CN112767242B - 一种基于频域去卷积的图像处理方法、装置及电子设备 - Google Patents

一种基于频域去卷积的图像处理方法、装置及电子设备 Download PDF

Info

Publication number
CN112767242B
CN112767242B CN202011426186.9A CN202011426186A CN112767242B CN 112767242 B CN112767242 B CN 112767242B CN 202011426186 A CN202011426186 A CN 202011426186A CN 112767242 B CN112767242 B CN 112767242B
Authority
CN
China
Prior art keywords
frequency domain
image
deconvolution
signal
distribution 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.)
Active
Application number
CN202011426186.9A
Other languages
English (en)
Other versions
CN112767242A (zh
Inventor
张炜
耿金华
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.)
Dragon Totem Technology Hefei Co ltd
Hefei Minglong Electronic Technology Co ltd
Original Assignee
Foshan Polytechnic
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 Foshan Polytechnic filed Critical Foshan Polytechnic
Priority to CN202011426186.9A priority Critical patent/CN112767242B/zh
Publication of CN112767242A publication Critical patent/CN112767242A/zh
Application granted granted Critical
Publication of CN112767242B publication Critical patent/CN112767242B/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
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4092—Image resolution transcoding, e.g. by using client-server architectures

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于频域去卷积的图像处理方法、装置及电子设备，包括获取单帧样本宽场图像；设置点扩散函数；分别对宽场图像和点扩散函数进行傅里叶变换，得到频域分布图像和光学传递函数；计算频域分布图像中各频域分量的信噪比；根据所述光学传递函数和各频域分量的信噪比构建噪声抑制模板；根据光学传递函数和噪声抑制模板，对频域分布图像进行去卷积运算得到去卷积后的频域图像；将去卷积后的频域图像进行逆傅里叶变换，得到最终图像。本发明无需标定系统点扩散函数，在进行噪声抑制的同时提高分辨率。

Description

一种基于频域去卷积的图像处理方法、装置及电子设备
技术领域
本发明涉及图像处理技术领域，尤其涉及一种基于频域去卷积的图像处理方法、装置及电子设备。
背景技术
在纳米技术和生物技术的研究中，高分辨显微成像技术至关重要。由于受到光学衍射的限制，传统宽场荧光显微镜的空间分辨率存在极限值，严重制约和影响了许多生命科学问题的深入研究。图像去卷积技术是通过数值计算的方式重构图像，使图像分辨率和对比度提升的方法。作为一种成本较低的图像增强技术，该技术不需要搭建复杂的成像设备，甚至可以和最简单的显微镜成像系统结合使用。尽管该技术已经在多个领域获得广泛使用，但是常用的去卷积方法往往在计算过程中进行多次迭代，导致计算效率较低。进行大量图像数据处理时，需要很长的处理时间。虽然已经提出一些通过减少迭代次数提高计算效率的去卷积算法，但是其图像重构过程仍然需要经历一定迭代过程。
现有虽然也有频域去卷积方法的研究，但是现有频域去卷积方法的缺点在于：1)重构计算过程中需要使用实际上难以获取的系统点扩散函数，而且点扩散函数误差往往导致伪影；2)频域去卷积运算时会提升高频信号分量的幅值，同时也会使噪声分量增强，导致图像伪影严重而无法使用。使用正则化约束项可以减轻这种噪声放大效果，但是同时也会削弱图像分辨率增强的效果。
发明内容
针对现有频域去卷积方法存在需要准确标定系统点扩散函数以及对噪声敏感的缺点，本发明提供一种基于频域去卷积的图像处理方法、装置及电子设备，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
第一方面，本发明实施例提供了一种基于频域去卷积的图像处理方法，所述方法包括：
获取单帧样本宽场图像；
设置点扩散函数；
分别对宽场图像和点扩散函数进行傅里叶变换，得到频域分布图像和光学传递函数；
计算频域分布图像中各频域分量的信噪比；
根据所述光学传递函数和各频域分量的信噪比构建噪声抑制模板；
根据光学传递函数和噪声抑制模板，对频域分布图像进行去卷积运算得到去卷积后的频域图像；
将去卷积后的频域图像进行逆傅里叶变换，得到最终图像。
进一步，使用二维高斯分布模型描述点扩散函数，由模型的标准差参数决定点扩散函数的大小。
进一步，计算频域分布图像中各频域分量的信噪比包括：
计算频域分布图像中指定边缘区域的平均值，得到噪声信号的频域幅值，其中指定边缘区域指频域分布图像中与所述频域分布图像的中心点之间的距离大于预设值的区域；
根据所述噪声信号的频域幅值，计算频域分布图像中各频域分量的信噪比。
进一步，所述预设值为(a+b)/4，其中a和b分别为所述频域分布图像的长度和宽度。
进一步，根据所述噪声信号的频域幅值，计算频域分布图像中各频域分量的信噪比具体为：
Figure BDA0002824933670000021
其中，
Figure BDA0002824933670000022
为频域分布图像
Figure BDA0002824933670000023
在(u,v)位置的值，N为噪声信号的频域幅值，SNR(u,v)为频域分布图像
Figure BDA0002824933670000024
在(u,v)位置的信噪比。
进一步，根据所述光学传递函数和各频域分量的信噪比构建噪声抑制模板具体为：
Figure BDA0002824933670000025
其中，OTF2(u,v)为光学传递函数在(u,v)位置的值，k为预先设置的值，λ为预先设置的值，P(u,v)表示在(u,v)位置对应的噪声抑制模板。
进一步，根据点扩散函数和噪声抑制模块，对频域分布图像进行去卷积运算得到去卷积后的频域图像具体为：
Figure BDA0002824933670000026
其中，
Figure BDA0002824933670000027
去卷积后的频域图像
Figure BDA0002824933670000028
在(u,v)位置的值。
第二方面，本发明实施例还提供了一种基于频域去卷积的图像处理装置，包括：
获取模块，用于获取单帧样本宽场图像；
设置模块，用于设置点扩散函数；
傅里叶变换模块，用于分别对宽场图像和点扩散函数进行傅里叶变换，分别得到频域分布图像和光学传递函数；
计算模块，用于计算频域分布图像中各频域分量的信噪比；
构建模块，用于根据所述光学传递函数和各频域分量的信噪比构建噪声抑制模板；
去卷积模块，用于根据光学传递函数和噪声抑制模板，对频域分布图像进行去卷积运算得到去卷积后的频域图像；
逆傅里叶变换模块，用于将去卷积后的频域图像进行逆傅里叶变换，得到最终图像。
第三方面，本发明实施例还提供了一种基于频域去卷积的图像处理装置，包括：
处理器；
存储器，用于存储计算机可读程序；
当所述计算机可读程序被所述处理器执行时，使得所述处理器实现如第一方面所述的方法。
第四方面，本发明实施例还提供了一种电子设备，其中存储有处理器可执行的指令，其特征在于，包括：
处理器；
存储器，用于存储计算机可读程序；
当所述计算机可读程序被所述处理器执行时，使得所述处理器实现如第一方面所述的方法。
本发明实施例的一种基于频域去卷积的图像处理方法、装置及电子设备，至少具有以下有益效果：设置点扩散函数，无需标定系统点扩散函数，计算频域分布图像中各频域分量的信噪比，根据点扩散函数对应的光学传递函数和各频域分量的信噪比构建噪声抑制模板，在进行噪声抑制的同时提高分辨率。
附图说明
附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。
图1是本发明一实施例提供的基于频域去卷积的图像处理方法的流程图；
图2是本发明一实施例提供的基于频域去卷积的图像处理装置的结构示意图；
图3是本发明另一实施例提供的基于频域去卷积的图像处理装置的结构示意图；
图4是本发明一实施例提供的电子设备的结构示意图；
图5(a)本发明一实施例提供的是单帧宽场图像；
图5(b)本发明一实施例提供的理想状态的样本分布图像；
图6(a)是采用现有直接频域去卷积算法处理得到的图像；
图6(b)是采用现有维纳滤波算法处理得到的图像；
图7(a)是使用本发明设置的一个点扩散函数在XOY平面的投影图；
图7(b)是采用本发明的实施例提供的方法进行处理得到的最终图像。
图8(a)是使用本发明设置的另一个点扩散函数在XOY平面的投影图；
图8(b)是采用本发明的实施例提供的方法进行处理得到的最终图像。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
需要说明的是，虽然在系统示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于系统中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
图1是本发明一实施例提供的一种基于频域去卷积的图像处理方法，包括但不限于步骤S11-S17：
S11、获取单帧宽场图像；
在一实施例中，单帧宽场图像I0由显微镜系统对目标样本采集得到，显微镜系统包括显微镜以及和该显微镜结合来获取显微镜成像图像的相机。相机可以是CCD相机或CMOS相机，本实施例对此没有限制。
在一实施例中，也可以由显微镜系统将单帧宽场图像发送给执行本实例的图像处理方法的装置。
S12、设置点扩散函数；
其中，使用二维高斯分布模型描述点扩散函数H2，由模型的标准差参数σ决定点扩散函数的大小。点扩散函数H2是比系统点扩散函数H小的任一尺寸。假设系统点扩散函数为H，则
Figure BDA0002824933670000041
表示卷积运算。
原始的单帧宽场图像I0可以看做理想状态的样本分布S与显微成像系统点扩散函数H的卷积结果，同时也是样本分布S与两个小尺寸高斯函数(H1和H2)的卷积结果，即
Figure BDA0002824933670000042
Figure BDA0002824933670000043
根据卷积运算的交换特性可以得到，
Figure BDA0002824933670000044
说明我们可以任意用一个小于系统点扩散函数的小尺寸高斯函数H2进行去卷积运算，最终会得到比原始宽场图像I0模糊程度小，并且分辨率得到提升的宽场图像
Figure BDA0002824933670000051
点扩散函数H2的尺寸与系统点扩散函数H的尺寸越接近，则分辨率提升效果越明显。
S13、分别对宽场图像和点扩散函数进行傅里叶变换，得到频域分布图像和光学传递函数；
采用傅里叶变换将宽场图像和点扩散函数转换到频域。
S14、计算频域分布图像中各频域分量的信噪比；
步骤S14具体包括但不限于步骤S21-S22：
S21、计算频域分布图像中指定边缘区域的平均值，得到噪声信号的频域幅值，其中指定边缘区域指频域分布图像中与所述频域分布图像的中心点之间的距离大于预设值的区域；预设值可以根据实际需要设定，例如，为(a+b)/4，其中a和b分别为频域分布图像的长度和宽度。可以直接获取指定边缘区域的平均值作为噪声信号的频域幅值。
S22、根据噪声信号的频域幅值，计算频域分布图像中各频域分量的信噪比。
具体为：根据噪声信号的频域幅值N，计算频域分布图像
Figure BDA0002824933670000052
中各频域分量的信噪比SNR。
Figure BDA0002824933670000053
其中，
Figure BDA0002824933670000054
为频域分布图像
Figure BDA0002824933670000055
在(u,v)位置的值，N为噪声信号的频域幅值，SNR(u,v)为频域分布图像
Figure BDA0002824933670000056
在(u,v)位置的信噪比。
S15、根据光学传递函数和各频域分量的信噪比构建噪声抑制模板；
具体为：根据光学传递函数OTF2和各频域分量的信噪比SNR构建噪声抑制模板P。
Figure BDA0002824933670000057
其中，P(u,v)表示在(u,v)位置对应的噪声抑制模板，OTF2(u,v)为光学传递函数在(u,v)位置的值，k为预先设置的值，系数k取值越大抑制噪声能力越强，但是会降低图像分辨率，在一实施例中，系数k可在0.2～5之间取值，λ为预先设置的值，
Figure BDA0002824933670000058
项是为了能够根据信噪比对滤波器系数进行像素级调节，当某个频域分量的信噪比较大时，
Figure BDA0002824933670000059
值很小，该位置的抑制系数接近于1，可以避免对高信噪比分量进行抑制，有利于提升图像的分辨率。反之，当某个频域分量的信噪比较小时，
Figure BDA00028249336700000510
值很大，滤波器抑制效果会增强，起到抑制噪声放大的效果系数λ取值越大抑制噪声能力越强，但是会降低图像分辨率，在一实施例中，系数λ的取值范围可设置在0.01～1之间。
S16、根据光学传递函数和噪声抑制模板，对频域分布图像进行去卷积运算得到去卷积后的频域图像；
具体为：使用光学传递函数OTF2和噪声抑制模板P，对频域分布图像
Figure BDA0002824933670000061
进行去卷积运算得到去卷积后的频域图像
Figure BDA0002824933670000062
Figure BDA0002824933670000063
其中，
Figure BDA0002824933670000064
去卷积后的频域图像
Figure BDA0002824933670000065
在(u,v)位置的值。
S17、将去卷积后的频域图像进行逆傅里叶变换，得到最终图像。
将去卷积后的频域图像
Figure BDA0002824933670000066
进行逆傅里叶变换到时域，得到最终图像I1。
图2是本发明一实施例提供的一种基于频域去卷积的图像处理装置，包括：
获取模块，用于获取单帧样本宽场图像；
设置模块，用于设置点扩散函数；
傅里叶变换模块，用于分别对宽场图像和点扩散函数进行傅里叶变换，分别得到频域分布图像和光学传递函数；
计算模块，用于计算频域分布图像中各频域分量的信噪比；
构建模块，用于根据光学传递函数和各频域分量的信噪比构建噪声抑制模板；
去卷积模块，用于根据光学传递函数和噪声抑制模板，对频域分布图像进行去卷积运算得到去卷积后的频域图像；
逆傅里叶变换模块，用于将去卷积后的频域图像进行逆傅里叶变换，得到最终图像。
其中获取模块、设置模块、傅里叶变换模块、计算模块、构建模块、去卷积模块和逆傅里叶变换模块进行处理的过程与图1的方法过程类似，此处不再赘述。
图3是本发明另一实施例提供的基于频域去卷积的图像处理装置，包括：
处理器；
存储器，用于存储计算机可读程序；
当所述计算机可读程序被处理器执行时，使得处理器实现如图1所述的方法。
处理器和存储器可以通过总线或者其他方式连接，图3中以通过总线连接为例。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件或其他非暂态固态存储器件。
其中，图2和图3中的图像处理装置可以是终端，该终端包括但不限于如手机等移动终端以及如电脑等固定终端，也可以是上述这些终端上安装的应用程序。
在一实施例中，本发明还提供了一种电子设备，如图4所示，包括：
处理器；
存储器，用于存储计算机可读程序；
当所述计算机可读程序被处理器执行时，使得处理器实现如图1所述的方法。
在一实施例中，本申请还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存储有计算机可执行指令，所述计算机可执行指令可被一个或多个处理器执行，当所述计算机可执行指令被执行时实现上述实施例中的各步骤。
本发明实施例还提供了一种计算机可读存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于实现图1所述的方法。
图5(a)是待处理的单帧宽场图像I0，图5(b)理想状态的样本分布图像。
图6(a)是采用现有直接频域去卷积算法进行处理得到的图像，图6(b)是采用现有维纳滤波算法进行处理得到的图像。
图7(a)是使用本发明设置的一个点扩散函数H2在XOY平面的投影图，图7(a)中右上角的斑点为中心斑点的局部放大图，图7(b)是采用本发明的方法基于点扩散函数H2对单帧宽场图像I0进行处理得到的最终图像。
图8(a)是使用本发明设置的另一个点扩散函数H’2(其中H2的尺寸比H’2的尺寸大)在XOY平面的投影图，图8(a)中右上角的斑点为中心斑点的局部放大图，图8(b)是采用本发明的方法基于点扩散函数H’2对单帧宽场图像I0进行处理得到的最终图像。
现有技术直接进行频域逆滤波对噪声非常敏感，甚至无法得到具有大致相同轮廓的重构结果。维纳滤波具有一定的噪声抑制能力，但该算法需要用到实际上难以获取的系统点扩散函数，另外，维纳滤波使用频域范围较小的系统点扩散函数抑制噪声，抑制噪声的同时也降低了图像分辨率。
本发明使用容易获取的点扩散函数H2，不仅不需要去精确标定系统点扩散函数，还可以通过调节系数k及λ去平衡算法的噪声抑制能力和分辨率提升效果，在进行噪声抑制的同时也提高了分辨率。在图像噪声不高时，可以实现较为明显的分辨率提升效果。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
以上是对本发明的较佳实施进行了具体说明，但本发明并不局限于上述实施方式，熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变形或替换，这些等同的变形或替换均包含在本发明权利要求所限定的范围内。

Claims (10)

1.一种基于频域去卷积的图像处理方法，其特征在于，所述方法包括：
获取单帧样本宽场图像；
设置点扩散函数；
分别对宽场图像和点扩散函数进行傅里叶变换，得到频域分布图像和光学传递函数；
计算频域分布图像中各频域分量的信噪比；
根据所述光学传递函数和各频域分量的信噪比构建噪声抑制模板；
根据光学传递函数和噪声抑制模板，对频域分布图像进行去卷积运算得到去卷积后的频域图像；
将去卷积后的频域图像进行逆傅里叶变换，得到最终图像。
2.根据权利要求1所述的基于频域去卷积的图像处理方法，其特征在于，使用二维高斯分布模型描述点扩散函数，由模型的标准差参数决定点扩散函数的大小。
3.根据权利要求1所述的基于频域去卷积的图像处理方法，其特征在于，计算频域分布图像中各频域分量的信噪比包括：
计算频域分布图像中指定边缘区域的平均值，得到噪声信号的频域幅值，其中指定边缘区域指频域分布图像中与所述频域分布图像的中心点之间的距离大于预设值的区域；
根据所述噪声信号的频域幅值，计算频域分布图像中各频域分量的信噪比。
4.根据权利要求3所述的基于频域去卷积的图像处理方法，其特征在于，所述预设值为(a+b)/4，其中a和b分别为所述频域分布图像的长度和宽度。
5.根据权利要求4所述的基于频域去卷积的图像处理方法，其特征在于，根据所述噪声信号的频域幅值，计算频域分布图像中各频域分量的信噪比具体为：
Figure FDA0002824933660000011
其中，
Figure FDA0002824933660000012
为频域分布图像
Figure FDA0002824933660000013
在(u,v)位置的值，N为噪声信号的频域幅值，SNR(u,v)为频域分布图像
Figure FDA0002824933660000014
在(u,v)位置的信噪比。
6.根据权利要求5所述的基于频域去卷积的图像处理方法，其特征在于，根据所述光学传递函数和各频域分量的信噪比构建噪声抑制模板具体为：
Figure FDA0002824933660000015
其中，OTF2(u,v)为光学传递函数在(u,v)位置的值，k为预先设置的值，λ为预先设置的值，P(u,v)表示在(u,v)位置对应的噪声抑制模板。
7.根据权利要求6所述的基于频域去卷积的图像处理方法，其特征在于，根据点扩散函数和噪声抑制模块，对频域分布图像进行去卷积运算得到去卷积后的频域图像具体为：
Figure FDA0002824933660000021
其中，
Figure FDA0002824933660000022
去卷积后的频域图像
Figure FDA0002824933660000023
在(u,v)位置的值。
8.一种基于频域去卷积的图像处理装置，其特征在于，包括：
获取模块，用于获取单帧样本宽场图像；
设置模块，用于设置点扩散函数；
傅里叶变换模块，用于分别对宽场图像和点扩散函数进行傅里叶变换，分别得到频域分布图像和光学传递函数；
计算模块，用于计算频域分布图像中各频域分量的信噪比；
构建模块，用于根据所述光学传递函数和各频域分量的信噪比构建噪声抑制模板；
去卷积模块，用于根据光学传递函数和噪声抑制模板，对频域分布图像进行去卷积运算得到去卷积后的频域图像；
逆傅里叶变换模块，用于将去卷积后的频域图像进行逆傅里叶变换，得到最终图像。
9.一种基于频域去卷积的图像处理装置，其特征在于，包括：
处理器；
存储器，用于存储计算机可读程序；
当所述计算机可读程序被所述处理器执行时，使得所述处理器实现如权利要求1-7任一项所述的方法。
10.一种电子设备，其中存储有处理器可执行的指令，其特征在于，包括：
处理器；
存储器，用于存储计算机可读程序；
当所述计算机可读程序被所述处理器执行时，使得所述处理器实现如权利要求1-7任一项所述的方法。
CN202011426186.9A 2020-12-09 2020-12-09 一种基于频域去卷积的图像处理方法、装置及电子设备 Active CN112767242B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011426186.9A CN112767242B (zh) 2020-12-09 2020-12-09 一种基于频域去卷积的图像处理方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011426186.9A CN112767242B (zh) 2020-12-09 2020-12-09 一种基于频域去卷积的图像处理方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN112767242A CN112767242A (zh) 2021-05-07
CN112767242B true CN112767242B (zh) 2023-01-24

Family

ID=75693416

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011426186.9A Active CN112767242B (zh) 2020-12-09 2020-12-09 一种基于频域去卷积的图像处理方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN112767242B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118429966A (zh) * 2023-01-31 2024-08-02 深圳市真迈生物科技有限公司 一种碱基识别方法及系统
CN116310719B (zh) * 2023-02-10 2024-04-19 中国人民解放军军事科学院国防科技创新研究院 基于时频域的光学衍射复数模型训练方法、图像处理方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103608838A (zh) * 2011-01-04 2014-02-26 英特尔公司 用于对所输入的条形码图像去模糊的方法以及能够被终端设备和计算机读取的记录介质
CN104820969A (zh) * 2015-04-03 2015-08-05 西安交通大学 一种实时图像盲复原方法
CN106960436A (zh) * 2017-03-20 2017-07-18 哈尔滨工业大学 一种光学遥感图像处理性能评估方法
CN108605094A (zh) * 2016-02-26 2018-09-28 富士胶片株式会社 图像处理装置、摄像装置以及图像处理方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020063923A1 (en) * 2000-06-02 2002-05-30 Lightchip, Inc. System and method for improving optical signal-to-noise ratio measurement range of a monitoring device

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103608838A (zh) * 2011-01-04 2014-02-26 英特尔公司 用于对所输入的条形码图像去模糊的方法以及能够被终端设备和计算机读取的记录介质
CN104820969A (zh) * 2015-04-03 2015-08-05 西安交通大学 一种实时图像盲复原方法
CN108605094A (zh) * 2016-02-26 2018-09-28 富士胶片株式会社 图像处理装置、摄像装置以及图像处理方法
CN106960436A (zh) * 2017-03-20 2017-07-18 哈尔滨工业大学 一种光学遥感图像处理性能评估方法

Also Published As

Publication number Publication date
CN112767242A (zh) 2021-05-07

Similar Documents

Publication Publication Date Title
CN112767242B (zh) 一种基于频域去卷积的图像处理方法、装置及电子设备
CN110533607B (zh) 一种基于深度学习的图像处理方法、装置及电子设备
US9142009B2 (en) Patch-based, locally content-adaptive image and video sharpening
Chen et al. An empirical identification method of Gaussian blur parameter for image deblurring
Vankawala et al. A survey on different image deblurring techniques
US10250782B2 (en) Camera module, electronic device, and method of operating the same using pre-estimated lens-customized point spread function (PSF)
EP3105736A1 (en) Method for performing super-resolution on single images and apparatus for performing super-resolution on single images
Roels et al. An overview of state‐of‐the‐art image restoration in electron microscopy
JP2017010095A (ja) 画像処理装置、撮像装置、画像処理方法、画像処理プログラム、および、記憶媒体
Yadav et al. Evaluation of image deblurring techniques
KR102396261B1 (ko) 이미징 잡음 감소 시스템 및 방법
CN112014349A (zh) 太赫兹时域光谱成像复原方法、装置、存储介质及终端
JP6344934B2 (ja) 画像処理方法、画像処理装置、撮像装置、画像処理プログラムおよび記録媒体
CN116912115A (zh) 一种水下图像自适应增强方法、系统、设备及存储介质
CN112651884B (zh) 一种获取层析超分辨率图像的方法、装置及电子设备
JP6541454B2 (ja) 画像処理装置、撮像装置、画像処理方法、画像処理プログラム、および、記憶媒体
Xi et al. Edge halo reduction for projections onto convex sets super resolution image reconstruction
Rooms et al. Simultaneous degradation estimation and restoration of confocal images and performance evaluation by colocalization analysis
CN112488920B (zh) 一种基于类高斯模糊核的图像正则化超分辨重建方法
CN111583124A (zh) 用于对图像去模糊的方法、装置、系统及存储介质
Lu Out-of-focus blur: Image de-blurring
Kokkinos et al. Pixel adaptive filtering units
CN114119377A (zh) 一种图像处理方法及装置
Trubakov et al. Image Restoration Using Genetic Algorithms
CN116402678B (zh) 超分辨结构光照明显微镜的频谱优化直接重建方法

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230811

Address after: 230000 B-1015, wo Yuan Garden, 81 Ganquan Road, Shushan District, Hefei, Anhui.

Patentee after: HEFEI MINGLONG ELECTRONIC TECHNOLOGY Co.,Ltd.

Address before: 230000 floor 1, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province

Patentee before: Dragon totem Technology (Hefei) Co.,Ltd.

Effective date of registration: 20230811

Address after: 230000 floor 1, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province

Patentee after: Dragon totem Technology (Hefei) Co.,Ltd.

Address before: 528137 Foshan Polytechnic, No.3, vocational education road, Leping Town, Sanshui District, Foshan City, Guangdong Province

Patentee before: FOSHAN POLYTECHNIC