最終的去噪估計值，當使用小圖像塊3*3的去噪模式時，能夠找到更多的相似圖像塊進行加權平均去噪，但由於圖像塊較小，相似圖像塊的權重值易受噪聲影響，從而產生人工痕跡；當使用大圖像塊7*7時，對噪聲更加魯棒，相似圖像塊的權重值更加精確，但由於圖像塊較大，相似圖像塊的數量會受到影響，使得噪聲無法有效去除。將不同模式下的去噪結果進行平均，能夠中和大小圖像塊帶來的缺陷，使得去噪效果得到提高。
下面舉例詳細說明該多圖像塊融合的非局部均值去噪方法。
採用三種不同大小的圖像塊，對待去噪圖像每個像素點使用非局部均值去噪方法進行去噪估計，得到待去噪圖像每個像素點在三種不同去噪模式下的去噪估計值；
具體的，r取1、2、3。對應的圖像塊取d×d取3×3、5×5、7×7，對應的搜索窗口選取15×15、21×21、27×27。當然，搜索窗口也可以根據需要，都選取27×27。利用這三種圖像塊對待去噪圖像進行非局部均值化去噪方法。具體計算方式如下：
上述公式中，u3'×3(i)表示待處理像素點i在圖像塊大小為3×3模式下的去噪估計值，v(j)表示像素點j在待噪聲圖像中的灰度值，w3×3(i,j)表示在圖像塊大小為3×3模式下像素點j相對於像素點i的權重值，j∈15×15表示以i為中心的15×15的圖像像素陣列搜索範圍；u5'×5(i)表示待處理像素點i在圖像塊大小為5×5模式下的去噪估計值，v(j)表示像素點j在待噪聲圖像中的灰度值，w5×5(i,j)表示在圖像塊大小為5×5模式下像素點j相對於像素點i的權重值，j∈21×21表示以i為中心的21×21的圖像像素陣列搜索範圍；u7'×7(i)表示待處理像素點i在圖像塊大小為27×27模式下的去噪估計值，v(j)表示像素點j在待噪聲圖像中的灰度值，w7×7(i,j)表示在圖像塊大小為7×7模式下像素點j相對於像素點i的權重值，j∈27×27表示以i為中心的27×27的圖像像素陣列搜索範圍。當圖像處於邊緣時，搜索窗口無法以i為中心進行選取，則要進行搜索窗口的邊界檢測，確保搜索窗口在圖像範圍內。
w3×3(i,j)、w5×5(i,j)、w7×7(i,j)計算方法如下：
上述公式中，V3×3(i)和V3×3(j)分別表示圖像塊取3×3時以像素點i和像素點j為中心的圖像塊的灰度值向量，h為濾波參數，表示圖像塊取3×3時V3×3(i)和V3×3(j)之間的歐式距離；Z3×3(i)為圖像塊取3×3時的歸一化常數；V5×5(i)和V5×5(j)分別表示圖像塊取5×5時以像素點i和像素點j為中心的圖像塊的灰度值向量，h為濾波參數，表示圖像塊取5×5時V5×5(i)和V5×5(j)之間的歐式距離；Z5×5(i)為圖像塊取5×5時的歸一化常數；V7×7(i)和V7×7(j)分別表示圖像塊取7×7時以像素點i和像素點j為中心的圖像塊的灰度值向量，h為濾波參數，表示圖像塊取7×7時V7×7(i)和V7×7(j)之間的歐式距離；Z7×7(i)為圖像塊取7×7時的歸一化常數。
歸一化常數Z3×3(i)、Z5×5(i)、Z7×7(i)計算方法如下：
上述公式中，j∈15×15表示以i為中心的15×15的圖像像素陣列搜索範圍；表示圖像塊取3×3時V3×3(i)和V3×3(j)之間的歐式距離；j∈21×21表示以i為中心的21×21的圖像像素陣列搜索範圍；表示圖像塊取5×5時V5×5(i)和V5×5(j)之間的歐式距離；j∈27×27表示以i為中心的27×27的圖像像素陣列搜索範圍；表示圖像塊取7×7時V7×7(i)和V7×7(j)之間的歐式距離；h為濾波參數；當圖像處於邊緣時，搜索窗口無法以i為中心進行選取，則要進行搜索窗口的邊界檢測，確保搜索窗口在圖像範圍內。
最後對計算出的三個去噪估計值進行再次估計，從而得到待去噪圖像每個像素點的最終去噪估計值。
可以採用加權平均的方法進行再次估計，也可以採用加權平均的方式進行估計。
加權平均的方式如下：
上述公式中，U(i)為待去噪圖像中像素點i的最終去噪估計值，Zd×d(i)為歸一化常數，u'd×d(i)表示待處理像素點i在圖像塊大小為d×d模式下的去噪估計值；D表示選擇的圖像區域d×d的集合，為[3×3,5×5,7×7]。
算數平均的方式如下：
上述公式中，U(i)為最終圖像去噪估計值，D表示選擇的圖像區域d×d的集合，為[3×3,5×5,7×7]。
上述實施例中，圖像塊d×d選取了三種大小，分別為3×3、5×5、7×7，對應的搜索窗口選取15×15、21×21、27×27。然後對每種去噪模式下的去噪估計值進行計算，最後對每種去噪估計值進行算數平均或者加權平均，從而得到最佳去噪估計值。當然，圖像塊d×d的也可以選擇別的大小，也可以選擇兩種數值，四種數值等，對應搜索窗口也可以選擇其它大小，例如35×35、41×41等，都可以得到不同去噪效果的去噪估計值。
以上所述僅為本發明的較佳實施例而已，並不用以限制本發明，凡在本發明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發明的保護範圍之內。