CN109389586B - 基于相位谱的图像模糊检测方法 - Google Patents

基于相位谱的图像模糊检测方法 Download PDF

Info

Publication number
CN109389586B
CN109389586B CN201811124247.9A CN201811124247A CN109389586B CN 109389586 B CN109389586 B CN 109389586B CN 201811124247 A CN201811124247 A CN 201811124247A CN 109389586 B CN109389586 B CN 109389586B
Authority
CN
China
Prior art keywords
image
phase spectrum
column
grayscale
elements
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
CN201811124247.9A
Other languages
English (en)
Other versions
CN109389586A (zh
Inventor
张仁彦
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.)
Shandong University of Science and Technology
Original Assignee
Shandong University of Science and Technology
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 Shandong University of Science and Technology filed Critical Shandong University of Science and Technology
Priority to CN201811124247.9A priority Critical patent/CN109389586B/zh
Publication of CN109389586A publication Critical patent/CN109389586A/zh
Application granted granted Critical
Publication of CN109389586B publication Critical patent/CN109389586B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了基于相位谱的图像模糊检测方法，对该图像进行灰度化并进行边界延拓；对延拓后的图像进行二维离散傅立叶变换，将幅度谱设为1，进行二维逆离散傅立叶变换，对相位谱图像进行二值化。利用相对全变差滤波器对图像处理得到最终的模糊检测结果图像。本发明的有益效果是有效提高了图像模糊检测方法的准确性。

Description

基于相位谱的图像模糊检测方法
技术领域
本发明属于图像处理技术领域，涉及一种基于相位谱的图像模糊检测方法。
背景技术
图像模糊可能产生于摄像头与物体之间的相对移动或摄像头的离焦。图像模糊检测的目的是区分图像中的模糊部分和清晰部分。现有技术利用图像强度的变化信息作为模糊特征(如：梯度、离散余弦变换、奇异值分解和子带分解等)进行模糊检测。但是，上述模糊特征既对图像清晰区域敏感，也对图像模糊区域内的强边缘敏感。这使得图像模糊区域中的强边缘被错误地认定为清晰区域，从而降低了图像模糊检测的准确性。
发明内容
本发明的目的在于提供基于相位谱的图像模糊检测方法，本发明的有益效果是提出了一种新的模糊特征，及以此为基础的图像模糊检测方法。该特征由图像的相位谱产生，对图像清晰区域丰富的强度变化敏感，但对图像模糊区域的强边缘不敏感。本发明提出的方法有效提高了图像模糊检测方法的准确性。
本发明所采用的技术方案是按照以下步骤进行：
步骤1.如果图像I是彩色图像，则对该图像进行灰度化，得到灰度化后的图像Ig，若图像I本身已经是灰度图像，则令Ig＝I；
步骤2.对灰度化图像Ig进行边界延拓；假设图像包含h行和w列，延拓后的图像Ie将包含2h行和2w列；
步骤3.对延拓后的图像Ie进行二维离散傅立叶变换，变换结果为
Figure GDA0003036456360000021
其中，A(u，v)是Ie的幅度谱，θ(u，v)是Ie的相位谱；
步骤4.将Ie的幅度谱设为1，对
Figure GDA0003036456360000022
进行二维逆离散傅立叶变换，变换的结果为图像Ip，为图像I的相位谱图像；
步骤5.对相位谱图像Ip进行二值化；
Figure GDA0003036456360000023
式中：T为二值化所使用的阈值，It为二值化的结果图像。
步骤6.利用相对全变差滤波器(Relative Total Variation Filter)对图像It处理得到最终的模糊检测结果图像Ib。图像Ib是灰度图像，灰度值越大代表对应的像素点越清晰，反之代表像素点越模糊。
进一步，步骤2中所述边界延拓方法是：(1)在图像每行的行首之前添加w/2个行首的元素；(2)在图像每行的行尾之后添加w/2个行尾的元素；(3)在每列的列首之前添加h/2个列首的元素；(4)在图像每列的列尾之后添加h/2个列尾的元素。
附图说明
图1是本发明方法流程示意图。
具体实施方式
下面结合具体实施方式对本发明进行详细说明。
本发明所提出方法如图1所示，具体步骤如下：
步骤1.如果图像I是彩色图像，则对该图像进行灰度化，得到灰度化后的图像Ig。若图像I本身已经是灰度图像，则令Ig＝I。
步骤2.对灰度化图像Ig进行边界延拓。假设图像包含h行和w列，则延拓方法是：(1)在图像每行的行首之前添加w/2个行首的元素；(2)在图像每行的行尾之后添加w/2个行尾的元素；(3)在每列的列首之前添加h/2个列首的元素；(4)在图像每列的列尾之后添加h/2个列尾的元素。延拓后的图像Ie将包含2h行和2w列。
步骤3.对延拓后的图像Ie进行二维离散傅立叶变换，变换结果为
Figure GDA0003036456360000031
其中，A(u，v)是Ie的幅度谱，θ(u，v)是Ie的相位谱。
步骤4.将Ie的幅度谱设为1(即，令A(u，v)＝1)后，对
Figure GDA0003036456360000032
进行二维逆离散傅立叶变换。本发明中称该变换为无幅度谱的二维逆离散傅立叶变换。该变换的结果为图像Ip，在本发明中被称为图像I的相位谱图像。
步骤5.对相位谱图像Ip进行二值化，方法如下：
Figure GDA0003036456360000033
式中：T为二值化所使用的阈值，利用最大类间方差法(大津法)计算而得；It为二值化的结果图像，即基于相位谱的图像模糊特征。
步骤6.利用相对全变差滤波器(Relative Total Variation Filter)对图像处理得到最终的模糊检测结果图像Ib。图像Ib是灰度图像，灰度值越大代表对应的像素点越清晰，反之代表像素点越模糊。
本发明的优点还在于：本发明方法对图像清晰区域丰富的强度变化敏感，但对图像模糊区域的强边缘不敏感，提高了图像模糊检测的准确性。
以上所述仅是对本发明的较佳实施方式而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施方式所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (1)

1.基于相位谱的图像模糊检测方法，其特征在于按照以下步骤进行：
步骤1.如果图像I是彩色图像，则对该图像进行灰度化，得到灰度化后的图像Ig，若图像I本身已经是灰度图像，则令Ig＝I；
步骤2.对灰度化图像Ig进行边界延拓；假设图像包含h行和w列，延拓后的图像Ie将包含2h行和2w列；
步骤3.对延拓后的图像Ie进行二维离散傅立叶变换，变换结果为
Figure FDA0003036456350000011
其中，A(u，v)是Ie的幅度谱，θ(u，v)是Ie的相位谱；
步骤4.将Ie的幅度谱设为1，对
Figure FDA0003036456350000012
进行二维逆离散傅立叶变换，变换的结果为图像Ip，为图像I的相位谱图像；
步骤5.对相位谱图像Ip进行二值化；
Figure FDA0003036456350000013
式中：T为二值化所使用的阈值，It为二值化的结果图像；
步骤6.利用相对全变差滤波器对图像It处理得到最终的模糊检测结果图像Ib，图像Ib是灰度图像，灰度值越大代表对应的像素点越清晰，反之代表像素点越模糊；
所述边界延拓方法是：(1)在图像每行的行首之前添加w/2个行首的元素；(2)在图像每行的行尾之后添加w/2个行尾的元素；(3)在每列的列首之前添加h/2个列首的元素；(4)在图像每列的列尾之后添加h/2个列尾的元素。
CN201811124247.9A 2018-09-26 2018-09-26 基于相位谱的图像模糊检测方法 Active CN109389586B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811124247.9A CN109389586B (zh) 2018-09-26 2018-09-26 基于相位谱的图像模糊检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811124247.9A CN109389586B (zh) 2018-09-26 2018-09-26 基于相位谱的图像模糊检测方法

Publications (2)

Publication Number Publication Date
CN109389586A CN109389586A (zh) 2019-02-26
CN109389586B true CN109389586B (zh) 2021-06-29

Family

ID=65419102

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811124247.9A Active CN109389586B (zh) 2018-09-26 2018-09-26 基于相位谱的图像模糊检测方法

Country Status (1)

Country Link
CN (1) CN109389586B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112730051B (zh) * 2020-12-23 2022-04-05 西安交通大学 一种基于傅里叶微分变换的金属板应变测量方法及其系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101271525A (zh) * 2008-04-10 2008-09-24 复旦大学 一种快速的图像序列特征显著图获取方法
CN104933691A (zh) * 2015-06-25 2015-09-23 中国计量学院 基于相位谱视觉显著性检测的图像融合方法
US9384416B1 (en) * 2014-02-20 2016-07-05 University Of South Florida Quantitative image analysis applied to the grading of vitreous haze

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101271525A (zh) * 2008-04-10 2008-09-24 复旦大学 一种快速的图像序列特征显著图获取方法
US9384416B1 (en) * 2014-02-20 2016-07-05 University Of South Florida Quantitative image analysis applied to the grading of vitreous haze
CN104933691A (zh) * 2015-06-25 2015-09-23 中国计量学院 基于相位谱视觉显著性检测的图像融合方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Structure extraction from texture via relative total variation;Li Xu et al.;《ACM Transactions on Graphiscs》;20121130;全文 *

Also Published As

Publication number Publication date
CN109389586A (zh) 2019-02-26

Similar Documents

Publication Publication Date Title
CN106446952B (zh) 一种乐谱图像识别方法及装置
CN107220988B (zh) 基于改进canny算子的零部件图像边缘提取方法
CN107133929B (zh) 基于背景估计和能量最小化的低质量文档图像二值化方法
CN104463795A (zh) 一种点阵式dm二维码图像处理方法及装置
CN109377450B (zh) 一种边缘保护的去噪方法
EP1229489A3 (en) Image processing method and apparatus
CN103778613B (zh) 一种窗口自适应的极化sar影像滤波方法
CN104463816A (zh) 一种图像处理方法及装置
CN105139391B (zh) 一种雾霾天气交通图像边缘检测方法
CN108647550A (zh) 一种基于机器学习的二维码模糊聚类识别方法及系统
CN106503710A (zh) 一种车标识别方法及装置
KR20080085975A (ko) 얼굴인식 전처리장치 및 방법과 이를 이용한얼굴인식시스템
CN109389586B (zh) 基于相位谱的图像模糊检测方法
CN103150725A (zh) 基于非局部均值的susan边缘检测方法及系统
CN114529715B (zh) 一种基于边缘提取的图像识别方法及系统
CN106446920A (zh) 一种基于梯度幅度约束的笔画宽度变换方法
CN105844651A (zh) 一种图像分析装置
CN105844260A (zh) 一种多功能智能清洁机器人装置
CN114818766A (zh) 一种基于opencv的自适应的条码对比度增强方法
CN108961290B (zh) 一种基于Otsu的Ratio算子自适应图像边缘检测方法
CN113034376A (zh) 一种基于Laplacian算子的图像增强及降噪的方法与系统
CN112258421A (zh) 一种基于prewitt算子的图像增强及降噪的方法与系统
CN105933698A (zh) 一种智能卫星数字电视节目播放质量检测系统
Sudarsan et al. A Novel approach for Denoising palm leaf manuscripts using Image Gradient approximations
Javed et al. Background and punch-hole noise removal from handwritten urdu text

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