RAW域图像处理方法、图像降噪方法及电子设备
获取待处理图像的像素矩阵，并获取所述像素矩阵中每个像素的初始目标置信度和与
根据每个所述像素的所述初始目标置信度进行双阈值分割，以得到所述像素阵列的粗
根据得到的所述粗分边缘信息，并基于所述初始目标方向获取所述像素阵列的细分边
2.根据权利要求1所述的RAW域图像处理方法，其特征在于，获取所述初始目标置信度
使用边缘检测算子对所述像素矩阵进行边缘检测以获取所述初始目标置信度及所述
初始目标方向，其中，通过所述边缘检测算子分别计算出每个所述像素的预设方向的梯度
以作为置信度，并输出各所述置信度中的最大值，以作为对应所述像素的所述初始目标置
3.根据权利要求2所述的RAW域图像处理方法，其特征在于，所述边缘检测算子包括
sobel算子；和/或，所述预设方向包括0度、45度、90度及135度。
4.根据权利要求1所述的RAW域图像处理方法，其特征在于，得到所述像素阵列的粗分
其中，所述初始目标置信度低于所述第一预设阈值的像素，判断为初始平坦像素，且处
于平坦区域；所述初始目标置信度高于所述第二预设阈值的像素，判断为初始边缘像素，且
5.根据权利要求4所述的RAW域图像处理方法，其特征在于，获取所述像素阵列的细分
边缘信息包括：对所述初始边缘像素进行孤立点检测，以得到目标边缘像素及补充待定像
素，其中，所述目标边缘像素的所述初始目标方向定义为所述目标边缘像素的线所述的RAW域图像处理方法，其特征在于，对所述初始边缘像素进行
定义待检测初始边缘像素，以所述待检测初始边缘像素为中心定义孤立点检测区；
统计所述孤立点检测区中所述初始边缘像素的个数，若大于第一检测阈值，则判断所
述待检测初始边缘像素为所述目标边缘像素，否则判断所述待检测初始边缘像素为所述补
充待定像素；或者，统计所述孤立点检测区中与所述待检测初始边缘像素的初始目标方向
相同的所述初始边缘像素的个数，若大于第二检测阈值，则判断所述待检测初始边缘像素
7.根据权利要求6所述的RAW域图像处理方法，其特征在于，获取所述像素阵列的细分
对所述补充待定像素、所述初始待定像素及所述初始平坦像素基于所述初始目标方向
进行邻域主方向投票，以获取线所述的RAW域图像处理方法，其特征在于，对所述补充待定像素、所述
初始待定像素及所述初始平坦像素进行邻域主方向投票，以获取真正目标方向，具体包括：
统计所述目标投票区中所述初始边缘像素及所述初始待定像素的所述初始目标方向，
比较所述投票方向与对应的待投票像素的初始目标方向，若一致则定义所述投票方向
9.根据权利要求4或8所述的RAW域图像处理方法，其特征在于，所述图像处理方法还包
当未定义出所述待分配方向像素时，对于所述初始平坦像素，定义待投票像素及以其
为中心的目标投票区，获取所述目标投票区中所述初始边缘像素及所述初始待定像素的所
述初始目标方向中数量最多的所述初始目标方向与所述待投票像素的初始目标方向不一
致的所述待投票像素，定义为不一致投票像素，其余为一致投票像素，统计所述不一致投票
像素对应的所述目标投票区中的所述一致投票像素的个数，若小于预设阈值，则所述待投
票像素为真正平坦像素；除所述真正平坦像素外的所述待投票像素为方向待定像素；
或者，当定义出所述待分配方向像素时，对于所述待分配方向像素中的所述初始平坦
像素，统计其为中心的所述目标投票区中的所述初始目标方向为所述投票方向的像素的个
数，若小于预设阈值，则所述待分配方向像素为真正平坦像素；除所述真正平坦像素外的所
10.根据权利要求9所述的RAW域图像处理方法，其特征在于，获取所述像素阵列的细分
对所述方向待定像素基于所述初始目标方向进行方向匹配度检测，以得到所述方向待
定义待检测方向待定像素，以所述待检测方向待定像素为中心定义匹配度检测区，定
义若干分值参考矩阵，且所述分值参考矩阵的大小与所述匹配度检测区的大小一致；
选取与所述待检测方向待定像素的初始目标方向对应的分值参考矩阵，并分别计算所
述匹配度检测区中初始边缘像素在所述分值参考矩阵对应位置的分数值之和作为第一分
数值之和以及所述初始待定像素在所述分值参考矩阵对应位置的分数值之和作为第二分
数值之和，所述第一分数值之和乘以大于等于1的权重系数得到第一权重分数，所述第二分
数值之和乘以小于等于1的权重系数得到第二权重分数，若基于所述第一权重分数和所述
第二权重分数之和大于匹配度阈值，则定义所述待检测方向待定像素的初始目标方向为其
真正目标方向，若小于匹配度阈值，则定义所述待检测方向待定像素的所述投票方向为其
或者，选取与所述待检测方向待定像素的初始目标方向对应的分值参考矩阵，并计算
所述匹配度检测区中的初始边缘像素、初始待定像素在所述分值参考矩阵对应位置的分数
值之和作为第一计算分数，选取与所述待检测方向待定像素的所述投票方向对应的所述分
值参考矩阵，并计算所述匹配度检测区中的初始边缘像素、初始待定像素在所述分值参考
矩阵对应位置的分数值之和作为第二计算分数，所述第一计算分数与所述第二计算分数中
较大者对应的初始目标方向或者投票方向作为所述待检测方向待定像素的所述真正目标
12.一种基于如权利要求1‑11中任意一项所述的RAW域图像处理方法的图像降噪方法，
获取定义有真正平坦区域与非真正平坦区域的像素阵列；其中，所述真正平坦区域包
括所述真正平坦像素，所述非真正平坦区域包括除所述真正平坦像素外的其他类像素；
对所述真正平坦区域的像素与所述非真正平坦区域的像素分别进行降噪，得到降噪像
13.根据权利要求12所述的图像降噪方法，其特征在于，对所述真正平坦区域的像素矩
基于所述初始像素值计算所述第一降噪区中所述初始像素的第一参考均值，以作为所
14.根据权利要求13所述的图像降噪方法，其特征在于，计算所述第一参考均值包括：
计算所述第一降噪区的所有所述像素的所述初始像素值的平均值，以作为所述第一参
将所述第一降噪区的所有的所述初始像素值与所述第一处理阈值及所述第二处理阈
值进行比较，对低于所述第一处理阈值和高于所述第二处理阈值的所述初始像素值进行减
计算所述第一降噪区的所述更新像素值及剩余的所述初始像素值的像素平均值，以作
15.根据权利要求12所述的图像降噪方法，其特征在于，对所述非真正平坦区域的像素
基于所述初始像素值，计算所述第二降噪区中所述像素的第二参考均值，以作为所述
其中，对于不同所述真正目标方向的所述第二待降噪处理像素，参与计算以获得所述
16.根据权利要求15所述的图像降噪方法，其特征在于，选择得到所述第二参考均值的
所述第二待降噪处理像素为45度对角线上的所述像素进行计算以得到所述第二参考值；
与所述第二待降噪处理像素为135度对角线上的所述像素进行计算以得到所述第二参考
17.根据权利要求15所述的图像降噪方法，其特征在于，选择得到所述第二参考均值的
基于扩展行组选择得到所述第二参考均值的所述像素，其中，所述扩展行组包括自与
所述处理器用于执行所述存储器中存储的计算机程序以实现如权利要求1‑11中任一
项所述的图像处理方法和/或权利要求12‑17中任一项所述的图像降噪方法的步骤。
19.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序
被处理器执行时实现1‑11中任一项所述的图像处理方法和/或权利要求12‑17中任一项所
本申请涉及图像处理技术领域，特别是涉及一种RAW域图像处理方法、基于上述的
设备，它被广泛地应用在数码相机、移动终端、便携式电子装置等电子设备中。图像传感器
图像传感器具有高度集成化、低功耗、速度快、成本低等优点，已经广泛应用在许多产品中。
为了保证CMOS图像传感器在暗场景下的需求，图像传感器通常会采用提高曝光时
间或者提高增益的方式，来提升画面亮度。提高曝光时间的方式在拍摄运动物体时会导致
本申请的目的在于提供一种RAW域图像处理方法、基于上述的RAW域图像处理方法
第一方面，本申请实施例提供了一种图像处理方法，包括：获取待处理图像的像素
矩阵，并获取所述像素矩阵中每个像素的初始目标置信度和对应所述初始目标置信度的初
始目标方向；根据每个所述像素的所述初始目标置信度进行双阈值分割，以得到所述像素
阵列的粗分边缘信息；以及根据得到的所述粗分边缘信息，并基于所述初始目标方向获取
所述初始目标方向，其中，通过所述边缘检测算子分别计算出每个所述像素的预设方向的
梯度以作为置信度，并输出各所述置信度中的最大值，以作为对应所述像素的所述初始目
可选地，所述边缘检测算子包括sobel算子；和/或，所述预设方向包括0度、45度、
可选地，得到所述像素阵列的粗分边缘信息，具体包括：定义第一预设阈值及大于
其中，所述初始目标置信度低于所述第一预设阈值的像素，判断为初始平坦像素，
且处于平坦区域；所述初始目标置信度高于所述第二预设阈值的像素，判断为初始边缘像
断所述待检测初始边缘像素为所述目标边缘像素，否则判断所述待检测初始边缘像素为所
述补充待定像素；或者，统计所述孤立点检测区中与所述待检测初始边缘像素的初始目标
方向相同的所述初始边缘像素的个数，若大于第二检测阈值，则判断所述待检测初始边缘
像素为所述目标边缘像素，否则判断所述待检测初始边缘像素为所述补充待定像素。
可选地，当未定义出所述待分配方向像素时，对于所述初始平坦像素，定义待投票
像素及以其为中心的目标投票区，获取所述目标投票区中所述初始边缘像素及所述初始待
定像素的所述初始目标方向中数量最多的所述初始目标方向与所述待投票像素的初始目
标方向不一致的所述待投票像素，定义为不一致投票像素，其余为一致投票像素，统计所述
不一致投票像素对应的所述目标投票区中的所述一致投票像素的个数，若小于预设阈值，
则所述待投票像素为真正平坦像素；除所述真正平坦像素外的所述待投票像素为方向待定
平坦像素，统计其为中心的所述目标投票区中的所述初始目标方向为所述投票方向的像素
的个数，若小于预设阈值，则所述待分配方向像素为真正平坦像素；除所述真正平坦像素外
区，定义若干分值参考矩阵，且所述分值参考矩阵的大小与所述匹配度检测区的大小一致；
算所述匹配度检测区中初始边缘像素在所述分值参考矩阵对应位置的分数值之和作为第
一分数值之和以及所述初始待定像素在所述分值参考矩阵对应位置的分数值之和作为第
二分数值之和，所述第一分数值之和乘以大于等于1的权重系数得到第一权重分数，所述第
二分数值之和乘以小于等于1的权重系数得到第二权重分数，若基于所述第一权重分数和
所述第二权重分数之和大于匹配度阈值，则定义所述待检测方向待定像素的初始目标方向
为其真正目标方向，若小于匹配度阈值，则定义所述待检测方向待定像素的所述投票方向
计算所述匹配度检测区中的初始边缘像素、初始待定像素在所述分值参考矩阵对应位置的
分数值之和作为第一计算分数，选取与所述待检测方向待定像素的所述投票方向对应的所
述分值参考矩阵，并计算所述匹配度检测区中的初始边缘像素、初始待定像素在所述分值
参考矩阵对应位置的分数值之和作为第二计算分数，所述第一计算分数与所述第二计算分
数中较大者对应的初始目标方向或者投票方向作为所述待检测方向待定像素的所述真正
域包括所述真正平坦像素，所述非真正平坦区域包括除所述真正平坦像素外的其他类像
第三方面，本申请实施例提供了一种电子设备，如可以是图像传感器，包括存储器
和处理器；所述处理器用于执行所述存储器中存储的计算机程序以实现所述的图像处理方
序，所述计算机程序被处理器执行时所述的图像处理方法和/或所述的图像降噪方法的步
本申请实施例提供的RAW域图像处理方法、图像降噪方法及电子设备，通过获取待
处理图像的像素矩阵，并获取所述像素矩阵中每个像素的初始目标置信度和对应所述初始
目标置信度的初始目标方向；根据每个所述像素的所述初始目标置信度进行双阈值分割，
以得到所述像素阵列的粗分边缘信息；以及根据得到的所述粗分边缘信息，并基于所述初
始目标方向获取所述像素阵列的细分边缘信息，并对图像像素进行降噪，从而极大地提升
另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常
理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的
图1是本申请实施例提供的RAW域(原始域)图像处理方法的流程示意图。图像处理
方法能够提升画面亮度，优化画面品质。请参考图1，本实施例的RAW域图像处理方法可以包
步骤S101，获取待处理图像的像素矩阵，并获取像素矩阵中每个像素的初始目标
其中，步骤S101中，获取像素矩阵中每个像素的初始目标置信度和对应初始目标
置信度的初始目标方向，可以包括：使用边缘检测算子对像素矩阵进行边缘检测以获取初
始目标置信度及初始目标方向，其中，通过边缘检测算子分别计算出每个像素的预设方向
的梯度以作为置信度，并输出各置信度中的最大值，以作为对应像素的初始目标置信度，且
边缘检测算子可以包括Sobel算子，可以分别计算出每个像素预设方向(例如0度
方向、45度方向、90度方向和135度方向)的梯度以作为置信度，如图2a所示。边缘检测算子
还输出四个方向中置信度的最大值和输出最大置信度的方向，以得到每个像素的初始目标
置信度(即最大置信度)和初始目标方向。其中，边缘检测算子Sobel可以采用现有的图像边
缘检测方法，在此不再赘述。当然，在本发明中，也可以根据需求使用其他一阶微分算子分
别计算每个像素预设方向的梯度以作为置信度，例如Roberts算子、Prewitt算子等，在此不
步骤S103，根据每个像素的初始目标置信度进行双阈值分割，以得到像素阵列的
这里，经过步骤S101的计算，每个像素会得到初始目标置信度及其初始目标方向
信息。本步骤中，可以对初始目标置信度进行双阈值分割，得到像素阵列的粗分(Coarse)边
步骤S103中，可以具体包括：定义第一预设阈值及大于第一预设阈值的第二预设
阈值；其中，初始目标置信度低于第一预设阈值的像素，判断为初始平坦像素，且处于平坦
区域；初始目标置信度高于第二预设阈值的像素，判断为初始边缘像素，且处于边缘区域；
待处理原始图像的图像处理过程中，基于各像素的目标置信度，可以基于经验大致分辨出
平坦像素置信度值和边缘像素置信度值，基于不同种类像素的置信度值可以定义出第一预
设阈值及第二预设阈值，例如，一般认为平坦像素的目标置信度为所选边缘检测算子的理
论最大值的10％‑30％，边缘像素的目标置信度为所选边缘检测算子的理论最大值的40％‑
60％，则待定像素的目标置信度为所选边缘检测算子的理论最大值30％‑40％，进而可以定
义出第一预设阈值为所选边缘检测算子的理论最大值的30％，第二预设阈值为所选边缘检
测算子的理论最大值的40％。其中，需要说明的，第一预设阈值及第二预设阈值可以依据边
步骤S105，根据得到的粗分边缘信息，并基于初始目标方向获取像素阵列的细分