图像去模糊方法及装置、计算机可读介质和电子设备制造方法及图纸

本公开提供一种图像去模糊方法及装置、计算机可读介质和电子设备，涉及图像处理技术领域。该方法包括：获取待处理的模糊图像，并对模糊图像进行区域划分，得到分块图像；对分块图像进行模糊估计，生成去模糊引导图；将去模糊引导图与模糊图像输入到图像去模糊模型中，以通过去模糊引导图引导图像去模糊模型仅对模糊图像的模糊区域进行去模糊，并输出模糊图像对应的清晰图像。本公开能够通过轻量的模糊估计作为前置准入判断，使得图像去模糊模型具备显式的模糊感知能力，有效减少需要去模糊的图像区域，降低待处理的数据量，同时，能够避免相关技术中图像去模糊后纹理加深和轮廓变形的问题，提高去模糊图像的显示效果。提高去模糊图像的显示效果。提高去模糊图像的显示效果。

【技术实现步骤摘要】
图像去模糊方法及装置、计算机可读介质和电子设备


[0001]本公开涉及图像处理
，具体涉及一种图像去模糊方法、图像去模糊装置、计算机可读介质和电子设备。

技术介绍

[0002]随着科学技术的发展，图像画质的提升越来越成为人们关注的重点内容。造成图像模糊的原因有很多，其中包括光学因素、大气因素、人工因素、技术因素等等，日常生产生活中对图像进行去模糊操作有其重要意义。当前基于深度学习的AI(Artificial Intelligence，人工智能)去模糊方法在效果上已经全面超越传统去模糊算法。
[0003]目前，相关的基于深度学习的AI(Artificial Intelligence，人工智能)去模糊方案中，在对图像进行去模糊时，计算量较大，带来较大的功耗和时延开销，同时，去模糊后的图像的质量较差。

技术实现思路

[0004]本公开的目的在于提供一种图像去模糊方法、图像去模糊装置、计算机可读介质和电子设备，进而至少在一定程度上降低图像去模糊过程的计算量，降低时延，同时提高去模糊后的图像的质量。
[0005]根据本公开的第一方面，提供一种图像去模糊方法，包括：
[0006]获取待处理的模糊图像，并对所述模糊图像进行区域划分，得到分块图像；
[0007]对所述分块图像进行模糊估计，生成去模糊引导图；
[0008]将所述去模糊引导图与所述模糊图像输入到图像去模糊模型中，以通过所述去模糊引导图引导所述图像去模糊模型仅对所述模糊图像的模糊区域进行去模糊，并输出所述模糊图像对应的清晰图像。
[0009]根据本公开的第二方面，提供一种图像去模糊装置，包括：
[0010]图像划分模块，用于获取待处理的模糊图像，并对所述模糊图像进行区域划分，得到分块图像；
[0011]模糊估计模块，用于对所述分块图像进行模糊估计，生成去模糊引导图；
[0012]图像去模糊模块，用于将所述去模糊引导图与所述模糊图像输入到图像去模糊模型中，以通过所述去模糊引导图引导所述图像去模糊模型仅对所述模糊图像的模糊区域进行去模糊，并输出所述模糊图像对应的清晰图像。
[0013]根据本公开的第三方面，提供一种计算机可读介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述的方法。
[0014]根据本公开的第四方面，提供一种电子设备，其特征在于，包括：
[0015]处理器；以及
[0016]存储器，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现上述的方法。
[0017]本公开的一种实施例所提供的图像去模糊方法，首先对待处理的模糊图像进行区域划分，得到分块图像，然后对分块图像进行模糊估计，生成去模糊引导图，进而可以将去模糊引导图与模糊图像输入到图像去模糊模型中，以通过去模糊引导图引导图像去模糊模型仅对模糊图像的模糊区域进行去模糊，并输出模糊图像对应的清晰图像。一方面，采用分块处理方法，并通过轻量的模糊估计作为模型的前置准入判断，降低去模糊引导图的复杂性，避免引入复杂的引导信息致使需要处理的数据量更多的问题；另一方面，通过将去模糊引导图与模糊图像输入到图像去模糊模型中，使得图像去模糊模型具备显式的模糊感知能力，仅对模糊图像中的模糊区域进行去模糊，降低需要处理的数据量，同时，避免对清晰区域的去模糊处理而导致的图像出现纹理加深或者轮廓变形等问题，有效提升输出的清晰图像的图像质量。
[0018]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
[0019]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
[0020]图1示出了可以应用本公开实施例的一种示例性系统架构的示意图；
[0021]图2示出了可以应用本公开实施例的一种电子设备的示意图；
[0022]图3示意性示出本公开示例性实施例中一种图像去模糊方法的流程示意图；
[0023]图4示意性示出本公开示例性实施例中一种生成去模糊引导图的流程示意图；
[0024]图5示意性示出本公开示例性实施例中一种确定分块区域模糊等级信息的流程示意图；
[0025]图6示意性示出本公开示例性实施例中另一种确定分块区域模糊等级信息的流程示意图；
[0026]图7示意性示出本公开示例性实施例中一种根据模糊等级信息生成去模糊引导图的流程示意图；
[0027]图8示意性示出本公开示例性实施例中一种分块区域之间产生的重叠区域的结构示意图；
[0028]图9示意性示出本公开示例性实施例中图像去模糊装置的组成示意图。
具体实施方式
[0029]现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
[0030]此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功
Unit，GPU)、图像信号处理器(Image Signal Processor，ISP)、控制器、视频编解码器、数字信号处理器(Digital Signal Processor，DSP)、基带处理器和/或神经网络处理器(Neural
‑
Network Processing Unit，NPU)等。其中，不同的处理单元可以是独立的器件，也可以集成在一个或多个处理器中。
[0038]NPU为神经网络(Neural
‑
Network，NN)计算处理器，通过借鉴生物神经网络结构，例如借鉴人脑神经元之间传递模式，对输入信息快速处理，还可以不断的自学习。通过NPU可以实现移动终端200的智能认知等应用，例如：图像识别，人脸识别，语音识别，文本理解等。
[0039]处理器210中设置有存储器。存储器可以存储用于实现六个模块化功能的指令：检测指令、连接指令、信息管理指令、分析指令、数据传输指令和通知指令，并由处理器210来控制执行。
[0040]充电管理模块240用于从充电器接收充电输入。电源管理模块241用于连接电池242、充电管理模块240与处理器210。电源管理模块241接收电池242和/或充电管理模块240的输入，为处理器210、内部存储器221、显示屏290、摄像模组291和无线通信模块260等供电。
[0041]移动终端200的无线通信功能可以通过天线1、天线2、移动通信模块250本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像去模糊方法，其特征在于，包括：获取待处理的模糊图像，并对所述模糊图像进行区域划分，得到分块图像；对所述分块图像进行模糊估计，生成去模糊引导图；将所述去模糊引导图与所述模糊图像输入到图像去模糊模型中，以通过所述去模糊引导图引导所述图像去模糊模型仅对所述模糊图像的模糊区域进行去模糊，并输出所述模糊图像对应的清晰图像。2.根据权利要求1所述的方法，其特征在于，所述对所述分块图像进行模糊估计，生成去模糊引导图，包括：对所述分块图像中的各分块区域进行模糊估计，确定各所述分块区域的模糊等级信息；根据所述模糊等级信息生成去模糊引导图。3.根据权利要求2所述的方法，其特征在于，所述对所述分块图像中的各分块区域进行模糊估计，确定各所述分块区域的模糊等级信息，包括：对所述分块区域中的像素进行分类，确定所述分块区域中每个像素的像素等级；遍历所述分块区域中的所有像素；若遍历检测到具有目标像素等级的像素数量占总像素数量的比例大于或者等于比例阈值，则将所述目标像素等级作为所述分块区域的模糊等级信息。4.根据权利要求3所述的方法，其特征在于，所述遍历所述分块区域中的所有像素，包括：按照预设遍历顺序遍历所述分块区域中所有像素；以及在确定所述分块区域的模糊等级信息之后，提前结束对所述分块区域中像素的遍历过程。5.根据权利要求2所述的方法，其特征在于，所述对所述分块图像进行模糊估计，生成去模糊引导图，包括：计算所述分块区域中所有像素的平均...

【专利技术属性】
技术研发人员：胡杰，
申请(专利权)人：OPPO广东移动通信有限公司，
类型：发明
国别省市：