邻域确定方法、图像滤波方法及装置与流程

1.本发明涉及图像去噪技术领域，具体涉及一种邻域确定方法、图像滤波方法及装置。


背景技术：

2.随着科技的不断进步，人们对图像信息的需求也越来越大，每天都有大量的信息被拍摄、采样、传输以及存储。例如在医疗领域中，通过医疗成像设备获取患者图像，帮助医生诊断病变位置。患者图像的质量对诊断准确度有重要影响。而由于医疗成像设备的设备精度、光照等环境因素的影响，会导致获得的图像中具有一定噪声，为了提高诊断准确性，需对获取的图像进行滤波，以提高图像质量。
3.现有技术中对图像进行滤波的方法为：通过传统的非局部均值(non-local mean，nlm)滤波方法对图像进行滤波，但传统nlm滤波方法是确定出图像中待滤波像素点的所有邻域，根据所有邻域对待滤波像素点进行滤波，计算量过大，影响了nlm滤波方法在实际中的应用。


技术实现要素：

4.有鉴于此，有必要提供一种邻域确定方法、图像滤波方法及装置，用以解决现有技术中存在的由于需要根据所有邻域对待滤波像素点进行滤波，导致计量算过大的技术问题。
5.一方面，本发明提供了一种邻域确定方法，包括：
6.确定待滤波图像中的目标域和多个待选邻域；所述目标域中包括多个第一像素点，所述待选邻域中包括多个第二像素点，所述第一像素点的个数和所述第二像素点的个数相同；
7.构建高维空间，并确定所述目标域在所述高维空间中的目标域矢量以及各所述待选邻域在所述高维空间中的邻域矢量；所述高维空间的维度与所述第一像素点的个数相同；
8.确定各所述邻域矢量与所述目标域矢量的空间夹角，并根据所述空间夹角确定所述多个待选邻域中的至少一个目标邻域。
9.在一些可能的实现方式中，所述确定待滤波图像中的目标域和多个待选邻域，包括：
10.确定待滤波图像中的待滤波像素点以及域半径；
11.基于所述待滤波像素点和所述域半径确定所述目标域；
12.基于所述域半径遍历所述待滤波图像，确定所述多个待选邻域。
13.在一些可能的实现方式中，所述确定待滤波图像中的多个待选邻域，还包括：
14.确定搜索半径，所述搜索半径大于所述域半径；
15.基于所述待滤波像素点和所述搜索半径确定搜索区域；
16.基于所述域半径遍历所述搜索区域，确定所述多个待选邻域。
17.在一些可能的实现方式中，所述确定所述目标域在所述高维空间中的目标域矢量以及各所述待选邻域在所述高维空间中的邻域矢量，包括：
18.获取所述高维空间的空间坐标系，所述空间坐标系包括空间坐标原点；
19.确定所述目标域在所述空间坐标系中的目标域空间坐标以及各所述待选邻域在所述空间坐标系中的邻域空间坐标；
20.基于所述空间坐标原点和所述目标域空间坐标确定所述目标域矢量，并基于所述空间坐标原点和所述邻域空间坐标确定所述邻域矢量。
21.在一些可能的实现方式中，所述根据所述空间夹角确定所述多个待选邻域中的至少一个目标邻域，包括：
22.判断所述空间夹角是否大于夹角阈值；
23.当所述空间夹角大于所述夹角阈值时，所述待选邻域为所述目标邻域。
24.另一方面，本发明还提供了一种图像滤波方法，包括：
25.获取待滤波图像，并确定所述待滤波图像中的目标域，所述目标域中包括待滤波像素点；
26.基于邻域确定方法确定所述待滤波像素点的至少一个目标邻域；
27.确定所述至少一个目标邻域中与所述待滤波像素点对应的至少一个匹配像素点；
28.构建权重确定模型，并基于权重确定模型、所述待滤波像素点的大小、所述待滤波像素点的第一像素值、所述匹配像素点的第二像素值以及所述目标域与所述目标邻域的空间夹角确定所述目标邻域的权重；
29.基于所述权重和所述匹配像素点对所述待滤波像素点进行滤波，获得目标图像；
30.其中，所述邻域确定方法为上述任意一种可能的实现方式中所述的邻域确定方法。
31.在一些可能的实现方式中，所述基于权重确定模型、所述待滤波像素点的大小、所述待滤波像素点的第一像素值、所述匹配像素点的第二像素值以及所述目标域与所述目标邻域的空间夹角确定所述目标邻域的权重，包括：
32.确定所述第一像素值与所述第二像素值的第一比值；
33.确定所述第二像素值与所述第一像素值的第二比值；
34.基于所述待滤波像素点的大小、所述第一比值、所述第二比值以及所述目标域与所述目标邻域的空间夹角确定所述目标邻域的权重。
35.在一些可能的实现方式中，所述至少一个目标邻域包括第一目标邻域和第二目标邻域，所述至少一个匹配像素点包括所述第一目标邻域中的第一匹配像素点和所述第二目标邻域中的第二匹配像素点，所述权重包括所述第一目标邻域的第一权重和所述第二目标邻域的第二权重；所述基于所述权重和所述匹配像素点对所述待滤波像素点进行滤波，包括：
36.基于所述第一权重和所述第一匹配像素点的像素值确定第一加权像素值；
37.基于所述第二权重和所述第二匹配像素点的像素值确定第二加权像素值；
38.将所述第一加权像素值和所述第二加权像素值之和作为所述待滤波像素点的像素值。
39.另一方面，本发明还提供了一种邻域确定装置，包括：
40.目标域及邻域确定单元，用于确定待滤波图像中的目标域和多个待选邻域；所述目标域中包括多个第一像素点，所述待选邻域中包括多个第二像素点，所述第一像素点的个数和所述第二像素点的个数相同；
41.高维空间构建单元，用于构建高维空间，并确定所述目标域在所述高维空间中的目标域矢量以及各所述待选邻域在所述高维空间中的邻域矢量；所述高维空间的维度与所述第一像素点的个数相同；
42.目标邻域确定单元，用于确定各所述邻域矢量与所述目标域矢量的空间夹角，并根据所述空间夹角确定所述多个待选邻域中的至少一个目标邻域。
43.另一方面，本发明还提供了一种图像滤波装置，包括：
44.待滤波图像获取单元，用于获取待滤波图像，并确定所述待滤波图像中的目标域，所述目标域中包括待滤波像素点；
45.目标邻域获取单元，用于基于邻域确定方法确定所述待滤波像素点的至少一个目标邻域；
46.匹配像素点确定单元，用于确定所述至少一个目标邻域中与所述待滤波像素点对应的至少一个匹配像素点；
47.权重确定单元，用于构建权重确定模型，并基于权重确定模型、所述待滤波像素点的大小、所述待滤波像素点的第一像素值、所述匹配像素点的第二像素值以及所述目标域与所述目标邻域的空间夹角确定所述目标邻域的权重；
48.图像滤波单元，用于基于所述权重和所述匹配像素点对所述待滤波像素点进行滤波，获得目标图像；
49.其中，所述邻域确定方法为上述任意一种可能的实现方式中所述的邻域确定方法。
50.采用上述实施例的有益效果是：本发明提供的邻域确定方法，首先确定待滤波图像中的目标域和多个待选邻域，然后构建高维空间，并确定目标域在高维空间中的目标域矢量以及各待选邻域在高维空间中的邻域矢量，最后基于邻域矢量和目标域矢量的空间夹角确定多个待选邻域中的至少一个目标邻域。可实现对待滤波图像进行滤波时，仅需通过至少一个目标邻域即可对待滤波图像进行滤波，而无需使用所有的待选邻域对待滤波图像进行滤波，大大降低了计算量，从而提高了待滤波图像的滤波效率。
附图说明
51.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
52.图1为本发明提供的邻域确定方法的一个实施例流程示意图；
53.图2为本发明图1中s101的一个实施例流程示意图；
54.图3为本发明图1中s101的另一个实施例流程示意图；
55.图4为本发明提供的搜索区域、目标域和待选邻域的一个实施例结构示意图；
56.图5为本发明图1中s102的一个实施例流程示意图；
57.图6为本发明提供的高维空间的空间坐标系的一个实施例结构示意图；
58.图7为本发明图1中s103的一个实施例流程示意图；
59.图8为本发明提供的图像滤波方法的一个实施例流程示意图；
60.图9为本发明图8中s804的一个实施例流程示意图；
61.图10为本发明图8中s805的一个实施例流程示意图；
62.图11为本发明提供的与现有技术的图像滤波结果的对比图；
63.图12为本发明提供的邻域确定装置的一个实施例结构示意图；
64.图13为本发明提供的图像滤波装置的一个实施例结构示意图；
65.图14为本发明提供的图像处理设备的一个实施例结构示意图。
具体实施方式
66.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
67.应当理解，示意性的附图并未按实物比例绘制。本发明中使用的流程图示出了根据本发明的一些实施例实现的操作。应当理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本发明内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器系统和/或微控制器系统中实现这些功能实体。
68.本发明实施例中所涉及到的“第一”、“第二”等描述仅用于描述目的，而不能理解为指示或者暗示其相对重要性或者隐含指明所指示的技术特征的数量。因此，限定有“第一”、“第二”的技术特征可以明示或者隐含的包括至少一个该特征。
69.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
70.本发明提供了一种邻域确定方法、图像滤波方法及装置，以下分别进行说明。
71.图1为本发明提供的邻域确定方法的一个实施例流程示意图，如图1所示，邻域确定方法包括：
72.s101、确定待滤波图像中的目标域和多个待选邻域；目标域中包括多个第一像素点，待选邻域中包括多个第二像素点，第一像素点的个数和第二像素点的个数相同；
73.s102、构建高维空间，并确定目标域在高维空间中的目标域矢量以及各待选邻域在高维空间中的邻域矢量；高维空间的维度与第一像素点的个数相同；
74.s103、确定各邻域矢量与目标域矢量的空间夹角，并根据空间夹角确定多个待选邻域中的至少一个目标邻域。
75.与现有技术相比，本发明实施例提供的邻域确定方法，首先确定待滤波图像中的目标域和多个待选邻域，然后构建高维空间，并确定目标域在高维空间中的目标域矢量以及各待选邻域在高维空间中的邻域矢量，最后基于邻域矢量和目标域矢量的空间夹角确定多个待选邻域中的至少一个目标邻域。可实现对待滤波图像进行滤波时，仅需通过至少一个目标邻域即可对待滤波图像进行滤波，而无需使用所有的待选邻域对待滤波图像进行滤波，大大降低了计算量，从而提高了待滤波图像的滤波效率。进一步地，由于降低了计算量，进而降低了对待滤波图像进行滤波时的硬件要求。
76.应当理解的是：待滤波图像可为医疗图像，医疗图像可为正电子发射型计算机断层(positron emission computed tomography，pet)图像、计算机断层扫描(computed tomography，ct)图像、磁共振(magnetic resonance imaging，mri)等中的任意一种。
77.在一具体实施例中，当通过pet图像帮助医生诊断时，pet图像的成像过程是：对放射性药物在人体中形成正电子湮灭产生的两个能量为511kev，张角为180度的伽玛射线进行探测。由于两个能量为511kev的伽玛射线会将全部或部分能量沉积在探测器中，在数据处理中，对于探测到的信号，处于一定能量区间和一定时间区间的两个信号会被挑选出来形成一个符合事作。通过这一个符合事件的连线来确定放射性药物在人体内被吸收的位置，从而帮助医生诊断病变位置。但由于探测器噪声、偶然符合、机械精度等因素的影响，通过对探测到的信号重建得到的图像会具有一定噪声。而通过本发明实施例提出的邻域确定方法确定目标邻域，仅需通过至少一个目标邻域即可对pet图像进行滤波，大大降低了计算量，从而提高了对pet图像进行滤波的滤波效率，进而提高了医生诊断效率。
78.其中，本发明实施例通过设置高维空间的维度与第一像素点的个数相同，且设置第一像素点的个数和第二像素点的个数相同，可将目标域和多个待选邻域视作高维空间中的一个空间点，从而可在高维空间中确定邻域矢量和目标域矢量的空间夹角。
79.需要说明的是：本发明实施例中的待滤波图像可为二维图像或三维图像，当待滤波图像为二维图像时，目标域和待选邻域的形状可为矩形、圆形、三角形、不规则图形中的任意一种；当待滤波图像为三维图像时，目标域和待选邻域的形状可为正方体、长方体、球体、三角锥等中的任意一种。在本发明的具体实施例中，目标域和待选邻域的形状为立方体。
80.还需要说明的是：第一像素点的个数和第二像素点的个数可根据实际应用场景进行设定或调整，在此不做具体限定。
81.在本发明的一些实施例中，如图2所示，步骤s101包括：
82.s201、确定待滤波图像中的待滤波像素点以及域半径；
83.s202、基于待滤波像素点和域半径确定目标域；
84.s203、基于域半径遍历待滤波图像，确定多个待选邻域。
85.其中，当目标域为正方体时，目标域是以待滤波像素点为中心，域半径为边长获得的区域，在本发明的具体实施例中，域半径为3个像素点，则目标域为3
×3×
3的立方体区域。
86.其中，步骤s203中遍历待滤波图像的方式可为从左往右、从上到下的遍历顺序进行遍历，也可为从右往左，从下到上的遍历顺序进行遍历，也可为以目标域为中心，沿顺时针或逆时针的方向的遍历顺序进行遍历等方式，在此不做一一赘述。
87.在本发明的具体实施例中，步骤s203具体为：基于域半径确定遍历窗口，基于遍历窗口遍历待滤波图像，确定多个待选邻域。遍历窗口的大小与目标域的大小相同。
88.应当理解的是：域半径可根据经验值或待滤波图像的大小及待滤波像素点的大小进行设定或调整，在此不做具体限定。
89.在一些应用场景中，待滤波图像的尺寸较大，则基于域半径遍历待滤波图像的耗时较长，为了进一步提高目标邻域的确定效率，在本发明的一些实施例中，如图3所示，步骤s101中的确定多个待选邻域，还包括：
90.s301、确定搜索半径；搜索半径大于域半径；
91.s302、基于待滤波像素点和搜索半径确定搜索区域；
92.s303、基于域半径遍历搜索区域，确定多个待选邻域。
93.本发明实施例通过设置在搜索区域中确定多个待选邻域，而非在整个待滤波图像中确定多个待选邻域，缩小了遍历范围，从而降低了计算量，进而可进一步提高目标邻域的确定效率。
94.应当理解的是：搜索半径也可根据经验值、待滤波图像的大小以及待滤波像素点的大小进行设定或调整，在此不做具体限定。
95.在本发明的具体实施例中，如图4所示，待滤波图像由100
×
100个像素点组成，待滤波像素点为位于待滤波图像正中心的像素点，搜索半径为10，则搜索区域的大小为10
×
10，域半径为3，则目标域和待选邻域的大小为3
×
3。
96.在本发明的一些实施例中，如图5所示，步骤s102包括：
97.s501、获取高维空间的空间坐标系，空间坐标系包括空间坐标原点；
98.s502、确定目标域在空间坐标系中的目标域空间坐标以及各待选邻域在空间坐标系中的邻域空间坐标；
99.s503、基于空间坐标原点和目标域空间坐标确定目标域矢量，并基于空间坐标原点和邻域空间坐标确定邻域矢量。
100.在本发明的具体实施例中，高维空间的空间坐标系如图6所示，其中，o为空间坐标原点，p为目标域在空间坐标系中的目标域空间坐标，q(n)为第n个待选邻域在空间坐标系中的邻域空间坐标，则目标域矢量为邻域矢量为空间夹角为θ。
101.在本发明的一些实施例中，如图7所示，步骤s103包括：
102.s701、判断空间夹角是否大于夹角阈值；
103.s702、当空间夹角大于夹角阈值时，待选邻域为目标邻域。
104.应当理解的是：当空间夹角小于或等于夹角阈值时，待选邻域为非目标邻域。
105.本发明实施例通过判断空间夹角是否大于夹角阈值即可从多个待选邻域中确定出至少一个目标邻域，确定方式简单，从而可进一步提高目标邻域的确定效率。
106.需要说明的是：夹角阈值可根据经验值或实际应用场景进行设定或调整，在此不做一一赘述。
107.由于在实际应用中，确定出至少一个目标邻域的目的是基于目标邻域对待滤波图像进行滤波，因此，本发明实施例还提供了图像滤波方法，如图8所示，图像滤波方法包括：
108.s801、获取待滤波图像，并确定待滤波图像中的目标域，目标域中包括待滤波像素
点；
109.s802、基于邻域确定方法确定待滤波像素点的至少一个目标邻域；
110.s803、确定至少一个目标邻域中与待滤波像素点对应的至少一个匹配像素点；
111.s804、构建权重确定模型，并基于权重确定模型、待滤波像素点的大小、待滤波像素点的第一像素值、匹配像素点的第二像素值以及目标域与目标邻域的空间夹角确定目标邻域的权重；
112.s805、基于权重和匹配像素点对待滤波像素点进行滤波，获得目标图像；
113.其中，邻域确定方法为上述任意一种实施例中的邻域确定方法。
114.本发明实施例在基于邻域确定方法确定出待滤波像素点的至少一个目标邻域后，构建权重确定模型，并基于权重确定模型、待滤波像素点的大小、待滤波像素点的第一像素值、匹配像素点的第二像素值以及目标域与目标邻域的空间夹角确定目标邻域的权重；然后基于权重和匹配像素点对待滤波像素点进行滤波，获得目标图像，可实现对待滤波图像的滤波，且由于邻域确定方法的计算量小，因此，可提高对待滤波图像进行滤波的滤波效率。
115.现有技术中的目标邻域的权重计算公式为：
[0116][0117]
式中，w(p,q(n))为第n个目标邻域的权重；h为滤波系数；||||为欧式距离。
[0118]
由上述公式可以看出：传统的权重计算公式中需要确定滤波系数后才能确定目标邻域的权重，而滤波系数的确定是根据经验值进行选取和设定，当滤波系数设定不合理时，将会导致对待滤波图像滤波不合理的技术问题。而本发明实施例中确定目标邻域的权重时，无需获取滤波系数，仅根据待滤波像素点的大小、待滤波像素点的第一像素值、匹配像素点的第二像素值以及目标域与目标邻域的空间夹角即可确定，消除了由于滤波系数设置不合理造成的滤波不合理的技术问题，提高了对待滤波图像进行滤波的滤波合理性和准确性。
[0119]
在本发明的具体实施例中，权重确定模型为：
[0120][0121]
式中，f为待滤波像素点的大小；p
x
为第一像素值；q
x
为第二像素值；θ为目标域与目标邻域的空间夹角；a为常数。
[0122]
由上述公式可以看出：本发明实施例提出的权重确定模型中的参数均无需根据经验值设定，消除了经验值设置不合理造成滤波不合理的技术问题，提高了对待滤波图像进行滤波的滤波合理性和准确性。
[0123]
需要说明的是：a可根据实际应用场景进行设置，在本发明的具体实施例中，a为2。
[0124]
基于上述权重确定模型，在本发明的一些实施例中，如图9所示，步骤s804包括：
[0125]
s901、确定第一像素值与第二像素值的第一比值；
[0126]
s902、确定第二像素值与第一像素值的第二比值；
[0127]
s903、基于待滤波像素点的大小、第一比值、第二比值以及目标域与目标邻域的空
间夹角确定目标邻域的权重。
[0128]
其中，第一比值为第二比值为
[0129]
在本发明的一些实施例中，至少一个目标邻域包括第一目标邻域和第二目标邻域，至少一个匹配像素点包括第一目标邻域中的第一匹配像素点和第二目标邻域中的第二匹配像素点，权重包括第一目标邻域的第一权重和第二目标邻域的第二权重；则如图10所示，步骤s805包括：
[0130]
s1001、基于第一权重和第一匹配像素点的像素值确定第一加权像素值；
[0131]
s1002、基于第二权重和第二匹配像素点的像素值确定第二加权像素值；
[0132]
s1003、将第一加权像素值和第二加权像素值之和作为待滤波像素点的像素值。
[0133]
需要说明的是：至少一个目标邻域不仅限于包括第一目标邻域和第二目标邻域，其也可包括除第一目标邻域和第二目标邻域之外的第三目标邻域、第四目标邻域等，步骤s1001-步骤s1003仅以至少一个目标邻域包括第一目标邻域和第二目标邻域为例进行阐述。
[0134]
在本发明的具体实施例中，待滤波像素点的像素值为：
[0135][0136]
式中，m(p
x
)为待滤波像素点p
x
的像素值；n为目标邻域的总个数；m(qi(x))为第i个目标邻域中匹配像素点qi(x)的像素值；wi为第i个目标邻域的权重。
[0137]
为了验证本发明实施例提出的图像滤波方法对待滤波图像进行滤波的可行性，将基于传统的非局部均值滤波方法与本发明实施例提出的图像滤波方法进行比较，如图11所示，左图为基于本发明实施例提出的图像滤波方法对待滤波图像进行滤波的结果，右图为基于确定出的合理的滤波系数后，基于传统的非局部均值滤波方法对待滤波图像进行滤波的结果，可以看出：两种方法的滤波效果接近，说明了本发明实施例提出的图像滤波方法的可行性，即：本发明实施例无需根据经验值选取合理的滤波系数也可实现对待滤波图像的有效滤波。
[0138]
为了更好实施本发明实施例中的邻域确定方法，在邻域确定方法基础之上，对应的，本发明实施例还提供了一种邻域确定装置，如图12所示，邻域确定装置1200包括：
[0139]
目标域及邻域确定单元1201，用于确定待滤波图像中的目标域和多个待选邻域；目标域中包括多个第一像素点，待选邻域中包括多个第二像素点，第一像素点的个数和第二像素点的个数相同；
[0140]
高维空间构建单元1202，用于构建高维空间，并确定目标域在高维空间中的目标域矢量以及各待选邻域在高维空间中的邻域矢量；高维空间的维度与第一像素点的个数相同；
[0141]
目标邻域确定单元1203，用于确定各邻域矢量与目标域矢量的空间夹角，并根据空间夹角确定多个待选邻域中的至少一个目标邻域。
[0142]
上述实施例提供的邻域确定装置1200可实现上述邻域确定方法实施例中描述的技术方案，上述各模块或单元具体实现的原理可参见上述邻域确定方法实施例中的相应内容，此处不再赘述。
[0143]
为了更好实施本发明实施例中的图像滤波方法，在图像滤波方法基础之上，对应的，本发明实施例还提供了一种图像滤波装置，如图13所示，图像滤波装置1300包括：
[0144]
待滤波图像获取单元1301，用于获取待滤波图像，并确定待滤波图像中的目标域，目标域中包括待滤波像素点；
[0145]
目标邻域获取单元1302，用于基于邻域确定方法确定待滤波像素点的至少一个目标邻域；
[0146]
匹配像素点确定单元1303，用于确定至少一个目标邻域中与待滤波像素点对应的至少一个匹配像素点；
[0147]
权重确定单元1304，用于构建权重确定模型，并基于权重确定模型、待滤波像素点的大小、待滤波像素点的第一像素值、匹配像素点的第二像素值以及目标域与目标邻域的空间夹角确定目标邻域的权重；
[0148]
图像滤波单元1305，用于基于权重和匹配像素点对待滤波像素点进行滤波，获得目标图像；
[0149]
其中，邻域确定方法为上述任意一个邻域确定方法实施例中的邻域确定方法。
[0150]
上述实施例提供的图像滤波装置1300可实现上述图像滤波方法实施例中描述的技术方案，上述各模块或单元具体实现的原理可参见上述图像滤波方法实施例中的相应内容，此处不再赘述。
[0151]
如图14所示，本发明还相应提供了一种图像处理设备1400。该图像处理设备1400包括处理器1401、存储器1402及显示器1403。图14仅示出了图像处理设备1400的部分组件，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
[0152]
处理器1401在一些实施例中可以是一中央处理器(central processing unit，cpu)，微处理器或其他数据处理芯片，用于运行存储器1402中存储的程序代码或处理数据，例如本发明中的邻域确定方法和/或图像滤波方法。
[0153]
在一些实施例中，处理器1401可以是单个服务器或服务器组。服务器组可为集中式或分布式的。在一些实施例中，处理器1401可为本地的或远程的。在一些实施例中，处理器1401可实施于云平台。在本发明的一些实施例中，云平台可包括私有云、公共云、混合云、社区云、分布式云、内部间、多重云等，或以上的任意组合。
[0154]
存储器1402在一些实施例中可以是图像处理设备1400的内部存储单元，例如图像处理设备1400的硬盘或内存。存储器1402在另一些实施例中也可以是图像处理设备1400的外部存储设备，例如图像处理设备1400上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。
[0155]
进一步地，存储器1402还可既包括图像处理设备1400的内部储存单元也包括外部存储设备。存储器1402用于存储安装图像处理设备1400的应用软件及各类数据。
[0156]
显示器1403在一些实施例中可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。显示器1403用于显示在图像处理设备1400的信息以及用于显示可视化的用户界面。图像处理设备1400的部件1401-1403通过系统总线相互通信。
[0157]
在本发明的一些实施例中，当处理器1401执行存储器1402中的邻域确定程序时，可实现以下步骤：
[0158]
确定待滤波图像中的目标域和多个待选邻域；目标域中包括多个第一像素点，待选邻域中包括多个第二像素点，第一像素点的个数和第二像素点的个数相同；
[0159]
构建高维空间，并确定目标域在高维空间中的目标域矢量以及各待选邻域在高维空间中的邻域矢量；高维空间的维度与第一像素点的个数相同；
[0160]
确定各邻域矢量与目标域矢量的空间夹角，并根据空间夹角确定多个待选邻域中的至少一个目标邻域。
[0161]
在本发明的一些实施例中，当处理器1401执行存储器1402中的图像滤波程序时，可实现以下步骤：
[0162]
获取待滤波图像，并确定待滤波图像中的目标域，目标域中包括待滤波像素点；
[0163]
基于邻域确定方法确定待滤波像素点的至少一个目标邻域；
[0164]
确定至少一个目标邻域中与待滤波像素点对应的至少一个匹配像素点；
[0165]
构建权重确定模型，并基于权重确定模型、待滤波像素点的大小、待滤波像素点的第一像素值、匹配像素点的第二像素值以及目标域与目标邻域的空间夹角确定目标邻域的权重。
[0166]
进一步地，本发明实施例对提及的图像处理设备1400的类型不做具体限定，图像处理设备1400可以为手机、平板电脑、个人数字助理(personal digital assistant，pda)、可穿戴设备、膝上型计算机(laptop)等便携式图像处理设备。便携式图像处理设备的示例性实施例包括但不限于搭载ios、android、microsoft或者其他操作系统的便携式图像处理设备。上述便携式图像处理设备也可以是其他便携式图像处理设备，诸如具有触敏表面(例如触控面板)的膝上型计算机(laptop)等。还应当理解的是，在本发明其他一些实施例中，图像处理设备1400也可以不是便携式图像处理设备，而是具有触敏表面(例如触控面板)的台式计算机。
[0167]
本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序来指令相关的硬件(如处理器，控制器等)来完成，计算机程序可存储于计算机可读存储介质中。其中，计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
[0168]
以上对本发明所提供的邻域确定方法、图像滤波方法及装置进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。