本申請涉及圖像處理技術(shù)，特別涉及一種圖像去模糊的方法和裝置。

背景技術(shù)：

在相機拍照時，有時由于手抖等各種原因可能會造成圖片成像模糊。為去掉或減輕由于相機運動導(dǎo)致的圖像模糊，通常會對成像的模糊圖片進行去模糊處理，以得到較為清晰的圖片。

目前，現(xiàn)有的去模糊方式，只針對少數(shù)圖像可以達(dá)到去模糊效果。這其中的原因是，現(xiàn)有技術(shù)都用反卷積實現(xiàn)去模糊，而利用反卷積實現(xiàn)去模糊的過程本身就是一個病態(tài)過程，因為事先對清晰圖像和導(dǎo)致清晰圖像變模糊的原因均是未知的。正是由于圖像變模糊的原因未知，因此很多方法都會對待求解的清晰圖像做出一些假設(shè)，然而當(dāng)實際圖像與假設(shè)不相符時，去模糊方法就會失效。

技術(shù)實現(xiàn)要素：

本申請?zhí)峁┮环N基于dvs的圖像去模糊方法和裝置，能夠改善圖像去模糊的效果。

為實現(xiàn)上述目的，本申請采用如下技術(shù)方案：

一種圖像去模糊方法，包括：

獲取待處理的模糊圖片和所述模糊圖片曝光時間內(nèi)dvs傳感器記錄的dvs事件集合；

根據(jù)所述dvs事件集合，對所述模糊圖片進行去模糊處理。

較佳地，根據(jù)所述dvs事件集合，對所述模糊圖片進行去模糊處理，包括：

根據(jù)所述dvs事件集合估計dvs邊緣估計圖像，并根據(jù)該dvs邊緣估計圖像進行所述去模糊處理。

較佳地，根據(jù)所述dvs邊緣估計圖像進行去模糊處理的方式包括以下之一：

將所述模糊圖片與所述dvs邊緣估計圖像進行對齊，根據(jù)對齊結(jié)果進行去模糊處理；

將所述模糊圖片與所述dvs邊緣估計圖像進行對齊，根據(jù)對齊結(jié)果進行去模糊處理，當(dāng)去模糊的處理結(jié)果未達(dá)到預(yù)設(shè)的去模糊處理效果且未達(dá)到設(shè)定的最大迭代次數(shù)時，根據(jù)所述去模糊的處理結(jié)果確定出平均邊緣圖，并利用該平均邊緣圖重新對齊所述模糊圖片與所述dvs邊緣估計圖像，直到去模糊的處理結(jié)果達(dá)到預(yù)設(shè)的去模糊處理效果或達(dá)到設(shè)定的最大迭代次數(shù)，將該模糊的處理結(jié)果作為去模糊結(jié)果輸出；

將所述模糊圖片與所述dvs邊緣估計圖像進行對齊，根據(jù)對齊結(jié)果進行去模糊處理，在當(dāng)前未達(dá)到設(shè)定的最大迭代次數(shù)時，根據(jù)所述去模糊的處理結(jié)果確定出平均邊緣圖，并根據(jù)該平均邊緣圖重新對齊所述模糊圖片與所述dvs邊緣估計圖像，直到達(dá)到設(shè)定的最大迭代次數(shù)，將該模糊的處理結(jié)果作為去模糊結(jié)果輸出；

將所述模糊圖片與所述dvs邊緣估計圖像進行對齊，根據(jù)對齊結(jié)果進行去模糊處理，當(dāng)去模糊的處理結(jié)果未達(dá)到預(yù)設(shè)的去模糊處理效果且當(dāng)前未達(dá)到設(shè)定的最大迭代次數(shù)時，根據(jù)所述去模糊的處理結(jié)果確定出平均邊緣圖，并根據(jù)該平均邊緣圖重新對齊所述模糊圖片與所述dvs邊緣估計圖像，直到去模糊的處理結(jié)果達(dá)到預(yù)設(shè)的去模糊處理效果或達(dá)到設(shè)定的最大迭代次數(shù)，將該模糊的處理結(jié)果作為去模糊結(jié)果輸出。

較佳地，根據(jù)所述dvs事件集合，對所述模糊圖片進行去模糊處理，包括：

根據(jù)所述dvs事件集合估計在所述曝光時間內(nèi)的相機運動軌跡和dvs邊緣估計圖像；并根據(jù)所述相機運動軌跡和dvs邊緣估計圖像進行所述去模糊處理。

較佳地，根據(jù)所述相機運動軌跡和dvs邊緣估計圖像進行去模糊處理的方式包括以下之一：

將所述模糊圖片與所述dvs邊緣估計圖像進行對齊，根據(jù)對齊結(jié)果進行去模糊處理，當(dāng)去模糊的處理結(jié)果未達(dá)到預(yù)設(shè)的去模糊處理效果時，根據(jù)所述去模糊的處理結(jié)果確定出在所述相機運動軌跡方向上的平均邊緣圖，并根據(jù)該平均邊緣圖重新對齊所述模糊圖片與所述dvs邊緣估計圖像，直到去模糊的處理結(jié)果達(dá)到預(yù)設(shè)的去模糊處理效果，將該模糊的處理結(jié)果作為去模糊結(jié)果輸出；

將所述模糊圖片與所述dvs邊緣估計圖像進行對齊，根據(jù)對齊結(jié)果進行去模糊處理，在當(dāng)前未達(dá)到設(shè)定的最大迭代次數(shù)時，根據(jù)所述去模糊的處理結(jié)果確定出在所述相機運動軌跡方向上的平均邊緣圖，并根據(jù)該平均邊緣圖重新對齊所述模糊圖片與所述dvs邊緣估計圖像，直到達(dá)到設(shè)定的最大迭代次數(shù)，將該模糊的處理結(jié)果作為去模糊結(jié)果輸出；

將所述模糊圖片與所述dvs邊緣估計圖像進行對齊，根據(jù)對齊結(jié)果進行去模糊處理，當(dāng)去模糊的處理結(jié)果未達(dá)到預(yù)設(shè)的去模糊處理效果且當(dāng)前未達(dá)到設(shè)定的最大迭代次數(shù)時，根據(jù)所述去模糊的處理結(jié)果確定出在所述相機運動軌跡方向上的平均邊緣圖， 并根據(jù)該平均邊緣圖重新對齊所述模糊圖片與所述dvs邊緣估計圖像，直到去模糊的處理結(jié)果達(dá)到預(yù)設(shè)的去模糊處理效果或達(dá)到設(shè)定的最大迭代次數(shù)，將該模糊的處理結(jié)果作為去模糊結(jié)果輸出。

較佳地，所述根據(jù)對齊結(jié)果進行去模糊處理包括：根據(jù)所述當(dāng)前對齊后的dvs邊緣估計圖像，利用反卷積變換對所述當(dāng)前對齊后的模糊圖片進行去模糊處理，得到本次迭代的清晰圖片作為去模糊的處理結(jié)果；

若本次與上次迭代的清晰圖片的誤差小于預(yù)定閾值，則確定達(dá)到預(yù)設(shè)的去模糊效果，否則，確定未達(dá)到預(yù)設(shè)的去模糊效果。

較佳地，所述根據(jù)所述dvs事件集合估計相機運動軌跡包括：將所述曝光時間按照時間先后順序分為n個時間片段，將所述dvs事件集合中位于同一時間片段內(nèi)的dvs事件獨立成像為圖片，根據(jù)n個時間片段內(nèi)成像的圖片，確定在所述曝光時間內(nèi)的相機運動軌跡。

較佳地，確定所述相機運動軌跡的方式包括：在每兩個連續(xù)的時間片段內(nèi)成像的圖片中，根據(jù)dvs事件的位置關(guān)系，確定該兩個連續(xù)時間片段內(nèi)的相機位移，并將所述曝光時間內(nèi)所有的每兩個連續(xù)時間片段內(nèi)的相機位移，按照時間先后順序相連，構(gòu)成在所述曝光時間內(nèi)的相機運動軌跡。

較佳地，所述根據(jù)dvs事件集合估計所述dvs邊緣估計圖像包括：將所述曝光時間按照時間先后順序分為n個時間片段，將所述dvs事件集合中位于同一時間片段內(nèi)的dvs事件統(tǒng)一成像為圖片，將所有時間片段內(nèi)成像的圖片進行空間對齊并疊加，計算疊加后圖片的骨架圖作為所述dvs邊緣估計圖像。

較佳地，所述將任意兩個時間片段的圖片進行空間對齊的方式包括：對任意兩個時間片段的圖片a和b，計算其中，(x,y)為圖片中像素點的二維坐標(biāo)，a(x,y)和b(x,y)分別表示圖片a和b中的像素點的取值，(δx,δy)為圖片b向圖片a對齊時圖片b所需的二維位移值，argmin(·)表示(·)取最小值時的自變量取值；根據(jù)計算得到的(δx,δy)，將圖片b和/或圖片a進行位移，實現(xiàn)圖片a和圖片b的對齊。

較佳地，所述將所有時間片段成像的圖片進行空間對齊并疊加包括以下之一：

對每兩個連續(xù)時間片段的圖片，計算(δx,δy)；按照時間先后順序，依次將時間在后的圖片向時間在前的圖片對齊并疊加；

對每兩個連續(xù)時間片段的圖片，計算(δx,δy)；按照時間先后順序，依次將時間在前的圖片向時間在后的圖片對齊并疊加。

較佳地，在進行所述去模糊處理時計算模糊核的方式為：模糊核其中，表示將矩陣x表示成為向量形式，表示求梯度的運算，i為去模糊處理后的清晰圖片，c為當(dāng)前對齊后的模糊圖片，e為當(dāng)前對齊后的dvs邊緣估計圖像，||vec||2表示計算向量的2范數(shù)，||vec||1表示計算向量的1范數(shù)，λ1和λ2為預(yù)設(shè)的兩個權(quán)重值，argmin(·)表示(·)取最小值時的自變量取值。

較佳地，確定平均邊緣圖的方式包括：

對所述本次迭代的清晰圖片，計算在所述相機運動軌跡中各個分段方向上的邊緣圖，并將所有邊緣圖疊加后計算骨架圖，將其作為所述平均邊緣圖。

一種圖像去模糊裝置，包括：獲取模塊和圖像去模糊模塊；

所述獲取模塊，用于獲取待處理的模糊圖片和所述模糊圖片曝光時間內(nèi)dvs傳感器記錄的dvs事件集合；

所述圖像去模糊模塊，用于根據(jù)所述dvs事件集合，對所述模糊圖片進行去模糊處理。

由上述技術(shù)方案可見，本申請中，引入dvs傳感器記錄的dvs事件，對模糊圖片進行去模糊處理。具體地，可以估計相機運動軌跡，并利用該運動軌跡進行模糊圖像的邊緣估計；同時，利用dvs事件進行dvs邊緣估計，并將模糊圖像或估計得到的模糊圖像的邊緣估計圖像與dvs邊緣估計結(jié)果進行對齊后，參與去模糊的處理。通過上述處理，能夠提高去模糊的效果。

附圖說明

圖1為本申請中圖像去模糊方法的基本流程示意圖；

圖2為dvs事件集合的成像與各個時間片段內(nèi)成像的圖片之間的關(guān)系示意圖；

圖3為連續(xù)兩個時間片段內(nèi)的相機位移示意圖；

圖4為進行dvs邊緣估計的示意圖；

圖5為rgb-dvs圖像對齊的處理示意圖；

圖6為計算清晰圖片的示意圖；

圖7為平均邊緣圖的生成示意圖；

圖8為本申請中圖像去模糊裝置的基本結(jié)構(gòu)示意圖；

圖9為本申請圖像去模糊裝置中的圖像去模糊模塊的結(jié)構(gòu)示意圖；

圖10為本申請中的圖像去模糊方法與現(xiàn)有技術(shù)比較的效果示意圖。

具體實施方式

為了使本申請的目的、技術(shù)手段和優(yōu)點更加清楚明白，以下結(jié)合附圖對本申請做進一步詳細(xì)說明。

dvs傳感器是一種具有微秒級時間分辨率的超高速相機，可以記錄輸出dvs事件，該dvs時間用于表示相機鏡頭內(nèi)在微秒級時間單位間所發(fā)生的變化。由于在鏡頭內(nèi)發(fā)生變化的部位通常是圖像中的邊緣，因此，當(dāng)dvs傳感器與普通相機固定在一起時，可以得到普通相機快速運動下的相對清晰邊緣圖像。本申請中，正是利用dvs傳感器所能得到的相對清晰邊緣圖像，參與對普通相機拍攝的模糊圖像進行的去模糊處理，從而極大地改善去模糊效果。

本申請最基本的圖像去模糊方法包括：

步驟1、獲取待處理的模糊圖片和所述模糊圖片曝光時間內(nèi)dvs傳感器記錄的dvs事件集合。

步驟2、根據(jù)所述dvs事件集合，對所述模糊圖片進行去模糊處理。

在步驟2中，優(yōu)選地，可以根據(jù)dvs事件集合估計dvs邊緣估計圖像，再根據(jù)該dvs邊緣估計圖像進行去模糊處理?；蛘?，還可以根據(jù)dvs事件集合估計相機運動軌跡和dvs邊緣估計圖像，再根據(jù)相機運動軌跡和dvs邊緣估計圖像進行去模糊處理。

圖1為本申請中的圖像去模糊方法的流程示意圖。其中，以對rgb圖像進行處理為例進行說明。如圖1所示，該方法包括：

步驟101，獲取待處理的模糊圖片和該模糊圖片曝光時間內(nèi)dvs傳感器記錄的dvs事件集合。

獲取普通相機拍下的rgb模糊圖片，dvs傳感器與拍照的普通相機固定在一起，因此可以獲取與普通相機相同視角的記錄，同時記錄的dvs事件可以反映出拍照的普通相機的運動。獲取模糊圖片曝光時間內(nèi)的dvs事件集合，能夠反映在相應(yīng)曝光時間內(nèi)的相機運動狀況。

步驟102，根據(jù)dvs事件集合，估計在曝光時間內(nèi)的相機運動軌跡和dvs邊緣估計圖像。

將曝光時間按照時間順序分為n個時間片段，n為預(yù)設(shè)的正整數(shù)，可以根據(jù)需要設(shè)置，本申請對具體設(shè)置依據(jù)不做限定。曝光時間內(nèi)的dvs事件集合包括很多dvs事件，相應(yīng)dvs事件都有時間標(biāo)記，按照劃分的時間片段，根據(jù)dvs事件的時間標(biāo)記，將位于同一時間片段內(nèi)的dvs事件進行獨立成像，具體獨立成像 方式可以采用任何可實現(xiàn)的方式，本申請對此不作限定。如圖2所示，為dvs事件集合的成像與各個時間片段內(nèi)成像的圖片之間的關(guān)系。

首先分析模糊圖片的產(chǎn)生和dvs事件成像的圖片的作用。如果將相機曝光時間內(nèi)的被拍攝對象看作是靜止的，那么圖像的模糊就是相機本身相對于靜止拍攝對象的運動所導(dǎo)致的?；诖?，在每個時間片段內(nèi)成像的圖片，都是相應(yīng)時間范圍內(nèi)相機快速相對運動下的相對清晰邊緣圖像；對于不同時間片段內(nèi)的圖片，被拍攝對象是相同的，也就是說邊緣圖像的輪廓也應(yīng)當(dāng)是相同的，只是該邊緣圖像在背景中出現(xiàn)了相對位移，而該位移剛好表征的是不同時間片段間的相機相對運動軌跡。同時，不同時間片段內(nèi)成像的圖片代表的是不同時間點的相同邊緣圖像，但是由于噪聲等的影響，每一張圖片的邊緣可能不是最準(zhǔn)確和完整的；如果按照相機的運動軌跡將所有n個時間片段內(nèi)的圖片恢復(fù)到同一時間點，然后將n個同一時間點的圖片疊加在一起就能夠得到相對更加清晰的邊緣圖。

簡單而言，對于兩個不同時間片段內(nèi)的圖片，圖片上應(yīng)當(dāng)有相同的形狀，而該形狀在整幅圖像中的位置關(guān)系變化就代表了相機在這兩個時間段間的直線運動關(guān)系。將其中一個圖片按照運動關(guān)系進行反向運動，就可以得到另一個圖片所在時間段內(nèi)的圖片，這兩個圖片疊加能夠得到效果增強的邊緣圖。

基于上述分析的內(nèi)容，本申請中根據(jù)n個時間片段內(nèi)成像的圖片，確定曝光時間內(nèi)的相機運動軌跡和dvs邊緣估計圖像。

具體地，確定曝光時間內(nèi)相機運動軌跡的方式可以為：在每兩個連續(xù)的時間片段內(nèi)成像的圖片中，根據(jù)dvs事件的位置關(guān)系，確定該兩個連續(xù)時間片段內(nèi)的相機位移，并將曝光時間內(nèi)所有的每兩個連續(xù)時間片段內(nèi)的相機位移，按照時間先后順序相連，構(gòu)成在曝光時間內(nèi)的相機運動軌跡。其中，兩個連續(xù)時間片段內(nèi)的相機位移如圖3所示。

這里，給出一種確定兩個連續(xù)時間片段內(nèi)的相機位移的示例性方法：對任意兩個連續(xù)時間片段的圖片a和b，計算

其中，(x,y)為圖片中像素點的二維坐標(biāo)，a(x,y)和b(x,y)分別表示圖片a和b中的像素點的取值，(δx,δy)為相機從圖片b所代表的時間點到圖片a所代表的時間點的二維位移，根據(jù)該二維位移能夠得到圖3所示的運動向量；這里，假定在連續(xù)兩個時間片段內(nèi)相機做直線運動。將所有連續(xù)兩個時間段內(nèi)的運動向量，按照時間先后順序相連，就能夠得到在曝光時間內(nèi)的相機軌跡。

確定dvs邊緣估計圖像的方式可以為：將所有時間片段內(nèi)成像的圖片進行空間對齊并疊加，計算疊加后圖片的骨架圖作為dvs邊緣估計圖像。如圖4所示。

其中，在進行空間對齊時，可以將所有時間片段的圖片對齊到同一時間片段上，再統(tǒng)一進行疊加；或者，也可以將某時間片段的圖片對齊到另一時間片段上，并將二者疊加，再將疊加后的結(jié)果對齊到其他時間片段上，依此類推。這里，可以采用上述公式(1)計算任意兩個時間片段的圖片之間的二維位移值(δx,δy)，該二維位移值代表圖片b對齊到圖片a所需的二維位移值。可以將圖片b位移(δx,δy)對齊到圖片a，或者也可以將圖片a位移(-δx,-δy)對齊到圖片b，再或者，還可以將圖片a和圖片b一同進行位移，對齊到圖片a和圖片b之間的其他時間片段上。

另外，由于在采用公式(1)計算位移時，假定兩個時間片段間的移動是直線運動，而事實上，隨著時間間隔的增長，直線運動與實際運動的偏離可能更大，估計越不準(zhǔn)確，因此，優(yōu)選地，在進行圖片對齊和疊加時可以對每兩個連續(xù)時間片段的圖片計算(δx,δy)，按照時間先后順序，依次將時間在后/前的圖片向時間在前/后的圖片對齊并疊加。這樣的處理能夠增加估計的準(zhǔn)確性。其中“/”表示或。

在本步驟后，開始進行迭代以實現(xiàn)圖像去模糊。

步驟103，將獲取的模糊圖片與dvs邊緣估計圖像進行對齊，得到當(dāng)前對齊后的模糊圖片和當(dāng)前對齊后的dvs邊緣估計圖像。

rgb-dvs圖像對齊的處理如圖5所示。首先對rgb圖像和dvs邊緣估計圖像分別進行去畸變。然后在兩幅圖像中找到對應(yīng)的關(guān)鍵點，最后通過計算仿射變換模型對兩幅圖像進行對齊。具體找到去畸變、確定對應(yīng)關(guān)鍵點和通過模型對齊圖像的處理均為現(xiàn)有技術(shù)，這里就不再贅述。其中，本步驟中包括去畸變的處理為優(yōu)選方式，如果出于實現(xiàn)復(fù)雜度或其他考慮，也可以不進行去畸變，直接確定關(guān)鍵點進行圖像對齊。在進行對齊時，可以將rgb圖像向dvs邊緣估計圖像對齊，也可以將dvs邊緣估計圖像向rgb圖像對齊。優(yōu)選地，可以將rgb圖像向dvs邊緣估計圖像對齊，對齊效果更佳。

另外，在第一次進行迭代時直接利用rgb模糊圖像與dvs邊緣估計圖像進行對齊處理，在之后的迭代中根據(jù)前次迭代確定的rgb邊緣估計圖像，將rgb模糊圖像與dvs邊緣估計圖像進行對齊處理，以提高rgb與dvs的配準(zhǔn)精度。

步驟104，根據(jù)當(dāng)前對齊后的dvs邊緣估計圖像，利用反卷積變換對當(dāng)前對齊后的模糊圖片進行去模糊處理，得到本次迭代的清晰圖片。

圖像去模糊模塊的處理是估計圖像的模糊核，并利用反卷積變換實現(xiàn)去模糊。如圖6所示。其中，計算模糊核時利用當(dāng)前對齊后的dvs邊緣估計圖像e。具體地，去模糊的處理包括：

計算模糊核k，使得

其中表示將矩陣x表示成為向量形式，表示求梯度的運算，i是處理后的清晰rgb圖像，c為當(dāng)前對齊后的模糊圖片，e為當(dāng)前對齊后的dvs邊緣估計圖像，||vec||2表示計算向量的2范數(shù)，||vec||1表示計算向量的1范數(shù)，λ1和λ2為預(yù)設(shè)的兩個權(quán)重值，argmin(·)表示(·)取最小值時的自變量取值；

求出模糊核k之后，求出清晰的rgb圖像i，

表示將矩陣x表示成為向量形式，||vec||2表示計算向量的2范數(shù)，||vec||1表示計算1范數(shù)，b'為當(dāng)前對齊后的模糊圖片。

以上求模糊核和求清晰圖像的過程交替進行，直到達(dá)到設(shè)定的交替次數(shù)，或者，清晰圖片不再改變，將計算得到的i作為本次迭代得到的清晰圖片。

在本步驟的處理中，計算i的方式與現(xiàn)有技術(shù)相同，計算模糊核k時根據(jù)當(dāng)前對齊后的dvs邊緣估計圖像e進行。這樣，通過在模糊核k的計算中引入圖像e，使得更完整地反映圖像模糊狀況，使計算出的清晰圖片i更接近原始畫面。

至此，可以結(jié)束本流程。根據(jù)dvs邊緣估計圖像進行了去模糊處理。如果處理能力允許，優(yōu)選地，還可以繼續(xù)進行以下步驟，通過迭代處理過程來優(yōu)化去模糊的處理結(jié)果。

步驟105，判斷本次與上次迭代的清晰圖片是否相同，若是，則將該清晰圖片作為去模糊結(jié)果，并結(jié)束本流程；否則，執(zhí)行步驟106。

當(dāng)前后兩次迭代的清晰圖片保持不變時，認(rèn)為已經(jīng)達(dá)到最佳的去模糊效果，輸出該清晰圖片，并結(jié)束去模糊處理；否則，繼續(xù)計算rgb的邊緣圖進行下一次迭代。其中，前后兩次迭代的清晰圖片是否相同的判定方式可以為：本次與上次迭代的清晰圖片的誤差小于預(yù)定閾值時，可以認(rèn)為兩次迭代的清晰圖片相同，否則，認(rèn)為兩次迭代的清晰圖片不相同。當(dāng)然，也可以采用其他的判定方式，本申請對此不作限定。

步驟106，根據(jù)本次迭代的清晰圖片確定平均邊緣圖，返回步驟103，并將平均邊緣圖作為下次迭代時rgb模糊圖片與dvs邊緣估計圖像進行對齊的依據(jù)。

本步驟的處理用于生成rgb圖像的有向邊緣圖，本申請中稱為平均邊緣圖。具體地，基于本次迭代中已經(jīng)估計出的清晰圖片，求出該清晰圖片在設(shè)定方向上的邊緣圖，然后將多個邊緣圖取平均得到平均邊緣圖。其中，設(shè)定方向可以是隨機指定的若干方向，或者，優(yōu)選地，可以是相機運動軌跡的方向。

然后，將該平均邊緣圖作為下次迭代中rgb圖像與dvs邊緣估計圖像進行對齊的依據(jù)。具體地，可以將平均邊緣圖在下次迭代中與dvs邊緣估計圖像進行比較確定出對齊的位移，再將rgb模糊圖像和/或dvs邊緣估計圖像進行移動以對齊，從而提高rgb與dvs圖像的配準(zhǔn)精度。其中，根據(jù)平均邊緣圖進行rgb圖像與dvs邊緣估計圖像對齊的處理可以按照現(xiàn)有方式實現(xiàn)，本申請不做限定。

設(shè)定方向為相機運動軌跡方向時，平均邊緣圖的生成方式具體可以為：將曝光時間內(nèi)的相機運動軌跡進行分段，在各個分段方向上計算本次迭代的清晰圖片的邊緣圖，將得到的所有邊緣圖進行疊加后，計算骨架圖作為平均邊緣圖。

其中，最簡單地，在進行相機運動軌跡分段時，可以直接按照步驟102中構(gòu)造運動軌跡時各個分段進行。平均邊緣圖的生成方法可以如圖7所示。

上述即為本申請中的圖像去模糊方法的一種具體實現(xiàn)。在上述迭代處理流程中，當(dāng)兩次迭代的清晰圖片相同時，結(jié)束迭代過程，得到去模糊的最終處理結(jié)果。當(dāng)然，還可以更簡單地，設(shè)置最大迭代次數(shù)，在達(dá)到最大迭代次數(shù)前，反復(fù)迭代，在達(dá)到最大迭代次數(shù)后，結(jié)束迭代過程，得到去模糊的最終處理結(jié)果?；蛘?，也可以將上述比較前后兩次迭代的清晰圖片和最大迭代次數(shù)的設(shè)置結(jié)合起來，當(dāng)達(dá)到其中任一條件時，結(jié)束迭代過程，否則進行反復(fù)迭代。其中，最大迭代次數(shù)可以根據(jù)實際需要和設(shè)備處理能力進行設(shè)置，本申請對此不作限定。

在上述去模糊處理中，可以引入dvs傳感器記錄的dvs事件，估計相機運動軌跡，并利用該運動軌跡進行模糊圖像的邊緣估計；同時，利用dvs事件進行dvs邊緣估計，并將模糊圖像或估計得到的模糊圖像的邊緣估計圖像與dvs邊緣估計結(jié)果進行對齊后，參與去模糊的處理。通過上述處理，能夠利用相機運動軌跡和dvs邊緣估計圖像提供更加趨近于真實的運動假設(shè)，從而提高去模糊的效果。

本申請還提供了一種圖像去模糊裝置，可以用于實施上述圖1所示的去模糊方法。圖8為本申請中圖像去模糊裝置的基本結(jié)構(gòu)示意圖，如圖8所示，該裝置包括：獲取模塊和圖像去模糊模塊。

其中，獲取模塊，用于獲取待處理的模糊圖片和模糊圖片曝光時間內(nèi)dvs傳感器記錄的dvs事件集合。圖像去模糊模塊，用于根據(jù)dvs事件集合，對所述模糊圖片進行去模糊處理。

更優(yōu)選地，圖像去模糊模塊還可以包括軌跡估計子模塊、圖像配準(zhǔn)子模塊、圖像去模糊子模塊和平均邊緣圖生成子模塊。如圖9所示。

其中，軌跡估計子模塊，用于根據(jù)dvs事件集合，估計在曝光時間內(nèi)的相機運動軌跡和dvs邊緣估計圖像。具體用于實施步驟101-102的處理。

圖像配準(zhǔn)子模塊，用于將模糊圖片與dvs邊緣估計圖像進行對齊，得到當(dāng)前對齊后的模糊圖片和當(dāng)前對齊后的dvs邊緣估計圖像。具體用于實施步驟103的處理。

圖像去模糊子模塊，用于將根據(jù)當(dāng)前對齊后的dvs邊緣估計圖像，利用反卷積變換對當(dāng)前對齊后的模糊圖片進行去模糊處理，得到當(dāng)前次的清晰圖片，若本次與上次迭代的清晰圖片的誤差小于預(yù)定閾值，則將該清晰圖片作為去模糊結(jié)果進行輸出，否則，將當(dāng)前次的清晰圖片輸出給平均邊緣圖輸出模塊。具體用于實施步驟104-105的處理。

平均邊緣圖輸出模塊，用于根據(jù)圖像去模糊模塊輸入的清晰圖片確定平均邊緣圖。并將平均邊緣圖輸入給圖像配準(zhǔn)模塊，用于作為下次模糊圖片與dvs邊緣估計圖像對齊的依據(jù)。優(yōu)選地，確定在相機運動軌跡方向的平均邊緣圖，具體用于實施步驟106的處理。

采用本申請的去模糊方法與現(xiàn)有去模糊方法分別進行了去模糊處理的實驗，并將結(jié)果進行了對比，圖10為本申請與現(xiàn)有去模糊方法比較的示意圖。由圖10可以看出，本申請得到的去模糊效果更佳。

以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明保護的范圍之內(nèi)。