图像处理方法以及相关装置制造方法及图纸

本发明专利技术实施例公开了一种图像处理方法以及相关装置，该方法包括：获取源图像、模糊核；根据所述源图像的能量梯度构建分布式惩罚因子；所述源图像中不同能量梯度的像素点对应不同的分布式惩罚因子；将所述源图像、所述模糊核以及所述分布式惩罚因子代入能量函数；所述能量函数包括数值保真项以及约束项；所述约束项包括梯度约束项；所述梯度约束项用于基于所述分布式惩罚因子对不同能量梯度的像素点采用不同的约束力度；对所述能量函数进行迭代求解，并在满足迭代条件时，输出最后一次迭代求解的清晰图像，通过本发明专利技术所述发方法在针对微小模糊量的带噪图像进行复原处理时，可以在抑制噪声的兼顾去模糊，提高图像的质量。

【技术实现步骤摘要】
图像处理方法以及相关装置
本专利技术涉及图像处理
，尤其涉及一种图像处理方法以及相关装置。
技术介绍
具有摄像功能的终端设备，如智能手机、平板电脑、数码相机等成为人们日常生活中不可或缺的生活和娱乐工具，同时，人们对照片的质量要求也越来越高。在摄像终端生成图像的过程中，可能受到目标场景中运动物体，摄像的终端设备的抖动、摄像终端本身的电子学噪声等影响而生成模糊降质的图像。目前，对模糊降质图像的复原处理一般包括去模糊处理和去噪处理。基于总变分正则化L1范数约束的能量方程如公式(1)：其中，I(x,y)为清晰图像，I0为模糊降质图像，为数值保真项，为约束项，各项异性扩散时，采用L1范数，各项同性扩散时，采用L2范数，通过迭代求解的方法逐步逼近清晰图像。该方法通过参数λ对图像梯度进行约束，从而控制噪声，避免迭代过程中噪声被放大，对于模糊量较大的模糊降质图像，可有效地在去模糊的同时兼顾去噪。然而，该方法对于不同梯度信息的局部图像约束力度相同，在对于微小模糊量的带噪图像进行复原处理时，在抑制噪声的同时对去模糊有一定的副作用。
技术实现思路
本专利技术实施例所要解决的技术问题在于，提供一种图像处理方法以及相关装置，解决现有技术中对于微小模糊量的带噪图像进行复原处理时，在抑制噪声的不能兼顾去模糊。本专利技术实施例第一方面公开了一种图像处理方法，包括：获取源图像、模糊核；根据所述源图像的能量梯度构建分布式惩罚因子；所述源图像中不同能量梯度的像素点对应不同的分布式惩罚因子；将所述源图像、所述模糊核以及所述分布式惩罚因子代入能量函数；所述能量函数包括数值保真项以及约束项；所述约束项包括梯度约束项；所述梯度约束项用于基于所述分布式惩罚因子对不同能量梯度的像素点采用不同的约束力度；对所述能量函数进行迭代求解，并在满足迭代条件时，输出最后一次迭代求解的清晰图像。本专利技术一实施例中，所述能量函数为：数值保真项为梯度约束项为其中，In为第n次迭代求解的清晰图像；I0为源图像，k为模糊核，λ为分布式惩罚因子；n为正整数。本专利技术一实施例中，所述梯度约束项包括：梯度惩罚项和二次梯度平滑项；所述梯度惩罚项用于去模糊；所述二次梯度平滑项用于去噪。本专利技术一实施例中，所述梯度惩罚项为λx||wn||；所述二次梯度平滑项为γ||wn||2；其中，γ为约束系数，用于控制所述二次梯度平滑项的约束力度；In为第n次迭代求解的清晰图像；n为正整数。本专利技术一实施例中，所述约束项还包括第一变量约束项；所述第一变量约束项用于约束wn。本专利技术一实施例中，所述约束项还包括第二变量约束项，用于约束vn；所述能量函数为：其中，所述数值保真项为所述第一变量约束项为所述第二变量约束项为In为第n次迭代求解的清晰图像；I0为源图像，k为模糊核，λx为分布式惩罚因子；β和/或θ为迭代参数。实际计算时，wn、vn数值基于In-1得到，特别地，当n＝1时，In-1＝I0。本专利技术一实施例中，所述对所述能量函数进行迭代求解，并在满足迭代条件时，输出最后一次迭代求解的清晰图像包括：步骤S1：选定所述外循环迭代参数β为第一初始值以及选定所述内循环迭代参数θ为第二初始值；步骤S2：根据所述能量函数、所述模糊核k、当前外循环迭代参数、当前内循环参数、上一次迭代求解的清晰图像以及所述上一次迭代求解的图像对应的分布式惩罚因子，求解本次迭代的清晰图像；其中，当本次为第一次时，所述当前外循环迭代参数β为所述第一初始值，所述当前内循环参数θ为所述第二初始值，所述上一次迭代求解的清晰图像为所述源图像；步骤S3：在当前内循环迭代参数θ不小于第一阈值时，更新所述内循环迭代参数θ，重复执行所述步骤S2；或，在当前内循环迭代参数θ小于所述第一阈值时，更新所述外循环迭代参数β以及初始化所述内循环迭代参数θ为所述第二初始值；步骤S4：在当前外循环迭代参数β不小于第二阈值时，重复执行所述步骤S2以及所述步骤S3；步骤S5：在当前外循环迭代参数β小于所述第二阈值时，输出最后一次迭代求解的清晰图像。本专利技术一实施例中，所述分布式惩罚因子λ为：或，其中，In-1为第n-1次迭代求解的清晰图像；I0为源图像；λ0、α为定值。本专利技术一实施例中，所述对所述能量函数进行迭代求解包括：选定所述迭代参数β以及所述迭代参数θ，基于所述能量方程通过交替最小化方法，对所述能量函数进行求解。上述专利技术实施例，通过获取源图像、模糊核；根据所述源图像的能量梯度构建分布式惩罚因子；所述源图像中不同能量梯度的像素点对应不同的分布式惩罚因子；将所述源图像、所述模糊核以及所述分布式惩罚因子代入能量函数；所述能量函数包括数值保真项以及约束项；所述约束项包括梯度约束项；所述梯度约束项用于基于所述分布式惩罚因子对不同能量梯度的像素点采用不同的约束力度；对所述能量函数进行迭代求解，并在满足迭代条件时，输出最后一次迭代求解的清晰图像，该图像处理方法在针对微小模糊量的带噪图像进行复原处理时，可以在抑制噪声的兼顾去模糊，提高图像的质量。第二方面，本专利技术实施例还提供了一种图像处理装置，包括：获取单元，用于获取源图像、模糊核；处理单元，用于：根据所述源图像的能量梯度构建分布式惩罚因子；所述源图像中不同能量梯度的像素点对应不同的分布式惩罚因子；将所述源图像、所述模糊核以及所述分布式惩罚因子代入能量函数；所述能量函数包括数值保真项以及约束项；所述约束项包括梯度约束项；所述梯度约束项用于基于所述分布式惩罚因子对不同能量梯度的像素点采用不同的约束力度；以及，对所述能量函数进行迭代求解，并在满足迭代条件时，输出最后一次迭代求解的清晰图像。本专利技术一实施例中，所述能量函数为：数值保真项为梯度约束项为其中，In为第n次迭代求解的清晰图像；I0为源图像，k为模糊核，λ为分布式惩罚因子；n为正整数。本专利技术一实施例中，所述梯度约束项包括：梯度惩罚项和二次梯度平滑项；所述梯度惩罚项用于去模糊；所述二次梯度平滑项用于去噪。本专利技术一实施例中，所述梯度惩罚项为λx||wn||；所述二次梯度平滑项为γ||wn||2；其中，γ为约束系数，用于控制所述二次梯度平滑项的约束力度；In为第n次迭代求解的清晰图像；n为正整数。本专利技术一实施例中，所述约束项还包括第一变量约束项；所述第一变量约束项用于约束wn。本专利技术一实施例中，所述约束项还包括第二变量约束项，用于约束vn；所述能量函数为：其中，所述数值保真项为||vn||；所述第一变量约束项为所述第二变量约束项为In为第n次迭代求解的清晰图像；I0为源图像，k为模糊核，λx为分布式惩罚因子；β和/或θ为迭代参数。实际计算时，wn、vn数值基于In-1得到，特别地，当n＝1时，In-1＝I0。本专利技术一实施例中，所述处理单元还用于执行下述步骤：步骤S1：选定所述外循环迭代参数β为第一初始值以及选定所述内循环迭代参数θ为第二初始值；步骤S2：根据所述能量函数、所述模糊核k、当前外循环迭代参数、当前内循环参数、上一次迭代求解的清晰图像以及所述上一次迭代求解的图像对应的分布式惩罚因子，求解本次迭代的清晰图像；其中，当本次为第一次时，所述当前外循环迭代参数β为所述第一初始值，所述当前内循环参数θ为所述第二初始值，所述上一次迭代求解的清晰图像为所述源图像；步骤S3：在当前内循环迭代参数本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，包括：获取源图像、模糊核；根据所述源图像的能量梯度构建分布式惩罚因子；所述源图像中不同能量梯度的像素点对应不同的分布式惩罚因子；将所述源图像、所述模糊核以及所述分布式惩罚因子代入能量函数；所述能量函数包括数值保真项以及约束项；所述约束项包括梯度约束项；所述梯度约束项用于基于所述分布式惩罚因子对不同能量梯度的像素点采用不同的约束力度；对所述能量函数进行迭代求解，并在满足迭代条件时，输出最后一次迭代求解的清晰图像。

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：获取源图像、模糊核；根据所述源图像的能量梯度构建分布式惩罚因子；所述源图像中不同能量梯度的像素点对应不同的分布式惩罚因子；将所述源图像、所述模糊核以及所述分布式惩罚因子代入能量函数；所述能量函数包括数值保真项以及约束项；所述约束项包括梯度约束项；所述梯度约束项用于基于所述分布式惩罚因子对不同能量梯度的像素点采用不同的约束力度；对所述能量函数进行迭代求解，并在满足迭代条件时，输出最后一次迭代求解的清晰图像。2.如权利要求1所述的方法，其特征在于，所述能量函数为：数值保真项为梯度约束项为其中，In为第n次迭代求解的清晰图像；I0为源图像，k为模糊核，λ为分布式惩罚因子；n为正整数。3.如权利要求1所述的方法，其特征在于，所述梯度约束项包括：梯度惩罚项和二次梯度平滑项；所述梯度惩罚项用于去模糊；所述二次梯度平滑项用于去噪。4.如权利要求3所述的方法，其特征在于，所述梯度惩罚项为λx||wn||；所述二次梯度平滑项为γ||wn||2；其中，γ为约束系数，用于控制所述二次梯度平滑项的约束力度；In为第n次迭代求解的清晰图像；n为正整数。5.如权利要求4所述的方法，其特征在于，所述约束项还包括第一变量约束项；所述第一变量约束项用于约束wn。6.如权利要求5所述的方法，其特征在于，所述约束项还包括第二变量约束项，用于约束vn；所述能量函数为：其中，所述数值保真项为||vn||；所述第一变量约束项为所述第二变量约束项为In为第n次迭代求解的清晰图像；I0为源图像，k为模糊核，λx为分布式惩罚因子；β和/或θ为迭代参数。7.如权利要求6所述的方法，其特征在于，所述对所述能量函数进行迭代求解，并在满足迭代条件时，输出最后一次迭代求解的清晰图像包括：步骤S1：选定所述外循环迭代参数β为第一初始值以及选定所述内循环迭代参数θ为第二初始值；步骤S2：根据所述能量函数、所述模糊核k、当前外循环迭代参数、当前内循环参数、上一次迭代求解的清晰图像以及所述上一次迭代求解的图像对应的分布式惩罚因子，求解本次迭代的清晰图像；其中，当本次为第一次时，所述当前外循环迭代参数β为所述第一初始值，所述当前内循环参数θ为所述第二初始值，所述上一次迭代求解的清晰图像为所述源图像；步骤S3：在当前内循环迭代参数θ不小于第一阈值时，更新所述内循环迭代参数θ，重复执行所述步骤S2；或，在当前内循环迭代参数θ小于所述第一阈值时，更新所述外循环迭代参数β以及初始化所述内循环迭代参数θ为所述第二初始值；步骤S4：在当前外循环迭代参数β不小于第二阈值时，重复执行所述步骤S2以及所述步骤S3；步骤S5：在当前外循环迭代参数β小于所述第二阈值时，输出最后一次迭代求解的清晰图像。8.如权利要求1-7任一权利要求所述的方法，其特征在于，所述分布式惩罚因子λ为：或，其中，In-1为第n-1次迭代求解的清晰图像；I0为源图像；λ0、α为定值。9.如权利要求6或7任一权利要求所述的方法，其特征在于，所述对所述能量函数进行迭代求解包括：选定所述迭代参数β以及所述迭代参数θ，基于所述能量方程通过交替最小化方法，对所述能量函数进行求解。10.一种图像处理装置，其特征在于，包括：获取单元，用于获取源图像、模糊核；处理单元，用于：根据所述源图像的能量梯度构建分布式惩罚因子；所述源图像中不同能量梯度的像素点对应不同的...

【专利技术属性】
技术研发人员：王银廷，黄加紫，冯华君，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东,44