CN104574455B - 图像重建方法及装置 - Google Patents
图像重建方法及装置 Download PDFInfo
- Publication number
- CN104574455B CN104574455B CN201310522407.6A CN201310522407A CN104574455B CN 104574455 B CN104574455 B CN 104574455B CN 201310522407 A CN201310522407 A CN 201310522407A CN 104574455 B CN104574455 B CN 104574455B
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- pixel value
- image block
- block
- 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
Abstract
本发明公开了一种图像重建方法及装置,其中,方法包括:采集获取分辨率为s×r的观测图像,其中,s为所述观测图像的像素行数,r为所述观测图像的像素列数,且s×r=m,所述m为分辨率为m×n的原图像的像素行数,所述r等于所述原图像可分得的图像块数;根据所述s×r的观测图像和m×r的观测矩阵,计算获取所述原图像的各图像块对应的像素值,其中,所述观测矩阵中包含与所述各图像块分别对应的列向量;采用各图像块对应的像素值确定各图像块中各像素点的像素值以重建所述原图像。本发明通过一种简单的图像重建方法,能够以较低的计算复杂度并且较准确的恢复出原图像。
Description
技术领域
本发明实施例涉及图像处理技术领域,尤其涉及一种图像重建方法及装置。
背景技术
压缩感知(Compressed Sensing),作为一个新的采样理论,通过开发信号的稀疏特性,在远小于奈奎斯特采样率的条件下,用随机采样获取信号的离散样本,然后通过非线性重建算法完美地重建信号。
在图像采集方面基于压缩感知的图像重建的过程为:根据采集的图像观测向量,把原图像信号转换成对应基下的稀疏系数,、然后再将处理过后的系数变换回来,即可获得稀疏重建的原图像。例如,原图像信号为x,采集的图像观测向量为b,用一个随机观测矩阵A对原图像信号x进行线性投影得到的线性向量即为观测向量b,则b=Ax,那么上述方程的求逆过程即为原图像的重建过程,一般只需从A中选择少量观测矩阵的列向量就可准确的恢复出原图像x。
但是,现有技术基于压缩感知的图像重建过程,其计算复杂度较高,不能满足图像处理设备的快速处理需求,而且,其要求图像处理设备具备较强的处理能力,不能满足处理能力较低的图像处理设备的需求。
发明内容
本发明提供一种图像重建方法及装置,用以解决现有技术中基于压缩感知的图像重建过程的计算复杂度高,不能满足图像处理设备的快速处理需求,而且,其重建过程要求图像处理设备具备较强的处理计算能力,不能满足处理计算能力较低的图像处理设备的需求的缺陷,实现一种简单的图像重建方法,能够以较低的计算复杂度并且较准确的恢复出原始图像;且由于本发明所述的方法计算复杂度较低,因此能够满足处理计算能力较低的图像处理设备的需求。
本发明的第一方面提供了一种图像重建方法,包括:
采集获取分辨率为s×r的观测图像,其中,s为所述观测图像的像素行数,r为所述观测图像的像素列数,且s×r=m,所述m为分辨率为m×n的原图像的像素行数,所述r等于所述原图像可分得的图像块数;
根据所述s×r的观测图像和m×r的观测矩阵,计算获取所述原图像的各图像块对应的像素值,其中,所述观测矩阵中包含与所述各图像块分别对应的列向量;
采用各图像块对应的像素值确定各图像块中各像素点的像素值以重建所述原图像。
在第一方面的第一种可能的实现方式中,所述采集获取分辨率为s×r的观测图像之前,还包括:
根据原图像的分辨率,确定原图像可分得的图像块数。
结合第一方面的第一种可能的实现方式,在第一方面的第二种可能的实现方式中,所述根据原图像的分辨率,确定原图像可分得的图像块数,包括:
确定基本块的大小为a×b,并且确定距离所述原图像的上边缘的像素行数为ua、距离所述原图像的左边缘的像素列数为ub,其中,a<m,b<n,ua<m,ub<n;
计算距离所述原图像的下边缘的像素行数va,其中,va=mod(m-ua,a),并且,计算距离所述原图像的右边缘的像素列数vb,其中,vb=mod(nb-ub,b);
若ua=ub=va=vb=0,则r=K×L,其中,K=m/a,L=n/a;
若ua、ub、va以及vb中至少有一个不等于0,则r=K×L+i1,其中,K=(m-ua-va)/a,L=(nb-ub-vb)/b,i1为将所述原图像中除去K×L个基本块之外的像素点随机进行图像块划分得到的图像块数。
结合第一方面、第一方面的第一至第二种任意一种可能的实现方式,在第一方面的第三种可能的实现方式中,所述观测矩阵中的每一个列向量对应一个图像块,且所述列向量为从第一观测矩阵中与所述图像块中各像素点对应的列向量中随机选择的一个列向量,其中,所述第一观测矩阵包括与所述原图像中各像素点对应的列向量;
所述采用各图像块对应的像素值确定各图像块中各像素点的像素值以重建所述原图像,包括:
采用各图像块对应的像素值作为各图像块中各像素点的像素值以重建所述原图像;
或者,
采用与图像块的矩阵大小相同的权重系数模板中的各调节系数对各图像块对应的像素值进行调节处理,得到各图像块中各像素点的像素值以重建所述原图像。
结合第一方面、第一方面的第一至第二种任意一种可能的实现方式,在第一方面的第四种可能的实现方式中,所述观测矩阵中的每一列列向量对应一个图像块,且该列向量为采用加权系数对第一观测矩阵中与所述图像块中各像素点对应的列向量进行加权平均得到的向量,其中,所述第一观测矩阵包括与所述原图像中各像素点对应的列向量;
所述采用各图像块对应的像素值确定各图像块中各像素点的像素值以重建所述原图像,包括:
将各图像块对应的像素值除以所述加权系数,得到调整后的像素值,并将调整后的像素值作为各图像块中各像素点的像素值以重建所述原图像;
或者,
将各图像块对应的像素值除以所述加权系数,得到调整后的像素值,采用与图像块的矩阵大小相同的权重系数模板中的各调节系数对各图像块对应的像素值进行调节处理,得到各图像块中各像素点的像素值以重建所述原图像。
结合第一方面的第一种可能的实现方式,在第一方面的第五种可能的实现方式中,所述根据原图像的分辨率,确定原图像可分得的图像块数,包括:
步骤1:确定基本块的大小为a×b,并且确定距离所述原图像的上边缘的像素行数ua、距离所述原图像的左边缘的像素列数ub,其中,a<m,b<n,ua<m,ub<n;
步骤2:计算距离所述原图像的下边缘的像素行数va,其中,va=mod(m-ua,a),并且,计算距离所述原图像的右边缘的像素列数vb,其中,vb=mod(nb-ub,b);
步骤3:确定划分的图像块数r=K×L+i2,其中,K=(m-ua-va)/a,L=(nb-ub-vb)/b,i2为将所述原图像中除去K×L个基本块之外的像素点随机进行图像块划分得到的图像块数,并记录划分的图像块与所述原图像的像素点之间的第一对应关系;
以预设步长d1,减小ua,并重复执行上述步骤1~步骤3,直到ua≤0,得到int(ua/d1)次图像划分结果,并记录各次图像划分结果中各图像块与所述原图像的像素点之间的第二对应关系;其中,d1>0;
以预设步长d2,减小ub,并重复执行上述步骤1~步骤3,直到ub≤0,得到int(ub/d2)次图像划分结果,并记录各次图像划分结果中各图像块与所述原图像的像素点之间的第三对应关系;其中,d2>0;
所述根据所述s×r的观测图像和m×r的观测矩阵,计算获取所述原图像的各图像块对应的像素值,包括:
根据所述s×r的观测图像和与各次图像划分结果分别对应的m×r的观测矩阵,计算获取各次图像划分结果中各图像块对应的像素值;
所述采用各图像块对应的像素值确定各图像块中各像素点的像素值以重建所述原图像,包括:
根据所述各次图像划分结果中各图像块对应的像素值,确定各次图像划分结果中各图像块中各像素点的像素值;
根据所述第一对应关系、第二对应关系、第三对应关系以及所述各次图像划分结果中各图像块中各像素点的像素值,确定与原图像的各像素点对应的像素值;
对所述与原图像的各像素点中的第一像素点进行像素值平均处理,其中,所述第一像素点为所述原图像的各像素点中具有至少两个像素值的像素点,所述平均处理后的像素值作为所述第一像素点的像素值。
结合第一方面的第五种可能的实现方式,在第一方面的第六种可能的实现方式中,所述与各次图像划分结果分别对应的m×r的观测矩阵中,每一列列向量对应该次图像划分结果的一个图像块,且该列向量为从第一观测矩阵中与该图像块中各像素点对应的列向量中随机选择的一个列向量,其中,所述第一观测矩阵包括与所述原图像中各像素点对应的列向量;
所述根据所述各次图像划分结果中各图像块对应的像素值,确定各次图像划分结果中各图像块中各像素点的像素值,包括:
采用所述各次图像划分结果中各图像块对应的像素值,作为各次图像划分结果中各图像块中各像素点的像素值;
或者,
采用与图像块的矩阵大小相同的权重系数模板中的各调节系数对各次图像划分结果中各图像块对应的像素值进行调节处理,得到各次图像划分结果中各图像块中各像素点的像素值。
结合第一方面的第五种可能的实现方式,在第一方面的第七种可能的实现方式中,所述与各次图像划分结果分别对应的m×r的观测矩阵中,每一个列向量对应一个图像块,且所述列向量为采用加权系数对第一观测矩阵中与该图像块中各像素点对应的列向量进行加权平均得到的向量,其中,所述第一观测矩阵包括与所述原图像中各像素点对应的列向量;
所述根据所述各次图像划分结果中各图像块对应的像素值,确定各次图像划分结果中各图像块中各像素点的像素值,包括:
将所述各次图像划分结果中各图像块对应的像素值除以所述加权系数,得到调整后的像素值,并将调整后的像素值作为所述各次图像划分结果中各图像块中各像素点的像素值;
或者,
将所述各次图像划分结果中各图像块对应的像素值除以所述加权系数,得到调整后的像素值,采用与图像块的矩阵大小相同的权重系数模板中的各调节系数对所述各次图像划分结果中各图像块对应的像素值进行调节处理,得到所述各次图像划分结果中各图像块中各像素点的像素值。
结合第一方面、第一方面的第一至第七种任意一种可能的实现方式,在第一方面的第八种可能的实现方式中,所述根据所述s×r的观测图像和m×r观测矩阵,计算获取所述原图像的各图像块对应的像素值,包括:
采用下述公式(1)计算获取所述原图像的各图像块对应的像素值:
其中,所述b为由所述观测图像的像素值组成的列向量,A为所述观测矩阵,x为由所述各图像块对应的像素值组成的列向量,argmin(·)为取(·)得最小值函数,||·||2为取·的二范数函数。
本发明的第二方面提供了一种图像重建装置,包括:
采集模块,用于采集获取分辨率为s×r的观测图像,其中,s为所述观测图像的像素行数,r为所述观测图像的像素列数,且s×r=m,所述m为分辨率为m×n的原图像的像素行数,所述r等于所述原图像可分得的图像块数;
计算模块,用于根据所述s×r的观测图像和m×r的观测矩阵,计算获取所述原图像的各图像块对应的像素值,其中,所述观测矩阵中包含与所述各图像块分别对应的列向量;
重建模块,用于采用各图像块对应的像素值确定各图像块中各像素点的像素值以重建所述原图像。
在第二方面的第一种可能的实现方式中,还包括:
确定模块,用于在所述采集获取分辨率为s×r的观测图像之前,根据原图像的分辨率,确定原图像可分得的图像块数。
结合第二方面的第一种可能的实现方式,在第二方面的第二种可能的实现方式中,所述确定模块,具体用于,确定基本块的大小为a×b,并且确定距离所述原图像的上边缘的像素行数为ua、距离所述原图像的左边缘的像素列数为ub,其中,a<m,b<n,ua<m,ub<n;
计算距离所述原图像的下边缘的像素行数va,其中,va=mod(m-ua,a),并且,计算距离所述原图像的右边缘的像素列数vb,其中,vb=mod(nb-ub,b);
若ua=ub=va=vb=0,则r=K×L,其中,K=m/a,L=n/a;
若ua、ub、va以及vb中至少有一个不等于0,则r=K×L+i1,其中,K=(m-ua-va)/a,L=(nb-ub-vb)/b,i1为将所述原图像中除去K×L个基本块之外的像素点随机进行图像块划分得到的图像块数。
结合第二方面、第二方面的第一至第二种任意一种可能的实现方式,在第二方面的第三种可能的实现方式中,所述观测矩阵中的每一列列向量对应一个图像块,且该列向量为从第一观测矩阵中与所述图像块中各像素点对应的列向量中随机选择的一列列向量,其中,所述第一观测矩阵包括与所述原图像中各像素点对应的列向量;
所述重建模块,具体用于采用各图像块对应的像素值作为各图像块中各像素点的像素值以重建所述原图像;或者,采用与图像块的矩阵大小相同的权重系数模板中的各调节系数对各图像块对应的像素值进行调节处理,得到各图像块中各像素点的像素值以重建所述原图像。
结合第二方面、第二方面的第一至第二种任意一种可能的实现方式,在第二方面的第四种可能的实现方式中,所述观测矩阵中的每一列列向量对应一个图像块,且该列向量为采用加权系数对第一观测矩阵中与所述图像块中各像素点对应的列向量进行加权平均得到的向量,其中,所述第一观测矩阵包括与所述原图像中各像素点对应的列向量;
所述重建模块,具体用于将各图像块对应的像素值除以所述加权系数,得到调整后的像素值,并将调整后的像素值作为各图像块中各像素点的像素值以重建所述原图像;或者,将各图像块对应的像素值除以所述加权系数,得到调整后的像素值,采用与图像块的矩阵大小相同的权重系数模板D(r)中的各调节系数对各图像块对应的像素值进行调节处理,得到各图像块中各像素点的像素值以重建所述原图像。
结合第二方面的第一种可能的实现方式,在第二方面的第五种可能的实现方式中,所述确定模块,具体用于:
步骤1:确定基本块的大小为a×b,并且确定距离所述原图像的上边缘的像素行数ua、距离所述原图像的左边缘的像素列数ub,其中,a<m,b<n,ua<m,ub<n;
步骤2:计算距离所述原图像的下边缘的像素行数va,其中,va=mod(m-ua,a),并且,计算距离所述原图像的右边缘的像素列数vb,其中,vb=mod(nb-ub,b);
步骤3:确定划分的图像块数r=K×L+i2,其中,K=(m-ua-va)/a,L=(nb-ub-vb)/b,i2为将所述原图像中除去K×L个基本块之外的像素点随机进行图像块划分得到的图像块数,并记录划分的图像块与所述原图像的像素点之间的第一对应关系;
以预设步长d1,减小ua,并重复执行上述步骤1~步骤3,直到ua≤0,得到int(ua/d1)次图像划分结果,并记录各次图像划分结果中各图像块与所述原图像的像素点之间的第二对应关系;其中,d1>0;
以预设步长d2,减小ub,并重复执行上述步骤1~步骤3,直到ub≤0,得到int(ub/d2)次图像划分结果,并记录各次图像划分结果中各图像块与所述原图像的像素点之间的第三对应关系;其中,d2>0;
所述计算模块,还用于:
根据所述s×r的观测图像和与各次图像划分结果分别对应的m×r的观测矩阵,计算获取各次图像划分结果中各图像块对应的像素值;
所述重建模块,还用于:
根据所述各次图像划分结果中各图像块对应的像素值,确定各次图像划分结果中各图像块中各像素点的像素值;
根据所述第一对应关系、第二对应关系、第三对应关系以及所述各次图像划分结果中各图像块中各像素点的像素值,确定与原图像的各像素点对应的像素值;
对所述与原图像的各像素点中的第一像素点进行像素值平均处理,其中,所述第一像素点为所述原图像的各像素点中具有至少两个像素值的像素点,所述平均处理后的像素值作为所述第一像素点的像素值。
结合第二方面的第五种可能的实现方式,在第二方面的第六种可能的实现方式中,所述与各次图像划分结果分别对应的m×r的观测矩阵中,每一列列向量对应该次图像划分结果的一个图像块,且该列向量为从第一观测矩阵中与该图像块中各像素点对应的列向量中随机选择的一个列向量,其中,所述第一观测矩阵包括与所述原图像中各像素点对应的列向量;
所述重建模块,具体用于采用所述各次图像划分结果中各图像块对应的像素值,作为各次图像划分结果中各图像块中各像素点的像素值;或者,采用与图像块的矩阵大小相同的权重系数模板中的各调节系数对各次图像划分结果中各图像块对应的像素值进行调节处理,得到各次图像划分结果中各图像块中各像素点的像素值。
结合第二方面的第五种可能的实现方式,在第二方面的第七种可能的实现方式中,所述与各次图像划分结果分别对应的m×r的观测矩阵中,每一列列向量对应一个图像块,且该列向量为采用加权系数对第一观测矩阵中与该图像块中各像素点对应的列向量进行加权平均得到的向量,其中,所述第一观测矩阵包括与所述原图像中各像素点对应的列向量;
所述重建模块,具体用于将所述各次图像划分结果中各图像块对应的像素值除以所述加权系数,得到调整后的像素值,并将调整后的像素值作为所述各次图像划分结果中各图像块中各像素点的像素值;或者,将所述各次图像划分结果中各图像块对应的像素值除以所述加权系数,得到调整后的像素值,采用与图像块的矩阵大小相同的权重系数模板中的各调节系数对所述各次图像划分结果中各图像块对应的像素值进行调节处理,得到所述各次图像划分结果中各图像块中各像素点的像素值。
结合第二方面、第二方面的第一至第七种任意一种可能的实现方式,在第二方面的第八种可能的实现方式中,所述计算模块,具体用于采用下述公式(1)计算获取所述原图像的各图像块对应的像素值:
其中,所述b为由所述观测图像的像素值组成的列向量,A为所述观测矩阵,x为由所述各图像块对应的像素值组成的列向量,argmin(·)为取(·)得最小值函数,||·||2为取·的二范数函数。
本发明通过将原图像进行分块,并通过采集观测图像b以及选择合适的观测矩阵A,从而解观测方程b=Ax,得到各个图像块对应的像素值x,再将得到的像素值x对应映射到各个图像块,从而恢复出原图像;因此本发明能够以较低的计算复杂度并且较准确的恢复出原图像。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明图像重建方法实施例一的流程图;
图2为本发明图像重建方法实施例二的流程图;
图3为本发明图像重建方法实施例三的流程图;
图4为本发明图像重建方法实施例四的流程图;
图5为本发明图像重建方法实施例五的流程图;
图6为本发明图像重建方法实施例五中的原图像边缘参数设置示意图;
图7为本发明图像重建方法实施例五中的权重系数模板示意图;
图8为本发明图像重建方法实施例五中的循环遍历示意图;
图9为本发明图像重建装置实施例结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在现有图像重建的过程中,对于分别率为m×n的原图像即待恢复图像,压缩观测方程为b=Ax中,其中b为m×1的观测向量,A一般为m×N的观测矩阵,一般取为随机矩阵,x为由原图像中个像素点值组成的列向量,其中b和A为已知的,像素点值列向量x是未知的,很容易发现像素点值列向量x的元素个数是大于方程个数的,因此方程b=Ax是欠定的。因此解这个方程的问题也就成为了一个比较困难的问题。
目前,利用方程是b=Ax进行图像重建的常见的方法有正交匹配追击(OrthogonalMatching Pursuit,以下简称OMP)图像重建方法。正交匹配追击图像重建方法,其主要原理是以贪婪迭代的方法选择测量矩阵的列,使得在每次迭代所选择的列与当前的冗余向量最大限度的相关,从测量向量中减去相关部分并反复迭代,直到迭代次数达到某种系数度。其缺点是,在迭代过程中,每个迭代步骤都需要做一次最优化计算,而迭代次数与原图像的分辨率正相关,从而导致这一方法有很高的计算复杂度,这反复地迭代过程必然会付出巨大的图像重建时间代价。而现代图像处理技术在图像采集端或观测端,由于受设备限制无法做出过于复杂的处理,因此较少的数据采集量及简单观测模式有时候是必要的。
而本发明利用自然图像本身的性质,即有种观测模型可以认为其图像梯度是稀疏的,也就是说图像素值在多数位置接近于0,由此可以知道,自然图像中邻近点的像素值一般变化不会太大,或者多数时候邻近点像素值是比较一致的。由此可以知道在方程b=Ax的解向量中,其实有许多元素的值应当比较接近的,从而在精度不十分严格的情况下,若干个元素的值可以用一个有代表意义的数值来表示,即其实未知数的个数并非表面看起来的那么多,即求解出了一个就可以认为是解出了若干个,或者可以将若干图像位置相邻点对应的未知像素个数看成是同一未知数,从而减少未知数的总个数,使其等于或少于方程个数,下面具体来看本发明的技术方案。
由于观测值实际上是图像每个点的像素值乘上一列随机向量,再把所有乘积相加而得到的,所以对于分辨率为m×n的图像,可以先将压缩观测的方程改写为下面的形式,这也是为了描述上的方便:
简记为
b=∑xijIij (3)
其中b∈RM×1,xij表示第i行第j列像素的像素值,Iij表示此像素点对应的随机矩阵的列,m×n=N。
由于相邻点像素值一般都比较的接近,因此可以将原图像分成T个小区域,其中,每个区域含有kr个像素点,k1+k2+...+kT=N,第r个区域记为D(r),T≤M,可以认为每个区域的点的像素值都很接近,从而:
这里xr代表第r个区域各像素点值的某一像素数点的值,显然其大小与区域内各像素点的值是接近的,还可以知道
一个像素点对应一列随机列,一个区域对应若干个随机列,式子(4)表明,可以通过相邻点像素值用一个像素值的方法减少原图像未知像素点像素值个数,从而减少了方程b=Ax的未知数的个数,而根据有关随机分布的知识知道上面式子中的Ir也是一个随机向量,其分布与原来随机矩阵的任意一列Iij的分布完全一样,从而是一个衍生出来的随机矩阵,其每个元素分布与A完全相同,又因为T≤M,所以 是列满秩的,从而使方程b=Ax由欠定方程转化为一个可以有唯一解的普通方程,因此可以利用最小二乘等普通解方程的方法,直接求解方程的近似解:
因此也就可以知道各个xr,从而D(r)内各点值可以用它来替代恢复整个原图像。
下面采用具体实施例,以详细说明本发明的技术方案。
实施例一
图1为本发明图像重建方法实施例一的流程图,具体包括如下步骤:
S101、采集获取分辨率为s×r的观测图像,其中,s为观测图像的像素行数,r为观测图像的像素列数,且s×r=m,m为分辨率为m×n的原图像的像素行数,r等于原图像可分得的图像块数;
需要说明的是,原图像的分辨率m×n可以由用户在图像采集设备上设置得到,可分得的图像块数r可以由用户在图像采集设备上设置得到,也可以由图像采集设备根据原图像的分辨率m×n计算得出。且图像采集设备采集得到的观测图像的总像素点数要等于原图像的行像素个数m。
S102、根据s×r的观测图像和m×r的观测矩阵,计算获取原图像的各图像块对应的像素值,其中,观测矩阵中包含与各图像块分别对应的列向量;
需要说明的是,每个图像块对应观测矩阵中的其中一列,这里的观测矩阵是由原图像中各像素点对应的观测矩阵经过变形得出。
S103、采用各图像块对应的像素值确定各图像块中各像素点的像素值以重建原图像。
通过步骤S102的计算得出各图像块对应的像素值,将求得到像素值对应到各个像素块,以重建原图像。
本实施例的技术方案,通过将若干个邻近点的像素值用一个像素点的像素值来表示,使其等于或少于观测值的个数,从而减少了未知像素点的总个数,并通过采集少量的观测值b以及选择合适的观测矩阵A,使得观测方程b=Ax的求解过程变得更加简单,能够以较低的计算复杂度并且较准确的恢复出原图像。
进一步地,在上述实施例一的基础上,在采集获取分辨率为s×r的观测图像之前,可以根据原图像的分辨率,确定原图像可分得的图像块数,以使重建得到的图像更加接近真实图像。
具体的,首先确定划分的基本块的大小为a×b,其中,上述基本块为划分的原图像的块,且每个块的大小都为a×b,并且确定距离原图像的上边缘的像素行数为ua、距离原图像的左边缘的像素列数为ub,其中,a<m,b<n,ua<m,ub<n;计算距离原图像的下边缘的像素行数va,其中,va=mod(m-ua,a),并且,计算距离原图像的右边缘的像素列数vb,其中,vb=mod(nb-ub,b);若ua=ub=va=vb=0,则r=K×L,其中,K=m/a,L=n/a;
若ua、ub、va以及vb中至少有一个不等于0,则r=K×L+i1,其中,K=(m-ua-va)/a,L=(nb-ub-vb)/b,i1为将原图像中除去K×L个基本块之外的像素点随机进行图像块划分得到的图像块数。
实施例二
图2为本发明图像重建方法实施例二的流程图,本实施例在上述实施例一的基础上,将观测矩阵进一步优化为观测矩阵中的每一个列向量为从第一观测矩阵中与图像块中各像素点对应的列向量中随机选择的一个列向量,其中,第一观测矩阵包括与原图像中各像素点对应的所有列向量;并且在重建图像时进一步优化为将各图像块对应的像素值作为各图像块中各像素点的像素值,或者,将各图像块对应的像素值分别乘以与图像块的矩阵大小相同的权重系数模板中的各调节系数,这里的将得到乘以调节系数后的各图像块中各像素点的像素值作为原图像的像素值。具体包括以下步骤:
S201、采集获取分辨率为s×r的观测图像,其中,s为观测图像的像素行数,r为观测图像的像素列数,且s×r=m,m为分辨率为m×n的原图像的像素行数,r等于原图像可分得的图像块数;
S202、根据s×r的观测图像和m×r的观测矩阵,计算获取原图像的各图像块对应的像素值,其中,观测矩阵中的每一个列向量对应一个图像块,且列向量为从第一观测矩阵中与图像块中各像素点对应的列向量中随机选择的一个列向量,其中,第一观测矩阵包括与原图像中各像素点对应的列向量;
需要说明的是,由于原图像中各像素点分别对应一列随机向量,这些由这些随机向量组成的矩阵即为第一观测矩阵,将原图像分块后,每个块的像素值由其中的一个像素点的像素值来代替,因此该图像块只对应一列随机向量,这列随机向量即为从该图像块中的各像素点对应的随机向量中随机抽取的一列。
S203、采用各图像块对应的像素值作为各图像块中各像素点的像素值以重建原图像,或者,采用与图像块的矩阵大小相同的权重系数模板中的各调节系数对各图像块对应的像素值进行调节处理,得到各图像块中各像素点的像素值以重建原图像。
可以将各图像块对应的像素值直接作为各图像块中各像素点的像素值,也可以设置r个权重系数模板,每个图像块对应一个权重系数模板,将各图像块对应的像素值分别乘以对应权重系数模板中的各调节系数,以相乘之后的像素值作为各图像块中各像素点的像素值。其中,权重系数模板的各调节系数根据实际情况进行设置,以便提高恢复图像的精确度。
本实施例的技术方案,通过将若干个邻近点的像素值用一个像素点的像素值来表示,使其等于或少于观测值的个数,从而减少了未知像素点的总个数,并通过采集少量的观测值b以及从原图像对应的第一观测矩阵中随机选择观测矩阵A,使得观测方程b=Ax的求解过程变得更加简单,能够以较低的计算复杂度并且较准确的恢复出原图像,并且选择合适的权重系数模板以便提高恢复图像的精确度。
实施例三
图3所示为本发明图像重建方法实施例三的流程图,本实施例在上述实施例一的基础上,将观测矩阵进一步优化为观测矩阵中的每一列列向量对应一个图像块,且该列向量为采用加权系数对第一观测矩阵中与图像块中各像素点对应的列向量进行加权平均得到的向量,其中,第一观测矩阵包括与原图像中各像素点对应的列向量;并且在重建图像时进一步优化为将各图像块对应的像素值除以加权系数,得到调整后的像素值,并将调整后的像素值作为各图像块中各像素点的像素值以重建原图像;或者,将各图像块对应的像素值除以加权系数,得到调整后的像素值,采用与图像块的矩阵大小相同的权重系数模板中的各调节系数对各图像块对应的像素值进行调节处理,得到各图像块中各像素点的像素值以重建原图像。具体包括以下步骤:
S301、采集获取分辨率为s×r的观测图像,其中,s为观测图像的像素行数,r为观测图像的像素列数,且s×r=m,m为分辨率为m×n的原图像的像素行数,r等于原图像可分得的图像块数;
S302、根据s×r的观测图像和m×r的观测矩阵,计算获取原图像的各图像块对应的像素值,其中,观测矩阵中的每一列列向量对应一个图像块,且该列向量为采用加权系数对第一观测矩阵中与图像块中各像素点对应的列向量进行加权平均得到的向量,其中,第一观测矩阵包括与原图像中各像素点对应的列向量;
需要说明的是,由于原图像中各像素点分别对应一列随机向量,这些由这些随机向量组成的矩阵即为第一观测矩阵,将原图像分块后,每个块的像素值由其中的一个像素点的像素值来代替,因此该图像块只对应一列随机向量,这列随机向量即为从第一观测矩阵中提取出与图像块中各像素点对应的列向量,将这些列向量相加再乘以一个加权系数,其中加权系数可以为对应图像块中所有像素点的总个数开平方的倒数。
S303、将各图像块对应的像素值除以加权系数,得到调整后的像素值,并将调整后的像素值作为各图像块中各像素点的像素值以重建原图像,或者,将各图像块对应的像素值除以加权系数,得到调整后的像素值,采用与图像块的矩阵大小相同的权重系数模板中的各调节系数对各图像块对应的像素值进行调节处理,得到各图像块中各像素点的像素值以重建原图像。
可以将各图像块对应的像素值除以加权系数,其中加权系数和上述步骤中求观测矩阵所用的加权系数保持一致,得到调整后的像素值,直接将调整后的像素值作为各图像块中各像素点的像素值,也可以设置r个权重系数模板,每个图像块对应一个权重系数模板,将各图像块对应的调整后的像素值分别乘以对应权重系数模板中的各调节系数,以相乘之后的像素值作为各图像块中各像素点的像素值。其中,权重系数模板的各调节系数根据实际情况进行设置,以便提高恢复图像的精确度。
本实施例的技术方案,通过将若干个邻近点的像素值用一个像素点的像素值来表示,使其等于或少于观测值的个数,从而减少了未知像素点的总个数,并通过采集少量的观测值b以及采用加权系数对第一观测矩阵中与图像块中各像素点对应的列向量进行加权平均得到观测矩阵A,这样得到的观测矩阵A是满秩的,使得观测方程b=Ax的求解过程变得更加简单,能够以较低的计算复杂度并且较准确的恢复出原图像,并且选择合适的权重系数模板以便提高恢复图像的精确度。
上述图1、图2和图3的实施例是对原图像的每个像素点位置所对应的像素值只进行一次计算而得到的,所以恢复的原图像精确度还有待提高。下面,通过遍历各个小块的各个像素点位置,将求得的每个像素点位置的所有像素值做归一化处理,将得到的归一化后的像素值作为原图像的像素值,可以提高恢复图像的精确度。
实施例四
图4为本发明图像重建方法实施例四的流程图,具体包括以下步骤:
S401、确定基本块的大小为a×b,并且确定距离原图像的上边缘的像素行数为ua、距离原图像的左边缘的像素列数为ub,其中,a<m,b<n,ua<m,ub<n;
S402、计算距离原图像的下边缘的像素行数va,其中,va=mod(m-ua,a),并且,计算距离原图像的右边缘的像素列数vb,其中,vb=mod(nb-ub,b);
S403、确定划分的图像块数r=K×L+i2,其中,K=(m-ua-va)/a,L=(nb-ub-vb)/b,i2为将原图像中除去K×L个基本块之外的像素点随机进行图像块划分得到的图像块数,并记录划分的图像块与原图像的像素点之间的第一对应关系;
S404、以预设步长d1,减小ua,并重复执行上述步骤1~步骤3,直到ua≤0,得到int(ua/d1)次图像划分结果,并记录各次图像划分结果中各图像块与原图像的像素点之间的第二对应关系;其中,d1>0;
S405、以预设步长d2,减小ub,并重复执行上述步骤1~步骤3,直到ub≤0,得到int(ub/d2)次图像划分结果,并记录各次图像划分结果中各图像块与原图像的像素点之间的第三对应关系;其中,d2>0;
S406、根据s×r的观测图像和与各次图像划分结果分别对应的m×r的观测矩阵,计算获取各次图像划分结果中各图像块对应的像素值;
S407、根据各次图像划分结果中各图像块对应的像素值,确定各次图像划分结果中各图像块中各像素点的像素值;
S408、根据第一对应关系、第二对应关系、第三对应关系以及各次图像划分结果中各图像块中各像素点的像素值,确定与原图像的各像素点对应的像素值;
S409、对与原图像的各像素点中的第一像素点进行像素值平均处理,其中,第一像素点为原图像的各像素点中具有至少两个像素值的像素点,平均处理后的像素值作为第一像素点的像素值。
本实施例的技术方案,通过遍历各个小块,计算得到原图像每个像素点位置对应的对个像素值,通过对多个像素值进行求平均值作为原图像像素点的值,本实施例不仅具有较低的计算复杂度而且能够较精确的恢复出原图像。
进一步地,在上述实施例四的基础上,将与各次图像划分结果分别对应的m×rm×r的观测矩阵进一步优化为观测矩阵中的每一列列向量对应该次图像划分结果的一个图像块,且该列向量为从第一观测矩阵中与该图像块中各像素点对应的列向量中随机选择的一个列向量,其中,第一观测矩阵包括与原图像中各像素点对应的列向量;并且在重建图像时进一步优化为采用各次图像划分结果中各图像块对应的像素值,作为各次图像划分结果中各图像块中各像素点的像素值,或者,采用与图像块的矩阵大小相同的权重系数模板中的各调节系数对各次图像划分结果中各图像块对应的像素值进行调节处理,得到各次图像划分结果中各图像块中各像素点的像素值。
进一步地,在上述实施例四的基础上,还可以将与各次图像划分结果分别对应的m×r的观测矩阵进一步优化为观测矩阵中的每一个列向量对应一个图像块,且列向量为采用加权系数对第一观测矩阵中与该图像块中各像素点对应的列向量进行加权平均得到的向量,其中,第一观测矩阵包括与原图像中各像素点对应的列向量;每一个列向量对应一个图像块,且列向量为采用加权系数对第一观测矩阵中与该图像块中各像素点对应的列向量进行加权平均得到的向量,其中,第一观测矩阵包括与原图像中各像素点对应的列向量;并且在重建图像时进一步优化为将各次图像划分结果中各图像块对应的像素值除以加权系数,得到调整后的像素值,并将调整后的像素值作为各次图像划分结果中各图像块中各像素点的像素值,或者,将各次图像划分结果中各图像块对应的像素值除以加权系数,得到调整后的像素值,采用与图像块的矩阵大小相同的权重系数模板中的各调节系数对各次图像划分结果中各图像块对应的像素值进行调节处理,得到各次图像划分结果中各图像块中各像素点的像素值。
进一步地,上述实施例一、实施例二、实施例三以及实施例四在计算获取各图像块对应的像素值时,可以采用如下公式进行计算:
其中,b为由观测图像的像素值组成的列向量,A为观测矩阵,x为由各图像块对应的像素值组成的列向量,argmin(·)为取(·)得最小值函数,||·||2为取·的二范数函数。
下面采用一具体实施例,对本发明技术方案进行详细说明。
实施例五
如图5所示,为本发明图像重建方法实施例五的流程图,
由于待恢复原图像的分辨率是已知的,故可预先将其分成若干个小块,小块个数小于观测值个数,且除了上下左右边缘块之外,每个小块尺寸相同。然后将每个小块对应的随机矩阵的若干列直接相加求平均得到新的观测矩阵,再按式(4)求解出每个小块的值,接下来改变边缘块宽度或高度,重新分块,相当于原来小块的边缘形成的网格整体上下前后移动,直到图像的非边缘点遍历小块的各个相对位置,具体包括以下步骤:
S501、设原图像的分辨率为naxnb,基本块(非边界不规则块)高宽为ta,tb,初始行列标记为ua=ta,ub=tb,设置恢复原图像像素点位置x,权重标记图像为零,即任意p(i,j)=x(i,j)=0;
S502、计算距离原图像的下边缘的像素点行数va,其中,va=mod(m-ua,a),并且计算距离原图像的右边缘的像素点行数vb,其中,vb=mod(nb-ub,b),并且计算K=(m-ua-va)/a,L=(n-ub-vb)/b,则图像被分成K×L个小块;各参数示意图如图6所示,除上下边缘小块高度参数分别为ua,va,左右边缘宽度参数分别为ub,vb外,其余参数均为小块高为ta,宽为tb;
S503、每个小块所对应的所有随机矩阵的列相加再除以权重系数形成Ir,所有Ir构成新观测矩阵
S504、求解公式(4),并建立解向量各元素值与各小块D(r)的一一对应关系及与图像各像素点位置x的对应关系;
S505、根据预定义权重系数模板D(r)为内不同位置点设置权重系数q(i,j),据此可计算各点像素值并且记录该位置权重累加值p(i,j)=p(i,j)+q(i,j),其中(i,j)是像素在待观测图像中全局坐标位置;一个小块D(r)的权重系数模板示意图如图7所示;
另外,还可以采用另一种可能的权重系数模板,参数设置可以设置为各小块D(r)中心像素点权重为1,其余点权重为0。
S506、更新初始行列标记(ua,ub):
计算ub=ub-1,若ub>0,则返回S502,
否则令ub=tb,且计算ua=ua-1,
若则ua>0返回S502,
否则进入S507;
其中,初始行列标记(ua,ub)循环遍历示意图如图8所示。
S507、根据权重系数累加值对对x所有的像素值归一化处理,即x(i,j)=x(i,j)/p(i,j)。
如图9所示,为本发明图像重建装置实施例结构图,具体包括以下模块:
采集模块91,用于采集获取分辨率为s×r的观测图像,其中,s为观测图像的像素行数,r为观测图像的像素列数,且s×r=m,m为分辨率为m×n的原图像的像素行数,r等于原图像可分得的图像块数;
计算模块92,用于根据s×r的观测图像和m×r的观测矩阵,计算获取原图像的各图像块对应的像素值,其中,观测矩阵中包含与各图像块分别对应的列向量;
重建模块93,用于采用各图像块对应的像素值确定各图像块中各像素点的像素值以重建原图像。
进一步地,上述装置还包括:
确定模块94,用于在采集获取分辨率为s×r的观测图像之前,根据原图像的分辨率,确定原图像可分得的图像块数。
进一步地,上述确定模块94具体用于,确定基本块的大小为a×b,并且确定距离原图像的上边缘的像素行数为ua、距离原图像的左边缘的像素列数为ub,其中,a<m,b<n,ua<m,ub<n;
计算距离原图像的下边缘的像素行数va,其中,va=mod(m-ua,a),并且,计算距离原图像的右边缘的像素列数vb,其中,vb=mod(nb-ub,b);
若ua=ub=va=vb=0,则r=K×L,其中,K=m/a,L=n/a;
若ua、ub、va以及vb中至少有一个不等于0,则r=K×L+i,其中,K=(m-ua-va)/a,L=(nb-ub-vb)/b,i为将原图像中除去r个基本块之外的像素点随机进行图像块划分得到的图像块数。
进一步地,上述观测矩阵中的每一列列向量对应一个图像块,且该列向量为从第一观测矩阵中与图像块中各像素点对应的列向量中随机选择的一列列向量,其中,第一观测矩阵包括与原图像中各像素点对应的列向量;
进一步地,上述重建模块93,具体用于采用各图像块对应的像素值作为各图像块中各像素点的像素值以重建原图像;或者,采用与图像块的矩阵大小相同的权重系数模板中的各调节系数对各图像块对应的像素值进行调节处理,得到各图像块中各像素点的像素值以重建原图像。
进一步地,上述观测矩阵中的每一列列向量对应一个图像块,且该列向量为采用加权系数对第一观测矩阵中与图像块中各像素点对应的列向量进行加权平均得到的向量,其中,第一观测矩阵包括与原图像中各像素点对应的列向量;
进一步地,上述重建模块93还具体用于将各图像块对应的像素值除以加权系数,得到调整后的像素值,并将调整后的像素值作为各图像块中各像素点的像素值以重建原图像;或者,将各图像块对应的像素值除以加权系数,得到调整后的像素值,采用与图像块的矩阵大小相同的权重系数模板D(r)中的各调节系数对各图像块对应的像素值进行调节处理,得到各图像块中各像素点的像素值以重建原图像。
进一步地,上述确定模块94还具体用于:
步骤1:确定基本块的大小为a×b,并且确定距离原图像的上边缘的像素行数ua、距离原图像的左边缘的像素列数ub,其中,a<m,b<n,ua<m,ub<n;
步骤2:计算距离原图像的下边缘的像素行数va,其中,va=mod(m-ua,a),并且,计算距离原图像的右边缘的像素列数vb,其中,vb=mod(nb-ub,b);
步骤3:确定划分的图像块数r=K×L,其中,K=(m-ua-va)/a,L=(nb-ub-vb)/b,并记录划分的图像块与原图像的像素点之间的第一对应关系;
以预设步长d1,减小ua,并重复执行上述步骤1~步骤3,直到ua≤0,得到int(ua/d1)次图像划分结果,并记录各次图像划分结果中各图像块与原图像的像素点之间的第二对应关系;其中,d1>0;
以预设步长d2,减小ub,并重复执行上述步骤1~步骤3,直到ub≤0,得到int(ub/d2)次图像划分结果,并记录各次图像划分结果中各图像块与原图像的像素点之间的第三对应关系;其中,d2>0;
进一步地,上述计算模块92还用于根据s×r的观测图像和与各次图像划分结果分别对应的m×r的观测矩阵,计算获取各次图像划分结果中各图像块对应的像素值;
进一步地,上述重建模块93还用于:
根据各次图像划分结果中各图像块对应的像素值,确定各次图像划分结果中各图像块中各像素点的像素值;
根据第一对应关系、第二对应关系、第三对应关系以及各次图像划分结果中各图像块中各像素点的像素值,确定与原图像的各像素点对应的像素值;
对与原图像的各像素点中的第一像素点进行像素值平均处理,其中,第一像素点为原图像的各像素点中具有至少两个像素值的像素点,平均处理后的像素值作为第一像素点的像素值。
进一步地,上述与各次图像划分结果分别对应的m×r的观测矩阵中,每一列列向量对应该次图像划分结果的一个图像块,且该列向量为从第一观测矩阵中与该图像块中各像素点对应的列向量中随机选择的一个列向量,其中,第一观测矩阵包括与原图像中各像素点对应的列向量;
进一步地,上述重建模块93还具体用于采用各次图像划分结果中各图像块对应的像素值,作为各次图像划分结果中各图像块中各像素点的像素值;或者,采用与图像块的矩阵大小相同的权重系数模板中的各调节系数对各次图像划分结果中各图像块对应的像素值进行调节处理,得到各次图像划分结果中各图像块中各像素点的像素值。
进一步地,上述选择模块95还用于与各次图像划分结果分别对应的m×r的观测矩阵中,每一列列向量对应一个图像块,且该列向量为采用加权系数对第一观测矩阵中与该图像块中各像素点对应的列向量进行加权平均得到的向量,其中,第一观测矩阵包括与原图像中各像素点对应的列向量;
进一步地,上述重建模块93还具体用于将各次图像划分结果中各图像块对应的像素值除以加权系数,得到调整后的像素值,并将调整后的像素值作为各次图像划分结果中各图像块中各像素点的像素值;或者,将各次图像划分结果中各图像块对应的像素值除以加权系数,得到调整后的像素值,采用与图像块的矩阵大小相同的权重系数模板中的各调节系数对各次图像划分结果中各图像块对应的像素值进行调节处理,得到各次图像划分结果中各图像块中各像素点的像素值。
进一步地,上述计算模块92还用于采用下述公式(1)计算获取原图像的各图像块对应的像素值:
其中,b为由观测图像的像素值组成的列向量,A为观测矩阵,x为由各图像块对应的像素值组成的列向量,argmin(·)为取(·)得最小值函数,||·||2为取·的二范数函数。
本实施例的装置用于执行上述图1、图2、图3、图4和图5所示方法实施例的方案,其实现原理和技术效果类似,此处不再赘述。
需要说明的是:对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (18)
1.一种图像重建方法,其特征在于,包括:
采集获取分辨率为s×r的观测图像,其中,s为所述观测图像的像素行数,r为所述观测图像的像素列数,且s×r=m,所述m为分辨率为m×n的原图像的像素行数,所述r等于所述原图像可分得的图像块数;
根据所述s×r的观测图像和m×r的观测矩阵,计算获取所述原图像的各图像块对应的像素值,其中,所述观测矩阵中包含与所述各图像块分别对应的列向量;
采用各图像块对应的像素值确定各图像块中各像素点的像素值以重建所述原图像。
2.根据权利要求1所述的方法,其特征在于,所述采集获取分辨率为s×r的观测图像之前,还包括:
根据原图像的分辨率,确定原图像可分得的图像块数。
3.根据权利要求2所述的方法,其特征在于,所述根据原图像的分辨率,确定原图像可分得的图像块数,包括:
确定基本块的大小为a×b,并且确定距离所述原图像的上边缘的像素行数为ua、距离所述原图像的左边缘的像素列数为ub,其中,a<m,b<n,ua<m,ub<n;
计算距离所述原图像的下边缘的像素行数va,其中,va=mod(m-ua,a),并且,计算距离所述原图像的右边缘的像素列数vb,其中,vb=mod(n-ub,b);
若ua=ub=va=vb=0,则r=K×L,其中,K=m/a,L=n/b;
若ua、ub、va以及vb中至少有一个不等于0,则r=K×L+i1,其中,K=(m-ua-va)/a,L=(n-ub-vb)/b,i1为将所述原图像中除去K×L个基本块之外的像素点随机进行图像块划分得到的图像块数。
4.根据权利要求1~3中任一项所述的方法,其特征在于,所述观测矩阵中的每一个列向量对应一个图像块,且所述列向量为从第一观测矩阵中与所述图像块中各像素点对应的列向量中随机选择的一个列向量,其中,所述第一观测矩阵包括与所述原图像中各像素点对应的列向量;
所述采用各图像块对应的像素值确定各图像块中各像素点的像素值以重建所述原图像,包括:
采用各图像块对应的像素值作为各图像块中各像素点的像素值以重建所述原图像;
或者,
采用与图像块的矩阵大小相同的权重系数模板中的各调节系数对各图像块对应的像素值进行调节处理,得到各图像块中各像素点的像素值以重建所述原图像。
5.根据权利要求1~3中任一项所述的方法,其特征在于,所述观测矩阵中的每一列列向量对应一个图像块,且该列向量为采用加权系数对第一观测矩阵中与所述图像块中各像素点对应的列向量进行加权平均得到的向量,其中,所述第一观测矩阵包括与所述原图像中各像素点对应的列向量;
所述采用各图像块对应的像素值确定各图像块中各像素点的像素值以重建所述原图像,包括:
将各图像块对应的像素值除以所述加权系数,得到调整后的像素值,并将调整后的像素值作为各图像块中各像素点的像素值以重建所述原图像;
或者,
将各图像块对应的像素值除以所述加权系数,得到调整后的像素值,采用与图像块的矩阵大小相同的权重系数模板中的各调节系数对各图像块对应的像素值进行调节处理,得到各图像块中各像素点的像素值以重建所述原图像。
6.根据权利要求2所述的方法,其特征在于,所述根据原图像的分辨率,确定原图像可分得的图像块数,包括:
步骤1:确定基本块的大小为a×b,并且确定距离所述原图像的上边缘的像素行数ua、距离所述原图像的左边缘的像素列数ub,其中,a<m,b<n,ua<m,ub<n;
步骤2:计算距离所述原图像的下边缘的像素行数va,其中,va=mod(m-ua,a),并且,计算距离所述原图像的右边缘的像素列数vb,其中,vb=mod(n-ub,b);
步骤3:确定划分的图像块数r=K×L+i2,其中,K=(m-ua-va)/a,L=(n-ub-vb)/b,i2为将所述原图像中除去K×L个基本块之外的像素点随机进行图像块划分得到的图像块数,并记录划分的图像块与所述原图像的像素点之间的第一对应关系;
以预设步长d1,减小ua,并重复执行上述步骤1~步骤3,直到ua≤0,得到int(ua/d1)次图像划分结果,并记录各次图像划分结果中各图像块与所述原图像的像素点之间的第二对应关系;其中,d1>0;
以预设步长d2,减小ub,并重复执行上述步骤1~步骤3,直到ub≤0,得到int(ub/d2)次图像划分结果,并记录各次图像划分结果中各图像块与所述原图像的像素点之间的第三对应关系;其中,d2>0;
所述根据所述s×r的观测图像和m×r的观测矩阵,计算获取所述原图像的各图像块对应的像素值,包括:
根据所述s×r的观测图像和与各次图像划分结果分别对应的m×r的观测矩阵,计算获取各次图像划分结果中各图像块对应的像素值;
所述采用各图像块对应的像素值确定各图像块中各像素点的像素值以重建所述原图像,包括:
根据所述各次图像划分结果中各图像块对应的像素值,确定各次图像划分结果中各图像块中各像素点的像素值;
根据所述第一对应关系、第二对应关系、第三对应关系以及所述各次图像划分结果中各图像块中各像素点的像素值,确定与原图像的各像素点对应的像素值;
对所述与原图像的各像素点中的第一像素点进行像素值平均处理,其中,所述第一像素点为所述原图像的各像素点中具有至少两个像素值的像素点,所述平均处理后的像素值作为所述第一像素点的像素值。
7.根据权利要求6所述的方法,其特征在于,所述与各次图像划分结果分别对应的m×r的观测矩阵中,每一列列向量对应该次图像划分结果的一个图像块,且该列向量为从第一观测矩阵中与该图像块中各像素点对应的列向量中随机选择的一个列向量,其中,所述第一观测矩阵包括与所述原图像中各像素点对应的列向量;
所述根据所述各次图像划分结果中各图像块对应的像素值,确定各次图像划分结果中各图像块中各像素点的像素值,包括:
采用所述各次图像划分结果中各图像块对应的像素值,作为各次图像划分结果中各图像块中各像素点的像素值;
或者,
采用与图像块的矩阵大小相同的权重系数模板中的各调节系数对各次图像划分结果中各图像块对应的像素值进行调节处理,得到各次图像划分结果中各图像块中各像素点的像素值。
8.根据权利要求6所述的方法,其特征在于,所述与各次图像划分结果分别对应的m×r的观测矩阵中,每一个列向量对应一个图像块,且所述列向量为采用加权系数对第一观测矩阵中与该图像块中各像素点对应的列向量进行加权平均得到的向量,其中,所述第一观测矩阵包括与所述原图像中各像素点对应的列向量;
所述根据所述各次图像划分结果中各图像块对应的像素值,确定各次图像划分结果中各图像块中各像素点的像素值,包括:
将所述各次图像划分结果中各图像块对应的像素值除以所述加权系数,得到调整后的像素值,并将调整后的像素值作为所述各次图像划分结果中各图像块中各像素点的像素值;
或者,
将所述各次图像划分结果中各图像块对应的像素值除以所述加权系数,得到调整后的像素值,采用与图像块的矩阵大小相同的权重系数模板中的各调节系数对所述各次图像划分结果中各图像块对应的像素值进行调节处理,得到所述各次图像划分结果中各图像块中各像素点的像素值。
9.根据权利要求1所述的方法,其特征在于,所述根据所述s×r的观测图像和m×r观测矩阵,计算获取所述原图像的各图像块对应的像素值,包括:
采用下述公式(1)计算获取所述原图像的各图像块对应的像素值:
<mrow>
<mi>x</mi>
<mo>=</mo>
<munder>
<mrow>
<mi>arg</mi>
<mi> </mi>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mi>x</mi>
</munder>
<mo>|</mo>
<mo>|</mo>
<mi>b</mi>
<mo>-</mo>
<mi>A</mi>
<mi>x</mi>
<mo>|</mo>
<msub>
<mo>|</mo>
<mn>2</mn>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,所述b为由所述观测图像的像素值组成的列向量,A为所述观测矩阵,x为由所述各图像块对应的像素值组成的列向量,argmin(·)为取(·)得最小值函数,||·||2为取·的二范数函数。
10.一种图像重建装置,其特征在于,包括:
采集模块,用于采集获取分辨率为s×r的观测图像,其中,s为所述观测图像的像素行数,r为所述观测图像的像素列数,且s×r=m,所述m为分辨率为m×n的原图像的像素行数,所述r等于所述原图像可分得的图像块数;
计算模块,用于根据所述s×r的观测图像和m×r的观测矩阵,计算获取所述原图像的各图像块对应的像素值,其中,所述观测矩阵中包含与所述各图像块分别对应的列向量;
重建模块,用于采用各图像块对应的像素值确定各图像块中各像素点的像素值以重建所述原图像。
11.根据权利要求10所述的装置,其特征在于,还包括:
确定模块,用于在所述采集获取分辨率为s×r的观测图像之前,根据原图像的分辨率,确定原图像可分得的图像块数。
12.根据权利要求11所述的装置,其特征在于,
所述确定模块具体用于,确定基本块的大小为a×b,并且确定距离所述原图像的上边缘的像素行数为ua、距离所述原图像的左边缘的像素列数为ub,其中,a<m,b<n,ua<m,ub<n;
计算距离所述原图像的下边缘的像素行数va,其中,va=mod(m-ua,a),并且,计算距离所述原图像的右边缘的像素列数vb,其中,vb=mod(n-ub,b);
若ua=ub=va=vb=0,则r=K×L,其中,K=m/a,L=n/b;
若ua、ub、va以及vb中至少有一个不等于0,则r=K×L+i1,其中,K=(m-ua-va)/a,L=(n-ub-vb)/b,i1为将所述原图像中除去K×L个基本块之外的像素点随机进行图像块划分得到的图像块数。
13.根据权利要求10~12中任一项所述的装置,其特征在于,所述观测矩阵中的每一列列向量对应一个图像块,且该列向量为从第一观测矩阵中与所述图像块中各像素点对应的列向量中随机选择的一列列向量,其中,所述第一观测矩阵包括与所述原图像中各像素点对应的列向量;
所述重建模块,具体用于采用各图像块对应的像素值作为各图像块中各像素点的像素值以重建所述原图像;或者,采用与图像块的矩阵大小相同的权重系数模板中的各调节系数对各图像块对应的像素值进行调节处理,得到各图像块中各像素点的像素值以重建所述原图像。
14.根据权利要求10~12中任一项所述的装置,其特征在于,所述观测矩阵中的每一列列向量对应一个图像块,且该列向量为采用加权系数对第一观测矩阵中与所述图像块中各像素点对应的列向量进行加权平均得到的向量,其中,所述第一观测矩阵包括与所述原图像中各像素点对应的列向量;
所述重建模块,具体用于将各图像块对应的像素值除以所述加权系数,得到调整后的像素值,并将调整后的像素值作为各图像块中各像素点的像素值以重建所述原图像;或者,将各图像块对应的像素值除以所述加权系数,得到调整后的像素值,采用与图像块的矩阵大小相同的权重系数模板中的各调节系数对各图像块对应的像素值进行调节处理,得到各图像块中各像素点的像素值以重建所述原图像。
15.根据权利要求11所述的装置,其特征在于,
所述确定模块,具体用于:
步骤1:确定基本块的大小为a×b,并且确定距离所述原图像的上边缘的像素行数ua、距离所述原图像的左边缘的像素列数ub,其中,a<m,b<n,ua<m,ub<n;
步骤2:计算距离所述原图像的下边缘的像素行数va,其中,va=mod(m-ua,a),并且,计算距离所述原图像的右边缘的像素列数vb,其中,vb=mod(n-ub,b);
步骤3:确定划分的图像块数r=K×L+i2,其中,K=(m-ua-va)/a,L=(n-ub-vb)/b,i2为将所述原图像中除去K×L个基本块之外的像素点随机进行图像块划分得到的图像块数,并记录划分的图像块与所述原图像的像素点之间的第一对应关系;
以预设步长d1,减小ua,并重复执行上述步骤1~步骤3,直到ua≤0,得到int(ua/d1)次图像划分结果,并记录各次图像划分结果中各图像块与所述原图像的像素点之间的第二对应关系;其中,d1>0;
以预设步长d2,减小ub,并重复执行上述步骤1~步骤3,直到ub≤0,得到int(ub/d2)次图像划分结果,并记录各次图像划分结果中各图像块与所述原图像的像素点之间的第三对应关系;其中,d2>0;
所述计算模块,具体用于:
根据所述s×r的观测图像和与各次图像划分结果分别对应的m×r的观测矩阵,计算获取各次图像划分结果中各图像块对应的像素值;
所述重建模块,具体用于:
根据所述各次图像划分结果中各图像块对应的像素值,确定各次图像划分结果中各图像块中各像素点的像素值;
根据所述第一对应关系、第二对应关系、第三对应关系以及所述各次图像划分结果中各图像块中各像素点的像素值,确定与原图像的各像素点对应的像素值;
对所述与原图像的各像素点中的第一像素点进行像素值平均处理,其中,所述第一像素点为所述原图像的各像素点中具有至少两个像素值的像素点,所述平均处理后的像素值作为所述第一像素点的像素值。
16.根据权利要求15所述的装置,其特征在于,
所述与各次图像划分结果分别对应的m×r的观测矩阵中,每一列列向量对应该次图像划分结果的一个图像块,且该列向量为从第一观测矩阵中与该图像块中各像素点对应的列向量中随机选择的一个列向量,其中,所述第一观测矩阵包括与所述原图像中各像素点对应的列向量;
所述重建模块,具体用于采用所述各次图像划分结果中各图像块对应的像素值,作为各次图像划分结果各图像块中各像素点的像素值;或者,采用与图像块的矩阵大小相同的权重系数模板中的各调节系数对各次图像划分结果中各图像块对应的像素值进行调节处理,得到各次图像划分结果中各图像块中各像素点的像素值。
17.根据权利要求15所述的装置,其特征在于,
所述与各次图像划分结果分别对应的m×r的观测矩阵中,每一列列向量对应一个图像块,且该列向量为采用加权系数对第一观测矩阵中与该图像块中各像素点对应的列向量进行加权平均得到的向量,其中,所述第一观测矩阵包括与所述原图像中各像素点对应的列向量;
所述重建模块,具体用于将所述各次图像划分结果中各图像块对应的像素值除以所述加权系数,得到调整后的像素值,并将调整后的像素值作为所述各次图像划分结果中各图像块中各像素点的像素值;或者,将所述各次图像划分结果中各图像块对应的像素值除以所述加权系数,得到调整后的像素值,采用与图像块的矩阵大小相同的权重系数模板中的各调节系数对所述各次图像划分结果中各图像块对应的像素值进行调节处理,得到所述各次图像划分结果中各图像块中各像素点的像素值。
18.根据权利要求10所述的装置,其特征在于,所述计算模块,具体用于采用下述公式(1)计算获取所述原图像的各图像块对应的像素值:
<mrow>
<mi>x</mi>
<mo>=</mo>
<munder>
<mrow>
<mi>arg</mi>
<mi> </mi>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mi>x</mi>
</munder>
<mo>|</mo>
<mo>|</mo>
<mi>b</mi>
<mo>-</mo>
<mi>A</mi>
<mi>x</mi>
<mo>|</mo>
<msub>
<mo>|</mo>
<mn>2</mn>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,所述b为由所述观测图像的像素值组成的列向量,A为所述观测矩阵,x为由所述各图像块对应的像素值组成的列向量,argmin(·)为取(·)得最小值函数,||·||2为取·的二范数函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310522407.6A CN104574455B (zh) | 2013-10-29 | 2013-10-29 | 图像重建方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310522407.6A CN104574455B (zh) | 2013-10-29 | 2013-10-29 | 图像重建方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104574455A CN104574455A (zh) | 2015-04-29 |
CN104574455B true CN104574455B (zh) | 2017-11-24 |
Family
ID=53090421
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310522407.6A Expired - Fee Related CN104574455B (zh) | 2013-10-29 | 2013-10-29 | 图像重建方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104574455B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105551006B (zh) * | 2015-12-01 | 2018-06-05 | 深圳大学 | 一种深度图像缺失像素的修复方法及系统 |
CN111340078B (zh) * | 2020-02-18 | 2024-03-01 | 平安科技(深圳)有限公司 | 证件信息自动归类的方法、装置、介质及电子设备 |
CN113055678B (zh) * | 2021-03-06 | 2022-05-20 | 复旦大学 | 一种基于相邻像素相关性的测量域压缩感知编码算法 |
CN113538308A (zh) * | 2021-06-29 | 2021-10-22 | 上海联影医疗科技股份有限公司 | 图像数据处理方法、装置、计算机设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101931814A (zh) * | 2010-09-03 | 2010-12-29 | 北京工业大学 | 基于压缩感知的图像解码方法 |
CN102332153A (zh) * | 2011-09-13 | 2012-01-25 | 西安电子科技大学 | 基于核回归的图像压缩感知重构方法 |
CN102521810A (zh) * | 2011-12-16 | 2012-06-27 | 武汉大学 | 一种基于局部约束表示的人脸超分辨率重建方法 |
CN102651127A (zh) * | 2012-04-01 | 2012-08-29 | 深圳市万兴软件有限公司 | 一种超分辨率重建的图像处理方法及系统 |
CN102708576A (zh) * | 2012-05-18 | 2012-10-03 | 西安电子科技大学 | 基于结构字典的分块图像压缩感知重建方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020044696A1 (en) * | 1999-11-24 | 2002-04-18 | Sirohey Saad A. | Region of interest high resolution reconstruction for display purposes and a novel bookmarking capability |
-
2013
- 2013-10-29 CN CN201310522407.6A patent/CN104574455B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101931814A (zh) * | 2010-09-03 | 2010-12-29 | 北京工业大学 | 基于压缩感知的图像解码方法 |
CN102332153A (zh) * | 2011-09-13 | 2012-01-25 | 西安电子科技大学 | 基于核回归的图像压缩感知重构方法 |
CN102521810A (zh) * | 2011-12-16 | 2012-06-27 | 武汉大学 | 一种基于局部约束表示的人脸超分辨率重建方法 |
CN102651127A (zh) * | 2012-04-01 | 2012-08-29 | 深圳市万兴软件有限公司 | 一种超分辨率重建的图像处理方法及系统 |
CN102708576A (zh) * | 2012-05-18 | 2012-10-03 | 西安电子科技大学 | 基于结构字典的分块图像压缩感知重建方法 |
Non-Patent Citations (1)
Title |
---|
一种新的分块压缩传感图像重建算法;佘青山 等;《东南大学学报(自然科学版)》;20110930;第41卷(第Sup期);第27-31页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104574455A (zh) | 2015-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106796716B (zh) | 用于为低分辨率图像提供超分辨率的设备和方法 | |
CN108038902A (zh) | 一种面向深度相机的高精度三维重建方法和系统 | |
CN101998136B (zh) | 单应矩阵的获取方法、摄像设备的标定方法及装置 | |
CN104574455B (zh) | 图像重建方法及装置 | |
CN106023302A (zh) | 一种移动通信终端及其实现三维重建的方法及服务器 | |
US9436981B2 (en) | Dictionary creation device, image processing device, image processing system, dictionary creation method, image processing method, and program | |
CN105678757B (zh) | 一种物体位移测量方法 | |
CN107292925A (zh) | 基于Kinect深度相机测量方法 | |
CN103559476B (zh) | 一种指纹匹配方法和装置 | |
CN105989584B (zh) | 图像风格化重建的方法和装置 | |
CN110287942A (zh) | 年龄估计模型的训练方法、年龄估计方法以及对应的装置 | |
CN111353352A (zh) | 异常行为检测方法及装置 | |
CN107563445A (zh) | 一种基于半监督学习的提取图像特征的方法与装置 | |
CN103067671B (zh) | 一种显示图像的方法及装置 | |
CN109583509A (zh) | 数据生成方法、装置及电子设备 | |
CN108151679A (zh) | 一种土地面积测量的方法及系统 | |
CN105513078A (zh) | 基于图像的立木信息采集方法和装置 | |
CN109801325A (zh) | 一种双目立体视觉系统获取视差图的方法及装置 | |
CN107133986A (zh) | 一种基于二维标定物的相机标定方法 | |
CN108871197A (zh) | 用于材料表面的位移场测量方法、装置、设备及存储介质 | |
CN108596032A (zh) | 一种视频中打架行为检测方法、装置、设备及介质 | |
Wang et al. | Sub-pixel mapping based on sub-pixel to sub-pixel spatial attraction model | |
CN108053481B (zh) | 三维点云法向量的生成方法、装置和存储介质 | |
CN103606189B (zh) | 一种面向非刚体三维重建的轨迹基选择方法 | |
WO2023246321A1 (zh) | 行人热力图生成方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171124 Termination date: 20181029 |
|
CF01 | Termination of patent right due to non-payment of annual fee |