CN109859194B - 一种基于局部边缘检测的图像聚焦测度实现方法 - Google Patents
一种基于局部边缘检测的图像聚焦测度实现方法 Download PDFInfo
- Publication number
- CN109859194B CN109859194B CN201910101913.5A CN201910101913A CN109859194B CN 109859194 B CN109859194 B CN 109859194B CN 201910101913 A CN201910101913 A CN 201910101913A CN 109859194 B CN109859194 B CN 109859194B
- Authority
- CN
- China
- Prior art keywords
- image
- sub
- edge detection
- edge
- carrying
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000003708 edge detection Methods 0.000 title claims abstract description 18
- 238000001914 filtration Methods 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims 1
- 238000003384 imaging method Methods 0.000 abstract description 5
- 230000000903 blocking effect Effects 0.000 abstract description 4
- 230000008901 benefit Effects 0.000 abstract description 2
- 239000000284 extract Substances 0.000 abstract description 2
- 230000010365 information processing Effects 0.000 abstract description 2
- 230000009466 transformation Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000000844 transformation Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于局部边缘检测的图像聚焦测度实现方法，属于信息处理技术领域。该方法首先对图像进行高斯滤波，然后将滤波后的图像进行分块并对每一幅子图像进行基于矩函数的边缘检测，得到相应子图像的边缘图像。再通过边缘图像来构造子图像的清晰度。最后求出所有子图像清晰度所构成集合的方差，并把该方差值作为整幅图像的聚焦测度。本发明在高斯滤波和图像分块的基础上，采用基于矩函数的边缘检测来提取图像细节信息，具有原理简单、计算复杂度低的优点，通过上述步骤的实施，降低了噪声对图像细节信息的干扰，尤其在低对比度成像条件下的噪声鲁棒性强。本方法适合于相机的被动成像系统，具有较高的推广使用价值。
Description
技术领域
本发明属于信息处理技术领域，具体涉及一种基于局部边缘检测的图像聚焦测度实现方法。
背景技术
日常生活中的拍照设备，例如单反相机、具有照相功能的手机以及路口的监控抓拍系统等都可以获得清晰的图像。然而清晰图像的获取是依赖于拍照设备的自动聚焦性能实现的。目前，市场上的拍照设备主要采用被动成像的自动聚焦技术。其核心是设计一个用于评价图像清晰度的聚焦测度，通过聚焦测度来选择最清晰的图像并保存。因此，一个性能优良的聚焦测度实现方法直接影响到所拍摄图像的质量。
目前使用较为广泛的图像聚焦测度方法是基于图像细节信息来构建的，例如基于图像边缘提取的聚焦测度。典型的方法有图像一阶高斯导数方法、二阶导数方法、一阶偏导数方法、梯度求和方法以及拉普拉斯求和方法等。此类方法的本质是构造一个尺寸为3×3或者5×5卷积模板，用该模板与整幅图像进行卷积运算，这些方法相当于对原始图像进行高通滤波处理，而图像的边缘信息属于“高频信息”。这导致图像的其他噪声也一并进入边缘图像中。在提取出图像的边缘信息后采用取绝对值或者平方求和的形式来构造整幅图像的聚焦测度。此类构造聚焦测度的方法存在如下两个主要缺点。首先是卷积运算复杂度高，需要对整幅图像的所有像素点进行遍历操作，目前还没有较为成熟的快速算法，尤其是硬件设备上的快速算法，使得此类聚焦测度方法的聚焦实时性指标较差。其次是图像的噪声与边缘信息均属于高频信息，经过卷积运算后会增强噪声信息，也就是说此类聚焦测度易受噪声影响，最终导致错误的聚焦。
另外一类聚焦测度方法是基于图像变换的方法，即在变换域(频域)提取图像的高频信息来构建聚焦测度。典型的方法有细尺度小波系数的和、高频与低频小波系数的比率、基于离散余弦变换的聚焦测度、基于曲波变换的聚焦测度以及短时分数阶傅里叶变换的聚焦测度。这些基于变换的方法有一个共同的特点，就是对图像进行变换后提取高频信息，以此来作为图像聚焦测度值。这类方法和前面基于边缘提取的方法在思想方法上是一致的，均强调高频信息。只不过前者是在空域采用卷积的方法来构造聚焦测度，而后者是在频域采用变换的方式来构造聚焦测度。基于图像变换的方法也容易受噪声影响，并且有些变换的计算复杂度比较大，例如小波变换和曲波变换，均没有成熟的硬件快速算法。
上述两类方法还有一个共同的特点是以整幅图像的全局信息来构建聚焦测度。如果图像的背景比较均匀或者比较平滑，此时极易受噪声影响，使得相应的聚焦测度无法反映出图像的清晰度信息。例如用手机的拍照功能在光照条件比较弱的室内或者夜间场景下进行拍照，我们会发现(手机)相机的自动对焦功能并不好用，所拍摄出的图像存在模糊现象并且有颗粒感。这就是聚焦测度算法失效的一个体现。因此，如何构建具有噪声鲁棒性的聚焦测度具有重要的研究意义与实用价值。
发明内容
针对现有技术中存在的问题，本发明提供了一种具有强噪声鲁棒性的图像聚焦测度实现方法，本发明所采取的技术方案如下：
一种基于局部边缘检测的图像聚焦测度实现方法，包括如下步骤：
步骤S1：将原始图像像素的行数和列数均调整为2n+1的整数倍，其中n为一个正整数且n≥2，得到图像f(x，y)，图像f(x，y)的行数和列数分别用M和N表示；然后对f(x，y)进行高斯滤波处理得到滤波后的图像g(x，y)，以此来降低噪声的干扰；
步骤S2：对图像g(x，y)进行分块处理，得到大小为(2n+1)×(2n+1)像素的子图像Si(x，y)，其中i＝1，2，...，M×N/(2n+1)2；子图像Si(x，y)的变量取值为：x＝0，1，...，2n，y＝0，1，...，2n；
步骤S3：对每一幅子图像进行基于矩函数的边缘检测，从而得到边缘图像Ei(u，v)；
步骤S4：由每一幅边缘图像Ei(u，v)来构造子图像的清晰度并标记为Fi；
步骤S5：将所有子图像清晰度Fi所构成的集合记为{Fi|i＝1，2，...，M×N/(2n+1)2}，求该集合的方差，并把方差值作为整幅图像的聚焦测度值。
优选地，所述步骤S1中，高斯滤波的公式为：
优选地，所述步骤S3中，基于矩函数的边缘检测是在子图像Si(x，y)中采用3×3尺寸模板进行遍历，计算其二阶矩函数，其计算公式为：
其中，xu和yv分别是3×3模板的中心像素的横坐标和纵坐标，u＝1，2，...，2n-1，v＝1，2，...，2n-1。
优选地，所述步骤S4中子图像清晰度Fi是通过计算边缘图像Ei(u，v)的能量得到的，具体计算公式为：
现有基于边缘检测算法的聚焦测度是直接对整幅图像提取边缘信息，没有抑制噪声的过程，导致现有方法的抗噪声能力较弱。与现有技术相比，本发明具有的有益效果是：本发明原理简单，采用图像高斯滤波、图像分块、基于矩函数的边缘检测和方差求解这几个关键步骤来提取图像细节信息，同时通过步骤S1～S5的实施，很大程度上降低了噪声对图像细节信息的干扰，使得本方法所得到的聚焦测度有较高的噪声鲁棒性，适合于相机的被动成像系统，尤其是低对比度成像条件下的抗噪声能力较强，适合于推广使用。
附图说明
图1为本发明的实施步骤框图。
具体实施方式
为了便于技术人员理解本发明的技术方案，现结合说明书附图和实施例对本发明的技术方案作进一步详细描述。
本发明提出了一种基于局部边缘检测的图像聚焦测度实现方法，其实施步骤框图如图1所示，在本实施例中，选取n＝3，则该方法各步骤细化为：
步骤S1：将原始图像像素的行数和列数调整为7的整数倍，得到图像f(x，y)，这里假设f(x，y)的行数和列数分别为M和N。可以采用图像像素插值的方法进行缩放或者截取图像中心区域的最大子图像使其行数和列数为7的整数倍。
之所以对图像行数和列数进行调整是因为本发明所提出的方法是在图像分块的基础上来实现的，可以降低后续实施步骤的计算复杂度。
然后对f(x，y)进行高斯滤波处理得到滤波后的图像g(x，y)，以此来降低噪声的干扰，高斯滤波的公式为：
步骤S2：对图像g(x，y)进行分块处理，得到大小为7×7像素的子图像Si(x，y)，其中i＝1，2，...，M×N/49；子图像Si(x，y)的变量取值为：x＝0，1，...，6，y＝0，1，...，6。
之所以对图像进行分块处理是出于降低计算复杂度的考虑。这与传统的空域滤波计算过程中采用逐像素点进行处理的方式相比，大大降低了计算复杂度。此外，基于分块的计算方法还有平滑滤波的效果，能够降低噪声对图像清晰度量化结果的影响。
步骤S3：对每一幅子图像进行基于矩函数的边缘检测，进而得到边缘图像Ei(u，v)；具体方法是在子图像Si(x，y)采用3×3尺寸模板进行遍历，计算其二阶矩函数，其计算公式为：
其中，xu和yv分别是3×3模板的中心像素的横坐标和纵坐标，u＝1，2，...，5，v＝1，2，...，5。
与传统的边缘检测算法不同，基于二阶矩函数的边缘检测是对局部图像进行求和，这一求和过程间接地实现了均匀滤波，进一步增强了所提取边缘的抗噪声鲁棒性。
步骤S4：由每一幅边缘图像Ei(u，v)来构造子图像的清晰度并标记为Fi，清晰度Fi是通过计算边缘图像Ei(u，v)的能量得到的，具体计算公式为：
步骤S5：将所有子图像清晰度Fi所构成的集合记为{Fi|i＝1，2，...，M×N/49}，求该集合的方差，并把方差值作为整幅图像的聚焦测度值。对于一幅聚焦良好的图像，其所包含的细节信息较多，例如边缘信息或者区域边界信息，并且这些细节信息均出现在图像的局部区域中。而这部分信息的提取对于聚焦测度的计算至关重要。这也是本发明实施步骤S2中对图像g(x，y)进行分块操作的另外一个原因。
实际上，图像越清晰，图像的亮度变化越明显，从图像像素值的角度来考虑就是清晰图像的像素值具有较大的离散度。在统计学上通常使用方差来衡量这一离散特性。因此，本发明在步骤S5中通过计算所有子图像的清晰度Fi的方差来得到聚焦测度。
步骤S5所计算出来的方差值越大就意味着每一幅子图像中所包含的清晰度信息的对比度越大，即图像中包含的细节信息越多。
应当说明的是，上述实施例均可根据需要自由组合。以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (2)
1.一种基于局部边缘检测的图像聚焦测度实现方法，其特征在于：具体步骤如下：
步骤S1：将原始图像像素的行数和列数均调整为2n+1的整数倍，其中n为一个正整数且n≥2，得到图像f(x，y)，图像f(x，y)的行数和列数分别用M和N表示；然后对f(x，y)进行高斯滤波处理得到滤波后的图像g(x，y)；
步骤S2：对图像g(x，y)进行分块处理，得到大小为(2n+1)×(2n+1)像素的子图像Si(x，y)，其中i＝1，2，...，M×N/(2n+1)2；子图像Si(x，y)的变量取值为：x＝0，1，...，2n，y＝0，1，...，2n；
步骤S3：对每一幅子图像进行基于矩函数的边缘检测得到边缘图像Ei(u，v)；
步骤S4：由每一幅边缘图像Ei(u，v)来构造子图像的清晰度并标记为Fi；
步骤S5：将所有子图像清晰度Fi所构成的集合记为{Fi|i＝1，2，...，M×N/(2n+1)2}，求该集合的方差，并把方差值作为整幅图像的聚焦测度值；
所述步骤S3中，基于矩函数的边缘检测是在子图像Si(x，y)中采用3×3尺寸模板进行遍历，计算其二阶矩函数，其计算公式为：
其中，xu和yv分别是3×3模板中心像素的横坐标和纵坐标，u＝1，2，...，2n-1，v＝1，2，...，2n-1；
所述步骤S4中，子图像清晰度Fi是通过计算边缘图像Ei(u，v)的能量得到的，具体计算公式为：
2.如权利要求1所述的基于局部边缘检测的图像聚焦测度实现方法，其特征在于：所述步骤S1中，高斯滤波的公式为：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910101913.5A CN109859194B (zh) | 2019-01-25 | 2019-01-25 | 一种基于局部边缘检测的图像聚焦测度实现方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910101913.5A CN109859194B (zh) | 2019-01-25 | 2019-01-25 | 一种基于局部边缘检测的图像聚焦测度实现方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109859194A CN109859194A (zh) | 2019-06-07 |
| CN109859194B true CN109859194B (zh) | 2023-06-02 |
Family
ID=66897408
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910101913.5A Active CN109859194B (zh) | 2019-01-25 | 2019-01-25 | 一种基于局部边缘检测的图像聚焦测度实现方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109859194B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110602426B (zh) * | 2019-09-30 | 2021-06-08 | 华南理工大学 | 一种视频图像边缘提取系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003279311A (ja) * | 2002-03-22 | 2003-10-02 | Olympus Optical Co Ltd | 光学式高さ測定装置及び方法 |
| CN1877438A (zh) * | 2006-07-10 | 2006-12-13 | 南京邮电大学 | 数码相机中自适应自动聚焦方法 |
| CN104715487A (zh) * | 2015-04-01 | 2015-06-17 | 大连理工大学 | 一种基于伪Zernike矩的亚像素边缘检测方法 |
| CN106973219A (zh) * | 2017-02-21 | 2017-07-21 | 苏州科达科技股份有限公司 | 一种基于感兴趣区域的自动聚焦方法及装置 |
| CN108171676A (zh) * | 2017-12-01 | 2018-06-15 | 西安电子科技大学 | 基于曲率滤波的多聚焦图像融合方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7130484B2 (en) * | 2001-10-15 | 2006-10-31 | Jonas August | Biased curve indicator random field filters for enhancement of contours in images |
| CN101739664A (zh) * | 2008-11-21 | 2010-06-16 | 上海电机学院 | 局部几何矩在图像平滑和边缘检测中的应用 |
| CN107240092B (zh) * | 2017-05-05 | 2020-02-14 | 浙江大华技术股份有限公司 | 一种图像模糊度检测方法及装置 |
| CN108257138B (zh) * | 2018-01-26 | 2021-07-30 | 西安工程大学 | 一种基于边缘检测的瓷质绝缘子裂缝特征检测方法 |
-
2019
- 2019-01-25 CN CN201910101913.5A patent/CN109859194B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003279311A (ja) * | 2002-03-22 | 2003-10-02 | Olympus Optical Co Ltd | 光学式高さ測定装置及び方法 |
| CN1877438A (zh) * | 2006-07-10 | 2006-12-13 | 南京邮电大学 | 数码相机中自适应自动聚焦方法 |
| CN104715487A (zh) * | 2015-04-01 | 2015-06-17 | 大连理工大学 | 一种基于伪Zernike矩的亚像素边缘检测方法 |
| CN106973219A (zh) * | 2017-02-21 | 2017-07-21 | 苏州科达科技股份有限公司 | 一种基于感兴趣区域的自动聚焦方法及装置 |
| CN108171676A (zh) * | 2017-12-01 | 2018-06-15 | 西安电子科技大学 | 基于曲率滤波的多聚焦图像融合方法 |
Non-Patent Citations (2)
| Title |
|---|
| Automatic Road Extraction Method Based on Level Set and Shape Analysis;Bibo Lu et al.;2009 Second International Conference on Intelligent Computation Technology and Automation;第03卷(第2009期);第511-514页 * |
| 基于图像矩函数的图像清晰度评价方法;聂凯等;传感技术学报(第10期);第1401-1404页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109859194A (zh) | 2019-06-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109859196B (zh) | 一种基于分块pca的图像聚焦测度实现方法 | |
| Kamble et al. | Performance evaluation of wavelet, ridgelet, curvelet and contourlet transforms based techniques for digital image denoising | |
| Kaur et al. | Survey on multifocus image fusion techniques | |
| WO2022233252A1 (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
| Yue et al. | Image noise estimation and removal considering the bayer pattern of noise variance | |
| CN109859194B (zh) | 一种基于局部边缘检测的图像聚焦测度实现方法 | |
| CN106375675B (zh) | 一种航空相机多曝光图像融合方法 | |
| CN109934876B (zh) | 一种基于二阶矩函数的图像聚焦测度实现方法 | |
| Chen et al. | High-dynamic range, night vision, image-fusion algorithm based on a decomposition convolution neural network | |
| Pei et al. | Joint edge detector based on Laplacian pyramid | |
| CN109785323B (zh) | 一种基于中频滤波的图像聚焦测度实现方法 | |
| CN109859151B (zh) | 一种基于局部直方图的聚焦测度实现方法 | |
| CN109801289A (zh) | 一种基于Gabor变换的图像聚焦测度实现方法 | |
| Khidse et al. | Implementation and comparison of image enhancement techniques | |
| CN109859195B (zh) | 一种基于局部相位特征的图像聚焦测度实现方法 | |
| Allaberdiev et al. | Speeded-up robust feature matching algorithm based on image improvement technology | |
| He et al. | Single-image motion deblurring using an adaptive image prior | |
| Zhu et al. | Image Restoration Based on Wiener Filter and Constrained Least Square Filter | |
| CN109886942A (zh) | 一种基于图像峭度的聚焦测度实现方法 | |
| Guo et al. | A novel autofocus measure based on weighted walsh-hadamard transform | |
| Cao et al. | Auto-focusing evaluation functions in digital image system | |
| CN109886943A (zh) | 一种基于数论变换的图像聚焦测度实现方法 | |
| Wang et al. | Anisotropic Gaussian Side Windows Guided Filtering | |
| Nakamura et al. | Noise-level estimation from single color image using correlations between textures in RGB channels | |
| van Zwanenberg et al. | Camera system performance derived from natural scenes |
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 |