[发明专利]微扰法解图像模糊

说明书

技术领域

本发明涉及一种图像解模糊算法，属于图像处理领域。

背景技术

目前，在图像拍摄过程中，由于聚集不准、相机或拍摄对象发生运动等原因，采集得到的图像会模糊不清。而解模糊可以提高图像的利用质量。

目前的图像解模糊算法在运算域上可以分为频域和空域两大类。

设真实场景为f，获得的模糊图像为g，g是f降析函数h作卷积，再加上噪声n的结果，即：g=f*h+n。

一般考虑整幅图像中每一处的模糊过程一致，则h是一个和像素坐标(x，y)无关的函数，实际情况中图像不同区域的模糊过程可能有较大区别。

基本的频域方法：利用频域的乘法同构于空域的卷积，通过傅里叶变换将模糊图像g和降析函数h变换到频域中，分别得到G和H，作除法G/H之后反变换回空域得到解模糊的清晰图像。频域类的方法有两种情况可能使得还原效果不理想：一种情况是因为频域变换假设f为周期性重复的图像，在边界区域会与实际情况有一定出入，对最终结果会产生一定误差，当h的大小接近g的大小时，解模糊效果较差；第二情况是如果采用除法实现模糊的逆变换，在频域的零点需要特殊处理，如维纳滤波引人了噪信比的估计值，消除了频域零点，但无论噪信比估计准确与否，都会对还原图像产生一定程度的模糊，即真实的边缘受到一定程度的模糊。

基本的空域方法：多数空域方法的共同点是找一个f的估计值使得还原的图像再模糊后，和g的差值最小，并把误差当成为噪声。可以利用共轭梯度法等线性方程组求数值解的迭代方法完成。

发明内容

本发明的目的是：提供一种微扰法还原模糊图像的方法，它不仅能够对边界效应有一定消除，并且能够方便的对模糊过程中存在空变的情况直接进行处理，且无需估计噪音参数，以克服现有技术的不足。

本发明是这样实现的：微扰法还原模糊图像的方法，将待还原模糊图像用已有的模糊参数估计方法估计其模糊模型和模糊参数，并构造出降析函数h；将待还原模糊图像c中的每一个像素都用扰动微量d进行扰动，得到扰动每个像素产生的误差改善量e；将误差改善量e的最大值根据降析函数h计算出受该值影响的范围，并获得受影响的范围的点；如果误差改善量e的最大值大于0，就对误差改善量e的最大值的点进行微量汇聚，使受误差改善量e的最大值影响的范围的点的像素值改变；将像素值改变的范围的点再用扰动微量d进行扰动，并计算它们的误差改善量e，重复上述步骤，直到误差改善量e的最大值小于等于0，则算法终止，得到还原图像。

误差改善量e的存储采用优先队列P，将经过2次以上用扰动微量d进行扰动的点，按照优先队列P的最大堆算法，调整其位置。使用优先队列P是为了加快搜索最大值，它能够保持一个总是输出最大值的队列；并且修改一个元素值时，维护这个队列的代价仅仅是O(log(n))次比较和交换。这里的n为队列中元素的数量。

对误差改善量e的最大值的点（x1,y1）进行微量汇聚，利用降析函数h进行反向计算。

这导致g在(x₁,y₁)周围的像素值改变，具体则会影响到h*h范围内的扰动量的改变。

扰动微量d的取值范围的下限为降析函数在其定义域内的最小值。

扰动微量d取值越大，算法速度越快，但解模糊的效果可能越差甚至严重错误；d取值越小，每次还原清晰图像的量越小，算法需要越长时间才能完成，最终效果越好；因此d的取值设置为降析函数在其定义域内的最小值为宜。

还可以在确定模糊图像c的每个矩阵值后，设置一个预估值g，该预估值用来表示清晰图像的一些已知区域。

降析函数也称为点扩散函数（point spread function），降析函数的字面意义为反映图像解析图降低方式的函数。降析函数反映了清晰图像中的一个像素点在模糊图像中对应怎样的一个光斑（如附图1所示）。

由于采用了上述技术方案，与现有技术相比，本发明采用设置扰动微量，通过扰动微量对模糊图像的每个矩阵值进行扰动计算，获得相应的误差改善量，并找出误差改善量的最大值，再通过降析函数来确定该受最大值影响的范围，对符合要求的范围进行相应的微量汇聚处理，以改变其像素值，从而实现还原模糊图像；本发明的方法能够对边界效应有一定消除，而且不需要估计噪音参数，同时能够方便的对模糊过程中存在空变的情况直接进行处理。算法简单，物理意义明显。

附图说明

图1为本发明方法的原理图；

图2为本发明的实施例1的模糊图；