[发明专利]低照度Bayer图像上以绿色通道为导向的去噪方法

摘要

本发明涉及图像信息处理领域，具体为图像的去噪处理。在低照度环境下，由于光照不足，产生的噪声将影响成像效果。由于Bayer图像相比去马赛克后的RGB图像具有噪声不扩散性，提出了一种Bayer图像上以绿色通道信号为指导的导向滤波去噪方法。Bayer图像上，绿色通道具有2倍于红色、蓝色通道的采样率，而且其感光度相比红色与蓝色通道更高，故绿色通道还具有更高的信噪比。导向滤波方法能够充分利用绿色通道的上述特点，而且其实时性好，资源消耗低。与高斯滤波、双边滤波等滤波方法相比，该算法的去噪与边缘保持效果更好。与其他基于相似块搜索或学习训练的方法比，该算法简单，资源消耗少，无需帧缓存，实时性高。

主权项

一种低照度Bayer图像上以绿色通道为导向的去噪方法，其特征在于：包括如下步骤：（1）、获取图像传感器输出的目标Bayer图像，通过插值计算得到目标Bayer图像中绿色通道在红色像元位置以及蓝色像元位置的大小，从而得到与目标Bayer图像对应的完整的绿色通道图像：具体如下：以目标Bayer图像建立坐标系XOY，设某一位置坐标为（i，j），当位置坐标为红色像元位置时以r(i，j)表示该位置红色通道值，当位置坐标为蓝色像元位置时以b（i，j）表示该位置蓝色通道值，当位置坐标为绿色像元位置时以g（i，j）表示该位置绿色通道值；在红色像元位置，插值得到该位置的绿色通道值，记为Gr（i，j）；在蓝色像元位置，插值得到该位置的绿色通道值，记为Gb（i，j）；即得到与目标Bayer图像对应的完整的绿色通道图像；（2）、在完整的绿色通道图像中分别取出与目标Bayer图像中原始红色通道、原始蓝色通道、原始绿色通道相对应的三组绿色通道，以此为导向图像，分别与目标Bayer图像中对应位置的原始红色通道、原始蓝色通道、原始绿色通道组成三组导向图像和原始图像对，即红绿图像对：Gr（i，j）与r（i，j），蓝绿图像对：Gb（i，j）与b（i，j），绿绿图像对：g（i，j）与g（i，j）；选取计算滤波窗口，分别对导向图像和原始图像组成的图像对进行导向滤波去噪：具体如下：定义导向图像为I（i，j），原始图像为P（i，j），输出图像为Q（i，j）；选取以（x0，y0）为中心的k×k的滤波窗口，设r=(k‑1)/2，分别计算导向图像I的均值Mean(I)，原始图像P的均值Mean(P)，I×P的均值Mean(IP)，I×I的均值Mean(II): Mean ( I ) = Σ i = x 0 - r , j = y 0 - r i = x 0 + r , j = y 0 + r I ( i , j ) / k 2 Mean ( P ) = Σ i = x 0 - r , j = y 0 - r i = x 0 + r , j = y 0 + r P ( i , j ) / k 2 Mean ( IP ) = Σ i = x 0 - r , j = y 0 - r i = x 0 + r , j = y 0 + r I ( i , j ) × P ( i , j ) / k 2 Mean ( II ) = Σ i = x 0 - r , j = y 0 - r i = x 0 + r , j = y 0 + r I ( i , j ) × I ( i , j ) / k 2 计算导向图像I的方差Var(I)，以及导向图像I与原始图像P之间的协方差Cov(I,P):Var(I)=Mean(II)‑Mean(I)×Mean(I)Cov(I,P)=Mean(IP)‑Mean(I)×Mean(P)计算滤波后的输出图像Q（i，j）： Q ( x 0 , y 0 ) = Cov ( I , P ) Var ( I ) + ϵ × ( I ( x 0 , y 0 ) - P ( x 0 , y 0 ) ) + Mean ( P ) 其中，ε为导向滤波的一个可调参数，在极限情况下，当ε→∞时，Q(x0,y0)→Mean(P)，此时导向滤波则退化为均值滤波，相当于在k×k取均值作为最终值；当ε→0时，则最大限度的根据导向图像的边缘使滤波后的图像保持了相应的边缘；当ε=0且Var(I)→0时，由于除数接近0，会照成极大的误差，因此ε需要根据实际情况选取合适的值；（3）、经步骤（2）导向滤波后得到去噪后的三种输出图像组成新的Bayer图像；（4）、将步骤（3）得到的Bayer图像做后续去马赛克处理，得到最终的去噪Bayer图像。