本發(fā)明涉及圖像處理領(lǐng)域，尤其涉及一種視頻去噪的方法及裝置。

背景技術(shù)：

在視頻編解碼過程中，需要對(duì)原始視頻數(shù)據(jù)進(jìn)行壓縮，常用的壓縮編碼算法通常帶有系數(shù)量化過程，而量化過程的不可逆性會(huì)造成最終解碼的視頻數(shù)據(jù)中存在大量的蚊式噪聲，蚊式噪聲大多圍繞在字體或者物體邊緣附近，造成視頻質(zhì)量的下降，同時(shí)帶有蚊式噪聲的視頻畫面讓觀看者感覺很“臟”，影響觀看者的視覺感受。為了解決上述問題，對(duì)解碼后的視頻進(jìn)行蚊式去噪的操作，使得最終的視頻看上去畫面干凈，提升觀看者的視覺感受和視頻質(zhì)量。

目前，去除蚊式噪聲的常用方法是采用低通濾波的方法，但是常用的低通濾波器存在如下問題：1、對(duì)整幅圖像進(jìn)行濾波；2、低通濾波器強(qiáng)度不能靈活調(diào)整，造成高頻細(xì)節(jié)分量的丟失，造成視頻模糊。

所以，現(xiàn)有技術(shù)中并不存在一種合適的去除視頻中蚊式噪聲的方法。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明實(shí)施例期望提供一種視頻去噪的方法及裝置，以實(shí)現(xiàn)在去除視頻中存在的蚊式噪聲的同時(shí)，保留了視頻中的細(xì)節(jié)，提升觀看者的視覺感受和視頻質(zhì)量。

為達(dá)到上述目的，本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：

第一方面，本發(fā)明實(shí)施例提供一種視頻去噪的方法，包括：檢測(cè)目標(biāo)視頻的輸入圖像，獲得所述輸入圖像中每一個(gè)像素的蚊式噪聲概率；對(duì)所述輸入圖像進(jìn)行低通濾波，獲得所述每一像素所對(duì)應(yīng)的濾波后的像素值；基于所述蚊式噪聲概率，對(duì)所述濾波后的像素值以及所述輸入圖像的像素值進(jìn)行加權(quán)處理， 獲得輸出圖像的像素值，并輸出所述輸出圖像。

在上述方案中，所述檢測(cè)目標(biāo)視頻的輸入圖像，獲得所述輸入圖像中每一個(gè)像素的蚊式噪聲概率，包括：檢測(cè)所述目標(biāo)視頻的輸入圖像，獲得所述輸入圖像中每一個(gè)像素的像素類型；基于所述每一個(gè)像素的像素類型，對(duì)所述輸入圖像中所述每一個(gè)像素進(jìn)行蚊式噪聲概率估計(jì)，獲得所述每一個(gè)像素的蚊式噪聲概率。

在上述方案中，所述檢測(cè)目標(biāo)視頻的輸入圖像，獲得所述輸入圖像中每一個(gè)像素的像素類型，包括：對(duì)所述輸入圖像進(jìn)行梯度檢測(cè)，獲得所述輸入圖像的每一個(gè)像素的梯度值；對(duì)所述輸入圖像進(jìn)行局部邊緣檢測(cè)，獲得所述輸入圖像的每一個(gè)像素的邊緣信息值；基于所述梯度值以及所述邊緣信息值，確定所述輸入圖像的每一個(gè)像素的像素類型。

在上述方案中，所述基于所述梯度值以及所述邊緣信息值，確定所述輸入圖像的每一個(gè)像素的像素類型，包括：當(dāng)?shù)趇個(gè)像素的所述梯度值大于等于所述第i個(gè)像素的所述邊緣信息值與第一預(yù)設(shè)值之積時(shí)，將所述第i個(gè)像素的像素類型確定為邊緣像素，其中，i為正整數(shù)；當(dāng)所述第i個(gè)像素的所述梯度值小于所述第i個(gè)像素的所述邊緣信息值與第一預(yù)設(shè)值之積，且大于等于所述第i個(gè)像素的所述邊緣信息值與第二預(yù)設(shè)值之積時(shí)，將所述第i個(gè)像素的像素類型確定為細(xì)節(jié)像素，其中，所述第一預(yù)設(shè)值不同于所述第二預(yù)設(shè)值；當(dāng)所述第i個(gè)像素的所述梯度值小于所述第i個(gè)像素的所述邊緣信息值與所述第一預(yù)設(shè)值之積，且小于所述第i個(gè)像素的所述邊緣信息值與所述第二預(yù)設(shè)值之積時(shí)，將所述第i個(gè)像素的像素類型確定為平坦像素。

在上述方案中，所述對(duì)所述輸入圖像進(jìn)行低通濾波，獲得所述每一像素所對(duì)應(yīng)的濾波后的像素值，包括：基于所述每一個(gè)像素的邊緣信息值和所述輸入圖像的像素值進(jìn)行低通雙邊濾波，獲得所述每一像素所對(duì)應(yīng)的濾波后的像素值。

在上述方案中，所述基于所述每一個(gè)像素的像素類型，對(duì)所述輸入圖像中所述每一個(gè)像素進(jìn)行蚊式噪聲概率估計(jì)，獲得所述每一個(gè)像素的蚊式噪聲概率，包括：對(duì)第i個(gè)像素以及M個(gè)鄰域像素的像素類型進(jìn)行統(tǒng)計(jì)，其中，所述鄰域 像素為所述第i個(gè)像素周圍的像素；基于統(tǒng)計(jì)結(jié)果，確定所述第i個(gè)像素的蚊式噪聲概率。

在上述方案中，所述基于統(tǒng)計(jì)結(jié)果，確定所述第i個(gè)像素的蚊式噪聲概率，包括：基于所述第i個(gè)像素以及所述M個(gè)像素中像素類型為平坦像素的像素?cái)?shù)目占像素類型為細(xì)節(jié)像素的像素?cái)?shù)目與像素類型為邊緣像素的像素?cái)?shù)目之和的比例，確定所述第i個(gè)像素的蚊式噪聲概率。

第二方面，本發(fā)明實(shí)施例提供一種視頻去噪裝置，包括：檢測(cè)單元、濾波單元以及輸出單元；其中，所述檢測(cè)單元，用于檢測(cè)目標(biāo)視頻的輸入圖像，獲得所述輸入圖像中每一個(gè)像素的蚊式噪聲概率；所述濾波單元，用于對(duì)所述輸入圖像進(jìn)行低通濾波，獲得所述每一像素所對(duì)應(yīng)的濾波后的像素值；所述輸出單元，用于基于所述蚊式噪聲概率，對(duì)所述濾波后的像素值以及所述輸入圖像的像素值進(jìn)行加權(quán)處理，獲得輸出圖像的像素值，并輸出所述輸出圖像。

在上述方案中，所述檢測(cè)單元，具體包括：像素類型檢測(cè)單元，用于檢測(cè)所述目標(biāo)視頻的輸入圖像，獲得所述輸入圖像中每一個(gè)像素的像素類型；噪聲概率估計(jì)單元，用于基于所述每一個(gè)像素的像素類型，對(duì)所述輸入圖像中所述每一個(gè)像素進(jìn)行蚊式噪聲概率估計(jì)，獲得所述每一個(gè)像素的蚊式噪聲概率。

在上述方案中，所述像素類型檢測(cè)單元，具體包括：梯度檢測(cè)單元，用于對(duì)所述輸入圖像進(jìn)行梯度檢測(cè)，獲得所述輸入圖像的每一個(gè)像素的梯度值；邊緣檢測(cè)單元，用于對(duì)所述輸入圖像進(jìn)行局部邊緣檢測(cè)，獲得所述輸入圖像的每一個(gè)像素的邊緣信息值；像素類型確定單元，用于基于所述梯度值以及所述邊緣信息值，確定所述輸入圖像的每一個(gè)像素的像素類型。

在上述方案中，所述像素類型確定單元，具體用于當(dāng)?shù)趇個(gè)像素的所述梯度值大于等于所述第i個(gè)像素的所述邊緣信息值與第一預(yù)設(shè)值之積時(shí)，將所述第i個(gè)像素的像素類型確定為邊緣像素，其中，i為正整數(shù)；還用于當(dāng)所述第i個(gè)像素的所述梯度值小于所述第i個(gè)像素的所述邊緣信息值與第一預(yù)設(shè)值之積，且大于等于所述第i個(gè)像素的所述邊緣信息值與第二預(yù)設(shè)值之積時(shí)，將所述第i個(gè)像素的像素類型確定為細(xì)節(jié)像素，其中，所述第一預(yù)設(shè)值不同于所述第二預(yù) 設(shè)值；還用于當(dāng)所述第i個(gè)像素的所述梯度值小于所述第i個(gè)像素的所述邊緣信息值與所述第一預(yù)設(shè)值之積，且小于所述第i個(gè)像素的所述邊緣信息值與所述第二預(yù)設(shè)值之積時(shí)，將所述第i個(gè)像素的像素類型確定為平坦像素。

在上述方案中，所述濾波單元，具體用于基于所述每一個(gè)像素的邊緣信息值和所述輸入圖像的像素值進(jìn)行低通雙邊濾波，獲得所述每一像素所對(duì)應(yīng)的濾波后的像素值。

在上述方案中，所述噪聲概率估計(jì)單元，具體包括：像素類型統(tǒng)計(jì)單元，用于對(duì)第i個(gè)像素以及M個(gè)鄰域像素的像素類型進(jìn)行統(tǒng)計(jì)，其中，所述鄰域像素為所述第i個(gè)像素周圍的像素；概率計(jì)算單元，用于基于統(tǒng)計(jì)結(jié)果，確定所述第i個(gè)像素的蚊式噪聲概率。

在上述方案中，所述概率計(jì)算單元，具體用于基于所述第i個(gè)像素以及所述M個(gè)像素中像素類型為平坦像素的像素?cái)?shù)目占像素類型為細(xì)節(jié)像素的像素?cái)?shù)目與像素類型為邊緣像素的像素?cái)?shù)目之和的比例，確定所述第i個(gè)像素的蚊式噪聲概率。

本發(fā)明實(shí)施例提供了一種視頻去噪的方法及裝置，該裝置檢測(cè)目標(biāo)視頻的輸入圖像，獲得輸入圖像中每一個(gè)像素的蚊式噪聲概率，同時(shí)，對(duì)輸入圖像進(jìn)行低通濾波，獲得每一像素所對(duì)應(yīng)的濾波后的像素值；然后，基于蚊式噪聲概率，對(duì)濾波后的像素值以及輸入圖像的像素值進(jìn)行加權(quán)處理，獲得輸出圖像的像素值，并輸出該輸出圖像。也就是說，對(duì)于目標(biāo)視頻的每一幀圖像來說，僅對(duì)蚊式噪聲概率比較大的像素進(jìn)行濾波，其它的像素不進(jìn)行處理，如此，不僅能夠去除視頻中存在的蚊式噪聲，同時(shí)也保留了視頻中的細(xì)節(jié)，提升觀看者的視覺感受和視頻質(zhì)量。

附圖說明

圖1為本發(fā)明實(shí)施例中的視頻去噪的方法流程示意圖；

圖2為本發(fā)明實(shí)施例中的獲得每一個(gè)像素蚊式噪聲概率的方法流程示意圖；

圖3為本發(fā)明實(shí)施例中的3×3的模板的示意圖；

圖4為本發(fā)明實(shí)施例中的11×11的模板的示意圖

圖5為本發(fā)明實(shí)施例中的5×5的模板的示意圖；

圖6為本發(fā)明實(shí)施例中的函數(shù)w_i,j的曲線的示意圖；

圖7為本發(fā)明實(shí)施例中的函數(shù)edge_gain_i,j的曲線的示意圖；

圖8為本發(fā)明實(shí)施例中的視頻去噪裝置的結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述。

本發(fā)明實(shí)施例提供一種視頻去噪的方法，應(yīng)用于視頻去噪裝置中，該裝置可以設(shè)置在如智能手機(jī)、平板電腦、智能電視、多媒體播放器等中，本發(fā)明不做具體限定。

參見圖1所示，該方法包括：

S101：檢測(cè)目標(biāo)視頻的輸入圖像，獲得輸入圖像中每一個(gè)像素的蚊式噪聲概率；

在具體實(shí)施過程中，參見圖2所示，S101可以包括：

S201：檢測(cè)目標(biāo)視頻的輸入圖像，獲得輸入圖像中每一個(gè)像素的像素類型；

在實(shí)際應(yīng)用中，S201包括：對(duì)輸入圖像進(jìn)行梯度檢測(cè)，獲得輸入圖像的每一個(gè)像素的梯度值；對(duì)輸入圖像進(jìn)行局部邊緣檢測(cè)，獲得輸入圖像的每一個(gè)像素的邊緣信息值；基于梯度值以及邊緣信息值，確定輸入圖像的每一個(gè)像素的像素類型。

這里，梯度檢測(cè)過程主要用于檢測(cè)當(dāng)前點(diǎn)的梯度，而局部邊緣檢測(cè)過程主要用于檢測(cè)當(dāng)前像素周圍是否存在與當(dāng)前像素差異較大的像素。上述兩個(gè)處理過程可以同時(shí)進(jìn)行，也可以先后依次進(jìn)行，本發(fā)明不做具體限定。

首先，介紹梯度檢測(cè)流程。

例如，梯度檢測(cè)模板為如圖3所示的3×3的模板，梯度檢測(cè)輸出記為grad， 每一個(gè)像素對(duì)應(yīng)一個(gè)梯度值。那么，對(duì)于上述模板中內(nèi)第i個(gè)像素，即中心點(diǎn)(0，0)的像素值x_0,0的梯度值grad_0,0，可以通過以下公式(1)獲得：

其中，MAX表示取所有數(shù)據(jù)的最大值，x_i,j表示模板內(nèi)相對(duì)中心點(diǎn)(0，0)偏移量是(i，j)的周邊像素的像素值，abs(x_0,0-x_i,j)為模板內(nèi)相對(duì)中心點(diǎn)(0，0)偏移量取整后的絕對(duì)值。

可以理解地，這里的3×3模板只是一個(gè)例子，任何其它大小的模板都可以用來作為模板的，本發(fā)明不做具體限定。

接下來，介紹局部邊緣檢測(cè)過程。

例如，局部邊緣檢測(cè)模板仍為如圖4所示的11×11的模板，局部邊緣檢測(cè)輸出記為edge，每一個(gè)像素對(duì)應(yīng)一個(gè)邊緣信息值，那么，對(duì)于上述模板中內(nèi)第i個(gè)像素，即中心點(diǎn)(0，0)的像素值x_0,0的邊緣信息值edge_0,0，可以通過以下公式(2)獲得。

其中，MAX表示取所有數(shù)據(jù)的最大值，x_i,j表示模板內(nèi)相對(duì)中心點(diǎn)(0，0)偏移量是(i，j)的周邊像素的像素值，abs(x_0,0-x_i,j)為模板內(nèi)相對(duì)中心點(diǎn)(0，0)偏移量取整后的絕對(duì)值。

需要說明的是，在進(jìn)行局部邊緣檢測(cè)時(shí)，任何其它大小的模板都可以用來作為模板的，較優(yōu)地，要大于梯度檢測(cè)時(shí)模板的大小。

那么，在獲得每一個(gè)像素的梯度值和邊緣信息值之后，基于這兩個(gè)值來判斷每一個(gè)像素的像素類型了。

具體來說，將像素類型分為3類，即平坦像素(FLAT)、細(xì)節(jié)像素(TEXTURE)、邊緣像素(EDGE)，那么，當(dāng)通過上述過程獲得的第i個(gè)像素的梯度值大于等于第i個(gè)像素的邊緣信息值與第一預(yù)設(shè)值之積時(shí)，將第i個(gè)像素的像素類型確定為邊緣像素；當(dāng)?shù)趇個(gè)像素的梯度值小于第i個(gè)像素的邊緣信息 值與第一預(yù)設(shè)值之積，且大于等于第i個(gè)像素的邊緣信息值與第二預(yù)設(shè)值之積時(shí)，將第i個(gè)像素的像素類型確定為細(xì)節(jié)像素；當(dāng)?shù)趇個(gè)像素的梯度值小于第i個(gè)像素的邊緣信息值與第一預(yù)設(shè)值之積，且小于第i個(gè)像素的邊緣信息值與第二預(yù)設(shè)值之積時(shí)，將第i個(gè)像素的像素類型確定為平坦像素。

這里，第一預(yù)設(shè)值為當(dāng)像素類型為邊緣像素時(shí)，像素的梯度值和邊緣信息值比例的下限，第二預(yù)設(shè)值為當(dāng)像素類型為細(xì)節(jié)像素時(shí)，像素的梯度值和邊緣信息值比例的下限。第一預(yù)設(shè)值與第二預(yù)設(shè)值不相同，這兩個(gè)參數(shù)都為系統(tǒng)輸入?yún)?shù)，可以根據(jù)用戶不同需求進(jìn)行配置，較優(yōu)地，第一預(yù)設(shè)值配置為0.6，第二預(yù)設(shè)值配置為0.2。

例如，每一個(gè)像素的像素類型記為type，那么，圖像空間坐標(biāo)為(m，n)的像素的像素類型type_m,n，具體可以通過公式(3)獲得。

其中，reg_edge_ratio表示上述第一預(yù)設(shè)值，reg_text_ratio表示上述第二預(yù)設(shè)值。grad_i,j表示模板內(nèi)相對(duì)中心點(diǎn)(0，0)偏移量是(i，j)的周邊像素的梯度值，edge_i,j表示模板內(nèi)相對(duì)中心點(diǎn)(0，0)偏移量是(i，j)的周邊像素的邊緣信息值。

S202：基于每一個(gè)像素的像素類型，對(duì)輸入圖像中每一個(gè)像素進(jìn)行蚊式噪聲概率估計(jì)，獲得每一個(gè)像素的蚊式噪聲概率。

具體來說，通過S201獲得的每一個(gè)像素的像素類型之后，在對(duì)當(dāng)前像素進(jìn)行蚊式噪聲概率時(shí)，首先，取當(dāng)前像素周圍一定范圍內(nèi)的M個(gè)像素，然后，對(duì)這M+1個(gè)像素，即第i個(gè)像素及第i個(gè)像素周圍的M個(gè)像素的像素類型進(jìn)行統(tǒng)計(jì)，然后，基于統(tǒng)計(jì)結(jié)果，確定第i個(gè)像素的蚊式噪聲概率。如果得到的蚊式噪聲概率數(shù)值越大，則表示第i個(gè)像素是蚊式噪聲的可能性越大，反之，則表示第i個(gè)像素是蚊式噪聲的可能性越小。

例如，蚊式噪聲概率估計(jì)所使用的模板為如圖5所示的5×5的模板，蚊式 噪聲概率輸出記為probability，每一個(gè)像素對(duì)應(yīng)一個(gè)蚊式噪聲概率。那么，對(duì)于上述模板中內(nèi)第i個(gè)像素，即中心點(diǎn)(0，0)的像素值x_0,0的蚊式噪聲概率值posibility_0,0，可以通過以下公式(4)獲得。

其中，type_i,j表示模板內(nèi)相對(duì)中心點(diǎn)(0，0)偏移量為(i，j)的像素的像素類型，type_i,j＝＝FLAT表示模板內(nèi)相對(duì)中心點(diǎn)(0，0)偏移量為(i，j)的像素的像素類型為平坦像素，type_i,j＝＝TEXTURE表示模板內(nèi)相對(duì)中心點(diǎn)(0，0)偏移量為(i，j)的像素的像素類型為細(xì)節(jié)像素，type_i,j＝＝EDGE表示模板內(nèi)相對(duì)中心點(diǎn)(0，0)偏移量為(i，j)的像素的像素類型為邊緣像素。

可以理解地，這里的5×5模板只是一個(gè)例子，任何其它大小的模板都可以用來作為模板的，本發(fā)明不做具體限定。

S102：對(duì)輸入圖像進(jìn)行低通濾波，獲得每一像素所對(duì)應(yīng)的濾波后的像素值；

具體來說，在執(zhí)行S101的同時(shí)，還可以并行執(zhí)行S102，對(duì)輸入圖像進(jìn)行雙邊低通濾波，獲得濾波圖像，這樣，也就得到了每一像素所對(duì)應(yīng)的濾波后的像素值。

進(jìn)一步地，為了極好的保留輸入圖像的細(xì)節(jié)邊緣，并去除蚊式噪聲，S102還可以包括：基于每一個(gè)像素的邊緣信息值和輸入圖像的像素值進(jìn)行低通雙邊濾波，獲得每一像素所對(duì)應(yīng)的濾波后的像素值。

例如，低通雙邊濾波模板為如圖3所示的3×3模板，低通雙邊濾波輸出記為flt，每一個(gè)像素對(duì)應(yīng)一個(gè)濾波后的像素值。那么，對(duì)于上述模板中內(nèi)第i個(gè)像素，即中心點(diǎn)(0，0)的像素值x_0,0的濾波后的像素值flt_0,0，可以通過以下公式(5)獲得。

其中，x_i,j表示上述模板內(nèi)相對(duì)中心點(diǎn)(0，0)偏移量為(i，j)的領(lǐng)域像素，w_i,j表示上述模板內(nèi)領(lǐng)域像素與中心點(diǎn)(0，0)差值的絕對(duì)值的函數(shù)，edge_gain_i,j是上述模板內(nèi)相對(duì)中心點(diǎn)(0，0)偏移量為(i，j)的領(lǐng)域像素的邊緣強(qiáng)度增益，是在局部邊緣檢測(cè)過程中獲得的。

在具體實(shí)施過程中，w_i,j可以通過以下公式(6)獲得，同時(shí)可以參照如圖6所示的曲線。

其中，reg_diff_low表示兩個(gè)鄰域像素差值的絕對(duì)值的下限，reg_diff_high表示兩個(gè)鄰域像素差值的絕對(duì)值的上限，是將的值限制在區(qū)間[0,1]內(nèi)。上述reg_diff_low和reg_diff_high為系統(tǒng)輸入?yún)?shù)，可根據(jù)用戶的需求進(jìn)行配置，較優(yōu)地，reg_diff_low配置為30，reg_diff_high配置為100。

進(jìn)一步地，上述函數(shù)CLIP(h，low，high)可以通過以下公式(7)實(shí)現(xiàn)。

進(jìn)一步地，由于使用的為如圖3所示的3×3模板，那么，該模板內(nèi)所有鄰域像素的edge_gain_i,j相等，都等于中心點(diǎn)(0，0)的邊緣強(qiáng)度增益。那么，edge_gain_i,j可以通過以下公式(8)獲得，同時(shí)可以參照如圖7所示的曲線。

其中，reg_gain_thr_low表示鄰域像素的邊緣信息值的下限，reg_gain_thr_high表示鄰域像素的邊緣信息值的上限，edge_0,0表示上述模板內(nèi)中心點(diǎn)(0，0)的邊緣強(qiáng)度增益。

上述reg_gain_thr_low和reg_gain_thr_high為系統(tǒng)輸入?yún)?shù)，可根據(jù)用戶的需求進(jìn)行配置，較優(yōu)地，reg_gain_thr_low配置為128，reg_gain_thr_high配置為256。

在實(shí)際應(yīng)用中，對(duì)輸入圖像進(jìn)行低通濾波的算法除了上述低通雙邊濾波算法之外，還可以為其它現(xiàn)有低通雙邊濾波算法，本發(fā)明不做具體限定。

總之，通過上述步驟即可獲得每一個(gè)像素對(duì)應(yīng)的濾波后的像素值。

S103：基于蚊式噪聲概率，對(duì)濾波后的像素值以及輸入圖像的像素值進(jìn)行加權(quán)處理，確定輸出圖像的像素值，并輸出輸出圖像；

具體來說，通過以下公式(9)對(duì)對(duì)濾波后的像素值以及輸入圖像的像素值進(jìn)行加權(quán)處理。

xout_m,n＝probability_m,n×flt_m,n+(1-probability_m,n)×x_m,n (9)

其中，xout_m,n表示圖像空間坐標(biāo)為(m，n)的輸出圖像的像素值，probability_m,n表示圖像空間坐標(biāo)為(m，n)的蚊式噪聲概率值，x_m,n表示圖像空間坐標(biāo)為(m，n)的輸入圖像的像素值，flt_m,n表示圖像空間坐標(biāo)為(m，n)的濾波后的像素值。

然后，通過上述加權(quán)處理之后，得到每一像素所對(duì)應(yīng)的輸出圖像的像素值，最后，輸出該輸出圖像。

至此，便完成了對(duì)目標(biāo)視頻中一幀輸入圖像的去噪過程，對(duì)于該視頻中每一幀輸入圖像均執(zhí)行以上步驟進(jìn)行去噪，在此不再一一贅述。

由上述可知，對(duì)于目標(biāo)視頻的每一幀圖像來說，通過僅對(duì)蚊式噪聲概率比較大的像素進(jìn)行濾波，其它的像素不進(jìn)行處理，如此，不僅能夠去除視頻中存在的蚊式噪聲，同時(shí)也保留了視頻中的細(xì)節(jié)，提升觀看者的視覺感受和視頻質(zhì)量。

基于同一發(fā)明構(gòu)思，本發(fā)明實(shí)施例還提供一種視頻去噪裝置，與上述一個(gè)或者多個(gè)實(shí)施例中所述的視頻去噪裝置一致。

參見圖8所示，該裝置包括：檢測(cè)單元1、濾波單元2以及輸出單元3；其 中，檢測(cè)單元1，用于檢測(cè)目標(biāo)視頻的輸入圖像，獲得輸入圖像中每一個(gè)像素的蚊式噪聲概率；濾波單元2，用于對(duì)輸入圖像進(jìn)行低通濾波，獲得每一像素所對(duì)應(yīng)的濾波后的像素值；輸出單元3，用于基于蚊式噪聲概率，對(duì)濾波后的像素值以及輸入圖像的像素值進(jìn)行加權(quán)處理，獲得輸出圖像的像素值，并輸出所述輸出圖像。

在上述方案中，檢測(cè)單元1，具體包括：像素類型檢測(cè)單元，用于檢測(cè)目標(biāo)視頻的輸入圖像，獲得輸入圖像中每一個(gè)像素的像素類型；噪聲概率估計(jì)單元，用于基于每一個(gè)像素的像素類型，對(duì)輸入圖像中每一個(gè)像素進(jìn)行蚊式噪聲概率估計(jì)，獲得每一個(gè)像素的蚊式噪聲概率。

在上述方案中，像素類型檢測(cè)單元，具體包括：梯度檢測(cè)單元，用于對(duì)輸入圖像進(jìn)行梯度檢測(cè)，獲得輸入圖像的每一個(gè)像素的梯度值；邊緣檢測(cè)單元，用于對(duì)輸入圖像進(jìn)行局部邊緣檢測(cè)，獲得輸入圖像的每一個(gè)像素的邊緣信息值；像素類型確定單元，用于基于梯度值以及邊緣信息值，確定輸入圖像的每一個(gè)像素的像素類型。

在上述方案中，像素類型確定單元，具體用于當(dāng)?shù)趇個(gè)像素的梯度值大于等于第i個(gè)像素的邊緣信息值與第一預(yù)設(shè)值之積時(shí)，將第i個(gè)像素的像素類型確定為邊緣像素，其中，i為正整數(shù)；還用于當(dāng)?shù)趇個(gè)像素的梯度值小于第i個(gè)像素的邊緣信息值與第一預(yù)設(shè)值之積，且大于等于第i個(gè)像素的邊緣信息值與第二預(yù)設(shè)值之積時(shí)，將第i個(gè)像素的像素類型確定為細(xì)節(jié)像素，其中，第一預(yù)設(shè)值不同于第二預(yù)設(shè)值；還用于當(dāng)?shù)趇個(gè)像素的梯度值小于第i個(gè)像素的邊緣信息值與第一預(yù)設(shè)值之積，且小于第i個(gè)像素的邊緣信息值與第二預(yù)設(shè)值之積時(shí)，將第i個(gè)像素的像素類型確定為平坦像素。

在上述方案中，濾波單元2，具體用于基于每一個(gè)像素的邊緣信息值和輸入圖像的像素值進(jìn)行低通雙邊濾波，獲得每一像素所對(duì)應(yīng)的濾波后的像素值。

在上述方案中，噪聲概率估計(jì)單元，具體包括：像素類型統(tǒng)計(jì)單元，用于對(duì)第i個(gè)像素以及M個(gè)鄰域像素的像素類型進(jìn)行統(tǒng)計(jì)，其中，鄰域像素為第i個(gè)像素周圍的像素；概率計(jì)算單元，用于基于統(tǒng)計(jì)結(jié)果，確定第i個(gè)像素的蚊 式噪聲概率。

在上述方案中，概率計(jì)算單元，具體用于基于第i個(gè)像素以及M個(gè)像素中像素類型為平坦像素的像素?cái)?shù)目占像素類型為細(xì)節(jié)像素的像素?cái)?shù)目與像素類型為邊緣像素的像素?cái)?shù)目之和的比例，確定第i個(gè)像素的蚊式噪聲概率。

這里需要指出的是，以上裝置實(shí)施例的描述，與上述方法實(shí)施例的描述是類似的，具有同方法實(shí)施例相似的有益效果，因此不做贅述。對(duì)于本發(fā)明裝置實(shí)施例中未披露的技術(shù)細(xì)節(jié)，請(qǐng)參照本發(fā)明方法實(shí)施例的描述而理解，為節(jié)約篇幅，因此不再贅述。

本領(lǐng)域內(nèi)的技術(shù)人員應(yīng)明白，本發(fā)明的實(shí)施例可提供為方法、系統(tǒng)、或計(jì)算機(jī)程序產(chǎn)品。因此，本發(fā)明可采用硬件實(shí)施例、軟件實(shí)施例、或結(jié)合軟件和硬件方面的實(shí)施例的形式。而且，本發(fā)明可采用在一個(gè)或多個(gè)其中包含有計(jì)算機(jī)可用程序代碼的計(jì)算機(jī)可用存儲(chǔ)介質(zhì)(包括但不限于磁盤存儲(chǔ)器和光學(xué)存儲(chǔ)器等)上實(shí)施的計(jì)算機(jī)程序產(chǎn)品的形式。

本發(fā)明是參照根據(jù)本發(fā)明實(shí)施例的方法、設(shè)備(系統(tǒng))、和計(jì)算機(jī)程序產(chǎn)品的流程圖和/或方框圖來描述的。應(yīng)理解可由計(jì)算機(jī)程序指令實(shí)現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合?？商峁┻@些計(jì)算機(jī)程序指令到通用計(jì)算機(jī)、專用計(jì)算機(jī)、嵌入式處理機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器以產(chǎn)生一個(gè)機(jī)器，使得通過計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器執(zhí)行的指令產(chǎn)生用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能的裝置。

這些計(jì)算機(jī)程序指令也可存儲(chǔ)在能引導(dǎo)計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備以特定方式工作的計(jì)算機(jī)可讀存儲(chǔ)器中，使得存儲(chǔ)在該計(jì)算機(jī)可讀存儲(chǔ)器中的指令產(chǎn)生包括指令裝置的制造品，該指令裝置實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能。

這些計(jì)算機(jī)程序指令也可裝載到計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備上，使得在計(jì)算機(jī)或其他可編程設(shè)備上執(zhí)行一系列操作步驟以產(chǎn)生計(jì)算機(jī)實(shí)現(xiàn)的處理，從而在計(jì)算機(jī)或其他可編程設(shè)備上執(zhí)行的指令提供用于實(shí)現(xiàn)在流程圖一個(gè) 流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能的步驟。

以上所述，僅為本發(fā)明的較佳實(shí)施例而已，并非用于限定本發(fā)明的保護(hù)范圍。