CN106651811B - 一种亮度通道引导的简单镜头成像模糊去除方法 - Google Patents

一种亮度通道引导的简单镜头成像模糊去除方法 Download PDF

Info

Publication number
CN106651811B
CN106651811B CN201710000491.3A CN201710000491A CN106651811B CN 106651811 B CN106651811 B CN 106651811B CN 201710000491 A CN201710000491 A CN 201710000491A CN 106651811 B CN106651811 B CN 106651811B
Authority
CN
China
Prior art keywords
image
mrow
represent
psf
msub
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.)
Active
Application number
CN201710000491.3A
Other languages
English (en)
Other versions
CN106651811A (zh
Inventor
不公告发明人
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.)
Changsha Full Image Technology Co Ltd
Original Assignee
Changsha Full Image Technology Co Ltd
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 Changsha Full Image Technology Co Ltd filed Critical Changsha Full Image Technology Co Ltd
Priority to CN201710000491.3A priority Critical patent/CN106651811B/zh
Publication of CN106651811A publication Critical patent/CN106651811A/zh
Application granted granted Critical
Publication of CN106651811B publication Critical patent/CN106651811B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种亮度通道引导的简单镜头成像模糊去除方法，涉及图像复原技术领域，包括：将RGB彩色图像转换成YUV格式图像，并提取亮度Y图像，以亮度Y作为引导图像，利用盲卷积图像复原算法进行简单镜头的PSF标定，然后再利用非盲卷积图像复原算法对模糊图像进行去模糊处理，得到最终的清晰图像。本方法不同于传统方法直接利用RGB图像进行PSF标定，亮度Y通道并不包含色度信息，以亮度Y通道为引导可以避免简单透镜的色散对PSF标定精度的影响，从而提高最终图像复原质量。

Description

一种亮度通道引导的简单镜头成像模糊去除方法
技术领域
本发明主要涉及到数字图像处理领域，尤其涉及一种亮度通道引导的简单镜头成像模糊去除方法。
背景技术
目前，单反相机在人们的日常生活中发挥着越来越重要的作用。然而，为弥补单反镜头中镜片的几何畸变和像差，进一步提高成像质量，单反镜头的设计日益复杂，甚至包含数十个独立的光学器件。复杂镜头在提高成像质量的同时，也会增加镜头的体积和重量，导致镜头成本大大提高。近年来，随着计算摄影技术的发展，简单镜头结合后期图像复原算法整逐渐成为相机设计领域以及图像处理领域一个新的研究方向。
简单镜头只包含一个镜片，受镜头像差和色散的影响，由简单镜头直接拍摄的图像是模糊的，而且边缘处存在色散，从而导致图像质量不高。需要首先标定得到简单镜头的点扩散函数(Point Spread Function，PSF)，PSF又称模糊核，PSF中包含简单镜头的像差等模糊信息，可用于后期的图像复原算法中。
相对于精密的单反镜头，简单镜头没有经过任何校正，直接由简单镜头拍得的图片色散效应比较明显，而且在去模糊过程中，色散效应会进一步加剧。高质量的简单镜头成像算法必须充分考虑到色散的影响。
传统的PSF标定方法直接利用简单镜头得到的彩色图像进行PSF标定，这种方法存在的主要问题在于：受RGB这种图像存储方式的影响，RGB图像的每个通道图像都存在色散，所以直接由RGB图像估计PSF时都会受到图像中色散效应的影响，从而导致PSF估计精度不高。而且估计出PSF之后，由于PSF不精确，在后续去模糊过程中会使色散效应更明显。
在中国专利申请号ZL201510222290.9中介绍了一种基于对称性的单透镜计算成像PSF快速标定方法，这种方法直接由RGB图像估计PSF，受RGB图像中色散效应的影响，所估计出的PSF并不满足高质量的简单镜头成像需求。
发明内容
本发明为克服传统PSF标定方法中模糊和估计不准，色散效应在去模糊过程中加剧的问题，旨在提供一种提高简单镜头PSF标定精度后得到清晰复原图像的方法。
步骤一：将RGB彩色图像转换成YUV格式的图像，并提取亮度Y图像；转换公式如下：
其中，Y表示YUV格式图像对应的亮度通道，U和V表示YUV格式图像对应的色度通道，R、G、B分别表示RGB格式图像对应的红绿蓝通道；
步骤二：以亮度通道引导点扩散函数PSF的标定，将基于亮度通道的PSF标定转化为盲卷积图像复原问题，并将所估计的模糊核PSF作为原图的模糊核；
所述步骤二中由亮度通道Y引导的PSF标定所采用的盲卷积图像复原算法为基于最大后验概率MAP的盲卷积图像复原算法，在最大后验概率模型下，盲卷积图像复原问题的统计学模型表述为：
arg max P(k,y|b)＝arg maxP(b|y,k)P(y)P(k)
其中，k表示简单镜头的模糊核，又称点扩散函数PSF；y表示亮度图像对应的清晰图像；b表示由单透镜成像系统直接得到的模糊图像；P(k,y|b)表示在模糊图像b已知条件下，与模糊图像b对应的模糊核和清晰图像分别为k和y的概率；P(b|y,k)表示如果已知模糊核k和清晰图像y，对应的模糊图像为b的概率；P(y)表示对原始清晰图像已知的先
验概率；P(k)表示模糊核的先验概率；
考虑到对数与乘积的转换关系以及对数函数的单调性，对所述步骤二中上述公式左右两端分别取负对数：
-log P(k,y|b)＝-log P(b|k,y)-log P(y)-log P(k)
则上述问题转化为能量最小化问题，左边的目标函数定义为：
其中，表示数据拟合项；表示图像先验；λ2||k||p2表示模糊核先验；λ1表示图像先验的权重；λ2表示模糊核先验的权重；p1表示图像先验的范数、p2表示模糊核先验的范数；
步骤三：基于步骤二中得到的模糊核，利用非盲卷积图像复原算法对原图像进行去模糊处理，得到最终的清晰复原图像；非盲卷积图像复原目标函数表述为：
其中，k表示简单镜头的模糊核，又称点扩散函数PSF；i表示清晰图像；b表示由单透镜成像系统直接得到的模糊图像；表示数据拟合项；表示图像先验，其中▽i表示图像的导数；λ表示模糊核先验在目标函数中的权重；1表示1范数。
进一步的，所述步骤二中λ1＝0.45、λ2＝0.55。
进一步的，所述步骤三中λ＝0.8。
本发明的方法考虑到简单镜头的色散效应对PSF估计的影响，将传统由RGB图像估计PSF的方法转换到YUV空间下，提取亮度Y通道作为PSF估计的引导图像，亮度Y通道含有丰富的边缘信息，但并不包含色度信息，所以估计出的PSF并不受色散效应影响，精确度更高，从而在后续图像复原过程中对图像中原本存在的色散效应影响较小，最终的复原图像质量较高。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
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为本发明所述方法的流程图；
图2为原始模糊RGB图像；
图3为原始模糊图像对应的亮度图像Y；
图4为以亮度图像Y为引导图像所标定出的模糊核PSF；
图5为最终复原的清晰图像。
具体实施方式
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，所描述的实施例仅仅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。
本发明提供的一种简单镜头成像的多通道PSF标定方法，如图1所示，包括如下步骤：
步骤一：将RGB彩色图像转换成YUV格式的图像，并提取亮度Y图像。其中将RGB彩色图像转换成YUV格式图像对应的转换公式如下：
其中，Y表示YUV格式图像对应的亮度通道，U和V表示YUV格式图像对应的色度通道，R、G、B分别表示RGB格式图像对应的红绿蓝通道。简单镜头直接拍得的RGB模糊图像如图2所示，经过转换提取的亮度Y通道图像如图3所示。
步骤二：以亮度通道引导点扩散函数PSF的标定，将基于亮度通道的PSF标定转化为盲卷积图像复原问题，并将所估计的模糊核PSF作为原图的模糊核。其中由亮度通道Y引导的PSF标定所采用的盲卷积图像复原算法为基于最大后验概率MAP的盲卷积图像复原算法，在最大后验概率模型下，盲卷积图像复原问题的统计学模型表述为：
arg max P(k,y|b)＝arg max P(b|y,k)P(y)P(k)
其中，k表示简单镜头的模糊核，又称点扩散函数PSF；y表示亮度图像对应的清晰图像；b表示由单透镜成像系统直接得到的模糊图像；P(k,y|b)表示在模糊图像b已知条件下，与模糊图像b对应的模糊核和清晰图像分别为k和y的概率；P(b|y,k)表示如果已知模糊核k和清晰图像y，对应的模糊图像为b的概率；P(y)表示对原始清晰图像已知的先验概率；P(k)表示模糊核的先验概率；
考虑到对数与乘积的转换关系以及对数函数的单调性，对所述步骤二中上述公式左右两端分别取负对数：
-log P(k,y|b)＝-log P(b|k,y)-log P(y)-log P(k)
则上述问题转化为能量最小化问题，左边的目标函数定义为：
其中，表示数据拟合项；表示图像先验；||k||p2表示模糊核先验，λ1和λ2分别表示图像先验和模糊核先验的权重；p1表示图像先验的范数、p2表示模糊核先验的范数。优选的，取λ1＝0.45，λ2＝0.55。因为是估计PSF，所以PSF的先验权重λ2大一些，这样使目标函数更加精准，在求解过程中更加趋于真实值。所估计出的PSF如图4所示。
步骤三：基于步骤二中得到的模糊核，利用非盲卷积图像复原算法对原图像进行去模糊处理，得到最终的清晰复原图像。其中的非盲卷积图像复原目标函数可以表述为：
其中，k表示简单镜头的模糊核，又称点扩散函数PSF；i表示清晰图像；b表示由单透镜成像系统直接得到的模糊图像；表示数据拟合项；表示图像先验，其中表示图像的导数；λ表示模糊核先验在目标函数中的权重；1表示1范数。优选的，取λ＝0.8。求解非盲卷积图像复原算法的目标函数即可得到最终的清晰复原图像，如图5所示。
本发明的方法考虑到简单镜头的色散效应对PSF估计的影响，将传统由RGB图像估计PSF的方法转换到YUV空间下，提取亮度Y通道作为PSF估计的引导图像，亮度Y通道含有丰富的边缘信息，但并不包含色度信息，所以估计出的PSF并不受色散效应影响，精确度更高，从而在后续图像复原过程中对图像中原本存在的色散效应影响较小，最终的复原图像质量较高。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (3)

1.一种亮度通道引导的简单镜头成像模糊去除方法，其特征在于，包括以下步骤：
步骤一：将RGB彩色图像转换成YUV格式的图像，并提取亮度Y图像；转换公式如下：
<mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mi>Y</mi> <mo>=</mo> <mn>0.299</mn> <mo>*</mo> <mi>R</mi> <mo>+</mo> <mn>0.587</mn> <mo>*</mo> <mi>G</mi> <mo>+</mo> <mn>0.114</mn> <mo>*</mo> <mi>B</mi> </mtd> </mtr> <mtr> <mtd> <mi>U</mi> <mo>=</mo> <mo>(</mo> <mi>B</mi> <mo>*</mo> <mi>Y</mi> <mo>)</mo> <mo>*</mo> <mn>0.565</mn> </mtd> </mtr> <mtr> <mtd> <mi>V</mi> <mo>=</mo> <mo>(</mo> <mi>R</mi> <mo>*</mo> <mi>Y</mi> <mo>)</mo> <mo>*</mo> <mn>0.713</mn> </mtd> </mtr> </mtable> </mfenced>
其中，Y表示YUV格式图像对应的亮度通道，U和V表示YUV格式图像对应的色度通道，R、G、B分别表示RGB格式图像对应的红绿蓝通道；
步骤二：以亮度通道引导点扩散函数PSF的标定，将基于亮度通道的PSF标定转化为盲卷积图像复原问题，并将所估计的模糊核PSF作为原图的模糊核；
所述步骤二中由亮度通道Y引导的PSF标定所采用的盲卷积图像复原算法为基于最大后验概率MAP的盲卷积图像复原算法，在最大后验概率模型下，盲卷积图像复原问题的统计学模型表述为：
arg maxP(k,y|b)＝arg maxP(b|y,k)P(y)P(k)
其中，k表示简单镜头的模糊核，又称点扩散函数PSF；y表示亮度图像对应的清晰图像；b表示由单透镜成像系统直接得到的模糊图像；P(k,y|b)表示在模糊图像b已知条件下，与模糊图像b对应的模糊核和清晰图像分别为k和y的概率；P(b|y,k)表示如果已知模糊核k和清晰图像y，对应的模糊图像为b的概率；P(y)表示对原始清晰图像已知的先验概率；P(k)表示模糊核的先验概率；
考虑到对数与乘积的转换关系以及对数函数的单调性，对所述步骤二中上述公式左右两端分别取负对数：
-log P(k,y|b)＝-log P(b|k,y)-log P(y)-log P(k)
则上述问题转化为能量最小化问题，左边的目标函数定义为：
<mrow> <mi>E</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <munder> <mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> </mrow> <mrow> <mi>k</mi> <mo>,</mo> <mi>y</mi> </mrow> </munder> <mo>|</mo> <mo>|</mo> <mi>k</mi> <mo>*</mo> <mi>y</mi> <mo>-</mo> <mi>b</mi> <mo>|</mo> <msup> <mo>|</mo> <mn>2</mn> </msup> <mo>+</mo> <msub> <mi>&amp;lambda;</mi> <mn>1</mn> </msub> <mo>|</mo> <mo>|</mo> <mo>&amp;dtri;</mo> <mrow> <mo>(</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>|</mo> <msub> <mo>|</mo> <mrow> <mi>p</mi> <mn>1</mn> </mrow> </msub> <mo>+</mo> <msub> <mi>&amp;lambda;</mi> <mn>2</mn> </msub> <mo>|</mo> <mo>|</mo> <mi>k</mi> <mo>|</mo> <msub> <mo>|</mo> <mrow> <mi>p</mi> <mn>2</mn> </mrow> </msub> </mrow>
其中，表示数据拟合项；表示图像先验；λ2||k||p2表示模糊核先验；λ1表示图像先验的权重；λ2表示模糊核先验的权重；p1表示图像先验的范数、p2表示模糊核先验的范数；
步骤三：基于步骤二中得到的模糊核，利用非盲卷积图像复原算法对原图像进行去模糊处理，得到最终的清晰复原图像；非盲卷积图像复原目标函数表述为：
<mrow> <msub> <mi>i</mi> <mrow> <mi>o</mi> <mi>p</mi> <mi>t</mi> </mrow> </msub> <mo>=</mo> <munder> <mi>argmin</mi> <mi>i</mi> </munder> <mo>|</mo> <mo>|</mo> <mi>b</mi> <mo>-</mo> <mi>k</mi> <mo>*</mo> <mi>i</mi> <mo>|</mo> <msubsup> <mo>|</mo> <mn>2</mn> <mn>2</mn> </msubsup> <mo>+</mo> <mi>&amp;lambda;</mi> <mo>|</mo> <mo>|</mo> <mo>&amp;dtri;</mo> <mi>i</mi> <mo>|</mo> <msub> <mo>|</mo> <mn>1</mn> </msub> </mrow>
其中，k表示简单镜头的模糊核，又称点扩散函数PSF；i表示清晰图像；b表示由单透镜成像系统直接得到的模糊图像；表示数据拟合项；表示图像先验，其中▽i表示图像的导数；λ表示模糊核先验在目标函数中的权重；1表示1范数。
2.根据权利要求1所述的亮度通道引导的简单镜头成像模糊去除方法，其特征在于，所述步骤二中λ1＝0.45、λ2＝0.55。
3.根据权利要求1所述的亮度通道引导的简单镜头成像模糊去除方法，其特征在于，所述步骤三中λ＝0.8。
CN201710000491.3A 2017-01-03 2017-01-03 一种亮度通道引导的简单镜头成像模糊去除方法 Active CN106651811B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710000491.3A CN106651811B (zh) 2017-01-03 2017-01-03 一种亮度通道引导的简单镜头成像模糊去除方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710000491.3A CN106651811B (zh) 2017-01-03 2017-01-03 一种亮度通道引导的简单镜头成像模糊去除方法

Publications (2)

Publication Number Publication Date
CN106651811A CN106651811A (zh) 2017-05-10
CN106651811B true CN106651811B (zh) 2018-03-16

Family

ID=58838254

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710000491.3A Active CN106651811B (zh) 2017-01-03 2017-01-03 一种亮度通道引导的简单镜头成像模糊去除方法

Country Status (1)

Country Link
CN (1) CN106651811B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107610064A (zh) * 2017-09-20 2018-01-19 长沙全度影像科技有限公司 一种基于不同模糊核先验的简单透镜psf均值融合方法
CN107590790B (zh) * 2017-09-21 2021-04-13 长沙全度影像科技有限公司 一种基于对称边缘填充的简单透镜边缘区域去模糊方法
CN107680062A (zh) * 2017-10-12 2018-02-09 长沙全度影像科技有限公司 一种基于l1/l2先验结合高斯先验的微焦模糊图像复原方法
CN107749051A (zh) * 2017-10-17 2018-03-02 长沙全度影像科技有限公司 一种基于均值滤波的简单透镜空间变化模糊核平滑方法
CN108830805A (zh) * 2018-05-25 2018-11-16 北京小米移动软件有限公司 图像处理方法、装置及可读存储介质、电子设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102968761A (zh) * 2011-08-30 2013-03-13 佳能株式会社 图像处理设备和图像处理方法
CN104091312A (zh) * 2014-07-11 2014-10-08 中国人民解放军国防科学技术大学 一种根据图像频谱信息提取模糊核先验的单透镜成像方法
CN104574423A (zh) * 2015-02-03 2015-04-29 中国人民解放军国防科学技术大学 基于球面像差标定的单透镜成像psf估计算法
CN105046659A (zh) * 2015-07-02 2015-11-11 中国人民解放军国防科学技术大学 一种基于稀疏表示的单透镜计算成像psf估算方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009517163A (ja) * 2005-12-01 2009-04-30 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 画像内の参照構造に関連付けられた構造をセグメント化する方法、システム及びコンピュータ・プログラム
CN104599254B (zh) * 2015-02-03 2016-03-02 中国人民解放军国防科学技术大学 基于组合模糊核结构先验的单透镜计算成像方法
CN104794727B (zh) * 2015-05-05 2016-06-08 中国人民解放军国防科学技术大学 一种基于对称性的单透镜计算成像psf快速标定方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102968761A (zh) * 2011-08-30 2013-03-13 佳能株式会社 图像处理设备和图像处理方法
CN104091312A (zh) * 2014-07-11 2014-10-08 中国人民解放军国防科学技术大学 一种根据图像频谱信息提取模糊核先验的单透镜成像方法
CN104574423A (zh) * 2015-02-03 2015-04-29 中国人民解放军国防科学技术大学 基于球面像差标定的单透镜成像psf估计算法
CN105046659A (zh) * 2015-07-02 2015-11-11 中国人民解放军国防科学技术大学 一种基于稀疏表示的单透镜计算成像psf估算方法

Also Published As

Publication number Publication date
CN106651811A (zh) 2017-05-10

Similar Documents

Publication Publication Date Title
CN106651811B (zh) 一种亮度通道引导的简单镜头成像模糊去除方法
EP2987135B1 (en) Reference image selection for motion ghost filtering
US10275892B2 (en) Multi-view scene segmentation and propagation
EP3542347B1 (en) Fast fourier color constancy
CN105825494B (zh) 一种图像处理方法及移动终端
US9251589B2 (en) Depth measurement apparatus, image pickup apparatus, and depth measurement program
US20110243451A1 (en) Image processing apparatus and method, and program
CN102254325B (zh) 一种运动模糊场景的分割及前景提取方法和系统
WO2019105297A1 (zh) 图像虚化处理方法、装置、移动设备及存储介质
CN110930301B (zh) 图像处理方法、装置、存储介质及电子设备
CN106651812B (zh) 一种简单镜头成像的多通道psf标定方法
JP2009027259A (ja) オートホワイトバランス補正値算出装置、方法およびプログラムならびに撮像装置
WO2019221013A2 (en) Video stabilization method and apparatus and non-transitory computer-readable medium
WO2019105298A1 (zh) 图像虚化处理方法、装置、移动设备及存储介质
CN102722868A (zh) 一种高动态范围图像色调映射方法
CN108024058A (zh) 图像虚化处理方法、装置、移动终端和存储介质
CN111724317A (zh) Raw域视频去噪监督数据集构造方法
CN114723643A (zh) 一种基于强化学习和美学评估的低光图像增强方法
CN108965646A (zh) 图像处理装置、图像处理方法和存储介质
CN113658197A (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
CN107358591A (zh) 一种基于rgb交叉通道先验的简单透镜成像色差校正方法
CN107301667A (zh) 基于棋盘格图像对单透镜计算成像的psf估计方法
CN109788311B (zh) 人物替换方法、电子设备和存储介质
CN107451971A (zh) 基于暗通道和高斯组合先验的低照度盲卷积图像复原法
CN110086997B (zh) 人脸图像曝光亮度补偿方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant