专利名称：一种散焦模糊图像的清晰化处理方法
技术领域：
本发明属于数字图像恢复技术领域，涉及一种散焦模糊图像的清晰化处 理方法。
背景技术：
当拍摄照片时，有时会出现图像模糊的情况，造成这种情况的原因主要 是被拍摄物体未处于成像系统的焦平面上，称之为散焦模糊。对于一些包含 重要信息的照片，因为散焦模糊而无法识别，如果没有机会再次拍摄，或者 再次拍摄所要付出的代价太高，就可以采用散焦模糊的恢复清晰化技术对其 进行清晰化的处理。现有散焦模糊的恢复清晰化技术大多是基于固定半径圆 盘函数建模恢复方法，这类方法对实际中产生的光学散焦模糊的恢复能力极 其有限。
发明内容
本发明的目的在于提供一种散焦模糊图像的清晰化处理方法，克服了现 有技术对模糊图像的恢复能力有限的问题，能够将散焦模糊的图像恢复为清 晰的图像。
本发明所采用的技术方案是， 一种散焦模糊图像的清晰化处理方法，该 方法按照以下步骤实施，
步骤l:对待处理的散焦模糊图像建立数学模型 利用一个圆盘函数来进行模糊图像的建模，即
《
、 ？"2《
0 x2 + />《 (1)
其中，^^为模糊半径，"为圆周率，(X，^)为图像上的某个像素点； 步骤2:选取初始模糊半径
对待处理的散焦模糊整图进行模糊半径的査找，首先对所拍摄到的散焦
图像进行锐化，生成梯度图E,和方向图^。；对得到的梯度图E,以及梯度 方向图E。，用非极大值抑制技术获得局部梯度幅度极大值点集^ ;对En
在给定阈值下进行二值化，得到轮廓图Ee，再求取边沿宽度，将得到的宽
度值计算得到均值M和方差D，选取M/2为整图的初始模糊半径A6 ; 步骤3:子图像的划分
将步骤2中所得到的方差D代入方程式& = int[ " - 1]，得到子图 划分个数的参数k，再以图像中心为圆点，画k个同心圆，其半径为 +0-l)'Ai ，其中&为最内层圆半径，M为增量，将图像 分解为一个圆形区域、k-l个圆环区域、剩余图像区域共k+l个子图像，记
为、 &2…g"A + l);
步骤4:子图像的清晰化处理
用步骤2中得到的方差和步骤3中得到的k，得到圆盘半径的步长为 D/k，得到第i个子图像下的初始模糊半径，根据该模糊半径，按照方程式(1 ) 获得子图像的圆盘函数A,(毛J)，将子图像g,, (x，少)进行频域转换，再 将各子图像下对应的圆盘函数进行频域变换，并计算噪声和原图像的功率谱 S朋("，v)和S^(",v);然后基于逆滤波进行图像清晰恢复，改 变模糊半径，即计算^,.(0)和7^(0)士 A足，以此获得三个恢复子图像，
计算该三个恢复图像的Sobel锐化细节能量图，并计算该三个恢复图像方差 的差异，然后按照差异小的方向进行迭代，直到寻找到方差差异最小的时机， 停止迭代，选择迭代停止时的两个能量图中的最大能量均值的图像为最终结
果，设为fi*(x,y) ;
步骤5、获得整幅清晰化图像
将fi*(x,y)进行相加，
即得清晰化图像<formula>formula see original document page 10</formula>.
本发明散焦模糊图像的清晰化处理方法，克服了规有的基于固定半径圆 盘函数建模恢复方法的局限，利用散焦模糊图像的基本成像原理，构i起变 半径的退化模糊模型圆盘函数，达到恢复出清晰图像的目的。
图l为散焦原理示意图，其中a为照相机与拍摄景物的摆设关系，b为 散焦原理图示；
图.2是本发明方法中的子图像分解示意图，其中a为同心圆的划分，b 为第k个子图的区域范围。
具体实施例方式
下面结合附图和具体实施方式
对本发明进行详细说明。 本发明提出了一种变半径圆盘函数下的恢复方法，是根据散焦模糊图像 的基本成像原理，构建不同半径的退化模糊模型圆盘函数，将模糊图像分解 为多个子图像，对每个子图像分别通过迭代方法查找最佳的模糊半径，并采 用频域逆滤波的方法，对散焦模糊子图像进行逆滤波，从而达到恢复出清晰
图像的目的。
本发明的散焦模糊图像的清晰化处理方法，按以下步骤实施
步骤l:根据散焦模糊图像的退化原理，建立数学模型
图la为数码成像器材与拍摄目标物的相对位置示意图，这是一种理想
的拍摄状态。如图lb所示，当像点没有投射到照相机内部的成像板(CCD
平面)上时，便会产生散焦模糊。图ib中的四条虚线两两代表由目标物的 不同位置发出的光锥路径，像点即光锥的顶点并未落在相机成像板上，因此 成像板上承接到的将是光锥的横截面，即一块光斑，图像由这些光斑叠加而 成，故形成模糊效果。照相机成像板承接到近似圆形光斑的形状与半径会因 为与镜头中心的相对位置(即图像的中心位置)不同而发生变化，其变化规
律为越是接近于图像中心，光斑就越接近于圆形，光斑的半径就越小；越远 离图像中心，光斑半径递增。
因此，散焦可以近似为是由一点扩展为了一个均匀分布的圆形光斑，并 且半径随着远离图像中心而递增，那么就可以将其简化为一个圆盘函数来进 行模糊图像的建模，艮P-
<formula>formula see original document page 11</formula>
其中，A6为模糊半径，；r为圆周率，(X,少)为图像上的某个像素点。 步骤2:初始模糊半径的选取 .'
由步骤1得到了散焦模糊的数学模型可知，模糊半径*6是确定模糊 程度的参数，因此，根据下面的方法先对整图进行模糊半径的查找，其获得 的具体步骤如下2.1、图像梯度信息提取
对所拍摄到的散焦图像进行锐化，生成梯度图E,和梯度方向图E。，锐
化采用S0bd算子，梯度的计算方程式为
(2)
<formula>formula see original document page 12</formula>j， g表示散焦图像。
则梯度图五，为五，=[S(/,乂)]。
梯度方向角，按下式求取
".、
、《乂
(3)
对求取的^i/按90。 67.5° ，67.5° 22.5° ，22.5° -22.5° ，-22.5 ° -67.5° ， -67.5° -90°五个范围，划分为90° ， 45° ， 0° ， -45° ，
-90°五个方向来构成梯度方向图E。。
2.2、 用非极大值抑制技术获得局部梯度幅度极大值点集E
对步骤2.1得到的梯度图E,，以及梯度方向图E。，对每一个像素
g(^y)，根据梯度方向图E。中所指出的方向4，沿正反双向检査相邻的 两个像素。若AfcjO大于两个相邻像素的梯度强度，那么就令 五>,;;)，否则令￡ (^力=0 。最后得到的矩阵即为
局部梯度幅度极大值点集。
2.3、 边沿宽度的求取 ^
对局部梯度幅度极大值点集^"，在给定阈值下进行二值化，得到轮廓
图S。之后，对五"中的任意一点尸，按照梯度方向图f。所指示的方向， 沿该点的正负方向搜索^e中的点。设沿正负方向搜索到^e中的第一个点分 别为6、 A、如果^和户2均满足《11^"和II尸一P2^"(其中"为
给定的阈值，即搜索的最长距离)，则将A和^2之间的距离作为相应的边缘 宽度，否则跳过此点。将得到的宽度值计算求得均值M、方差D。选取M/2
为整图的初始模糊半径^6 。 步骤3:子图像的划分
考虑到成像时，散焦的模糊程度在整个图像上是不一样的，所以，本发 明将原图像分解为多个子图像。
分解方法为如图2a所示，以图像中心为圆点，画k个同心圆，其半
径为i^二A+(&-l)'M。其中《为最内层圆半径，M为增量。那么就 可以将图像分解为一个圆形区域、k-l个圆环区域、剩余图像区域共k+l个 子图像，记为&。 g,2…g^t+i)，第k个子图的区域范围如图2b所示的
阴影部分。
步骤4:子图像的清晰化处理
由步骤2中得到的方差可得圆盘半径的步长为D/k，那么定义第i个子
图像下的初始模糊半径可表示为
K0) = + (/-1).D/A: (hl,2，3…，A + l)。
4.1、 根据该模糊半径，按照方程式(1)可以获得子图像的圆盘函数 、(x，力。
4.2、 将模糊图像子图像g w. ( X , ^ )分别利用离散二维傅氏变换 (DFT)完成频域转换，艮口
<formula>formula see original document page 14</formula>(4)
其中，A(w，v)， z'-l，2,3…A + l为子图像的频域变换' 4.3、将各子图像下对应的圆盘函数进行频域变换。即
<formula>formula see original document page 14</formula>(5)
其中，hi(u，v)为子图像对应圆盘函数，Hi(u，v)频域变换后系统函数。 4.4、计算噪声和原图像的功率谱S谱，Snn(u， v)和Sff (u，V)
直接从模糊图像上计算各个像素附近的像素集合的局部方差，选取局部 方差中的最大值作为图像的方差，同时在图像上找一块平坦区域，用其局部 方差作为噪声方差。但往往人工不容易找到平坦区域，所以可利用下式计算 图像的局部方差，图像边界方差不考虑在内。用局部方差的最大值和最小值
的比值作为图像信噪比的估计，即
<formula>formula see original document page 14</formula>其中，Ay是局部均值，按下式计算:
<formula>formula see original document page 14</formula>方差计算使用的窗的尺寸是P-Q-2 (即5x5窗)。 4.5、基于逆滤波的图像清晰恢复
根据上一步骤的子图像函数H,(",力计算出各个复共轭函数 ///(u，v)。本发明选用维纳滤波器进行逆滤波处理，从而实现清晰化，各
子图像清晰化图像的频域表达记为Fi(u,V)，即
<formula>formula see original document page 15</formula>对频域下各子图像Fi(u,V)进行二维离散傅氏反变换，恢复出各子
图像的原图像Fi(x,y)。
<formula>formula see original document page 15</formula>4.6、 改变模糊半径，即计算Ri(0)和^Rbi(0)土 ARi,' (ARi,.建议 为1个像素)，按照步骤4.1 步骤4.5获得各自的恢复子图像。
4.7、 计算步骤4.6得到的三个恢复图像的Sobd锐化细节能量图，能量 图的获取方法，采用方程式(2)。
4.8、 计算步骤4.6得到的三个恢复图像方差的差异，然后按照差异小的 方向进行迭代，直到寻找到方差差异最小的时机，停止迭代，选择迭代停止 时的两个能量图中的最大能量均值的图像为最终结果，设为
Fx(x,y)。至此，完成所有子图像的清晰化恢复处理。 步骤5:获得整幅清晰化图像
将Fx(x,y)进行相加，
<formula>formula see original document page 15</formula>即得到清晰化图像。
权利要求
1、一种散焦模糊图像的清晰化处理方法，其特征在于，该方法按照以下步骤实施，步骤1对待处理的散焦模糊图像建立数学模型利用一个圆盘函数来进行模糊图像的建模，即其中，Rb为模糊半径，π为圆周率，(x，y)为图像上的某个像素点；步骤2；选取初始模糊半径对待处理的散焦模糊整图进行模糊半径的查找，首先对所拍摄到的散焦图像进行锐化，生成梯度图Es和方向图Eo；对得到的梯度图Es以及梯度方向图Eo，用非极大值抑制技术获得局部梯度幅度极大值点集En；对En在给定阈值下进行二值化，得到轮廓图Ee，再求取边沿宽度，将得到的宽度值计算得到均值M和方差D，选取M/2为整图的初始模糊半径Rb；步骤3子图像的划分将步骤2中所得到的方差D代入方程式k＝int[D-1]，得到子图划分个数的参数k，再以图像中心为圆点，画k个同心圆，其半径为Rk＝R1+(k-1)·ΔR，其中R1为最内层圆半径，ΔR为增量，将图像分解为一个圆形区域、k-1个圆环区域、剩余图像区域共k+1个子图像，记为gs1、gs2...gs(k+1)；步骤4子图像的清晰化处理用步骤2中得到的方差和步骤3中得到的k，得到圆盘半径的步长为D/k，得到第i个子图像下的初始模糊半径，根据该模糊半径，按照方程式(1)获得子图像的圆盘函数hi(x，y)，将子图像gsi(x，y)进行频域转换，再将各子图像下对应的圆盘函数进行频域变换，并计算噪声和原图像的功率谱Snn(u，v)和Sff(u，v)；然后基于逆滤波进行图像清晰恢复，改变模糊半径，即计算Ri(0)和Ri(0)±ΔRi，以此获得三个恢复子图像，计算该三个恢复图像的Sobel锐化细节能量图，并计算该三个恢复图像方差的差异，然后按照差异小的方向进行迭代，直到寻找到方差差异最小的时机，停止迭代，选择迭代停止时的两个能量图中的最大能量均值的图像为最终结果，设为fi*(x，y)；步骤5、获得整幅清晰化图像将fi*(x，y)进行相加，
2、按照权利要求1所述的清晰化处理方法，其特征在于，所述选取初始模糊半径，采取如下具体步骤 2.1、图像梯度信息提取对所拍摄到的散焦图像进行锐化，生成梯度图^^和梯度方向图E。，锐 化采用S0bd算子，梯度的计算方程式为、《=b+ij4 +2&y i +2§-V ， g表示散焦图像， 则梯度图^为^ =,，力]， 梯度方向角，按下式求取-&、 么(3)对求取得"似按卯。 67.5。 ， 67.5° 22.5° ， 22.5° -22.5° ， -22.5 ° -67.5° ， -67.5°. -90°五个范围，划分为90° ， 45° ， 0° ， -45° ，-卯°五个方向来来构成梯度方向图E。；2.2、用非极大值抑制技术获得局部梯度幅度极大值点集^。对步骤2.1得到的梯度图五s ，以及梯度方向图五。，对每一个像素gf^J)，根据梯度方向图^。中所指出的方向^t，沿正反双向检查相邻的两个像素，若^s(^^)大于两个相邻像素的梯度强度，那么就令^(x,少)二《(x,j;)，否则令五"(x,j0二 0，最后得到的矩阵即为局部梯度幅度极大值点集;2.3、边沿宽度的求取对局部梯度幅度极大值点集￡ ，在给定阈值下进行二值化，得到轮廓 图^e ，然后对五"中的任意一点P ，按照梯度方向图^。所指示的方向，沿该点的正负方向搜索^e中的点，设沿正负方向搜索到Ee中的第一个点 分别为S、 A，如果^和A均满足HP —A《"和I^-Slh"，其中"为给定的阈值，即搜索的最长距离，则将^和^之间的距离作为相 应的边缘宽度，否则跳过此点， 将得到的宽度值计算求得均值M、方差D，选取M/2为整图的初始模 糊半径^。
3、按照权利要求1所述的处理方法，其特征在于，所述步骤4中子图 像的清晰化处理按照以下具体步骤实施，由权利要求1步骤2中得到的方差和步骤3中得到的k，得到圆盘半径 的步长为D/k，获得第i个子图像下的初始模糊半径为-<formula>formula see original document page 5</formula>
4.1、 根据该模糊半径，按照方程式(l)获得子图像的圆盘函数^(X，y);4.2、 将模糊图像的子图像g" 分别利用离散二维傅氏变换进行频域转换，艮P:<formula>formula see original document page 5</formula>其中，<formula>formula see original document page 5</formula>为子图像的频域变换；4.3、 将各子图像下对应的圆盘函数进行频域变换，艮口<formula>formula see original document page 5</formula>其中，k("，v)为子图像对应圆盘函数，"'(^v)频域变换后系统函数；4.4、 计算噪声和原图像的功率谱<formula>formula see original document page 5</formula>直接从模糊图像上计算各个像素附近的像素集合的局部方差，选取局部 方差中的最大值作为图像的方差，同时在图像上找一块平坦区域，用其局部 方差作为噪声方差，利用方程式(6)计算图像的局部方差，用局部方差的 最大值和最小值的比值作为图像信噪比的估计，即<formula>formula see original document page 6</formula>(6)方程式(6)中A^是局部均值，按下式计算:<formula>formula see original document page 6</formula>方差计算使用的窗的尺寸是P-Q-2;4.5、基于逆滤波的图像清晰恢复根据步骤4.3的子图像函数^^("'V)计算出各个复共轭函数承^^' (W'V)，用滤波器进行逆滤波处理，从而实现清晰化，各子图像清晰化图像的频域表达记为F""，V)，艮P:<formula>formula see original document page 6</formula>v)l2 + 5朋"，5对频域下各子图像F ( " ， v )进行二维离散傅氏反变换，恢复出各 子图像的原图像,("，y)，<formula>formula see original document page 6</formula>(9)4.6、 改变模糊半径，即计算A(0)和《(0)土 按照步骤4.1 至步骤4.5获得三个恢复子图像；4.7、 计算步骤4.6得到的三个恢复图像的Sobd锐化细节能量图，能量 图的获取方法，采用方程式(2);4.8、计算步骤4.6得到的三个恢复图像方差的差异，之后，按照差异小 的方向进行迭代，直到寻找到方差差异最小的时机，停止迭代，选择迭代停 止时的两个能量图中的最大能量均值的图像为最终结果，设为
全文摘要
本发明公开了一种散焦模糊图像的清晰化处理方法，该方法按照以下步骤实施，首先根据图像的梯度信息计算出边沿宽度的均值、方差，根据该统计数据获得模糊模型的初始参数；然后，将模糊图像按照画面的中心划分为k个同心圆，分解为k+1个子图像，对各子图像分配对应的模糊初始半径，通过迭代的方式寻找最佳的模糊半径，并采用频域逆滤波的方法实现各子图像的清晰化处理；最后，将各子图像相加，合成整幅清晰化图像。本发明的方法克服了现有的基于固定半径圆盘函数建模恢复方法的局限，达到恢复出清晰图像的目的。
文档编号G06T5/00GK101364302SQ20081015119
公开日2009年2月11日 申请日期2008年9月28日 优先权日2008年9月28日
发明者徐骁斐, 虹 朱, 栋 王, 翔 王, 欢 金 申请人:西安理工大学