CN102903077A - 一种快速图像去模糊算法 - Google Patents

一种快速图像去模糊算法 Download PDF

Info

Publication number
CN102903077A
CN102903077A CN2011102095248A CN201110209524A CN102903077A CN 102903077 A CN102903077 A CN 102903077A CN 2011102095248 A CN2011102095248 A CN 2011102095248A CN 201110209524 A CN201110209524 A CN 201110209524A CN 102903077 A CN102903077 A CN 102903077A
Authority
CN
China
Prior art keywords
image
algorithm
noise
fuzzy
rapid
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
Application number
CN2011102095248A
Other languages
English (en)
Inventor
陈奋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN2011102095248A priority Critical patent/CN102903077A/zh
Publication of CN102903077A publication Critical patent/CN102903077A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Image Processing (AREA)

Abstract

本发明公开了一种快速图像去模糊算法。本发明涉及到一种计算机图像处理技术。该方法采用以下步骤实施：首先采用Wiener滤波算法对模糊退化图像进行处理，得到一幅恢复了大多数原始图像信号但是混入了噪声的复原结果图像，然后再采用快速双边滤波算法对上一步的结果进行噪声和振铃的去除处理。该发明可以改善模糊退化图像的质量，提高图像的清晰度，增强图像的边缘和纹理细节信息。该发明算法简单易行，计算复杂度小，能够快速实现，可以应用在退化模型已知的模糊退化图像的快速复原处理中。

Description

一种快速图像去模糊算法
技术领域
本发明涉及计算机图像处理技术，尤其是涉及一种快速的图像去模糊方法。
背景技术
在传感器成像过程中，由于相机镜头的光学性能不理想，成像时相机与被摄物体之间的相对运动，或者大气的散射作用等因素的影响，会导致获取的图像有一些退化，造成图像模糊，清晰度差。这个模糊过程通常为一个线性移不变卷积退化系统：
                            (1)
其中
Figure 621113DEST_PATH_IMAGE002
是观察到的模糊退化图像；
Figure 377716DEST_PATH_IMAGE003
是原始图像；
Figure 622753DEST_PATH_IMAGE004
是退化系统的点扩展函数；
Figure 199228DEST_PATH_IMAGE005
是在成像退化过程中混入的噪声，通常假设为一个独立高斯白噪声，它的均值是0，方差是
Figure 125595DEST_PATH_IMAGE006
。
图像的模糊会给图像的后续处理如特征提取，图像分析等操作带来麻烦。虽然有些造成图像模糊的因素可以通过硬件的改善来消除，但是在现有硬件条件下采用软件算法对模糊图像进行恢复处理来增加图像的清晰度是非常有意义的。图像去模糊算法的目的就是从模糊退化图像
Figure 205547DEST_PATH_IMAGE007
中恢复出原始不失真图像的一个估计
Figure 824747DEST_PATH_IMAGE008
。这个过程通常被称为去卷积或者去模糊过程。它在天文学，医学，遥感，数码照片处理等领域都有重要的应用。
常见的图像去模糊算法，比如Wiener滤波算法和Constraint Least Square算法，虽然计算速度很快，但是去模糊结果图像会受到噪声的较大干扰。目前常用的RL算法和Total Variation算法虽然能够获得比较好的图像去模糊结果，但是由于需要循环迭代处理，算法计算复杂度高，计算速度慢。ForWaRD算法是另外一种图像去模糊算法，它首先对图像进行傅立叶频域收缩处理，然后将结果图像变换到小波域进行WWF去噪处理，最后通过小波逆变换得到最后复原的图像。该算法虽然能够在较短时间内完成处理，但是复原得到的结果往往会有一些小的失真，而且计算速度仍然略慢。
发明内容
1. 发明目的
本发明的目的是通过计算机软件算法快速对一幅模糊图像进行处理，得到一个更清晰的复原结果图像。
2. 技术解决方案
本发明提出了一种快速图像去模糊复原算法，该算法结合了Wiener滤波器和双边滤波器的特点，通过两步处理，复原得到清晰图像。该算法能有效抑制噪声和振铃效应，对图像的边缘细节信息保持较好。
具体处理技术方案如下：
对前面的成像退化模型(1)进行Wiener滤波。Wiener滤波器是最小均方误差准则最优的线性滤波器。 Wiener滤波器的定义为：
                         (2)
其中，
Figure 287455DEST_PATH_IMAGE011
是Wiener滤波算法的估计图像
Figure 608715DEST_PATH_IMAGE012
和退化图像
Figure 894203DEST_PATH_IMAGE007
的傅立叶变换；
Figure 693532DEST_PATH_IMAGE013
是模糊退化系统的点扩展函数
Figure 216917DEST_PATH_IMAGE014
的傅立叶变换，
Figure 177920DEST_PATH_IMAGE015
是它的复共轭；
Figure 685124DEST_PATH_IMAGE016
和
Figure 756986DEST_PATH_IMAGE017
 分别是噪声和原始图像的功率谱。
由于这两个功率谱通常难以估计，可以采用下面的简化公式来近似：
                              (3)
其中是正则化参数，它可以取值为观测图像信噪比的倒数。
Wiener滤波算法的处理结果
Figure 526861DEST_PATH_IMAGE012
为：
Figure 136834DEST_PATH_IMAGE020
                                   (4)
其中IDFT是离散傅立叶逆变换。
上一步得到的复原结果通常会将在(1)中混入的噪声
Figure 165970DEST_PATH_IMAGE005
放大，造成结果图像被噪声污染。本发明提出采双边滤波器对(4)式中得到的结果进行噪声去除处理。双边滤波器是一种边缘保持平滑滤波器。它的输出图像的每个像素的灰度值都是由其对应的输入图像像素周围的其它像素的灰度值进行加权平均得到的。权重的大小与像素之间的距离和像素之间的灰度差相关。
双边滤波器的定义为：
Figure 203196DEST_PATH_IMAGE021
                     (5)            
其中
Figure 419414DEST_PATH_IMAGE022
是双边滤波器的输出图像；
Figure 833078DEST_PATH_IMAGE012
是上一步Wiener滤波器的结果图像。
Figure 716720DEST_PATH_IMAGE023
是各个像素位置的权重系数，是归一化常数，它们的定义为：
Figure 628362DEST_PATH_IMAGE025
                     (6)
                           (7)
Figure 583865DEST_PATH_IMAGE027
和
Figure 962894DEST_PATH_IMAGE028
分别是在空域和值域的高斯型函数，它们的标准差分别为
Figure 419283DEST_PATH_IMAGE029
和
Figure 643591DEST_PATH_IMAGE030
。
原始定义的双边滤波器的直接实现速度较慢，可以采用Porikli等提出的ArBs快速双边滤波器进行近似。当假设空间权重函数在其定义域内是常数
Figure 32984DEST_PATH_IMAGE031
时，即
Figure 317335DEST_PATH_IMAGE032
,则有
Figure 261020DEST_PATH_IMAGE033
                       (8)
其中
Figure 554598DEST_PATH_IMAGE034
；
Figure 267339DEST_PATH_IMAGE035
是像素灰度值，
Figure 253750DEST_PATH_IMAGE036
是具有灰度值为的像素个数。公式(8)可以通过积分直方图技术快速完成。
3. 技术效果
本发明算法能够快速对一幅模糊退化的图像进行复原处理，得到高质量的去模糊清晰图像。算法对噪声和振铃效应有很好的抑制，结果图像的边缘细节信息能够得到的很好地保持。本发明算法能够很好地应用于天文学图像处理，医学图像处理，遥感图像处理，数码照片处理等领域。
附图说明
图1是待处理模糊图像。
图2是采用Wiener滤波器进行处理后的结果示意图。
图3是采用双边滤波器对图2进行噪声和振铃效应抑制后的结果示意图。
图4是本发明方法流程图。
具体实施方式
图1是一幅待处理的模糊退化图像。图像大小为512×512。退化系统的点扩展函数
Figure 782000DEST_PATH_IMAGE014
采用的是长度为7，角度为45的匀速直线运动型点扩展函数。点扩展函数的具体数值如表1所示。在模糊图像中加入高斯白噪声，使得退化图像的模糊信噪比BSNR等于30dB。BSNR定义为
Figure 349248DEST_PATH_IMAGE037
，其中
Figure 506559DEST_PATH_IMAGE038
是模糊图像的方差。
 表1、匀速直线运动型点扩展函数数值
0 0 0 0 0 0.01449 0
0 0 0 0 0.03757 0.12829 0.01449
0 0 0 0.03757 0.12829 0.03757 0
0 0 0.03757 0.12829 0.03757 0 0
0 0.03757 0.12829 0.03757 0 0 0
0.01449 0.12829 0.03757 0 0 0 0
0 0.01449 0 0 0 0 0
 [0020] 首先采用Wiener滤波器对图1进行处理。图2是采用Wiener滤波处理后得到的图像。可以看到，图2虽然比退化图像图1更清晰，但是图像中含有较多的噪声，而且在图像中的肩膀，帽子等部位有较明显的振铃效应。
然后采用双边滤波器对图2中的噪声和振铃效应进行抑制，增强图像边缘细节信息，双边滤波器参数选择为
Figure 893678DEST_PATH_IMAGE039
和
Figure 529059DEST_PATH_IMAGE040
。其中图3是采用双边滤波器对图2进行处理后得到的结果图像。可以看出，图3与图2相比，噪声和振铃效应明显减轻。对比退化图像图1，可以看出，本专利方法有效地提高了图像的清晰度，图像边缘细节信息得到了增强。
本专利方法在一台配置为2.0GHz CPU和1G byte内存的PC上，采用C语言编程实现，计算时间为0.28秒。

Claims (3)

1.一种快速图像去模糊算法，其特征在于包括如下步骤：
(1)根据待复原模糊图像以及模糊退化系统的点扩展函数，采用Wiener滤波算法对模糊退化图像进行处理，得到一幅恢复了大多数原始图像信号但是混入了噪声的复原结果图像；
(2) 采用快速双边滤波器对上一步骤得到的结果图像进行噪声和振铃的去除处理。
2.如权利要求1所述的图像复原算法，其特征在于步骤（1）中采用Wiener滤波算法进行复原处理的过程如下：
Figure 543804DEST_PATH_IMAGE001
其中：
Figure 3822DEST_PATH_IMAGE002
是Wiener滤波算法的结果图像的傅立叶变换；
    
Figure 206792DEST_PATH_IMAGE003
是退化模糊图像的傅立叶变换；
Figure 612454DEST_PATH_IMAGE004
是模糊退化系统的点扩展函数的傅立叶变换；
    
Figure 686546DEST_PATH_IMAGE005
是
Figure 792166DEST_PATH_IMAGE005
的复共轭；
Figure 576182DEST_PATH_IMAGE006
是正则化参数，它可以取值为观测图像信噪比的倒数；
Wiener滤波算法的处理结果
Figure 785534DEST_PATH_IMAGE007
为：
Figure 714133DEST_PATH_IMAGE008
其中是离散傅立叶逆变换。
3.如权利要求1所述的图像复原算法，其特征在于步骤（2）中采用的快速双边滤波器的过程如下：
Figure 990654DEST_PATH_IMAGE009
其中：
Figure 168217DEST_PATH_IMAGE010
是双边滤波器的输出图像；
Figure 915681DEST_PATH_IMAGE007
是上一步Wiener滤波器的结果图像；
    
Figure 698786DEST_PATH_IMAGE011
是的像素灰度值；
    
Figure 982896DEST_PATH_IMAGE012
是
Figure 542840DEST_PATH_IMAGE007
中具有灰度值为
Figure 422593DEST_PATH_IMAGE011
的像素的个数；
Figure 17480DEST_PATH_IMAGE013
是归一化常数，为；
Figure 305776DEST_PATH_IMAGE015
是一个高斯型函数，它的标准差为
Figure 133786DEST_PATH_IMAGE016
。
CN2011102095248A 2011-07-26 2011-07-26 一种快速图像去模糊算法 Pending CN102903077A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2011102095248A CN102903077A (zh) 2011-07-26 2011-07-26 一种快速图像去模糊算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2011102095248A CN102903077A (zh) 2011-07-26 2011-07-26 一种快速图像去模糊算法

Publications (1)

Publication Number Publication Date
CN102903077A true CN102903077A (zh) 2013-01-30

Family

ID=47575291

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2011102095248A Pending CN102903077A (zh) 2011-07-26 2011-07-26 一种快速图像去模糊算法

Country Status (1)

Country Link
CN (1) CN102903077A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104299194A (zh) * 2014-09-30 2015-01-21 杭州电子科技大学 一种噪声污染下的名片区域图像分割提取方法
CN105118033A (zh) * 2015-08-19 2015-12-02 杭州电子科技大学 一种利用自适应噪声估计的维纳滤波图像复原方法
CN106204485A (zh) * 2016-07-11 2016-12-07 西安理工大学 基于正弦积分的图像复原边界振铃效应抑制方法
CN106651791A (zh) * 2016-11-21 2017-05-10 云南电网有限责任公司电力科学研究院 一种单幅运动模糊图像恢复方法
CN108189027A (zh) * 2017-12-19 2018-06-22 朱宁波 移动机器人控制方法
CN110415191A (zh) * 2019-07-31 2019-11-05 西安第六镜网络科技有限公司 一种基于连续视频帧的图像去模糊算法
CN115147415A (zh) * 2022-09-02 2022-10-04 山东微山湖酒业有限公司 基于图像处理的酒盒缺陷检测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101639938A (zh) * 2009-08-28 2010-02-03 浙江大学 一种基于双边滤波器和余量去卷积的图像复原方法
US20110142136A1 (en) * 2009-12-10 2011-06-16 Hong Kong Applied Science and Technology Research Insititute Company Limited Method and apparatus for improving video quality

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101639938A (zh) * 2009-08-28 2010-02-03 浙江大学 一种基于双边滤波器和余量去卷积的图像复原方法
US20110142136A1 (en) * 2009-12-10 2011-06-16 Hong Kong Applied Science and Technology Research Insititute Company Limited Method and apparatus for improving video quality

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
PORIKLI等: ""Constant Time O(1) Bilateral Filtering"", 《COMPTER VISION AND PATTERN ROCOGNITION 》 *
王婷: ""退化图像的复原改进算法研究与实现"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104299194A (zh) * 2014-09-30 2015-01-21 杭州电子科技大学 一种噪声污染下的名片区域图像分割提取方法
CN105118033A (zh) * 2015-08-19 2015-12-02 杭州电子科技大学 一种利用自适应噪声估计的维纳滤波图像复原方法
CN106204485A (zh) * 2016-07-11 2016-12-07 西安理工大学 基于正弦积分的图像复原边界振铃效应抑制方法
CN106204485B (zh) * 2016-07-11 2019-03-22 西安理工大学 基于正弦积分的图像复原边界振铃效应抑制方法
CN106651791A (zh) * 2016-11-21 2017-05-10 云南电网有限责任公司电力科学研究院 一种单幅运动模糊图像恢复方法
CN106651791B (zh) * 2016-11-21 2023-07-07 云南电网有限责任公司电力科学研究院 一种单幅运动模糊图像恢复方法
CN108189027A (zh) * 2017-12-19 2018-06-22 朱宁波 移动机器人控制方法
CN110415191A (zh) * 2019-07-31 2019-11-05 西安第六镜网络科技有限公司 一种基于连续视频帧的图像去模糊算法
CN115147415A (zh) * 2022-09-02 2022-10-04 山东微山湖酒业有限公司 基于图像处理的酒盒缺陷检测方法

Similar Documents

Publication Publication Date Title
CN102903077A (zh) 一种快速图像去模糊算法
US9142009B2 (en) Patch-based, locally content-adaptive image and video sharpening
WO2011010475A1 (en) Multi-frame approach method and system for image upscaling
Xu et al. A new approach for very dark video denoising and enhancement
CN111415317B (zh) 图像处理方法及装置、电子设备、计算机可读存储介质
CN105427255A (zh) 一种基于grhp的无人机红外图像细节增强方法
Malik et al. Llrnet: A multiscale subband learning approach for low light image restoration
Al-Ameen et al. Employing a suitable contrast enhancement technique as a pre-restoration adjustment phase for computed tomography medical images
Lee et al. Motion deblurring using edge map with blurred/noisy image pairs
Makandar et al. Computation pre-processing techniques for image restoration
Al-Ameen et al. Restoring degraded astronomy images using a combination of denoising and deblurring techniques
Jain et al. A comparative study of various image restoration techniques with different types of blur
CN102682437A (zh) 一种基于总变分正则约束的图像解卷积方法
Kaur et al. De-noising diseased plant leaf image
Al_taie Restoration for blurred noisy images based on guided filtering and inverse filter
US20090226108A1 (en) Multi-pass algorithm to reduce ringing artifacts in noise removal and deblur effects
Pang Improved image denoising based on Haar wavelet transform
CN111652811B (zh) 一种基于刃边函数和最优窗维纳滤波的运动模糊图像复原方法
Lu Out-of-focus blur: Image de-blurring
Bao An Improved Non-local Mean Filtering Algorithm Based on Medical Image Restoration
Charde A review on image denoising using wavelet transform and Median filter over AWGN channel
Lo et al. Wavelet-domain soft-thresholding for non-stationary noise
McLaughlin et al. Multi-resolution deblurring
Xu et al. Non-iterative, robust monte carlo noise reduction
Dhole et al. A comparative approach for analysis of image restoration using image deblurring techniques

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20130130

WD01 Invention patent application deemed withdrawn after publication