CN114662519B - 基于位置探测图形梯度和强度先验的qr码盲去模糊方法 - Google Patents
基于位置探测图形梯度和强度先验的qr码盲去模糊方法 Download PDFInfo
- Publication number
- CN114662519B CN114662519B CN202210566548.7A CN202210566548A CN114662519B CN 114662519 B CN114662519 B CN 114662519B CN 202210566548 A CN202210566548 A CN 202210566548A CN 114662519 B CN114662519 B CN 114662519B
- Authority
- CN
- China
- Prior art keywords
- code
- position detection
- fuzzy
- image
- gradient
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/146—Methods for optical code recognition the method including quality enhancement steps
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
- G06K7/1417—2D bar codes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/1439—Methods for optical code recognition including a method step for retrieval of the optical code
- G06K7/1443—Methods for optical code recognition including a method step for retrieval of the optical code locating of the code in an image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Electromagnetism (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明提供了一种基于位置探测图形梯度和强度先验的QR码盲去模糊方法。该方法通过对模糊的QR码图像进行预处理,并将其分割成四个模糊区块,使QR码中的三个位置探测图形和一个校正图形分别位于这四个模糊区块中;然后分别提取各模糊区块中的相应位置探测图像和校正图像,并求解其模糊核,再利用求得的模糊核和非盲去模糊方法得到各模糊区块的清晰图像,最后合并成完整清晰的QR码图像。通过上述方式,本发明仅需求解QR码中三个位置探测图形和一个校正图形的模糊核,极大缩短了去模糊的时间,显著提高了去模糊效率;本发明采用的梯度和强度先验的方式也非常契合位置探测图形和校正图形黑白相间的图案特点,能够达到较好的去模糊效果。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种基于位置探测图形梯度和强度先验的QR码盲去模糊方法。
背景技术
在不断趋于数字化的时代背景下,QR码(Quick Response Code)在生活、生产中的应用越来越广泛。在使用各种拍照设备拍摄QR码图像时,由于抖动、对焦不准和拍摄设备引入的噪声等原因,获取的QR码图像往往是模糊的。图像模糊可能会令QR码无法正常进行解码,而对于引入防伪图案、拥有防伪功能的QR码,甚至会造成真伪鉴别时产生误判的情况。因此,我们需要对模糊QR码图像进行去模糊处理。
QR码图像去模糊的目的是从模糊退化图像中尽可能还原纹理细节丰富且贴合实际的清晰图像。在实际应用中,由于难以提前获知模糊QR码的模糊核,通常需要采用盲去模糊的方法,根据模糊图像同时求出模糊核和清晰图像。但现有的QR码去模糊方法往往存在去模糊时间较长、去模糊效果不好等问题,难以满足实际应用的需要。
为了改善去模糊速度和去模糊效果,公开号为CN110502949A的专利提供了一种基于自适应尺度控制的QR码图像快速去模糊方法,通过对规范的模糊图像进行多尺度模糊核估计,从粗到细逐步输出各尺度的估计模糊核和估计清晰图像,并通过图像清晰度检测方法对去模糊后的清晰图像进行清晰度评价,以判断在较小尺度下取得的估计结果是否已提前达到可识别的标准,进而实现不同模糊程度QR码图像的自适应尺度控制,在提高去模糊速度的同时确保QR码图像去模糊的质量。然而,该专利提供的方法需要进行多尺度模糊核估计并输出各尺度的估计模糊核和相应清晰图像,再逐一进行清晰度评价,实际运算时间仍然较长;并且,该专利提供的方法是根据QR码图像的模糊程度自适应相应的去模糊时间,这种方式仅能够提高模糊程度较轻的图像的处理时间,对模糊程度较为严重的图像仍然需要耗费很长的时间进行去模糊处理,存在比较大的局限性。
有鉴于此,有必要设计一种改进的QR码盲去模糊方法,以解决上述问题。
发明内容
针对上述现有技术的缺陷,本发明的目的在于提供一种基于位置探测图形梯度和强度先验的QR码盲去模糊方法。通过将模糊的QR码图像分割成四个模糊区块,并使QR码中的三个位置探测图形和一个校正图形分别位于这四个模糊区块中,再分别提取各模糊区块中的相应位置探测图像和校正图像,并求解其模糊核,利用求得的四个模糊核和非盲去模糊方法得到各模糊区块的清晰图像,合并后即得到完整清晰的QR码图像,从而便捷高效地完成了对QR码的盲去模糊,并达到较好的去模糊效果。
为实现上述目的,本发明提供了一种基于位置探测图形梯度和强度先验的QR码盲去模糊方法,所述QR码中含有三个位置探测图形和一个校正图形,所述盲去模糊方法包括如下步骤:
S1、对模糊的所述QR码图像进行预处理,得到预处理后的QR码;
S2、将步骤S1得到的所述预处理后的QR码分割成四个模糊区块,使三个所述位置探测图形和一个所述校正图形分别位于四个所述模糊区块中;
S3、从步骤S2得到的四个所述模糊区块中分别提取出三个所述位置探测图形和一个所述校正图形;
S4、采用图像梯度和强度先验的正则化方法,对步骤S3得到的三个所述位置探测图形和一个所述校正图形的模糊核进行分别求解,得到与四个所述模糊区块分别对应的四个模糊核;
S5、根据步骤S4得到的所述模糊核,对与所述模糊核相对应的所述模糊区块分别进行非盲去模糊处理,得到与四个所述模糊区块分别对应的四个清晰区块;
S6、将步骤S5得到的四个所述清晰区块合并,得到所述QR码的完整清晰图像。
作为本发明的进一步改进,在步骤S2中,四个所述模糊区块的面积相等。
作为本发明的进一步改进,在步骤S2中,所述分割的具体方法为:
以所述QR码长度方向和宽度方向的两条中位线为界,将所述预处理后的QR码等分为四个模糊区块。
作为本发明的进一步改进,在步骤S4中,求解所述模糊核的方法包括如下步骤:
定义图形的先验条件,计算图形的梯度先验和强度先验,并将其作为正则化项代入代价函数中;
按照预设的次数进行迭代,求出使所述代价函数最小的潜在清晰图像和模糊核。
作为本发明的进一步改进,在步骤S4中,所述图形的先验条件定义为:
其中,P(x)表示图形的先验;Pt(x)表示图形的强度先验,Pt(▽x)表示图形的梯度先验,σ表示权重。
作为本发明的进一步改进,在步骤S4中,所述代价函数为:
作为本发明的进一步改进,在步骤S4中,所述迭代过程采用半二次分裂法进行。
作为本发明的进一步改进,在步骤S5中,所述非盲去模糊处理采用逆滤波或Lucy-Richardson算法。
作为本发明的进一步改进,在步骤S1中,所述QR码图像的模糊类型为运动模糊或离焦模糊。
本发明的有益效果是:
(1)本发明提供的基于位置探测图形梯度和强度先验的QR码盲去模糊方法,通过将模糊的QR码图像分割成四个模糊区块,并使QR码中的三个位置探测图形和一个校正图形分别位于这四个模糊区块中,仅需对四个模糊区块中的三个位置探测图形和一个校正图形的模糊核进行求解,即可获得各模糊区块对应的清晰图像,以便合并成完整的清晰图像。在这一过程中,求解模糊核和潜在清晰图像所需的时间与图像的尺寸相关,图像尺寸越大,运算时间越长,而本发明提供的方法仅需采用正则化方法求解QR码中三个位置探测图形和一个校正图形的模糊核,与对整个QR码求模糊核的方式相比,大幅缩小了待处理的图像尺寸,从而极大地减少了算法所需的时间,使去模糊效率显著提高。
(2)本发明提供的方法基于QR码的位置探测图形和校正图形进行图像分割,并结合图像梯度和强度先验的正则化方法进行模糊核求解,能够有效利用位置探测图形和校正图形所具有的黑白相间的特殊图案对梯度先验和强度先验的契合度,达到较好的去模糊效果,以满足实际应用的需求。
(3)本发明提供的方法通过将图像分割成四个模糊区块,再对这四个模糊区块进行分别处理,不仅能够大幅缩短处理时间,还能够有效降低QR码模糊程度不均匀对模糊核求解结果准确度的影响,有助于解决非均匀模糊QR码图像的去模糊问题,提高其去模糊效果,使本发明提供的方法具有更好的普适性。
附图说明
图1为本发明提供的基于位置探测图形梯度和强度先验的QR码盲去模糊方法的流程示意图。
图2为本发明实施例1中提供的模糊QR图像示意图。
图3为本发明实施例1中将预处理后的QR码分割成四个模糊区块的示意图。
图4为本发明实施例1中提取的位置探测图形和校正图形的示意图。
图5为本发明实施例1中各模糊区块去模糊后得到的清晰区块的示意图。
图6为本发明实施例1得到的去模糊后的QR码的完整清晰图像的示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本发明进行详细描述。
在此,还需要说明的是,为了避免因不必要的细节而模糊了本发明,在附图中仅仅示出了与本发明的方案密切相关的结构和/或处理步骤,而省略了与本发明关系不大的其他细节。
另外,还需要说明的是,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。
本发明提供了一种基于位置探测图形梯度和强度先验的QR码盲去模糊方法,所述QR码中含有三个位置探测图形和一个校正图形,所述盲去模糊方法的流程示意图如图1所示,包括如下步骤:
S1、对模糊的QR码图像进行预处理,得到预处理后的QR码。
其中,模糊的QR码图像的模糊类型可以是运动模糊、离焦模糊或其他类型的模糊,并不影响本发明的盲去模糊处理,均属于本发明的保护范围。预处理的过程包括尺寸缩放,以便将待处理的QR码缩放至所需尺寸;对于不属于灰度图像的QR码,该预处理过程还包括灰度化处理。
S2、将步骤S1得到的所述预处理后的QR码分割成四个模糊区块,使三个所述位置探测图形和一个所述校正图形分别位于四个所述模糊区块中。
其中,四个模糊区块的具体划分方式可以根据需要进行调整,保证三个位置探测图形和一个校正图形分别存在于这四个模糊区块中即可。
在本发明的部分实施例中,具体采用了如下方法进行分割:
以所述QR码长度方向和宽度方向的两条中位线为界,将所述预处理后的QR码等分为四个模糊区块。
通过上述方式,能够得到分别对应于所述QR码的左上、左下、右上、右下四个区域的四个模糊区块。如此操作,不仅便于分割与合并,且四个模糊区块的尺寸一致,便于进行后续操作。
S3、从步骤S2得到的四个所述模糊区块中分别提取出三个所述位置探测图形和一个所述校正图形。
S4、采用图像梯度和强度先验的正则化方法,对步骤S3得到的三个所述位置探测图形和一个所述校正图形的模糊核进行分别求解,得到与四个所述模糊区块分别对应的四个模糊核。
在本发明的部分实施例中,求解所述模糊核的方法包括如下步骤:
定义图形的先验条件,计算图形的梯度先验和强度先验,并将其作为正则化项代入代价函数中;
按照预设的次数进行迭代,求出使所述代价函数最小的潜在清晰图像和模糊核。
其中,所述图形的先验条件定义为:
式中,P(x)表示图形的先验;Pt(x)表示图形的强度先验,Pt(▽x)表示图形的梯度先验,σ表示权重。
所述代价函数为:
在本发明的部分实施例中,上述迭代过程采用半二次分裂法进行,具体迭代次数可以根据实际需要进行调整,均属于本发明的保护范围。
通过上述方式,本发明仅需计算QR码中三个位置探测图形和一个校正图形的模糊核,大幅缩小了待处理的图像尺寸,从而极大地减少了算法所需的时间,使去模糊效率显著提高。同时,采用图像梯度和强度先验的正则化方法对位置探测图形和校正图形的模糊核进行求解时,能够有效利用位置探索图形和校正图形所具有的黑白相间的特殊图案对梯度先验和强度先验的契合度,达到较好的去模糊效果,以满足实际应用的需求。并且,对四个模糊区块的模糊核进行分别求解的方式,还能够有效降低QR码模糊程度不均匀对模糊核求解结果准确度的影响,有助于解决非均匀模糊QR码图像的去模糊问题,提高其去模糊效果,使本发明提供的方法具有更好的普适性。
S5、根据步骤S4得到的所述模糊核,对与所述模糊核相对应的所述模糊区块分别进行非盲去模糊处理,得到与四个所述模糊区块分别对应的四个清晰区块。
其中,所述非盲去模糊处理可以采用逆滤波或Lucy-Richardson算法,均能够达到较好的去模糊效果,均属于本发明的保护范围。
S6、将步骤S5得到的四个所述清晰区块合并,得到所述QR码的完整清晰图像。
下面结合附图和具体的实施例对本发明提供的基于位置探测图形梯度和强度先验的QR码盲去模糊方法进行说明:
实施例1
本实施例提供了一种基于位置探测图形梯度和强度先验的QR码盲去模糊方法,具体步骤如下:
S1、对图2所示的模糊的QR码图像进行预处理,将图像的尺寸缩放为330*330像素,并将图像灰度化,得到预处理后的QR码。
由图2所示的QR码图像可以看出,其左上、左下和右上区域各有一个位置探测图形,其右下区域有一个校正图形。
S2、以所述QR码长度方向和宽度方向的两条中位线为界,将步骤S1得到的所述预处理后的QR码等分为如图3所示的四个模糊区块,分别对应于所述QR码的左上、左下、右上、右下四个区域,每个模糊区块的像素为165*165。
由图3可以看出,在对应于左上、左下、右上区域的三个模糊区块中,各含有一个位置探测图形,在对应于右下区域的模糊区块中,则含有一个校正图形。
S3、从步骤S2得到的四个所述模糊区块中分别提取出三个所述位置探测图形和一个所述校正图形,结果如图4所示。
其中,位置探测图形的大小均为76*76像素,校正图形的大小为56*56像素。
S4、采用图像梯度和强度先验的正则化方法,对步骤S3得到的三个所述位置探测图形和一个所述校正图形的模糊核进行分别求解,得到与四个所述模糊区块分别对应的四个模糊核,具体步骤为:
(1)定义图形的先验条件,计算图形的梯度先验和强度先验,并将其作为正则化项代入代价函数中;
其中,所述图形的先验条件定义为:
式中,P(x)表示图形的先验;Pt(x)表示图形的强度先验,Pt(▽x)表示图形的梯度先验,σ表示权重。
(2)采用半二次分裂方法迭代5次,求出使所述代价函数最小的潜在清晰图像和模糊核;
其中,所述代价函数为:
S5、根据步骤S4得到的所述模糊核,利用Lucy-Richardson算法对与所述模糊核相对应的所述模糊区块分别进行非盲去模糊处理,得到与四个所述模糊区块分别对应的四个清晰区块,如图5所示。
S6、将步骤S5得到的四个所述清晰区块合并,得到QR码的完整清晰图像,如图6所示。
由图6可以看出,本实施例提供的基于位置探测图形梯度和强度先验的QR码盲去模糊方法成功实现了对模糊的QR码的盲去模糊,具有较好的去模糊效果;且该过程仅需要采用正则化方法求解QR码中三个位置探测图形和一个校正图形的模糊核,具有较高的去模糊效率。
综上所述,提供了一种基于位置探测图形梯度和强度先验的QR码盲去模糊方法。该方法通过对模糊的QR码图像进行预处理,并将其分割成四个模糊区块,使QR码中的三个位置探测图形和一个校正图形分别位于这四个模糊区块中;然后分别提取各模糊区块中的相应位置探测图像和校正图像,并求解其模糊核,再利用求得的模糊核和非盲去模糊方法得到各模糊区块的清晰图像,最后合并成完整清晰的QR码图像。通过上述方式,本发明仅需求解QR码中三个位置探测图形和一个校正图形的模糊核,极大缩短了去模糊的时间,显著提高了去模糊效率;本发明采用的梯度和强度先验的方式也非常契合位置探测图形和校正图形黑白相间的图案特点,能够达到较好的去模糊效果。
以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种基于位置探测图形梯度和强度先验的QR码盲去模糊方法,所述QR码中含有三个位置探测图形和一个校正图形,其特征在于,包括如下步骤:
S1、对模糊的所述QR码进行预处理,得到预处理后的QR码;
S2、将步骤S1得到的所述预处理后的QR码分割成四个模糊区块,使三个所述位置探测图形和一个所述校正图形分别位于四个所述模糊区块中;
S3、从步骤S2得到的四个所述模糊区块中分别提取出三个所述位置探测图形和一个所述校正图形;
S4、采用图像梯度和强度先验的正则化方法,对步骤S3得到的三个所述位置探测图形和一个所述校正图形的模糊核进行分别求解,得到与四个所述模糊区块分别对应的四个模糊核;求解所述模糊核的方法包括如下步骤:
定义图形的先验条件,计算图形的梯度先验和强度先验,并将其作为正则化项代入代价函数中;
S5、根据步骤S4得到的所述模糊核,对与所述模糊核相对应的所述模糊区块分别进行非盲去模糊处理,得到与四个所述模糊区块分别对应的四个清晰区块;
S6、将步骤S5得到的四个所述清晰区块合并,得到所述QR码的完整清晰图像。
2.根据权利要求1所述的基于位置探测图形梯度和强度先验的QR码盲去模糊方法,其特征在于:在步骤S1中,所述预处理包括灰度化和尺寸缩放。
3.根据权利要求1所述的基于位置探测图形梯度和强度先验的QR码盲去模糊方法,其特征在于:在步骤S2中,四个所述模糊区块的面积相等。
4.根据权利要求1所述的基于位置探测图形梯度和强度先验的QR码盲去模糊方法,其特征在于:在步骤S2中,所述分割的具体方法为:
以所述QR码长度方向和宽度方向的两条中位线为界,将所述预处理后的QR码等分为四个模糊区块。
5.根据权利要求1所述的基于位置探测图形梯度和强度先验的QR码盲去模糊方法,其特征在于:在步骤S4中,求解所述模糊核的方法还包括如下步骤:
按照预设的次数进行迭代,求出使所述代价函数最小的潜在清晰图像和模糊核。
8.根据权利要求5所述的基于位置探测图形梯度和强度先验的QR码盲去模糊方法,其特征在于:在步骤S4中,所述迭代采用半二次分裂法进行。
9.根据权利要求1所述的基于位置探测图形梯度和强度先验的QR码盲去模糊方法,其特征在于:在步骤S5中,所述非盲去模糊处理采用逆滤波或Lucy-Richardson算法。
10.根据权利要求1所述的基于位置探测图形梯度和强度先验的QR码盲去模糊方法,其特征在于:在步骤S1中,所述QR码图像的模糊类型为运动模糊或离焦模糊。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210566548.7A CN114662519B (zh) | 2022-05-24 | 2022-05-24 | 基于位置探测图形梯度和强度先验的qr码盲去模糊方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210566548.7A CN114662519B (zh) | 2022-05-24 | 2022-05-24 | 基于位置探测图形梯度和强度先验的qr码盲去模糊方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114662519A CN114662519A (zh) | 2022-06-24 |
CN114662519B true CN114662519B (zh) | 2022-09-27 |
Family
ID=82037931
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210566548.7A Active CN114662519B (zh) | 2022-05-24 | 2022-05-24 | 基于位置探测图形梯度和强度先验的qr码盲去模糊方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114662519B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116069672B (zh) * | 2023-03-23 | 2023-07-04 | 中南大学 | 操作系统内核定向模糊测试的种子变异方法及测试方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111815725A (zh) * | 2020-07-29 | 2020-10-23 | 苏州中科全象智能科技有限公司 | 一种qr码区域定位方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8750637B2 (en) * | 2009-03-30 | 2014-06-10 | Telefonaktiebolaget L M Ericsson (Publ) | Barcode processing |
US8867857B2 (en) * | 2011-12-28 | 2014-10-21 | Samsung Electronics Co., Ltd. | Method for restoration of blurred barcode images |
CN105069389B (zh) * | 2015-07-27 | 2017-10-31 | 福建联迪商用设备有限公司 | 二维码分块解码方法及系统 |
CN109508573B (zh) * | 2018-11-12 | 2020-10-30 | 上海商米科技集团股份有限公司 | 二维码的解码方法和装置 |
CN109902527B (zh) * | 2019-02-26 | 2022-06-07 | 凌云光技术股份有限公司 | 一种qr码自动识读方法和装置 |
CN110502949B (zh) * | 2019-08-09 | 2023-04-14 | 广东技术师范大学 | 一种基于自适应尺度控制的qr码图像快速盲去模糊方法 |
CN114418883B (zh) * | 2022-01-18 | 2024-03-29 | 北京工业大学 | 一种基于深度先验的盲图像去模糊方法 |
-
2022
- 2022-05-24 CN CN202210566548.7A patent/CN114662519B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111815725A (zh) * | 2020-07-29 | 2020-10-23 | 苏州中科全象智能科技有限公司 | 一种qr码区域定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114662519A (zh) | 2022-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10339643B2 (en) | Algorithm and device for image processing | |
Pan et al. | Kernel estimation from salient structure for robust motion deblurring | |
Cho et al. | Handling outliers in non-blind image deconvolution | |
Cho et al. | Fast motion deblurring | |
US9262815B2 (en) | Algorithm for minimizing latent sharp image cost function and point spread function cost function with a spatial mask in a regularization term | |
CN111275626A (zh) | 一种基于模糊度的视频去模糊方法、装置及设备 | |
JP2002024821A (ja) | エッジ整形のためのディジタル画像処理方法 | |
CN110852997B (zh) | 动态图像清晰度检测方法、装置、电子设备及存储介质 | |
CN108038833B (zh) | 一种梯度相关性检测的图像自适应锐化方法和存储介质 | |
Javaran et al. | Non-blind image deconvolution using a regularization based on re-blurring process | |
CN114662519B (zh) | 基于位置探测图形梯度和强度先验的qr码盲去模糊方法 | |
CN113592776A (zh) | 图像处理方法及装置、电子设备、存储介质 | |
Cho et al. | Dictionary-based anisotropic diffusion for noise reduction | |
JPH09130614A (ja) | 画像処理装置 | |
Zhou et al. | Fraction-order total variation image blind restoration based on self-similarity features | |
CN111415317A (zh) | 图像处理方法及装置、电子设备、计算机可读存储介质 | |
US8542283B2 (en) | Image processing device, image processing method, and information terminal apparatus | |
RU2383924C2 (ru) | Способ адаптивного повышения резкости цифровых фотографий в процессе печати | |
He et al. | Joint motion deblurring and superresolution from single blurry image | |
Nasonov et al. | Image sharpening with blur map estimation using convolutional neural network | |
Liu et al. | Exaggerated learning for clean-and-sharp image restoration | |
Robinson et al. | Blind deconvolution of Gaussian blurred images containing additive white Gaussian noise | |
Gusev et al. | Fast parallel grid warping-based image sharpening method | |
CN113822823B (zh) | 气动光学效应图像空变模糊核的点近邻复原方法及系统 | |
Zeng et al. | Distance map based enhancement for interpolated images |
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 |