本发明专利技术提供一种基于边缘强度权重的离焦模糊图像清晰度检测方法，首先对输入图像进行预处理，直方图均衡化方法修正亮度和对比度，对数码相机系统中存在的恒定功率加性噪声采用维纳滤波处理，使用中值滤波器和高斯滤波器分别对椒盐噪声和高斯噪声处理。然后采用四个方向边缘梯度算子对每个像素点的梯度进行检测，根据检测得到的梯度大小排除局部亮暗点和孤立噪声点的干扰，对剩余像素作进一步处理。接着对剩余像素的方向梯度与设定阈值比较，区分出边界上梯度值相对较大的强边缘像素和边界附近梯度相对较小的弱边缘像素并分别赋予不同的权重。最后所有像素进行最大梯度平方累加，得到整幅图像的清晰度检测值。
【技术实现步骤摘要】
一种基于边缘强度权重的离焦模糊图像清晰度检测方法
本专利技术涉及一种模糊图像清晰度检测方法，特别是一种基于边缘强度权重的离焦模糊图像清晰度检测方法，属于数字图像处理和光电跟踪测量领域。该方法实现基于数字图像处理技术的自动聚焦检测，对镜头和光电传感器采集到的每一帧数字图像给出清晰度评价并判断出聚焦最准确的图像，为后续控制镜头运动有效提供反馈和指导，在保持已有算法低复杂度的基础上，增加检测梯度方向，区分强弱边缘的作用，客观反映了图像的清晰程度，有效提高了算法的灵敏度、抗噪性和抗亮度变化等。可以广泛应用于各种光电测量设备和自动聚焦系统中。
技术介绍
随着相机、摄像机等数码产品的流行，电子扫描仪、医学显微镜等精密仪器的发展，以及卫星导航、计算机视觉等高端技术的需要，对获取图像的质量要求越来越高。图像质量的好坏与清晰度直接相关，清晰度即模糊程度，是指人眼能感受出的相邻影像间的明显程度。在图像的采集、传输、压缩和滤波等各种处理过程中都可能产生模糊，比如曝光期间成像系统与被摄物体相对运动产生的运动模糊，成像系统聚焦不良或部分景物处于散焦状态产生的离焦模糊，光的衍射、以及压缩之后高频丢失等产生的各类模糊等。因此，为快速准确获取高质量清晰图像，需要对模糊图像进行清晰度评价并根据评价结果展开相应的反馈调节，即是自动聚焦的过程。近年来，随着计算机硬件水平以及数字图像处理技术的发展，一种新兴的、基于数字图像处理的自动聚焦技术开始蓬勃发展起来。目前国内外对这一领域投入的大量的研究，很多成果已经在现有数字成像系统中广泛应用。基于图像技术的清晰度评价方法主要分为时域法、频域法、统计学法和信息熵法等四类，其中时域法主要包括Brenner函数、Tenengrad函数、Robert函数、Laplace函数、方差函数和平方梯度函数等灰度梯度法；频域法主要有功率谱法、小波变换法等；而统计学法有变化率函数、标准化变化率函数、Vollath自相关函数、基于梯度的标准相关函数等；信息熵法主要是利用图像的信息熵进行评价处理。上述方法中时域法算子简单，运算速度快，但精度不高，频域法灵敏度有所提高，但复杂度很高，实用受限，而基于统计理论和信息熵的清晰度评价函数对背景噪声、光照条件等比较敏感，这类评价函数在复杂场景下可能会失效。因此，目前各种基于数字图像处理的自动聚焦评价算法各有局限，存在各种缺点，需要进行进一步完善。
技术实现思路
本专利技术技术解决问题：针对现有技术的不足，提供一种基于边缘强度权重的离焦模糊图像清晰度检测方法，在保持较低复杂度的基础上，增加检测梯度方向，区分强弱边缘的作用，客观反映了图像的清晰程度，有效提高了算法的灵敏度、抗噪性和抗亮度变化等，适用于实时自动聚焦系统中。为实现这样的目的，本专利技术的技术方案：一种基于边缘强度权重的离焦模糊图像清晰度检测方法，包括如下步骤：步骤一、图像预处理：基于数字图像处理技术的聚焦检测方法，主要是对镜头和CCD采集到的每一帧数字图像判断聚焦是否准确，成像系统是否清晰，并给出反馈信号控制镜头的运动，直到采集到的图像符合使用要求，即完成自动调焦。实际应用中，随着镜头位置和目标的不断变化，所获得的图像的平均亮度和视场会有所改变，成像器件暗电流背景噪声、图像采集过程中的椒盐噪声及电路处理过程中产生的固定模式噪声等都会对获取图像的清晰与否造成影响，因此，在进行模糊图像清晰度评价之前有必要进行预处理操作。图像预处理主要包括三个部分：直方图均衡化、维纳滤波、均值滤波和高斯滤波。首先对输入图像使用直方图均衡化方法修正亮度和对比度，修正输出图像的灰度动态范围为0～255(256个灰度级数)，以达到符合人眼观察和后续处理的目的。然后对图像采用维纳滤波器处理，滤波器窗口选取邻域3×3，减少系统中存在的恒定功率加性噪声，尤其是固定模式噪声对图像质量的影响。经过维纳滤波后的图像会有轻微“振铃”效应，接着使用中值滤波器对可能存在的椒盐噪声进行有效滤除。最后，针对可能存在的高斯噪声，选取高斯低通滤波器处理，滤波器窗口大小为7×7，标准差为0.5。自此完成对输入图像的预处理操作。步骤二、像素梯度判断：对经过步骤一得到的图像进行像素梯度计算和判断处理。在进行像素梯度判断之前，选取一定的聚焦区域进行处理，好的聚焦区域可以减少参与运算处理的数据量，有利于提高聚焦速度。通常情况下,被摄物体大都位于场景的中央，我们选取中心区域作为聚焦窗口。中央窗口定义w为：其中，m和n分别对应图像大小的行和列，f(x,y)是第x行，第y列的灰度值。对中央窗口区域内的像素进行梯度计算和判断处理。梯度计算和判断的方向主要有水平方向、垂直方向和对角方向1以及对角方向2，对中心位置位于第x行，第y列的像素f(x,y)，所述梯度检测算子如下：水平方向梯度检测算子Ix：垂直方向梯度检测算子Iy：对角方向1梯度检测算子I1：对角方向2梯度检测算子I2：其中，水平方向是平面直角坐标系中0°或180°方向，垂直方向是平面直角坐标系中90°或-90°方向，对角方向1平面直角坐标系中45°或-135°方向，对角方向2是平面直角坐标系中135°或-45°方向。根据公式(2)～(5)计算得到图像中每个像素点处的4个方向梯度，然后结合孤立噪声点和局部过亮过暗点的特性设定一个阈值T，利用如下公式(6)筛选出非孤立噪声和非局部过亮过暗点：其中，筛选出非孤立噪声和非局部过亮过暗点的阈值T取值0.4。步骤三、算子权重赋值：对经过步骤二排除孤立噪声点和局部过亮过暗点后的像素进行算子权重赋值，筛选出的像素已经排除了噪声等因素对结果的影响，利用公式(7)、(8)对像素的方向梯度与设定阈值T1、T2进行比较，区分出边界上梯度值相对较大的强边缘像素和边界附近梯度相对较小的弱边缘像素，并对强边缘赋值大权重a，弱边缘赋值小权重值b。对中心位置位于第x行，第y列的像素f(x,y)的四个方向梯度分别为Ix、Iy、I1、I2，图像中的强弱边缘像素分别定义如下：强边缘像素：max(Ix,Iy,I1,I2)-min(Ix,Iy,I1,I2)≥T2(7)弱边缘像素：T1≤max(Ix,Iy,I1,I2)-min(Ix,Iy,I1,I2)<T2(8)其中，判断强弱边缘的阈值T1＝0.2，T2＝1.4。步骤四、计算全部像素点的梯度和值得到整幅图像的清晰度评价值：经过步骤三处理，即可获得图像中非孤立噪声和非局部过亮过暗点的强弱边缘像素及其相应的权重值，利用如下像素梯度和算子计算位于第x行，第y列的像素f(x,y)的梯度值s(x,y)：计算得到每个像素点处的梯度和值s(x,y)后，最后累加聚焦区域内的全部像素点的梯度和值即可得到整幅图像的清晰度评价值，公式如下(10)所示：本专利技术与现有技术相比的有益效果在于：(1)本专利技术采用基于边缘强度权重的离焦模糊图像清晰度检测方法，与传统仅仅计算图像中某些方向的灰度梯度方法相比，增加到检测水平、垂直、对角方向的灰度梯度检测，选取了3×3模板算子，在定位精度和计算效率之间取得了很好的平衡。(2)本专利技术采用基于边缘强度权重的离焦模糊图像清晰度检测方法，与常规自动聚焦方法相比，增加了直方图均衡化、维纳滤波、均值滤波和高斯滤波处理等图像预处理，在清晰度评价算子计算之前很好地减弱了噪声的影响，本文档来自技高网...
【技术保护点】
一种基于边缘强度权重的离焦模糊图像清晰度检测方法，其特征在于，包括如下步骤：步骤一、图像预处理：图像预处理主要包括：(1.1)直方图均衡化，首先对输入图像使用直方图均衡化方法修正亮度和对比度，以达到符合人眼观察和后续处理的目的；(1.2)维纳滤波和均值滤波：对图像采用维纳滤波器处理，减少系统中存在的恒定功率加性噪声，尤其是固定模式噪声对图像质量的影响；经过维纳滤波后的图像会有轻微“振铃”效应，接着使用中值滤波器对存在的椒盐噪声进行有效滤除；(1.3)高斯滤波，针对可能存在的高斯噪声，选取高斯低通滤波器处理；自此完成对输入图像的预处理操作；步骤二、像素梯度判断：对经过步骤一得到的图像进行像素梯度计算和判断处理；在进行像素梯度判断之前，选取中心区域作为聚焦窗口，中央窗口定义w为：W=Σ38m≤x58m-1,38n≤x58n-1f(x,y)]]> (公式1)其中，m和n分别对应图像大小的行和列，f(x,y)是第x行，第y列的灰度值；对中央窗口区域内的像素进行梯度计算和判断处理；梯度计算和判断的方向有水平方向、垂直方向和对角方向1以及对角方向2，对中心位置位于第x行，第y列的像素f(x,y)，所述梯度检测算子如下：水平方向梯度检测算子Ix：Ix＝(f(x‑1,y+1)+2*f(x‑1,y)+f(x‑1,y‑1)) (公式2)‑(f(x+1,y+1)+2*f(x+1,y)+f(x+1,y‑1))垂直方向梯度检测算子Iy：Iy＝(f(x+1,y‑1)+2*f(x,y‑1)+f(x‑1,y‑1)) (公式3)‑(f(x‑1,y+1)+2*f(x,y+1)+f(x+1,y+1))对角方向1梯度检测算子I1：I1＝(2*f(x+1,y‑1)+f(x+1,y)+f(x,y‑1)) (公式4)‑(f(x,y+1)+f(x‑1,y)+2*f(x‑1,y+1))对角方向2梯度检测算子I2：I2＝(2*f(x+1,y+1)+f(x,y+1)+f(x+1,y)) (公式5)‑(f(x,y‑1)+f(x‑1,y)+2*f(x‑1,y‑1))根据公式(2)～(5)计算得到图像中每个像素点处的4个方向梯度，然后结合孤立噪声点和局部过亮过暗点的特性设定一个阈值T，利用如下公式(6)筛选出非孤立噪声和非局部过亮过暗点：|(Ix+Iy+I1+I2)4-max(Ix,Iy,I1,I2)|>T]]> (公式6)步骤三、算子权重赋值：对经过步骤二排除孤立噪声点和局部过亮过暗点后的像素进行算子权重赋值，筛选出的像素已经排除了噪声因素对结果的影响，利用公式(7)对像素的方向梯度与设定阈值T1、T2进行比较，区分出边界上梯度值相对较大的强边缘像素和边界附近梯度相对较小的弱边缘像素，并对强边缘像素赋值大权重a，弱边缘像素赋值小权重值b；对中心位置位于第x行，第y列的像素f(x,y)的四个方向梯度分别为Ix、Iy、I1、I2，图像中的强弱边缘像素分别定义如下：强边缘像素：max(Ix,Iy,I1,I2)‑min(Ix,Iy,I1,I2)≥T2 (公式7)弱边缘像素：T1≤max(Ix,Iy,I1,I2)‑min(Ix,Iy,I1,I2)<T2 (公式8)步骤四、算子权重赋值：经过步骤三处理，即可获得图像中非孤立噪声和非局部过亮过暗点的强弱边缘像素及其相应的权重值，利用如下像素梯度和算子计算位于第x行，第y列的像素f(x,y)的梯度值s(x,y)：s(x,y)=a*(max(Ix,Iy,I1,I2))2ifmax(Ix,Iy,I1,I2)-min(Ix,Iy,I1,I2)≥T2b*(max(Ix,Iy,I1,I2))2if T2>max(Ix,Iy,I1,I2)-min(Ix,Iy,I1,I2)≥T10ifmax(Ix,Iy,I1,I2)-min(Ix,Iy,I1,I2)<T1]]> (公式9)计算得到每个像素点处的梯度和值s(x,y)后，最后累加聚焦区域内的全部像素点的梯度和值即得到整幅图像的清晰度评价值，公式如下(10)所示：S=Σ38m≤x58m-1,38n≤x58n-1(s(x,y))2]]> (公式10)。...
【技术特征摘要】
1.一种基于边缘强度权重的离焦模糊图像清晰度检测方法，其特征在于，包括如下步骤：步骤一、图像预处理：图像预处理主要包括：(1.1)直方图均衡化，首先对输入图像使用直方图均衡化方法修正亮度和对比度，以达到符合人眼观察和后续处理的目的；(1.2)维纳滤波和均值滤波：对图像采用维纳滤波器处理，减少系统中存在的恒定功率加性噪声，固定模式噪声对图像质量的影响；经过维纳滤波后的图像会有轻微“振铃”效应，接着使用中值滤波器对存在的椒盐噪声进行有效滤除；(1.3)高斯滤波，针对可能存在的高斯噪声，选取高斯低通滤波器处理；自此完成对输入图像的预处理操作；步骤二、像素梯度判断：对经过步骤一得到的图像进行像素梯度计算和判断处理；在进行像素梯度判断之前，选取中心区域作为聚焦窗口，中央窗口定义w为：其中，m和n分别对应图像大小的行和列，f(x,y)是第x行，第y列的灰度值；对中央窗口区域内的像素进行梯度计算和判断处理；梯度计算和判断的方向有水平方向、垂直方向和对角方向1以及对角方向2，对中心位置位于第x行，第y列的像素f(x,y)，梯度检测算子如下：水平方向梯度检测算子Ix：垂直方向梯度检测算子Iy：对角方向1梯度检测算子I1：对角方向2梯度检测算子I2：根据公式(2)～(5)计算得到图像中每个像素点处的4个方向梯度，然后结合孤立噪声点和局部过亮过暗点的特性设定一个阈值T，利用如下公式(6)筛选出非孤立噪声和非局部过亮过暗点：步骤三、算子权重赋值：对经过步骤二排除孤立噪声点和局部过亮过暗点后的像素进行算子权重赋值，筛选出的像素已经排除了噪声因素对结果的影响...
【专利技术属性】
技术研发人员：刘征，张栩銚，王华闯，徐智勇，于学刚，
申请(专利权)人：中国科学院光电技术研究所，
类型：发明
国别省市：四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。