CN109886942A - 一种基于图像峭度的聚焦测度实现方法 - Google Patents
一种基于图像峭度的聚焦测度实现方法 Download PDFInfo
- Publication number
- CN109886942A CN109886942A CN201910101914.XA CN201910101914A CN109886942A CN 109886942 A CN109886942 A CN 109886942A CN 201910101914 A CN201910101914 A CN 201910101914A CN 109886942 A CN109886942 A CN 109886942A
- Authority
- CN
- China
- Prior art keywords
- image
- kurtosis
- subgraph
- axis
- field emission
- 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.)
- Pending
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种基于图像峭度的聚焦测度实现方法,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计算每一幅子图像的峭度。再由峭度信息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,采用计算图像峭度的方式提取图像细节信息,具有原理简单、计算复杂度低的优点,同时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,具体涉及一种基于图像峭度的聚焦测度实现方法。
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:
一种基于图像峭度的聚焦测度实现方法,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的整数倍,其中n为正整数,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×2n像素的子图像Si(x,y),其中y=1,2,...,M×N/22n;子图像Si(x,y)的变量取值为:x=0,1,...,2n-1,y=0,1,...,2n-1;
步骤S3:计算每一幅子图像沿x轴的峭度KXi和沿y轴的峭度KYi;
步骤S4:由子图像的峭度信息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/22n},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:
其中σ=3。
优选地,所述步骤S3中,计算沿x轴的峭度KXi和沿y轴的峭度KYi需要使用图像的中心矩函数。
子图像Si(x,y)中心矩函数的计算公式为:
其中x0=Ti(1,0)/Ti(0,0),y0=Ti(0,1)/Ti(0,0),分别代表子图像重心坐标的x轴分量和y轴分量。
沿x轴的峭度KXi和沿y轴的峭度KYi计算公式为:
KXi=(Ti(4,0)/Ti(2,0)2)-3,KYi=(Ti(0,4)/Ti(0,2)2)-3。
优选地,所述步骤S4中子图像清晰度Fi等于沿x轴的峭度KXi和沿y轴的峭度KYi的平均值,具体计算公式为:
Fi=(KXi+KYi)/2。
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、计算图像峭度以及方差运算这四个关键步骤来提取图像细节信息,具有计算复杂度低的优点,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图像峭度的聚焦测度实现方法,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8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。调整方法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8的整数倍。
对图像的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:
其中σ=3。
步骤S2:对图像g(x,y)进行分块处理,得到大小为8×8像素的子图像Si(x,y),其中i=1,2,...,M×N/64;子图像Si(x,y)的变量取值为:x=0,1,...,7,y=0,1,...,7。
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:计算每一幅子图像沿x轴的峭度KXi和沿y轴的峭度KYi,而图像峭度的计算需要使用图像的中心矩函数。子图像Si(x,y)的中心矩函数的计算公式为:
其中x0=Ti(1,0)/Ti(0,0),y0=Ti(0,1)/Ti(0,0)分别代表子图像重心坐标的x轴分量和y轴分量。
从图像中心矩函数的计算公式可以看出,它是对局部图像进行“累加求和”,这一求和过程间接地实现了均匀滤波,进一步增强了本发明所提出方法的抗噪声鲁棒性。
沿x轴的峭度KXi和沿y轴的峭度KYi计算公式为:
KXi=(Ti(4,0)/Ti(2,0)2)-3,KYi=(Ti(0,4)/Ti(0,2)2)-3。
图像峭度用于衡量图像中局部像素值变化的“剧烈程度”,峭度值越大表示图像中所包含的细节信息越丰富,或者说图像越清晰。使用沿x轴的峭度KXi和沿y轴的峭度KYi可以有效的表征图像的细节信息,并且峭度是使用图像中心矩函数计算得到的,具有较强的抗噪声鲁棒性。
步骤S4:由子图像的峭度信息来构造子图像的清晰度并标记为Fi,清晰度Fi等于沿x轴的峭度KXi和沿y轴的峭度KYi的平均值,具体计算公式为:
Fi=(KXi+KYi)/2。
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/64},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。
在其他实施例中,也可以选择其他的n值,例如,若要降低计算复杂度,可以选择分块大小为16×16或者32×32像素。注意,若步骤S2中子图像的大小发生变化,对应的步骤S1中,图像的行数和列数也应进行相应倍数的调整。
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 (4)
1.一种基于图像峭度的聚焦测度实现方法,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的整数倍,其中n为正整数,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×2n像素的子图像Si(x,y),其中i=1,2,...,M×N/22n;子图像Si(x,y)的变量取值为:x=0,1,...,2n-1,y=0,1,...,2n-1;
步骤S3:计算每一幅子图像沿x轴的峭度KXi和沿y轴的峭度KYi;
步骤S4:由子图像的峭度信息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/22n},求该集合的方差,并把方差值作为整幅图像的聚焦测度值。
2.如权利要求1所述的基于图像峭度的聚焦测度实现方法,其特征在于:所述步骤S1中,高斯滤波的公式为:
其中σ=3。
3.如权利要求1所述的基于图像峭度的聚焦测度实现方法,其特征在于:所述步骤S3中,计算沿x轴的峭度KXi和沿y轴的峭度KYi需要使用图像的中心矩函数;子图像Si(x,y)的中心矩函数的计算公式为:
其中,x0=Ti(1,0)/Ti(0,0),y0=Ti(0,1)/Ti(0,0),分别代表子图像重心坐标的x轴分量和y轴分量;
沿x轴的峭度KXi和沿y轴的峭度KYi计算公式为:
KXi=(Ti(4,0)/Ti(2,0)2)-3,KYi=(Ti(0,4)/Ti(0,2)2)-3。
4.如权利要求1所述的基于图像峭度的聚焦测度实现方法,其特征在于:所述步骤S4中子图像清晰度Fi等于沿x轴的峭度KXi和沿y轴的峭度KYi的平均值,具体计算公式为:
Fi=(KXi+KYi)/2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910101914.XA CN109886942A (zh) | 2019-01-25 | 2019-01-25 | 一种基于图像峭度的聚焦测度实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910101914.XA CN109886942A (zh) | 2019-01-25 | 2019-01-25 | 一种基于图像峭度的聚焦测度实现方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109886942A true CN109886942A (zh) | 2019-06-14 |
Family
ID=66927861
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910101914.XA Pending CN109886942A (zh) | 2019-01-25 | 2019-01-25 | 一种基于图像峭度的聚焦测度实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109886942A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111080595A (zh) * | 2019-12-09 | 2020-04-28 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置、电子设备及计算机可读介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1669338A (zh) * | 2002-07-17 | 2005-09-14 | 皇家飞利浦电子股份有限公司 | 用于测量视频数据质量的方法和设备 |
CN105354817A (zh) * | 2015-09-25 | 2016-02-24 | 济南中维世纪科技有限公司 | 一种噪声图像自动聚焦方法 |
CN106546400A (zh) * | 2016-09-30 | 2017-03-29 | 南京航空航天大学 | 一种多输入多输出非高斯随机振动试验系统及试验方法 |
CN108605102A (zh) * | 2015-12-09 | 2018-09-28 | 前视红外系统股份公司 | 动态框架速率控制的热成像系统和方法 |
-
2019
- 2019-01-25 CN CN201910101914.XA patent/CN109886942A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1669338A (zh) * | 2002-07-17 | 2005-09-14 | 皇家飞利浦电子股份有限公司 | 用于测量视频数据质量的方法和设备 |
CN105354817A (zh) * | 2015-09-25 | 2016-02-24 | 济南中维世纪科技有限公司 | 一种噪声图像自动聚焦方法 |
CN108605102A (zh) * | 2015-12-09 | 2018-09-28 | 前视红外系统股份公司 | 动态框架速率控制的热成像系统和方法 |
CN106546400A (zh) * | 2016-09-30 | 2017-03-29 | 南京航空航天大学 | 一种多输入多输出非高斯随机振动试验系统及试验方法 |
Non-Patent Citations (7)
Title |
---|
LIQIANG GUO等: ""Focus Measure Based on the Image Moments"", 《2018 IEEE INTERNATIONAL CONFERENCE ON MECHATRONICS AND AUTOMATION (ICMA)》, 7 October 2018 (2018-10-07), pages 1151 - 1156 * |
LIQIANG GUO等: ""Focus Measure Based on the Image Moments"", 《2018 IEEE INTERNATIONAL CONFERENCE ON MECHATRONICS AND AUTOMATION (ICMA)》, pages 1151 - 1156 * |
刘晓芳: ""自动聚焦系统清晰度评价及窗口构建的研究"", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 09, 15 September 2017 (2017-09-15), pages 20 - 22 * |
刘晓芳: ""自动聚焦系统清晰度评价及窗口构建的研究"", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 09, pages 20 - 22 * |
肖文: ""空域无参考的图像质量评价"", 《中国优秀博硕士学位论文全文数据库 (硕士) 信息科技辑》, no. 04, pages 18 - 21 * |
赵金才: ""坐标测量系统零件信息提取与位姿自动识别的研究"", 《中国博士学位论文全文数据库工程科技Ⅱ辑》, no. 02, 15 February 2007 (2007-02-15), pages 99 - 102 * |
赵金才: ""坐标测量系统零件信息提取与位姿自动识别的研究"", 《中国博士学位论文全文数据库工程科技Ⅱ辑》, no. 02, pages 102 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111080595A (zh) * | 2019-12-09 | 2020-04-28 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置、电子设备及计算机可读介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103606132B (zh) | 基于空域和时域联合滤波的多帧数字图像去噪方法 | |
CN108122206A (zh) | 一种低照度图像降噪方法及装置 | |
CN104023166B (zh) | 一种环境自适应视频图像降噪方法及装置 | |
KR101664123B1 (ko) | 필터링에 기반하여 고스트가 없는 hdri를 생성하는 장치 및 방법 | |
CN107403134B (zh) | 基于局部梯度三边的图域多尺度红外弱小目标检测方法 | |
CN104282003B (zh) | 一种基于梯度筛选的数字模糊图像盲复原方法 | |
CN109782414A (zh) | 一种基于无参考结构清晰度的自动调焦方法 | |
Bhatnagar et al. | An image fusion framework based on human visual system in framelet domain | |
CN109859196A (zh) | 一种基于分块pca的图像聚焦测度实现方法 | |
CN109949256B (zh) | 一种基于傅里叶变换的天文图像融合方法 | |
Zhang et al. | Single image dehazing based on fast wavelet transform with weighted image fusion | |
CN110414558A (zh) | 基于事件相机的特征点匹配方法 | |
CN109801289A (zh) | 一种基于Gabor变换的图像聚焦测度实现方法 | |
CN109801288A (zh) | 一种基于方向统计特性的图像聚焦测度实现方法 | |
Paul et al. | Filters used in x-ray chest images for initial stage tuberculosis detection | |
CN109886942A (zh) | 一种基于图像峭度的聚焦测度实现方法 | |
CN110351453A (zh) | 一种计算机视频数据处理方法 | |
CN109658357A (zh) | 一种面向遥感卫星图像的去噪方法 | |
CN109859194A (zh) | 一种基于局部边缘检测的图像聚焦测度实现方法 | |
Gao et al. | Infrared and visible image fusion using dual-tree complex wavelet transform and convolutional sparse representation | |
CN109934876A (zh) | 一种基于二阶矩函数的图像聚焦测度实现方法 | |
CN109886943A (zh) | 一种基于数论变换的图像聚焦测度实现方法 | |
CN105260992B (zh) | 基于鲁棒主成分分解和特征空间重构的交通图像去噪方法 | |
CN116350198A (zh) | 一种远距离移动目标心率实时监测方法 | |
CN109785323A (zh) | 一种基于中频滤波的图像聚焦测度实现方法 |
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 |