一种消除抖动模糊的图像处理方法技术

本发明专利技术提供了一种消除抖动模糊的图像处理方法，该消除抖动模糊的图像处理方法通过依次对图像进行降噪处理和锐化处理，并且基于该锐化处理的结果，确定该图像对应的模糊信息，再基于该模糊信息，通过深度学习的模式，对该图像进行关于图像谱的第一图像运算处理，以此得到中间变换图像，最后通过深度学习的模式，对该中间变换图像进行关于图像分辨率的第二图像运算处理，消除该图像中的抖动模糊，以此实现对该图像的清晰化处理。

An Image Processing Method for Eliminating Jitter Blur

【技术实现步骤摘要】
一种消除抖动模糊的图像处理方法
本专利技术涉及图像处理的
，特别涉及一种消除抖动模糊的图像处理方法。
技术介绍
随着智能手机的普及，智能手机已经融入到人们的生活和工作中，人们通过智能手机能够实现即时通信、网页浏览、娱乐和轻办公等不同形式的操作。智能手机之所以能够获得巨大的发展，正是智能手机将传统的移动电话与摄像头等不同功能模块相结合，从而使得智能手机不再局限于传统的通话功能，并且还能够进行其他不同形成的智能操作。智能手机中摄像头的摄像功能不断增强，也便于人们能够随时随地地进行图像拍摄、并及时地将拍摄到的图像通过云端进行分享。虽然，智能手机的摄像头具有强大的图像拍摄功能，但是在图像拍摄始终是由人手操作完成的，这就导致在拍摄过程中，由于外部环境的影响或者拍摄者的自身因素导致拍摄的手部发生抖动，从而使得摄像头发生离焦的情况，相应地拍摄到的图像也必然发生模糊不清的情况。由于手部抖动的情况广泛存在并且不可预测和人为避免，这使得图像拍摄过程中始终存在抖动模糊这一不确定的因素。为了避免手部抖动导致拍摄的图像产生模糊，现有技术通过在摄像头的成像透镜系统中设置防抖动透镜单元，该防抖动透镜单元能够在控制信号的驱动下发生移动，该防抖动透镜单元的移动能够有效地抵消手部抖动所导致的离焦情况，虽然这种通过在摄像头中设置硬件形式的防抖动部件能够有效地降低手部抖动引起的图像模糊，但是这种方式增加了摄像头的体积和硬件成本，同时其对控制信号的调整也提出了较高的要求，这对于追求小型化的智能手机而言显然存在冲突之处，并且对于智能手机的控制性能也提出了更苛刻的要求。可见，现有技术对于手部抖动导致的图像模糊的处理方式都是通过硬件的方式来实现的，目前并没有通过软件处理的方式来克服手部抖动导致的图像模糊的技术。
技术实现思路
针对现有技术存在的缺陷，本专利技术提供一种消除抖动模糊的图像处理方法，该消除抖动模糊的图像处理方法通过依次对图像进行降噪处理和锐化处理，并且基于该锐化处理的结果，确定该图像对应的模糊信息，再基于该模糊信息，通过深度学习的模式，对该图像进行关于图像谱的第一图像运算处理，以此得到中间变换图像，最后通过深度学习的模式，对该中间变换图像进行关于图像分辨率的第二图像运算处理，消除该图像中的抖动模糊，以此实现对该图像的清晰化处理。该消除抖动模糊的图像处理方法有别于现有技术的依赖硬件设备的方式来降低手部抖动引起的图像模糊，该图像处理方法对拍摄得到的图像采用后续计算处理的形式，对图像进行算法层面上的分析处理，该分析处理并不需要任何额外硬件设备的支持，其只需要在图像拍摄完成后，对图像进行相应的降噪处理和锐化处理、以此获得相应的图像模糊信息，再基于该图像模糊信息，对该图像进行相应神经网络深度学习处理，从而消除该图像中的模糊像素，并最终实现图像的清晰化。本专利技术提供一种消除抖动模糊的图像处理方法，其特征在于，所述消除抖动模糊的图像处理方法包括如下步骤：步骤(1)，依次对图像进行降噪处理和锐化处理；步骤(2)，基于所述锐化处理的结果，确定所述图像对应的模糊信息；步骤(3)，基于所述模糊信息，通过深度学习的模式，对所述图像进行关于图像谱的第一图像运算处理，以此得到中间变换图像；步骤(4)，通过深度学习的模式，对所述中间变换图像进行关于图像分辨率的第二图像运算处理，消除所述图像中的抖动模糊，以此实现对所述图像的清晰化处理；进一步，在所述步骤(1)中，对所述图像进行降噪处理具体包括，步骤(A101)，获取所述图像的亮度分布信息，基于所述亮度分布信息，将所述图像划分为具有不同图像纹理分布状态的若干不同纹理区域；步骤(A102)，计算获取所述若干不同纹理区域中的每一个纹理区域对应的亮度分量和/或纹理分量的，并根据所述亮度分量和/或所述纹理分量将所述图像中的所有像素点划分为第一类型像素点和第二类型像素点；步骤(A103)，对所述第一类型像素点和所述第二类型像素点分别执行适应性的滤波降噪处理；进一步，在所述步骤(A101)中，获取所述图像的亮度分布信息，基于所述亮度分布信息，将所述图像划分为具有不同图像纹理分布状态的若干不同纹理区域具体包括，步骤(A1011)，获取所述图像的亮度分布信息和色调分布信息，根据所述亮度分布信息和所述色调分布信息，计算关于所述图像在整个图像区域对应的亮度-色调关联信息；步骤(A1012)，根据在整个图像区域对应的所述亮度-色调关联信息，确定所述图像在整个图像区域对应的图像纹理分布状态，其中，所述图像纹理分布状态至少包括关于图像的明暗条纹分布信息和/或关于图像的三基色分布信息；步骤(A1013)，根据所述图像纹理分布状态，将所述图像划分为若干不同纹理区域；进一步，在所述步骤(A102)中，根据所述亮度分量和/或所述纹理分量将所述图像中的所有像素点划分为第一类型像素点和第二类型像素点具体包括，步骤(A1021)，根据所述亮度分量和所述纹理分量，计算所述图像中的每一像素点对应的亮度-纹理干扰系数，将所述亮度-纹理干扰系数与预设干扰系数范围进行对比处理；步骤(A1022)，若所述亮度-纹理干扰系数处于所述预设干扰系数范围内，则确定对应的像素点为第一类型像素点，若所述亮度-纹理干扰系数不处于所述预设干扰系数范围内，则确定对应的像素段为第二类型像素点，其中，所述第一类型像素点为噪声类型像素点，所述第二类型像素点为非噪声类型像素点；或者，在所述步骤(A103)中，对所述第一类型像素点和所述第二类型像素点分别执行适应性的滤波降噪处理具体包括，步骤(A1031)，对所述第一类型像素点中全像素区域执行高斯滤波处理或者卡尔曼滤波处理，以使所述第一类型像素点的噪声系数符合预设条件；步骤(A1032)，对所述第二类型像素点中的高频像素区域执行平滑化滤波处理，以使所述第二类型像素点的噪声系数符合预设条件；进一步，在所述步骤(1)中，对所述图像进行锐化处理具体包括，步骤(B101)，通过Sobel算子对经过所述降噪处理后得到的降噪图像进行图像模糊化转换；步骤(B102)，确定经所述图像模糊化转换后的模糊化图像的边缘区域，其中，所述边缘区域至少包括所述模糊化图像的边界以及所述边界内外预设距离范围对应的区域；步骤(B103)，获取关于所述边缘区域对应的模糊特征，以此计算得到所述边缘区域对应的模糊核，其中，所述模糊特征包括模糊方向、模糊轨迹和模糊角度中的至少一者；进一步，在所述步骤(2)中，基于所述锐化处理的结果，确定所述图像对应的模糊信息具体包括，步骤(201)，基于所述锐化处理得到的关于所述图像的模糊核信息，确定所述图像全区域的模糊关联系数；步骤(202)，基于所述图像全区域的模糊关联系数的分布状态，对所述图像的全区域进行若干不同模糊程度区域的划分；步骤(203)，基于所述若干不同模糊程度区域的划分结果，计算每一个模糊程度区域各自对应的像素模糊分布趋势信息，以此作为所述模糊信息；进一步，在所述步骤(3)中，基于所述模糊信息，通过深度学习的模式，对所述图像进行关于图像谱的第一图像运算处理，以此得到中间变换图像具体包括，步骤(301)，基于所述模糊信息的关于所述图像的不同区域像素对应的模糊向量、模糊方向、模糊轨迹和模糊角度中的至少一者，对所述图像进行像素拟合变换处理本文档来自技高网...

【技术保护点】
1.一种消除抖动模糊的图像处理方法，其特征在于，所述消除抖动模糊的图像处理方法包括如下步骤：步骤(1)，依次对图像进行降噪处理和锐化处理；步骤(2)，基于所述锐化处理的结果，确定所述图像对应的模糊信息；步骤(3)，基于所述模糊信息，通过深度学习的模式，对所述图像进行关于图像谱的第一图像运算处理，以此得到中间变换图像；步骤(4)，通过深度学习的模式，对所述中间变换图像进行关于图像分辨率的第二图像运算处理，消除所述图像中的抖动模糊，以此实现对所述图像的清晰化处理。

【技术特征摘要】
1.一种消除抖动模糊的图像处理方法，其特征在于，所述消除抖动模糊的图像处理方法包括如下步骤：步骤(1)，依次对图像进行降噪处理和锐化处理；步骤(2)，基于所述锐化处理的结果，确定所述图像对应的模糊信息；步骤(3)，基于所述模糊信息，通过深度学习的模式，对所述图像进行关于图像谱的第一图像运算处理，以此得到中间变换图像；步骤(4)，通过深度学习的模式，对所述中间变换图像进行关于图像分辨率的第二图像运算处理，消除所述图像中的抖动模糊，以此实现对所述图像的清晰化处理。2.如权利要求1所述的消除抖动模糊的图像处理方法，其特征在于：在所述步骤(1)中，对所述图像进行降噪处理具体包括，步骤(A101)，获取所述图像的亮度分布信息，基于所述亮度分布信息，将所述图像划分为具有不同图像纹理分布状态的若干不同纹理区域；步骤(A102)，计算获取所述若干不同纹理区域中的每一个纹理区域对应的亮度分量和/或纹理分量的，并根据所述亮度分量和/或所述纹理分量将所述图像中的所有像素点划分为第一类型像素点和第二类型像素点；步骤(A103)，对所述第一类型像素点和所述第二类型像素点分别执行适应性的滤波降噪处理。3.如权利要求2所述的消除抖动模糊的图像处理方法，其特征在于：在所述步骤(A101)中，获取所述图像的亮度分布信息，基于所述亮度分布信息，将所述图像划分为具有不同图像纹理分布状态的若干不同纹理区域具体包括，步骤(A1011)，获取所述图像的亮度分布信息和色调分布信息，根据所述亮度分布信息和所述色调分布信息，计算关于所述图像在整个图像区域对应的亮度-色调关联信息；步骤(A1012)，根据在整个图像区域对应的所述亮度-色调关联信息，确定所述图像在整个图像区域对应的图像纹理分布状态，其中，所述图像纹理分布状态至少包括关于图像的明暗条纹分布信息和/或关于图像的三基色分布信息；步骤(A1013)，根据所述图像纹理分布状态，将所述图像划分为若干不同纹理区域。4.如权利要求2所述的消除抖动模糊的图像处理方法，其特征在于：在所述步骤(A102)中，根据所述亮度分量和/或所述纹理分量将所述图像中的所有像素点划分为第一类型像素点和第二类型像素点具体包括，步骤(A1021)，根据所述亮度分量和所述纹理分量，计算所述图像中的每一像素点对应的亮度-纹理干扰系数，将所述亮度-纹理干扰系数与预设干扰系数范围进行对比处理；步骤(A1022)，若所述亮度-纹理干扰系数处于所述预设干扰系数范围内，则确定对应的像素点为第一类型像素点，若所述亮度-纹理干扰系数不处于所述预设干扰系数范围内，则确定对应的像素段为第二类型像素点，其中，所述第一类型像素点为噪声类型像素点，所述第二类型像素点为非噪声类型像素点；或者，在所述步骤(A103)中，对所述第一类型像素点和所述第二类型像素点分别执行适应性的滤波降噪处理具体包括，步骤(A1031)，对所述第一类型像素点中全像素区域执行高斯滤波处理或者卡尔曼滤波处理，以使所述第一类型像素点的噪声系数符合预设条件；步骤(A1032)，对所述第二类型像素点中的高频像素区域执行平滑化滤波处理，以使所述第二类型像素点的噪声系数符合预设条件。5.如权利要求1所述的消除抖动模糊的图像处理方法，其特征在于：在所述步骤(1)中，对所述图像进行锐化处理具体包括，步骤(B10...

【专利技术属性】
技术研发人员：谭国凯，李斌，刘昱，陈治霖，李森，李自羽，
申请(专利权)人：北京爱诺斯科技有限公司，
类型：发明
国别省市：北京,11