CN103136754B - 一种基于特征块方向微分的图像模糊方向鉴别方法 - Google Patents
一种基于特征块方向微分的图像模糊方向鉴别方法 Download PDFInfo
- Publication number
- CN103136754B CN103136754B CN201310058595.1A CN201310058595A CN103136754B CN 103136754 B CN103136754 B CN 103136754B CN 201310058595 A CN201310058595 A CN 201310058595A CN 103136754 B CN103136754 B CN 103136754B
- Authority
- CN
- China
- Prior art keywords
- target image
- point
- differential
- characteristic block
- blur
- 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.)
- Expired - Fee Related
Links
Landscapes
- Image Analysis (AREA)
Abstract
一种基于特征块方向微分的图像模糊方向鉴别方法，包括如下步骤：计算目标图像每个像素点坐标的局部方差，选取其中局部方差最大的前M个点，在这M点中随机选出N点作为特征块构造点；M,N为正整数且M>N>1；以特征块构造点坐标为中心，建立边长为C个像素,面积为 的正方形特征块，C为正整数；运用方向微分法对每个特征块的模糊方向角度进行鉴别，记录所有特征块的模糊方向角度；根据各个特征块的模糊方向角度，判断得出目标图像的模糊方向角度。本发明所述的图像模糊方向鉴别方法，对目标图像的模糊方向鉴别进行了简化处理，减少了运算量和运算时间，对方向微分采用多次加权平均的计算方式，得到的模糊方向更加精确。
Description
技术领域
本发明属于图像显示领域，涉及一种基于特征块方向微分的图像模糊方向鉴别方法。
背景技术
摄像头与拍摄物体的相对运动会造成相片的运动模糊，运动模糊的分类有多种，如由于相机的抖动造成的散焦模糊；高速直线运动物体造成的直线运动模糊，由于曝光时间极短，相对运动可以近似看成匀速直线运动，这种模糊一般称为匀速直线运动模糊，这在交通视频中较为常见；此外还有混合运动模糊等等。本发明只涉及匀速直线运动模糊。匀速直线运动模糊的模糊参数有模糊长度和模糊方向，在处理运动模糊图像时，如图像复原，目标识别等，往往要鉴别这些参数。这些参数越准确，对后续处理就越好。本发明主要涉及模糊方向的鉴别，只要鉴别出模糊方向，模糊长度的鉴别也就迎刃而解。现有的模糊方向鉴别方法主要分为频域方法和空域方法，频域方法由于受噪声等其他外界因素影响较大，并不常用；空域方法对噪声并不敏感，鉴别精度高，较为常用。其中基于方向微分的空域鉴别方法运用较广，它的物理前提是原图像视为各为同性的一阶马尔科夫随机过程，物理思想很好，不过处理大多图像时效果并不理想。因此有必要研究出高效实用的模糊方向鉴别方法。
针对主流使用的液晶显示器或者其他点阵显示阵列，众所周知，所显示的图像由若干个像素点组成，每个像素点显示的色彩由该点的灰阶度值决定，灰阶度值为一组关于零值对称的参数，可以由电压定义。灰阶度值的个数表征了图像色彩的显示深度，即显示色彩丰富的程度。
方向微分法是本领域常用的一种鉴别模糊方向角度的方法，基本的方向微分法将灰阶度为0的像素复制到模糊图像边缘，其中复制的宽度为微元Δr，这里的微元Δr取值为2像素最佳；滑动窗口大小为2 (Δr+1)×(Δr+1)，如图3，对每个像素点，在以该像素点为圆心，半径为Δr构造一段圆弧。定义旋转角度θ为圆弧上该点到圆心连线与水平方向的夹角。θ区间从-π/2到π/2（可以标记水平方向的角度为0度，上正下负），所述水平方向为预先定义的参考方向。
例如旋转角度为θ的圆弧上某点，将该点灰阶度值减去作为圆心点的该像素点的灰阶度值就是该像素点在θ角度下的微分，使用的微元为Δr。将滑动窗口移动覆盖整个模糊图像，得到旋转角度为θ时的微分图像，使用的微元为Δr。其中计算圆弧上的点的灰阶度值可以采用现有方法，例如双线性插值法来计算。
然后将每个像素点下旋转角度θ相同的微分图像灰阶度值取绝对值后再求和，则这些求出的和的最小值对应的角度θ即为模糊方向角度。
前文所述双线性插值法为现有技术，是有两个变量的插值函数的线性插值扩展，其核心思想是在两个方向分别进行一次线性插值。
假设在关注区域内的所有点的像素值分布都符合连续函数f，且已知函数 f 在四个整数像素点 Q11 = (x1, y1)、Q12 = (x1, y2), Q21 = (x2, y1) 以及 Q22 = (x2, y2)的像素值。
对未知点（x,y）首先在 x 方向进行线性插值，然后在 y 方向进行线性插值。
X方向线性插值：
Y方向的线性插值：
即可得出该点的函数值，即为该点的像素值。
前文所述基本方向微分法能够判断出模糊图像的模糊方向角度，但判断角度不够精确，并且对整个模糊图像逐点进行模糊方向角度鉴别，计算量庞大。
发明内容
为克服所述的基本方向微分法对模糊方向角度判断不够精确且计算量庞大的技术问题，本发明提供一种基于特征块方向微分的图像模糊方向鉴别方法。
本发明所述基于特征块方向微分的图像模糊方向鉴别方法，包括如下步骤：
步骤1.计算目标图像每个像素点坐标的局部方差，选取其中局部方差最大的前M个点，在这M点中随机选出N点作为特征块构造点；
所述M为预先定义的选择范围参数，N为预先定义的特征块个数，M,N为正整数且M>N>1；
步骤2.对步骤1中得出的每个特征块构造点建立边长为C个像素,面积为的包括该特征块构造点的正方形特征块，所述C为预先定义的特征块边长，C为正整数；
步骤3.运用方向微分法对每个特征块的模糊方向角度进行鉴别，记录所有特征块的模糊方向角度；
步骤4.利用步骤3中得到的各个特征块的模糊方向角度，得出目标图像的模糊方向角度。
采用上述步骤，从目标图像中选取特征块进行模糊方向鉴别，相对对目标图像整体进行模糊方向鉴别的方法显著减少了运算量和运算时间。
具体的，所述步骤1中计算目标图像每个像素点坐标的局部方差包括如下步骤：
步骤11.构造矩阵-------①
其中①式为使用MATLAB语言的数学表达式，ONES(WS,1)表示WS行1列的全1矩阵；
乘号右边表示一个1行列的矩阵，该矩阵各元素从左到右为从到的差值为1的等差数列；
步骤12.构造高斯窗口，并将其归一化后得到WIN1；
其中y为x的转置矩阵，σ为高斯函数标准差常数；
步骤13.将目标图像的每条边的边缘部分复制，被复制的边缘部分向目标图像内延伸宽度为(WS-1)/2，复制后将边缘复制部分向图像外侧沿边缘垂直方向平移(WS-1)/2的距离使边缘复制部分与目标图像的边缘拼接且不覆盖目标图像，复制目标图像每个角上边长为(WS-1)/2的正方形部分，并将这些正方形复制部分按照同样方向和位置拼接在相邻的两个所述边缘复制部分之间，使所述目标图像、边缘复制部分、正方形复制部分拼接成一个长度和宽度均比目标图像增大了(WS-1)的矩形R；
步骤14.在R上定义一个与WIN1同样大小和形状的起点区S1，WIN1从起点开始，按照一定路径每次移动单个像素单位并遍历矩形R的全部区域，WIN1在R的覆盖区域内每一点的像素灰阶度值与WIN1上覆盖该点的矩阵对应元素相乘，将这些乘积求和，即得到覆盖区域中心像素点的局部方差；
步骤14中所谓与WIN1同样大小，是以像素为单位的大小和形状均相同。
上述各步骤中的WS为预先设定的局部方差估计参数，且WS为大于1的奇数。
进一步的，步骤14中WIN1的起点区S1在R的左上顶角部分，WIN1移动的终点在R的右下底角部分；WIN1移动的路径为逐行或逐列移动。
优选的，步骤11-14中所述局部方差估计参数WS=11。
具体的，步骤1中所述在这M点中随机选出N点过程包括如下步骤：
步骤21.在1到M的区间内，按照------②
抽取N个随机数字。
其中②式为使用MATLAB语言的数学表达式，fix(*)表示对括号内数字取整数部分，rand(N,1)表示在0到1的区间内产生N个随机数字；
步骤22.将M个点按局部方差值从大到小排列，每个点从M到1标记，将步骤21中得到的N个随机数字所对应的点抽取作为特征块构造点。
优选的，对步骤2中所述的特征块边长C参数的取得，定义C1为不小于且不大于的任意整数；
其中W为目标图像的较小像素宽度，Δ为构造区间参数且不小于零，INT(*)表示对括号内的数字取整数部分；
所述步骤2中的C为最接近上述C1的偶数。
优选的，所述步骤2中构造特征块的过程为：
对目标图像构造二维坐标系，目标图像的任意一个顶点和在该顶点相交的两条边缘分别作为二维坐标系的X轴和Y轴；第i个特征块Bi 的特征块构造点Pi在该坐标系内坐标为(Xi,Yi)；
定义LX为Pi在X方向上与较近的目标图像边缘的距离，当LX<C/2时，该Bi以该较近的目标图像边缘为边界1，边界1向目标图像内部沿垂直边界1的方向平移C作为边界2，否则以INTB(Xi+C/2)为边界1，INTB(Xi-C/2) 为边界2；
定义LY为Pi在Y方向上与较近的目标图像边缘的距离，当LY<C/2时，该Bi以该较近的目标图像边缘为边界3，边界1向目标图像内部沿垂直边界3的方向平移C作为边界4，否则以INTB(Yi+C/2)为边界3，INTB(Yi-C/2) 为边界4；
所述INTB(*)表示对括号内的元素进行四舍五入取整，C为预先定义的特征块边长；
上述步骤得到的边界1至边界4所围成的区域即为第i个特征块，对每个特征块构造点重复上述步骤，得到全部特征块。
优选的，所述步骤3中的对特征块进行方向鉴别的方向微分法包括K次方向微分步骤，每次方向微分步骤使用基本方向微分法对模糊方向角度进行鉴别，每次方向微分步骤中使用的微元大小不同；将每次方向微分步骤中得出的模糊方向角度取平均值作为步骤3中所述的特征块的模糊方向角度；
K为可选择的微分次数，K为大于1的正整数。
进一步的，上述K=4，且4次方向微分步骤中使用的微元分别为2、3、4、5个像素。
优选的，如权利要求1所述的基于特征块方向微分的图像模糊方向鉴别方法，其特征在于：所述步骤4中得出目标图像的模糊方向角度的方法为：如果步骤3中模糊方向角度相同的特征块不小于半数，则这些相同模糊方向角度的特征块的模糊方向角度为目标图像的模糊方向角度；否则将所有特征块的模糊方向角度取平均值，作为目标图像的模糊方向角度。
采用本发明所述的基于特征块方向微分的图像模糊方向鉴别方法，对目标图像的模糊方向鉴别进行了简化处理，利用构造特征块来估计目标图像的模糊方向，相对传统方法对目标图像整体进行逐点扫描计算模糊方向的方法，有如下优势：
1）采用局部方差作为特征块的构造点选取的标准可以很好地表征图像的局部结构特征，判断局部灰度变化大小，符合人眼的视觉效果。同时在求取局部方差过程中采用高速加权窗口，也起到了平滑作用；
2）随机选取较大局部特征点可以进一步减少噪声点的影响；
3）选取多个特征块进行方向微分的加权平均法鉴别这些特征块的模糊方向角度可以显著提高鉴别精度和稳定性；
4）在鉴别模糊方向阶段明显减少计算量和计算时间。
附图说明
图1示出本发明的具体实施方式的步骤框图；
图2示出本发明所述的构造特征块的一种具体实施方式的示意图；
图3示出本发明所述基本方向微分法中微元为2个像素时的具体实施方式；
图4示出本发明所述的方向微分加权平均的一种具体实施方式的示意图；
图5示出本发明的对比试验的目标图像实施例；
图6示出本发明的一个具体实施例中构造所述高斯窗口中的x,y矩阵取值；
图7示出本发明的一个具体实施例中对目标图像的复制拼接示意图；
附图中的英文标识为CR:正方形部分 CR1：正方形复制部分 SD:边缘部分 SD1：边缘复制部分。
具体实施方式
下面结合附图，对本发明的具体实施方式作进一步的详细说明。
本发明所述基于特征块方向微分的图像模糊方向鉴别方法，包括如下步骤：
步骤1.计算目标图像每个像素点坐标的局部方差，选取其中局部方差最大的前M个点，在这M点中随机选出N点作为特征块构造点；
所述M为预先定义的选择范围参数，N为预先定义的特征块个数，M,N为正整数且M>N>1；
步骤2.以步骤1中得出的特征块构造点坐标为中心，建立边长为C个像素,面积为的正方形特征块，所述C为预先定义的特征块边长，C为正整数；
步骤3.运用方向微分法对每个特征块的模糊方向角度进行鉴别，记录所有特征块的模糊方向角度；
步骤4.利用步骤3中得到的各个特征块的模糊方向角度，得出目标图像的模糊方向角度。
采用上述步骤，从目标图像中选取特征块进行模糊方向鉴别，相对对目标图像整体进行模糊方向鉴别的方法显著减少了运算量和运算时间。
具体的，所述步骤1中，本发明提供一种步骤1中所述的计算目标图像每个像素点坐标的局部方差的方法。该方法包括如下步骤：
步骤11.构造矩阵-------①
其中①式为使用MATLAB语言的数学表达式，ONES(WS,1)表示WS行1列的全1矩阵；
步骤12.构造高斯窗口，并将其归一化后得到WIN1；
其中y为x的转置矩阵，σ为高斯函数标准差常数；
步骤13. 将目标图像的每条边的边缘部分复制，被复制的边缘部分向目标图像内延伸宽度为(WS-1)/2，复制后将边缘复制部分向图像外侧沿边缘垂直方向平移(WS-1)/2的距离使边缘复制部分与目标图像的边缘拼接且不覆盖目标图像，复制目标图像每个角上边长为(WS-1)/2的正方形部分，并将这些正方形复制部分按照同样方向和位置拼接在相邻的两个所述边缘复制部分之间，使所述目标图像、边缘复制部分、正方形复制部分拼接成一个长度和宽度均比目标图像增大了(WS-1)的矩形R。
步骤14.在R上定义一个与WIN1同样大小和形状的起点区S1，WIN1从起点开始，按照一定路径每次移动单个像素单位并遍历矩形R的全部区域，WIN1在R的覆盖区域内每一点的像素灰阶度值与WIN1上覆盖该点的矩阵对应元素相乘，将这些乘积求和，即得到覆盖区域中心像素点的局部方差；
其中各步骤中的WS为预先设定的局部方差估计参数，WS为大于1的奇数。
对步骤11和步骤12，以局部方差估计参数WS=11为例，ONES(WS,1)表示WS行1
列的全1矩阵，则①式中ones(WS,1)相当于矩阵
[1,1,1,1,1,1,1,1,1,1,1]T，
①式中ones(ws,1)相当于一个列向量，而对WS=11，.①式乘号右边简写表示为（E:F），表示一个1行(E-F)列的矩阵，该矩阵各元素从左到右为从E到F的公差值为1的等差数列；对WS=11,即为行向量矩阵
[-5,-4,-3,-2,-1,0,1,2,3,4,5]，
代入①式可得
x=[1,1,1,1,1,1,1,1,1,1,1]T﹡[-5,-4,-3,-2,-1,0,1,2,3,4,5]，作为x的转置矩阵，则
y=｛ [1,1,1,1,1,1,1,1,1,1,1]T﹡[-5,-4,-3,-2,-1,0,1,2,3,4,5] ｝’
如图6所示给出WS=11的x,y矩阵的具体值。
对WS=11,代入上述矩阵x,y；步骤12中得到的高斯窗口实际上为一个11行11列的矩阵，对该矩阵进行归一化后，得到归一化后的矩阵WIN1。
步骤13中所述的对目标图像的复制拼接如图7所示，图7中的英文标识为CR:正方形部分 CR1：正方形复制部分 SD:边缘部分 SD1：边缘复制部分，单向箭头表示被复制的部分的移动方向，其中边缘部分SD是向目标图像外部沿垂直于该边缘的方向平行移动，正方形部分CR复制后是沿邻近顶角的角平分线移动到相邻的边缘复制部分的相邻处，并与边缘复制部分方向不变的拼接在一起，所谓方向不变，即被复制的正方形部分不围绕自身几何中心作任何角度旋转，而仅作整体位置的移动。如图7中所示，复制宽度为(WS-1)/2，所述目标图像、边缘复制部分、正方形复制部分拼接成一个长度和宽度均比目标图像增大了(WS-1)的矩形R。
综合步骤11-13，可以看出，通过上述步骤，对目标图像的每一点计算局部方差时，保证了高斯窗口覆盖区域均落在矩形R内，得到的特征点只能落在目标图像内，而不可能落在矩形R内不属于目标图像的区域。
对步骤14，归一矩阵窗口的起点区可以是步骤13中得到的矩形R内部任何一块与高斯窗口形状大小完全相同的区域即可，移动路径并无特殊限制，只要该路径能够覆盖矩形R的全部区域。从计算量考虑，希望该路径的重复段越少越好，最好为零。例如常用的逐行或者逐列移动高斯窗口，即可达到上述目的。
上述WS=11为发明人在本发明的实现过程中多次试验得到的局部方差估计参数优选值，WS参数直接决定了高斯窗口的大小和取值，优选WS=11可以较好的兼顾精度和速度。
步骤1中所述在这M点中随机选出N点过程可以使用各种随机算法，本发明提供一种具体实现方式，包括如下步骤：
步骤21.在1到M的区间内，按照------②
抽取N个随机数字。
其中②式为使用MATLAB语言的数学表达式，fix(*)表示对括号内数字取整，rand(N,1)
表示在0到1的区间内产生N个随机数字；
步骤22.将M个点按局部方差值从大到小排列，每个点从M到1标记，将步骤21中得到的N个随机数字所对应的点抽取作为特征块构造点。
以M=100，N=8为例，在MATLAB语言中，x=fix(rand(8,1)*100+1) ，rand(8,1)即是利用rand函数在区间(0,1)之间产生8个随机数，将产生的随机数然后乘以100后再加1，调用fix函数对结果截尾取整，即得到区间[1,100]之间的8个随机数。
将100个点按照局部方差从大到小顺序排列，依次标记为第100到第1个，按照上步得到的8个随机数对应的点抽取，即得到特征块构造点。
本发明所述基于特征块方向微分的图像模糊方向鉴别方法步骤2对特征块的构造中，选取的特征块边长C一般为偶数，利于后续计算处理， C取大则计算量增加，C取小鉴别结果可能出现较大误差，优选为目标图像较小像素宽度的1/4左右，本发明对C的定义如下：
定义C1为不小于且不大于的任意整数；
其中W为目标图像的较小像素宽度，例如一副边长分别为1024和768个像素的图像，768像素宽度即为该图像的较小像素宽度。Δ为构造区间参数且不小于零，INT(*)表示对括号内的数字取整数部分；
所述步骤2中的C为最接近C1的偶数。
例如，当C1为偶数时，步骤2中C=C1，否则C=C1+1或C=C1-1。
当Δ=0时，C为最接近目标图像较小像素宽度的1/4的偶数。
也可以设置Δ为其他非负数，使C可以在目标图像较小像素宽度的1/4附近区域取值，以符合不同要求的计算量和鉴别结果精确度。
所述步骤2中构造特征块的过程的一种具体实施方式为：
如图2所示，对目标图像构造二维坐标系，目标图像的任意一个顶点和在该顶点相交的两条边缘分别作为二维坐标系的X轴和Y轴；第i个特征块Bi 的特征块构造点Pi在该坐标系内坐标为(Xi,Yi)；
定义LX为Pi在X方向上与较近的目标图像边缘的距离，当LX<C/2时，该Bi以该较近的目标图像边缘为边界1，边界1向目标图像内部沿垂直边界1的方向平移C作为边界2，否则以INTB(Xi+C/2)为边界1，INTB(Xi-C/2) 为边界2；
定义LY为Pi在Y方向上与较近的目标图像边缘的距离，当LY<C/2时，该Bi以该较近的目标图像边缘为边界3，边界1向目标图像内部沿垂直边界3的方向平移C作为边界4，否则以INTB(Yi+C/2)为边界3，INTB(Yi-C/2) 为边界4；
所述INTB(*)表示对括号内的元素进行四舍五入取整，C为预先定义的特征块边长；
为保证每个特征块的全部区域都完全落在目标图像内部，因此对一些比较靠近目标图像边缘的特征点，构造其特征块做了上述的处理过程，即当特征点在目标图像的1、3、6、8区域内时，所述特征块就是边长为C，其中一个顶点为目标图像顶点，且完全位于目标图像内部的正方形区域。保证每个特征块的全部区域都落在目标图像内部。当特征点位于目标图像的2、4、5、7区域内时，特征块的一条边界落在目标图像的边缘上，且为边长C的正方向区域，在其他区域，特征块即为以特征点为几何中心，边长为C的正方形区域。
上述步骤得到的边界1至边界4所围成的区域即为第i个特征块，对每个特征块构造点重复上述步骤，得到全部特征块。
为更好说明上述过程，以下列实施例做具体说明,如图2所示,定义目标图像左下的顶点坐标为（0,0），右上的顶点坐标为（m,n）,令d=C/2
当特征点位于区域3内，即特征点坐标（x,y）满足
m-d≤x≤m ，n-d≤y≤n时，特征块为以（m,n）为右上顶点，边长为C的正方形区域；
当特征点位于区域2内，即特征点坐标（x,y）满足
d≤x≤m-d ，n-d≤y≤n时，特征块为以（x+d,n）为右上顶点，边长为C的正方形区域
当特征点位于区域5内，即特征点坐标（x,y）满足
0≤x≤d ，d≤y≤n-d时，特征块为以（C,y+d）为右上顶点，边长为C的正方形区域
当特征点位于区域9内，即特征点坐标（x,y）满足
d≤x≤m-d ，d≤y≤n-d时，特征块为以（x+d,y+d）为右上顶点，边长为C的正方形区域
如图2内的四个虚线框，分别示意出上述特征块构造实施例，其他各个区域的特征块可参照上述实施例和前述实施方式得出。当x和/或y的坐标等于目标图像内各个区域的分界线坐标时，适用于邻近多个区域的特征块构造方法，实际得到的特征块相同。
本发明所述的基于特征块方向微分的图像模糊方向鉴别方法，在所述步骤3中的对特征块进行方向鉴别的方向微分法采用了加权平均算法。
方向微分法是本领域常用的一种鉴别模糊方向角度的方法，基本的方向微分法将灰阶度为0的像素复制到模糊图像边缘，其中复制的宽度为微元Δr，这里的微元Δr取值为2像素最佳；滑动窗口大小为2(Δr+1)×(Δr+1)，如图3，对每个像素点，在以该像素点为圆心，半径为Δr构造一段圆弧。定义旋转角度θ为圆弧上该点到圆心连线与水平方向的夹角。θ区间从-π/2到π/2（可以标记水平方向的角度为0度，上正下负），所述水平方向为预先定义的参考方向。
例如旋转角度为θ的圆弧上某点，将该点灰阶度值减去作为圆心点的该像素点的灰阶度值就是该像素点在θ角度下的微分，使用的微元为Δr。将滑动窗口移动覆盖整个模糊图像，得到旋转角度为θ时的微分图像，使用的微元为Δr。其中计算圆弧上的点的灰阶度值可以采用现有方法，例如双线性插值法来计算。
然后将每个旋转角度下的微分图像灰阶度值取绝对值后再求和，则这些求出的和的最小值对应的角度θ即为模糊方向角度。
本发明对各个特征块的模糊方向鉴别采用了方向微分加权平均算法，所述方向微分加权平均算法包括多次方向微分步骤，每次方向微分步骤使用上述的基本方向微分法对模糊方向角度进行鉴别，每次方向微分步骤中使用的微元大小不同；将每次方向微分步骤中得出的模糊方向角度取平均值作为步骤3中所述的特征块的模糊方向角度；
优选的，本发明在步骤3中采用的方向微分加权平均算法分别采用微元Δr1=2像素，
Δr2=3像素，Δr3=4像素，Δr4=5像素，在[-π/2,π/2]角度区间中对各个角度下的微分图像灰阶度的绝对值求和，如图4所示，得到灰阶度的绝对值的和分别为：
I(Δg)Δr1,θ,
I(Δg)Δr2,θ,
I(Δg)Δr3,θ,
I(Δg)Δr4,θ，
将这些灰阶度的绝对值和加权平均得到：
I(Δg)Δr,θ=（1/4）*（I(Δg)Δr1, θ+I(Δg)Δr2,θ,+I(Δg)Δr3,θ+I(Δg)Δr4,θ）
下标θ表示不同的角度，这些对应不同角度的I(Δg)Δr,α中的最小值对应的角度作为特征块的模糊方向角度。
得到各个特征块的模糊方向角度后，可以根据经验或图像显示原理对目标图像的模糊方向进行判断，本发明提供一种优选的所述步骤4中得出目标图像的模糊方向角度的方法：如果步骤3中模糊方向角度相同的特征块不小于半数，则这些相同模糊方向角度的特征块的模糊方向角度为目标图像的模糊方向角度；否则将所有特征块的模糊方向角度取平均值，作为目标图像的模糊方向角度，该方法结合经验总结和显示原理，兼顾了计算精度和计算量。这里所谓模糊方向角度相同，并非指角度值必需完全一致，而是根据预先设定的精度要求判断，例如在角度的精度要求为0.1度时，则认为相差值在0.05度范围内的角度都是相同的。
也可以是其他算法，例如直接将全部模糊方向角度取平均值。
发明人以现有技术中的两种模糊方向角度鉴别方法与本发明做了对比，使用如图5所示的三幅图像色彩差异度和模糊状态差异较大的图片，对比验证结果如表1(a)和表1（b）所示。
表1(a)
| LENA | LENA | LENA | MAN | MAN | MAN | WOMAN2 | WOMAN2 | WOMAN2 | |
| 模糊角度（度） | 方法A | 方法B | 本文方法 | 方法A | 方法B | 本文方法 | 方法A | 方法B | 本文方法 |
| -90 | -88 | -90 | -88 | -88 | -90 | -88 | -88 | -90 | -86 |
| -80 | -88 | -89 | -80 | -88 | -86 | -85 | -88 | -89 | -86 |
| -60 | -87 | -88 | -62 | -65 | -81 | -62 | -87 | -88 | -86 |
| -50 | -87 | -88 | -19 | -54 | -48 | -48 | -87 | -88 | -56 |
| -30 | -47 | -10 | -19 | -31 | -27 | -31 | -2 | -1 | -26 |
| -10 | -3 | 0 | -9 | -2 | -6 | -8 | -2 | -2 | -3 |
| 0 | -3 | -1 | -3 | -2 | 0 | -2 | -2 | 0 | 3 |
| 20 | 28 | 8 | 24 | 22 | 18 | 22 | 3 | 1 | 25 |
| 35 | 36 | 48 | 36 | 38 | 42 | 36 | 30 | 90 | 32 |
| 45 | 40 | 63 | 52 | 40 | 47 | 48 | 52 | 90 | 48 |
| 55 | 28 | 65 | 52 | 36 | 62 | 54 | 87 | 90 | 54 |
| 65 | 71 | 74 | 67 | 57 | 72 | 68 | 87 | 90 | 63 |
| 75 | 79 | 82 | 75 | 68 | 79 | 84 | 87 | 90 | 76 |
| 85 | 87 | 88 | 87 | 86 | 87 | 86 | 88 | 90 | 88 |
表1(b)
| LENA | LENA | LENA | MAN | MAN | MAN | WOMAN2 | WOMAN2 | WOMAN2 | |
| 模糊角度（度） | 方法A | 方法B | 本文方法 | 方法A | 方法B | 本文方法 | 方法A | 方法B | 本文方法 |
| 均方误差 | 10.86 | 10.46 | 8.05 | 4.72 | 5.27 | 2.14 | 12.46 | 17.13 | 6.23 |
| 平均误差 | 9.79 | 12.71 | 4.93 | 5.36 | 4.79 | 2.57 | 14.00 | 22.21 | 5.29 |
| 最大误差 | 37.00 | 38.00 | 31.00 | 19.00 | 21.00 | 9.00 | 37.00 | 55.00 | 26.00 |
| 最小误差 | 1.00 | 0.00 | 0.00 | 1.00 | 0.00 | 1.00 | 2.00 | 0.00 | 1.00 |
其中方法A为对图像整体进行方向微分鉴别模糊方向角度的方法，方法B为记载于文献1的一种图像处理方法，所述文献1为：
颜小运，刘洪，刘本永 基于旋转差分算子的运动模糊方法空域估计方法[C]. 第15届全国图像图形学术会议，2011, 18-23.
表1（a）中最右边一列角度为模糊方向角度的标准值，从表中可见，本发明的基于特征块方向微分的图像模糊方向鉴别方法在各个模糊方向角度鉴别上均优于方法A和方法B，尤其在较小角度上对模糊方向角度的鉴别显著优于这两种现有技术，从表1（b）中可见，本发明的模糊方向角度鉴别方法的均方误差，平均误差和最大误差值也大幅缩小。
采用本发明所述的基于特征块方向微分的图像模糊方向鉴别方法，对目标图像的模糊方向鉴别进行了简化处理，利用构造特征块来估计目标图像的模糊方向，相对传统方法对目标图像整体进行逐点扫描计算模糊方向的方法，有如下优势：
1）采用局部方差作为特征块的构造点选取的标准可以很好地表征图像的局部结构特征，判断局部灰度变化大小，符合人眼的视觉效果。同时在求取局部方差过程中采用高速加权窗口，也起到了平滑作用；
2）随机选取较大局部特征点可以进一步减少噪声点的影响；
3）选取多个特征块进行方向微分的加权平均法鉴别这些特征块的模糊方向角度可以显著提高鉴别精度和稳定性；
4）在鉴别模糊方向阶段明显减少计算量和计算时间。
上述所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器（RAM）、内存、只读存储器（ROM）、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
前文所述的为本发明的各个优选实施例，所述各个实施例的实现方式以及实施例中的具体参数仅是为了清楚表述发明人的发明验证过程，并非用以限制本发明的专利保护范围，本发明的专利保护范围仍然以其权利要求书为准，凡是运用本发明的说明书及附图内容所作的等同结构变化，同理均应包含在本发明的保护范围内。
Claims (8)
1.一种基于特征块方向微分的图像模糊方向鉴别方法，包括如下步骤：
步骤1.计算目标图像每个像素点坐标的局部方差，选取其中局部方差最大的前M个点，在这M点中随机选出N点作为特征块构造点；
所述M为预先定义的选择范围参数，N为预先定义的特征块个数，M、N为正整数且M>N>1；
步骤2.对步骤1中得出的每个特征块构造点建立边长为C个像素,面积为 的包括该特征块构造点的正方形特征块，所述C为预先定义的特征块边长，C为正整数；
步骤3.运用方向微分法对每个特征块的模糊方向角度进行鉴别，记录所有特征块的模糊方向角度；
步骤4.利用步骤3中得到的各个特征块的模糊方向角度，得出目标图像的模糊方向角度；
所述步骤1中计算目标图像每个像素点坐标的局部方差包括如下步骤：
步骤11.构造矩阵 ①
其中①式为使用MATLAB语言的数学表达式，ONES(WS,1)表示WS行1列的全1矩阵；
乘号右边表示一个1行[+1]列的矩阵，该矩阵各元素从左到右为从到的差值为1的等差数列；
步骤12.构造高斯窗口，并将其归一化后得到WIN1；
其中y为x的转置矩阵，σ为高斯函数标准差常数；
步骤13.将目标图像的每条边的边缘部分复制，被复制的边缘部分向目标图像内延伸宽度为(WS-1)/2，复制后将边缘复制部分向图像外侧沿边缘垂直方向平移(WS-1)/2的距离使边缘复制部分与目标图像的边缘拼接且不覆盖目标图像，复制目标图像每个角上边长为(WS-1)/2的正方形部分，并将这些正方形复制部分按照同样方向和位置拼接在相邻的两个所述边缘复制部分之间，使所述目标图像、边缘复制部分、正方形复制部分拼接成一个长度和宽度均比目标图像增大了(WS-1)的矩形R；
步骤14.在R上定义一个与WIN1同样大小和形状的起点区S1，WIN1从起点开始，按照一定路径每次移动单个像素单位并遍历矩形R的全部区域，WIN1在R的覆盖区域内每一点的像素灰阶度值与WIN1上覆盖该点的矩阵对应元素相乘，将这些乘积求和，即得到覆盖区域中心像素点的局部方差；
各步骤中的WS为预先设定的局部方差估计参数，且WS为大于1的奇数；
所述步骤4中得出目标图像的模糊方向角度的方法为：如果步骤3中模糊方向角度相同的特征块不小于半数，则这些相同模糊方向角度的特征块的模糊方向角度为目标图像的模糊方向角度；否则将所有特征块的模糊方向角度取平均值，作为目标图像的模糊方向角度。
2.如权利要求1所述的基于特征块方向微分的图像模糊方向鉴别方法，其特征在于：步骤14中WIN1的起点区S1在R的左上顶角部分，WIN1移动的终点在R的右下底角部分；WIN1移动的路径为逐行移动。
3.如权利要求1所述的基于特征块方向微分的图像模糊方向鉴别方法，其特征在于：所述WS=11。
4.如权利要求1所述的基于特征块方向微分的图像模糊方向鉴别方法，其特征在于：步骤1中所述在这M点中随机选出N点过程包括如下步骤：
步骤21.在1到M的区间内，按照 ②
抽取N个随机数字；
其中②式为使用MATLAB语言的数学表达式，fix(*)表示对括号内数字取整数部分，rand(N,1)表示在0到1的区间内产生N个随机数字；
步骤22.将M个点按局部方差值从大到小排列，每个点从M到1标记，将步骤21中得到的N个随机数字所对应的点抽取作为特征块构造点。
5.如权利要求1所述的基于特征块方向微分的图像模糊方向鉴别方法，其特征在于：定义C1为不小于且不大于的任意整数；
其中W为目标图像的较小像素宽度，Δ为构造区间参数且不小于零，INT(*)表示对括号内的数字取整数部分；
所述步骤2中的C为最接近上述C1的偶数。
6.如权利要求1所述的基于特征块方向微分的图像模糊方向鉴别方法，其特征在于：所述步骤2中构造特征块的过程为：
对目标图像构造二维坐标系，目标图像的任意一个顶点和在该顶点相交的两条边缘分别作为二维坐标系的X轴和Y轴；第i个特征块Bi 的特征块构造点Pi在该坐标系内坐标为(Xi,Yi)；
定义LX为Pi在X方向上与较近的目标图像边缘的距离，当LX<C/2时，该Bi以该较近的目标图像边缘为边界1，边界1向目标图像内部沿垂直边界1的方向平移C作为边界2，否则以INTB(Xi+C/2)为边界1，INTB(Xi-C/2) 为边界2；
定义LY为Pi在Y方向上与较近的目标图像边缘的距离，当LY<C/2时，该Bi以该较近的目标图像边缘为边界3，边界3向目标图像内部沿垂直边界3的方向平移C作为边界4，否则以INTB(Yi+C/2)为边界3，INTB(Yi-C/2) 为边界4；
所述INTB(*)表示对括号内的元素进行四舍五入取整，C为预先定义的特征块边长；
上述步骤得到的边界1至边界4所围成的区域即为第i个特征块，对每个特征块构造点重复上述步骤，得到全部特征块。
7.如权利要求1所述的基于特征块方向微分的图像模糊方向鉴别方法，其特征在于：所述步骤3中的对特征块进行方向鉴别的方向微分法包括K次方向微分步骤，每次方向微分步骤使用基本方向微分法对模糊方向角度进行鉴别，每次方向微分步骤中使用的微元大小不同；将每次方向微分步骤中得出的模糊方向角度取平均值作为步骤3中所述的特征块的模糊方向角度；
K为可选择的微分次数，K为大于1的正整数。
8.如权利要求7所述的基于特征块方向微分的图像模糊方向鉴别方法，其特征在于：所述K=4，且4次方向微分步骤中使用的微元分别为2、3、4、5个像素。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310058595.1A CN103136754B (zh) | 2012-10-09 | 2013-02-26 | 一种基于特征块方向微分的图像模糊方向鉴别方法 |
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2012103790898 | 2012-10-09 | ||
| CN201210379089 | 2012-10-09 | ||
| CN201210379089.8 | 2012-10-09 | ||
| CN201310058595.1A CN103136754B (zh) | 2012-10-09 | 2013-02-26 | 一种基于特征块方向微分的图像模糊方向鉴别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103136754A CN103136754A (zh) | 2013-06-05 |
| CN103136754B true CN103136754B (zh) | 2015-07-29 |
Family
ID=48496544
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310058595.1A Expired - Fee Related CN103136754B (zh) | 2012-10-09 | 2013-02-26 | 一种基于特征块方向微分的图像模糊方向鉴别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103136754B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018036444A (ja) * | 2016-08-31 | 2018-03-08 | アイシン精機株式会社 | 表示制御装置 |
| CN107688800A (zh) * | 2017-10-18 | 2018-02-13 | 张家港全智电子科技有限公司 | 一种基于改进面部几何模型的瞳孔定位方法 |
| CN108205667A (zh) * | 2018-03-14 | 2018-06-26 | 海信集团有限公司 | 车道线检测方法及装置、车道线检测终端、存储介质 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101079149A (zh) * | 2006-09-08 | 2007-11-28 | 浙江师范大学 | 一种基于径向基神经网络的有噪运动模糊图像复原方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7561186B2 (en) * | 2004-04-19 | 2009-07-14 | Seiko Epson Corporation | Motion blur correction |
-
2013
- 2013-02-26 CN CN201310058595.1A patent/CN103136754B/zh not_active Expired - Fee Related
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101079149A (zh) * | 2006-09-08 | 2007-11-28 | 浙江师范大学 | 一种基于径向基神经网络的有噪运动模糊图像复原方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于方向微分和加权平均的运动模糊方向鉴别;陈前荣 等;《计算机工程与应用》;20041124;第40卷(第29期);1-6 * |
| 运动模糊参数的空域鉴别方法;吴振宇 等;《计算机应用》;20100125;第29卷(第12期);3378-3380 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103136754A (zh) | 2013-06-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9661228B1 (en) | Robust image feature based video stabilization and smoothing | |
| US10477200B2 (en) | Panoramic camera systems | |
| CN102790841B (zh) | 书籍的书脊区域中数字图像的检测和校正方法 | |
| US9076234B2 (en) | Super-resolution method and apparatus for video image | |
| CN108122256B (zh) | 一种逼近状态下旋转目标位姿测量的方法 | |
| CN110390640A (zh) | 基于模板的泊松融合图像拼接方法、系统、设备及介质 | |
| CN103700099B (zh) | 一种旋转和尺度不变的宽基线立体匹配方法 | |
| US20150097827A1 (en) | Target Region Fill Utilizing Transformations | |
| CN104899888B (zh) | 一种基于Legendre矩的图像亚像素边缘检测方法 | |
| CN107636679A (zh) | 一种障碍物检测方法及装置 | |
| JPH10208056A (ja) | 直線検出方法 | |
| CN107871321B (zh) | 图像分割方法及装置 | |
| CN106296587B (zh) | 轮胎模具图像的拼接方法 | |
| CN110910421A (zh) | 基于分块表征和可变邻域聚类的弱小运动目标检测方法 | |
| CN106780370A (zh) | 一种图像去抖动设备及其方法 | |
| CN103136754B (zh) | 一种基于特征块方向微分的图像模糊方向鉴别方法 | |
| US20190238823A1 (en) | Robust structured-light patterns for 3d camera system | |
| CN104376544B (zh) | 一种基于多区域尺度放缩补偿的非局部超分辨率重建方法 | |
| CN108460348A (zh) | 基于三维模型的道路目标检测方法 | |
| CN107886101A (zh) | 一种基于rgb‑d的场景三维特征点高效提取方法 | |
| CN111882588B (zh) | 图像块配准方法及相关产品 | |
| CN112446353A (zh) | 基于深度卷积神经网络的视频图像道线检测方法 | |
| CN114066930A (zh) | 一种平面目标跟踪方法、装置、终端设备及存储介质 | |
| CN103888749B (zh) | 一种双目视频转换多目视频的方法 | |
| CN109919850B (zh) | 用于qis传感器的高对比度结构光图案 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20170823 Address after: 610000 China (Sichuan) free trade zone, Chengdu hi tech Zone, Tianfu Road, No. 1388, No. 1, building 11, No. 1139 Patentee after: Chengdu ants Technology Co., Ltd. Address before: 610000 Jingan Road, Chengdu, Sichuan, No. 5, No. Patentee before: Sichuan Normal University |
|
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150729 Termination date: 20190226 |