專利名稱：用于處理數字對象的方法及其相關系統(tǒng)的制作方法
技術領域：
本發(fā)明涉及適用于數字對象的處理。 數字對象包含多個元素，即，包含多個基本的信息項。它可具有多種不同的特性。 例如，特別是在數字影像的情況下，它可能是一個二維圖像。在這種情況下，構成這類圖像 的元素稱為像素(代表“影像元素”)。在一變化實例中，對象可以是一系列二維圖像，它也可被看作一三維圖像(兩個 空間維度和一個時間維度)。例如，在某種醫(yī)學應用或電影中的情況。構成這類對象的元素 是在諸如圖像序列中的一個圖像的像素。所討論的數字對象也可能具有四個維度，例如在電影中，這時各個圖像都是三維 的。根據另一實例，數字對象可能包括聲音和/或調制信號，其中，構成聲音的元素是 例如聲音強度，構成調制信號的元素可以對應于聲音的強度和/或相位。通常，數字對象具有下列維度中的一個或多個維度空間(例如，距離、角度、網格 中的移動)、時間、頻度(例如，顏色、頻率、頻段)、相位、根據另一矢量空間基礎的分解(例 如，小波分解)或任一拓撲空間的任一維度。除了構成數字對象的基本信息之外，數字對象還包括一些屬性，這些屬性可以根 據數字對象的特性而改變。這些屬性可與對象的維度和基本信息密切相關。因此，有可能 定義對象的類型，各個類型都對應于具有某些屬性集合的對象。在對象的典型屬性之中，可 以引用諸如顏色、幾何結構和清晰度等。當然，還可預見到一些其它屬性。下文將給出一些 對象類型和屬性的實例。若所討論的數字對象是數字圖像，則可例如籍助于采集系統(tǒng)(例如，攝影系統(tǒng))來 獲取圖像。根據非限制性實例，采集系統(tǒng)可以是一次性的攝影裝置、數字攝影裝置、反光鏡照 相機(數字或非數字)，掃描儀，傳真機，內視鏡，照相機，攝像機，監(jiān)控攝像機，玩具，連接 或集成于電話、個人助理或計算機中的照相機或攝影裝置，熱敏照相機，回波儀，MRI (磁共 振)成像儀或X射線成像儀。除了用于聚焦光線的光學系統(tǒng)外，圖像采集系統(tǒng)通常都包括傳感器。這類傳感器 包括用于采集和/或錄制圖像的機械、化學或電子的裝置。這類傳感器是例如光敏元件系統(tǒng)，它可以將所接收到光量轉換為數字數值，并且 使得各個像素具有相對應的數字數值。習慣上將傳感器直接采集到的原始圖像稱為的RAW 圖像。最終，各個像素所具有的數字數值的數量取決于攝影系統(tǒng)。由于多種原因，由傳感器返回的RAW圖像的基本信息項的數值不完全取決于所接 收到的光量。它們包括稱之為噪聲的隨機部分，其與所觀測場景并無任何關系。例如，噪聲 是由于光線的特定特性或傳感器電子電路所產生的熱現象所引起的。嚴格地說，有些噪聲通常是局部的，并且其范圍可能是1個像素數量級。作為第一近似數值，它的統(tǒng)計屬性可由兩個參數很好地進行描述-給出特征距離的間距，這是使噪聲的兩個數值在統(tǒng)計上相互獨立或者特征距離的依賴性低于某一預定閾值所必要的。該間距可視為數字顆粒的尺寸，其定義將在下文中給出；以及-稱為強度的數值，其描述了由噪聲引起的數字數值中的變化。在彩色圖像的情況 下，該噪聲在每個通道上均具有數值。根據本發(fā)明，白噪聲或更一般的“白色”對象被定義為該對象某位置的基本信息 項與同一對象位于鄰接位置的基本信息項無關。因此，該對象的基本數值在統(tǒng)計上是獨立 的。根據本發(fā)明，“準白，，噪聲或者更一般的“準白，，對象被定義為該對象某個位置的 信息基本項與同一對象中位于鄰接位置的信息基本項之間具有低于某閥值的相關級別；該 閥值既可以是例如根據眼睛對結構化噪聲的敏感度所預先確定的，也可以是根據另一對象 的自相關來定義；因此，該閥值可能會取例如數值為10%;該閥值也可能會取例如原始對象 的自相關級別的10%，其中準白對象是通過根據本發(fā)明的一個方法從該原始對象中提取出 的。同樣，一非RAW格式的圖像，即已經經過一定數量變換的圖像，包含噪聲。在被顯示之前，數字圖像會經過稱為處理串的連續(xù)處理操作。這些處理操作的目 的是例如提高清晰度，消除偽像或對顏色進行修改。在這些處理操作中，有些處理操作會對所討論圖像中所包含的噪聲產生不利的影 響。尤其是在相鄰處理操作的情況下，這時，相鄰處理操作將根據相鄰像素(或通常 為相鄰對象元素)的數值來轉換各個像素(或通常為各個對象元素)的數值。這種相鄰處理操作利用了在一個場景中的相近位置包含相關信息，即彼此間是互 相關聯的這樣一個事實。這個假設有可能重構數字圖像中所丟失或衰減的信息。各個像素中的數值不僅能被修改，而且還會在每個像素中創(chuàng)建新的數值。因此，最 終的圖像可能會有與原始圖像不同數量的通道。例如，當原始的圖像是RAW圖像時，每個像 素具有單一數值且對應于單一通道，而經過處理以后的最終圖像，可能使得每個像素具有3 個數值且分別對應于紅、綠和藍(R，G，B)三個通道。這些相鄰處理操作所引發(fā)的一個問題是該操作對信息局部相關的假設對噪聲而 言是錯誤的，因為噪聲對該場景的物理屬性具有所固有的獨立性。更準確地說，相鄰處理將在噪聲中產生相關性，得到的結果是出現與所觀測的場 景不對應的可視結構。換句話說，相鄰處理對噪聲進行結構化。從數學角度上來講，相鄰處 理操作改變了噪聲諸如自相關函數之類的統(tǒng)計特性。這種對噪聲的結構化可以通過數碼顆粒(digital grain)的表現形式可視化地展 示出來。在彩色圖像的情況下，這種顆粒具體表現為難看的彩色斑點，其大小和強度取決于 相鄰處理操作。這種數碼顆粒通常不會具有銀感光攝影的數字顆粒的吸引力，并且期望它 們能夠被去除。適用于數碼顆粒一個可能的定義是例如噪聲的自相關，其量化在不同空間位置產 生噪聲之間的空間相關性。對數字圖像噪聲具有不利影響的處理操作的另一實例與處理操作易于放大噪聲 有關。這些處理操作可能會引起圖像的退化，因為其中噪聲會更加明顯，有時會對有用信息造成傷害。這種處理操作的一個實例是提高圖像的對比度。簡單地說，該實例包括使得圖像 中暗像素點更暗以及亮像素點更亮的操作。這種對比放大會以同樣的方式放大處理后圖像 中的噪聲。 總而言之，結構化或放大噪聲的處理操作在被應用于帶有噪聲的圖像時，會產生 不良效果。一種限制這種不良效果的嘗試方法是在進行討論中的處理操作之前，對數字圖像 進行降噪。這個方法的細節(jié)在US 6934056中的一個特定應用中作了闡述。實際上，該文檔 在對一 RAW圖像應用稱為解矩陣(dematrixing)的相鄰處理之前對該圖像進行降噪處理。為此目的，可使用各種不同的降噪算法。因此，其目的就是修改原始圖像，理想地 來說，以便從中提取出一幅完全沒有噪聲的圖像。然而，即使是現存最好的降噪方法都有可能不能夠分辨非常細致的紋理，例如，表 面的粗糙程度或者皮膚的不規(guī)則性，以及噪聲。這些方法中的大部分都具有降低噪聲強度， 以減少其顆粒粒度的效果。正因如此，當減少噪聲時，數字圖像的降噪處理消除了構成圖像有用信息的某些 細微結構。因此，導致該圖像不太醒目和缺乏真實的感覺。雖然數字圖像的實例在上面已經具體檢查過，還應當指出對上述提及的其它類型 對象來說，所述相同的問題會以相同的方式出現。本發(fā)明的一個目的是限制上述提及的缺點。具體地說，本發(fā)明的一個目的是限制包含在數字圖像中的噪聲的結構化，同時不 導致丟失過多有用的信息。因此，本發(fā)明提出一種處理數字對象的方法，包括下述步驟-對包含噪聲的第一類型的原始對象進行降噪處理，用于獲取所述第一類型的降 噪對象；-從原始對象和降噪對象之間的差異中獲取第一類型的準白噪聲對象；-對所述降噪對象應用包括相鄰處理的第一處理，該相鄰處理根據鄰接對象元素 的數值來轉化對象元素的數值，以便于獲取第二類型的轉換對象，若將第一處理應用于所 述原始對象，則第一處理可具有將包含在原始對象中的噪聲結構化的效果；-對該噪聲對象進行第二白處理，以便于獲取第二類型的準白轉換噪聲對象；以 及-將轉換噪聲對象插入到轉換噪聲對象中。正如引言所述，每個第一和第二類型的對象都對應于具有指定屬性(例如顏色、 幾何結構、清晰度等等)集合的對象。然而，準白對象被定義為在對象某一位置上的基本信息項與相鄰位置的基本信息 項是去相關的或準去相關的。于是，準白對象與相關對象是相反的，該相關對象涉及一種對象，其某一位置的基 本信息項與相鄰位置的相同對象的基本信息項是相關的。對于白處理來說，它是一種將準白對象轉換為準白對象的處理。對于相鄰處理操作而言，已在引言中被定義過。
因此，根據本發(fā)明，在第一處理的執(zhí)行之前從原始對象中提取準白噪聲，然后通過 使用第二處理(即，白處理)，實現保留其準白特性，使得其能夠保持準白并因此防止其被 結構化(即相關)。另外，通過將轉換噪聲對象重新插入轉換對象，在降噪過程中從含有噪聲的原始 對象中提取出有用的信息，并在最終對象中可以再次獲取。由于噪聲還未被結構化，所以噪 聲的重新插入不會產生問題。尤其是，在討論數字圖像的情況下，最終圖像的數字顆粒大小 與初始圖像是相同或相似的。另外，由于使用的第一和第二處理操作以相同的方法修改降噪對象的類型和噪聲 對象的類型，使得獲取相同類型的對象這一事實的存在，也就是說，特別具有顏色、幾何結 構和清晰度等相同屬性，有利于噪聲的重新插入。在缺少這一方法的情況下，將轉換對象和 轉換噪聲對象進行合并是不合適的或甚至是不可能的。籍助于實例所示的方式，“簡單”把 包括三個顏色通道(即R，G，B)的轉換對象與包括單一顏色通道的噪聲對象進行合并將會 產生問題。類似地，把為幾何失真進行校正的轉換對象與未轉換噪聲對象進行合并，也會產 生問題，這是因為，例如，暗區(qū)中的噪聲不會在轉換對象的暗區(qū)上進行疊加。類似地，把已 去除由用于捕獲對象的鏡片所引起的模糊的轉換對象與未轉換對象進行合并，也會產生問 題，因為準白噪聲對象會變得更加模糊，并且會增加對眼睛屏蔽轉換對象清晰度。前述的部分或全部對象，即原始對象、降噪對象、轉換對象、噪聲對象以及轉換噪 聲對象可包括數字圖像。在一變化實例中，它們可能屬于引言中所列出的任一其它種類的 對象。第二處理(衰減噪聲，修改噪聲顏色等等)可以進行優(yōu)化選擇，用于限制最終對象 中噪聲的不良效果。從而在最終對象中控制所出現的噪聲。另外，第二處理對包含在原始 對象中的有用信息不會造成任何負面影響，因為它所應用于在之前已經從該對象中分離出 的噪聲。應用于降噪對象的第一處理例如可包括根據相鄰對象元素的數值來轉換對象元 素的數值的相鄰處理，若將其應用于原始對象，其對在所述原始對象中包含的噪聲具有結 構化的效果。籍助于實例所示的方式，第一處理可包括下述一項或多項當原始對象是RAW 圖像時的解矩陣(dematrixing)、去模糊化(defuzzification)以及對至少一部分降噪對 象的變形。根據其它實施例，第一處理可包括下述一項或多項模擬銀粒的增加、橫向色差的 校正、子像素圖像的調整、壓縮/解壓縮以及以多尺度方式應用的處理。在一變化實例中或另外，應用于降噪對象的第一處理可能包括這種處理，當該處 理應用于原始對象時，該處理具有放大包含于原始對象中噪聲的作用。籍助于實例所示的 方式，第一處理可包括下述一項或多項取決于獲取原始圖像的傳感器敏感度的放大、在至 少部分的降噪對象中增加對比度、以及在至少部分降噪對象中實施白平衡。根據其它實施例，第一處理可能包括下述一項或多項陰影的校正、色彩的飽和 度、顏色的變換、具有不同攝影參數的圖像的合并，用于諸如人為增加傳感器的動態(tài)范圍。應用于原始對象和降噪對象之間差異的第二處理可將獲取的噪聲對象的每個元 素(例如獲取的噪聲圖像的每個像素)與至少一個數值關聯起來，該數值取決于下述一項 或多項與對應于原始對象和降噪對象之間差異的至少一個元素相關的數值，取決于與原始對象、降噪對象和轉換對象中的至少一個對象的至少一個相應元素相關的某個數值的數值、以及取決于至少一個外界參數的數值。本發(fā)明還提出了一種用于處理數字對象的系統(tǒng)，以便實施前述的方法。該系統(tǒng)包 括-用于對包含噪聲的第一類型的原始對象進行降噪處理，以便獲取所述第一類型 的降噪對象的單元；_用于從原始對象和降噪對象之間的差異中獲取第一類型的準白噪聲對象的單 元；_用于對降噪對象應用包括相鄰處理的第一處理，該相鄰處理根據鄰接對象元素 的數值來轉換某一對象元素的數值，以便獲取第二類型的轉換對象的單元，若將第一處理 應用于所述原始對象，該第一處理具有將包含在原始對象中的噪聲進行結構化的作用；_用于對噪聲對象應用第二白處理，以便獲取第二類型的準白轉換噪聲對象的單 元；以及-用于將轉換噪聲對象插入轉換對象中的單元。該系統(tǒng)可能還包括圖像捕獲裝置和/或圖像檢索裝置。本發(fā)明還提出了一種計算機程序產品，其包括當被載入計算機裝置并在其中執(zhí)行 時適用于實施前述方法的代碼指令。本發(fā)明的其它特性和優(yōu)點將在下面對非限制性實施例的描述中展現出來，并參考 說明書附圖，其中-

圖1示出了根據本發(fā)明的數字對象處理的主要步驟；-圖2示出了根據本發(fā)明一個與解矩陣應用相關的特定實施例的數字對象處理步 驟；-圖3示出了根據本發(fā)明一個與清晰化應用相關的特定實施例的數字對象處理步 驟；-圖4示出了根據本發(fā)明一個與運動應用相關的特定實施例的數字對象處理步 驟；首先將參考圖1對本發(fā)明進行概述。在本說明書中，假設所操作的數字對象是數 字圖像。然而，可以理解的是本發(fā)明也可應用于在引言中所提及的任意其它類型的數字對象。原始數字圖像I是有效的，其可以是任意類型和任意尺寸的。數字圖像是指以數字形式的圖像。該圖像可能來自于在引言中所提及的數字圖像 采集系統(tǒng)。該圖像可能為固定的圖像或活動的圖像，在拍攝之前存在于視頻序列中的圖像 或待傳輸或待儲存的圖像。數字圖像可以由一組稱為灰度級的數值集合來表示，每個數值與一個顏色靈敏度 和位于表面或空間中的一個相對幾何位置相關。顏色是指所有與相同感色靈敏度相關的數值。數字圖像可能是在解矩陣操作執(zhí)行之前直接源于傳感器的原始圖像(RAW圖像)。 該數字圖像還可能已經執(zhí)行了處理，例如解矩陣，白平衡，子采樣等等。通常，認為原始圖像I是第一類型的。因此，它包括第一類型圖像所具有的某些特定屬性，例如顏色，幾何結構，清晰度等。采用降噪算法d對原始圖像I進行降噪，以便獲取降噪圖像J。所使用的降噪算 法d可以是任何已知的降噪算法。然而，需要選擇那些不能改變算法應用的圖像類型的算 法。換句話說，通過降噪算法而獲取的降噪圖像J仍是第一類型的圖像，例如像原始圖像I 那樣。因此，它包括與原始圖像I相同的屬性。降噪算法d例如可能通過將降噪圖像J的每個像素定義為原始圖像I相應像素的 加權平均數的方式進行操作，對于相鄰像素也是這樣。實際上，這樣取平均減少了噪聲的差異。通過對降噪算法d的非限制性實例，可列舉出Sigma濾波器、雙邊濾波器或 NL—mean。Sigma濾波器具有加權平均的效應，其中權值是來自于要降噪像素的灰度級中的 差異的遞減函數。文章 “Digital imagesmoothing and the sigma filter” 描述了該濾 波器(J S Lee，“Digitalimage smoothing and the sigma filter”，Computer Vision, Graphics andlmage Processing 24 :255_269，1983)。在雙邊濾波器中，在加權平均中使用的權值是被降噪像素的灰度級差異與到該像 素的距離的遞減函數。該降噪方法的詳細描述參考文章“SUSAN-A new approach to low level image processing，，(見 S M Smith and J M Brady, "SUSAN-A new approach to lowlevel image processing，，，International Journal of Computer Vision, 23 (1) 45-78, May 1997)或者文章“Bilateral Filtering for Gray andColor Images”(見 C Tomasi and R Manduchi, "Bilateral Filtering forGray and Color Images，，， Proceedings of the 1998IEEE InternationalConference on Computer Vision,Bombay, India)。對于NL-mean，使用的加權平均中的權值是被降噪點的背景和其相鄰點的 背景之間距離的遞減函數。例如，其描述參考文章“A review of image denoising algorithms, with a new one，，(見 ABuades,B Coll and J M Morel, "A review of image denoisingalgorithms, with a new one，，， Multiscale Modelling and Simulation(SIAM interdisciplinary journal), Vol 4(2)，pp :490_530，2005)。然后，將處理tl應用于降噪圖像J，以便獲取轉換圖像K。若將處理tl應用于原 始圖像I，處理tl可具有對原始圖像I中包含噪聲有結構化的效果，并包括如在引言中所定 義的相鄰處理。處理tl的實例將在下文中闡述。應當指出的是，將處理tl應用于降噪圖像J而不是原始圖像I的主要目的是避免 將包含于原始圖像中的噪聲結構化。圖像J中所包含的噪聲被降噪算法d的效果所限制， 轉換圖像K并不具有引言中所指出的缺點，特別是明顯存在著難看的噪聲結構。轉換圖像 K的數字顆粒比原始圖像I要粗糙，不過其只具有有限的振幅。轉換圖像K與降噪圖像J像素的類型無需相同。具體地說，它們具有可能與圖像 J的像素的通道數量不同。通常，第一處理tl可能對其所應用的圖像具有改變其圖像類型的效果。因此，轉 換圖像k是區(qū)別于第一類型的第二類型的圖像。正因如此，轉換圖像K可能包括與原始圖 像I不同的一項或多項屬性，例如顏色和/或幾何結構和/或清晰度等等。
此外，準白噪聲圖像可以從原始圖像I和降噪圖像J的差異中獲取。通過任意降 噪算法d的操作模式，除了噪聲以外，所獲取的噪聲圖像還包括原始圖像I中的有用信息， 在降噪圖像J中，該有用信息已經被除去。這些有用信息具體包括原始圖像I的細致結構， 例如表面或皮膚的紋理。事實上，所獲取的噪聲圖像是準白的，所述準白就是指該噪聲圖像任一位置的基 本信息項與同一圖像相鄰位置的基本信息項去相關或者稍微相關。因此，避免了在該階段 中噪聲結構化的相關性。此外，所獲取的噪聲圖像與原始圖像I是同類型的，即第一類型。因此，它包括與原始圖像I相同的屬性。該噪聲圖像經歷處理t2。然后，可獲取轉換噪聲圖像C。處理t2是白處理，因此 處理t2仍將準白對象轉換為準白對象。從而，由于從原始圖像I和降噪圖像J之間差異而 獲取的噪聲圖像是準白的，故將相同的操作應用于轉換噪聲圖像C。這樣，噪聲未被結構化 或相關，或僅僅小部分被結構化或相關，并且限制住不良的噪聲視覺效果。另外，白處理t2可以采用與處理tl相同方式來改變所應用的圖像的類型。因此， 當將其應用于第一類型的噪聲圖像時，有可能獲取第二類型的轉換噪聲圖像C。因此，轉換 噪聲圖像C具有與轉換圖像K相同的屬性。還可預見白處理t2的各種不同實例，某些實例將在下文中提及。通過白處理t2的作用，轉換噪聲圖像C的各個像素都可與一個或多個數值相關， 這些數值取決于下述的一項或多項與噪聲圖像的至少一個相應像素相關的數值，與原 始圖像I的至少一個相應像素相關的數值，與降噪圖像J的至少一個相應像素相關的數 值，與轉換圖像K的至少一個相應像素相關的數值，以及一項或多項外界參數(exogenous parameters)。對于外界參數來說，它們可能由用戶決定。在一變化實例中，它們可能獨立于任意 用戶，例如當它們對應于焦點數值、鏡頭孔徑、焦距、相機的任意特性等等。外界參數的概 念，還被稱為可變特性，在文檔W003/007239中進行了詳細的描述。還應指出，因為對包含有用信息和噪聲的原始圖像I的先期分離操作，白處理t2 的實施并不會導致任何對圖像的毀壞。因此，就有可能使用對噪聲執(zhí)行非常有效的白處理 操作t2，并且不能直接對原始圖像I實施該操作。然后，將轉換噪聲圖像C插入到轉換圖像K，以便獲取最終圖像F。這種插入操作 可能包括轉換噪聲圖像C與轉換圖像K相加。在一變化實例中或另外，該插入操作可能包 括轉換圖像K與轉換噪聲圖像C的相乘。由于轉換噪聲圖像C與轉換圖像K的類型相同(第二類型)的事實，轉換噪聲圖 像C的插入操作是可能并容易實現的。轉換圖像C和轉換圖像K的屬性相同，因此兩者的 合并是自然，并且給出相干的最終圖像F。另外，在轉換圖像K中插入轉換噪聲圖像C，使在降噪操作D去除原始圖像I中的 細致結構重新插入最終圖像F中成為可能。因此，這樣的最終圖像F提供的視覺效果比轉 換圖像K的視覺效果更好，更加逼真。最終圖像F的顆粒的尺寸也被限制住，例如達到與原始圖像I相同的尺寸。通過在上游執(zhí)行的降噪d，這樣就可獲取最終圖像F，其噪聲并未被處理tl過度地結構化，并且其仍然包含了已被降噪d去除的圖像的細致結構。更一般地說，在最終圖像F中，噪聲被控制并且沒有過多地損失有用信息。因而，原始圖像I、降噪圖像J以及噪聲圖像B對應于第一類型的對象。轉換圖像K以及轉換噪聲圖像C對應于第二類型的對象，使得轉換噪聲圖像C可插入轉換圖像K中， 以便獲取最終圖像F。在一個實施例中，所述的第一類型和所述第二類型對應于具有顏色、 幾何結構和清晰度中的至少一種屬性的對象，兩者彼此不同，并且其中第一處理tl和第二 處理t2分別具有修改與降噪對象J和噪聲對象相關的所述屬性的效果，以便從第一類型的 對象開始獲取第二類型的對象。對于，數字圖像以外的其它圖像也能獲得相似的結果。將對本發(fā)明各種不同的非限制性實施例以及實施方式進行描述。這些實施例可有 利地彼此間以任一方式合并，而且不是僅被設想，并遵循已被揭示的一般性原則。在圖2所示的實施例中，原始對象或圖像、降噪對象以及噪聲對象是對應于有 "Bayer原始顏色”的顏色屬性的Bayer RAW圖像，該“Bayer原始顏色”對應于以四個像素 G、R、B組成方塊形式的信息基本項結構，正如下文所描述的那樣。在一變化實施例中，原始 圖像、降噪圖像和噪聲圖像都是具有對應于具有對應于其它顏色屬性的其它類型對象的其 它像素組織形式(例如，具有白色、紅色、綠色和藍色像素的全色)的RAW圖像。在一變化實 施例中，原始圖像、降噪圖像和噪聲圖像都是對應于具有其它顏色屬性“RGB顏色”、“YUV420 顏色”和“YUV422顏色”的其它類型對象的RGB或YUV420或YUV422圖像。同樣，轉換對象 和轉換噪聲對象可為不同的類型，并且具有不同的顏色屬性，例如屬性“RGB顏色”。因此， 該顏色屬性例如可對應于一項或多項表示為每個信息基本項的顏色相關的標準。在圖2所示的實例中，第一類型和第二類型的顏色屬性是不同的，并且第一和第 二處理操作tl和t2可改變顏色屬性。第一類型的顏色屬性是“Bayer原始顏色”。第二類 型的顏色屬性是“RGB顏色”。在圖2所示的實例中，原始圖像I是由于具有顏色濾鏡序列的傳感器產生的RAW 圖像，其使得在每個像素中對僅跨越某范圍波長的光的測量成為可能。為了此例的目的，所 討論的RAW圖像源于Bayer序列，且與US 3971065所描述相一致。當然，其它類型的RAW 圖像，例如產生于單色傳感器、大量交錯的Bayer序列的圖像，等等，也可作為原始圖像。這 類RAW圖像I由四個像素塊的集合形成，其中不具有公共邊的兩個像素分別接收介于綠色 波長范圍的值(標記為“G”的像素)，一個像素接收介于紅色波長范圍的值(標記為“R”的 像素)以及最后一個像素接收介于藍色波長范圍的值(標記為“B”的像素)。保持色彩過濾器結構的降噪d可用于該RAW圖像1，以便獲取與I相同類型的降噪 圖像J(即，同樣以Bayer序列的形式組織)。應用于降噪圖像J的處理tl是解矩陣操作。該解矩陣使得重建每個像素多個數 值成為可能。在這里描述的實例中，因此而獲取轉換圖像K，其中每個像素都分配具有三重 數值(R，G，B)，分別對應于紅、綠、藍通道的其中一個。因此，圖像K的像素所具有數值的數 量是RAW圖像I或降噪圖像J的三倍。與RAW圖像I不同，轉換圖像K因此是一彩色圖像。 因此，轉換圖像K與RAW圖像I的類型不同，具體是與顏色相關的屬性不同(以三個方面R， G，B來組織，而不是Bayer序列)。解矩陣是相鄰處理，當將它應用于噪聲圖像時具有將噪聲結構化的作用。這是因為，為了從對應于某像素的G通道的數值來獲取例如該像素對應于R和B通道的數值，其執(zhí) 行分別考慮了對應于與所述像素的相鄰像素相關的R和B通道的數值的插值。由于前期的降噪D，該操作不會在原始圖像I中所包含的噪聲中產生相似的關聯。此外，噪聲圖像B被定義為RAW圖像I和降噪圖像J之間的差異。類似于I和J， 圖像B只包含各個像素對應于三個通道R，G和B之一的一個數值。因此，噪聲圖像B與圖 像I和J的類型相同。噪聲圖像仍舊是準白圖像，因為在其包含的位于相鄰位置的信息基 本項之間不存在或只存在非常少的關聯。然后，對噪聲圖像B應用處理t2，以便獲取轉換噪聲圖像C。在本實例中，設想處 理t用于獲取第二類型的對象，包括為每個像素確定對應于兩個丟失通道的數值。例如，這 些數值可以取其等于已知數值。換句話說，在相同的圖像C中，具有對應于綠色通道的數值 的噪聲圖像B的像素將為其紅和藍通道分配相同的附加數值。因此，對于轉換噪聲圖像C 的每個像素，在本實例中，存在著與所討論的三個通道的三個數值R = G = B的關聯。這個 通道數值相同的結果使得噪聲進行灰化，顏色與其它顏色沒有分界區(qū)分，這使得噪聲更適 宜眼睛。當然，也可以使用其它的白處理操作t2并且具體地說，也可參照已知數值為丟失 的通道定義其它數值。
還應指出，在此實例中，與噪聲圖像C的某像素相關的數值僅取決于位于噪聲圖 像B相同位置的像素的相關數值。換句話說，處理t2是白處理，因為它保留著噪聲圖像B 的準白特性。另外，獲取的轉換噪聲圖像C與轉換圖像K的類型相同，這是因為它是每個像素都 與三重數值(R，G，B)相關的彩色圖像。最后，將圖像C插入圖像K，這些圖像都具有相同的類型，也就是說，每個像素具有 相同數量的數值。這使得以彩色的方式獲取最終圖像F成為可能。該圖像K的數字顆粒是 比較精細的，并且不管怎樣，數字顆粒的尺寸都等于或接近于該RAW圖像I數字顆粒的尺 寸，這是因為解矩陣tl發(fā)生在RAW圖像I進行降噪d之后。另外，借助于將噪聲C重新插 入最終圖像F的效果，可重新獲取由降噪D衰減甚至去除的RAW圖像的細致結構。另外，為 了呈現灰化，該噪聲已被處理過這一事實使其在最終圖像F中特別慎重。遵循上面所揭示的本發(fā)明的基本原則，能夠應用于降噪圖像J以及能夠以任意形 式組合的處理操作tl的其它非限制性實施例也可被預見，將在下文中給出。銳度屬性對應于例如模糊數量的特性，該模糊由用于捕獲某場景圖像的設備和用 于從場景獲取圖像的處理操作所引入的。例如，銳度可能對應于稱為BXU的數值的測量，這是一種模糊小塊表面 的測量，如發(fā)表于"Proceedings of IEEE，International Conference of Image Processing, Singapore 2004” 禾口 題為“Uniqueness of Blur Measure，，的文章所述 (參 JAL, "Proceedingsof IEEE, International Conference of Image Processing, Singapore2004”， Jerome Buzzi and Frederic Guichard，“Uniqueness of BlurMeasure，，。為了簡便起見，光學系統(tǒng)的模糊從位于銳度平面中的無限小的點的圖像進行測 量，被稱為“脈沖響應”。BXU參數是脈沖響應的方差(也就是其平均表面)。因此，銳度屬性例如可由所遵循的準則定義，該準則涉及在圖像至少一個區(qū)域中的BXU，以及例如焦距的至少一個外界參數值。因此，“圖像中任意位置的BXU銳度彡4”或者 “圖像中任意位置的BXU銳度彡2”或“圖像中任意位置的BXU銳度彡0. 5或2彡BXU彡3” 都是銳度屬性的實例。銳度屬性還可由其它準則定義，例如使用對各種不同光學像差的測量。在一個實施例中，原始對象或圖像、降噪對象和噪聲對象都是RAW圖像，其對應于 這種對象它們的銳度屬性“相機Cl的原始銳度”對應于考慮到在原始對象的獲取過程中 由鏡頭和傳感器插入的模糊的某一模糊級別。還應注 意的是，模糊屬性可能取決于外界參 數，例如圖像中的位置或鏡頭的焦距或顏色。在一變化實施例中，原始圖像，降噪圖像和噪 聲圖像都是具有對應于具有其它銳度屬性的其它類型的對象的其它像素組織形式的RAW 圖像(例如，具有白色、紅色、綠色和藍色像素的全色)。在一變化實施例中，原始圖像、降 噪圖像和噪聲圖像都是RGB或YUV420或YUV422或G圖像，對應于具有其它對應于考慮到 執(zhí)行以獲取這些圖像的處理操作的銳度級別的銳度屬性的其它類型的對象。同樣，轉換對 象和轉換噪聲對象也可能是多種不同的類型并具有多種不同的銳度屬性，例如，屬性“增加 了 2個BxU的相機Cl的原始銳度”。實際上，銳度屬性可能考慮到了對應于圖像中的位置 或對應于例如圖像中位置或鏡頭焦距或顏色的外界參數的銳度變量。圖3示出了本發(fā)明的一示例性實施例，其中第一類型和第二類型的銳度屬性不 同，并且第一和第二處理操作tl和t2改變了銳度屬性。第一類型的銳度屬性“相機Cl銳 度”對應于使用相機Cl對原始圖像進行攝影而獲取的銳度。第二類型的銳度屬性是“BxU 銳度< 1.5”。這些圖像都是具有顏色屬性“顏色G”的圖像，其中所有的像素均具有相同的 顏色G。應用于至少一部分降噪圖像J的處理tl可以對應例如清晰化操作。這操作的目 的是通過使用濾鏡使得數字圖像在視覺上更加銳利。概括來說，它增強了相鄰像素間光強 度中的變化。因此，這是一個相鄰處理過程，若將其應用于噪聲圖像，它具有結構化噪聲的 作用，這是因為在強度中的變化相同的增強可應用于噪聲本身。這一清晰化可被應用于降噪圖像J，然而原始圖像I是包括單一通道或多個通道 的圖像。圖像I甚至可能是某些在前處理操作的結果。幾何結構屬性對應于所遵循的準則，該準則涉及例如與某平面上參考投影相關的 運動；該運動來源于包括鏡頭的捕獲設備和通過用于從某場景獲取圖像的處理操作。幾何 結構屬性還可通過與其它數值相關的準則被定義。幾何結構屬性可由所遵循的準則來定義，該準則涉及例如在圖像至少 一個區(qū)域中的運動和至少一個外界參數，例如焦距。因此，“圖像中任意位置 的幾何結構d2/60000 ( mov ( d2/40000"或者“圖像中任意位置的幾何結構 d2/20000彡mov彡d2/100000”都是幾何結構屬性的實例，其中d表示像素至圖像中心的距 離，并且mov表示關于參考投影的運動。在圖4所示的實施例中，原始對象或圖像、降噪對象以及噪聲對象都是Bayer RAW 圖像，其對應于這種對象它們的幾何結構屬性“RAW Bayer相機Cl幾何結構”對應于關于 橫向色差的形變以及當拍攝原始圖像時由鏡頭引起的失真。應當注意的是，該形變可能取 決于圖像中的位置，以及例如焦距或聚焦等參數。在一變化實施例中，原始圖像、降噪圖像 和噪聲圖像都是具有其它像素組織形式的RAW圖像(例如，具有白色、紅色、綠色和藍色像素的全色)，對應于具有其它幾何結構屬性的其它類型的對象。在一變化實施例中，原始圖 像、降噪圖像和噪聲圖像都是RGB或YUV420或YUV422圖像，對應于具有其它幾何結構屬性 的其它類型的對象。同樣，轉換對象和轉換噪聲對象也可能是多種不同的類型，并具有不同 的幾何結構屬性，例如“為失真校正的原始Bayer相機Cl幾何結構”或“具有1. 1居中范圍 改變的原始Bayer相機Cl幾何結構”或“具有mov < 1像素的原始Bayer幾何結構”。圖4示出了本發(fā)明的一個示例性實施例，其中第一和第二類型的幾何結構屬性是 不同的，并且第一和第二處理操作tl和t2可修改該幾何結構屬性。第一類型的幾何結構 屬性“相機Cl幾何結構”對應于由相機Cl對原始圖像進行攝影而獲取的幾何結構。第二 類型的幾何結構屬性“運動< 1.0幾何結構”。該圖像是顏色屬性為“Bayer原始顏色”的 圖像。處理tl例如通過子像素插值并 由非整數個像素產生運動。處理t2例如通過偶數個 像素產生運動，或者處理t2例如通過整數個像素來產生運動。在一變化例中，第一處理tl和第二處理t2包括對多個不同屬性的修改，例如，對 顏色，并之后對至少一個顏色上的銳度進行修改，或者對幾何結構，并之后對顏色及之后對 至少一個顏色上的銳度進行修改。其具有僅執(zhí)行一次降噪操作的優(yōu)點，并且其使得在具有 顏色屬性“Bayer原始顏色”的圖像上實施較佳的處理操作tl和t2成為可能，它減少了計 算量，這是因為其數據量是具有“RGB顏色”顏色屬性的圖像數據量的三分之一。根據另一實例，處理tl包括對至少一部分降噪圖像J的形變。該形變例如可包括 比例的改變(例如縮放)、將它們的直線特性恢復成圖像的直線失真的校正、旋轉、視差校 正、龜紋現象的校正(當存在高空間頻率時發(fā)生的圖像中有色邊緣的出現，由反鋸齒濾波 器的參數化來校正)、或者對遠景的校正。這類處理構成相鄰處理，如果將其應用于噪聲圖像，則其具有結構化噪聲的作用。 由于成比例的改變或非整數像素部分的像素的相對運動，從而導致為某些未被影響的像素 進行插值的事實。根據另一實例，處理tl包括橫向色差的校正，目的是校正對應于并不是所有的波 長都以相同方式折射通過相機的鏡頭的現象。在彩色圖像的邊緣，實際上，對應于每個顏色 的通道可能是完全分離。處理tl還具有對圖像的每個通道應用不同的形變的原則。根據另一實例，處理tl包括構成降噪圖像J的子像素圖像調整，這就必需插入中 間數值。這類處理可看做對降噪圖像J的重新采樣。根據另一實例，應用于降噪圖像J的處理tl可以是多尺度處理。在這種情況下， 降噪圖像J來源于對原始圖像I的子采樣，并因此可看做不同分辨率的圖像j的集合。通 過舉例說明，與原始圖像I相比，降噪圖像J可包括兩幅每個僅包括一半像素的圖像j。同 樣，能夠獲取每個都具有與相應圖像j相同尺寸的噪聲圖像C的集合。該實例可看做上述 方法的遞歸執(zhí)行。根據另一實例，應用于降噪圖像J的處理tl可能包括壓縮/解壓縮，如果將其應 用于噪聲原始圖像I，可能生成一些偽像。如果合適的話，可以根據需要將不同的壓縮/解 壓縮應用于噪聲圖像。在這種情況下，校正圖像的屬性包括諸如對其它頻率的壓縮/解壓 縮的影響的描述，使得校正圖像和校正噪聲圖像的類型相同。在其它實例中，應用于分降噪圖像J至少一部的處理tl可包括具有一處理，如果 將該處理應用于噪聲圖像，該處理對噪聲有放大作用。
處理tl例如可包括取決于由原始圖像I產生的傳感器靈敏度的放大。這是因為 大部分傳感器的靈敏度根據波長而變化。因此，它們對紅色和綠色射線常比藍色射線更加 靈敏。在例如為RAW類型的原始圖像I情況下，則對應于藍色通道的數值可比對應于紅 色和綠色通道的數值放大得更多。在該放大tl之前執(zhí)行的降噪d，則因此避免對噪聲的相似放大。根據另一實例，處理tl可以包括增加圖像的對比度。如引言所述，簡單地說，增加 對比度包括使暗像素更暗和使亮像素更亮。若將其應用于噪聲圖像，它可能具有以相同方 式放大在圖像中噪聲的效果。應該指出的是，對比度的增加，與其它設想的處理操作相同，可能基于對一個或多 個一維或多維查找表(LUTs)的使用。這些表格存儲應用一項或多項函數根據有預定數值 獲取的結果。它們限制了處理過程中所需的計算量。根據另一實例，處理tl可包括對至少一部分降噪圖像J使用白平衡。這一操作具 有使光譜中性對象變白的作用。因此，無論發(fā)送到對象的原始光譜的特性如何，例如如果是 使用鎢絲照明所產生的黃紅占主要部分的光譜，轉換圖像K將會以白色來顯示該對象，只 要后者返回與原始光譜同類的光譜。這一白平衡例如可由使對應于光譜中性對象的處理圖像部分的數值(R，G，B)相 同或相互接近而獲取。通過這樣做，它將放大這些數值中的某些數值，例如對應于藍色通道 的數值。如果將白平衡應用于噪聲圖像，可能產生對噪聲相似的放大。根據另一實例，應用于至少一部分降噪圖像J的處理tl可能包括對陰影的校正。 該處理旨在校正傳感器布光的不均勻性，也就意味著周邊像素一般接收的光線要少于位于 中心的像素。通過這樣做，通過在每個像素中應用的衰減因子的倒置，它會迅速增加在該像 素中應用的數值。根據另一實例，應用于至少一部分降噪圖像J的處理tl可包括色彩飽和度或“自 然飽和度”。該處理放大了顏色，用于將圖像的外觀接近于明信片的樣子。根據另一實例，應用于至少一部分降噪圖像J的處理tl可包括顏色轉換(例如變 成深褐色)。根據另一實例，其中降噪對象J包括對一系列圖像j的組合，處理tl可應用于這 些圖像j的全部或部分。在這種情況下，例如當使用HDR(“高動態(tài)范圍”)技術時，其使得獲 取同一場景的多個圖像成為可能，具有不同的攝影參數(例如曝光時間、光圈的孔徑等)， 并且因此人為增加傳感器的動態(tài)范圍，即，傳感器的編碼容量。另外，相似的組合對于從對 原始圖像I降噪而產生的大量噪聲圖像中獲取單一噪聲圖像可能是必要的。一些處理操作tl可同時結構化以及放大噪聲。通過舉例的方式，對降噪圖像J模擬電影顆粒產生銀照片的顯示效果，例如，具有 “復古”的效果，可被列舉。如果將本發(fā)明應用于其它非二維數字圖像的對象，適于這些對象特性的處理操作 tl可能會被使用。通過實例的方式，如果原始對象是從影片中提取的一系列圖像，降噪對象J可看 做具有兩個空間維度和一個時間維度的圖像。于是，處理tl可為視頻作壓縮，該視頻壓縮可以將圖像定義為在影片場景中不存在的塊。轉換噪聲圖像的增加傾向于屏蔽掉塊效果， 并使得影片更加宜人。為更加詳細地描述前述處理操作或其它可使用的處理操作的實例，具體可參考 下列文檔:EP02751241. 7，EP02743349. 9，EP02747504. 5，EP02748934. 3，EP02743348. 1， EP02748933. 5，EP02747503. 7，EP02747506. 0, EP02745485. 9 或者 PCT/FR2004/050455。除了應用于降噪圖像J的處理tl和上面已經描述的不同實例外，還將處理t2應 用于噪聲圖像B。在對數字圖像執(zhí)行解矩陣的情況下，參考圖2已經描述過處理t2的一個 實例。還可預見以任意形式彼此組合的其它非限制性實例，并且/或者與應用于降噪圖像 J的處理tl相關，其遵守上述本發(fā)明的基本準則，將在下文中描述。當使用白處理t2時，可有利地包括對噪聲圖像B的修改，它保持噪聲的尺寸，并因 此保持數字顆粒的尺寸。具體地說，圖像B中的噪聲強度可被衰減，并且不存在著將原始圖像I中的有用信 息以相同的方法進行衰減的風險，這是因為通過降噪d的執(zhí)行，噪聲已經從原始圖像I中提 取出來了。應用于噪聲圖像B每個像素的衰減度可以取決于外界參數。該參數可由一用戶決 定。后者例如可選擇將與噪聲圖像B相關的數值衰減10%。衰減還可以根據噪聲圖像B的像素進行改變。通過實例的方式，可確定分別對應 于原始圖像I的像素的噪聲圖像B的像素或降噪圖像J位于暗區(qū)、中間區(qū)和亮區(qū)的噪聲圖 像B的像素應用30%、40%、50%的噪聲衰減。在一變化實例中，或另外，作為原始圖像I或 降噪圖像J中相應像素的顏色的函數，衰減可以根據噪聲圖像B的像素進行改變。在這一方案中，可以認為噪聲圖像B的一個像素對應于原始圖像I或降噪圖像J 的一個像素，只要這兩個像素在其各自所屬的圖像中具有相同的位置的話。在一變化實例 中，原始圖像I或降噪圖像J的多個像素可對應于噪聲圖像B的一個像素例如位于與像素 B相同的位置的I或J的像素，其相鄰像素同樣如此。從而可根據位置準則得出這些像素間 的匹配。根據另一變化例，可從下述方法中得出該匹配例如，如果I或J和B的像素在屬 于相同的對象、與相同的紋理相關、具有相同的顏色范圍等情況下，I或J和B的像素可對 應。根據另一實例，使用的白處理t2可包括對噪聲的修改，以便對顏色進行修改。因此，如果所討論的原始圖像I是彩色圖像，其中各個像素中有三個數值(R，G，B) 是可用的，與I類型相同的噪聲圖像B可被修改，使得在其至少部分像素中的數值(R，G，B) 具有與在圖像I、J或K的對應像素中相同的比值R/G和B/G。同樣，在這種情況下，與噪聲圖像C的各個像素相關的數值因而取決于與噪聲圖 像B以及圖像I、J或K中的對應像素相關的數值。這些像素間的匹配可以任何不同的方式 來定義，正如上所述。這類處理有可能獲取具有與圖像I、J或K基本相同的顏色的轉換噪聲圖像C，并 因此避免在最終圖像F中生成不恰當的顏色點，在最后重新將噪聲插入圖像K之后，并因此 可減少對噪聲的視覺感知。在一變化例中，可使用對噪聲圖像B顏色的降飽和。這樣做，可使得與噪聲圖像B的每個像素相關的數值(R，G，B)相同或近似。因此，這種處理將噪聲圖像C的每個像素與三個數值(R，G，B)相關，這三個數值取決于與噪聲圖像B的相應像素相關的至少一個數值 (R，G，B)。在這種情況下，不像噪聲圖像B，轉換噪聲圖像C已經不再是彩色圖像了。如果噪聲對象B對應于不是圖像的其它數字對象，可使用適用于該對象類型的處 理操作t2。在一實施例中，所述第一類型和所述第二類型對應于具有顏色、幾何結構和銳度 之中至少一個屬性的對象，兩者彼此不同，并且第一處理tl和第二處理t2分別具有修改相 關于降噪對象J和噪聲對象的所述屬性的作用。在所有情況下，都可選擇白處理t2，并且處理t2以與處理tl相同的方式改變對象 類型。例如，如果處理tl改變其所應用的降噪圖像的幾何結構屬性，通過使其經過指定 的幾何結構形變，例如，扭曲、橫向色畸變、尺寸的改變、投影等等，所選擇的處理t2通過一 種相同或相似的方式來改變其所應用的噪聲圖像的幾何結構屬性，。圖4所示為一個對RAW數字圖像的幾何結構進行改變的實例。數字圖 像I是RAW 圖像，最終獲取的圖像也是RAW圖像。處理tl被應用于降噪RAW圖像J，以便獲取轉換RAW圖像K。處理tl包括確定各 個像素K的數值，根據圖像J中非必要全部位置(對應于幾何結構的改變)以及位于該位 置臨近位置的圖像J像素數值的插值。處理tl例如可插值使用對應于圖像K處理過像素 的顏色的圖像J像素數值的雙三次插值。(在Bayer類型的RAW圖像的情況下，各個像素 都僅包含一種顏色的一個數值)。然而，插值僅能有利地涉及對應于不同顏色的像素數值。 將選擇該插值來改變對幾何結構，使其最好地避免信息的損失，并最好地保持圖像K的視 覺質量。可選擇比涉及一種或多種顏色的雙三次插值更復雜的方法。如果將處理tl應用于原始圖像I，它有結構化該圖像所包含的噪聲的效果。實際 上，它包括在引言中定義的相鄰處理(插值)。應當注意的是，處理tl用于降噪圖像J而不 是原始圖像I，其目的正是避免結構化包含在原始圖像中的噪聲。還需要注意的是，轉換圖 像K的像素不需要與降噪圖像J的像素具有相同的類型；因為，圖像的幾何結構可通過處理 tl來改變。處理t2將會引起噪聲圖像B幾何結構的變化，而得到圖像C，并且在最大程度上防 止對噪聲的結構化。例如，處理t2將能夠確定C中各個像素的數值，根據在圖像C中非必 要全部位置(對應于tl所引起的同樣的幾何結構變化)和取得圖像B中最接近該位置的 像素點的數值。于是，所定義的處理t2是白處理，因為它保持噪聲圖像B的準白特性。于 是，可能在一變化的實施例中為t2選取比處理tl涉及更小區(qū)域并保持圖像C準白特性的 插值。此外，因此所獲取的轉換噪聲圖像C與轉換圖像K具有相同的類型。然后，將圖像 C最終插入圖像K，因此，最終有可能獲取具有校正的幾何構造和準白噪聲的RAW圖像F。因此，這一方法的變化例就使得改變RAW圖像的幾何結構同時避免結構化其噪聲 成為可能。在一個更有利的應用于Bayer類型的RAW圖像的圖4實例的變化例中，處理t2將 從圖像B的像素數值中選取或插值圖像C的像素數值，而不考慮各個像素的顏色特性。也 就是說，如果將圖像B和C當作具有一個相同通道的圖像，插值步驟將會起作用。然后，處理t2能夠選取或插值對應初始不同顏色的像素。因此，通過改變幾何結構，圖像B的數值 例如“藍”像素將能從圖像C中的“綠”像素中被發(fā)現。這一變化例的優(yōu)點是使得在一個分 辨率上的運動大于原始RAW圖像的每個顏色通道的運動。這是因為被認為是單通道的圖像 B兩倍于四個顏色面中的任意一個的分辨率。因此，處理t2得到的顆粒大小能夠小于那些 分別考慮了四個通道而獲取的顆粒。處理t2可改變噪聲的顏色，但這并不是問題，因為它 不會結構化噪聲，而且它可更有利地使得噪聲變“灰”，正如之前在解矩陣步驟中所解釋的 那樣。同樣，如圖3所示實例所述，如果處理tl改變它所應用的降噪圖像的銳度特性，例 如使其進行清晰化，則所選取的處理t2將以相同或相似的方式改變其所應用的噪聲圖像 的銳度屬性。然后，處理t2將能夠是一個簡單的與噪聲圖像B的標量乘積。標量取決于由 處理tl引起的清晰化級別。例如，tl將能夠選取卷積方式執(zhí)行清晰化。然后，乘以標量定 義t2將能夠由卷積系數平方和的平方根定義(L2范數)。與標量相乘可保持圖像B的準白 噪聲特性。此外，這對應于與噪聲圖像B的準白特性有關的銳度屬性的改變。因此，這一方 法的變化例使得改變數字圖像銳度同時避免結構化噪聲成為可能。在一變化例中，t2是相同的，并且噪聲圖像B和修改的噪聲圖像C是等同的。例 如，當噪聲圖像B是第一類型且同時滿足第二類型的標準時，這使得簡化計算成為可能，特 別是對于銳度屬性來說。很顯然，處理操作tl和/或t2，除以上所提及的，都能夠在本發(fā)明的發(fā)明內容中實 現，同樣，對所屬技術領域的技術人員來說也是清楚的。也能夠根據這些處理操作所應用的 數字對象的類型來改變這些處理操作。在所有的情況中，轉換對象都可以進行存儲和/或處理，和/或通過圖像檢索系統(tǒng) 進行檢索(例如，屏幕，投影儀，電視機，虛擬現實環(huán)境，打印機等)。本發(fā)明同樣提出一種包括用于實施上述方法的單元的系統(tǒng)。該系統(tǒng)有利地的包括 電子組件，該電子組件包含用于實施所述方法的軟件和/或硬件設備。它可能會包含傳感 器和/或成像儀，和/或任意圖像檢索設備。該系統(tǒng)可以由簡單設備構成。這種情況包括例如，上述所有步驟通過嵌入式設備 來實現，例如，在攝像設備或可能配有的攝像系統(tǒng)的移動電話中，例如，能夠獲取原始圖像I 的照相機。此外，該系統(tǒng)可分布在不同的設備中。例如，一些操作可由第一設備實現，而其它 的操作可由第二設備實現。優(yōu)化的，全部或部分方法都可以通過在計算機單元上加載和執(zhí)行的計算機程序來 實施。因此，在計算機中加載的數字圖像處理軟件，例如，可根據上述原則從原始對象來提 供最終對象。
權利要求
一種處理數字對象的方法，包括下述步驟-對包含噪聲的第一類型的原始對象(I)進行降噪處理，以便獲取所述第一類型的降噪對象(J)；-從原始對象和降噪對象之間的差異(B)中獲取第一類型的準白噪聲對象；-對降噪對象(J)應用包括相鄰處理的第一處理(t1)，所述相鄰處理根據鄰接對象元素的數值轉換某對象元素的數值，以便獲取第二類型的轉換對象(K)，若將第一處理應用于所述原始對象，則所述第一處理具有對原始對象中所包含的噪聲進行結構化的效果；-對噪聲對象應用第二白處理(t2)，以便獲取第二類型的準白轉換噪聲對象(C)；以及-將轉換噪聲對象插入轉換對象(K)中。
2.根據權利要求1所述的方法，其特征在于，所述原始對象、降噪對象、轉換對象、噪聲 對象和轉換噪聲對象中的至少一個包括數字圖像。
3.根據權利要求1或2所述的方法，其特征在于，所述第一類型和所述第二類型對應 于具有顏色、幾何結構和銳度中的至少一種屬性的對象，兩者彼此不同，并且其中第一處理 (tl)和第二處理(t2)分別具有修改與降噪對象(J)和噪聲對象相關的所述屬性的效果。
4.根據上述任一權利要求所述的方法，其特征在于，所述原始對象(I)是RAW類型的圖像。
5.根據上述任一權利要求所述的方法，其特征在于，所述第一處理(tl)包括降噪對象 (J)的解矩陣。
6.根據上述任一權利要求所述的方法，其特征在于，所述第一處理(tl)包括至少部分 降噪對象(J)的清晰化。
7.根據上述任一權利要求所述的方法，其特征在于，所述第一處理(tl)包括至少部分 降噪對象(J)的變形。
8.根據上述任一權利要求所述的方法，其特征在于，所述第二處理(t2)將噪聲對象的 各個元素與取決于與對應于原始對象(I)和降噪對象(J)之間差異(B)的至少一個元素的 相關數值的至少一個數值關聯。
9.根據權利要求8所述的方法，其特征在于，所述第一數值與原始對象(I)和降噪對象 (J)之間差異(B)的各個元素相關聯，所述第一數值與多個通道中的一個通道有關，并且其 中除了與原始對象(I)和降噪對象(J)之間差異(B)中的相應元素關聯的所述第一數值之 夕卜，第二處理(t2)將所述噪聲對象的各個元素與至少一個第二數值關聯，該第二數值分別 與所述大量通道中的另一通道有關，該第二數值參考所述第一數值來確定。
10.根據上述任一權利要求所述的方法，其特征在于，所述第二處理(t2)將噪聲對象 的各個元素與取決于與原始對象(I)、降噪對象(J)和轉換對象(K)中的至少一個對象的至 少一個相應元素的一個數值相關的至少一個數值關聯。
11.根據上述任一權利要求所述的方法，其特征在于，所述第二處理(t2)將噪聲對象 的每個元素與取決于至少一個外界參數的至少一個數值關聯。
12.一種用于處理數字對象的系統(tǒng)，可構成實施根據上述一權利要求所述的方法，該系 統(tǒng)包括-用于對包含噪聲的第一類型的原始對象(I)進行降噪處理，以便獲取所述第一類型 的降噪對象(J)的單元；-用于從原始對象和降噪對象之間差異(B)中獲取第一類型的準白噪聲對象的單元；-用于對降噪對象(J)應用包括相鄰處理的第一處理(tl)，該相鄰處理根據鄰接對象 元素的數值轉換某對象元素的數值，以便獲取第二類型的轉換對象(K)的單元，若將第一 處理應用于所述原始對象，則該第一處理具有對原始對象中所包含的噪聲進行結構化的作 用；-用于對噪聲對象應用第二白處理(t2)以便獲取第二類型的準白轉換噪聲對象(C)的 單元；以及_用于將轉換噪聲對象插入轉換對象(K)中的單元。
13.根據權利要求12所述的系統(tǒng)，還包括圖像捕獲裝置和/或圖像檢索裝置。
14.用于實施根據權利要求1至11中任一權利要求所述方法的計算機程序產品，該計 算機程序產品包括當被載入并在計算機裝置中執(zhí)行時用于執(zhí)行下述步驟的代碼化指令-對包含噪聲的第一類型的原始對象(I)進行降噪處理，以便獲取所述第一類型的降 噪對象(J)；-從原始對象和降噪對象之間差異(B)中獲取第一類型的準白噪聲對象；-對降噪對象(J)應用包括相鄰處理的第一處理(tl)，該相鄰處理根據鄰接對象元素 的數值轉換某對象元素的數值，以便獲取第二類型的轉換對象(K)，若將第一處理應用于所 述原始對象，則該第一處理可具有對原始對象中所包含的噪聲進行結構化的效果；-對噪聲對象應用第二白處理(t2)，以便獲取第二類型的準白轉換噪聲對象(C)；以及-將轉換噪聲對象插入轉換對象(K)中。
全文摘要
本發(fā)明涉及數字對象的處理，包括；消除包含噪聲的第一類型的原始圖像(I)的噪聲，以便獲取第一類型的無噪聲對象(J)；從該原始對象與該無噪聲對象的差異(B)中獲取具有第一類型準白噪聲對象；對無噪聲對象應用具有相鄰處理的第一處理，以便獲取第二類型的轉換對象(K)，如果所述第一處理應用于所述原始對象，則其對原始對象所包含的噪聲進行結構化；對噪聲對象應用第二白處理(t2)，以便獲取第二類型的準白轉換噪聲對象(C)；以及將轉換對象(K)插入轉換噪聲對象中。
文檔編號G06T5/00GK101821772SQ200880111316
公開日2010年9月1日 申請日期2008年8月7日 優(yōu)先權日2007年8月7日
發(fā)明者努拉·阿扎博, 安東尼·布阿德斯, 巴托洛梅·科爾, 弗雷德里克·古查德, 弗雷德里克·曹, 簡-米歇爾·莫瑞 申請人:德克索實驗室