用于CMOS图像传感器降噪处理的自适应混合降噪方法

摘要

本发明公开了一种用于CMOS图像传感器降噪处理的自适应混合降噪方法，包括CMOS图像传感器输出的图像，所述图像由R、G、B三种类型的像素单元组成，其创新在于：所述自适应混合降噪方法能对图像中的混合噪声进行高效的降噪处理；本发明的有益技术效果是：提出了一种新的用于CMOS图像传感器降噪处理的自适应混合降噪方法，处理手段的复杂度较低，在兼顾了处理效果的同时，大大降低了硬件开销。

主权项

一种用于CMOS图像传感器降噪处理的自适应混合降噪方法，包括CMOS图像传感器输出的图像，所述图像由R、G、B三种类型的像素单元组成，其特征在于：所述自适应混合降噪方法包括：所述图像中，由单种类型的像素单元所组成的阵列记为处理单元，其中，R类型的像素单元所对应的处理单元记为处理单元一，G类型的像素单元所对应的处理单元记为处理单元二，B类型的像素单元所对应的处理单元记为处理单元三；降噪处理时，分别对三个处理单元单独进行处理；对处理单元单独进行处理时，按方法一中方式进行；方法一：以某一像素单元为中心，建立规模为3×3的滤波阵列，位于滤波阵列正中的像素单元记为中心像素，滤波阵列内除中心像素外的其余8个像素单元记为外围像素；将某一滤波阵列记为阵列一，其对应的中心像素记为像素一，与像素一顺次相邻的像素单元记为像素二，则，阵列一处理完成后，以像素二为新的中心像素建立新的滤波阵列，然后继续对新的滤波阵列进行处理；对单个滤波阵列进行处理时，按方法二中方式进行；方法二：1)提取滤波阵列内各个像素单元的灰度值，获得9个灰度值H，然后计算出这9个灰度值的均值M；2)计算出各个灰度值与均值M的差值的绝对值C，C＝|H‑M|；3)将各个绝对值C逐一与阈值T1进行比较，大于阈值T1的绝对值C所对应的像素单元记为椒盐噪声点，小于或等于阈值T1的绝对值C所对应的像素单元记为非椒盐噪声点；所有绝对值C都与阈值T1进行了比较后，对非椒盐噪声点的数量进行判断：若非椒盐噪声点的数量等于9，则取中心像素的当前灰度值作为滤波输出值q，然后按步骤6)中方式进行处理；若非椒盐噪声点的数量等于0，则继续按步骤4)中方式进行处理；若非椒盐噪声点的数量大于0且小于9，则继续按步骤5)中方式进行处理；4)按下式计算滤波输出值q，然后进入步骤6)：$q=\frac{(H2+H4+H5+H6+H8)}{5}$其中，H5为滤波阵列内中心像素的灰度值，H2为滤波阵列内中心像素正上方的外围像素的灰度值，H4为滤波阵列内中心像素正左方的外围像素的灰度值，H6为滤波阵列内中心像素正右方的外围像素的灰度值，H8为滤波阵列内中心像素正下方的外围像素的灰度值；5)按数值大小，对各个非椒盐噪声点所对应的灰度值进行排序；若非椒盐噪声点的数量为1，则以该非椒盐噪声点所对应的灰度值作为滤波输出值q，然后进入步骤6)；若非椒盐噪声点的数量为2，设2个非椒盐噪声点的灰度值大小关系为Ha＜Hb，则按下式计算滤波输出值q，然后进入步骤6)：q＝Ha×0.75+Hb×0.25若非椒盐噪声点的数量为3，设3个非椒盐噪声点的灰度值大小关系为Ha＜Hb＜Hc，则按下式计算滤波输出值q，然后进入步骤6)：$q=Ha\times 0.75+\frac{(Ha+Hc)}{2}\times 0.25$若非椒盐噪声点的数量为4，设4个非椒盐噪声点的灰度值大小关系为Ha＜Hb＜Hc＜Hd，则按下式计算滤波输出值q，然后进入步骤6)：$q=(Hb\times 0.75+Hc\times 0.25)\times 0.75+\frac{(Ha+Hd)}{2}\times 0.25$若非椒盐噪声点的数量为5，设5个非椒盐噪声点的大小关系为Ha＜Hb＜Hc＜Hd＜He，则按下式计算滤波输出值q，然后进入步骤6)：$q=Hc\times 0.75+\frac{(Hb+Hd)}{2}\times 0.25$若非椒盐噪声点的数量为6，设6个非椒盐噪声点的大小关系为Ha＜Hb＜Hc＜Hd＜He＜Hf，则按下式计算滤波输出值q，然后进入步骤6)：$q=\frac{(Hc+Hd)}{2}\times 0.75+\frac{(Hb+He)}{2}\times 0.25$若非椒盐噪声点的数量为7，设7个非椒盐噪声点的大小关系为Ha＜Hb＜Hc＜Hd＜He＜Hf＜Hg，则按下式计算滤波输出值q，然后进入步骤6)：$q=Hd\times 0.75+[\frac{(Hc+He)}{2}\times 0.75+\frac{(Hb+Hf)}{2}\times 0.25]\times 0.25$若非椒盐噪声点的数量为8，设8个非椒盐噪声点的大小关系为Ha＜Hb＜Hc＜Hd＜He＜Hf＜Hg＜Hh，则按下式计算滤波输出值q，然后进入步骤6)：$q=\frac{(Hd+He)}{2}\times 0.75+\left[\right(\frac{(Hc+Hf)}{2}\times 0.75+\frac{(Hb+Hg)}{2}\times 0.25]\times 0.25$其中，Ha、Hb、Hc、Hd、He、Hf、Hg和Hh分别代表8个非椒盐噪声点的灰度值；6)将中心像素的灰度值赋值为q，进入步骤7)；7)计算出滤波阵列内的像素梯度绝对值J，然后将J与阈值T2进行比较：若J大于T2，则将q作为该滤波阵列的中心像素的最终灰度值A并向外输出；若J小于T2，则按下式计算出该滤波阵列的中心像素的最终灰度值A并向外输出：A＝[q+(H2+H4+H6+H8)×0.75+(H1+H3+H7+H9)×0.25]/9；其中，H1为滤波阵列内中心像素左上方的外围像素的灰度值，H3为滤波阵列内中心像素右上方的外围像素的灰度值，H7为滤波阵列内中心像素左下方的外围像素的灰度值，H9为滤波阵列内中心像素右下方的外围像素的灰度值。