CN104112252A - 一种图像去模糊的方法和装置 - Google Patents
一种图像去模糊的方法和装置 Download PDFInfo
- Publication number
- CN104112252A CN104112252A CN201310137936.4A CN201310137936A CN104112252A CN 104112252 A CN104112252 A CN 104112252A CN 201310137936 A CN201310137936 A CN 201310137936A CN 104112252 A CN104112252 A CN 104112252A
- Authority
- CN
- China
- Prior art keywords
- fuzzy core
- core
- user
- image
- fuzzy
- 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
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了图像去模糊方案,针对待处理的模糊图像,进行以下处理:A、确定用户设定的模糊图像的模糊核类型,根据用户的设定估计出模糊图像的模糊核;B、根据模糊核以及模糊图像生成去模糊处理后的图像,连同模糊核一起展示给用户;C、确定用户对所展示的模糊核进行调整后的结果;根据最新调整后的模糊核以及模糊图像生成最新的去模糊处理后的图像,并用其更新之前所展示的去模糊处理后的图像,之后重复执行步骤C;其中,当确定用户对所展示的去模糊处理后的图像满意时,将最新生成的去模糊处理后的图像作为最终所需图像,结束处理。应用本发明所述方案,能够较好地提高处理后的图像质量。
Description
技术领域
本发明涉及图像处理技术,特别涉及一种图像去模糊的方法和装置。
背景技术
由于受到环境和成像设备如相机的硬件条件等的影响,图像质量在成像过程中或多或少会有一定的损失,图像模糊即为一种常见的图像降质现象。
通常,图像模糊的类型可分为以下几种:散焦模糊、高斯模糊、运动模糊、混合模糊和任意模糊。
其中,散焦模糊是指由于镜头未能正确对焦或由于场景景深较大而导致部分场景不在焦点上而造成的图像不清晰;高斯模糊是指由于大气湍流对物体光线的散射影响造成的图像不清晰;运动模糊是指当相机处于静止状态下,长时间曝光时,运动物体与背景混叠造成的图像不清晰;混合模糊是指散焦模糊、高斯模糊和运动模糊三者之中的任意两个或全部三个的组合所导致的图像不清晰;任意模糊则是指由于相机抖动等不规则运动所引发的相机运动轨迹上场景在曝光时间内的混叠。
图像模糊会造成图像边缘分辨不清和图像细节丢失,从而严重影响后续的图像处理、识别和应用等,因此必须想办法克服,即对模糊图像进行去模糊处理,以提高处理后的图像质量,但现有技术中还没有一种效果较好的去模糊方式。
发明内容
有鉴于此,本发明提供了一种图像去模糊的方法和装置,能够较好地提高处理后的图像质量。
为达到上述目的,本发明的技术方案是这样实现的:
一种图像去模糊的方法,针对任一待处理的模糊图像,分别进行以下处理:
A、确定用户设定的所述模糊图像的模糊核类型,并根据用户设定的模糊核类型估计出所述模糊图像的模糊核;
B、根据估计出的模糊核以及所述模糊图像生成去模糊处理后的图像,连同估计出的模糊核一起展示给用户;
C、确定用户根据所展示的去模糊处理后的图像对所展示的模糊核进行调整后的结果;
根据最新调整后的模糊核以及所述模糊图像生成最新的去模糊处理后的图像,并用最新生成的去模糊处理后的图像更新之前所展示的去模糊处理后的图像,之后重复执行步骤C;
其中,当确定用户对所展示的去模糊处理后的图像满意时,将最新生成的去模糊处理后的图像作为最终所需图像,结束处理。
一种图像去模糊的装置,包括:第一处理模块、第二处理模块、第三处理模块和第四处理模块;
所述第一处理模块,用于将获取到的任一待处理的模糊图像分别发送给所述第二处理模块、所述第三处理模块和所述第四处理模块;
所述第二处理模块,用于确定用户设定的所述模糊图像的模糊核类型,并根据用户设定的模糊核类型估计出所述模糊图像的模糊核,发送给所述第三处理模块;
所述第三处理模块,用于根据估计出的模糊核以及所述模糊图像生成去模糊处理后的图像,连同估计出的模糊核一起展示给用户;
所述第四处理模块,用于确定用户根据所展示的去模糊处理后的图像对所展示的模糊核进行调整后的结果;根据最新调整后的模糊核以及所述模糊图像生成最新的去模糊处理后的图像,并用最新生成的去模糊处理后的图像更新之前所展示的去模糊处理后的图像,之后重复执行自身功能;其中,当确定用户对所展示的去模糊处理后的图像满意时,将最新生成的去模糊处理后的图像作为最终所需图像,结束处理。
综上,本发明提出了一种交互式的图像去模糊方式,用户可设定待处理的模糊图像的模糊核类型,相应地,可根据用户设定的模糊核类型有针对性地、更为准确地估计出图像的模糊核,并且,根据估计出的模糊核等生成去模糊处理后的图像,之后,可通过一系列的迭代过程,即用户根据所展示的去模糊处理后的图像调整模糊核,并根据调整后的模糊核重新生成质量更好的去模糊处理后的图像等,通过不断地调整,进一步提高模糊核的精度,并最终得到质量能够令用户满意的图像;可见,采用本发明所述方案,能够较好地提高处理后的图像质量。
附图说明
图1为本发明图像去模糊的方法实施例的流程图。
图2为本发明图像去模糊的方法较佳实施例的流程图。
图3为本发明图像去模糊的装置实施例的组成结构示意图。
具体实施方式
针对现有技术中存在的问题,本发明中提出一种图像去模糊方案,能够较好地提高处理后的图像质量。
为了使本发明的技术方案更加清楚、明白,以下参照附图并举实施例,对本发明所述方案作进一步地详细说明。
图1为本发明图像去模糊的方法实施例的流程图。针对任一待处理的模糊图像x(为便于表述,用模糊图像x来代表任一待处理的模糊图像),分别按照图1所示流程进行处理。如图1所示,包括:
步骤11:确定用户设定的模糊图像x的模糊核类型,并根据用户设定的模糊核类型估计出模糊图像x的模糊核。
在图像处理技术中,模糊图像可用公式(1)表示:
其中,B表示模糊图像,I表示理想的清晰图像,k表示退化函数,即模糊核,N表示噪声。
图像去模糊即指从模糊图像B中恢复出清晰图像I,通常,噪声N可人工根据经验设定,即可认为其是已知的,模糊图像B也是已知的,那么,结合公式(1)可知,如果要得到未知的清晰图像I,还需要获取到模糊核k。
在实际应用中,可将模糊核分为两类,一类为非参模糊核,任意模糊的模糊核即为非参模糊核,另一类为参数化模糊核,散焦模糊、高斯模糊、运动模糊以及混合模糊的模糊核即为参数化模糊核。
非参模糊核没有规律可循,只能以矩阵形式表示,在实际应用中,可采用模糊核估计算法,从模糊图像中估计出非参模糊核;而对于参数化模糊核,可首先估计出相应的参数,之后,可根据估计出的参数进一步生成矩阵形式的模糊核。
散焦模糊核的形状为圆盘形,可用公式(2)表示:
圆盘形内部值均匀分布,圆盘形外面值为0,散焦模糊核只有一个参数,即模糊核半径r。
高斯模糊核值呈高斯分布,可用公式(3)表示:
高斯模糊核同样只有一个参数,即高斯方差σ。
运动模糊核和物体运动有关,假设在曝光时间内,所摄物体匀速直线运动,那么运动模糊核可用线函数表示,如公式(4)所示:
运动模糊核有两个参数,分别为长度L和角度φ。
具体到本步骤中,针对模糊图像x,可将可供用户选择的模糊核类型展示给用户,在实际应用中,可供用户选择的模糊核类型可按两种不同的方式进行设置,用户可通过对模糊图像x进行观察和分析等,凭借经验选定模糊图像x的模糊核类型;相应地,根据可供用户选择的模糊核类型的设置方式的不同,估计模糊图像x的模糊核的方式也会有所不同,以下分别进行介绍。
方式一)
可供用户选择的模糊核类型包括:非参模糊核、散焦模糊核、高斯模糊核、运动模糊核和混合模糊核。
当用户设定的模糊核类型为非参模糊核时,直接估计出以矩阵形式表示的模糊图像x的模糊核。
当用户设定的模糊核类型为散焦模糊核、高斯模糊核或运动模糊核时,估计出该类型对应的参数,并根据估计出的参数生成以矩阵形式表示的模糊图像x的模糊核。
当用户设定的模糊核类型为混合模糊核时,分别估计出散焦模糊核、高斯模糊核和运动模糊核中的任意两种或全部三种对应的参数,并分别根据对应的参数生成对应的以矩阵形式表示的模糊核,将生成的各模糊核进行卷积运算,将卷积运算得到的模糊核作为模糊图像x的模糊核。
方式二)
可供用户选择的模糊核类型包括:非参模糊核和参数化模糊核。
当用户设定的模糊核类型为非参模糊核时,直接估计出以矩阵形式表示的模糊图像x的模糊核;
当用户设定的模糊核类型为参数化模糊核时,分别估计出散焦模糊核、高斯模糊核和运动模糊核中的任意两种或全部三种对应的参数,并分别根据对应的参数生成对应的以矩阵形式表示的模糊核,将生成的各模糊核进行卷积运算,将卷积运算得到的模糊核作为模糊图像x的模糊核,即按照混合模糊核的处理方式对参数化模糊核进行处理。
上述方式一)和方式二)中,具体如何估计模糊核和参数,以及如何根据估计出的参数生成模糊核均为现有技术。
步骤12:根据估计出的模糊核以及模糊图像x生成去模糊处理后的图像,连同估计出的模糊核一起展示给用户。
参照公式(1)可知,模糊图像B可以看作是清晰图像I和模糊核k等卷积而成的,那么,已知模糊图像B、模糊核k和噪声N,求解清晰图像I的过程即相当于卷积的逆过程,称为解卷积,解卷积的方法有很多,如:基于逆滤波原理方法、基于贝叶斯估计方法以及基于最大后验概率框架等。
基于逆滤波原理方法的实现不需要进行迭代,求解速度较快,但去模糊效果一般,通常将其称为快速解卷积方法,而后两者的实现需要进行迭代,求解速度较慢,但去模糊效果更好,通常将其称为高精度解卷积方法。
步骤12以及后续的步骤13中,为加快处理速度,在生成去模糊处理后的图像时,可采用快速解卷积方法,具体实现为现有技术。
另外,在展示模糊核时,如果模糊核为通过参数生成的,则可将模糊核以以下形式之一展示给用户:参数形式、参数形式和矩阵形式;否则,将模糊核以矩阵形式展示给用户。
步骤13:确定用户根据所展示的去模糊处理后的图像对所展示的模糊核进行调整后的结果;根据最新调整后的模糊核以及模糊图像x生成最新的去模糊处理后的图像,并用最新生成的去模糊处理后的图像更新之前所展示的去模糊处理后的图像,之后重复执行步骤13;其中,当确定用户对所展示的去模糊处理后的图像满意时,将最新生成的去模糊处理后的图像作为最终所需图像,结束处理。
本步骤是一个不断改进的过程,当用户对所展示的去模糊处理后的图像的效果不满意时,则可根据经验调整所展示的模糊核,相应地,根据最新调整后的模糊核以及模糊图像x生成最新的去模糊处理后的图像,并展示给用户,以便用户进行下一次调整;之后,如果用户再次调整了所展示的模糊核,则再次根据最新调整后的模糊核以及模糊图像x生成最新的去模糊处理后的图像,依次类推,直到用户满意为止,即当确定用户对所展示的去模糊处理后的图像满意时,将最新生成的去模糊处理后的图像作为最终所需图像,结束处理。
其中,对于以参数形式展示的模糊核,用户可直接对参数进行调整,如调整其取值等,对于以矩阵形式展示的模糊核,可通过模糊核编辑进行调整,如擦除部分矩阵系数,对矩阵部分进行平滑等。
如果将最新生成的去模糊处理后的图像展示给用户后,超过预定时长,用户仍未对所展示的模糊核进行调整,则可认为用户对所展示的去模糊处理后的图像满意,或者,可同时展示一个确认按钮,当用户点击该按钮时,即可认为用户对所展示的去模糊处理后的图像满意,总之,具体实现方式不限。
另外,本发明所述方案中还提出:当确定用户对所展示的去模糊处理后的图像满意时,可通过高精度解卷积方法,根据最新调整后的模糊核以及模糊图像x生成最新的去模糊处理后的图像,作为最终所需图像。
如前所述,高精度解卷积方法的去模糊效果更好,因此,当用户结束对模糊核的调整后,可采用调整完毕的模糊核以及模糊图像x进行高精度解卷积,以得到质量更好的清晰图像。
基于上述介绍,图2为本发明图像去模糊的方法较佳实施例的流程图。如图2所示,包括:
步骤21:确定用户设定的模糊图像x的模糊核类型,并根据用户设定的模糊核类型估计出模糊图像x的模糊核;
步骤22:通过快速解卷积方法,根据估计出的模糊核以及模糊图像x生成去模糊处理后的图像,连同估计出的模糊核一起展示给用户;
步骤23:确定用户根据所展示的去模糊处理后的图像对所展示的模糊核进行调整后的结果;根据最新调整后的模糊核以及模糊图像x生成最新的去模糊处理后的图像,并用最新生成的去模糊处理后的图像更新之前所展示的去模糊处理后的图像,之后重复执行步骤23;其中,当确定用户对所展示的去模糊处理后的图像满意时,执行步骤24;
步骤24:通过高精度解卷积方法,根据最新调整后的模糊核以及模糊图像x生成最新的去模糊处理后的图像,作为最终所需图像。
需要说明的是,上述各实施例中,在通过快度解卷积方法和高精度解卷积方法生成去模糊处理后的图像时,还需要用到噪声N,其具体如何设定可根据所使用的解卷积方法来定,即所使用的解卷积方法不同,噪声N的设定可能也不同。
至此,即完成了关于本发明方法实施例的介绍。
图3为本发明图像去模糊的装置实施例的组成结构示意图。如图3所示,包括:第一处理模块、第二处理模块、第三处理模块和第四处理模块;
第一处理模块,用于将获取到的任一待处理的模糊图像分别发送给第二处理模块、第三处理模块和第四处理模块;
第二处理模块,用于确定用户设定的模糊图像的模糊核类型,并根据用户设定的模糊核类型估计出模糊图像的模糊核,发送给第三处理模块;
第三处理模块,用于根据估计出的模糊核以及模糊图像生成去模糊处理后的图像,连同估计出的模糊核一起展示给用户;
第四处理模块,用于确定用户根据所展示的去模糊处理后的图像对所展示的模糊核进行调整后的结果;根据最新调整后的模糊核以及模糊图像生成最新的去模糊处理后的图像,并用最新生成的去模糊处理后的图像更新之前所展示的去模糊处理后的图像,之后重复执行自身功能;其中,当确定用户对所展示的去模糊处理后的图像满意时,将最新生成的去模糊处理后的图像作为最终所需图像,结束处理。
具体地,
第三处理模块可通过快速解卷积方法,根据估计出的模糊核以及模糊图像生成去模糊处理后的图像;
第四处理模块可通过快速解卷积方法,根据最新调整后的模糊核以及模糊图像生成最新的去模糊处理后的图像;
第四处理模块可进一步用于,当确定用户对所展示的去模糊处理后的图像满意时,通过高精度解卷积方法,根据最新调整后的模糊核以及模糊图像生成最新的去模糊处理后的图像,作为最终所需图像。
另外,
用户设定的模糊核类型包括:非参模糊核、散焦模糊核、高斯模糊核、运动模糊核和混合模糊核;
第二处理模块中包括:第一处理子单元和第二处理子单元(为简化附图,未图示);
第一处理子单元,用于确定用户设定的模糊图像的模糊核类型,并发送给第二处理子单元;
第二处理子单元,用于当用户设定的模糊核类型为非参模糊核时,直接估计出以矩阵形式表示的模糊图像的模糊核,并发送给第三处理模块;
当用户设定的模糊核类型为散焦模糊核、高斯模糊核或运动模糊核时,估计出该类型对应的参数,并根据估计出的参数生成以矩阵形式表示的模糊图像的模糊核,并发送给第三处理模块;
当用户设定的模糊核类型为混合模糊核时,分别估计出散焦模糊核、高斯模糊核和运动模糊核中的任意两种或全部三种对应的参数,并分别根据对应的参数生成对应的以矩阵形式表示的模糊核,将生成的各模糊核进行卷积运算,将卷积运算得到的模糊核作为模糊图像的模糊核,并发送给第三处理模块。
或者,
用户设定的模糊核类型包括:非参模糊核和参数化模糊核;
第二处理模块中包括:第一处理子单元和第二处理子单元(为简化附图,未图示);
第一处理子单元,用于确定用户设定的模糊图像的模糊核类型,并发送给第二处理子单元;
第二处理子单元,用于当用户设定的模糊核类型为非参模糊核时,直接估计出以矩阵形式表示的模糊图像的模糊核,并发送给第三处理模块;
当用户设定的模糊核类型为参数化模糊核时,分别估计出散焦模糊核、高斯模糊核和运动模糊核中的任意两种或全部三种对应的参数,并分别根据对应的参数生成对应的以矩阵形式表示的模糊核,将生成的各模糊核进行卷积运算,将卷积运算得到的模糊核作为模糊图像的模糊核,并发送给第三处理模块。
再有,
第三处理模块在展示模糊核时,如果模糊核为通过参数生成的,则可将模糊核以以下形式之一展示给用户:参数形式、参数形式和矩阵形式;否则,可将模糊核以矩阵形式展示给用户。
图3所示装置实施例的具体工作流程请参照前述方法实施例中的相应说明,此处不再赘述。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。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 (10)
1.一种图像去模糊的方法,其特征在于,针对任一待处理的模糊图像,分别进行以下处理:
A、确定用户设定的所述模糊图像的模糊核类型,并根据用户设定的模糊核类型估计出所述模糊图像的模糊核;
B、根据估计出的模糊核以及所述模糊图像生成去模糊处理后的图像,连同估计出的模糊核一起展示给用户;
C、确定用户根据所展示的去模糊处理后的图像对所展示的模糊核进行调整后的结果;
根据最新调整后的模糊核以及所述模糊图像生成最新的去模糊处理后的图像,并用最新生成的去模糊处理后的图像更新之前所展示的去模糊处理后的图像,之后重复执行步骤C;
其中,当确定用户对所展示的去模糊处理后的图像满意时,将最新生成的去模糊处理后的图像作为最终所需图像,结束处理。
2.根据权利要求1所述的方法,其特征在于,
所述根据估计出的模糊核以及所述模糊图像生成去模糊处理后的图像包括:通过快速解卷积方法,根据估计出的模糊核以及所述模糊图像生成去模糊处理后的图像;
所述根据最新调整后的模糊核以及所述模糊图像生成最新的去模糊处理后的图像包括:通过快速解卷积方法,根据最新调整后的模糊核以及所述模糊图像生成最新的去模糊处理后的图像;
该方法进一步包括:当确定用户对所展示的去模糊处理后的图像满意时,通过高精度解卷积方法,根据最新调整后的模糊核以及所述模糊图像生成最新的去模糊处理后的图像,作为最终所需图像。
3.根据权利要求1所述的方法,其特征在于,
所述用户设定的模糊核类型包括:非参模糊核、散焦模糊核、高斯模糊核、运动模糊核和混合模糊核;
所述根据用户设定的模糊核类型估计出所述模糊图像的模糊核包括:
当用户设定的模糊核类型为非参模糊核时,直接估计出以矩阵形式表示的所述模糊图像的模糊核;
当用户设定的模糊核类型为散焦模糊核、高斯模糊核或运动模糊核时,估计出该类型对应的参数,并根据估计出的参数生成以矩阵形式表示的所述模糊图像的模糊核;
当用户设定的模糊核类型为混合模糊核时,分别估计出散焦模糊核、高斯模糊核和运动模糊核中的任意两种或全部三种对应的参数,并分别根据对应的参数生成对应的以矩阵形式表示的模糊核,将生成的各模糊核进行卷积运算,将卷积运算得到的模糊核作为所述模糊图像的模糊核。
4.根据权利要求1所述的方法,其特征在于,
所述用户设定的模糊核类型包括:非参模糊核和参数化模糊核;
所述根据用户设定的模糊核类型估计出所述模糊图像的模糊核包括:
当用户设定的模糊核类型为非参模糊核时,直接估计出以矩阵形式表示的所述模糊图像的模糊核;
当用户设定的模糊核类型为参数化模糊核时,分别估计出散焦模糊核、高斯模糊核和运动模糊核中的任意两种或全部三种对应的参数,并分别根据对应的参数生成对应的以矩阵形式表示的模糊核,将生成的各模糊核进行卷积运算,将卷积运算得到的模糊核作为所述模糊图像的模糊核。
5.根据权利要求3或4所述的方法,其特征在于,所述将模糊核展示给用户包括:
如果模糊核为通过参数生成的,则将模糊核以以下形式之一展示给用户:参数形式、参数形式和矩阵形式;否则,将模糊核以矩阵形式展示给用户。
6.一种图像去模糊的装置,其特征在于,包括:第一处理模块、第二处理模块、第三处理模块和第四处理模块;
所述第一处理模块,用于将获取到的任一待处理的模糊图像分别发送给所述第二处理模块、所述第三处理模块和所述第四处理模块;
所述第二处理模块,用于确定用户设定的所述模糊图像的模糊核类型,并根据用户设定的模糊核类型估计出所述模糊图像的模糊核,发送给所述第三处理模块;
所述第三处理模块,用于根据估计出的模糊核以及所述模糊图像生成去模糊处理后的图像,连同估计出的模糊核一起展示给用户;
所述第四处理模块,用于确定用户根据所展示的去模糊处理后的图像对所展示的模糊核进行调整后的结果;根据最新调整后的模糊核以及所述模糊图像生成最新的去模糊处理后的图像,并用最新生成的去模糊处理后的图像更新之前所展示的去模糊处理后的图像,之后重复执行自身功能;其中,当确定用户对所展示的去模糊处理后的图像满意时,将最新生成的去模糊处理后的图像作为最终所需图像,结束处理。
7.根据权利要求6所述的装置,其特征在于,
所述第三处理模块通过快速解卷积方法,根据估计出的模糊核以及所述模糊图像生成去模糊处理后的图像;
所述第四处理模块通过快速解卷积方法,根据最新调整后的模糊核以及所述模糊图像生成最新的去模糊处理后的图像;
所述第四处理模块进一步用于,当确定用户对所展示的去模糊处理后的图像满意时,通过高精度解卷积方法,根据最新调整后的模糊核以及所述模糊图像生成最新的去模糊处理后的图像,作为最终所需图像。
8.根据权利要求6所述的装置,其特征在于,
所述用户设定的模糊核类型包括:非参模糊核、散焦模糊核、高斯模糊核、运动模糊核和混合模糊核;
所述第二处理模块中包括:第一处理子单元和第二处理子单元;
所述第一处理子单元,用于确定用户设定的所述模糊图像的模糊核类型,并发送给所述第二处理子单元;
所述第二处理子单元,用于当用户设定的模糊核类型为非参模糊核时,直接估计出以矩阵形式表示的所述模糊图像的模糊核,并发送给所述第三处理模块;
当用户设定的模糊核类型为散焦模糊核、高斯模糊核或运动模糊核时,估计出该类型对应的参数,并根据估计出的参数生成以矩阵形式表示的所述模糊图像的模糊核,并发送给所述第三处理模块;
当用户设定的模糊核类型为混合模糊核时,分别估计出散焦模糊核、高斯模糊核和运动模糊核中的任意两种或全部三种对应的参数,并分别根据对应的参数生成对应的以矩阵形式表示的模糊核,将生成的各模糊核进行卷积运算,将卷积运算得到的模糊核作为所述模糊图像的模糊核,并发送给所述第三处理模块。
9.根据权利要求6所述的装置,其特征在于,
所述用户设定的模糊核类型包括:非参模糊核和参数化模糊核;
所述第二处理模块中包括:第一处理子单元和第二处理子单元;
所述第一处理子单元,用于确定用户设定的所述模糊图像的模糊核类型,并发送给所述第二处理子单元;
所述第二处理子单元,用于当用户设定的模糊核类型为非参模糊核时,直接估计出以矩阵形式表示的所述模糊图像的模糊核,并发送给所述第三处理模块;
当用户设定的模糊核类型为参数化模糊核时,分别估计出散焦模糊核、高斯模糊核和运动模糊核中的任意两种或全部三种对应的参数,并分别根据对应的参数生成对应的以矩阵形式表示的模糊核,将生成的各模糊核进行卷积运算,将卷积运算得到的模糊核作为所述模糊图像的模糊核,并发送给所述第三处理模块。
10.根据权利要求8或9所述的装置,其特征在于,
所述第三处理模块在展示模糊核时,如果模糊核为通过参数生成的,则将模糊核以以下形式之一展示给用户:参数形式、参数形式和矩阵形式;否则,将模糊核以矩阵形式展示给用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310137936.4A CN104112252A (zh) | 2013-04-19 | 2013-04-19 | 一种图像去模糊的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310137936.4A CN104112252A (zh) | 2013-04-19 | 2013-04-19 | 一种图像去模糊的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104112252A true CN104112252A (zh) | 2014-10-22 |
Family
ID=51709032
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310137936.4A Pending CN104112252A (zh) | 2013-04-19 | 2013-04-19 | 一种图像去模糊的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104112252A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106228136A (zh) * | 2016-07-26 | 2016-12-14 | 厦门大学 | 基于聚合通道特征的全景街景隐私保护方法 |
CN109003234A (zh) * | 2018-06-21 | 2018-12-14 | 东南大学 | 针对运动模糊图像复原的模糊核计算方法 |
CN109377459A (zh) * | 2018-09-30 | 2019-02-22 | 国网山东省电力公司电力科学研究院 | 一种生成式对抗网络的超分辨率去模糊方法 |
CN109727201A (zh) * | 2017-10-30 | 2019-05-07 | 富士通株式会社 | 信息处理设备、图像处理方法以及存储介质 |
-
2013
- 2013-04-19 CN CN201310137936.4A patent/CN104112252A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106228136A (zh) * | 2016-07-26 | 2016-12-14 | 厦门大学 | 基于聚合通道特征的全景街景隐私保护方法 |
CN109727201A (zh) * | 2017-10-30 | 2019-05-07 | 富士通株式会社 | 信息处理设备、图像处理方法以及存储介质 |
CN109003234A (zh) * | 2018-06-21 | 2018-12-14 | 东南大学 | 针对运动模糊图像复原的模糊核计算方法 |
CN109003234B (zh) * | 2018-06-21 | 2019-11-12 | 东南大学 | 针对运动模糊图像复原的模糊核计算方法 |
CN109377459A (zh) * | 2018-09-30 | 2019-02-22 | 国网山东省电力公司电力科学研究院 | 一种生成式对抗网络的超分辨率去模糊方法 |
CN109377459B (zh) * | 2018-09-30 | 2022-03-18 | 国网智能科技股份有限公司 | 一种生成式对抗网络的超分辨率去模糊方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11315274B2 (en) | Depth determination for images captured with a moving camera and representing moving features | |
KR101429371B1 (ko) | 장면 내에서의 정확한 피사체 거리 및 상대적인 피사체 거리를 추정하는 알고리즘 | |
US11610289B2 (en) | Image processing method and apparatus, storage medium, and terminal | |
US10306210B2 (en) | Image processing apparatus and image capturing apparatus | |
KR101839617B1 (ko) | 멀티프레임을 이용한 비균일 모션 블러 제거 방법 및 장치 | |
CN104112252A (zh) | 一种图像去模糊的方法和装置 | |
US11093778B2 (en) | Method and system for selecting image region that facilitates blur kernel estimation | |
US20200296259A1 (en) | Method and apparatus for determining depth value | |
CN102752484A (zh) | 一种快速非全局一致图像抖动模糊去除算法及其系统 | |
CN115456914A (zh) | 一种基于先验知识的散焦图像去模糊方法、装置及介质 | |
JP2018133110A (ja) | 画像処理装置及び画像処理プログラム | |
Al-Amri et al. | Deblured Gaussian blurred images | |
DE112020005730T5 (de) | Gemeinsame Rolling-Shutter-Korrektur und Bildscharfzeichnung | |
KR101437898B1 (ko) | 단일 영상을 이용한 hdr 영상 생성 장치 및 방법 | |
CN107093395B (zh) | 一种透明显示装置及其图像显示方法 | |
Lumentut et al. | Deep recurrent network for fast and full-resolution light field deblurring | |
Agarwal et al. | Deblurring of MRI image using blind and non-blind deconvolution methods | |
Yang et al. | Virtual focus and depth estimation from defocused video sequences | |
Al-Amri et al. | Restoration and deblured motion blurred images | |
KR100843099B1 (ko) | 영상을 복원하기 위한 장치 및 방법 | |
López-Martínez et al. | Blind adaptive method for image restoration using microscanning | |
Pillai et al. | A review on digital image restoration process | |
CN112508801A (zh) | 图像处理方法及计算设备 | |
CN112788236A (zh) | 视频帧处理方法、装置、电子设备和可读存储介质 | |
CN112465728A (zh) | 视频图像处理方法、系统、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20141022 |