本申请涉及一种图像重构方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取光斑特征图，并对光斑特征图进行阈值二值化处理，得到光斑轮廓图像；根据光斑特征图中各局部极大值点的位置数据、以及光斑轮廓图像中各光斑轮廓的位置数据，确定每个光斑轮廓对应的局部极大值点集；针对任一光斑轮廓，根据光斑轮廓对应的局部极大值点集、以及包含光斑旋转角度的目标高斯曲面拟合模型，确定光斑轮廓所属光斑的光斑质心的光斑数据；基于各光斑轮廓对应的光斑质心的光斑数据、以及预设的目标图像尺寸进行图像重构，得到目标图像。本方案能够提高图像重构的精度。本方案能够提高图像重构的精度。本方案能够提高图像重构的精度。
【技术实现步骤摘要】
图像重构方法、装置、计算机设备和存储介质
[0001]本申请涉及图像处理
，特别是涉及一种图像重构方法、装置、计算机设备和存储介质。
技术介绍
[0002]随着图像处理技术的发展，出现了图像重构技术，这个技术可以对一幅低分辨率图像进行图像处理，然后重构得到一幅高分辨率图像，进而提高图像的分辨率。
[0003]传统的图像重构技术通常对初始光斑图中的光斑进行高斯曲面拟合，得到该光斑的极大值点。然后，基于各光斑的极大值点来进行图像重构，得到目标图像。
[0004]然而，目前的高斯曲面拟合对初始光斑图中的光斑进行拟合的前提是假设初始光斑图中的光斑在垂直方向上的方差等于光斑在水平方向上的方差。但是，由于光斑可能发生形变、旋转，导致光斑在垂直方向上的方差并不等于光斑在水平方向上的方差，因此，传统的高斯曲面拟合的拟合精度较低，拟合处理得到的光斑的极大值点光斑数据不准确，进而导致图像重构的精度较低。
技术实现思路
[0005]基于此，有必要针对上述技术问题，提供一种能够提高图像重构的精度的图像重构方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0006]第一方面，本申请提供了一种图像重构方法。所述方法包括：
[0007]获取光斑特征图，并对所述光斑特征图进行阈值二值化处理，得到光斑轮廓图像，所述光斑轮廓图像中包括至少一个光斑轮廓；
[0008]根据所述光斑特征图中各局部极大值点的位置数据、以及所述光斑轮廓图像中各所述光斑轮廓的位置数据，确定每个所述光斑轮廓对应的局部极大值点集，所述局部极大值点集中包括至少一个所述局部极大值点；
[0009]针对任一所述光斑轮廓，根据所述光斑轮廓对应的所述局部极大值点集、以及包含光斑旋转角度的目标高斯曲面拟合模型，确定所述光斑轮廓所属光斑的光斑质心的光斑数据；
[0010]基于各所述光斑轮廓对应的所述光斑质心的光斑数据、以及预设的目标图像尺寸进行图像重构，得到目标图像。
[0011]在其中一个实施例中，所述根据所述光斑轮廓对应的所述局部极大值点集、以及包含光斑旋转角度的目标高斯曲面拟合模型，确定所述光斑轮廓所属光斑的光斑质心的光斑数据，包括：
[0012]针对所述光斑轮廓对应的所述局部极大值点集中的任一所述局部极大值点，将所述局部极大值点与所述局部极大值点所属光斑轮廓之间对应的目标距离，作为所述局部极大值点的灰度值；
[0013]根据各所述局部极大值点的灰度值、所述局部极大值点的位置数据、以及包含光
斑旋转角度的目标高斯曲面拟合模型，确定所述光斑轮廓所属光斑的光斑质心的光斑数据。
[0014]在其中一个实施例中，所述获取光斑特征图之前，还包括：
[0015]根据预设的包含光斑旋转角度的旋转矩阵、以及所述光斑特征图中的像素点在图像坐标系上的位置数据，确定所述像素点在光斑坐标系上的目标位置数据；
[0016]根据目标位置数据以及高斯曲面拟合模型，构建包含光斑旋转角度的目标高斯曲面拟合模型。
[0017]在其中一个实施例中，所述根据所述光斑特征图中各局部极大值点的位置数据、以及所述光斑轮廓图像中各所述光斑轮廓的位置数据，确定每个所述光斑轮廓对应的局部极大值点集，包括：
[0018]针对所述光斑特征图中的每个局部极大值点，将所述光斑轮廓图像中与所述局部极大值点相距最近的所述光斑轮廓，作为与所述局部极大值点相匹配的光斑轮廓，并分别基于各所述光斑轮廓对应的局部极大值点，构建各所述光斑轮廓对应的局部极大值点集；或者，
[0019]针对所述光斑轮廓图像中的每个光斑轮廓，确定所述光斑轮廓所包含的局部极大值点，并分别基于各所述光斑轮廓所包含的所述局部极大值点，构建各所述光斑轮廓对应的局部极大值点集。
[0020]在其中一个实施例中，所述获取光斑特征图，包括：
[0021]获取初始光斑图，并对所述初始光斑图进行去噪处理，得到平滑光斑图；
[0022]基于第一高斯核函数对所述平滑光斑图进行滤波，得到第一光斑图；
[0023]基于第二高斯核函数对所述平滑光斑图进行滤波，得到第二光斑图；其中，所述第一高斯核函数的标准差小于所述第二高斯核函数的标准差；
[0024]将所述第一光斑图与所述第二光斑图进行相减，得到光斑特征图。
[0025]在其中一个实施例中，所述光斑数据包括拟合位置数据、以及拟合灰度值；所述基于各所述光斑轮廓对应的所述光斑质心的光斑数据、以及预设的目标图像尺寸进行图像重构，得到目标图像包括：
[0026]根据所述光斑特征图的图像尺寸、以及预设的目标图像尺寸，确定重构比例；
[0027]根据各所述光斑质心的拟合位置数据、以及所述重构比例，确定所述光斑质心在目标图像上的重构位置数据；
[0028]根据各所述光斑质心的重构位置数据、所述拟合灰度值，确定所述目标图像。
[0029]第二方面，本申请还提供了一种图像重构装置。所述装置包括：
[0030]获取模块，用于获取光斑特征图，并对所述光斑特征图进行阈值二值化处理，得到光斑轮廓图像，所述光斑轮廓图像中包括至少一个光斑轮廓；
[0031]第一确定模块，用于根据所述光斑特征图中各局部极大值点的位置数据、以及所述光斑轮廓图像中各所述光斑轮廓的位置数据，确定每个所述光斑轮廓对应的局部极大值点集，所述局部极大值点集中包括至少一个所述局部极大值点；
[0032]第二确定模块，用于针对任一所述光斑轮廓，根据所述光斑轮廓对应的所述局部极大值点集、以及包含光斑旋转角度的目标高斯曲面拟合模型，确定所述光斑轮廓所属光斑的光斑质心的光斑数据；
[0033]重构模块，用于基于各所述光斑轮廓对应的所述光斑质心的光斑数据、以及预设的目标图像尺寸进行图像重构，得到目标图像。
[0034]在其中一个实施例中，所述第二确定模块具体用于：
[0035]针对所述光斑轮廓对应的所述局部极大值点集中的任一所述局部极大值点，将所述局部极大值点与所述局部极大值点所属光斑轮廓之间对应的目标距离，作为所述局部极大值点的灰度值；
[0036]根据各所述局部极大值点的灰度值、所述局部极大值点的位置数据、以及包含光斑旋转角度的目标高斯曲面拟合模型，确定所述光斑轮廓所属光斑的光斑质心的光斑数据。
[0037]在其中一个实施例中，所述图像重构装置，还包括：
[0038]第三确定模块，用于根据预设的包含光斑旋转角度的旋转矩阵、以及所述光斑特征图中的像素点在图像坐标系上的位置数据，确定所述像素点在光斑坐标系上的目标位置数据；
[0039]构建模块，用于根据目标位置数据以及高斯曲面拟合模型，构建包含光斑旋转角度的目标高斯曲面拟合模型。
[0040]在其中一个实施例中，所述第一确定模块具体用于：
[0041]针对所述光斑特征图中的每个局部极大值点，将所述光斑轮廓图像中与所述局部极大值点相距最近的所述光斑轮廓，作为与所述局部极大值点本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像重构方法，其特征在于，所述方法包括：获取光斑特征图，并对所述光斑特征图进行阈值二值化处理，得到光斑轮廓图像，所述光斑轮廓图像中包括至少一个光斑轮廓；根据所述光斑特征图中各局部极大值点的位置数据、以及所述光斑轮廓图像中各所述光斑轮廓的位置数据，确定每个所述光斑轮廓对应的局部极大值点集，所述局部极大值点集中包括至少一个所述局部极大值点；针对任一所述光斑轮廓，根据所述光斑轮廓对应的所述局部极大值点集、以及包含光斑旋转角度的目标高斯曲面拟合模型，确定所述光斑轮廓所属光斑的光斑质心的光斑数据；基于各所述光斑轮廓对应的所述光斑质心的光斑数据、以及预设的目标图像尺寸进行图像重构，得到目标图像。2.根据权利要求1所述的方法，其特征在于，所述根据所述光斑轮廓对应的所述局部极大值点集、以及包含光斑旋转角度的目标高斯曲面拟合模型，确定所述光斑轮廓所属光斑的光斑质心的光斑数据，包括：针对所述光斑轮廓对应的所述局部极大值点集中的任一所述局部极大值点，将所述局部极大值点与所述局部极大值点所属光斑轮廓之间对应的目标距离，作为所述局部极大值点的灰度值；根据各所述局部极大值点的灰度值、所述局部极大值点的位置数据、以及包含光斑旋转角度的目标高斯曲面拟合模型，确定所述光斑轮廓所属光斑的光斑质心的光斑数据。3.根据权利要求1至2中任意一项所述的方法，其特征在于，所述获取光斑特征图之前，还包括：根据预设的包含光斑旋转角度的旋转矩阵、以及所述光斑特征图中的像素点在图像坐标系上的位置数据，确定所述像素点在光斑坐标系上的目标位置数据；根据目标位置数据以及高斯曲面拟合模型，构建包含光斑旋转角度的目标高斯曲面拟合模型。4.根据权利要求1至2中任意一项所述的方法，其特征在于，所述根据所述光斑特征图中各局部极大值点的位置数据、以及所述光斑轮廓图像中各所述光斑轮廓的位置数据，确定每个所述光斑轮廓对应的局部极大值点集，包括：针对所述光斑特征图中的每个局部极大值点，将所述光斑轮廓图像中与所述局部极大值点相距最近的所述光斑轮廓，作为与所述局部极大值点相匹配的光斑轮廓，并分别基于各所述光斑轮廓对应的局部极大值点，构建各所述光斑轮廓对应的局部极大值点集；或者，针对所述光斑轮廓图像中的每个光斑轮廓，确定所述光斑轮廓所包含的局部极大值点，并分别基于各所述光斑轮廓所包含的所述局部极大值点，构建...
【专利技术属性】
技术研发人员：杨康，郭京雨，
申请(专利权)人：宁波力显智能科技有限公司，
类型：发明
国别省市：
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。