CN102867297A - 一种低照度图像采集的数字化处理方法 - Google Patents

Abstract

本发明公开了一种低照度图像采集的数字化处理方法，涉及数字图像处理领域。所述方法包括：在低照度环境下通过连续对焦采集一组多焦距图像；将所述一组多焦距图像划分为第一类模糊图像、第二类模糊图像和第三类模糊图像；根据所述第一类模糊图像对应的退化函数、所述第二类模糊图像对应的退化函数和所述第三类模糊图像对应的退化函数，分别进行去模糊处理，获取去模糊处理后的第一类图像、第二类图像和第三类图像；对所述去模糊处理后的第一类图像、第二类图像和第三类图像中的每一幅图像进行逐点清晰度指标计算，以每幅图像各点的清晰度指标w_v,i,j为权值，将各个图像对应点的灰度值进行加权求和，获取最终图像；将所述最终图像保存并送入显示器进行图像显示。

Description

一种低照度图像采集的数字化处理方法

技术领域

本发明属于数字图像处理领域，特别涉及一种低照度图像采集的数字化处理方法，适用于所有数字式图像采集设备。

背景技术

低照度环境下的图像采集是图像采集中的难点，当环境光照度过低，目标场景中的物体反射光能量不足时，会使所采集图像的对比度和信噪比都很低。

对目标场景进行图像采集时，需要对镜头进行调焦，调焦的过程分为变焦和对焦。变焦是改变镜头的焦距，以改变拍摄的视角，即把目标场景拉近或推远。对焦是调整镜头与感光器件之间的距离，使得目标场景清晰的呈现在感光元件上。

发明人在实现本发明的过程中，发现现有技术中至少存在以下缺点和不足：

1）虽然延长曝光时间可以提高图像信噪比，但是曝光时间延长后图像采集设备和目标场景中的物体都难免会出现抖动，从而使画面变得更加模糊；

2）在低照度环境下进行图像采集，由于实时拍摄的图像信噪比很低，难以根据图像清晰程度判断是否对焦准确，从而给对焦带来困难。

发明内容

本发明提供了一种低照度图像采集的数字化处理方法，本方法去除了因相机抖动和对焦不准产生的图像模糊，提高了图像的精度，详见下文描述：

一种低照度图像采集的数字化处理方法，所述方法包括以下步骤：

(1)在低照度环境下通过连续对焦采集一组多焦距图像；

(2)将所述一组多焦距图像划分为第一类模糊图像、第二类模糊图像和第三类模糊图像；根据所述第一类模糊图像对应的退化函数、所述第二类模糊图像对应的退化函数和所述第三类模糊图像对应的退化函数，分别进行去模糊处理，获取去模糊处理后的第一类图像、第二类图像和第三类图像；

(3)对所述去模糊处理后的第一类图像、第二类图像和第三类图像中的每一幅图像进行逐点清晰度指标计算，以每幅图像各点的清晰度指标w_v，i，j为权值，将各个图像对应点的灰度值进行加权求和，获取最终图像；

(4)将所述最终图像保存并送入显示器进行图像显示。

所述在低照度环境下通过连续对焦采集一组多焦距图像具体为：

在低照度环境下通过数字相机或数字摄像机连续对焦采集所述一组多焦距图像。

所述将所述一组多焦距图像划分为第一类模糊图像、第二类模糊图像和第三类模糊图像；根据所述第一类模糊图像对应的退化函数、所述第二类模糊图像对应的退化函数和所述第三类模糊图像对应的退化函数，分别进行去模糊处理，获取去模糊处理后的第一类图像、第二类图像和第三类图像具体为：

1）将成像系统和目标做相对匀速直线运动时获取到的图像划分为第一类模糊图像；

2）将光学系统散焦时获取到的图像划分为第二类模糊图像；

3）将由光学系统衍射和像差因素影响得到的图像划分为第三类模糊图像；

4）根据所述第一类模糊图像对应的退化函数、所述第二类模糊图像对应的退化函数、所述第三类模糊图像对应的退化函数和超分辨力图像复原方法，分别对所述第一类模糊图像、所述第二类模糊图像和所述第三类模糊图像进行去模糊处理；

5）获取去模糊处理后的第一类图像、第二类图像和第三类图像。

所述对所述去模糊处理后的第一类图像、第二类图像和第三类图像中的每一幅图像进行逐点清晰度指标计算，以每幅图像各点的清晰度指标w_v，i，j为权值，将各个图像对应点的灰度值进行加权求和，获取最终图像具体为：

1）在每幅图像中，获取像素(i,j)处的拉普拉斯梯度的分量绝对和

2）获取以(i,j)为中心的边长为（2N+1）的正方形区域上的拉普拉斯分量作为像素(i,j)处的清晰度指标w_v，i，j；

3）将各个图像对应点的灰度值进行加权求和，将加权求和后的各点组成最终图像。

本发明提供的技术方案的有益效果是：

（1）本方法通过对低照度环境下的图像采集进行去模糊处理，可以去除由于曝光时间延长、相机抖动以及对焦不准所带来的图像模糊问题，降低了对使用者的要求，使图像画面变得清晰；

（2）本方法利用多焦距图像融合技术使得使用者在对焦时不必刻意观察图像是否处于最清晰状态，只需连续调节镜头，采集一组多焦距图像，就可以从多焦距图像的融合结果中得到清晰的图像，从而简化了操作步骤；

（3）由于场景中的目标物通常并不处于一个平面，不同目标与镜头的距离也会不同，因此各个目标区域在每一幅图像中的清晰度也往往不一样。本方法通过对目标场景进行连续对焦，可拍得一组清晰区域各不相同的图像，将该组图像进行融合之后便可以获得一幅各个目标物都清晰的图像；

（4）本方法使得低照度环境下采集到的图像更为清晰，方便快捷，同时也降低了对使用者的操作要求，节约了操作时间。

附图说明

图1为本发明提供的一种低照度图像采集的数字化处理方法的流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，兹例举以下实施例，并配合附图详细说明如下：

为了去除因相机抖动和对焦不准产生的图像模糊，提高图像的精度，本发明实施例提出了一种低照度图像采集的数字化处理方法，参见图1，详见下文描述：

101：在低照度环境下通过连续对焦采集一组多焦距图像；

其中，图像采集过程中先通过变焦确定目标场景的拍摄范围，然后再连续调节感光元件与镜头光心的距离进行对焦，同时实时记录从调节起始到结束整个过程中所拍摄的一组多焦距图像。

其中，在低照度环境下通过连续对焦采集一组多焦距图像具体为：

在低照度环境下通过数字相机或数字摄像机连续对焦采集一组多焦距图像。

本发明实施例中是以数字相机中的数字眼底相机采集一组多焦距图像为例进行说明，具体实现时，还可以采用其他类型的数字相机或数字摄像机，本发明实施例对此不做限制。

102：将一组多焦距图像划分为第一类模糊图像、第二类模糊图像和第三类模糊图像；根据第一类模糊图像对应的退化函数、第二类模糊图像对应的退化函数和第三类模糊图像对应的退化函数，分别进行去模糊处理，获取去模糊处理后的第一类图像、第二类图像和第三类图像；

其中，该步骤具体为：

1）将成像系统和目标做相对匀速直线运动时获取到的图像划分为第一类模糊图像；

第一类模糊图像对应的退化函数具体为：

其中，d为退化函数的长度，A为常数。如果噪声较低，退化函数h(i,j)可在频域辨识，即由退化函数h(i,j)的傅里叶变换的带状调制确定d。

2）将光学系统散焦时获取到的图像划分为第二类模糊图像；

第二类模糊图像对应的退化函数具体为：

其中，该退化函数h(i,j)是一个均匀分布的圆形光斑，R为散焦斑半径。如果退化图像的信噪比较高，则可由退化函数h(i,j)的傅里叶变换在频域图上产生的圆形轨迹确定R。

3）将由光学系统衍射和像差因素影响得到的图像划分为第三类模糊图像；

其中，第三类模糊图像对应的退化函数具体为：

其中，K为归一化常数；a为一个正数；C为h(i,j)的圆形支持域。

其中，由于图像模糊现象等效于卷积过程，因此反卷积是使模糊的图像复原的基本方法。通常情况下，模糊函数是一个低通滤波器，它使输入图像的高频成分受到抑制甚至丧失。反卷积是逆过程，需要恢复低频信息并找回丢失的高频成分。噪声的存在将可能使反卷积的结果偏离真实的解，因此，需要在图像信号复原和噪声放大之间做出适当的折衷。为获得图像反卷积的真实解，考虑到噪声和模糊函数对复原图像的影响，采用超分辨力图像复原技术对图像进行复原。

4）根据第一类模糊图像对应的退化函数、第二类模糊图像对应的退化函数、第三类模糊图像对应的退化函数和超分辨力图像复原方法，分别对第一类模糊图像、第二类模糊图像和第三类模糊图像进行去模糊处理；

其中，该步骤具体为：基于Markov约束的Poisson-ML超分辨力图像复原算法(MPML)的迭代公式为：

$f_{i,j}^{n+1}=f_{i,j}^n{[\left(\frac{g_{i,j}}{f_{i,j}^n*h_{i,j}}\right)\⊕h_{i,j}-a\frac{\∂}{\∂f_{i,j}}U\left(f_{i,j}^n\right)]}^p---\left(4\right)$

式中*表示卷积运算；

表示相关运算；n为迭代步数；h_i，j为退化函数；g_i，j为实测的像素(i,j)处的灰度值；f_i,j为每次迭代的像素(i,j)处的灰度值；

为n次迭代的像素(i,j)处的灰度值；P为控制系数，用于控制收敛特性和速度；惩罚函数U(f)为Gibbs分布中能量函数；a为正则化参数。

其中，MPML算法中采用的非线性正则化约束可在抑制噪声的同时保护图像边沿和图像细节，正则化参数a是恢复图像细节和抑制噪声的权衡因子，故MPML算法对图像复原有较强的超分辨能力。

其中，控制系数P和正则化参数a的取值根据实际应用中需要进行设定，具体实现时，本发明实施例对此不做限制。

5）获取去模糊处理后的第一类图像、第二类图像和第三类图像。

103：对去模糊处理后的第一类图像、第二类图像和第三类图像中的每一幅图像进行逐点清晰度指标计算，以每幅图像各点的清晰度指标w_v，i，j为权值，将各个图像对应点的灰度值进行加权求和，获取最终图像；

其中，清晰度指标w_v,i,j可以选取各个像素邻域的拉普拉斯分量（SML，Sumof Modified Laplacian），计算过程如下：

1）在每幅图像中，获取像素(i,j)处的拉普拉斯梯度的分量绝对和（ML，Modified Laplacian）

${\▿}_{\mathrm{ML}}^{2}f(i,j)=|2f(i,j)-f(i-\mathrm{step},j)-f(i+\mathrm{step},j)|$ $\left(5\right)$

$+|2f(i,j)-f(i,j-\mathrm{step})-f(i,j+\mathrm{step})|$

其中，step表示用离散差分求拉普拉斯梯度时采用的空域间隔，通常取step=1。

2）获取以(i,j)为中心的边长为（2N+1）的正方形区域上的拉普拉斯分量（SML）作为清晰度指标w_v，i，j，即：

$w_{v,i,j}=\mathrm{SML}=\underset{k=i-N}{\overset{i+N}{\mathrm{\Σ}}}\underset{w=j-N}{\overset{j+N}{\mathrm{\Σ}}}{\▿}_{\mathrm{ML}}^{2}f(k,w),\mathrm{for}{\▿}_{\mathrm{ML}}^{2}f(k,w)\≥T---\left(6\right)$

其中，T代表参与累加的ML取值门限；

是像素(k,w)处的二阶梯度的水平分量与垂直分量的绝对和，它代表了(k,w)处的梯度强度；N的取值根据实际应用中的需要进行设定，具体实现时，本发明实施例对此不做限制。

3）将各个图像对应点的灰度值进行加权求和，将加权求和后的各点组成最终图像。

其中，加权求和的各点灰度值表示为m为图像的数量；f_v，i，j为第v幅去模糊处理后的图像在像素(i,j)处的灰度值；通过上述步骤获取到的最终图像是一幅图像增强的多焦距清晰的图片。

104：将最终图像保存并送入显示器进行图像显示。

其中，具体实现时，可以采用数字相机或数字摄像机进行连续对焦，采集一组多焦距视网膜图像。然后对每幅图像进行超分辨力去模糊处理，消除图像采集过程中由于对焦不准和/或相机抖动所产生的图像模糊现象；再对去模糊处理后的各幅图像逐点进行清晰度指标计算，以每幅图像各点的清晰度指标为权值，将该组图像中对应点的灰度值进行加权求和，最终取得一幅增强的多焦距清晰图片。

综上所述，本发明实施例提供了一种低照度图像采集的数字化处理方法，本方法通过对低照度环境下的图像采集进行去模糊处理，可以去除由于曝光时间延长、相机抖动以及对焦不准所带来的图像模糊问题，降低了对使用者的要求，使图像画面变得清晰；本方法利用多焦距图像融合技术使得使用者在对焦时不必刻意观察图像是否处于最清晰状态，只需连续调节镜头，采集一组多焦距图像，就可以从多焦距图像的融合结果中得到清晰的图像，从而简化了操作步骤；由于场景中的目标物通常并不处于一个平面，不同目标与镜头的距离也会不同，因此各个目标区域在每一幅图像中的清晰度也往往不一样。本方法通过对目标场景进行连续对焦，可拍得一组清晰区域各不相同的图像，将该组图像进行融合之后便可以获得一幅各个目标物都清晰的图像；本方法使得低照度环境下采集到的图像更为清晰，方便便捷，同时也降低了对使用者的操作要求，节约了操作时间。

本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种低照度图像采集的数字化处理方法，其特征在于，所述方法包括以下步骤：

(1)在低照度环境下通过连续对焦采集一组多焦距图像；

(2)将所述一组多焦距图像划分为第一类模糊图像、第二类模糊图像和第三类模糊图像；根据所述第一类模糊图像对应的退化函数、所述第二类模糊图像对应的退化函数和所述第三类模糊图像对应的退化函数，分别进行去模糊处理，获取去模糊处理后的第一类图像、第二类图像和第三类图像；

(3)对所述去模糊处理后的第一类图像、第二类图像和第三类图像中的每一幅图像进行逐点清晰度指标计算，以每幅图像各点的清晰度指标w_v,i,j为权值，将各个图像对应点的灰度值进行加权求和，获取最终图像；

(4)将所述最终图像保存并送入显示器进行图像显示。

2.根据权利要求1所述的一种低照度图像采集的数字化处理方法，其特征在于，所述在低照度环境下通过连续对焦采集一组多焦距图像具体为：

在低照度环境下通过数字相机或数字摄像机连续对焦采集所述一组多焦距图像。

3.根据权利要求1所述的一种低照度图像采集的数字化处理方法，其特征在于，所述将所述一组多焦距图像划分为第一类模糊图像、第二类模糊图像和第三类模糊图像；根据所述第一类模糊图像对应的退化函数、所述第二类模糊图像对应的退化函数和所述第三类模糊图像对应的退化函数，分别进行去模糊处理，获取去模糊处理后的第一类图像、第二类图像和第三类图像具体为：

1）将成像系统和目标做相对匀速直线运动时获取到的图像划分为第一类模糊图像；

2）将光学系统散焦时获取到的图像划分为第二类模糊图像；

3）将由光学系统衍射和像差因素影响得到的图像划分为第三类模糊图像；

4）根据所述第一类模糊图像对应的退化函数、所述第二类模糊图像对应的退化函数、所述第三类模糊图像对应的退化函数和超分辨力图像复原方法，分别对所述第一类模糊图像、所述第二类模糊图像和所述第三类模糊图像进行去模糊处理；

5）获取去模糊处理后的第一类图像、第二类图像和第三类图像。

4.根据权利要求1所述的一种低照度图像采集的数字化处理方法，其特征在于，所述对所述去模糊处理后的第一类图像、第二类图像和第三类图像中的每一幅图像进行逐点清晰度指标计算，以每幅图像各点的清晰度指标w_v，i，j为权值，将各个图像对应点的灰度值进行加权求和，获取最终图像具体为：

1）在每幅图像中，获取像素(i,j)处的拉普拉斯梯度的分量绝对和

2）获取以(i,j)为中心的边长为（2N+1）的正方形区域上的拉普拉斯分量作为像素(i,j)处的清晰度指标w_v，i，j；

3）将各个图像对应点的灰度值进行加权求和，将加权求和后的各点组成最终图像。

Images