针对由于运动引起模糊的数字图像恢复的方法
技术领域
本发明涉及一种用于数字图像的恢复方法,特别是一种针对由于运动引起模糊的数字图像恢复的方法。
技术背景
在视频会议系统中,视频数据往往依靠摄像头等数码设备。由于这些设备在拍摄过程需要一定的时间才能完成一次成像过程,所以,如果被拍摄的物体此时处在移动状态,那么所拍摄的图像往往会产生一定的模糊效果。这种现象在物体运动速度较低时,表现为图像边缘轮廓的模糊化,在物体运动速度较高时,则表现为整个图像的模糊化,从而导致图像难以识别。
如果我们用照相机胶片作为记录媒体,则根据照相机及胶片成像的原理,如果曝光量E可以被定义为感光面的每一点处单位面积上的能量,则曝光量取决于入射强度I和曝光时间T。这些量的关系为E=IT。我们这里假设入射强度I不变,则曝光量E与曝光时间T成正比。由于胶片上某一点的亮度值与曝光量成正比,由此可知,其亮度与曝光时间成正比。同时,当物体发生运动时,其某一点的曝光时间与其运动速度成反比。由上面可知,运动期间某一点的亮度必小于其静止时的亮度。这就是图像模糊化的原因。
在视频会议系统中,由于网络传输环境的不稳定,经常会产生视频数据包传输的堵塞和丢失,造成视频图像的时断时续。由于视频图像中的人或者物体往往处于活动状态,在图像连续时,画面表现得就比较流畅,但在视频数据包传输不畅的情况下,原来连贯的视频图像就会变成人们可以感觉到的一幅一幅的静态图像,而这些静态图像中的人或者物体往往表现出模糊的效果。
为了消除运动图像的模糊现象,必须把所成的较模糊的运动图像进行处理,对图像的原貌进行恢复,从而间接消除运动图像的模糊化现象。目前,针对运动图像的模糊恢复主要分为两个方向:
一是针对运动速度较低的图像模糊恢复,这类图像模糊主要表现为边缘轮廓的模糊。对于轮廓模糊问题,由于发光时间和空间分布上的不均匀性是其产生动态模糊轮廓的基本原因。为了消除运动图像模糊轮廓的影响,业界广泛采用图像增强技术来减小动态模糊轮廓的影响,从而达到对运动图像的模糊轮廓起到消除的成效。
另一个方向就是由于高速运动而产生的整个图像的模糊现象的恢复,整体模糊的运动图像,其恢复起来往往要复杂得多!对于整体模糊的运动图像的恢复,一般采用的是根据物体运动的真实轨迹,模拟出该轨迹的退化模型,依据退化模型逆导出图像恢复模型,最后依据该模型完成图像的恢复。
由于在视频会议应用中,人或者物体往往处于低速运动状态,所以一般采用的图像增强技术来对模糊图像进行恢复。
现阶段,业界所广泛采用的模糊图像增强技术里,几乎每种方法都存在着局限性。这些方法主要有:
一、简单图像增强方法。即以图像的像素为单位,对每个像素进行拆分,将所得的各个像素,根据要求进行适当的增强,增加其亮度,并从全局着手,加图像的对比度,从而达到模糊图像增强的效果。该方法的优点是不会对图像产生形变,缺点主要是效果不好。由于图像是由一个个的像素组成的,如果对每个像素进行增强,对了使图像的整体效果好,各个图像的增强度是很难把握的。
二、基于广义模糊集合的图像增强方法。这种方法针对简单图像增强方法效果不好的缺点,进行了改进,在图像模糊增强过程中,将像素分成若干个相对独立的集合,对每个集合进行单独的处理。这种方法使得图像增强后的效果,即可视性和可分析性有了较大的改善。然而,由于基于广义模糊集合的图像增强方法在处理中以像素集合为单位,这也使得在集合的拆分和整合过程中,不可避免地产生了形变,从而影响到了整个图像的整体形态,这对于该技术的应用是非常不利的。
三、基于小波变换的图像增强方法。近年来小波分析理论受到众多学科的共同关注。小波变换是传统的傅里叶变换的继承和发展。基于小波变换的图像增强技术在目前图像处理领域研究中尚处于探索性阶段,国内外已有部分学者开始对此方法进行研究。由于小波分析的图像增强技术包含了小波的分解与合成运算,其数据量大,运算时间较长,因此在许多实际应用中,特别是实时系统中没有得到认可和推广。
发明内容
本发明的目的是:针对现有技术的不足,提供一种可以在消除运动图像的模糊现象的同时,防止图像形变的数字图像的恢复的方法。
为了解决上述技术问题,本发明所采取的技术方案是:一种针对由于运动引起模糊的数字图像恢复的方法,包括如下步骤:
步骤一、将多个不同灰度级的相对于最大灰度值的隶属度P,根据公式:
其中j为控制收敛速度的参量,计算获得修复后的相对于最大灰度值的隶属度P’,从而建立灰度对应表;
步骤二、获取原始图像各像素值,获得各像素的灰度值相对于最大灰度值的隶属度;
步骤三、确定递归转换次数;
步骤四、控制图像增强过程中的收敛程度;
步骤五、利用灰度对应表进行灰度转换,获得新的灰度值;
步骤六、判断是否到达递归次数,如果到达,则进入步骤七,如果没有则返回步骤四,以进行灰度值的递归转换,获得各像素的修复后的灰度值;
步骤七、根据修复后的灰度值进行图像恢复,从而获得修复后的数字图像。
所述步骤一中建立的灰度对应表可以分为两部分,其中一部分为0≤P<0.5时的灰度对应表,另一部分为0.5≤P≤1时的灰度对应表。
所述步骤四具体为:如果各像素的相对于最大灰度值的隶属度大于或等于0.5,则选定灰度对应表中的0.5≤P≤1部分,反之,则选另外一部分。
所述j可以选用使图像变换过程为渐近收敛的值。
所述j值可以为2.25。
所述递归转换次数可以选择2次~5次之间。
本发明所具有的技术效果是:在上述技术方案中,本发明通过采用基于广义模糊集合的图像增强方法来消除运动图像的轮廓模糊,并在此基础之上,控制图像边界的收敛程度,以克服其在图像形变方面所产生的不足,从而做到了既快速地消除了图像的轮廓模糊,又避免了在恢复过程中产生的明显形变。而且,为了减少图像增强过程中的大量计算,本发明采用了事先建立灰度对应表,从而可以采用查表的方法快速进行灰度转换。因此,相对现有技术,本发明具有算法简单、转换快速、图像恢复效果好、形变小等特点。
附图说明
附图1为本发明的流程图;
附图2为本发明的控制收敛速度参量J取不同值时的模糊变换效果图。
具体实施方式
下面将结合说明书附图及具体实施例对本发明作进一步详细说明。
鉴于视频会议系统对视频数据的实时性要求,以及模糊集合的图像增强方法在图像增强中所取得的良好效果,本发明采用基于广义模糊集合的图像增强方法来消除运动图像的轮廓模糊,并在此基础之上,控制图像边界的收敛程度,以克服其在图像形变方面所产生的不足,从而做到了既快速地消除了图像的轮廓模糊,又避免了在恢复过程中产生的明显形变。
具体方法为:
通常,为了实现对图像的轮廓模糊进行恢复,首先需要得到一个用于模糊增强的模糊集合。一个模糊集A可被定义为:A={L(X),A},其中X为无穷集,L(X)为隶属度函数。特别地对于一个有n个元素X1,X2,,……,Xn组成的有穷模糊集,有如下形式:
A={L(Xi),Xi},i=1,2,……,n
利用上述模糊集合的概念,一幅M×N的数字图像可以看成是一个模糊独点集所组成的矩阵,记作X,有:
其中Pmn(0≤Pmn≤1)表示图像中第(m,n)象素相对于最大灰度值的隶属度。
注:隶属度为取值范围在[0,1]之内的小数,它越接近于1,则表示它隶属于集合的程度越强。
对于图像的模糊增强则可按如下递归式描述:
Pmn=T(Pmn)=1-2(Pmn)2
当增强次数趋于无穷时,将产生二值图像。由此我们上述公式可知,经过有限次递归后,图像即可到显著的增强效果。最后把图像从模糊域映射回空间域,就完成了图像的模糊增强。
上面传统的算法虽然可以明显恢复模糊的轮廓,但是计算量仍然很大,不能够很好地应用在对实时性要求很高的视频会议系统中,因此我们对该算法提出改进。通过对传统的模糊增强算法的分析不难发现,对于两个不同位置的象素点,如果它们的灰度值相同,那么它们增强后的灰度值也相同。也就是说,任何灰度值按这种算法增强所得到的灰度值是确定的。所以,我们可以通过查找表的方法来加快算法的处理速度,即事先将各种不同灰度级进行运算,将所对应的结果存在灰度对应表中。对实际图像进行模糊增强时,任一象素点可以由它当前的灰度值通过查表的方法得到增强后的灰度值。由此可见,在使用灰度对应表之后,对实际图像增强的处理时间将大大缩短。
同时,为了避免在模糊轮廓的增强过程中产生明显的形变,我们必须对图像增强过程中的收敛程度进行控制。众所周知,当边界收敛的越大时,它产生形变的程度也会越大,由于并非所有的形变都是必要的,因此失真也会变大。
为了达到控制收敛程度的目的,我们将隶属度函数变换为:
可以证明P′mn仍满足模糊集合的定义。式中J是控制收敛速度的一个参量,j越大,收敛越快,J→∞时,则变成了一个阶跃函数。如图2所示为当J分别取1.5、2.25、3.375时图像收敛速度的3条曲线。从图可以看出,为了使图像的模糊变换过程是渐近收敛而不是突变收敛,控制J的大小是必要的。在本发明的具体实施过程中,一般采用J=2.25的参数。
下面给出本发明的一种具体实施步骤:(参考附图1)
步骤一、将多个不同灰度级的相对于最大灰度值的隶属度P,根据公式:
其中j为控制收敛速度的参量,计算获得修复后的相对于最大灰度值的隶属度P′,从而建立灰度对应表,所建立的灰度对应表分为两部分,其中一部分为0≤P<0.5时的灰度对应表,另一部分为0.5≤P≤1时的灰度对应表。
步骤二、获取原始图像各像素值,获得各像素的灰度值相对于最大灰度值的隶属度Pmn;
步骤三、确定递归转换次数;所述的递归转换次数采用几次一般依据系统转换能力、对转换结果的要求等而定,一般而言,转换2~5次基本足够,本实施例中转换2次。
步骤四、控制图像增强过程中的收敛程度,即如果各像素的相对于最大灰度值的隶属度Pmn大于或等于0.5,则选定灰度对应表中的0.5≤P≤1部分,反之,则选另外一部分;
步骤五、在所选定的灰度对应表中查找转换后的灰度值,从而进行灰度转换,获得新的灰度值;
步骤六、判断是否到达递归次数,如果到达,则进入步骤七;如果没有则返回步骤四,即根据新的灰度值相对于最大灰度值的隶属度P′mn选定灰度对应表,以进行灰度值的递归转换,获得各像素的修复后的灰度值;
步骤七、根据修复后的灰度值进行图像恢复,从而获得修复后的数字图像。