專利名稱：微擾法解圖像模糊的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種圖像解模糊算法，屬于圖像處理領(lǐng)域。
背景技術(shù)：
目前，在圖像拍攝過程中，由于聚集不準、相機或拍攝對象發(fā)生運動等原因，采集得到的圖像會模糊不清。而解模糊可以提高圖像的利用質(zhì)量。目前的圖像解模糊算法在運算域上可以分為頻域和空域兩大類。

設(shè)真實場景為f，獲得的模糊圖像為g，g是f降析函數(shù)h作卷積，再加上噪聲n的結(jié)果，即g=f*h+n。一般考慮整幅圖像中每一處的模糊過程一致，則h是一個和像素坐標(x，y)無關(guān)的函數(shù)，實際情況中圖像不同區(qū)域的模糊過程可能有較大區(qū)別。基本的頻域方法利用頻域的乘法同構(gòu)于空域的卷積，通過傅里葉變換將模糊圖像g和降析函數(shù)h變換到頻域中，分別得到G和H，作除法G/H之后反變換回空域得到解模糊的清晰圖像。頻域類的方法有兩種情況可能使得還原效果不理想一種情況是因為頻域變換假設(shè)f為周期性重復的圖像，在邊界區(qū)域會與實際情況有一定出入，對最終結(jié)果會產(chǎn)生一定誤差，當h的大小接近g的大小時，解模糊效果較差；第二情況是如果采用除法實現(xiàn)模糊的逆變換，在頻域的零點需要特殊處理，如維納濾波引人了噪信比的估計值，消除了頻域零點，但無論噪信比估計準確與否，都會對還原圖像產(chǎn)生一定程度的模糊，即真實的邊緣受到一定程度的模糊?；镜目沼蚍椒ǘ鄶?shù)空域方法的共同點是找一個f的估計值使得還原的圖像再模糊后，和g的差值最小，并把誤差當成為噪聲?？梢岳霉曹椞荻确ǖ染€性方程組求數(shù)值解的迭代方法完成。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種微擾法還原模糊圖像的方法，它不僅能夠?qū)吔缧?yīng)有一定消除，并且能夠方便的對模糊過程中存在空變的情況直接進行處理，且無需估計噪音參數(shù)，以克服現(xiàn)有技術(shù)的不足。本發(fā)明是這樣實現(xiàn)的微擾法還原模糊圖像的方法，將待還原模糊圖像用已有的模糊參數(shù)估計方法估計其模糊模型和模糊參數(shù)，并構(gòu)造出降析函數(shù)h ;將待還原模糊圖像c中的每一個像素都用擾動微量d進行擾動，得到擾動每個像素產(chǎn)生的誤差改善量e;將誤差改善量e的最大值根據(jù)降析函數(shù)h計算出受該值影響的范圍，并獲得受影響的范圍的點；如果誤差改善量e的最大值大于0，就對誤差改善量e的最大值的點進行微量匯聚，使受誤差改善量e的最大值影響的范圍的點的像素值改變；將像素值改變的范圍的點再用擾動微量d進行擾動，并計算它們的誤差改善量e，重復上述步驟，直到誤差改善量e的最大值小于等于0，則算法終止，得到還原圖像。誤差改善量e的存儲采用優(yōu)先隊列P，將經(jīng)過2次以上用擾動微量d進行擾動的點，按照優(yōu)先隊列P的最大堆算法，調(diào)整其位置。使用優(yōu)先隊列P是為了加快搜索最大值，它能夠保持一個總是輸出最大值的隊列；并且修改一個元素值時，維護這個隊列的代價僅僅是O(log(n))次比較和交換。這里的n為隊列中元素的數(shù)量。對誤差改善量e的最大值的點(xl，yl)進行微量匯聚，利用降析函數(shù)h進行反向計算。
微量匯聚的公式如下
c (Xlj Ji) =C (X1, J1) +d;
同時扣除71)在模糊圖中的擴散量
g (Xi+X, y&y) = g (xx+x, 7x+y) -h (xtj) *d； 其中(U) E domai n (h)。這導致g在(Xpy1)周圍的像素值改變，具體則會影響到h*h范圍內(nèi)的擾動量的改變。擾動微量d的取值范圍的下限為降析函數(shù)在其定義域內(nèi)的最小值。擾動微量d取值越大，算法速度越快，但解模糊的效果可能越差甚至嚴重錯誤；d取值越小，每次還原清晰圖像的量越小，算法需要越長時間才能完成，最終效果越好；因此d的取值設(shè)置為降析函數(shù)在其定義域內(nèi)的最小值為宜。還可以在確定模糊圖像c的每個矩陣值后，設(shè)置一個預估值g，該預估值用來表示清晰圖像的一些已知區(qū)域。降析函數(shù)也稱為點擴散函數(shù)(point spread function),降析函數(shù)的字面意義為反映圖像解析圖降低方式的函數(shù)。降析函數(shù)反映了清晰圖像中的一個像素點在模糊圖像中對應(yīng)怎樣的一個光斑(如附圖I所示)。由于采用了上述技術(shù)方案，與現(xiàn)有技術(shù)相比，本發(fā)明采用設(shè)置擾動微量，通過擾動微量對模糊圖像的每個矩陣值進行擾動計算，獲得相應(yīng)的誤差改善量，并找出誤差改善量的最大值，再通過降析函數(shù)來確定該受最大值影響的范圍，對符合要求的范圍進行相應(yīng)的微量匯聚處理，以改變其像素值，從而實現(xiàn)還原模糊圖像；本發(fā)明的方法能夠?qū)吔缧?yīng)有一定消除，而且不需要估計噪音參數(shù)，同時能夠方便的對模糊過程中存在空變的情況直接進行處理。算法簡單，物理意義明顯。


圖I為本發(fā)明方法的原理 圖2為本發(fā)明的實施例I的模糊 圖3為本發(fā)明的實施例I的模糊圖用維納濾波(噪信比為0. 001)對白框內(nèi)小圖像解模糊的效果 圖4為本發(fā)明的實施例I的模糊圖用LR算法迭代100次對白框內(nèi)小圖像解模糊的效果圖5為本發(fā)明的實施例I的模糊圖采用本發(fā)明對白框小圖像內(nèi)解模糊的效果圖6為本發(fā)明的實施例I的模糊圖用維納濾波對整體圖像解模糊的效果圖；圖7為本發(fā)明的實施例I的模糊圖用LR算法迭代100次對整體圖像解模糊的效果圖； 圖8為本發(fā)明的實施例I的模糊圖采用本發(fā)明對整體圖像內(nèi)解模糊的效果 圖9為本發(fā)明的實施例2的模糊 圖10為本發(fā)明的實施例2的模糊圖用維納濾波(噪信比為0. 004)對圖像解模糊的效果 圖11為本發(fā)明的實施例2的模糊圖用LR算法迭代100次對圖像解模糊的效果 圖12為本發(fā)明的實施例2的模糊圖采用本發(fā)明對圖像內(nèi)解模糊的效果 圖I中c為逐步恢復圖像，g為殘留模糊圖像，1，2及3均為匯聚候選點，SI，S2及S3均為擾動區(qū)域。
具體實施例方式將待還原模糊圖像用已有的模糊參數(shù)估計方法估計其模糊模型和模糊參數(shù)，并構(gòu)造出降析函數(shù)h ;將待還原模糊圖像c中的每一個像素都用擾動微量d進行擾動，得到擾動每個像素產(chǎn)生的誤差改善量e ;將誤差改善量e的最大值根據(jù)降析函數(shù)h計算出受該值影響的范圍，并獲得受影響的范圍的點；如果誤差改善量e的最大值大于0，就對誤差改善量e的最大值的點進行微量匯聚，使受誤差改善量e的最大值影響的范圍的點的像素值改變；將像素值改變的范圍的點再用擾動微量d進行擾動，并計算它們的誤差改善量e，重復上述步驟，直到誤差改善量e的最大值小于等于0，則算法終止，得到還原圖像。本發(fā)明的實施例I :微擾法還原模糊圖像的方法，選取如圖2所示的一副模糊圖，將待還原模糊圖像用已有的模糊參數(shù)估計方法估計其模糊模型和模糊參數(shù)，并構(gòu)造出降析函數(shù)h ;讀入模糊圖像，得到待還原模糊圖像c的矩陣值；定義誤差改善量的優(yōu)先隊列P(要求為最大堆)，初值為空。隊列元素是坐標和誤差改善量構(gòu)成的二元組；定義待擾動隊列N,初值為全部矩陣值；進入迭代，先將圖像c的每個像素都用擾動微量d進行擾動，計算得到每個擾動產(chǎn)生的誤差改善量e，對沒有在優(yōu)先隊列P中的點插入優(yōu)先隊列P，如果已經(jīng)在優(yōu)先隊列P中的點根據(jù)其擾動改善值的大小，按照優(yōu)先隊列的最大堆算法，調(diào)整其位置；在優(yōu)先隊列P中找出誤差改善量e的最大值，如果誤差改善量e的最大值大于0，就根據(jù)降析函數(shù)h計算出受該值影響的范圍，并獲得受影響的范圍的點；對誤差改善量e的最大值的點進行微量匯聚，使受誤差改善量e的最大值影響的范圍的點的像素值改變；將像素值改變的范圍的點再用擾動微量d進行擾動，并計算它們的誤差改善量e，重復上述步驟，直到誤差改善量e的最大值小于等于0 (此時表示所有點都無法進一步降低誤差)，則算法終止，得到還原圖像如圖5及圖8所示。優(yōu)先隊列P為誤差改善量e的計算結(jié)果，待擾動隊列N為誤差改善量e的待計算結(jié)果，優(yōu)先隊列P初始值為空，待擾動隊列N為全部的矩陣值，開始對所有點擾動，根據(jù)降析函數(shù)h，獲得誤差改善量e的最大值影響的范圍，并將獲得范圍的點，從新放入N中等待下一次的計算，將經(jīng)過2次以上用擾動微量d進行擾動的點，按照優(yōu)先隊列P的最大堆算法，調(diào)整其位置。本發(fā)明的實施例2 :微擾法還原模糊圖像的方法，選取如圖9所示的一副模糊圖，將待還原模糊圖像用已有的模糊參數(shù)估計方法估計其模糊模型和模糊參數(shù)，并構(gòu)造出降析函數(shù)h ;讀入模糊圖像，得到將待還原模糊圖像c的每個矩陣值；定義誤差改善量的優(yōu)先隊列p(要求為最大堆)，初值為空。隊列元素是坐標和誤差改善量構(gòu)成的二元組；定義待擾動隊列N，初值為全部矩陣值；進入迭代，先將圖像c的每個像素都用擾動微量d擾動一遍，計算得到每個擾動產(chǎn)生的誤差改善量e，對沒有在優(yōu)先隊列P中的點插入優(yōu)先隊列P，如果已經(jīng)在優(yōu)先隊列P中的點根據(jù)其擾動改善值的大小，按照優(yōu)先隊列的最大堆算法，調(diào)整其位置；在優(yōu)先隊列P中找出誤差改善量e的最大值，如果誤差改善量e的最大值大于O，就根據(jù)降析函數(shù)h計算出受該值影響的范圍，并獲得受影響的范圍的點；對誤差改善量e的最大值的點進行微量匯聚，使受誤差改善量e的最大值影響的范圍的點的像 素值改變；將像素值改變的范圍的點再用擾動微量d進行擾動，并計算它們的誤差改善量e，重復上述步驟，直到誤差改善量e的最大值小于等于O，則算法終止，得到還原圖像如圖12所示。
權(quán)利要求
1.一種微擾法還原模糊圖像的方法，其特征在于將待還原模糊圖像用已有的模糊參數(shù)估計方法估計其模糊模型和模糊參數(shù)，并構(gòu)造出降析函數(shù)h ;將待還原模糊圖像C中的每一個像素都用擾動微量d進行擾動，得到擾動每個像素產(chǎn)生的誤差改善量e ;將誤差改善量e的最大值根據(jù)降析函數(shù)h計算出受該值影響的范圍，并獲得受影響的范圍的點；如果誤差改善量e的最大值大于O，就對誤差改善量e的最大值的點進行微量匯聚，使受誤差改善量e的最大值影響的范圍的點的像素值改變；將像素值改變的范圍的點再用擾動微量d進行擾動，并計算它們的誤差改善量e，重復上述步驟，直到誤差改善量e的最大值小于等于O，則算法終止，得到還原圖像。
2.根據(jù)權(quán)利要求I所述的微擾法還原模糊圖像的方法，其特征在于誤差改善量e的計算采用優(yōu)先隊列P，將經(jīng)過2次以上用擾動微量d進行擾動的點，按照優(yōu)先隊列P的最大堆算法，調(diào)整其位置。
3.根據(jù)權(quán)利要求I所述的微擾法還原模糊圖像的方法，其特征在于對誤差改善量e的最大值的點進行微量匯聚，即利用降析函數(shù)h進行反降析計算。
4.根據(jù)權(quán)利要求I所述的微擾法還原模糊圖像的方法，其特征在于擾動微量d的取值為降析函數(shù)在其定義域內(nèi)的最小值。
全文摘要
本發(fā)明公開了一種微擾法還原模糊圖像的方法，將待還原模糊圖像用已有的模糊參數(shù)估計方法估計其模糊模型和模糊參數(shù)，并構(gòu)造出降析函數(shù)h；將待還原模糊圖像的每個矩陣值c都用擾動微量d進行擾動，得到每個擾動產(chǎn)生的誤差改善量e；將誤差改善量e的最大值根據(jù)降析函數(shù)h計算出受該值影響的范圍，并獲得受影響的范圍的點；如果誤差改善量e的最大值大于0，就對誤差改善量e的最大值的點進行微量匯聚，使受誤差改善量e的最大值影響的范圍的點的像素值改變；重復上述步驟，直到誤差改善量e的最大值小于等于0，則算法終止，得到還原圖像。本發(fā)明的方法能夠?qū)吔缧?yīng)有一定消除，同時能夠方便的對模糊過程中存在空變的情況直接進行處理。
文檔編號G06T5/00GK102708541SQ201210040559
公開日2012年10月3日 申請日期2012年2月22日 優(yōu)先權(quán)日2012年2月22日
發(fā)明者程欣宇 申請人:貴州大學