CN101291391A - 图像处理方法以及相关的部分点扩散函数估测方法 - Google Patents
图像处理方法以及相关的部分点扩散函数估测方法 Download PDFInfo
- Publication number
- CN101291391A CN101291391A CNA200710100859XA CN200710100859A CN101291391A CN 101291391 A CN101291391 A CN 101291391A CN A200710100859X A CNA200710100859X A CN A200710100859XA CN 200710100859 A CN200710100859 A CN 200710100859A CN 101291391 A CN101291391 A CN 101291391A
- Authority
- CN
- China
- Prior art keywords
- image
- spreading function
- pixel
- function estimating
- point spreading
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开一种图像处理方法以及相关的部分点扩散函数估测方法,该图像处理方法包含:a.对一图像进行边缘检测以得到该图像的多个边缘像素;b.对所述边缘像素中每一边缘像素进行一部分点扩散函数估测以产生多个部分点扩散函数估测结果;以及c.根据所述部分点扩散函数估测结果以产生一点扩散函数估测结果,以在不移动镜头以及不限定镜头种类的情况下,处理模糊的图像以形成较清楚的图像。
Description
技术领域
本发明涉及一种图像处理方法,特别涉及使用部分点扩散函数估测方法的图像处理方法以及其使用的部分点扩散函数估测方法。
背景技术
图1示出了模糊图像(blur image)的形成示意图。如图1所示,一像素点P在经过一镜头101后,会形成一模糊图像区域BP,因此须调整使用镜头101的装置(例如光学显微镜、照相机)的焦距使得像素点P得以形成清楚的像素点。一般调整焦距的方式为机械式调整,也就是调整装置的机械结构以得到适当的焦距,然而这样的方法常常需要手动调整(如显微镜),因此相当不方便。而且机械式的调整也不大适合越来越轻薄的现代电子装置。
针对上述问题的其中一种做法为提供一特殊镜头,并使用一转换电路使像素点P形成一特定模糊图像或是落于一特定范围内的一模糊图像,再使用图像处理方法将模糊图像恢复成原来的图像。然而这样的作法须搭配特定的镜头,且需要一特定的电路对外部图像作转换以形成特定模糊图像,因此不适合一般的装置使用。
因此,须要一种新颖的发明来解决上述问题。
发明内容
本发明的目的之一为提供一种图像处理方法,以在不移动镜头以及不限定镜头种类的情况下,处理模糊的图像以形成较清楚的图像。
本发明的实施例公开了一种图像处理方法,该方法包含:a对一图像进行边缘检测以得到该图像的多个边缘像素;b对所述边缘像素中每一边缘像素进行一部分点扩散函数估测(partial PSF estimation)以产生多个部分点扩散函数估测结果;以及c根据所述部分点扩散函数估测结果以产生一点扩散函数估测结果。该方法可还包含:根据该点扩散函数估测结果对该图像进行反卷积(deconvolution)以形成一恢复图像。
本发明所述的图像处理方法,其中步骤a至少包含下列步骤的其中之一:a1对该图像进行对比调整;a2对该图像进行膨胀处理;以及a3对该图像进行边缘检测以得到所述边缘像素。
本发明所述的图像处理方法,其中该部分点扩散函数估测包含:b1根据一要处理的边缘像素设定一要处理范围;以及b2对该要处理范围内的像素进行取样以产生该部分点扩散函数估测结果。
本发明所述的图像处理方法,其中该部分点扩散函数估测还包含:若该要处理范围内的一特定像素的像素值小于该要处理的边缘像素的像素值,则不处理该特定像素。
本发明所述的图像处理方法,其中该图像由一图像提取装置产生。
本发明的另一实施例公开了一种图像处理方法,该方法包含:a将该图像分成多个图像区块,以及对所述图像区块分别进行边缘检测以得到所述图像区块所对应的多个边缘像素;b针对每一图像区块,对于相对应的所述边缘像素中每一边缘像素进行一部分点扩散函数估测(partial PSF estimation)以产生多个部分点扩散函数估测结果;以及c分别结合所述部分点扩散函数估测结果以产生分别对应所述图像区块的点扩散函数估测结果。该方法还包含:d根据所述扩散函数估测结果分别对所述图像区块进行反卷积(deconvolution)以形成多个恢复图像区块;以及e结合所述恢复图像区块以形成一恢复图像。
本发明所述的图像处理方法,其中步骤a至少包含下列步骤的其中之一:a1对所述图像区块进行对比调整;a2对所述图像区块进行膨胀处理;以及a3对所述图像区块进行边缘检测以得到所述边缘像素。
本发明所述的图像处理方法,其中该部分点扩散函数估测包含:b1根据一要处理的边缘像素设定一要处理范围;以及b2对该要处理范围内的像素进行取样以产生该部分点扩散函数估测结果。
本发明所述的图像处理方法,其中该部分点扩散函数估测还包含:若该要处理范围内的一特定像素的像素值小于该要处理的边缘像素的像素值,则不处理该特定像素。
本发明所述的图像处理方法,其中该图像由一图像提取装置产生。
本发明的实施例也公开了一种部分点扩散函数估测方法,可应用于上述的方法,该部分点扩散函数估测方法包含:根据一要处理像素设定一要处理范围;以及对该要处理范围内的像素进行一点扩散函数估测以产生该部分点扩散函数估测结果。该部分点扩散函数估测方法还包含若该要处理范围内的一特定像素的像素值小于该要处理像素的像素值,则不处理该特定像素。
根据上述的方法,可在不移动镜头以及不限定镜头种类的情况下得到清晰的图像,进而节省了产品成本并增加了产品的应用层面。
附图说明
图1示出了模糊图像(blur image)的形成示意图。
图2示出了根据本发明的图像处理方法的第一优选实施例的示意图。
图3示出了利用图2所示的边缘检测而得到边缘图的示意图。
图4示出了根据本发明的优选实施例的部分PSF估测的示意图。
图5示出了根据本发明的优选实施例的部分PSF估测的示意图。
图6示出了根据本发明的图像处理方法的第二优选实施例的示意图。
具体实施方式
图2示出了根据本发明的图像处理方法的示意图。如图2所示,模糊图像经过对比调整处理201、膨胀(dilation)处理203以及边缘检测(Canny)处理205之后得到一边缘图(edge map)。接着步骤207中,对边缘图的每一边缘像素进行部分点扩散函数(Partial Point Spread Function,Partial PSF)估测以得到多个部分PSF估测结果。然后在步骤209中,根据多个部分PSF估测结果得到整个图像的PSF估测结果,在该实施例中对所有部分PSF估测结果求平均值以得到PSF估测结果,但并非用以限定本发明。接着,可利用PSF估测结果进行步骤211以对影响进行反卷积(deconvolution)以得到恢复图像。然而,步骤209中得到的PSF估测结果也可作为其它用途使用,并不限定于要进行步骤211。
对比调整处理201用以强化出图像的颜色对比,举例来说,使白色的部分更白并使黑色的部分更黑,以使接下来的边缘检测步骤更加精确。膨胀处理203用以移除黑色部分模糊化后的灰色区域,使接下来的边缘检测步骤可准确地检测出边缘像素。边缘像素检测越精确,越能得到较佳的点扩散函数(Point Spread Function,PSF)估测结果。在膨胀处理203之后,便进行边缘检测(Canny)处理205以得到一边缘图。在该实施例中,边缘检测(Canny)处理205不考虑边缘像素的方向性。
图3示出了利用图2所示的边缘检测而得到边缘图的示意图。图3的(a)示出了一像素点的模糊图像,图3的(b)示出了图3的(a)的图像经过对比调整处理201后的情况,图3的(c)示出了根据图3的(b)所求出的边缘图。图3的(d)示出了图3的(a)的图像经过膨胀处理203后的情况,图3的(e)示出了根据图3的(d)所求出的边缘图。由图3的(a)~(e)可看出,经过膨胀处理后的边缘图较接近中心点,因此有助于PSF估测。
须注意的是:对比调整处理201、膨胀(dilation)处203以及边缘检测(Canny)处理205可视为一边缘检测步骤,而如熟知该项技术的人所知,边缘检测步骤可以许多不同的形式实现。因此,本发明的实施例并不受限于包含对比调整处理201、膨胀(dilation)处理203以及边缘检测(Canny)处理205三个步骤,所有可得到边缘图的方法都应包含在本发明的范围之内。
如上所述,步骤207对边缘图中的每一边缘像素施行部分点扩散函数(Partial Point Spread Function,Partial PSF)估测以得到多个部分PSF估测结果,但这些被施行的边缘像素在该实施例中不包含边界(boundary)上的像素。在该实施例中,部分点扩散函数的定义为一2D矩阵,其仅包含了一完整PSF矩阵中的脉冲响应,其可分为两个步骤:(1)对一边缘像素的一特定范围内的像素进行取样。(2)过滤特定范围内的特定像素。
步骤(1)可以用下列的公式表示:
PSF(x,y)=I([x-r∶x+r],[y-r∶y+r])
其中I(x,y)为一边缘像素,而其取样的特定范围为(2r+1)乘(2r+1)。须注意的是,在本发明的实施例中虽以矩形作为特定范围,但并不表示用以限定本发明,其它形状及大小的特定范围也应包含在本发明的范围之内。
步骤(2)则可以下列公式表示:
这个公式表示:若PSF(x,y)范围内的像素ε较边缘像素I(x,y)来得暗,则忽略不计。这样做的原因在于,较边缘像素I(x,y)来得暗的像素ε被假设成原来文件的一部分,而不是模糊图像的一部分,因此忽略不对其进行部分PSF估测。
图4和图5示出了根据本发明的优选实施例的部分PSF估测的示意图。如图4所示,位于直线上的像素点401、403以及405等均为边缘像素点,而本实施例针对像素点405作部分PSF估测,其范围为3×3的矩形。如上所述,进行部分PSF估测的对象不包含比像素点405暗的像素点以及位于边界上的像素点,也就是图5中标示为x的像素点。因此根据本发明的实施例,图5不标示为x的像素点才是进行部分PSF估测的目标像素点。
如上所述,求出部分PSF估测结果之后便可根据部分PSF估测结果求得PSF估测结果,然后再根据PSF估测结果对图像进行反卷积。在本发明的实施例中所采用的反卷积为维纳(Wiener)反卷积方法,其使用在频域中并可降低反卷积过程的噪声影响。Wiener反卷积方法在傅立叶频域中可以用下列的方程式表示:
其中H(f1,f2)为PSF,Sxx(f1,f2)为原始图像的频谱,Sηη(f1,f2)为附加的噪声,而*表示共轭复数(Complex Conjugate)。因此可知Wiener方法可包含两个部分:逆滤波部分(高通滤波)以及噪声抑制部分(低通滤波)。须注意的是,本发明并不限定于Wiener反卷积方法,其它反卷积方法也可适用于本发明。
此外,由于模糊图像的失真程度在每一个部分不尽相同,举例来说,图像边缘的失真状况会比中心的部分来得严重。因此以单一个PSF估测结果对整张图像进行处理,有可能得到不理想的结果,因此本发明提出了另一个实施例来改善这样的情形。
图6示出了根据本发明的图像处理方法的第二优选实施例的示意图。其跟图2所示的第一优选实施例的差别在于,图6所示的第二优选实施例将一模糊图像分成数个图像区块后,再利用图2所示的方法处理每一图像区块以产生PSF估测,然后再根据每一图像区块的PSF估测对每一图像区块进行反卷积以形成恢复图像区块。接着再将每一恢复图像区块合并以形成恢复图像。由于本实施例是针对每一图像区块求出PSF估测结果后再进行反卷积,因此可反映图像每一部分的差异而进行恢复,可避免上述的问题。
根据上述的方法,可在不移动镜头以及不限定镜头种类的情况下得到清晰的图像,进而节省了产品成本并增加了产品的应用层面。还可对应图像每一部分的差异而进行恢复,以提高恢复图像的质量。
以上所述仅为本发明的优选实施例,凡是按照本发明的权利要求书的保护范围所做的均等变化与修改,都应属于本发明的涵盖范围。
Claims (14)
1.一种图像处理方法,该方法包含:
a对一图像进行边缘检测以得到该图像的多个边缘像素;
b对所述边缘像素中每一边缘像素进行一部分点扩散函数估测以产生多个部分点扩散函数估测结果;以及
c根据所述部分点扩散函数估测结果以产生一点扩散函数估测结果。
2.如权利要求1所述的图像处理方法,还包含:
d根据该点扩散函数估测结果对该图像进行反卷积以形成一恢复图像。
3.如权利要求1所述的图像处理方法,其中步骤a至少包含下列步骤的其中之一:
a1对该图像进行对比调整;
a2对该图像进行膨胀处理;以及
a3对该图像进行边缘检测以得到所述边缘像素。
4.如权利要求1所述的图像处理方法,其中该部分点扩散函数估测包含:
b1根据一要处理的边缘像素设定一要处理范围;以及
b2对该要处理范围内的像素进行取样以产生该部分点扩散函数估测结果。
5.如权利要求4所述的图像处理方法,其中该部分点扩散函数估测还包含:
若该要处理范围内的一特定像素的像素值小于该要处理的边缘像素的像素值,则不处理该特定像素。
6.如权利要求1所述的图像处理方法,其中该图像由一图像提取装置产生。
7.一种图像处理方法,该方法包含:
a将该图像分成多个图像区块,以及对所述图像区块分别进行边缘检测以得到所述图像区块所对应的多个边缘像素;
b针对每一图像区块,对于相对应的所述边缘像素中每一边缘像素进行一部分点扩散函数估测以产生多个部分点扩散函数估测结果;以及
c分别结合所述部分点扩散函数估测结果以产生分别对应所述图像区块的点扩散函数估测结果。
8.如权利要求7所述的图像处理方法,还包含:
d根据所述扩散函数估测结果分别对所述图像区块进行反卷积以形成多个恢复图像区块;以及
e结合所述恢复图像区块以形成一恢复图像。
9.如权利要求7所述的图像处理方法,其中步骤a至少包含下列步骤的其中之一:
a1对所述图像区块进行对比调整;
a2对所述图像区块进行膨胀处理;以及
a3对所述图像区块进行边缘检测以得到所述边缘像素。
10.如权利要求7所述的图像处理方法,其中该部分点扩散函数估测包含:
b1根据一要处理的边缘像素设定一要处理范围;以及
b2对该要处理范围内的像素进行取样以产生该部分点扩散函数估测结果。
11.如权利要求10所述的图像处理方法,其中该部分点扩散函数估测还包含:
若该要处理范围内的一特定像素的像素值小于该要处理的边缘像素的像素值,则不处理该特定像素。
12.如权利要求7所述的图像处理方法,其中该图像由一图像提取装置产生。
13.一种部分点扩散函数估测方法,该方法包含:
根据一要处理像素设定一要处理范围;以及
对该要处理范围内的像素进行一点扩散函数估测以产生该部分点扩散函数估测结果。
14.如权利要求13所述的部分点扩散函数估测方法,还包含:
若该要处理范围内的一特定像素的像素值小于该要处理像素的像素值,则不处理该特定像素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA200710100859XA CN101291391A (zh) | 2007-04-20 | 2007-04-20 | 图像处理方法以及相关的部分点扩散函数估测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA200710100859XA CN101291391A (zh) | 2007-04-20 | 2007-04-20 | 图像处理方法以及相关的部分点扩散函数估测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101291391A true CN101291391A (zh) | 2008-10-22 |
Family
ID=40035445
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA200710100859XA Pending CN101291391A (zh) | 2007-04-20 | 2007-04-20 | 图像处理方法以及相关的部分点扩散函数估测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101291391A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102388402A (zh) * | 2010-02-10 | 2012-03-21 | 松下电器产业株式会社 | 图像处理装置及图像处理方法 |
CN103201765A (zh) * | 2010-09-28 | 2013-07-10 | 马普科技促进协会 | 用于从所观察到的数字图像序列恢复数字图像的方法与设备 |
WO2017012528A1 (zh) * | 2015-07-23 | 2017-01-26 | 清华大学 | 一种点扩散函数估计方法及系统 |
CN106600543A (zh) * | 2016-11-10 | 2017-04-26 | 江苏信息职业技术学院 | 基于粒子群优化的图像复原方法 |
CN108830805A (zh) * | 2018-05-25 | 2018-11-16 | 北京小米移动软件有限公司 | 图像处理方法、装置及可读存储介质、电子设备 |
CN109459023A (zh) * | 2018-09-18 | 2019-03-12 | 武汉三体机器人有限公司 | 一种基于无人机视觉slam的辅助地面机器人导航方法及装置 |
CN111246053A (zh) * | 2020-01-22 | 2020-06-05 | 维沃移动通信有限公司 | 图像处理方法及电子设备 |
CN112945835A (zh) * | 2021-01-22 | 2021-06-11 | 西安交通大学 | 基于深度变化点扩散函数的细胞精确三维形态恢复方法 |
-
2007
- 2007-04-20 CN CNA200710100859XA patent/CN101291391A/zh active Pending
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102388402A (zh) * | 2010-02-10 | 2012-03-21 | 松下电器产业株式会社 | 图像处理装置及图像处理方法 |
US8803984B2 (en) | 2010-02-10 | 2014-08-12 | Dolby International Ab | Image processing device and method for producing a restored image using a candidate point spread function |
CN102388402B (zh) * | 2010-02-10 | 2015-08-19 | 杜比国际公司 | 图像处理装置及图像处理方法 |
CN103201765A (zh) * | 2010-09-28 | 2013-07-10 | 马普科技促进协会 | 用于从所观察到的数字图像序列恢复数字图像的方法与设备 |
CN103201765B (zh) * | 2010-09-28 | 2016-04-06 | 马普科技促进协会 | 用于从所观察到的数字图像序列恢复数字图像的方法与设备 |
CN106372035A (zh) * | 2015-07-23 | 2017-02-01 | 清华大学 | 一种点扩散函数估计方法及系统 |
WO2017012528A1 (zh) * | 2015-07-23 | 2017-01-26 | 清华大学 | 一种点扩散函数估计方法及系统 |
US10152774B2 (en) | 2015-07-23 | 2018-12-11 | Tsinghua University | Method and system for estimating point spread function |
CN106372035B (zh) * | 2015-07-23 | 2018-12-18 | 清华大学 | 一种点扩散函数估计方法及系统 |
CN106600543A (zh) * | 2016-11-10 | 2017-04-26 | 江苏信息职业技术学院 | 基于粒子群优化的图像复原方法 |
CN108830805A (zh) * | 2018-05-25 | 2018-11-16 | 北京小米移动软件有限公司 | 图像处理方法、装置及可读存储介质、电子设备 |
CN109459023A (zh) * | 2018-09-18 | 2019-03-12 | 武汉三体机器人有限公司 | 一种基于无人机视觉slam的辅助地面机器人导航方法及装置 |
CN111246053A (zh) * | 2020-01-22 | 2020-06-05 | 维沃移动通信有限公司 | 图像处理方法及电子设备 |
CN112945835A (zh) * | 2021-01-22 | 2021-06-11 | 西安交通大学 | 基于深度变化点扩散函数的细胞精确三维形态恢复方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101291391A (zh) | 图像处理方法以及相关的部分点扩散函数估测方法 | |
US8803984B2 (en) | Image processing device and method for producing a restored image using a candidate point spread function | |
CN103369209B (zh) | 视频降噪装置及方法 | |
US8081834B2 (en) | Image processing method and related partial PSF estimation method thereof | |
EP2533198B1 (en) | Imaging device and method, and image processing method for imaging device | |
CN103347190B (zh) | 一种边相关的联合彩色去马赛克和放大方法 | |
CN103914810B (zh) | 用于动态后视镜的图像超分辨率 | |
CN110730336B (zh) | 一种去马赛克方法及装置 | |
WO2011011445A1 (en) | System and method for random noise estimation in a sequence of images | |
KR101225056B1 (ko) | 이미지 센서 노이즈 저감 장치 및 방법 | |
WO2016169244A1 (zh) | 基于随机喷射retinex的视频图像去噪与增强方法及装置 | |
CN112583999B (zh) | 相机模块的镜头脏污检测方法 | |
CN112184591A (zh) | 一种基于深度学习图像摩尔纹消除的图像复原方法 | |
CN105635575A (zh) | 成像方法、成像装置和终端 | |
CN109801231B (zh) | 一种电泳电子纸检测设备的图像处理方法 | |
CN103561194A (zh) | 一种基于自适应滤波的扫描图像去网纹方法 | |
Yahiaoui et al. | Optimization of ISP parameters for object detection algorithms | |
CN109919922B (zh) | 一种基于空间域与形态学相结合的硅硅直接键合的质量检测方法 | |
CN105046670A (zh) | 一种图像去雨方法及系统 | |
CN112529773B (zh) | Qpd图像后处理方法及qpd相机 | |
CN106375675A (zh) | 一种航空相机多曝光图像融合方法 | |
CN115249211A (zh) | 一种基于水下非均匀入射光模型的图像复原方法 | |
CN102800069A (zh) | 一种融合软决策自适应插值与双三次插值的图像超分辨率方法 | |
TW201035910A (en) | Method and apparatus for reducing spatial noise of images | |
TWI381735B (zh) | 影像監視設備之影像處理系統及其影像解析自動調適之方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20081022 |