CN114943649A - 图像去模糊方法、装置及计算机可读存储介质 - Google Patents
图像去模糊方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN114943649A CN114943649A CN202210371361.1A CN202210371361A CN114943649A CN 114943649 A CN114943649 A CN 114943649A CN 202210371361 A CN202210371361 A CN 202210371361A CN 114943649 A CN114943649 A CN 114943649A
- Authority
- CN
- China
- Prior art keywords
- image
- optimized
- image block
- fuzzy
- block
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000015556 catabolic process Effects 0.000 claims abstract description 32
- 238000006731 degradation reaction Methods 0.000 claims abstract description 32
- 238000004590 computer program Methods 0.000 claims description 24
- 230000003044 adaptive effect Effects 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000002372 labelling Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 10
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000007787 solid Substances 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
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供一种图像去模糊方法、装置及计算机可读存储介质,所述方法包括:获取待去模糊图像,将待去模糊图像等分为多个图像块;分析每个所述图像块并进行标记,标记出原始清晰图像块和待优化图像块,并计算模糊区域所占的实际像素比例;对比实际像素比例与预定像素比例阈值,标记第一待优化图像块和第二待优化优化图像块;采用常规图像局部去模糊方法去除各个第一待优化图像块中的模糊区域;基于L1范数规则化对图像模糊退化模型进行优化从而计算出清晰图像和模糊核,将清晰图像确定为第二待优化图像块去除模糊后的第二优化清晰图像块;拼接组合以获得待去模糊图像去除模糊后的目标清晰图像。本实施例能有效提高图像去模糊的效率和效果。
Description
技术领域
本发明实施例涉及图像处理技术领域,尤其涉及一种图像去模糊方法、装置及计算机可读存储介质。
背景技术
目前,随着图像技术的不断提高,在摄像设备拍摄图像时,由于使用者或者环境因素的影响,通常会导致拍摄图像变模糊,因此,图像去模糊的方法应运而生。
现有的一种图像整体去模糊方法通常是采用图像盲去模糊算法模型对整张图像去模糊,具体通过构建待去模糊图像的图像模糊退化模型后,计算图像模糊退化模型中的潜在图像与模糊核,最终潜在图像即为去模糊后的清晰图像,但是,此种方法在计算潜在图像与模糊核时需要耗费大量时间,去模糊效率较低。另外,还有一种图像局部去模糊方法,通常是先确定出待去模糊图像中的模糊区域后,再采用待去模糊图像中的非模糊区域的像素均值替换模糊区域中的模糊像素,从而去除图像中的模糊区域,但是,此种方法图像去模糊的效果又相对较差,去模糊后图像仍旧不清晰。
发明内容
本发明实施例要解决的技术问题在于,提供一种图像去模糊方法,能有效提高图像去模糊的效率和效果。
本发明实施例进一步要解决的技术问题在于,提供一种图像去模糊装置,能有效提高图像去模糊的效率和效果。
本发明实施例进一步要解决的技术问题在于,提供一种计算机可读存储介质,以存储能有效提高图像去模糊的效率和效果的计算机程序。
为了解决上述技术问题,本发明实施例首先提供以下技术方案:一种图像去模糊方法,包括以下步骤:
获取待去模糊图像,将所述待去模糊图像等分为多个预定尺寸大小的图像块;
分析每个所述图像块并进行标记,其中,将不存在模糊区域的图像块和存在模糊区域的图像块分别对应标记为原始清晰图像块和待优化图像块,并计算待优化图像块中模糊区域所占的实际像素比例;
对比所述实际像素比例与预定像素比例阈值,将所述实际像素比例大于零且小于预定像素比例阈值的所述待优化图像块进一步标记为第一待优化图像块,以及将所述实际像素比例大于或等于预定像素比例阈值的所述模糊区域对应的图像块标记为第二待优化图像块;
采用常规图像局部去模糊方法去除各个所述第一待优化图像块中的模糊区域而获得第一优化清晰图像块;
采用所述第二待优化图像块的图像梯度最大和图像强度最小结合作为先验条件,基于L1范数规则化对预存的图像模糊退化模型进行优化从而计算出所述图像模糊退化模型中的清晰图像和模糊核,将所述清晰图像确定为所述第二待优化图像块去除模糊后的第二优化清晰图像块;以及
将每个所述待去模糊图像对应的原始清晰图像块、第一优化清晰图像块以及第二优化清晰图像块拼接组合即获得每个所述待去模糊图像对应去除模糊后的目标清晰图像。
进一步的,所述采用所述第二待优化图像块的图像梯度最大和图像强度最小结合作为先验条件,基于L1范数规则化对预存的图像模糊退化模型进行优化从而计算出所述图像模糊退化模型中的清晰图像和模糊核,将所述清晰图像确定为所述第二待优化图像块去除模糊后的第二优化清晰图像块具体包括:
计算所述第二待优化图像块的最大图像梯度和最小图像强度;以及
采用所述第二待优化图像块的最大图像梯度和最小图像强度相结合作为先验条件,基于半二次方分裂算法模型和快速傅里叶变换算法模型计算出所述图像模糊退化模型中的清晰图像,再根据所述图像模糊退化模型中的清晰图像并结合快速傅里叶变换算法模型和模糊核约束条件计算出所述图像模糊退化模型中的模糊核,将所述清晰图像确定为所述第二待优化图像块去除模糊后的第二优化清晰图像块。
进一步的,所述分析每个所述图像块并进行标记,其中,将不存在模糊区域的图像块和存在模糊区域的图像块分别对应标记为原始清晰图像块和待优化图像块,并计算待优化图像块中模糊区域所占的实际像素比例具体包括:
计算每个所述图像块的图像均值和方差标准差;
根据所述图像均值和方差标准差确定每个所述图像块的自适应阈值;
对比所述自适应阈值与预定阈值区间,将所述自适应阈值小于或等于所述预定阈值区间的图像块标记为原始清晰图像块,将所述自适应阈值大于所述预定阈值区间的图像块标记为待优化图像块;以及
计算待优化图像块中模糊区域所占的实际像素比例。
进一步的,所述采用常规图像局部去模糊方法去除各个所述第一待优化图像块中的模糊区域而获得第一优化清晰图像块具体包括:
计算所述第一待优化常规图像块中除模糊区域外其他区域的平均像素值;以及
将所述第一待优化图像块中的模糊区域中的各个像素点的实际像素值修改为所述平均像素值而获得所述第一优化清晰图像块。
进一步的,在将所述待去模糊图像等分为多个预定尺寸大小的图像块之后以及分析每个所述图像块并进行标记之前,还对各个图像块进行预处理,所述预处理至少包括灰度化和滤波。
另一方面,为了解决上述进一步的技术问题,本发明实施例再提供以下技术方案:一种图像去模糊装置,分别与用于提供待去模糊图像的摄像装置和用于对图像去模糊装置处理后的目标清晰图像进行显示的图像显示装置相连,所述图像去模糊装置包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如上述任意一项所述的图像去模糊方法。
再一方面,为了解决上述进一步的技术问题,本发明实施例再提供以下技术方案:一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述任意一项所述的图像去模糊方法。
采用上述技术方案后,本发明实施例至少具有如下有益效果:本发明实施例通过再获取待去模糊图像后,将待去模糊图像等分为多个预定尺寸大小的图像块,分别标记出原始清晰图像块和待优化图像块后,通过计算出对应模糊区域所占的实际像素比例,对比实际像素比例与预定像素比例阈值,进一步将待优化图像块分类标记为第一待优化图像块和第二待优化图像块,由于第一待优化图像块中模糊区域所占的实际像素比例相对较小,采用常规图像局部去模糊方法进行去模糊,去模糊效果好,而对于第二待优化图像块中模糊区域所占的实际像素比例相对较大,则采用所述第二待优化图像块的图像梯度最大和图像强度最小结合作为先验条件,基于L1范数规则化对预存的图像模糊退化模型进行优化从而计算出所述图像模糊退化模型中的清晰图像和模糊核,实现对整个第二待优化图像块的去模糊,图像梯度最大和图像强度最小结合作为先验条件可有效避免在求解清晰图像时陷入局部最优解,从而能大幅提高第二待优化图像块整体去模糊的效率,最后通过将每个所述待去模糊图像对应的原始清晰图像块、第一优化清晰图像块以及第二优化清晰图像块进行拼接组合,即可获得所述待去模糊图像对应去除模糊后的目标清晰图像,能有效提高图像去模糊的效率和效果。
附图说明
图1为本发明实施例图像去模糊方法一个可选实施例的步骤流程图。
图2为本发明实施例图像去模糊方法一个可选实施例步骤S5具体的流程图。
图3为本发明实施例图像去模糊方法一个可选实施例步骤S2具体的流程图。
图4为本发明实施例图像去模糊方法一个可选实施例步骤S4具体的流程图。
图5为本发明实施例图像去模糊装置一个可选实施例的原理框图。
图6为本发明实施例图像去模糊装置一个可选实施例的功能模块图。
具体实施方式
下面结合附图和具体实施例对本申请作进一步详细说明。应当理解,以下的示意性实施例及说明仅用来解释本发明,并不作为对本发明的限定,而且,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互结合。
如图1所示,本发明一个可选实施例提供一种图像去模糊方法,包括以下步骤:
S1:获取待去模糊图像,将所述待去模糊图像等分为多个预定尺寸大小的图像块;
S2:分析每个所述图像块并进行标记,其中,将不存在模糊区域的图像块和存在模糊区域的图像块分别对应标记为原始清晰图像块和待优化图像块,并计算待优化图像块中模糊区域所占的实际像素比例;
S3:对比所述实际像素比例与预定像素比例阈值,将所述实际像素比例大于零且小于预定像素比例阈值的所述待优化图像块进一步标记为第一待优化图像块,以及将所述实际像素比例大于或等于预定像素比例阈值的所述模糊区域对应的图像块标记为第二待优化图像块;
S4:采用常规图像局部去模糊方法去除各个所述第一待优化图像块中的模糊区域而获得第一优化清晰图像块;
S5:采用所述第二待优化图像块的图像梯度最大和图像强度最小结合作为先验条件,基于L1范数规则化对预存的图像模糊退化模型进行优化从而计算出所述图像模糊退化模型中的清晰图像和模糊核,将所述清晰图像确定为所述第二待优化图像块去除模糊后的第二优化清晰图像块;以及
S6:将每个所述待去模糊图像对应的原始清晰图像块、第一优化清晰图像块以及第二优化清晰图像块拼接组合即获得每个所述待去模糊图像对应去除模糊后的目标清晰图像。
本发明实施例通过再获取待去模糊图像后,将待去模糊图像等分为多个预定尺寸大小的图像块,分别标记出原始清晰图像块和待优化图像块后,通过计算出对应模糊区域所占的实际像素比例,对比实际像素比例与预定像素比例阈值,进一步将待优化图像块分类标记为第一待优化图像块和第二待优化图像块,由于第一待优化图像块中模糊区域所占的实际像素比例相对较小,采用常规图像局部去模糊方法进行去模糊,去模糊效果好,而对于第二待优化图像块中模糊区域所占的实际像素比例相对较大,则采用所述第二待优化图像块的图像梯度最大和图像强度最小结合作为先验条件,基于L1范数规则化对预存的图像模糊退化模型进行优化从而计算出所述图像模糊退化模型中的清晰图像和模糊核,实现对整个第二待优化图像块的去模糊,图像梯度最大和图像强度最小结合作为先验条件可有效避免在求解清晰图像时陷入局部最优解,从而能大幅提高第二待优化图像块整体去模糊的效率,最后通过将每个所述待去模糊图像对应的原始清晰图像块、第一优化清晰图像块以及第二优化清晰图像块进行拼接组合,即可获得所述待去模糊图像对应去除模糊后的目标清晰图像,能有效提高图像去模糊的效率和效果。
在具体实施时,通常将所述预定像素比例阈值设定为0.05±0.01。
在本发明一个可选实施例中,如图2所示,所述步骤S5具体包括:
S51:计算所述第二待优化图像块的最大图像梯度和最小图像强度;以及
S52:采用所述第二待优化图像块的最大图像梯度和最小图像强度相结合作为先验条件,基于半二次方分裂算法模型和快速傅里叶变换算法模型计算出所述图像模糊退化模型中的清晰图像,再根据所述图像模糊退化模型中的清晰图像并结合快速傅里叶变换算法模型和模糊核约束条件计算出所述图像模糊退化模型中的模糊核,将所述清晰图像确定为所述第二待优化图像块去除模糊后的第二优化清晰图像块。
本实施例中,通过先计算出第二待优化图像块的最大图像梯度和最小图像强度,然后采用半二次方分裂算法模型替换图像模糊退化模型中的迭代过程中的清晰图像,再采用快速傅里叶变换算法模型计算出图像模糊退化模型中迭代过程中的清晰图像,然后依次循环,最终计算出最精确的清晰图像;在迭代过程中,每次求解出清晰图像,都相应的结合快速傅里叶变换算法模型计算出图像模糊退化模型中的模糊核,然后根据模糊核约束条件在迭代过程中获得最精确的模糊核。
在具体实施时,所述图像模糊退化模型可以表示为以下公式:
其中,B是模糊图像,I为清晰图像,K为模糊核,ε为噪声,另外,根据图像模糊的原理可知,模糊核约束条件为Ki>0和ΣiKi=1,其中,i表示迭代次数;另外,在获模糊核后,还需要将K中的不利元素置为0来调整K以获得最终精确的模糊核。
在本发明一个可选实施例中,如图3所示,所述步骤S2具体包括:
S21:计算每个所述图像块的图像均值和方差标准差;
S22:根据所述图像均值和方差标准差确定每个所述图像块的自适应阈值;
S23:对比所述自适应阈值与预定阈值区间,将所述自适应阈值小于或等于所述预定阈值区间的图像块标记为原始清晰图像块,将所述自适应阈值大于所述预定阈值区间的图像块标记为待优化图像块;以及
S24:计算存在模糊区域的图像块中模糊区域所占的实际像素比例。
本实施例中,通过计算每个所述图像块的图像均值和方差标准差,并进一步确定所述图像块的自适应阈值,通过将自适应阈值与预定阈值区间进行比较,从而确定图像块是否存在模糊区域,判断方法相对简单,能有效提高模糊区域的检测效率。在具体实施时,由于模糊区域的像素相较于清晰区域的像素相对更小,通过读取图像块中的像素即可确定图像块中的模糊区域的大小,进而通过简单的比例计算即可获得模糊区域占图像块的实际像素比例。
在本发明一个可选实施例中,如图4所示,所述步骤S4具体包括:
S41:计算所述第一待优化图像块中除模糊区域外其他区域的平均像素值;以及
S42:将所述第一待优化图像块中的模糊区域中的各个像素点的实际像素值修改为所述平均像素值而获得所述第一优化清晰图像块。
本实施例中,通过采用第一待优化图像块中除模糊区域外其他区域的平均像素值替换修改模糊区域中的各个像素点的像素值,从而实现对第一待优化图像块中的模糊区域进行去除,过程相对简单,对于模糊区域较小的图像块,去模糊效果好。
在本发明一个可选实施例中,在将所述待去模糊图像等分为多个预定尺寸大小的图像块之后以及分析每个所述图像块并进行标记之前,还对各个图像块进行预处理,所述预处理至少包括灰度化和滤波。本实施例中,还通过对图像块进行灰度化和滤波处理,方便后续进行图像处理和检测,有利于提高去模糊效果,实现图像的优化。
另一方面,如图5所示,本发明实施例再提供一种图像去模糊装置1,分别与用于提供待去模糊图像的摄像装置3和用于对图像去模糊装置1处理后的目标清晰图像进行显示的图像显示装置5相连,相连,所述图像去模糊装置1包括处理器10、存储器12以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器10执行所述计算机程序时实现如上述任意一项所述的图像去模糊方法。
示例性的,所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器12中,并由所述处理器执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述图像去模糊装置中的执行过程。例如,所述计算机程序可以被分割成图6所述的图像去模糊装置1中的功能模块,其中,图像获取及等分模块21、初步标记及比例计算模块22、二次标记模块23、常规去模糊模块24、优化去模糊模块25以及图像组合模块26分别对应执行以上的步骤S1-步骤S6。
所述图像去模糊装置1可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述图像去模糊装置1可包括,但不仅限于,处理器10、存储器12。本领域技术人员可以理解,所述示意图仅仅是图像去模糊装置1的示例,并不构成对图像去模糊装置1的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述图像去模糊装置1还可以包括输入输出设备、网络接入设备、总线等。
所称处理器10可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(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、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器10是所述图像去模糊装置1的控制中心,利用各种接口和线路连接整个图像去模糊装置1的各个部分。
所述存储器12可用于存储所述计算机程序和/或模块,所述处理器10通过运行或执行存储在所述存储器12内的计算机程序和/或模块,以及调用存储在存储器12内的数据,实现所述掩膜版修复控制装置1的各种功能。所述存储器12可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如图形识别功能、图形层叠功能等)等;存储数据区可存储根据图像去模糊装置1的使用所创建的数据(比如图形数据等)等。此外,存储器12可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本发明实施例所述的功能如果以软件功能模块或单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算设备可读取存储介质中。基于这样的理解,本发明实施例实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器10执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
再一方面,本发明实施例再提供一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述任意一项所述的图像去模糊方法。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护范围之内。
Claims (7)
1.一种图像去模糊方法,其特征在于,所述方法包括以下步骤:
获取待去模糊图像,将所述待去模糊图像等分为多个预定尺寸大小的图像块;
分析每个所述图像块并进行标记,其中,将不存在模糊区域的图像块和存在模糊区域的图像块分别对应标记为原始清晰图像块和待优化图像块,并计算待优化图像块中模糊区域所占的实际像素比例;
对比所述实际像素比例与预定像素比例阈值,将所述实际像素比例大于零且小于预定像素比例阈值的所述待优化图像块进一步标记为第一待优化图像块,以及将所述实际像素比例大于或等于预定像素比例阈值的所述模糊区域对应的图像块标记为第二待优化图像块;
采用常规图像局部去模糊方法去除各个所述第一待优化图像块中的模糊区域而获得第一优化清晰图像块;
采用所述第二待优化图像块的图像梯度最大和图像强度最小结合作为先验条件,基于L1范数规则化对预存的图像模糊退化模型进行优化从而计算出所述图像模糊退化模型中的清晰图像和模糊核,将所述清晰图像确定为所述第二待优化图像块去除模糊后的第二优化清晰图像块;以及
将每个所述待去模糊图像对应的原始清晰图像块、第一优化清晰图像块以及第二优化清晰图像块拼接组合即获得每个所述待去模糊图像对应去除模糊后的目标清晰图像。
2.如权利要求1所述的图像去模糊方法,其特征在于,所述采用所述第二待优化图像块的图像梯度最大和图像强度最小结合作为先验条件,基于L1范数规则化对预存的图像模糊退化模型进行优化从而计算出所述图像模糊退化模型中的清晰图像和模糊核,将所述清晰图像确定为所述第二待优化图像块去除模糊后的第二优化清晰图像块具体包括:
计算所述第二待优化图像块的最大图像梯度和最小图像强度;以及
采用所述第二待优化图像块的最大图像梯度和最小图像强度相结合作为先验条件,基于半二次方分裂算法模型和快速傅里叶变换算法模型计算出所述图像模糊退化模型中的清晰图像,再根据所述图像模糊退化模型中的清晰图像并结合快速傅里叶变换算法模型和模糊核约束条件计算出所述图像模糊退化模型中的模糊核,将所述清晰图像确定为所述第二待优化图像块去除模糊后的第二优化清晰图像块。
3.如权利要求1所述的图像去模糊方法,其特征在于,所述分析每个所述图像块并进行标记,其中,将不存在模糊区域的图像块和存在模糊区域的图像块分别对应标记为原始清晰图像块和待优化图像块,并计算待优化图像块中模糊区域所占的实际像素比例具体包括:
计算每个所述图像块的图像均值和方差标准差;
根据所述图像均值和方差标准差确定每个所述图像块的自适应阈值;
对比所述自适应阈值与预定阈值区间,将所述自适应阈值小于或等于所述预定阈值区间的图像块标记为原始清晰图像块,将所述自适应阈值大于所述预定阈值区间的图像块标记为待优化图像块;以及
计算待优化图像块中模糊区域所占的实际像素比例。
4.如权利要求1所述的图像去模糊方法,其特征在于,所述采用常规图像局部去模糊方法去除各个所述第一待优化图像块中的模糊区域而获得第一优化清晰图像块具体包括:
计算所述第一待优化图像块中除模糊区域外其他区域的平均像素值;以及
将所述第一待优化图像块中的模糊区域中的各个像素点的实际像素值修改为所述平均像素值而获得所述第一优化清晰图像块。
5.如权利要求1-4任一项所述的图像去模糊方法,其特征在于,在将所述待去模糊图像等分为多个预定尺寸大小的图像块之后以及分析每个所述图像块并进行标记之前,还对各个图像块进行预处理,所述预处理至少包括灰度化和滤波。
6.一种图像去模糊装置,分别与用于提供待去模糊图像的摄像装置和用于对图像去模糊装置处理后的目标清晰图像进行显示的图像显示装置相连,其特征在于,所述图像去模糊装置包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至5中任意一项所述的图像去模糊方法。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至5中任意一项所述的图像去模糊方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210371361.1A CN114943649A (zh) | 2022-04-11 | 2022-04-11 | 图像去模糊方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210371361.1A CN114943649A (zh) | 2022-04-11 | 2022-04-11 | 图像去模糊方法、装置及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114943649A true CN114943649A (zh) | 2022-08-26 |
Family
ID=82906981
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210371361.1A Pending CN114943649A (zh) | 2022-04-11 | 2022-04-11 | 图像去模糊方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114943649A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116091367A (zh) * | 2023-04-10 | 2023-05-09 | 中国科学院空天信息创新研究院 | 光学遥感图像盲去模糊方法、装置、设备和介质 |
CN116205822A (zh) * | 2023-04-27 | 2023-06-02 | 荣耀终端有限公司 | 一种图像处理的方法、电子设备和计算机可读存储介质 |
-
2022
- 2022-04-11 CN CN202210371361.1A patent/CN114943649A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116091367A (zh) * | 2023-04-10 | 2023-05-09 | 中国科学院空天信息创新研究院 | 光学遥感图像盲去模糊方法、装置、设备和介质 |
CN116205822A (zh) * | 2023-04-27 | 2023-06-02 | 荣耀终端有限公司 | 一种图像处理的方法、电子设备和计算机可读存储介质 |
CN116205822B (zh) * | 2023-04-27 | 2023-10-03 | 荣耀终端有限公司 | 一种图像处理的方法、电子设备和计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114943649A (zh) | 图像去模糊方法、装置及计算机可读存储介质 | |
CN110796624B (zh) | 一种图像生成方法、装置及电子设备 | |
CN109214996B (zh) | 一种图像处理方法及装置 | |
CN110969046B (zh) | 人脸识别方法、设备及计算机可读存储介质 | |
CN111882565B (zh) | 一种图像二值化方法、装置、设备及存储介质 | |
CN114529459A (zh) | 一种对图像边缘进行增强处理的方法和系统及介质 | |
CN113298761B (zh) | 一种图像滤波方法、装置、终端和计算机可读存储介质 | |
CN114049499A (zh) | 用于连续轮廓的目标对象检测方法、设备及存储介质 | |
CN113344801A (zh) | 一种应用于燃气计量设施环境下的图像增强方法、系统、终端及存储介质 | |
CN113362238A (zh) | 测试图像处理方法、装置、电子设备及存储介质 | |
CN111696064A (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
Shi et al. | Fast linear motion deblurring for 2d barcode | |
CN113012068B (zh) | 图像去噪方法、装置、电子设备及计算机可读存储介质 | |
CN111311610A (zh) | 图像分割的方法及终端设备 | |
CN111524153B (zh) | 图像解析力确定方法、装置及计算机存储介质 | |
Ko et al. | Low cost blur image detection and estimation for mobile devices | |
Krupiński et al. | Binarization of degraded document images with generalized Gaussian distribution | |
CN113239738B (zh) | 一种图像的模糊检测方法及模糊检测装置 | |
CN115564727A (zh) | 一种爆光显影异常缺陷检测方法及系统 | |
CN111986176B (zh) | 一种裂纹图像识别方法、系统、终端及可读存储介质 | |
CN114596210A (zh) | 噪声估计方法、装置、终端设备及计算机可读存储介质 | |
CN115330637A (zh) | 一种图像锐化方法、装置、计算设备及存储介质 | |
CN114119377A (zh) | 一种图像处理方法及装置 | |
CN113674144A (zh) | 一种图像处理方法、终端设备及可读存储介质 | |
CN112053300B (zh) | 一种光照不均匀图像的矫正方法、装置和设备 |
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 |