[发明专利]基于高斯拉普拉斯近似的根据单个图像的散焦估计

说明书

本文描述了一种散焦估计算法。该散焦估计算法利用单个图像。通过计算高斯差分来确定高斯拉普拉斯近似。可以通过使用高斯差分计算两个图像之间的模糊差来估计散焦模糊。

技术领域

本发明涉及成像领域。更具体地，本发明涉及散焦估计。

背景技术

当通过诸如数字照相机的设备获取图像时，图像通常存在诸如模糊或散焦的缺陷。虽然存在用于尝试校正模糊的若干方法，但是它们不能充分校正模糊和散焦。

发明内容

本文描述了散焦估计算法。散焦估计算法利用单个图像。通过计算高斯差分来确定高斯拉普拉斯近似。可以通过使用高斯差分计算两个图像之间的模糊差来估计散焦模糊。

一方面，一种在设备的非暂态存储器中编程的方法包括：获取图像，通过计算图像的高斯差分来计算图像的高斯拉普拉斯，以及基于图像的高斯差分来确定图像的估计的散焦量。使用迭代卷积来确定估计的散焦量。使用查找表来确定估计的散焦量。所述方法进一步包括检测图像的焦点。检测图像的焦点包括将迭代次数与预定阈值进行比较。当迭代次数小于阈值时，图像是对焦的。所述方法进一步包括对图像去噪。所述设备包括个人计算机、膝上型计算机、计算机工作站、服务器、大型计算机、手持式计算机、个人数字助理、蜂窝/移动电话、智能电器、游戏控制台、数字照相机、数字摄录机、照相机电话、智能电话、便携式音乐播放器、平板电脑、移动设备、视频播放器、视频盘写入器/播放器、高清盘写入器/播放器、超高清盘写入器/播放器)、电视机、家庭娱乐系统或智能手表。

另一方面，一种在设备的存储器中编程的系统包括：被配置为获取图像的获取模块，被配置为通过计算图像的高斯差分来计算图像的高斯拉普拉斯的计算模块，以及被配置为基于图像的高斯差分来确定图像的估计的散焦量的确定模块。使用迭代卷积来确定估计的散焦量。使用查找表来确定估计的散焦量。所述系统进一步包括检测图像的焦点。检测图像的焦点包括将迭代次数与预定阈值进行比较。当迭代次数小于阈值时，图像是对焦的。所述系统进一步包括对图像去噪。

另一方面，一种装置包括：用于存储应用的非暂态存储器，所述应用用于：获取图像，通过计算图像的高斯差分来计算图像的高斯拉普拉斯，以及基于图像的高斯差分来确定图像的估计的散焦量；以及耦接到存储器的处理组件，处理组件被配置为处理所述应用。使用迭代卷积来确定估计的散焦量。使用查找表来确定估计的散焦量。所述装置进一步包括检测图像的焦点。检测图像的焦点包括将迭代次数与预定阈值进行比较。当迭代次数小于阈值时，图像是对焦的。所述装置进一步包括对图像去噪。

另一方面，一种照相机设备包括：用于获取图像的传感器；用于存储应用的非暂态存储器，所述应用用于：通过计算图像的高斯差分来计算图像的高斯拉普拉斯，以及基于图像的高斯差分来确定图像的估计的散焦量；以及耦接到存储器的处理组件，处理组件被配置为处理所述应用。使用迭代卷积来确定估计的散焦量。使用查找表来确定估计的散焦量。所述应用被配置用于检测图像的透镜的焦点。检测图像的焦点包括将迭代次数与预定阈值进行比较。当迭代次数小于阈值时，图像是对焦的。所述应用被配置用于对图像去噪。

附图说明

图1示出了根据一些实施例的高斯函数的负二阶导数。

图2示出了根据一些实施例的迭代次数与从阶梯边沿(校准图像)获得的散焦模糊半径之间的关系。

图3示出了根据一些实施例的图像的散焦图。

图4示出了根据一些实施例的具有多种比率的性能图。

图5示出了根据一些实施例的估计散焦的方法的流程图。

图6示出了根据一些实施例的被配置为实施估计散焦方法的示例性计算设备的框图。

具体实施方式

本文描述了用于使用单个图像估计散焦的高斯拉普拉斯(LoG)与高斯差分(DoG)之间的近似。高斯函数的二阶导数为高斯拉普拉斯。高斯函数的负二阶导数如图1所示。