CN111275625A - 一种图像去模糊方法、装置及电子设备 - Google Patents
一种图像去模糊方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111275625A CN111275625A CN201811473221.5A CN201811473221A CN111275625A CN 111275625 A CN111275625 A CN 111275625A CN 201811473221 A CN201811473221 A CN 201811473221A CN 111275625 A CN111275625 A CN 111275625A
- Authority
- CN
- China
- Prior art keywords
- target
- blurred image
- depth
- depth value
- image
- 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 53
- 238000013500 data storage Methods 0.000 claims description 37
- 238000004891 communication Methods 0.000 claims description 19
- 238000012163 sequencing technique Methods 0.000 claims description 18
- 238000012886 linear function Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 description 9
- 238000001228 spectrum Methods 0.000 description 8
- 238000010276 construction Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 230000001629 suppression Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
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
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20201—Motion blur correction
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供了一种图像去模糊方法、装置及电子设备,所述方法包括:获得待去模糊的目标模糊图像和目标模糊图像对应的深度信息;基于目标模糊图像对应的深度信息,确定目标模糊图像的目标深度值,目标深度值用于表征目标模糊图像所包含的各个像素点的平均深度;基于预先构建的关于模糊图像的深度值与模糊核参数的对应关系,确定目标深度值对应的目标模糊核参数;生成具有目标模糊核参数的目标模糊核;利用目标模糊核,对目标模糊图像执行解卷积操作,得到目标模糊图像对应的去模糊图像。通过本发明实施例提供的技术方案,可以提高确定模糊图像的模糊核的效率,进而快速地得到模糊图像对应的去模糊图像。
Description
技术领域
本发明涉及图像处理技术领域,特别是涉及一种图像去模糊方法、装置及电子设备。
背景技术
在拍摄图像时,可能由于物体发生运动或者相机对焦不准确等原因而导致所拍摄的图像为模糊图像。为了使得模糊图像能够清晰,需要对模糊图像进行图像去模糊处理。
通常情况下,模糊图像被认为是原始的清晰图像卷积模糊核所得到的,相应的,图像去模糊的过程为利用模糊核对模糊图像进行解卷积操作的过程,其中,模糊核通常为矩阵。图像去模糊可以分为两类,分别为图像非盲去模糊和图像盲去模糊。其中,可以将模糊核已知的图像去模糊过程称为图像非盲去模糊;可以将模糊核未知的图像去模糊过程称为图像盲去模糊。
相关技术中,针对于盲去模糊的图像去模糊方法为:利用模糊核确定方法,确定模糊图像的模糊核;利用所确定的模糊核对该模糊图像进行解卷积操作,得到该模糊图像对应的去模糊图像。其中,一种利用模糊核确定方法,确定模糊图像的模糊核的过程可以为:对模糊图像进行预处理,得到预处理后的模糊图像;提取预处理后的模糊图像的边缘;利用所提取的边缘,预测清晰图像的边缘;根据模糊生成模型以及图像先验知识,构建优化代价函数;对代价函数进行优化求解,从而估计出模糊核。可见,确定模糊图像的模糊核所采用的模糊核确定方法较为复杂,导致确定模糊图像的模糊核的效率较低,从而导致图像盲去模糊的效率较低。
发明内容
本发明实施例的目的在于提供一种图像去模糊方法、装置及电子设备,以提高确定模糊图像的模糊核的效率,进而快速地得到模糊图像对应的去模糊图像。具体技术方案如下:
第一方面,本发明实施例提供了一种图像去模糊方法,所述方法包括:
获得待去模糊的目标模糊图像和所述目标模糊图像对应的深度信息;
基于所述目标模糊图像对应的深度信息,确定所述目标模糊图像的目标深度值,所述目标深度值用于表征所述目标模糊图像所包含的各个像素点的平均深度;
基于预先构建的关于模糊图像的深度值与模糊核参数的对应关系,确定所述目标深度值对应的目标模糊核参数;
生成具有所述目标模糊核参数的目标模糊核;
利用所述目标模糊核,对所述目标模糊图像执行解卷积操作,得到所述目标模糊图像对应的去模糊图像。
可选的,所述基于所述目标模糊图像对应的深度信息,确定所述目标模糊图像的目标深度值的步骤,包括:
从所述目标模糊图像对应的深度信息中,确定所述目标模糊图像的感兴趣区域对应的目标深度信息;
基于所确定的目标深度信息,确定所述目标模糊图像的目标深度值。
可选的,所述基于所确定的目标深度信息,确定所述目标模糊图像的目标深度值的步骤,包括:
计算所确定的目标深度信息中的各个深度值的平均值,并将所述平均值作为所述目标模糊图像的目标深度值。
可选的,所述基于所确定的目标深度信息,确定所述目标模糊图像的目标深度值的步骤,包括:
将所确定的目标深度信息中的各个深度值按照数值大小进行排序;
将排序所得的序列中的中间值,确定为所述目标模糊图像的目标深度值。
可选的,所述关于模糊图像的深度值与模糊核参数的对应关系的表示形式为预定数据存储形式,所述预定数据存储形式包括多个数据元素,任一数据元素包含一张模糊图像的深度值和该张模糊图像对应的模糊核参数;
所述基于预先构建的关于模糊图像的深度值与模糊核参数的对应关系,确定所述目标深度值对应的目标模糊核参数的步骤,包括:
判断所述预定数据存储形式中所包括的深度值中,是否存在所述目标深度值;
若存在,将所述预定数据存储形式中所述目标深度值所对应的模糊核参数,确定为目标模糊核参数;
若不存在,在所述预定数据存储形式中,确定与所述目标深度值大小相邻的两个深度值所对应的两个模糊核参数,并通过线性插值的方式确定所述两个模糊核参数对应的目标模糊核参数,或者,对所述两个模糊核参数进行加权求和,得到所述目标模糊核参数。
可选的,所述关于模糊图像的深度值与模糊核参数的对应关系的表示形式为:关于模糊图像的深度值与模糊核参数的线性函数;
所述基于预先构建的关于模糊图像的深度值与模糊核参数的对应关系,确定所述目标深度值对应的目标模糊核参数的步骤,包括:
将所述目标深度值代入所述线性函数中,得到目标模糊核参数。
可选的,所述关于模糊图像的深度值与模糊核参数的对应关系的构建方式包括:
获取至少两张样本模糊图像和各张样本模糊图像对应的深度信息;
针对每一张样本模糊图像,基于该张样本模糊图像对应的深度信息,确定该张样本模糊图像的深度值,该张样本模糊图像的深度值用于表征该张样本模糊图像所包含的各个像素点的平均深度;
针对每一张样本模糊图像,确定该张样本模糊图像对应的模糊核参数;
基于各张样本模糊图像的深度值与各张样本模糊图像对应的模糊核参数,得到关于模糊图像的深度值与模糊核参数的对应关系。
第二方面,本发明实施例提供了一种图像去模糊装置,所述装置包括:
信息获取模块,用于获得待去模糊的目标模糊图像和所述目标模糊图像对应的深度信息;
深度值确定模块,用于基于所述目标模糊图像对应的深度信息,确定所述目标模糊图像的目标深度值,所述目标深度值用于表征所述目标模糊图像所包含的各个像素点的平均深度;
模糊核参数确定模块,用于基于预先构建的关于模糊图像的深度值与模糊核参数的对应关系,确定所述目标深度值对应的目标模糊核参数;
模糊核生成模块,用于生成具有所述目标模糊核参数的目标模糊核;
去模糊模块,用于利用所述目标模糊核,对所述目标模糊图像执行解卷积操作,得到所述目标模糊图像对应的去模糊图像。
可选的,所述深度值确定模块,包括:
深度信息确定子模块,用于从所述目标模糊图像对应的深度信息中,确定所述目标模糊图像的感兴趣区域对应的目标深度信息;
深度值确定子模块,用于基于所确定的目标深度信息,确定所述目标模糊图像的目标深度值。
可选的,所述深度值确定子模块,具体用于:
计算所确定的目标深度信息中的各个深度值的平均值,并将所述平均值作为所述目标模糊图像的目标深度值。
可选的,所述深度值确定子模块,具体用于:
将所确定的目标深度信息中的中各个深度值按照数值大小进行排序;
将排序所得的序列中的中间值,确定为所述目标模糊图像的目标深度值。
可选的,所述关于模糊图像的深度值与模糊核参数的对应关系的表示形式为预定数据存储形式,所述预定数据存储形式包括多个数据元素,任一数据元素包含一张模糊图像的深度值和该张模糊图像对应的模糊核参数;
所述模糊核参数确定模块,具体用于:
判断所述预定数据存储形式中所包括的深度值中,是否存在所述目标深度值;
若存在,将所述预定数据存储形式中所述目标深度值所对应的模糊核参数,确定为目标模糊核参数;
若不存在,在所述预定数据存储形式中,确定与所述目标深度值大小相邻的两个深度值所对应的两个模糊核参数,并通过线性插值的方式确定所述两个模糊核参数对应的目标模糊核参数,或者,对所述两个模糊核参数进行加权求和,得到所述目标模糊核参数。
可选的,所述关于模糊图像的深度值与模糊核参数的对应关系的表示形式为:关于模糊图像的深度值与模糊核参数的线性函数;
所述模糊核参数确定模块,具体用于:
将所述目标深度值代入所述线性函数中,得到目标模糊核参数。
可选的,所述关于模糊图像的深度值与模糊核参数的对应关系的构建方式包括:
获取至少两张样本模糊图像和各张样本模糊图像对应的深度信息;
针对每一张样本模糊图像,基于该张样本模糊图像对应的深度信息,确定该张样本模糊图像的深度值,该张样本模糊图像的深度值用于表征该张样本模糊图像所包含的各个像素点的平均深度;
针对每一张样本模糊图像,确定该张样本模糊图像对应的模糊核参数;
基于各张样本模糊图像的深度值与各张样本模糊图像对应的模糊核参数,得到关于模糊图像的深度值与模糊核参数的对应关系。
第三方面,本发明实施例提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的计算机程序,实现第一方面所述的图像去模糊方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现第一方面所述的图像去模糊方法。
本发明实施例提供的技术方案,获得待去模糊的目标模糊图像和目标模糊图像对应的深度信息;基于目标模糊图像对应的深度信息,确定目标模糊图像的目标深度值,该目标深度值用于表征目标模糊图像所包含的各个像素点的平均深度;基于预先构建的关于模糊图像的深度值与模糊核参数的对应关系,确定目标深度值对应的目标模糊核参数;生成具有目标模糊核参数的目标模糊核;利用目标模糊核,对目标模糊图像执行解卷积操作,得到目标模糊图像对应的去模糊图像。可见,通过本发明实施例提供的技术方案,可以通过预先构建的模糊图像的深度值与模糊核参数的对应关系,快速确定目标深度值的目标模糊核参数,进而快速地生成模糊核,并快速地得到目标模糊图像对应的去模糊图像,即提高了图像盲去模糊的效率。
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为本发明实施例所提供的一种图像去模糊方法的流程图;
图2为本发明实施例所提供的关于模糊图像的深度值与模糊核参数的对应关系的构建方式的流程图;
图3为本发明实施例所提供的一种图像去模糊装置的示意图;
图4为本发明实施例所提供的一种电子设备的结构示意图。
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做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。
为了提高确定模糊图像的模糊核的效率,进而快速地得到模糊图像对应的去模糊图像,本发明实施例提供了一种图像去模糊方法、装置及电子设备。
第一方面,下面首先对本发明实施例所提供的一种图像去模糊方法进行介绍。
需要说明的是,本发明实施例所提供的一种图像去模糊方法的执行主体可以为一种图像去模糊装置,该图像去模糊装置可以运行于一种用于数据处理的电子设备。该电子设备可以是终端,还可以是服务器等,本发明实施例对电子设备不做具体限定。
如图1所示,本发明实施例所提供的一种图像去模糊方法,可以包括如下步骤:
S110,获得待去模糊的目标模糊图像和目标模糊图像对应的深度信息。
在拍摄图像时,可能由于物体发生运动或者相机对焦不准确等原因而导致所拍摄的图像为模糊图像。为了使得模糊图像能够清晰,需要对模糊图像进行图像去模糊处理。其中,任一待去模糊的图像均可以为目标模糊图像。
可以理解的是,相机可以用于采集目标模糊图像,该相机可以为彩色相机,或者灰度相机,这都是合理的。图像去模糊方法的执行主体可以获取相机所采集的目标模糊图像。
深度传感器可以用于获取目标模糊图像对应的深度信息。该深度传感器可以是任意能够获得图像深度信息的传感器。例如,该深度传感器可以为激光测距传感器、微波测距传感器、双目相机、飞行时间深度相机、线结构光视觉传感器、线激光深度传感器、点激光深度传感器、面结构光视觉传感器等。本发明实施例对深度传感器不做具体限定。图像去模糊方法的执行主体可以从深度传感器获取目标模糊图像对应的深度信息。
需要说明的是,目标模糊图像对应的深度信息可以包括:目标模糊图像所包含的各个像素点的深度信息;或者,目标模糊图像对应的深度信息可以包括:目标模糊图像的感兴趣区域所包含的各个像素点的深度信息,这都是合理的。其中,目标模糊图像的感兴趣区域通常为用户较为感兴趣的区域,该感兴趣区域可以是用户手动设置的,还可以通过其他方式获得。本发明实施例对目标模糊图像的感兴趣区域的获得方式不做具体限定。
S120,基于目标模糊图像对应的深度信息,确定目标模糊图像的目标深度值,目标深度值用于表征目标模糊图像所包含的各个像素点的平均深度。
由上述描述可知,目标模糊图像对应的深度信息可以包括:目标模糊图像所包含的各个像素点的深度信息;或者,目标模糊图像对应的深度信息可以包括:目标模糊图像的感兴趣区域所包含的各个像素点的深度信息。
作为本发明实施例的一种实现方式,目标模糊图像对应的深度信息可以包括:目标模糊图像所包含的各个像素点的深度信息。
在一种实施方式中,可以将目标模糊图像所包含的各个像素点的深度信息的平均值确定为目标模糊图像的目标深度值;还可以将目标模糊图像所包含的各个像素点的深度信息按照数值大小进行排序,并将排序所得的序列中的中间值,确定为目标模糊图像的目标深度值。
在另一种实施方式中,基于目标模糊图像对应的深度信息,确定目标模糊图像的目标深度值的步骤,可以包括:
从目标模糊图像对应的深度信息中,确定目标模糊图像的感兴趣区域对应的目标深度信息;
基于所确定的感兴趣区域对应的目标深度信息,确定目标模糊图像的目标深度值。
其中,第一种方式中,基于所确定的感兴趣区域对应的目标深度信息,确定目标模糊图像的目标深度值的步骤,可以包括:
计算所确定的感兴趣区域对应的目标深度信息中的各个深度值的平均值,并将平均值作为目标模糊图像的目标深度值。
其中,目标深度信息可以包含感兴趣区域所包含的各个像素点的深度值,也就是说,目标深度信息包含多个深度值。
第二种方式中,基于所确定的感兴趣区域对应的目标深度信息,确定目标模糊图像的目标深度值的步骤,可以包括:
将所确定的感兴趣区域对应的目标深度信息中的各个深度值按照数值大小进行排序;
将排序所得的序列中的中间值,确定为目标模糊图像的目标深度值。
在该实施方式中,由于目标模糊图像的感兴趣区域通常为用户较为感兴趣的区域,因此通过感兴趣区域对应的目标深度信息所确定的目标深度值,可以用于表征整张目标模糊图像所包含的各个像素点的平均深度。
作为本发明实施例的另一种实现方式,目标模糊图像对应的深度信息可以包括:目标模糊图像的感兴趣区域所包含的各个像素点的深度信息。
在该实现方式中,可以将感兴趣区域所包含的各个像素点的深度信息的平均值确定为目标模糊图像的目标深度值;还可以将感兴趣区域所包含的各个像素点的深度信息按照数值大小进行排序,并将排序所得的序列中的中间值,确定为目标模糊图像的目标深度值。
S130,基于预先构建的关于模糊图像的深度值与模糊核参数的对应关系,确定目标深度值对应的目标模糊核参数。
需要说明的是,在对模糊图像去模糊之前,本发明实施例所提供的技术方案可以进行标定阶段。在该标定阶段中,可以构建关于模糊图像的深度值与模糊核参数的对应关系。
其中,关于模糊图像的深度值与模糊核参数的对应关系的表现形式可以为预定数据存储形式,该预定数据存储形式可以包括多个数据元素,任一数据元素包含一张模糊图像的深度值和该张模糊图像对应的模糊核参数。预定数据储存形式可以为数组、表格或者链表等,本发明实施例对预定数据存储形式不做具体限定。
并且,关于模糊图像的深度值与模糊核参数的对应关系的表现形式还可以为关于模糊图像的深度值与模糊核参数的线性函数。因此,可以利用标定阶段中预先构建的关于模糊图像的深度值与模糊核参数的线性参数,确定目标深度值对应的目标模糊核参数。
其中,目标模糊核参数可以为模糊核半径,也可以为模糊核的二维数组等。举例而言,对于散焦模糊(物体不在焦平面上)而言,目标模糊核参数可以用模糊核半径。本领域技术技术人员可以理解不同类型的图像模糊的模糊核参数,在此不再赘述。
在一种实施方式中,关于模糊图像的深度值与模糊核参数的对应关系的表示形式为预定数据存储形式,预定数据存储形式包括多个数据元素,任一数据元素包含一张模糊图像的深度值和该张模糊图像对应的模糊核参数;
基于预先构建的关于模糊图像的深度值与模糊核参数的对应关系,确定目标深度值对应的目标模糊核参数的步骤,可以包括:
判断预定数据存储形式中所包括的深度值中,是否存在目标深度值;
若存在,将预定数据存储形式中目标深度值所对应的模糊核参数,确定为目标模糊核参数;
若不存在,在预定数据存储形式中,确定与目标深度值大小相邻的两个深度值所对应的两个模糊核参数,并通过线性插值的方式确定所述两个模糊核参数对应的目标模糊核参数,或者,对所述两个模糊核参数进行加权求和,得到所述目标模糊核参数。
其中,上述预定数据储存形式可以为数组、表格或者链表等,本发明实施例对预定数据存储形式不做具体限定。
下面以上述数据存储形式为数组进行说明。
在确定目标深度值对应的目标模糊核参数时,可以判断数组中所包含的深度值中是否存在目标深度值,如果数组中所包含的深度值中存在目标深度值,那么可以直接将数组中目标深度值对应的模糊核参数,确定为目标模糊核参数。如果数组中所包含的深度值不存在目标深度值,那么可以在数组中查找与目标深度值大小相邻的两个深度值,以及这两个深度值分别对应的模糊核参数,然后通过线性插值的方式确定所查找到的两个模糊核参数对应的目标模糊核参数;或者,对所查找到的两个模糊核参数进行加权求和,进而得到目标模糊核参数。
需要说明的是,在对所查找到的两个模糊核参数进行加权求和的过程中,可以根据实际情况设定两个模糊核参数对应的加权系数,本发明实施例对加权系数不作具体限定。例如,所查找到的两个模糊核参数对应的加权系数可以均为0.5;或者,其中一个模糊核参数对应的加权系数为0.3,另一个模糊核参数对应的加权系数为0.7。这都是合理的。
举例而言,数组中包含5个数组元素,这5个数组元素分别为:(40,6)、(45,8)、(50,10)、(55,12)及(60,14)。其中,40、45、50、55及60表示深度值,6、8、10、12及14表示模糊核参数。假设目标深度值为53,可见,在数组中所包含的数组元素不包含该目标深度,那么,可以查找数组中,与该目标深度值大小相邻的两个深度值,很显然,与目标深度值53大小相邻的两个深度值50和55,并且,深度值50对应的模糊核参数为10;深度值55对应的模糊核参数为12。
作为本发明实施例的一种实现方式,可以通过线性插值计算得到目标模糊核参数,通过计算可以得到该目标模糊核参数为11.2。
作为本发明实施例的另一种实现方式,可以对模糊核参数10和模糊核参数12进行加权求和,得到目标模糊核参数。例如,当模糊核参数10对应的加权系数为0.5,模糊核参数12对应的加权系数为0.5,该目标模糊核参数可以为11。再例如,当模糊核参数10对应的加权系数为0.4,模糊核参数12对应的加权系数为0.6,该目标模糊核参数为11.2。
在另一种实施方式中,关于模糊图像的深度值与模糊核参数的对应关系的表示形式为:关于模糊图像的深度值与模糊核参数的线性函数;
基于预先构建的关于模糊图像的深度值与模糊核参数的对应关系,确定目标深度值对应的目标模糊核参数的步骤,可以包括:
将目标深度值代入线性函数中,得到目标模糊核参数。
在该实施例方式中,在确定目标深度值对应的目标模糊核参数时,可以将目标深度值代入线性函数中,进而得到目标模糊核参数。
举例而言,关于模糊图像的深度值与模糊核参数的线性函数为:r=kD+b,其中,k和b为常数,D表示深度值,r模糊核参数。可见,在得知目标深度值后,将目标深度值代入该线性函数中,即可以得到目标模糊核参数。
为了方案完整及描述清楚,将在下面实施例中对关于模糊图像的深度值与模糊核参数的对应关系的构建方式进行详细介绍。
S140,生成具有目标模糊核参数的目标模糊核。
在得到目标模糊核参数后,可以采用生成模糊核的算法生成目标模糊核,其中,对于不同的模糊类型,生成模糊核的算法可能不同。
举例而言,对于散焦模糊而言,可以按照下列公式来生成模糊核:
其中,(x,y)为模糊核的像素点位置信息,r为模糊核的半径。
S150,利用目标模糊核,对目标模糊图像执行解卷积操作,得到目标模糊图像对应的去模糊图像。
在得到目标模糊核后,可以利用目标模糊核对目标模糊图像执行解卷积操作,从而得到目标模糊图像对应的去模糊图像,即可以得到目标模糊图像对应的清晰图像。
本发明实施例提供的技术方案,获得待去模糊的目标模糊图像和目标模糊图像对应的深度信息;基于目标模糊图像对应的深度信息,确定目标模糊图像的目标深度值,该目标深度值用于表征目标模糊图像所包含的各个像素点的平均深度;基于预先构建的关于模糊图像的深度值与模糊核参数的对应关系,确定目标深度值对应的目标模糊核参数;生成具有目标模糊核参数的目标模糊核;利用目标模糊核,对目标模糊图像执行解卷积操作,得到目标模糊图像对应的去模糊图像。可见,通过本发明实施例提供的技术方案,可以通过预先构建的模糊图像的深度值与模糊核参数的对应关系,快速确定目标深度值的目标模糊核参数,进而快速地生成模糊核,并快速地得到目标模糊图像对应的去模糊图像,即提高了图像盲去模糊的效率。
为了方案完整及描述清楚,将在下面实施例中对关于模糊图像的深度值与模糊核参数的对应关系的构建方式进行详细介绍。
需要说明的是,在对模糊图像进行去模糊之前,可以进行标定阶段,在该标定阶段,可以构建关于模糊图像的深度值与模糊核参数的对应关系。
在一种实施方式中,关于模糊图像的深度值与模糊核参数的对应关系的构建方式,如图2所示,可以包括如下步骤:
S210,获取至少两张样本模糊图像和各张样本模糊图像对应的深度信息。
在标定阶段,可以利用相机来采集至少两张样本模糊图像,该相机可以为彩色相机,或灰度相机,这都是合理的。可以利用深度传感器来获取各张样本模糊图像对应的深度信息。该深度传感器可以是任意能够获得图像深度信息的传感器。例如,该深度传感器可以为激光测距传感器、微波测距传感器、双目相机、飞行时间深度相机、线结构光视觉传感器、线激光深度传感器、点激光深度传感器、面结构光视觉传感器等。本发明实施例对深度传感器不做具体限定。
需要说明的是,获取样本模糊图像和样本模糊图像对应的深度信息的方式可以有多种。
在一种实施方式中,可以获取多个已知高度的立方体,其中,该多个立方体表面具有一定的边缘或者纹理信息。利用相机分别采集这多个立方体的图像,将相机所采集的多张图像作为多张模糊图像,并利用深度传感器获得多张模糊图像的深度信息。
在另一种实施方式中,获取单个表面较为平坦的物体以及能够改变物体高度的升降设备,该升降设备可以为:升降台或者人为抬升;将该物体放置于升降设备上,升降设备每改变一次高度,相机可以采集一张物体的图像。这样,升降设备改变多次高度,相机可以采集到多张物体图像。将相机所采集的多张物体图像作为多张模糊图像,并利用深度传感器获得多张模糊图像的深度信息。
需要强调的是,样本模糊图像对应的深度信息可以包括:样本模糊图像所包含的各个像素点的深度信息;或者,样本模糊图像对应的深度信息可以包括:样本模糊图像的感兴趣区域所包含的各个像素点的深度信息,这都是合理的。其中,样本模糊图像的感兴趣区域通常为用户较为感兴趣的区域,该感兴趣区域可以是用户手动设置的,还可以通过其他方式获得。本发明实施例对样本模糊图像的感兴趣区域的获得方式不做具体限定。
S220,针对每一张样本模糊图像,基于该张样本模糊图像对应的深度信息,确定该张样本模糊图像的深度值,该张样本模糊图像的深度值用于表征该张样本模糊图像所包含的各个像素点的平均深度。
由上述描述可知,样本模糊图像对应的深度信息可以包括:样本模糊图像所包含的各个像素点的深度信息;或者,样本模糊图像对应的深度信息可以包括:样本模糊图像的感兴趣区域所包含的各个像素点的深度信息。
作为本发明实施例的一种实现方式,样本模糊图像对应的深度信息可以包括:样本模糊图像所包含的各个像素点的深度信息。
在一种实施方式中,可以将样本模糊图像所包含的各个像素点的深度信息的平均值确定为样本模糊图像的样本深度值;还可以将样本模糊图像所包含的各个像素点的深度信息按照数值大小进行排序,并将排序所得的序列中的中间值,确定为样本模糊图像的样本深度值。
在另一种实施方式中,基于样本模糊图像对应的深度信息,确定样本模糊图像的样本深度值的步骤,可以包括:
从样本模糊图像对应的深度信息中,确定样本模糊图像的感兴趣区域对应的样本深度信息;
基于所确定的样本深度信息,确定样本模糊图像的样本深度值。
其中,第一种方式中,基于所确定的样本深度信息,确定样本模糊图像的样本深度值的步骤,可以包括:
计算所确定的样本深度信息中的各个深度值的平均值,并将平均值作为样本模糊图像的样本深度值。
第二种方式中,基于所确定的样本深度信息,确定样本模糊图像的样本深度值的步骤,可以包括:
将所确定的样本深度信息中的各个深度值按照数值大小进行排序;
将排序所得的序列中的中间值,确定为样本模糊图像的样本深度值。
在该实施方式中,由于样本模糊图像的感兴趣区域通常为用户较为感兴趣的区域。通过感兴趣区域对应的样本深度信息所确定的样本深度值,可以用于表征感兴趣区域所包含的各个像素点的平均深度。
作为本发明实施例的另一种实现方式,样本模糊图像对应的深度信息可以包括:样本模糊图像的感兴趣区域所包含的各个像素点的深度信息。
在该实现方式中,可以将感兴趣区域所包含的各个像素点的深度信息的平均值确定为样本模糊图像的样本深度值;还可以将感兴趣区域所包含的各个像素点的深度信息按照数值大小进行排序,并将排序所得的序列中的中间值,确定为样本模糊图像的样本深度值。
S230,针对每一张样本模糊图像,确定该张样本模糊图像对应的模糊核参数。
针对每一张样本模糊图像,可以利用确定模糊核参数的方法,确定该张样本模糊图像对应的模糊核参数。其中,确定模糊核参数的方法可以有多种。
举例而言,对于散焦模糊而言,确定模糊图像的模糊核参数的方法,可以包括如下三个步骤S1-S3:
S1:对模糊图像进行加窗处理,得到加窗处理后的模糊图像。
通过对模糊图像进行加窗处理,可以去除由于图像采样带来的水平、垂直高频以及图像本身高频信息带来的干扰,有利于后续步骤中提高模糊核频谱的准确性;
S2:求取加窗处理后的模糊图像的log-频谱,再对log-频谱进行傅里叶逆变换,获得C谱图像;然后对C谱图像进行噪声抑制,得到噪声抑制后的C谱图像数据。该步骤可以减少噪声对模糊核参数的影响。
S3:模糊核参数半径估计。
对噪声抑制后的C谱图像数据进行分析。具体的,利用模糊核傅里叶变换在C谱图像数据中的特性,估计出模糊核的半径,该模糊核半径即为模糊图像的模糊核参数。
当然,上面只是以举例的方式对确定模糊核参数的方法进行了阐述,本发明实施例对确定模糊核参数的方法不作具体限定。
S240,基于各张样本模糊图像的深度值与各张样本模糊图像对应的模糊核参数,得到关于模糊图像的深度值与模糊核参数的对应关系。
在一种实施方式中,基于各张样本模糊图像的样本深度值与各张样本模糊图像对应的样本模糊核参数,得到关于模糊图像的深度值与模糊核参数的对应关系,可以包括:
确定多个数组元素,其中,任一数组元素包含一张样本模糊图像的样本深度值和该张样本模糊图像对应的样本模糊核参数。
可见,通过本发明实施例提供的技术方案,可以预先构建模糊图像的深度值与模糊核参数的对应关系,这样,在图像去模糊阶段,可以快速确定目标深度值的目标模糊核参数,进而快速地生成模糊核,并快速地得到目标模糊图像对应的去模糊图像,即提高了图像盲去模糊的效率。
第二方面,本发明实施例提供了一种图像去模糊装置,如图3所示,所述装置可以包括:
信息获取模块310,用于获得待去模糊的目标模糊图像和所述目标模糊图像对应的深度信息;
深度值确定模块320,用于基于所述目标模糊图像对应的深度信息,确定所述目标模糊图像的目标深度值,所述目标深度值用于表征所述目标模糊图像所包含的各个像素点的平均深度;
模糊核参数确定模块330,用于基于预先构建的关于模糊图像的深度值与模糊核参数的对应关系,确定所述目标深度值对应的目标模糊核参数;
模糊核生成模块340,用于生成具有所述目标模糊核参数的目标模糊核;
去模糊模块350,用于利用所述目标模糊核,对所述目标模糊图像执行解卷积操作,得到所述目标模糊图像对应的去模糊图像。
本发明实施例提供的技术方案,获得待去模糊的目标模糊图像和目标模糊图像对应的深度信息;基于目标模糊图像对应的深度信息,确定目标模糊图像的目标深度值,该目标深度值用于表征目标模糊图像所包含的各个像素点的平均深度;基于预先构建的关于模糊图像的深度值与模糊核参数的对应关系,确定目标深度值对应的目标模糊核参数;生成具有目标模糊核参数的目标模糊核;利用目标模糊核,对目标模糊图像执行解卷积操作,得到目标模糊图像对应的去模糊图像。可见,通过本发明实施例提供的技术方案,可以通过预先构建的模糊图像的深度值与模糊核参数的对应关系,快速确定目标深度值的目标模糊核参数,进而快速地生成模糊核,并快速地得到目标模糊图像对应的去模糊图像,即提高了图像盲去模糊的效率。
可选的,所述深度值确定模块,包括:
深度信息确定子模块,用于从所述目标模糊图像对应的深度信息中,确定所述目标模糊图像的感兴趣区域对应的目标深度信息;
深度值确定子模块,用于基于所确定的目标深度信息,确定所述目标模糊图像的目标深度值。
可选的,所述深度值确定子模块,具体用于:
计算所确定的目标深度信息中各个深度值的平均值,并将所述平均值作为所述目标模糊图像的目标深度值。
可选的,所述深度值确定子模块,具体用于:
将所述第三深度信息中各个深度值按照数值大小进行排序;
将排序所得的序列中的中间值,确定为所述目标模糊图像的目标深度值。
可选的,所述关于模糊图像的深度值与模糊核参数的对应关系的表示形式为预定数据存储形式,所述预定数据存储形式包括多个数组元素,任一数组元素包含一张模糊图像的深度值和该张模糊图像对应的模糊核参数;
所述模糊核参数确定模块,具体用于:
判断所述预定数据存储形式中所包括的深度值中,是否存在所述目标深度值;
若存在,将所述预定数据存储形式中所述目标深度值所对应的模糊核参数,确定为目标模糊核参数;
若不存在,在所述预定数据存储形式中,确定与所述目标深度值大小相邻的两个深度值所对应的两个模糊核参数,并通过线性插值的方式确定所述两个模糊核参数对应的目标模糊核参数,或者,对所查找到的两个模糊核参数进行加权求和,进而得到目标模糊核参数。
可选的,所述关于模糊图像的深度值与模糊核参数的对应关系的表示形式为:关于模糊图像的深度值与模糊核参数的线性函数;
所述模糊核参数确定模块,具体用于:
将所述目标深度值代入所述线性函数中,得到目标模糊核参数。
可选的,所述关于模糊图像的深度值与模糊核参数的对应关系的构建方式包括:
获取至少两张样本模糊图像和各张样本模糊图像对应的深度信息;
针对每一张样本模糊图像,基于该张样本模糊图像对应的深度信息,确定该张样本模糊图像的深度值,该张样本模糊图像的深度值用于表征该张样本模糊图像所包含的各个像素点的平均深度;
针对每一张样本模糊图像,确定该张样本模糊图像对应的模糊核参数;
基于各张样本模糊图像的深度值与各张样本模糊图像对应的模糊核参数,得到关于模糊图像的深度值与模糊核参数的对应关系。
第三方面,本发明实施例还提供了一种电子设备,如图4所示,包括处理器401、通信接口402、存储器403和通信总线404,其中,处理器401,通信接口402,存储器403通过通信总线404完成相互间的通信,
存储器403,用于存放计算机程序;
处理器401,用于执行存储器403上所存放的计算机程序,实现第一方面所述的图像去模糊方法。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明实施例提供的技术方案,获得待去模糊的目标模糊图像和目标模糊图像对应的深度信息;基于目标模糊图像对应的深度信息,确定目标模糊图像的目标深度值,该目标深度值用于表征目标模糊图像所包含的各个像素点的平均深度;基于预先构建的关于模糊图像的深度值与模糊核参数的对应关系,确定目标深度值对应的目标模糊核参数;生成具有目标模糊核参数的目标模糊核;利用目标模糊核,对目标模糊图像执行解卷积操作,得到目标模糊图像对应的去模糊图像。可见,通过本发明实施例提供的技术方案,可以通过预先构建的模糊图像的深度值与模糊核参数的对应关系,快速确定目标深度值的目标模糊核参数,进而快速地生成模糊核,并快速地得到目标模糊图像对应的去模糊图像,即提高了图像盲去模糊的效率。
第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现第一方面所述的图像去模糊方法。
本发明实施例提供的技术方案,获得待去模糊的目标模糊图像和目标模糊图像对应的深度信息;基于目标模糊图像对应的深度信息,确定目标模糊图像的目标深度值,该目标深度值用于表征目标模糊图像所包含的各个像素点的平均深度;基于预先构建的关于模糊图像的深度值与模糊核参数的对应关系,确定目标深度值对应的目标模糊核参数;生成具有目标模糊核参数的目标模糊核;利用目标模糊核,对目标模糊图像执行解卷积操作,得到目标模糊图像对应的去模糊图像。可见,通过本发明实施例提供的技术方案,可以通过预先构建的模糊图像的深度值与模糊核参数的对应关系,快速确定目标深度值的目标模糊核参数,进而快速地生成模糊核,并快速地得到目标模糊图像对应的去模糊图像,即提高了图像盲去模糊的效率。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、电子设备、存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (15)
1.一种图像去模糊方法,其特征在于,所述方法包括:
获得待去模糊的目标模糊图像和所述目标模糊图像对应的深度信息;
基于所述目标模糊图像对应的深度信息,确定所述目标模糊图像的目标深度值,所述目标深度值用于表征所述目标模糊图像所包含的各个像素点的平均深度;
基于预先构建的关于模糊图像的深度值与模糊核参数的对应关系,确定所述目标深度值对应的目标模糊核参数;
生成具有所述目标模糊核参数的目标模糊核;
利用所述目标模糊核,对所述目标模糊图像执行解卷积操作,得到所述目标模糊图像对应的去模糊图像。
2.根据权利要求1所述的方法,其特征在于,所述基于所述目标模糊图像对应的深度信息,确定所述目标模糊图像的目标深度值的步骤,包括:
从所述目标模糊图像对应的深度信息中,确定所述目标模糊图像的感兴趣区域对应的目标深度信息;
基于所确定的目标深度信息,确定所述目标模糊图像的目标深度值。
3.根据权利要求2所述的方法,其特征在于,所述基于所确定的目标深度信息,确定所述目标模糊图像的目标深度值的步骤,包括:
计算所确定的目标深度信息中的各个深度值的平均值,并将所述平均值作为所述目标模糊图像的目标深度值。
4.根据权利要求2所述的方法,其特征在于,所述基于所确定的目标深度信息,确定所述目标模糊图像的目标深度值的步骤,包括:
将所确定的目标深度信息中的各个深度值按照数值大小进行排序;
将排序所得的序列中的中间值,确定为所述目标模糊图像的目标深度值。
5.根据权利要求1所述的方法,其特征在于,所述关于模糊图像的深度值与模糊核参数的对应关系的表示形式为预定数据存储形式,所述预定数据存储形式包括多个数据元素,任一数据元素包含一张模糊图像的深度值和该张模糊图像对应的模糊核参数;
所述基于预先构建的关于模糊图像的深度值与模糊核参数的对应关系,确定所述目标深度值对应的目标模糊核参数的步骤,包括:
判断所述预定数据存储形式中所包括的深度值中,是否存在所述目标深度值;
若存在,将所述预定数据存储形式中所述目标深度值所对应的模糊核参数,确定为目标模糊核参数;
若不存在,在所述预定数据存储形式中,确定与所述目标深度值大小相邻的两个深度值所对应的两个模糊核参数,并通过线性插值的方式确定所述两个模糊核参数对应的目标模糊核参数,或者,对所述两个模糊核参数进行加权求和,得到所述目标模糊核参数。
6.根据权利要求1所述的方法,其特征在于,所述关于模糊图像的深度值与模糊核参数的对应关系的表示形式为:关于模糊图像的深度值与模糊核参数的线性函数;
所述基于预先构建的关于模糊图像的深度值与模糊核参数的对应关系,确定所述目标深度值对应的目标模糊核参数的步骤,包括:
将所述目标深度值代入所述线性函数中,得到目标模糊核参数。
7.根据权利要求1所述的方法,其特征在于,所述关于模糊图像的深度值与模糊核参数的对应关系的构建方式包括:
获取至少两张样本模糊图像和各张样本模糊图像对应的深度信息;
针对每一张样本模糊图像,基于该张样本模糊图像对应的深度信息,确定该张样本模糊图像的深度值,该张样本模糊图像的深度值用于表征该张样本模糊图像所包含的各个像素点的平均深度;
针对每一张样本模糊图像,确定该张样本模糊图像对应的模糊核参数;
基于各张样本模糊图像的深度值与各张样本模糊图像对应的模糊核参数,得到关于模糊图像的深度值与模糊核参数的对应关系。
8.一种图像去模糊装置,其特征在于,所述装置包括:
信息获取模块,用于获得待去模糊的目标模糊图像和所述目标模糊图像对应的深度信息;
深度值确定模块,用于基于所述目标模糊图像对应的深度信息,确定所述目标模糊图像的目标深度值,所述目标深度值用于表征所述目标模糊图像所包含的各个像素点的平均深度;
模糊核参数确定模块,用于基于预先构建的关于模糊图像的深度值与模糊核参数的对应关系,确定所述目标深度值对应的目标模糊核参数;
模糊核生成模块,用于生成具有所述目标模糊核参数的目标模糊核;
去模糊模块,用于利用所述目标模糊核,对所述目标模糊图像执行解卷积操作,得到所述目标模糊图像对应的去模糊图像。
9.根据权利要求8所述的装置,其特征在于,所述深度值确定模块,包括:
深度信息确定子模块,用于从所述目标模糊图像对应的深度信息中,确定所述目标模糊图像的感兴趣区域对应的目标深度信息;
深度值确定子模块,用于基于所确定的目标深度信息,确定所述目标模糊图像的目标深度值。
10.根据权利要求9所述的装置,其特征在于,所述深度值确定子模块,具体用于:
计算所确定的目标深度信息中的各个深度值的平均值,并将所述平均值作为所述目标模糊图像的目标深度值。
11.根据权利要求9所述的装置,其特征在于,所述深度值确定子模块,具体用于:
将所确定的目标深度信息中的中各个深度值按照数值大小进行排序;
将排序所得的序列中的中间值,确定为所述目标模糊图像的目标深度值。
12.根据权利要求8所述的装置,其特征在于,所述关于模糊图像的深度值与模糊核参数的对应关系的表示形式为预定数据存储形式,所述预定数据存储形式包括多个数据元素,任一数据元素包含一张模糊图像的深度值和该张模糊图像对应的模糊核参数;
所述模糊核参数确定模块,具体用于:
判断所述预定数据存储形式中所包括的深度值中,是否存在所述目标深度值;
若存在,将所述预定数据存储形式中所述目标深度值所对应的模糊核参数,确定为目标模糊核参数;
若不存在,在所述预定数据存储形式中,确定与所述目标深度值大小相邻的两个深度值所对应的两个模糊核参数,并通过线性插值的方式确定所述两个模糊核参数对应的目标模糊核参数,或者,对所述两个模糊核参数进行加权求和,得到所述目标模糊核参数。
13.根据权利要求8所述的装置,其特征在于,所述关于模糊图像的深度值与模糊核参数的对应关系的表示形式为:关于模糊图像的深度值与模糊核参数的线性函数;
所述模糊核参数确定模块,具体用于:
将所述目标深度值代入所述线性函数中,得到目标模糊核参数。
14.根据权利要求8所述的装置,其特征在于,所述关于模糊图像的深度值与模糊核参数的对应关系的构建方式包括:
获取至少两张样本模糊图像和各张样本模糊图像对应的深度信息;
针对每一张样本模糊图像,基于该张样本模糊图像对应的深度信息,确定该张样本模糊图像的深度值,该张样本模糊图像的深度值用于表征该张样本模糊图像所包含的各个像素点的平均深度;
针对每一张样本模糊图像,确定该张样本模糊图像对应的模糊核参数;
基于各张样本模糊图像的深度值与各张样本模糊图像对应的模糊核参数,得到关于模糊图像的深度值与模糊核参数的对应关系。
15.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的计算机程序,实现权利要求1-7任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811473221.5A CN111275625B (zh) | 2018-12-04 | 2018-12-04 | 一种图像去模糊方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811473221.5A CN111275625B (zh) | 2018-12-04 | 2018-12-04 | 一种图像去模糊方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111275625A true CN111275625A (zh) | 2020-06-12 |
CN111275625B CN111275625B (zh) | 2023-08-04 |
Family
ID=70999923
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811473221.5A Active CN111275625B (zh) | 2018-12-04 | 2018-12-04 | 一种图像去模糊方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111275625B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113034407A (zh) * | 2021-04-27 | 2021-06-25 | 深圳市慧鲤科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN113238215A (zh) * | 2021-07-09 | 2021-08-10 | 武汉市聚芯微电子有限责任公司 | 一种测距方法及ToF测距装置、存储介质 |
CN116703742A (zh) * | 2022-11-04 | 2023-09-05 | 荣耀终端有限公司 | 识别模糊图像的方法和电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110090352A1 (en) * | 2009-10-16 | 2011-04-21 | Sen Wang | Image deblurring using a spatial image prior |
US20110229052A1 (en) * | 2010-03-22 | 2011-09-22 | Sony Corporation | Blur function modeling for depth of field rendering |
CN102436639A (zh) * | 2011-09-02 | 2012-05-02 | 清华大学 | 一种去除图像模糊的图像采集方法和图像采集系统 |
CN102800054A (zh) * | 2012-06-28 | 2012-11-28 | 西安电子科技大学 | 基于稀疏性度量的图像盲去模糊方法 |
CN106530256A (zh) * | 2016-11-18 | 2017-03-22 | 四川长虹电器股份有限公司 | 一种基于改进深度学习的智能相机图像盲超分辨率系统 |
WO2018045602A1 (zh) * | 2016-09-07 | 2018-03-15 | 华中科技大学 | 一种基于深度学习的模糊核尺寸估计方法与系统 |
-
2018
- 2018-12-04 CN CN201811473221.5A patent/CN111275625B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110090352A1 (en) * | 2009-10-16 | 2011-04-21 | Sen Wang | Image deblurring using a spatial image prior |
US20110229052A1 (en) * | 2010-03-22 | 2011-09-22 | Sony Corporation | Blur function modeling for depth of field rendering |
CN102436639A (zh) * | 2011-09-02 | 2012-05-02 | 清华大学 | 一种去除图像模糊的图像采集方法和图像采集系统 |
CN102800054A (zh) * | 2012-06-28 | 2012-11-28 | 西安电子科技大学 | 基于稀疏性度量的图像盲去模糊方法 |
WO2018045602A1 (zh) * | 2016-09-07 | 2018-03-15 | 华中科技大学 | 一种基于深度学习的模糊核尺寸估计方法与系统 |
CN106530256A (zh) * | 2016-11-18 | 2017-03-22 | 四川长虹电器股份有限公司 | 一种基于改进深度学习的智能相机图像盲超分辨率系统 |
Non-Patent Citations (1)
Title |
---|
李定康: "基于去模糊和自适应边界HSV局部调整的纹理映射技术研究", no. 1, pages 29 - 36 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113034407A (zh) * | 2021-04-27 | 2021-06-25 | 深圳市慧鲤科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN113238215A (zh) * | 2021-07-09 | 2021-08-10 | 武汉市聚芯微电子有限责任公司 | 一种测距方法及ToF测距装置、存储介质 |
CN116703742A (zh) * | 2022-11-04 | 2023-09-05 | 荣耀终端有限公司 | 识别模糊图像的方法和电子设备 |
CN116703742B (zh) * | 2022-11-04 | 2024-05-17 | 荣耀终端有限公司 | 识别模糊图像的方法和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111275625B (zh) | 2023-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Likar et al. | Retrospective shading correction based on entropy minimization | |
CN111275625B (zh) | 一种图像去模糊方法、装置及电子设备 | |
EP3132418B1 (en) | Non local image denoising | |
CN111083365B (zh) | 一种最佳焦平面位置快速检测方法及装置 | |
JP7212554B2 (ja) | 情報処理方法、情報処理装置、及びプログラム | |
CN107403414B (zh) | 一种利于模糊核估计的图像区域选择方法和系统 | |
CN108961260B (zh) | 图像二值化方法及装置、计算机存储介质 | |
US20170032501A1 (en) | Image processing apparatus, image capturing apparatus, and storage medium that stores image processing program | |
JP2019096222A5 (zh) | ||
CN112053302A (zh) | 高光谱图像的去噪方法、装置及存储介质 | |
JP2018133110A (ja) | 画像処理装置及び画像処理プログラム | |
CN111369611B (zh) | 图像像素深度值优化方法及其装置、设备和存储介质 | |
CN112801890B (zh) | 一种视频处理方法、装置及设备 | |
CN110503611A (zh) | 图像处理的方法和装置 | |
CN111179245B (zh) | 图像质量检测方法、装置、电子设备和存储介质 | |
CN110689496B (zh) | 降噪模型的确定方法、装置、电子设备和计算机存储介质 | |
CN112200775A (zh) | 图像清晰度检测方法、装置、电子设备及存储介质 | |
KR20110048829A (ko) | 레인지 영상의 노이즈 제거장치 및 방법 | |
CN116977671A (zh) | 基于图像空间定位的目标跟踪方法、装置、设备及存储介质 | |
CN113033542B (zh) | 一种文本识别模型的生成方法以及装置 | |
Chabardes et al. | Local blur estimation based on toggle mapping | |
CN111612766B (zh) | 图像质量评价方法、装置和电子设备 | |
CN112365398B (zh) | 超分辨率网络训练方法、数字变焦方法、装置及电子设备 | |
Robinson et al. | Blind deconvolution of Gaussian blurred images containing additive white Gaussian noise | |
CN113592800A (zh) | 基于动态扫描参数的图像扫描方法及装置 |
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 | ||
CB02 | Change of applicant information |
Address after: 310051 room 304, B / F, building 2, 399 Danfeng Road, Binjiang District, Hangzhou City, Zhejiang Province Applicant after: Hangzhou Hikvision Robot Co.,Ltd. Address before: No.555, Qianmo Road, Binjiang District, Hangzhou City, Zhejiang Province Applicant before: HANGZHOU HIKROBOT TECHNOLOGY Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |