灰度图像处理方法及其装置制造方法
【专利摘要】本发明实施例提供一种图像处理方法及其装置，该方法及其装置将小波变换和非局部平均法相结合，其中，利用小波变换法将原始灰度图像进行N级分解，从第N级开始逐级对每一级的分量进行非局部平均处理及小波重构，从而获得处理后的灰度图像。该图像处理方法及其装置能够有效去除图像的各类噪声，并且较好的保留图像的细节。
【专利说明】灰度图像处理方法及其装置
【技术领域】
[0001]本发明涉及图像处理领域，特别涉及一种灰度图像处理方法及其装置。
【背景技术】
[0002]目前，随着数码相机、扫描仪等电子设备的流行与发展，很容易获得数码图像。然而，任何实体传感器(例如热传感器、电传感器或其他种类的传感器)都会受到一定程度噪声的影响，这些噪声将会影响信号测量的真实性，这样，获得的任何图像数据都包含了信号和噪声。各种各样与图像相关的应用，例如医学图像分析、图像分割、以及物体检测等，通常都需要有效的噪声抑制方法以进一步获得可靠的结果。因此，图像过滤已经成为图像处理以及计算机视觉中最为重要和广泛的研究课题之一。灰度图像是重要且广泛使用的图像类型之一，它的噪声抑制方法是非常重要的。
[0003]现有技术中，为了进行图像的去噪，已经尝试了各种方法来过滤灰度图像，例如，小波阈值法、非局部平均法、高斯滤波法、双向滤波法等。
[0004]其中，小波阈值法将小波变换应用到原始图像以将其变换至小波域，并且利用阈值方法过滤多通道的小波系数，该小波系数在第一级分解中通常为斜线细节系数、水平细节系数以及垂直细节系数。目前公知的一种阈值方法是硬阈值法，其将所有的细节系数设定为从零至某个设定值的范围内，最后，所有经过阈值设定的小波系数将通过小波逆变换返回到图像域。这种方法能够抑制噪声，但是，一些图像细节也将同时被抑制。
[0005]非局部平均法是一种非线性的边缘保留滤波方法，该方法计算输入像素的加权求和作为每个输出像素。输入像素的集合导致一个输出像素可能来源于输入图像的一个大区域，因此成为“非局部”。非局部平均法的一个关键特征是权值由小图像块之间的距离决定。该方法能够保留图像细节并且有效的抑制高斯噪声。但是，在一些实际应用中，除了高斯噪声还有其他噪声，利用该方法不能有效去除这些其他噪声。
[0006]高斯滤波法是一种加权平均法，每个输出像素被设定为该像素周围像素的加权平均，其中，原始像素的权值最大，周围像素的权值随着与该原始像素距离的增大而逐渐变小。通过将图像平滑化，该方法能够降低噪声，但是，图像细节也同时被降低。
[0007]双向滤波法是一种边缘保留和噪声降低的平滑滤波方法，图像中每个像素的亮度值被邻近像素亮度值的加权平均值所代替。该方法基于高斯分布，关键的，这些权值不仅基于欧氏距离，还基于辐射差异。该方法可以通过系统的遍历每个像素及其相应的依据邻近像素的权值来保留尖锐的边缘。但是，如果图像的噪声较大，该方法将使得图像的边缘不真实。
[0008]可以看出，现有的这些方法都不能在有效去除图像各类噪声的同时，较好的保留图像的细节。
[0009]应该注意，上面对技术背景的介绍只是为了方便对本发明的技术方案进行清楚、完整的说明，并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本发明的【背景技术】部分进行了阐述而认为上述技术方案为本领域技术人员所公知。
【发明内容】
[0010]本发明实施例的目的在于提供一种灰度图像的处理方法及其装置，能够有效去除图像的各类噪声，并且较好的保留图像的细节。
[0011]根据本发明实施例的一个方面，提供了一种灰度图像的处理方法，所述方法包括:利用小波变换法对原始灰度图像进行N级分解；从第N级开始逐级对每一级的分量进行处理，获得处理后的灰度图像；其中，对N级中的每一级的分量进行处理，包括:对当前级的第一分量、第二分量、第三分量和第四分量的所有像素进行非局部平均处理，对非局部平均处理后的四个分量进行小波重构，以获得所述当前级的上一级的第一分量；其中，对当前级的第一分量、第二分量、第三分量和第四分量的所有像素中的一个像素进行非局部平均处理，包括:对当前级的第一分量的一个像素进行非局部平均处理，获得所述一个像素的非局部平均处理后的像素值以及所述一个像素周围预定搜索范围内的像素的权值矩阵，其中，所述权值矩阵为RXR的矩阵，R表示所述预定搜索范围内的像素个数，R为大于等于I的整数；利用所述权值矩阵分别计算所述当前级的第二分量、第三分量和第四分量中与所述第一分量的所述一个像素对应的像素的非局部平均处理后的像素值；或者，所述对N级中的每一级的分量进行处理，包括:对当前级的第一分量的所有像素进行非局部平均处理，对非局部平均处理后的所述第一分量、所述当前级的第二分量、第三分量和第四分量进行小波重构，以获得所述当前级的上一级的第一分量；其中，N大于等于1，在所述当前级为第N级时，所述当前级的第一分量为第N级分解后获得的第一分量；在N大于I且当前级不是第N级时，所述当前级的第一分量为对所述当前级的下一级的分量进行处理后获得的第一分量；在N大于I时,对所述N级中不同级的分量的处理方式相同或不同。
[0012]根据本发明实施例的又一个方面，提供了一种灰度图像的处理装置，所述装置包括:分解单元，所述分解单元用于利用小波变换法对原始灰度图像进行N级分解；处理单元，所述处理单元用于从第N级开始逐级对每一级的分量进行处理，获得处理后的灰度图像；其中，所述处理单元对N级中的每一级的分量进行处理，包括:对当前级的第一分量、第二分量、第三分量和第四分量的所有像素进行非局部平均处理，对非局部平均处理后的四个分量进行小波重构，以获得所述当前级的上一级的第一分量；其中，所述处理单元对当前级的第一分量、第二分量、第三分量和第四分量的所有像素中的一个像素进行非局部平均处理，包括:对当前级的第一分量的一个像素进行非局部平均处理，获得所述一个像素的非局部平均处理后的像素值以及所述一个像素周围预定搜索范围内的像素的权值矩阵，其中，所述权值矩阵为RXR的矩阵，R表示所述预定搜索范围内的像素个数，R为大于等于I的整数；利用所述权值矩阵分别计算所述当前级的第二分量、第三分量和第四分量中与所述第一分量的所述一个像素对应的像素的非局部平均处理后的像素值；或者，所述处理单元对N级中的每一级的分量进行处理，包括:对当前级的第一分量的所有像素进行非局部平均处理，对非局部平均处理后的所述第一分量、所述当前级的第二分量、第三分量和第四分量进行小波重构，以获得所述当前级的上一级的第一分量；在N大于等于1，在所述当前级为第N级时，所述当前级的第一分量为第N级分解后获得的第一分量；在N大于I且当前级不是第N级时，所述当前级的第一分量为对所述当前级的下一级的分量进行处理后获得的第一分量；在N大于I时，对所述N级中不同级的分量的处理方式相同或不同。
[0013]本发明实施例的有益效果在于:有效的去除了图像的各类噪声，并且较好的保留了图像细节。
[0014]参照后文的说明和附图，详细公开了本发明的特定实施方式，指明了本发明的原理可以被采用的方式。应该理解，本发明的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内，本发明的实施方式包括许多改变、修改和等同。
[0015]针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用，与其它实施方式中的特征相组合，或替代其它实施方式中的特征。
[0016]应该强调，术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在，但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。
【专利附图】
【附图说明】
[0017]参照以下的附图可以更好地理解本发明的很多方面。附图中的部件不是成比例绘制的，而只是为了示出本发明的原理。为了便于示出和描述本发明的一些部分，附图中对应部分可能被放大或缩小。在本发明的一个附图或一种实施方式中描述的元素和特征可以与一个或更多个其它附图或实施方式中示出的元素和特征相结合。此外，在附图中，类似的标号表示几个附图中对应的部件，并可用于指示多于一种实施方式中使用的对应部件。在附图中:
[0018]图1是本发明实施例1的图像处理方法的流程图；
[0019]图2是本发明实施例1的二级分解的示意图；
[0020]图3 Ca)是本发明实施例1的处理方式一的流程图；
[0021]图3 (b)是图3 (a)的步骤301中对所有像素中的一个像素进行非局部平均处理的流程图；
[0022]图4是本发明实施例1的处理方式二的流程图；
[0023]图5是本发明实施例1的利用提升小波变换法对灰度图像进行分解的流程图；
[0024]图6是本发明实施例1的利用提升小波变换法对灰度图像进行重构的流程图；
[0025]图7是图5中一维提升小波变换的流程图；
[0026]图8是图6中一维提升小波逆变换的流程图；
[0027]图9是本发明实施例1的非局部平均方法的图像块匹配示意图；
[0028]图10 Ca)是本发明实施例2的图像处理装置的结构示意图；
[0029]图10 (b)是图10 Ca)中图像处理装置的处理单元的结构示意图；
[0030]图11是本发明实施例3的图像处理方法的流程图；
[0031]图12是本发明实施例4的图像处理方法的流程图；
[0032]图13是本发明实施例5的图像处理方法的流程图。
【具体实施方式】
[0033]参照附图，通过下面的说明书，本发明的前述以及其它特征将变得明显。在说明书和附图中，具体公开了本发明的实施方式，其表明了其中可以采用本发明的原则的部分实施方式，应了解的是，本发明不限于所描述的实施方式，相反，本发明包括落入所附权利要求的范围内的全部修改、变型以及等同物。
[0034]目前，现有技术中的图像处理方法不能在有效去除图像各类噪声的同时，较好的保留图像的细节。本发明实施例提供一种基于小波变换和改进的非局部平均的混合结构的图像处理方法，将小波变换和非局部平均法相结合，能够在有效去除图像各类噪声的同时，较好的保留图像的细节。
[0035]以下结合附图对本发明的图像处理方法及其装置进行详细说明。
[0036]实施例1
[0037]图1是本发明实施例1的图像处理方法的流程图。如图1所示，该方法包括:
[0038]步骤101:利用小波变换法对原始灰度图像进行N级分解；
[0039]在本实施例中，可采用现有的小波变换法中的任意一种对灰度图像进行分解，例如，可使用提升小波变换法对原始图像进行分解，但本发明并不限于这种小波变换法；
[0040]在本实施例中，可采用图5所示的方法来进行分解，该处理过程在下面说明，此处不再赘述；
[0041]在利用提升小波变换法对原始灰度图像进行N级分解后获得:第N级的第一分量CaN、第二分量ChN、第三分量CvN和第四分量CdN，……，第L级的第二分量ChL、第三分量
CvL和第四分量CdL,......,第I级的第二分量Ch1、第三分量Cvl和第四分量Cdl,即共获得3N+1个分量，N为大于等于I的整数，I ^ N；
[0042]在本实施例中，按照分解的顺序来确定第L级的上一级和下一级，即第L-1级为第L级的上一级，第L+1级为第L级的下一级；
[0043]在N大于I且L不等于N时，第L级的第二分量ChL、第三分量CvL和第四分量CdL由第L-1级的第一分量Ch(L-1)分解获得；
[0044]图2示意性的给出了本实施例二级分解的情形，即N=2。图2 Ca)表示原始的灰度图像，图2 (b)表示对该原始的灰度图像进行一级分解后获得的四个分量，图2 (C)是对图2 (b)中的第一分量Cal继续分解，即二级分解后获得了第2级的四个分量以及第I级的第二分量、第三分量和第四分量。
[0045]步骤102:从第N级开始逐级对每一级的分量进行处理，获得处理后的灰度图像；
[0046]其中，可结合非局部平均法按照从第N级到第I级的顺序逐级地对每一级的分量进行处理，对N级中的每一级的分量进行处理，可采用如下方式:
[0047]处理方式一:
[0048]图3 (a)是本发明实施例1的处理方式一的流程图，如图3 (a)所示，该处理过程可包括如下步骤:
[0049]步骤301:对当前级的第一分量、第二分量、第三分量和第四分量的所有像素进行非局部平均处理，集合所有像素经过非局部平均处理后的像素值，从而获得非局部平均处理后的四个分量；
[0050]在本实施例中，可采用图3 (b)所示的方法来进行非局部平均处理，该处理过程在下面说明，此处不再赘述。
[0051]步骤302:对非局部平均处理后的四个分量进行小波重构，以获得该当前级的上一级的第一分量；
[0052]在本实施例中，在对该非局部平均处理后的四个分量进行小波重构时，可采用现有的任何一种方式，在以下结合附图6举例进行说明，此处不再赘述。
[0053]在本实施例中，在步骤301中，在对当前级的第一分量、第二分量、第三分量和第四分量的所有像素中的每一个像素进行非局部平均处理时，均可采用图3 (b)所示的方式。
[0054]图3 (b)是图3 (a)的步骤301中对当前级的第一分量、第二分量、第三分量和第四分量的所有像素中的一个像素进行非局部平均处理的流程图，包括:
[0055]步骤301a:对当前级的第一分量的一个像素进行非局部平均处理，获得该一个像素的非局部平均处理后的像素值以及该一个像素周围预定搜索范围内的像素的权值矩阵，其中，该权值矩阵为RXR的矩阵，R表示该预定搜索范围内的像素个数，R为大于等于I的整数；
[0056]在本实施例中，在对当前级的第一分量的一个像素进行非局部平均处理时，例如可采用下述公式(I)至(4)进行计算，此处不再赘述。
[0057]在本实施例中，可结合下述公式(5)来获得该权值矩阵，此处不再赘述。
[0058]步骤301b:利用该权值矩阵分别计算该当前级的第二分量、第三分量和第四分量中与该第一分量的该一个像素对应的像素的非局部平均处理后的像素值；
[0059]在本实施例中，在利用该权值矩阵分别计算该当前级的第二分量、第三分量和第四分量中与该第一分量的该一个像素对应的像素的非局部平均处理后的像素值时，例如可采用下述公式(9)至(11)进行计算，此处不再赘述。
[0060]处理方式二:
[0061]图4是本发明实施例1的处理方式二的流程图，如图4所示，该处理过程可包括如下步骤:
[0062]步骤401:对当前级的第一分量的所有像素进行非局部平均处理；
[0063]在本实施例中，在对当前级的第一分量的所有像素进行非局部平均处理时，例如可采用下述公式(I)至(4)进行计算，此处不再赘述。
[0064]步骤402:对非局部平均处理后的该第一分量、该当前级的第二分量、第三分量和第四分量进行小波重构，以获得该当前级的上一级的第一分量；
[0065]在本实施例中，在对该非局部平均处理后的四个分量进行小波重构时，可采用现有的任何一种方式，在以下结合附图6举例进行说明，此处不再赘述。
[0066]在本实施例中，在步骤102中，对N级中的每一级的分量进行处理时，可采用上述两种处理方式中的任意一种；
[0067]在N大于I时,对该N级中不同级的分量的处理方式可相同，即在对每一级的分量进行处理时，均采用处理方式一或者处理方式二；此外，对该N级中不同级的分量的处理方式也可不同，如在当前第L级时，采用处理方式一，在第L-1级时，采用处理方式二，反之亦然。
[0068]在本实施例中，N越大，即分解的级数越高，图像去噪的效果越好。
[0069]对于N的取值，一般综合考虑图像去噪的要求以及计算的复杂程度。例如，N可以取I或2。例如，当N=I时，对第I级的分量采用该处理方式一进行处理，该情况下，计算较为简单且能够较好的进行去噪；当N=2时，在对第2级的分量采用该处理方式二进行处理，对第I级的分量采用该处理方式一进行处理，该情况下，能够进行深度去噪。
[0070]在本实施例中，结合附图5-8、以利用提升小波变换法为例，对灰度图像进行分解以及重构的过程进行简要说明。
[0071]图5是本实施例中利用提升小波变换法对灰度图像进行分解的流程图。对于每一级分解，都可采用下述方法:
[0072]如图5所示，将二维灰度图像Ca (N)沿纵向进行一维小波变换LWT，分解为奇数行分量和偶数行分量，分别记为LWT_Even和LWT_0dd，然后将LWT_Even和LWT_0dd分别沿横向进行一维小波变换，从而获得下一级的四个分量，分别为第一分量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]图6是本实施例中利用提升小波变换法对灰度图像进行重构的流程图。如图6所示，对第一分量Ca(N+l)和第二分量Ch (N+1)沿横向进行一维小波逆变换ILWT，获得ILWT_Even，同样，对第三分量Cv (N+1)和第四分量Cd (N+1)沿横向进行一维小波逆变换ILWT，获得ILWT_0dd，然后对ILWT_Even和ILWT_0dd沿纵向进行一维小波逆变换ILWT，获得重构的灰度图像R Ca (N)。
[0074]图7是图5中进行一维小波变换的流程图。如图5所示，将一维向量数据X分割为奇数分量Even_X和偶数分量0dd_x，奇数分量Even_X对偶数分量0dd_x进行预测，偶数分量0dd_x基于预测的结果获得小波变换偶数分量LWT_0dd，并且基于该预测的结果对奇数分量Even_X进行更新，获得小波变换奇数分量LWT_Even。
[0075]图8是图6中进行一维小波逆变换的流程图。如图8所示，
[0076]小波变换偶数分量LWT_0dd对小波变换奇数分量LWT_Even进行预测，小波变换奇数分量LWT_Even基于预测的结果对小波偶数分量LWT_0dd进行更新，基于该预测和更新的结果进行合并，获得重构的一维向量数据f。
[0077]在本实施例中，图5和图6所示的方法例如可用于上述步骤101中的分解以及步骤302和步骤402中的重构，但本发明并不限于这种方法。
[0078]在本实施例中，对当前级的第一分量的一个像素进行非局部平均处理获得的该一个像素的非局部平均处理后的像素值是该一个像素周围预定搜索范围内的各个像素的像素值的加权和，表示为:
[0079]NL^ 二 ?χ("，m) * 訓>，m)
( | )
[0080]其中，NL(i，j)表示像素(i，j)的非局部平均处理后的像素值，x(n，m)表示该预定搜索范围内的像素(n，m)的像素值，w(n，m)表示像素(n，m)的权值，R表示该预定搜索范围内的像素个数，i，j，n，m，R均为大于等于I的整数；
[0081]在本实施例中，可利用下式(2)计算像素(n，m)的权值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)所在图像块与像素(i，j)所在图像块的距离，h表示控制系数。
[0084]在本实施例中，可以用现有的任何一种方式计算该距离，
[0085]此外，还可采用本发明的下述公式(3)和(4)进行计算:
【权利要求】
1.一种灰度图像的处理方法，所述方法包括: 利用小波变换法对原始灰度图像进行N级分解； 从第N级开始逐级对每一级的分量进行处理，获得处理后的灰度图像； 其中，对N级中的每一级的分量进行处理，包括: 对当前级的第一分量、第二分量、第三分量和第四分量的所有像素进行非局部平均处理，对非局部平均处理后的四个分量进行小波重构，以获得所述当前级的上一级的第一分量; 其中，对当前级的第一分量、第二分量、第三分量和第四分量的所有像素中的一个像素进行非局部平均处理，包括:对当前级的第一分量的一个像素进行非局部平均处理，获得所述一个像素的非局部平均处理后的像素值以及所述一个像素周围预定搜索范围内的像素的权值矩阵，其中，所述权值矩阵为RXR的矩阵，R表示所述预定搜索范围内的像素个数，R为大于等于I的整数；利用所述权值矩阵分别计算所述当前级的第二分量、第三分量和第四分量中与所述第一分量的所述一个像素对应的像素的非局部平均处理后的像素值； 或者，所述对N级中的每一级的分量进行处理,包括: 对当前级的第一分量的所有像素进行非局部平均处理，对非局部平均处理后的所述第一分量、所述当前级的第二分量、第三分量和第四分量进行小波重构，以获得所述当前级的上一级的第一分量； 其中，N大于等于I，在所述当前级为第N级时，所述当前级的第一分量为第N级分解后获得的第一分量；在N大于I且当前级不是第N级时，所述当前级的第一分量为对所述当前级的下一级的分量进行处理后获得的第一分量； 在N大于I时，对所述N级中不同级的分量的处理方式相同或不同。
2.根据权利要求1所述的方法，其中， 所述非局部平均处理后的所述一个像素的像素值是所述一个像素周围预定搜索范围内的各个像素的像素值的加权和，表示为公式(I):
其中，NL(i，j)表示像素(i，j)的非局部平均处理后的像素值，x(n，m)表示所述预定搜索范围内的像素(n，m)的像素值，w(n，m)表示像素(n，m)的权值，R表示所述预定搜索范围内的像素个数，i，j，n，m，R均为大于等于I的整数； 其中，利用所述各个像素所在图像块与所述一个像素所在图像块的距离获得所述各个像素的权值；并且，在计算所述距离时进行归一化处理。
3.根据权利要求2所述的方法，其中， 所述距离利用以下公式(2)和(3)进行计算:
其中，d(n，m)表示像素(n，m)所在图像块与像素(i，j)所在图像块的距离，r表示所述图像块的尺寸，所述图像块由(2r+l) X (2r+l)个像素组成，T表示归一化系数，k，t，r均为大于等于I的整数，k≤r, t≤r。
4.根据权利要求1-3中的任一项所述的方法，其中，在对当前级的第一分量的一个像素进行非局部平均处理，获得非局部平均处理后的所述一个像素的像素值以及所述一个像素周围预定搜索范围内的像素的权值矩阵后，所述方法还包括: 对所述权值矩阵进行归一化处理； 并且，所述利用所述权值矩阵分别计算所述当前级的第二分量、第三分量和第四分量中与所述第一分量的所述一个像素对应的像素的非局部平均处理后的像素值，包括: 利用归一化处理后的权值矩阵分别计算所述当前级的第二分量、第三分量和第四分量中与所述第一分量的所述一个像素对应的像素的非局部平均处理后的像素值。
5.根据权利要求1-4中的任一项所述的方法，其中，所述N等于I或2。
6.一种灰度图像的处理装置，所述装置包括: 分解单元，所述分解单元用于利用小波变换法对原始灰度图像进行N级分解； 处理单元，所述处理单元用于从第N级开始逐级对每一级的分量进行处理，获得处理后的灰度图像； 其中，所述处理单元对N级中的每一级的分量进行处理,包括: 对当前级的第一分量、第二分量、第三分量和第四分量的所有像素进行非局部平均处理，对非局部平均处理后的四个分量进行小波重构，以获得所述当前级的上一级的第一分量; 其中，所述处理单元对当前级的第一分量、第二分量、第三分量和第四分量的所有像素中的一个像素进行非局部平均处理，包括:对当前级的第一分量的一个像素进行非局部平均处理，获得所述一个像素的非局部平均处理后的像素值以及所述一个像素周围预定搜索范围内的像素的权值矩阵，其中，所述权值矩阵为RXR的矩阵，R表示所述预定搜索范围内的像素个数，R为大于等于I的整数；利用所述权值矩阵分别计算所述当前级的第二分量、第三分量和第四分量中与所述第一分量的所述一个像素对应的像素的非局部平均处理后的像素值； 或者，所述处理单元对N级中的每一级的分量进行处理,包括: 对当前级的第一分量的所有像素进行非局部平均处理，对非局部平均处理后的所述第一分量、所述当前级的第二分量、第三分量和第四分量进行小波重构，以获得所述当前级的上一级的第一分量； 在N大于等于1，在所述当前级为第N级时，所述当前级的第一分量为第N级分解后获得的第一分量；在N大于I且当前级不是第N级时，所述当前级的第一分量为对所述当前级的下一级的分量进行处理后获得的第一分量； 在N大于I时，对所述N级中不同级的分量的处理方式相同或不同。
7.根据权利要求6所述的装置，其中，所述处理单元包括: 计算单元，所述计算单元用于计算所述非局部平均处理后的所述一个像素的像素值，所述非局部平均处理后的所述一个像素的像素值是所述一个像素周围预定搜索范围内的各个像素的像素值的加权和，表示为:
其中，NL(i，j)表示像素(i，j)的非局部平均处理后的像素值，x(n，m)表示所述预定搜索范围内的像素(n，m)的像素值，w(n，m)表示像素(n，m)的权值，R表示所述预定搜索范围内的像素个数，i，j，n，m，R均为大于等于I的整数； 其中，所述计算单元利用所述各个像素所在图像块与所述一个像素所在图像块的距离获得所述各个像素的权值:并且，在计算所述距离时进行归一化处理。
8.根据权利要求7所述的装置，其中， 所述计算单元利用以下公式(2)和(3)计算所述距离:
其中，d(n，m)表示像素(n，m)所在图像块与像素(i，j)所在图像块的距离，r表示所述图像块的尺寸，所述图像块由(2r+l) X (2r+l)个像素组成，T表示归一化系数，k，t，r均为大于等于I的整数，k≤r, t≤r。
9.根据权利要求6-8中的任一项所述的装置，其中，所述处理单元还包括: 归一化单元，所述归一化单元用于对所述权值矩阵进行归一化处理； 并且，所述利用所述权值矩阵分别计算所述当前级的第二分量、第三分量和第四分量中与所述第一分量的所述一个像素对应的像素的非局部平均处理后的像素值，包括:利用归一化处理后的权值矩阵分别计算所述当前级的第二分量、第三分量和第四分量中与所述第一分量的所述一个像素对应的像素的非局部平均处理后的像素值。
10.根据权利要求6-9中的任一项所述的装置，其中，所述N等于I或2。
【文档编号】G06T5/00GK104077746SQ201310109326
【公开日】2014年10月1日 申请日期:2013年3月29日 优先权日:2013年3月29日
【发明者】伍健荣, 付轩, 王争, 东明浩 申请人:富士通株式会社