System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及计算机视觉领域,尤其涉及一种基于完全散焦图区域分割的图像去模糊方法。
技术介绍
1、在使用数字成像设备拍摄图像时,通常会因为场景变化、相机抖动等原因导致出现图像散焦和模糊的情况;图像去模糊技术可以使这些散焦和模糊的图像恢复成清晰图像,目前常用的反卷积算法,使用一个点扩散函数与清晰图像进行去卷积,通过反向模拟图像模糊的过程,来实现图像的去模糊。
2、基于反卷积去模糊算法中,有一种基于区域分割的方法,将输入图像分割成模糊量近似均匀的多个区域,然后在每个区域上分别进行去卷积恢复出清晰图像;该方法因为无法有效区分图像的结构边缘和纹理边缘,容易使获得的散焦图受到纹理边缘的干扰,从而导致过度分割或者区域分割不准确;另外该方法在散焦图估计和去卷积过程均使用了基于高斯分布的点扩散函数,该类点扩散函数会受光频率不同所带来色差的影响,导致恢复出的图像存在振铃效应。
3、为解决上述问题,我们提出一种使用基于完全散焦图区域分割的图像去模糊方法,首先对图像中的边缘进行检测并进行纹理结构分解,使区域分割更加准确;再使用改进的基于瑞利-索末菲衍射公式的点扩散函数,该函数可随成像位置到焦平面距离变化而变化,从而实现较好的去模糊效果。
技术实现思路
1、一种基于多区域分割的散焦图像去模糊方法,包括以下步骤。
2、步骤1,计算源散焦图像的二值边缘图,包括:
3、使用边缘检测算子对源散焦图像进行边缘检测,最终得到源图像的二值边缘图;这里的边缘包括了纹理边缘和
4、步骤2,计算每个边缘像素点水平方向和垂直方向的振幅和偏移量,即针对检测出的每条边缘的每个边缘像素点(i,j),在源散焦图像中进行计算:
5、(1)在边缘像素点(i,j)的左、右、上、下侧,距离为r的像素位置,分别获取一个估计窗口,其高度为h,宽度为w;
6、(2)计算左、右、上、下侧的估计窗口内所有像素点灰度值之和,分别为m、n、e、f;
7、(3)计算m和n两者之差的绝对值,将该值除以h和w的乘积得到边缘点(i,j)的水平方向振幅a1(i,j);
8、(4)计算e和f两者之差的绝对值,将该值除以h和w的乘积得到边缘点(i,j)的垂直方向振幅a2(i,j);
9、(5)取m和n中的较小值,将该值除以h和w的乘积得到边缘点(i,j)的水平方向偏移量b1(i,j);
10、(6)取e和f中的较小值,将该值除以h和w的乘积得到边缘点(i,j)的垂直方向偏移量b2(i,j)。
11、步骤3,求解出每个边缘像素点左右两侧和上下两侧的模糊参数,即针对检测出的每条边缘的每个边缘像素点(i,j),在源散焦图像中进行计算:
12、(1)根据点扩散函数可表示原始图像模糊过程,定义边缘点的模糊参数zl,zr,zu,zd;各边缘点的这四个值将在下一步得到求解;
13、使用f(x,y)表示位置(i,j)对应的清晰像素点的灰度值;使用h(x,y)表示位置(i,j)的源散焦像素灰度值,使用改进点扩散函数来表示图像模糊过程;
14、所述改进点扩散函数表示为:g(x,y;z)=z2/(pai*(x2+y2+z2)2);
15、其中z代表模糊参数,是物体与焦平面的距离在像空间的投影距离;其中pai为圆周率;
16、则h(x,y)=f(x,y)*g(x,y;z);其中的星号(*)表示卷积操作;与通常的图像退化模型相比,这里没有考虑噪声;
17、所述改进点扩散函数,即使用瑞利-索末菲衍射公式所推导出的点扩散函数,可模拟聚焦图像在像空间传播后失焦的过程,其中传播的距离是成像位置到焦平面的距离;该函数仅随成像位置到焦平面的距离的变化而变化,去除了受光频率不同所带来色差的影响;
18、分别用zl,zr,代表边缘像素点左右两侧的模糊参数,则水平方向左右两侧的像素值可以表示为:h(x,y)=f(x,y)*g(x,y;{zl,zr});
19、用zu,zd代表边缘像素点上下两侧的模糊参数,则垂直方向上下两侧的像素值可以表示为:h(x,y)=f(x,y)*g(x,y;{zu,zd});
20、(2)使用改进点扩散函数对源散焦图像再模糊,并计算再模糊位置(i,j)的水平梯度和垂直梯度;
21、使用模糊参数z已知的改进点扩散函数g(x,y;zn),n属于{1,2,…n},n>=4,再模糊源散焦图像,得到位置(i,j)的再模糊的灰度值h'(x,y),则:
22、h'(x,y)=f(x,y)*g(x,y;z0)*g(x,y;zn);
23、对h'(x,y)进行水平方向一阶求导,得到再模糊像素点水平方向的梯度:
24、t'x(i,j:zn)=-b1/(pai*(zl2+zn2)+(a1+b1)/pai*(zr2+zn2);
25、对h'(x,y)进行垂直方向一阶求导,得到再模糊像素点垂直方向的梯度:
26、t'y(i,j:zn)=-b2/(pai*(zu2+zn2)+(a2+b2)/pai*(zd2+zn2);
27、(3)使用中心差分算法,对再模糊后的图像中的边缘线进行计算,得到边缘像素点的水平梯度tx(i,j:zn)和垂直梯度ty(i,j:zn),其应等于t'x(i,j:zn)和t'y(i,j:zn);因此可以求解出每个边缘像素点的zl,zr,zu,zd。
28、步骤4,在二值边缘图上,根据计算的边缘像素点两侧的模糊参数,计算源散焦图像的完全散焦图,包括:
29、(1)计算边缘像素点为结构边缘的置信度:
30、使用(1-exp(1-max(zl,zr)/min(zl,zr)))表示边缘为水平结构边缘的置信度px(i,j);
31、使用(1-exp(1-max(zu,zd)/min(zu,zd)))表示边缘为垂直结构边缘的置信度py(i,j);
32、(2)在二值边缘图上,当边缘像素点的px(i,j)或py(i,j)大于指定的阈值时,认为其为结构边缘并予以保留;否则删除;生成新的二值边缘图;
33、(3)在新的二值边缘图上生成稀疏散焦图,具体为:
34、当px(i,j)>py(i,j)时,使用(zl+zr)/2作为点(i,j)的模糊参数,使用zl作为左侧像素点的模糊参数,使用zr作为右侧像素点的模糊参数;
35、当px(i,j)<=py(i,j)时,使用(zu+zd)/2作为点(i,j)的模糊参数,使用zu作为上侧像素点的模糊参数,使用zd作为下侧像素点的模糊参数;
36、其余位置设为0;
37、(4)使用扩散填充法对稀疏散焦图空白处进行填充,让边缘处的散焦量扩散到整张图,最后得到的图称为完全散焦图。
38、步骤5,使用基于阈值的图像分割算法对完全散焦本文档来自技高网...
【技术保护点】
1.一种基于多区域分割的散焦图像去模糊方法,其特征在于,包括以下步骤:
【技术特征摘要】
1.一种基于多区域分割的散焦图像去模...
【专利技术属性】
技术研发人员:冯子亮,何思迪,杨斌,梁悦洋,杨正润,
申请(专利权)人:四川大学,
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。