CN106651812A - 一种简单镜头成像的多通道psf标定方法 - Google Patents
一种简单镜头成像的多通道psf标定方法 Download PDFInfo
- Publication number
- CN106651812A CN106651812A CN201710000600.1A CN201710000600A CN106651812A CN 106651812 A CN106651812 A CN 106651812A CN 201710000600 A CN201710000600 A CN 201710000600A CN 106651812 A CN106651812 A CN 106651812A
- Authority
- CN
- China
- Prior art keywords
- psf
- image
- channel
- represent
- multichannel
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000003384 imaging method Methods 0.000 title claims abstract description 11
- 239000006185 dispersion Substances 0.000 claims abstract description 15
- 238000012937 correction Methods 0.000 claims abstract description 8
- 230000003716 rejuvenation Effects 0.000 claims description 3
- 238000013179 statistical model Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 2
- 238000011084 recovery Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 8
- 238000012545 processing Methods 0.000 abstract description 3
- 229920013655 poly(bisphenol-A sulfone) Polymers 0.000 abstract 2
- 230000006870 function Effects 0.000 description 13
- 230000004075 alteration Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G06T5/73—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- G06T5/77—
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Abstract
本发明公开了一种简单镜头成像的多通道PSF标定方法,涉及图像复原技术领域,包括:提取彩色模糊图像的R、G、B通道图像;利用盲卷积图像复原算法分别估计R、G、B通道图像对应的PSF;基于每个通道的PSF对每个通道图像做去模糊处理;对每个通道单独做色散校正;将处理之后的R、G、B通道图像进行融合得到最终的清晰复原图像。本方法不同于传统方法对三个通道使用同一个PSF,分通道估计的PSF更加准确,去模糊效果更好,同时有效解决了色散在传统去模糊过程进一步加剧的问题,很好地提高最终图像复原质量。
Description
技术领域
本发明主要涉及到数字图像处理领域,特指一种简单镜头成像的多通道PSF标定方法。
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正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。
传统的PSF标定方法将彩色图像的三个通道作统一处理,即将彩色图像转换成灰度图像,通过标定得到一个PSF,并将这个PSF用于彩色图像三个通道的去模糊处理。这种方法主要存在以下两个问题:(1)受简单镜头中镜片球面形状的影响,由简单镜头得到的彩色图像的三个通道的PSF并不完全相同,如果统一处理会导致PSF估计不准;(2)色散效应在每个通道中都存在,而且在去模糊过程会进一步加剧,如果PSF估计不准,最终复原图像中的色散效应会加剧,从而影响图像复原质量。
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,这种方法并没有考虑彩色图像R、G、B三个通道的差异性,对彩色图像估计的是一个统一PSF,这会影响PSF的估计精度,从而影响最终的图像复原效果。
发明内容
本发明为克服传统PSF标定方法中估计不准,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。
一种简单镜头成像的多通道PSF标定方法,包括以下步骤:
步骤一:提取原始模糊图像的R、G、B通道图像;
步骤二:用盲卷积图像复原方法分别标定不同通道的PSF;其中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可以表述为:
argmax P(k,i|b)=argmaxP(b|i,k)P(i)P(k)
其中,k表示简单镜头的PSF;i表示清晰图像;b表示由简单镜头直接得到的模糊图像;P(k,i|b)表示在模糊图像b已知的条件下,与模糊图像b对应的PSF和清晰图像分别为k和i的概率;P(b|i,k)表示如果已知PSF k和清晰图像对应的模糊图像为b的概率;P(i)表示对清晰图像已知的先验概率;P(k)表示PSF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,对上述公式左右两端分别去负对数:
-log P(k,i|b)=-log P(b|k,i)-log P(i)-log P(k)
则上述问题转化为能量最小化问题,左边的目标函数可以定义为:
其中,表示数据拟合项;||▽(i)||p1表示图像先验;||k||p2表示PSF先验,λ1和λ2分别表示图像先验和PSF先验在目标函数中的权重。
步骤三:根据所标定的PSF分别对每个通道进行图像复原;基于步骤二中得到的PSF,分别利用非盲卷积图像复原算法对R、G、B通道图像进行去模糊处理,得到对应的去模糊图像;所采用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PSF;i表示清晰图像;b表示由简单镜头直接得到的模糊图像;表示数据拟合项;||▽i||1表示图像先验,其中▽i表示图像的导数;λ表示PSF先验在目标函数中的权重。
步骤四:对每个通道进行色散校正;
步骤五:将处理后的R、G、B通道图像合并成最终复原图像。
进一步的,所述步骤五的融合直接在matlab软件中完成。
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。
本发明充分考虑到简单镜头中镜片的球面特性,对每个通道单独估计PSF,并分通道进行色散校正,这种方法可以提高PSF的估计精度,而且很好地避免色散效应在去模糊过程进一步加剧,能提高最终复原图像的清晰度。
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示意图;
图2为由简单镜头得到的模糊图像对应的R、G、B通道图像;
图3为本发明R、G、B通道图像分别标定出的PSF;
图4为本发明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。
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:提取原始模糊图像的R、G、B通道图像,图像如图2所示;
步骤二:用盲卷积图像复原方法分别标定不同通道的PSF:即利用盲卷积图像复原方法,分别对模糊图像的R、G、B通道图像进行PSF标定,得到对应的R、G、B通道图像的PSF。其中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可以表述为:
argmaxP(k,i|b)=argmaxP(b|i,k)P(i)P(k) (1)
其中,k表示简单镜头的PSF;i表示清晰图像;b表示由简单镜头直接得到的模糊图像;P(k,i|b)表示在模糊图像b已知的条件下,与模糊图像b对应的PSF和清晰图像分别为k和i的概率;P(b|i,k)表示如果已知PSF k和清晰图像i,对应的模糊图像为b的概率;P(i)表示对清晰图像已知的先验概率;P(k)表示PSF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,对公式(1)左右两端分别去负对数:
-log P(k,i|b)=-log P(b|k,i)-log P(i)-log P(k)
则上述问题转化为能量最小化问题,左边的目标函数可以定义为:
其中,表示数据拟合项;||▽(i)||p1表示图像先验;||k||p2表示PSF先验,λ1和λ2分别表示图像先验和PSF先验在目标函数中的权重。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,最终复原图像的清晰度更高。R、G、B三个通道所估计出的PSF如图3所示。
步骤三:根据所标定的PSF分别对每个通道进行图像复原。即基于步骤二中得到的PSF,分别利用非盲卷积图像复原算法对R、G、B通道图像进行去模糊处理,得到对应的去模糊图像;所采用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PSF;i表示清晰图像;b表示由简单镜头直接得到的模糊图像;表示数据拟合项;||▽i||1表示图像先验,其中▽i表示图像的导数;λ表示PSF先验在目标函数中的权重。优选的,取λ=0.8。
步骤四:对每个通道进行色散校正。即对每个通道的去模糊图像进行色散校正。色散校正可采用现有技术方法。
步骤五:将处理后的R、G、B通道图像合并成最终复原图像。即将每个通道的清晰图像合并成完整的彩色图像,得到最终的复原图像。三个通道的融合可直接在matlab软件中完成,最终复原图像如图4所示。
本发明的方法充分考虑到简单镜头中镜片的球面特性,对每个通道单独估计PSF,并分通道进行色散校正,这种方法可以提高PSF的估计精度,而且很好地避免色散效应在去模糊过程进一步加剧,能提高最终复原图像的清晰度。
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 (4)
1.一种简单镜头成像的多通道PSF标定方法,其特征在于,包括以下步骤:
步骤一:提取原始模糊图像的R、G、B通道图像;
步骤二:用盲卷积图像复原方法分别标定不同通道的PSF;其中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可以表述为:
arg max P(k,i|b)=arg max P(b|i,k)P(i)P(k)
其中,k表示简单镜头的PSF;i表示清晰图像;b表示由简单镜头直接得到的模糊图像;P(k,i|b)表示在模糊图像b已知的条件下,与模糊图像b对应的PSF和清晰图像分别为k和i的概率;P(b|i,k)表示如果已知PSF k和清晰图像对应的模糊图像为b的概率;P(i)表示对清晰图像已知的先验概率;P(k)表示PSF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,对上述公式左右两端分别去负对数:
-log P(k,i|b)=-log P(b|k,i)-log P(i)-log P(k)
则上述问题转化为能量最小化问题,左边的目标函数可以定义为:
其中,表示数据拟合项;||▽(i)||p1表示图像先验;||k||p2表示PSF先验,λ1|和λ2分别表示图像先验和PSF先验在目标函数中的权重;
步骤三:根据所标定的PSF分别对每个通道进行图像复原;基于步骤二中得到的PSF,分别利用非盲卷积图像复原算法对R、G、B通道图像进行去模糊处理,得到对应的去模糊图像;所采用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PSF;i表示清晰图像;b表示由简单镜头直接得到的模糊图像;表示数据拟合项;||▽i||1表示图像先验,其中▽i表示图像的导数;λ表示PSF先验在目标函数中的权重;
步骤四:对每个通道进行色散校正;
步骤五:将处理后的R、G、B通道图像合并成最终复原图像。
2.根据权利要求1所述的简单镜头成像的多通道PSF标定方法,其特征在于,所述步骤五的R、G、B通道图像的合并直接在matlab软件中完成。
3.根据权利要求1所述的简单镜头成像的多通道PSF标定方法,其特征在于,所述步骤二中λ1=0.45、λ2=0.55。
4.根据权利要求1所述的简单镜头成像的多通道PSF标定方法,其特征在于,所述步骤三中λ=0.8。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710000600.1A CN106651812B (zh) | 2017-01-03 | 2017-01-03 | 一种简单镜头成像的多通道psf标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710000600.1A CN106651812B (zh) | 2017-01-03 | 2017-01-03 | 一种简单镜头成像的多通道psf标定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106651812A true CN106651812A (zh) | 2017-05-10 |
CN106651812B CN106651812B (zh) | 2018-06-26 |
Family
ID=58838306
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710000600.1A Active CN106651812B (zh) | 2017-01-03 | 2017-01-03 | 一种简单镜头成像的多通道psf标定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106651812B (zh) |
Cited By (4)
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 |
CN107705266A (zh) * | 2017-10-12 | 2018-02-16 | 长沙全度影像科技有限公司 | 一种全景相机镜头分类方法 |
CN108053805A (zh) * | 2018-01-25 | 2018-05-18 | 电子科技大学 | 一种双通道相机左右两通道图像的亮度校正方法 |
CN112330550A (zh) * | 2020-10-16 | 2021-02-05 | 西安工业大学 | 一种基于图像盲解卷积技术的图像复原方法及系统 |
Citations (6)
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 |
CN103856723A (zh) * | 2014-02-25 | 2014-06-11 | 中国人民解放军国防科学技术大学 | 一种单透镜成像的psf快速标定方法 |
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 |
CN104599254A (zh) * | 2015-02-03 | 2015-05-06 | 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 |
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 |
-
2017
- 2017-01-03 CN CN201710000600.1A patent/CN106651812B/zh active Active
Patent Citations (6)
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 |
CN103856723A (zh) * | 2014-02-25 | 2014-06-11 | 中国人民解放军国防科学技术大学 | 一种单透镜成像的psf快速标定方法 |
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 |
CN104599254A (zh) * | 2015-02-03 | 2015-05-06 | 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 |
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 |
Cited By (5)
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 |
CN107705266A (zh) * | 2017-10-12 | 2018-02-16 | 长沙全度影像科技有限公司 | 一种全景相机镜头分类方法 |
CN108053805A (zh) * | 2018-01-25 | 2018-05-18 | 电子科技大学 | 一种双通道相机左右两通道图像的亮度校正方法 |
CN112330550A (zh) * | 2020-10-16 | 2021-02-05 | 西安工业大学 | 一种基于图像盲解卷积技术的图像复原方法及系统 |
CN112330550B (zh) * | 2020-10-16 | 2023-08-08 | 西安工业大学 | 一种基于图像盲解卷积技术的图像复原方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106651812B (zh) | 2018-06-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11430205B2 (en) | Method and apparatus for detecting salient object in image | |
EP2987135B1 (en) | Reference image selection for motion ghost filtering | |
EP3076364B1 (en) | Image filtering based on image gradients | |
US9336582B1 (en) | Convolutional color correction | |
CN106651811B (zh) | 一种亮度通道引导的简单镜头成像模糊去除方法 | |
US8472717B2 (en) | Foreground image separation method | |
Wang et al. | Enhancing low light videos by exploring high sensitivity camera noise | |
CN106651812A (zh) | 一种简单镜头成像的多通道psf标定方法 | |
WO2021057474A1 (zh) | 主体对焦方法、装置、电子设备和存储介质 | |
CN105825494A (zh) | 一种图像处理方法及移动终端 | |
US10477128B2 (en) | Neighborhood haze density estimation for single-image dehaze | |
US20200051225A1 (en) | Fast Fourier Color Constancy | |
CN106056629A (zh) | 通过运动物体检测和扩展去除鬼影的高动态范围成像方法 | |
JP7362297B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
Chen et al. | Blind deblurring for saturated images | |
CN102254325B (zh) | 一种运动模糊场景的分割及前景提取方法和系统 | |
Kinoshita et al. | Automatic exposure compensation using an image segmentation method for single-image-based multi-exposure fusion | |
Tao et al. | A novel two-step strategy based on white-balancing and fusion for underwater image enhancement | |
CN105898111A (zh) | 一种基于谱聚类的视频去雾方法 | |
CN111192205A (zh) | 一种图像去雾方法、系统和计算机可读存储介质 | |
Liba et al. | Sky optimization: Semantically aware image processing of skies in low-light photography | |
CN111325671B (zh) | 网络训练方法、装置、图像处理方法及电子设备 | |
Tan et al. | Image haze removal based on superpixels and Markov random field | |
CN114155173A (zh) | 一种图像去雾方法、设备及非易失性存储介质 | |
Wang et al. | Underwater color disparities: Cues for enhancing underwater images toward natural color consistencies |
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 |