一種失焦模糊圖像的去模糊方法和裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本申請涉及圖像處理領(lǐng)域，具體涉及一種失焦模糊圖像的去模糊方法和裝置。
【背景技術(shù)】
[0002] 用普通的相機拍照的時候，如果焦點聚在一個物體上，那么與這個物體不在同一 個深度的區(qū)域會出現(xiàn)不同程度的失焦現(xiàn)象。根據(jù)薄透鏡成像系統(tǒng)模型，失焦的程度與場景 的深度成正比，離焦平面越遠(yuǎn)的物體模糊程度越大。攝影師會故意拍攝失焦模糊的照片以 達(dá)到藝術(shù)效果，但是模糊圖像丟失了大量的細(xì)節(jié)，有時我們需要避免失焦模糊，所以對單張 圖像的去模糊工作是非常重要的。
[0003] 失焦圖像的退化(圖像退化是指圖像質(zhì)量的下降)模型可以表示為如下卷積過程：
[0005]其中，I和L分別表示失焦模糊圖像和清晰圖像，?是卷積符號，N是隨機噪聲，k是 模糊核。失焦模糊中，模糊核常被看作一個高斯模型：
[0007] (x，y)是圖像中的像素點的坐標(biāo)，〇是標(biāo)準(zhǔn)差，〇可以衡量圖像的模糊程度，也被稱 為模糊量。
[0008] 模糊核的估計是去模糊過程中的一個關(guān)鍵步驟。對于空間一致的圖像，由于圖像 上各個位置的模糊核是相同的，這種情況下對圖像進(jìn)行去模糊處理較為簡單。對于空間可 變的模糊圖像，圖像中的每個像素對應(yīng)的模糊核都是不同的，這種情況比較復(fù)雜，去模糊的 難度比較大。目前，對單張空間可變模糊圖像的模糊核估計主要有兩種方法:一種是根據(jù)模 糊核的相似性將圖像劃分為相等大小的矩形區(qū)域，在每個區(qū)域中用空間稀疏約束項對模糊 核進(jìn)行約束，得到圖像的局部模糊核k;另一種方法是把模糊核看作圓盤模型或者高斯模 型，估計出每個像素對應(yīng)的圓盤半徑或者高斯模型的標(biāo)準(zhǔn)差，進(jìn)而得到模糊核。由于圖像的 局部區(qū)域的模糊程度是和深度有關(guān)的，所以把圖像分為等大的矩形區(qū)域容易造成同一個矩 形區(qū)域內(nèi)不同像素之間的實際模糊程度相差過大，所以第一種方法會出現(xiàn)局部模糊核估計 不準(zhǔn)確的現(xiàn)象。第二種方法對每個像素都得到了一個對應(yīng)的模糊核，但是在圖像復(fù)原過程 中對每個像素分別用不同的模糊核進(jìn)行反卷積計算開銷太大，所以如何用這些模糊核進(jìn)行 圖像復(fù)原是一個關(guān)鍵問題。
[0009] 目前，有人提出將模糊量σ劃分成不同的量級，取每個量級的最小值作為此范圍內(nèi) 模糊量的值。這種方法可以避免振鈴效應(yīng)(Ringing artifacts)(振鈴效應(yīng)是影響復(fù)原圖像 質(zhì)量的眾多因素之一，是由于在圖像復(fù)原中選取了不適當(dāng)?shù)膱D像模型造成的，振鈴效應(yīng)產(chǎn) 生的直接原因是圖像退化過程中信息量的丟失，尤其是高頻信息的丟失，其嚴(yán)重降低了復(fù) 原圖像的質(zhì)量，并且使得難于對復(fù)原圖像進(jìn)行后續(xù)處理。），但是由于最終估計的模糊量比 實際的模糊量小，恢復(fù)出的圖像還是比較模糊。
[0010]綜上所述，單張空間可變失焦圖像去模糊作為圖像處理中的重要環(huán)節(jié)，已受到廣 泛關(guān)注，并有大量的去模糊算法涌現(xiàn)。然而，模糊核估計以及最終的圖像復(fù)原部分尚存在很 多問題，需要進(jìn)一步的提高性能。

【發(fā)明內(nèi)容】

[0011] 本申請?zhí)峁┮环N失焦模糊圖像的去模糊方法和裝置，解決了現(xiàn)有技術(shù)中對失焦圖 像的去模糊處理效果差的問題。
[0012] 根據(jù)本申請的第一方面，本申請?zhí)峁┝艘环N失焦模糊圖像的去模糊方法，包括： [0013]輸入原始圖像；
[0014] 采用預(yù)設(shè)模糊核對原始圖像進(jìn)行模糊處理，得到再模糊圖像；
[0015] 根據(jù)所述模糊處理過程中圖像邊緣信息的變化對原始圖像的邊緣區(qū)域像素的模 糊量進(jìn)行估計，得到稀疏模糊量圖；
[0016] 根據(jù)稀疏模糊量圖對原始圖像的非邊緣區(qū)域像素的模糊量進(jìn)行估計，得到完整模 糊量圖；
[0017] 根據(jù)所述完整模糊量圖進(jìn)行去模糊處理，得到去模糊圖像。
[0018] 在一實施例中，先對所述稀疏模糊量圖進(jìn)行校正，根據(jù)校正后的稀疏模糊量圖對 原始圖像的非邊緣區(qū)域像素的模糊量進(jìn)行估計，得到完整模糊量圖。
[0019] 在一實施例中，采用引導(dǎo)濾波方法對所述稀疏模糊量圖進(jìn)行校正。
[0020] 在一實施例中，采用k最鄰近插值法根據(jù)稀疏模糊量圖對原始圖像的非邊緣區(qū)域 像素的模糊量進(jìn)行估計，得到完整模糊量圖。
[0021] 在一實施例中，根據(jù)所述模糊處理過程中圖像邊緣信息的變化對原始圖像的邊緣 區(qū)域像素的模糊量進(jìn)行估計的步驟中，邊緣區(qū)域像素的模糊量σ通過下面公式得出，
[0023]其中，S為邊緣銳利度，為所述預(yù)設(shè)模糊核的模糊量;并且，
[0025] 其中，|V/|和分別為原始圖像和再模糊圖像的梯度值，ε為一預(yù)設(shè)的正值。
[0026] 在一實施例中，根據(jù)所述完整模糊量圖進(jìn)行去模糊處理，得到去模糊圖像，包括：
[0027] 基于超像素的方法將完整模糊量圖分割成多個超像素，對當(dāng)前超像素中所有像素 的模糊量進(jìn)行處理，得到當(dāng)前超像素的模糊量；
[0028] 根據(jù)每個超像素的模糊量得到每個超像素的模糊核；
[0029] 根據(jù)每個超像素的模糊核對每個超像素進(jìn)行去模糊處理，并將每個去模糊處理后 的超像素進(jìn)行合成，得到去模糊圖像。
[0030] 在一實施例中，對當(dāng)前超像素中所有像素的模糊量進(jìn)行處理，得到當(dāng)前超像素的 模糊量，包括:將當(dāng)前超像素中所有像素的模糊量的平均值作為當(dāng)前超像素的模糊量。
[0031 ]在一實施例中，根據(jù)每個超像素的模糊核對每個超像素進(jìn)行去模糊處理，包括:根 據(jù)每個超像素的模糊核，分別對每個超像素進(jìn)行反卷積計算。
[0032]在一實施例中，根據(jù)每個超像素的模糊核，采用基于三維塊匹配的非盲反卷積方 法對每個超像素進(jìn)行去模糊處理。
[0033] 在一實施例中，還包括對所述去模糊圖像進(jìn)行后處理，以得到最終的清晰圖像。
[0034] 在一實施例中，對所述去模糊圖像進(jìn)行后處理，以得到最終的清晰圖像，包括：
[0035] 根據(jù)得到的每個超像素的模糊核對所述去模糊圖像進(jìn)行模糊處理，得到第二模糊 圖像；
[0036]計算第二模糊圖像與原始圖像對應(yīng)的區(qū)域的差值；
[0037]當(dāng)所述差值大于預(yù)設(shè)閾值時，判斷對應(yīng)的像素為異常像素；
[0038]將異常像素所在超像素中各個像素的模糊量的最小值作為該超像素的模糊量，并 根據(jù)該模糊量對第二模糊圖像進(jìn)行去模糊處理，得到復(fù)原圖像；
[0039]將所述復(fù)原圖像中異常像素的復(fù)原結(jié)果替換所述去模糊圖像中對應(yīng)的像素，以得 到最終的清晰圖像。
[0040] 根據(jù)本申請的第二方面，本申請還提供了一種失焦模糊圖像的去模糊裝置，包括：
[0041] 輸入模塊，用于輸入原始圖像；
[0042] 稀疏模糊量圖估計模塊，用于采用預(yù)設(shè)模糊核對原始圖像進(jìn)行模糊處理，得到再 模糊圖像;并根據(jù)所述模糊處理過程中圖像邊緣信息的變化對原始圖像的邊緣區(qū)域像素的 模糊量進(jìn)行估計，得到稀疏模糊量圖；
[0043]完整模糊量圖映射模塊，用于根據(jù)稀疏模糊量圖對原始圖像的非邊緣區(qū)域像素的 模糊量進(jìn)行估計，得到完整模糊量圖；
[0044]去模糊處理模塊，用于根據(jù)所述完整模糊量圖進(jìn)行去模糊處理，得到去模糊圖像。 [0045]在一實施例中，失焦模糊圖像的去模糊裝置還包括稀疏模糊量圖校正模塊，用于 對所述稀疏模糊量圖進(jìn)行校正；
[0046] 完整模糊量圖映射模塊用于根據(jù)校正后的稀疏模糊量圖對原始圖像的非邊緣區(qū) 域像素的模糊量進(jìn)行估計，得到完整模糊量圖。
[0047] 在一實施例中，稀疏模糊量圖校正模塊用于采用引導(dǎo)濾波方法對所述稀疏模糊量 圖進(jìn)行校正。
[0048] 在一實施例中，完整模糊量圖映射模塊用于采用k最鄰近插值法根據(jù)稀疏模糊量 圖對原