[发明专利]基于图像金字塔分解的去噪方法、装置及系统

说明书

本发明公开了基于图像金字塔分解的去噪方法、装置及系统，涉及图像处理技术领域。一种基于图像金字塔分解的去噪方法，包括步骤：通过分解模块对图像进行金字塔分解，获取不同分辨率的多层图像子带，获取各层的高频子带图像数据和低频子带图像数据，将所有层的高频子带图像数据写入DDR中保存；通过去噪重建模块对不同分辨率的图像子带进行去噪和重建处理，需要高频子带图像数据时从DDR中读取对应的高频子带图像数据。本发明能在不影响图像质量的前提下，减少行缓冲的数量，进而降低芯片成本。

技术领域

本发明涉及图像处理技术领域，尤其涉及基于图像金字塔分解的去噪方法。

背景技术

随着感光芯片技术的发展，可获得的图像分辨率越来越大，同时感光单元的面积越来越小，导致获得的图像噪声越来越大。相应地，在手机、监控等应用场景中，对图像去噪算法的要求也越来越高。图像空域去噪技术中，图像金字塔分解结合块匹配、引导滤波、双边滤波等去噪算法能获得较好的去噪效果，得到广泛地应用。

然而，基于该技术的去噪算法需要对图像进行多层分解、去噪再重建，需要较大的行缓冲来缓冲中间数据，芯片成本也会比普通去噪算法高很多。参见图1所示，为一种现有技术中常用的图像处理装置，其通常应用于监控或手机的图像处理器内。图像传感器输出的原始数据依次经过多个图像处理算法模块处理，最后写入到存储器中，待下一步使用，去噪步骤为其中非常重要的步骤。

目前，基于图像金字塔分解的去噪模块按功能通常可以分为三个子模块：图像金字塔分解、去噪、图像重建。图像金字塔分解一般使用高斯分解、小波分解等算法，获得不同分辨率的子带图像。去噪模块一般利用双边滤波、NLM滤波、引导滤波等算法对各分辨率的子带图像进行去噪处理。高频和低频图像的去噪算法可能不相同，也可能算法相同，但参数不相同。图像重建是使用各层高频和低频的去噪结果进行重建，得到原分辨率图像。

现有的基于金字塔分解的去噪流程图参见图2所示。所述图像金字塔分解、去噪和图像重建放在一个模块中，金字塔分解、去噪和图像重建之间的数据不输出到外部存储设备，而是利用内部行缓冲存储。由于每次分解和去噪都会带来若干行图像数据的延迟，延迟行数分别与分解块大小和去噪块大小相关。因此，分解层数越多，低频数据的延迟就会越大。而重建时，高、低频数据需按位置同步输入。若二者不同步，则需要利用行缓冲来缓存提前输出的一方，使二者可以同步输入到重建模块。因此，高、低频数据间的延迟越大，则所需的行缓冲越多。

由此可见，在上述传统的设计方案中，基于金字塔分解的去噪模块需要大量的行缓冲来缓存中间数据，而且随着分解层数的增加，对行缓冲的需求将会显著增加。在很多成本敏感的应用中，只能通过减小分解次数来控制成本，比如限制最多分解一次；而对于基于金字塔分解的去噪算法来说，分解层数越多，对低频噪声的去除能力越强。所以，这种折中的做法会大大影响去噪效果。

发明内容

本发明的目的在于：克服现有技术的不足，提供了一种基于图像金字塔分解的去噪方法、装置及系统。本发明将所有层的高频图像数据写入DDR保存，去噪和重建模块运行时，在需要时才从DDR中读取相应的高频数据，无需用行缓冲来同步高、低频图像数据。本发明能在不影响图像质量的前提下，减少行缓冲的数量，进而降低芯片成本。

为实现上述目标，本发明提供了如下技术方案：

一种基于图像金字塔分解的去噪方法，包括步骤：

通过分解模块对图像进行金字塔分解，获取不同分辨率的多层图像子带，获取各层的高频子带图像数据和低频子带图像数据，将所有层的高频子带图像数据写入DDR中保存；

通过去噪重建模块对不同分辨率的图像子带进行去噪和重建处理，需要高频子带图像数据时从DDR中读取对应的高频子带图像数据。

进一步，所述分解模块的输出端设置有视觉无损压缩装置，所述去噪重建模块的输入端设置有视觉无损解压缩装置。