CN113177893A - 一种图像模糊度处理方法 - Google Patents
一种图像模糊度处理方法 Download PDFInfo
- Publication number
- CN113177893A CN113177893A CN202110500068.6A CN202110500068A CN113177893A CN 113177893 A CN113177893 A CN 113177893A CN 202110500068 A CN202110500068 A CN 202110500068A CN 113177893 A CN113177893 A CN 113177893A
- Authority
- CN
- China
- Prior art keywords
- image
- type
- processed
- blur
- blurring
- 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.)
- Withdrawn
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 238000003860 storage Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 4
- 238000013441 quality evaluation Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000005070 sampling Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002969 morbid Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种图像模糊度处理方法,图像模糊处理的具体步骤如下:第一步骤:向图像计算模块输入模糊图像A1,确定待处理图像对应的模糊类型;第二步骤:基于待处理图像对应的模糊类型,确定与该模糊类型相匹配的几组图像模糊处理方案;第三步骤:根据几组配对的图像模糊处理方案依次对模糊图像进行处理,从M1、M3、M4、M5、M6......Mn中选取对比结果序列前三的处理图像,本发明通过测量图像的模糊度将模糊类型进一步划分为一级运动模糊类型、二级运动模糊类型、一级离焦模糊类型和二级离焦模糊类型,并采用与模糊类型呈映射关系的多种图像模糊处理方案进行多算法处理,然后评测相似程度,按照指标差值的从小到大的顺序,选取三幅图像进行输出。
Description
技术领域
本发明涉及一种处理方法,特别涉及一种图像模糊度处理方法,属于图像处理技术领域。
背景技术
高质量的图像更有助于人们获取其中的信息,但实际生活中所采集到图像往往存在各种失真,因此,对图像的失真进行度量是去评价图像质量的基本手法。
造成图像模糊的原因有很多,其中包括光学因素、大气因素、人工因素、技术因素等等,日常生产生活中对图像进行去模糊操作有其重要意义,要取得比较好的处理效果,不同原因导致的模糊往往需要不同的处理方法,从技术方面来向,模糊图像处理方法主要分为三大类,分别是图像增强、图像复原和超分辨率重构。
增强图象中的有用信息,它可以是一个失真的过程,其目的是要改善图像的视觉效果,针对给定图像的应用场合,有目的地强调图像的整体或局部特性,将原来不清晰的图像变得清晰或强调某些感兴趣的特征,扩大图像中不同物体特征之间的差别,抑制不感兴趣的特征,使之改善图像质量、丰富信息量,加强图像判读和识别效果,满足某些特殊分析的需要。
公告号为CN104063858B公开了一种图像模糊处理方法及装置,方法包括:设置图像中清晰区与模糊区的分界线;根据所要处理的图像大小设置模糊区的抽样模糊参数;采用所设置的模糊区的抽样模糊参数对模糊区进行抽样模糊处理;计算模糊区中像素点对应的模糊模板;采用得到的模糊模板对抽样模糊处理后的模糊区中的所述像素点进行模糊滤波,采用所述方法及相应的装置可以使用较小的固定模板,提高模糊处理速度,且自适应性强。
现有图像模糊分析方法,通过先分类在对应处理的方法对模糊图像进行处理,仅仅判断其模糊类型,不能对其模糊度进行分级处理,且采用的处理算法单一,处理效果一般。
发明内容
本发明的目的在于提供一种图像模糊度处理方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种图像模糊度处理方法,所述图像模糊处理的具体步骤如下:
第一步骤:向图像计算模块输入模糊图像A1,确定待处理图像对应的模糊类型;
第二步骤:基于待处理图像对应的模糊类型,确定与该模糊类型相匹配的几组图像模糊处理方案;
第三步骤:根据几组配对的图像模糊处理方案依次对模糊图像进行处理,然后将处理后的几组图像分别标记为M1、M3、M4、M5、M6......Mn,通过图像对比模块与模糊图像A1进行对比,从M1、M3、M4、M5、M6......Mn中选取对比结果序列前三的处理图像,分别记为P1、P2和P3。
第四步骤:依次输出P1、P2和P3,供用户选择。
作为本发明的一种优选技术方案,第一步骤中,确定待处理图像对应的模糊类型的方法如下:
通过模糊图像计算模块计算图像的模糊度,将图像A1的模糊度输入至模糊图像判断模块进行判断,根据判断结果得到图像A1的模糊类型。
作为本发明的一种优选技术方案,所述模糊图像判断模块由图像类型判断单元和图像类型存储单元组成,所述图像类型存储单元内部预设存储有第一阈值区间、第二阈值区间、第三阈值区间和第四阈值区间。
作为本发明的一种优选技术方案,所述图像类型判断单元执行图像A1的判断方法如下:
根据待处理图像A1的模糊度,分别与预设的第一阈值区间、第二阈值区间、第三阈值区间和第四阈值区间进行对比,当所述待处理图像A1的模糊度位于第一阈值区间时,则待处理图像A1的模糊类型为一级运动模糊类型。
作为本发明的一种优选技术方案,当所述待处理图像A1的模糊度位于第二阈值区间时,则待处理图像A1的模糊类型为二级运动模糊类型,当所述待处理图像A1的模糊度位于第三阈值区间时,则待处理图像A1的模糊类型为一级离焦模糊类型,当所述待处理图像A1的模糊度位于第四阈值区间时,则待处理图像A1的模糊类型为二级离焦模糊类型。
作为本发明的一种优选技术方案,模糊计算模块计算图像的模糊度的具体方法如下:
对于正方形图像,在模糊图像计算其在运动方向上和垂直与运动方向上的边长差值;
对于圆形图像,在模糊图像中计算其在运动方向上和垂直与运动方向方向上的直径差值,即可获得图像的模糊度。
作为本发明的一种优选技术方案,第二步骤中,通过模糊图像处理模块按照预设的模糊处理方案对模糊图像A1进行处理,其中,模糊图像处理模块由图像处理单元和图像方案存储单元组成,且图像方案存储单元内部预设存储有多组图像模糊处理方案,且多组图像模糊处理方案分别与一级运动模糊类型、二级运动模糊类型、一级离焦模糊类型和二级离焦模糊类型呈现映射关系。
作为本发明的一种优选技术方案,第三步骤中,通过图像对比模块与模糊图像A1进行对比,从M1、M3、M4、M5、M6......Mn中选取对比结果序列前三的处理图像,分别记为P1、P2和P3的具体方法如下:
计算所述模糊图像A1的图像质量评价指标和去模糊处理后的所述M1、M3、M4、M5、M6......Mn图像质量评价指标的指标差值,所述图像质量评价指标包括PSNR值或SSIM值,按照指标差值的从大到小的顺序,选取三幅图像,分别标记为P1、P2和P3。
与现有技术相比,本发明的有益效果是:
本发明一种图像模糊度处理方法,通过测量图像的模糊度将模糊类型进一步划分为一级运动模糊类型、二级运动模糊类型、一级离焦模糊类型和二级离焦模糊类型,并采用与模糊类型呈映射关系的多种图像模糊处理方案进行多算法处理,然后评测相似程度,按照指标差值的从小到大的顺序,选取三幅图像进行输出,该处理方法不但处理效果好,且处理效率比传统处理方法更高效。
附图说明
图1为本发明的方法流程示意图;
图2为本发明的图像模糊类型判断的方法流程示意图;
图3为正方形目标在零度方向上运动100像素生成的模糊图像经标记后的局部图;
图4为本发明的图像计算模糊度的方法流程示意图。
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。
请参阅图1-4,本发明提供了一种图像模糊度处理方法的技术方案:
一种图像模糊度处理方法,图像模糊处理的具体步骤如下:
第一步骤:向图像计算模块输入模糊图像A1,确定待处理图像对应的模糊类型;
具体的,第一步骤中,确定待处理图像对应的模糊类型的方法如下进行操作处理:
首先通过模糊图像计算模块计算图像的模糊度,然后将通过模糊图像计算模块得到的图像A1的模糊度输入至模糊图像判断模块进行判断,根据判断结果得到图像A1的模糊类型。
模糊计算模块计算图像的模糊度的具体方法如下:
对于正方形图像,在模糊图像计算其在运动方向上和垂直与运动方向上的边长差值;对于圆形图像,在模糊图像中计算其在运动方向上和垂直与运动方向方向上的直径差值,即可获得图像的模糊度,参考图4所示,
具体的,正方形图像计算举例说明,如图3所示,图3是正方形目标在零度方向上运动100像素生成的模糊图像经标记后的局部图,由于背景和前景的差异,在水平方向上,正方形的两条边出现了模糊,产生颜色渐变的边缘效果,面在垂直方向上,正方形的两条边是清晰的,基于RGB值的变化找到正方形的4个边缘临界点,分别计算水平方向上模糊后的边长和垂直方向上的边长,再求两者差值即可得到模糊度数值。
模糊图像判断模块由图像类型判断单元和图像类型存储单元组成,图像类型存储单元内部预设存储有第一阈值区间、第二阈值区间、第三阈值区间和第四阈值区间。
如图2所示,图像类型判断单元执行图像A1的判断方法如下:
根据待处理图像A1的模糊度,分别与预设的第一阈值区间、第二阈值区间、第三阈值区间和第四阈值区间进行对比,当所述待处理图像A1的模糊度位于第一阈值区间时,则待处理图像A1的模糊类型为一级运动模糊类型,当所述待处理图像A1的模糊度位于第二阈值区间时,则待处理图像A1的模糊类型为二级运动模糊类型,当所述待处理图像A1的模糊度位于第三阈值区间时,则待处理图像A1的模糊类型为一级离焦模糊类型,当所述待处理图像A1的模糊度位于第四阈值区间时,则待处理图像A1的模糊类型为二级离焦模糊类型。
第二步骤:基于待处理图像对应的模糊类型,确定与该模糊类型相匹配的几组图像模糊处理方案;
具体的,通过模糊图像处理模块按照预设的模糊处理方案对模糊图像A1进行处理,其中,模糊图像处理模块由图像处理单元和图像方案存储单元组成,且图像方案存储单元内部预设存储有多组图像模糊处理方案,且多组图像模糊处理方案分别与一级运动模糊类型、二级运动模糊类型、一级离焦模糊类型和二级离焦模糊类型呈现映射关系,
一级运动模糊类型为模糊核已知,对应图像方案存储单元内部的非盲去卷积算法进行处理,一级运动模糊类型为模糊核为止,通过盲区算法进行处理;
非盲去卷积算法是基于贝叶斯发布的迭代复原算法,假定图像噪声符合泊松分布,用最大似然法恢复清晰图像,该方法易受图像噪声的影响,且平滑区城存在明显的振铃效应,基于双RL技术,引入增益图,残留去卷积算法,较好地解决了振铃效应的问题。
模糊核未知的盲去卷积是一个病态问题,通常需要联合已知的模糊图像和退化系统的先验知识来估计模糊核,常用方法有两种,一种是数学建模法,针对降质模型,根据模糊图像估计模型参数构建模糊核,其核心在于参数估计;另一种是根据模糊图像的特征估计模糊核,选择合适的图像特征是该类方法的关键,利用图像的显著性边缘估计模糊核。
第三步骤:根据几组配对的图像模糊处理方案依次对模糊图像进行处理,然后将处理后的几组图像分别标记为M1、M3、M4、M5、M6......Mn,通过图像对比模块与模糊图像A1进行对比,从M1、M3、M4、M5、M6......Mn中选取对比结果序列前三的处理图像,分别记为P1、P2和P3。
具体的,通过图像对比模块与模糊图像A1进行对比,从M1、M3、M4、M5、M6......Mn中选取对比结果序列前三的处理图像,分别记为P1、P2和P3的具体方法如下:
计算所述模糊图像A1的图像质量评价指标和去模糊处理后的所述M1、M3、M4、M5、M6......Mn图像质量评价指标的指标差值,所述图像质量评价指标包括图像峰值信噪比值和平均梯度值,按照指标差值的从大到小的顺序,选取三幅图像,分别标记为P1、P2和P3。
图像峰值信噪比值是用来比较要评价的图像与原图质量的参数,计算出的峰值信噪比的值越大说明图像质量越好,平均梯度标识图像在某个方向上细节的平均变化率,它能反映出图像细节清晰程度,平均梯度值越大则图像的细节显示越清晰。
第四步骤:依次输出P1、P2和P3,供用户选择。
在本发明的描述中,需要理解的是,指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明中,除非另有明确的规定和限定,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种图像模糊度处理方法,其特征在于,所述图像模糊处理的具体步骤如下:
第一步骤:向图像计算模块输入模糊图像A1,确定待处理图像对应的模糊类型;
第二步骤:基于待处理图像对应的模糊类型,确定与该模糊类型相匹配的几组图像模糊处理方案;
第三步骤:根据几组配对的图像模糊处理方案依次对模糊图像进行处理,然后将处理后的几组图像分别标记为M1、M3、M4、M5、M6......Mn,通过图像对比模块与模糊图像A1进行对比,从M1、M3、M4、M5、M6......Mn中选取对比结果序列前三的处理图像,分别记为P1、P2和P3。
第四步骤:依次输出P1、P2和P3,供用户选择。
2.根据权利要求1所述的一种图像模糊度处理方法,其特征在于:第一步骤中,确定待处理图像对应的模糊类型的方法如下:
通过模糊图像计算模块计算图像的模糊度,将图像A1的模糊度输入至模糊图像判断模块进行判断,根据判断结果得到图像A1的模糊类型。
3.根据权利要求2所述的一种图像模糊度处理方法,其特征在于:所述模糊图像判断模块由图像类型判断单元和图像类型存储单元组成,所述图像类型存储单元内部预设存储有第一阈值区间、第二阈值区间、第三阈值区间和第四阈值区间。
4.根据权利要求3所述的一种图像模糊度处理方法,其特征在于:所述图像类型判断单元执行图像A1的判断方法如下:
根据待处理图像A1的模糊度,分别与预设的第一阈值区间、第二阈值区间、第三阈值区间和第四阈值区间进行对比,当所述待处理图像A1的模糊度位于第一阈值区间时,则待处理图像A1的模糊类型为一级运动模糊类型。
5.根据权利要求4所述的一种图像模糊度处理方法,其特征在于:
当所述待处理图像A1的模糊度位于第二阈值区间时,则待处理图像A1的模糊类型为二级运动模糊类型,当所述待处理图像A1的模糊度位于第三阈值区间时,则待处理图像A1的模糊类型为一级离焦模糊类型,当所述待处理图像A1的模糊度位于第四阈值区间时,则待处理图像A1的模糊类型为二级离焦模糊类型。
6.根据权利要求2所述的一种图像模糊度处理方法,其特征在于:模糊计算模块计算图像的模糊度的具体方法如下:
对于正方形图像,在模糊图像计算其在运动方向上和垂直与运动方向上的边长差值;
对于圆形图像,在模糊图像中计算其在运动方向上和垂直与运动方向方向上的直径差值,以获得图像的模糊度。
7.根据权利要求4所述的一种图像模糊度处理方法,其特征在于:第二步骤中,通过模糊图像处理模块按照预设的模糊处理方案对模糊图像A1进行处理,其中,模糊图像处理模块由图像处理单元和图像方案存储单元组成,且图像方案存储单元内部预设存储有多组图像模糊处理方案,且多组图像模糊处理方案分别与一级运动模糊类型、二级运动模糊类型、一级离焦模糊类型和二级离焦模糊类型呈现映射关系。
8.根据权利要求1所述的一种图像模糊度处理方法,其特征在于:第三步骤中,通过图像对比模块与模糊图像A1进行对比,从M1、M3、M4、M5、M6......Mn中选取对比结果序列前三的处理图像,分别记为P1、P2和P3的具体方法如下:
计算所述模糊图像A1的图像质量评价指标和去模糊处理后的所述M1、M3、M4、M5、M6......Mn图像质量评价指标的指标差值,所述图像质量评价指标包括PSNR值或SSIM值,按照指标差值的从大到小的顺序,选取三幅图像,分别标记为P1、P2和P3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110500068.6A CN113177893A (zh) | 2021-05-08 | 2021-05-08 | 一种图像模糊度处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110500068.6A CN113177893A (zh) | 2021-05-08 | 2021-05-08 | 一种图像模糊度处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113177893A true CN113177893A (zh) | 2021-07-27 |
Family
ID=76928422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110500068.6A Withdrawn CN113177893A (zh) | 2021-05-08 | 2021-05-08 | 一种图像模糊度处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113177893A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114140362A (zh) * | 2022-01-29 | 2022-03-04 | 杭州微影软件有限公司 | 一种热成像图像校正方法和装置 |
-
2021
- 2021-05-08 CN CN202110500068.6A patent/CN113177893A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114140362A (zh) * | 2022-01-29 | 2022-03-04 | 杭州微影软件有限公司 | 一种热成像图像校正方法和装置 |
WO2023143193A1 (zh) * | 2022-01-29 | 2023-08-03 | 杭州微影软件有限公司 | 一种热成像图像校正方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108986050B (zh) | 一种基于多分支卷积神经网络的图像和视频增强方法 | |
JP5025893B2 (ja) | 情報処理装置および方法、記録媒体、並びにプログラム | |
JP4482796B2 (ja) | 情報処理装置および方法、記録媒体、並びにプログラム | |
CN113313657B (zh) | 一种用于低光照图像增强的非监督学习方法和系统 | |
CN112819772B (zh) | 一种高精度快速图形检测识别方法 | |
CN112288658A (zh) | 一种基于多残差联合学习的水下图像增强方法 | |
CN111340824B (zh) | 一种基于数据挖掘的图像特征分割方法 | |
Fedorov et al. | Affine non-local means image denoising | |
CN109658424B (zh) | 一种改进的鲁棒二维otsu阈值图像分割方法 | |
CN111402237B (zh) | 基于时空级联自编码器的视频图像异常检测方法及系统 | |
CN110288550B (zh) | 基于先验知识引导条件生成对抗网络的单张图像去雾方法 | |
CN115908154B (zh) | 基于图像处理的视频后期颗粒噪声去除方法 | |
CN113657528B (zh) | 图像特征点提取方法、装置、计算机终端及存储介质 | |
CN112329793B (zh) | 基于结构自适应和规模自适应感受野的显著性检测方法 | |
CN111009005A (zh) | 几何信息与光度信息相结合的场景分类点云粗配准方法 | |
CN109308709B (zh) | 基于图像分割的Vibe运动目标检测算法 | |
CN113177893A (zh) | 一种图像模糊度处理方法 | |
CN104268845A (zh) | 极值温差短波红外图像的自适应双局部增强方法 | |
CN107945119B (zh) | 基于拜耳模式的图像内相关噪声估计方法 | |
JP2011170890A (ja) | 顔検出方法および装置並びにプログラム | |
Ioannidis et al. | An edge preserving image resizing method based on cellular automata | |
CN110633705A (zh) | 一种低照度成像车牌识别方法及装置 | |
CN114926348B (zh) | 一种去除低照度视频噪声的装置和方法 | |
CN115063679A (zh) | 一种基于深度学习的路面质量评估方法 | |
Hernandez et al. | Classification of color textures with random field models and neural networks |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210727 |
|
WW01 | Invention patent application withdrawn after publication |