[发明专利]基于模糊图像生成清晰图像的方法和装置

说明书

本发明公开了一种基于模糊图像生成清晰图像的方法，该方法包括：获取该模糊图像中各像素点的像素值，以及该模糊图像的卷积核；基于预设的图像梯度算子和该卷积核，确定该模糊图像的逆卷积核；基于该逆卷积核和该模糊图像中各像素点的像素值，确定该清晰图像中各像素点的像素值；基于该清晰图像中各像素点的像素值，生成该清晰图像。本发明实施例中的逆卷积核是基于梯度算子和卷积核确定的，换句话说，该逆卷积核引入梯度算子作为正则化约束，避免了噪声对图像恢复过程的影响，提高了恢复出的清晰图像的质量。

技术领域

本发明涉及图像处理领域，并且更具体地，涉及一种基于模糊图像生成清晰图像的方法和装置。

背景技术

随着计算机技术的发展，通过计算机对图像去噪声、增强、复原、分割等技术被广泛应用。

在数字图像领域，数字图像的成像过程被近似建模成离散卷积(convolution)模型，例如，相机抖动导致的运动模糊过程，相机成像失焦模糊过程和低分辨率图像生成过程等。因此，可以利用离散卷积模型的逆过程，即反卷积技术，实现数字图像的增强和恢复，典型的反卷积技术包括数字图像的去模糊(deblurring)和图像的超分辨(super-resolution)技术等。

维纳滤波是一种经典的反卷积技术，维纳滤波在频率域引入伪逆卷积核，伪逆卷积核的公式如下：

其中，F(·)表示傅里叶变换，表示傅里叶变换的复共轭，SNR代表了信号和噪声的功率比，它起到了抑制伪逆卷积核高频噪声的效果，k表示卷积核。清晰图像可以通过下式表达：

x＝F-1(W·F(y)) (2)

其中，y表示模糊图像，F-1(·)表示逆傅里叶变换，利用傅里叶变换的卷积公式，可以将公式(2)转换为：

x＝F-1(W)＝ω*y (3)

其中，ω为空间域的逆卷积核。

上述逆卷积核的引入简化了反卷积算法的计算，但该逆卷积核使用SNR作为正则化约束，这种正则化约束受到噪声的影响，利用该逆卷积核的图像恢复过程不可避免地会被噪声和振铃效应影响，一定程度上损坏了恢复出的清晰图像的质量。

发明内容

本发明实施例提供了一种基于模糊图像生成清晰图像的方法和装置，能够提高恢复出的清晰图像的质量。

第一方面，提供一种基于模糊图像生成清晰图像的方法，包括：获取所述模糊图像中各像素点的像素值，以及所述模糊图像的卷积核；基于预设的图像梯度算子和所述卷积核，确定所述模糊图像的逆卷积核；基于所述逆卷积核和所述模糊图像中各像素点的像素值，确定所述清晰图像中各像素点的像素值；基于所述清晰图像中各像素点的像素值，生成所述清晰图像。

结合第一方面，在第一方面的一种实现方式中，所述基于所述逆卷积核和所述模糊图像中各像素点的像素值，确定所述清晰图像中各像素点的像素值，包括：对所述逆卷积核进行奇异值分解，得到一一对应的m个非零奇异值、m个行向量和m个列向量；基于所述m个非零奇异值、所述m个行向量、所述m个列向量以及所述模糊图像中各像素点的像素值，确定所述清晰图像中各像素点的像素值。