CN106373106A - 基于倒频谱直线势能函数的工业图像运动模糊抑制方法 - Google Patents

Abstract

基于倒频谱直线势能函数的工业图像运动模糊抑制方法，本发明涉及工业图像运动模糊抑制方法。本发明是要解决工业成像过程中的运动模糊退化问题而提出了一种基于倒频谱直线势能函数的工业图像大尺度运动模糊抑制方法。该方法是通过一、确定感兴趣区域；二、得到傅里叶频谱图像；三、得到倒频谱图像；四、确定原ROI图像模糊角度的估计值五、确定原ROI图像模糊长度的估计值六、对于步骤四和步骤五得到的ROI图像的模糊角度和模糊尺度构建直线运动模糊核，并采用Lucy‑Richardson方法进行图像复原，得到清晰的ROI图像。等步骤实现的。本发明应用工业图像运动模糊抑制领域。

Description

基于倒频谱直线势能函数的工业图像运动模糊抑制方法

技术领域

本发明涉及工业图像运动模糊抑制方法，特别涉及基于倒频谱直线势能函数的工业图像运动模糊抑制方法。

背景技术

机器视觉技术的应用显著地提高了工业自动化检测系统的灵活性和综合性能，已经成功应用于工业元件尺寸测量、工业产品信息检测、特征识别等领域，并体现出巨大的发展前景。机器视觉检测系统通过光学传感器来获取工业图像信息，基于图像处理技术来实现工业产品或者状态的检测，从而为后续生产的决策与控制提供依据。

获取高质量的工业图像信息是机器视觉的关键，直接决定了最终检测结果的精度与可靠性。但实际应用条件下，为了保证检测流程的高效性与执行机构动作的连贯性，工业产品的视觉检测通常处于高速动态流水作业条件下。因此，工业产品与成像装置之间的相对运动通常会导致采集图像发生模糊退化，对后续的图像处理分析造成了严重的干扰。针对上述问题，现有且已实际采用的解决方案是改用静态图像采集的方式，但该类方法显然会降低检测系统的检测效率、增加检测工序的复杂性；相反，采用高速工业相机来避免成像模糊的解决方案会显著增加检测系统的综合成本。

针对运动成像条件所导致的图像运动模糊，现有学者提出了一系列图像算法层面的模糊抑制方法。从原理角度，可将现有方法归纳为如下两种类型：基于先验知识的盲区卷积方法以及基于傅里叶频域的模糊核分离方法。但由理论和实验仿真分析可知，两类方法的局限性在于前者对于先验知识的依赖程度较高，后者模糊参数提取困难，因此很难被应用于实际的工业视觉检测系统中。

发明内容

本发明的目的是为了解决工业成像过程中的运动模糊退化问题而提出了一种基于倒频谱直线势能函数的工业图像运动模糊抑制方法。

上述的发明目的是通过以下技术方案实现的：

步骤一、对工业相机采集得到的运动模糊图像进行灰度化，并确定感兴趣区域，作为后续处理的ROI图像；

步骤二、对步骤一得到的ROI图像进行二维离散傅里叶变换，求解变换图像中每个像素的幅度，得到傅里叶频谱图像；

步骤三、对步骤二得到的傅里叶频谱图像的每个像素值进行自然对数变换得到对数傅里叶频谱图像，对得到的对数傅里叶频谱图像进行二维离散傅里叶反变换，求解变换后图像中每个像素的幅度，得到倒频谱图像；

步骤四、将步骤三得到的倒频谱图像的坐标原点移动到倒频谱图像的中心位置；采用倒频谱直线势能函数以倒频谱图像的坐标原点为中心进行旋转搜索，将倒频谱直线势能函数取最大值时的角度作为原ROI图像模糊角度的估计值

步骤五、基于步骤四得到的模糊角度估计值将步骤三得到的倒频谱图像旋转角度；对旋转后的倒频谱图像进行垂直投影，得到一维投影向量；查找一维投影向量中的最小值，将最小值所在位置的序号作为原ROI图像模糊长度的估计值

步骤六、对于步骤四和步骤五得到的ROI图像的模糊角度和模糊尺度构建直线运动模糊核，并采用Lucy-Richardson方法进行图像复原，得到清晰的ROI图像。

发明效果

本发明旨在解决工业运动成像条件下的图像模糊问题，特别是高速运动成像环境所导致的图像大尺度直线运动模糊，提高工业动态成像条件下采集图像的质量。

1)本发明技术实现了工业大尺度直线运动模糊图像的快速模糊参数估计和图像复原，解决了工业运动成像条件下采集图像的大尺度运动模糊问题。

2)本发明给出的基于倒频谱直线势能函数的工业图像大尺度运动模糊抑制方法,其复原图像的峰值信噪比可达37.5dB。

附图说明

图1为具体实施方式一提出的一种基于倒频谱直线势能函数的工业图像大尺度运动模糊抑制方法的流程图；

图2为具体实施方式一提出的对工业相机采集得到的运动模糊图像进行灰度化和确定感兴趣区域后的ROI图像

图3为具体实施方式三中具有直线运动模糊ROI图像对应的倒频谱图像；

图4为具体实施方式一提出的对具有直线运动模糊的ROI图像经过步骤二到步骤五估计得到其模糊角度和长度之后，构建的模糊核图像；

图5为具体实施方式一提出的对具有直线运动模糊的ROI图像，采用Lucy-Richardson方法进行复原得到的清晰ROI图像的示意图。

具体实施方式

具体实施方式一：结合图1本实施方式的基于倒频谱直线势能函数的工业图像运动模糊抑制方法，具体是按照以下步骤制备的：

步骤一、对工业相机采集得到的运动模糊图像进行灰度化，并确定感兴趣区域，作为后续处理的ROI图像；

步骤二、对步骤一得到的ROI图像进行二维离散傅里叶变换，求解变换图像中每个像素的幅度，得到傅里叶频谱图像；

步骤三、对步骤二得到的傅里叶频谱图像的每个像素值进行自然对数变换得到对数傅里叶频谱图像，对得到的对数傅里叶频谱图像进行二维离散傅里叶反变换，求解变换后图像中每个像素的幅度，得到倒频谱图像结合图2和图3；

步骤四、将步骤三得到的倒频谱图像的坐标原点移动到倒频谱图像的中心位置；采用倒频谱直线势能函数以倒频谱图像的坐标原点为中心进行旋转搜索，将倒频谱直线势能函数取最大值时的角度作为原ROI图像模糊角度的估计值

步骤五、基于步骤四得到的模糊角度估计值将步骤三得到的倒频谱图像旋转角度；对旋转后的倒频谱图像进行垂直投影，得到一维投影向量；查找一维投影向量中的最小值，将最小值所在位置的序号作为原ROI图像模糊长度的估计值

步骤六、对于步骤四和步骤五得到的ROI图像的模糊角度和模糊尺度构建直线运动模糊核，并采用Lucy-Richardson方法进行图像复原，得到清晰的ROI图像如图4～图5。

本实施方式效果：

本发明旨在解决工业运动成像条件下的图像模糊问题，特别是高速运动成像环境所导致的图像大尺度直线运动模糊，提高工业动态成像条件下采集图像的质量。

1)本发明技术实现了工业大尺度直线运动模糊图像的快速模糊参数估计和图像复原，解决了工业运动成像条件下采集图像的大尺度运动模糊问题。

2)本发明给出的基于倒频谱直线势能函数的工业图像大尺度运动模糊抑制方法,其复原图像的峰值信噪比可达37.5dB。

具体实施方式二：本实施方式与具体实施方式一不同的是：步骤二中对步骤一得到的ROI图像进行二维离散傅里叶变换的数学表述如下：

$F(u,v)=\underset{x=0}{\overset{M-1}{\Σ}}\underset{y=0}{\overset{N-1}{\Σ}}f(x,y)e^{-j2\mathrm{\π}(ux/M+vy/N)}$

式中，f(x,y)表示一幅大小为M×N像素的ROI图像，其中，x＝0,1,2，…,M-1，y＝0,1,2，…,N-1；F(u,v)表示f(x,y)的二维离散傅里叶变换，其中，u＝0,1,2，…,M-1，v＝0,1,2，…,N-1；

由于得到的上述变换图像中每个像素值F(u,v)是复数，为了得到傅里叶频谱图像，需计算每个像素值的幅度，因此傅里叶频谱图像的数学表示为：

$G(u,v)=\left|F(u,v)\right|=\left|\underset{x=0}{\overset{M-1}{\Σ}}\underset{y=0}{\overset{N-1}{\Σ}}f(x,y)e^{-j2\mathrm{\π}(ux/M+vy/N)}\right|$

其中，G(u,v)表示傅里叶频谱图像中位置(x,y)处的像素值。其它步骤及参数与具体实施方式一相同。

具体实施方式三：结合图3本实施方式与具体实施方式一或二不同的是：步骤三中得到倒频谱图像具体过程为：

步骤三一、对步骤二得到的傅里叶频谱图像的每个像素值进行自然对数变换，得到对数傅里叶频谱图像；

步骤三二、对步骤三一得到的对数傅里叶频谱图像进行二维离散傅里叶反变换，得到傅里叶反变换图像；

步骤三三、对步骤三二得到的傅里叶反变换图像中的每个像素进行像素幅度求解，得到倒频谱图像；其它步骤及参数与具体实施方式一或二相同。

具体实施方式四：本实施方式与具体实施方式一至三之一不同的是：步骤三一中对步骤二得到的傅里叶频谱图像的每个像素值进行自然对数变换，得到对数傅里叶频谱图像的表述如下：

L(u,v)＝ln(G(u,v)+1)

式中，L(x,y)表示对数傅里叶频谱图像中位置(x,y)处的像素值。其它步骤及参数与具体实施方式一至三之一相同。

具体实施方式五：本实施方式与具体实施方式一至四之一不同的是：步骤三二中对步骤三一得到的对数傅里叶频谱图像进行二维离散傅里叶反变换，得到傅里叶反变换图像表述如下：

$I(x,y)=\frac{1}{MN}\underset{x=0}{\overset{M-1}{\Σ}}\underset{y=0}{\overset{N-1}{\Σ}}L(u,v)e^{j2\mathrm{\π}(ux/M+vy/N)}$

式中，I(x,y)表示L(u,v)的二维离散傅里叶反变换，x＝0,1,2，…,M-1，y＝0,1,2，…,N-1。其它步骤及参数与具体实施方式一至四之一相同。

具体实施方式六：本实施方式与具体实施方式一至五之一不同的是：步骤三三中对步骤三二得到的傅里叶反变换图像中的每个像素进行像素幅度求解，得到倒频谱图像表述如下：

$C(x,y)=\left|I(x,y)\right|=\left|\frac{1}{MN}\underset{x=0}{\overset{M-1}{\Σ}}\underset{y=0}{\overset{N-1}{\Σ}}L(u,v)e^{j2\mathrm{\π}(ux/M+vy/N)}\right|$

式中，C(x,y)为倒频谱图像在坐标(x,y)处的灰度值。其它步骤及参数与具体实施方式一至五之一相同。

具体实施方式七：本实施方式与具体实施方式一至六之一不同的是：步骤四中将步骤三得到的倒频谱图像的坐标原点移动到倒频谱图像的中心位置；采用倒频谱直线势能函数以倒频谱图像的坐标原点为中心进行旋转搜索，将倒频谱直线势能函数取最大值时的角度作为原ROI图像模糊角度的估计值具体为：

步骤四一、绕倒频谱图像的的中心位置对倒频谱直线进行旋转搜索，确定倒频谱直线势能函数在不同旋转角度θ下的函数值E(θ)：

E(θ)＝∑w_(x,y)|C(x,y)|，(x,y)∈{Line(θ)}；

其中，倒频谱直线Line(θ)的中心位置位于倒频谱图像的中心位置，w_(x,y)为直线上的权值系数；

步骤四二、取倒频谱直线势能函数值取最大值时的旋转角度argmax(E(θ))，作为原ROI图像的模糊角度的估计值其它步骤及参数与具体实施方式一至六之一相同。

具体实施方式八：本实施方式与具体实施方式一至七之一不同的是：步骤五中将最小值所在位置的序号作为原ROI图像模糊长度的估计值具体为：

步骤五一、基于步骤四得到的ROI图像的模糊角度估计值将步骤三得到的倒频谱图像旋转角度，使旋转后的倒频谱图像上的谱线成水平方向；

步骤五二、对步骤五一得到的旋转后的倒频谱图像进行垂直投影，得到一维投影向量；

由旋转后的频谱图像经过垂直投影得到的一维投影向量表述为：[v₁,v₂,v₃,...,v_y,...,v_N]，其中：

$v_y=\underset{x=1}{\overset{M}{\Σ}}{C}^{\′}(x,y)$

其中，v＝[v₁,v₂,v₃,...,v_y,...,v_N]；C′(x,y)为旋转后的频谱图像在坐标(x,y)灰度值；

步骤五三、对于步骤五二得到的一维投影向量，从一维投影向量中的第一元素开始遍历，查找投影向量中的最小值，将最小值所在位置的序号作为原ROI图像模糊长度的估计值其它步骤及参数与具体实施方式一至七之一相同。

Claims (8)

1.基于倒频谱直线势能函数的工业图像运动模糊抑制方法，其特征在于，该方法具体是按照以下步骤进行的：

步骤一、对工业相机采集得到的大尺度运动模糊图像进行灰度化，并确定感兴趣区域，作为后续处理的ROI图像；

步骤二、对步骤一得到的ROI图像进行二维离散傅里叶变换，求解变换图像中每个像素的幅度，得到傅里叶频谱图像；

步骤三、对步骤二得到的傅里叶频谱图像的每个像素值进行自然对数变换得到对数傅里叶频谱图像，对得到的对数傅里叶频谱图像进行二维离散傅里叶反变换，求解变换后图像中每个像素的幅度，得到倒频谱图像；

步骤四、将步骤三得到的倒频谱图像的坐标原点移动到倒频谱图像的中心位置；采用倒频谱直线势能函数以倒频谱图像的坐标原点为中心进行旋转搜索，将倒频谱直线势能函数取最大值时的角度作为原ROI图像模糊角度的估计值

步骤五、基于步骤四得到的模糊角度估计值将步骤三得到的倒频谱图像旋转角度；对旋转后的倒频谱图像进行垂直投影，得到一维投影向量；查找一维投影向量中的最小值，将最小值所在位置的序号作为原ROI图像模糊长度的估计值

步骤六、对于步骤四和步骤五得到的ROI图像的模糊角度和模糊尺度构建直线运动模糊核，并采用Lucy-Richardson方法进行图像复原，得到清晰的ROI图像。

2.根据权利要求1所述基于倒频谱直线势能函数的工业图像运动模糊抑制方法，其特征在于：步骤二中对步骤一得到的ROI图像进行二维离散傅里叶变换的数学表述如下：

$F(u,v)=\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}f(x,y)e^{-j2\mathrm{\π}(ux/M+vy/N)}$

式中，f(x,y)表示一幅大小为M×N像素的ROI图像，其中，x＝0,1,2，…,M-1，y＝0,1,2，…,N-1；F(u,v)表示f(x,y)的二维离散傅里叶变换，其中，u＝0,1,2，…,M-1，v＝0,1,2，…,N-1；

傅里叶频谱图像的数学表示为：

$G(u,v)=\left|F(u,v)\right|=\left|\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}f(x,y)e^{-j2\mathrm{\π}(ux/M+vy/N)}\right|$

其中，G(u,v)表示傅里叶频谱图像中位置(x,y)处的像素值。

3.根据权利要求1所述基于倒频谱直线势能函数的工业图像运动模糊抑制方法，其特征在于：步骤三中得到倒频谱图像具体过程为：

步骤三一、对步骤二得到的傅里叶频谱图像的每个像素值进行自然对数变换，得到对数傅里叶频谱图像；

步骤三二、对步骤三一得到的对数傅里叶频谱图像进行二维离散傅里叶反变换，得到傅里叶反变换图像；

步骤三三、对步骤三二得到的傅里叶反变换图像中的每个像素进行像素幅度求解，得到倒频谱图像。

4.根据权利要求3所述基于倒频谱直线势能函数的工业图像运动模糊抑制方法，其特征在于：步骤三一中对步骤二得到的傅里叶频谱图像的每个像素值进行自然对数变换，得到对数傅里叶频谱图像的表述如下：

L(u,v)＝ln(G(u,v)+1)

式中，L(x,y)表示对数傅里叶频谱图像中位置(x,y)处的像素值。

5.根据权利要求4所述基于倒频谱直线势能函数的工业图像运动模糊抑制方法，其特征在于：步骤三二中对步骤三一得到的对数傅里叶频谱图像进行二维离散傅里叶反变换，得到傅里叶反变换图像表述如下：

$I(x,y)=\frac{1}{MN}\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}L(u,v)e^{j2\mathrm{\π}(ux/M+vy/N)}$

式中，I(x,y)表示L(u,v)的二维离散傅里叶反变换，x＝0,1,2，…,M-1，y＝0,1,2，…,N-1。

6.根据权利要求5所述基于倒频谱直线势能函数的工业图像运动模糊抑制方法，其特征在于：步骤三三中对步骤三二得到的傅里叶反变换图像中的每个像素进行像素幅度求解，得到倒频谱图像表述如下：

$C(x,y)=\left|I(x,y)\right|=\left|\frac{1}{MN}\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}L(u,v)e^{j2\mathrm{\π}(ux/M+vy/N)}\right|$

式中，C(x,y)为倒频谱图像在坐标(x,y)处的灰度值。

7.根据权利要求1所述基于倒频谱直线势能函数的工业图像运动模糊抑制方法，其特征在于：步骤四中将步骤三得到的倒频谱图像的坐标原点移动到倒频谱图像的中心位置；采用倒频谱直线势能函数以倒频谱图像的坐标原点为中心进行旋转搜索，将倒频谱直线势能函数取最大值时的角度作为原ROI图像模糊角度的估计值具体为：

步骤四一、绕倒频谱图像的的中心位置对倒频谱直线进行旋转搜索，确定倒频谱直线势能函数在不同旋转角度θ下的函数值E(θ)：

E(θ)＝∑w_(x,y)|C(x,y)|，(x,y)∈{Line(θ)}；

其中，倒频谱直线Line(θ)的中心位置位于倒频谱图像的中心位置，w_(x,y)为直线上的权值系数；

步骤四二、取倒频谱直线势能函数值取最大值时的旋转角度argmax(E(θ))，作为原ROI图像的模糊角度的估计值

8.根据权利要求1所述基于倒频谱直线势能函数的工业图像运动模糊抑制方法，其特征在于：步骤五中将最小值所在位置的序号作为原ROI图像模糊长度的估计值具体为：

步骤五一、基于步骤四得到的ROI图像的模糊角度估计值将步骤三得到的倒频谱图像旋转角度，使旋转后的倒频谱图像上的谱线成水平方向；

步骤五二、对步骤五一得到的旋转后的倒频谱图像进行垂直投影，得到一维投影向量；

由旋转后的频谱图像经过垂直投影得到的一维投影向量表述为：[v₁,v₂,v₃,...,v_y,...,v_N]，其中：

$v_y=\underset{x=1}{\overset{M}{\mathrm{\Σ}}}{C}^{\′}(x,y)$

其中，v＝[v₁,v₂,v₃,...,v_y,...,v_N]；C′(x,y)为旋转后的频谱图像在坐标(x,y)灰度值；

步骤五三、对于步骤五二得到的一维投影向量，从一维投影向量中的第一元素开始遍历，查找投影向量中的最小值，将最小值所在位置的序号作为原ROI图像模糊长度的估计值