一种失焦模糊图像的去模糊方法和装置的制造方法
【技术领域】
[0001] 本申请涉及图像处理领域，具体涉及一种失焦模糊图像的去模糊方法和装置。
【背景技术】
[0002] 用普通的相机拍照的时候，如果焦点聚在一个物体上，那么与这个物体不在同一 个深度的区域会出现不同程度的失焦现象。根据薄透镜成像系统模型，失焦的程度与场景 的深度成正比，离焦平面越远的物体模糊程度越大。摄影师会故意拍摄失焦模糊的照片以 达到艺术效果，但是模糊图像丢失了大量的细节，有时我们需要避免失焦模糊，所以对单张 图像的去模糊工作是非常重要的。
[0003] 失焦图像的退化(图像退化是指图像质量的下降)模型可以表示为如下卷积过程：
[0005]其中，I和L分别表示失焦模糊图像和清晰图像，?是卷积符号，N是随机噪声，k是 模糊核。失焦模糊中，模糊核常被看作一个高斯模型：
[0007] (x，y)是图像中的像素点的坐标，〇是标准差，〇可以衡量图像的模糊程度，也被称 为模糊量。
[0008] 模糊核的估计是去模糊过程中的一个关键步骤。对于空间一致的图像，由于图像 上各个位置的模糊核是相同的，这种情况下对图像进行去模糊处理较为简单。对于空间可 变的模糊图像，图像中的每个像素对应的模糊核都是不同的，这种情况比较复杂，去模糊的 难度比较大。目前，对单张空间可变模糊图像的模糊核估计主要有两种方法:一种是根据模 糊核的相似性将图像划分为相等大小的矩形区域，在每个区域中用空间稀疏约束项对模糊 核进行约束，得到图像的局部模糊核k;另一种方法是把模糊核看作圆盘模型或者高斯模 型，估计出每个像素对应的圆盘半径或者高斯模型的标准差，进而得到模糊核。由于图像的 局部区域的模糊程度是和深度有关的，所以把图像分为等大的矩形区域容易造成同一个矩 形区域内不同像素之间的实际模糊程度相差过大，所以第一种方法会出现局部模糊核估计 不准确的现象。第二种方法对每个像素都得到了一个对应的模糊核，但是在图像复原过程 中对每个像素分别用不同的模糊核进行反卷积计算开销太大，所以如何用这些模糊核进行 图像复原是一个关键问题。
[0009] 目前，有人提出将模糊量σ划分成不同的量级，取每个量级的最小值作为此范围内 模糊量的值。这种方法可以避免振铃效应(Ringing artifacts)(振铃效应是影响复原图像 质量的众多因素之一，是由于在图像复原中选取了不适当的图像模型造成的，振铃效应产 生的直接原因是图像退化过程中信息量的丢失，尤其是高频信息的丢失，其严重降低了复 原图像的质量，并且使得难于对复原图像进行后续处理。），但是由于最终估计的模糊量比 实际的模糊量小，恢复出的图像还是比较模糊。
[0010]综上所述，单张空间可变失焦图像去模糊作为图像处理中的重要环节，已受到广 泛关注，并有大量的去模糊算法涌现。然而，模糊核估计以及最终的图像复原部分尚存在很 多问题，需要进一步的提高性能。
【发明内容】
[0011] 本申请提供一种失焦模糊图像的去模糊方法和装置，解决了现有技术中对失焦图 像的去模糊处理效果差的问题。
[0012] 根据本申请的第一方面，本申请提供了一种失焦模糊图像的去模糊方法，包括： [0013]输入原始图像；
[0014] 采用预设模糊核对原始图像进行模糊处理，得到再模糊图像；
[0015] 根据所述模糊处理过程中图像边缘信息的变化对原始图像的边缘区域像素的模 糊量进行估计，得到稀疏模糊量图；
[0016] 根据稀疏模糊量图对原始图像的非边缘区域像素的模糊量进行估计，得到完整模 糊量图；
[0017] 根据所述完整模糊量图进行去模糊处理，得到去模糊图像。
[0018] 在一实施例中，先对所述稀疏模糊量图进行校正，根据校正后的稀疏模糊量图对 原始图像的非边缘区域像素的模糊量进行估计，得到完整模糊量图。
[0019] 在一实施例中，采用引导滤波方法对所述稀疏模糊量图进行校正。
[0020] 在一实施例中，采用k最邻近插值法根据稀疏模糊量图对原始图像的非边缘区域 像素的模糊量进行估计，得到完整模糊量图。
[0021] 在一实施例中，根据所述模糊处理过程中图像边缘信息的变化对原始图像的边缘 区域像素的模糊量进行估计的步骤中，边缘区域像素的模糊量σ通过下面公式得出，
[0023]其中，S为边缘锐利度，为所述预设模糊核的模糊量;并且，
[0025] 其中，|V/|和分别为原始图像和再模糊图像的梯度值，ε为一预设的正值。
[0026] 在一实施例中，根据所述完整模糊量图进行去模糊处理，得到去模糊图像，包括：
[0027] 基于超像素的方法将完整模糊量图分割成多个超像素，对当前超像素中所有像素 的模糊量进行处理，得到当前超像素的模糊量；
[0028] 根据每个超像素的模糊量得到每个超像素的模糊核；
[0029] 根据每个超像素的模糊核对每个超像素进行去模糊处理，并将每个去模糊处理后 的超像素进行合成，得到去模糊图像。
[0030] 在一实施例中，对当前超像素中所有像素的模糊量进行处理，得到当前超像素的 模糊量，包括:将当前超像素中所有像素的模糊量的平均值作为当前超像素的模糊量。
[0031 ]在一实施例中，根据每个超像素的模糊核对每个超像素进行去模糊处理，包括:根 据每个超像素的模糊核，分别对每个超像素进行反卷积计算。
[0032]在一实施例中，根据每个超像素的模糊核，采用基于三维块匹配的非盲反卷积方 法对每个超像素进行去模糊处理。
[0033] 在一实施例中，还包括对所述去模糊图像进行后处理，以得到最终的清晰图像。
[0034] 在一实施例中，对所述去模糊图像进行后处理，以得到最终的清晰图像，包括：
[0035] 根据得到的每个超像素的模糊核对所述去模糊图像进行模糊处理，得到第二模糊 图像；
[0036]计算第二模糊图像与原始图像对应的区域的差值；
[0037]当所述差值大于预设阈值时，判断对应的像素为异常像素；
[0038]将异常像素所在超像素中各个像素的模糊量的最小值作为该超像素的模糊量，并 根据该模糊量对第二模糊图像进行去模糊处理，得到复原图像；
[0039]将所述复原图像中异常像素的复原结果替换所述去模糊图像中对应的像素，以得 到最终的清晰图像。
[0040] 根据本申请的第二方面，本申请还提供了一种失焦模糊图像的去模糊装置，包括：
[0041] 输入模块，用于输入原始图像；
[0042] 稀疏模糊量图估计模块，用于采用预设模糊核对原始图像进行模糊处理，得到再 模糊图像;并根据所述模糊处理过程中图像边缘信息的变化对原始图像的边缘区域像素的 模糊量进行估计，得到稀疏模糊量图；
[0043]完整模糊量图映射模块，用于根据稀疏模糊量图对原始图像的非边缘区域像素的 模糊量进行估计，得到完整模糊量图；
[0044]去模糊处理模块，用于根据所述完整模糊量图进行去模糊处理，得到去模糊图像。 [0045]在一实施例中，失焦模糊图像的去模糊装置还包括稀疏模糊量图校正模块，用于 对所述稀疏模糊量图进行校正；
[0046] 完整模糊量图映射模块用于根据校正后的稀疏模糊量图对原始图像的非边缘区 域像素的模糊量进行估计，得到完整模糊量图。
[0047] 在一实施例中，稀疏模糊量图校正模块用于采用引导滤波方法对所述稀疏模糊量 图进行校正。
[0048] 在一实施例中，完整模糊量图映射模块用于采用k最邻近插值法根据稀疏模糊量 图对原