技术领域本发明属于图像处理技术领域，尤其涉及一种模糊图像复原方法。
背景技术：
在获取目标的图像时，如果在相机曝光期间目标和摄像机之间有相对运动，那么往往会使得到的照片变得模糊，这种图像的模糊称为运动模糊。因此，为了更多地得到图像中的有效信息，对图像进行分析和处理，需要对图像进行清晰化处理，也就是图像复原。图像复原也被称为图像恢复，是指去除或减轻在获取数字图像过程中发生的图像退化现象。图像复原的目的是使降质图像尽可能恢复到原来的真实面貌，其方法是首先从分析图像降质的机理入手，即用数学模型来描述图像的降质过程，然后在已知降质模型的基础上，通过对该模型求逆运算，从降质图像中求出未降质的清晰图像，恢复图像的原始信息。解决运动模糊的方法一般有两种，一是减少曝光时间，这样可以减少模糊的程度。但是相机的曝光时间不可能无限制地减小，而且随着曝光时间减小，图像的质量也就随之降低，所以这种方法存在一定的局限；另外一种方法就是建立运动图像的复原模型，通过数学模型来解决图像的复原问题，这种方法具有普遍性，因而也是解决运动模糊的主要手段。该类方法主要包括：基于最大后验估计的模糊图像复原方法、基于图像梯度信息的模糊图像复原方法和基于归一化一范数先验的模糊图像复原方法。在现有的这些算法中基于归一化一范数先验的模糊图像复原方法被公认为是通用性最好的一种算法。该算法是根据图像矩阵的一范数构建图像的先验模型，通过对先验模型的归一化处理可以有效的进行模糊图像复原。现有方法在对模糊尺度较大的图像进行处理时，复原后的图像存在明显的振铃效应，复原后的图像质量较差，无法满足模糊图像复原的需求。总体来看，现有的模糊图像复原算法都存在一定问题，故研究一种有效、通用、快速的模糊图像复原方法具有重要的现实意义。
技术实现要素：
(一)要解决的技术问题有鉴于此，本发明实施例期望提供一种模糊图像复原方法，至少能解决现有模糊图像复原方法存在的振铃效应等技术问题。(二)技术方案本发明实施例提供了一种模糊图像复原方法，应用于由于相机和被拍摄目标相对运动而产生的模糊图像，所述方法包括以下步骤：步骤一、通过所述图像得到所述图像的平滑区域；步骤二、通过所述图像的平滑区域计算平滑区域标记矩阵；步骤三、根据所述图像生成初始模糊核；步骤四、通过对所述初始模糊核优化得到模糊核的估计值；步骤五、通过所述模糊核的估计值对模糊图像进行复原。(三)有益效果本发明实施例所提供的模糊图像复原方法，充分利用图像中的平滑区域信息对模糊核估计过程施加约束，能根据图像自身的特点较为精确地估计图像的模糊核，对模糊图像进行有效的复原，消除了振铃效应等问题。算法可用于对数码相机、手机摄像头等数字成像设备所拍摄到的图像进行处理，具有广阔的应用价值和市场前景。附图说明图1：实施例的模糊图像复原方法的流程图；图2：实施例的模糊图像复原效果对比图。具体实施方式为了更好地理解本发明的技术方案，下面结合附图及具体实施方式详细介绍本发明。在以下的描述中，将描述本发明的多个不同的方面，然而，对于本领域内的普通技术人员而言，可以仅仅利用本发明的一些或者全部结构或者流程来实施本发明。为了解释的明确性而言，阐述了特定的数目、配置和顺序，但是很明显，在没有这些特定细节的情况下也可以实施本发明。在其他情况下，为了不混淆本发明，对于一些众所周知的特征将不再进行详细阐述。实施例为了解决现有模糊复原方法存在的振铃效应等技术问题，本发明实施例提供了一种模糊图像的复原方法，应用于由于相机和被拍摄目标相对运动而产生的模糊图像，所述方法包括以下步骤：通过所述图像得到所述图像的平滑区域；通过所述图像的平滑区域计算平滑区域标记矩阵；根据所述图像生成初始模糊核；通过对所述初始模糊核优化得到模糊核的估计值；通过所述模糊核的估计值对模糊图像进行复原。本发明的具体实现流程如图1所示，各部分具体实施细节如下：1.通过所述图像得到所述图像的平滑区域本实施例所述的图像是指通过数字成像设备(如手机、摄像机、数码相机等)得到的模糊的图像。模糊图像的对比度底、细节损失严重，为后续的图像处理和分析工作带来了极大的困难。本实施例将图像用矩阵的形式表示，根据图像矩阵计算图像的平滑区域，分为以下几个步骤实现：(1)分别以每个像素为中心，在3×3的局部区域内计算局部区域平滑度，用到了如下公式d＝u+5δ(1)T=||x||1||x||2---(2)]]>其中d表示像素的局部平滑度，u表示局部区域的均值，δ表示局部区域的方差，T表示归属性判别阈值，||x||1表示图像矩阵的一范数，||x||2表示图像矩阵的二范数。(2)像素归属性判断：如果d≤T则判定像素i属于平滑区域；如果d＞T则判定像素i属于非平滑区域。(3)划分图像的平滑区域根据步骤(2)判别得到的归属性，将属性相同的像素归为同一区域，划分图像的平滑区域。2.通过所述图像的平滑区域得到平滑区域标记矩阵，具体公式如下其中M是平滑区域标记矩阵。3.根据所述图像生成初始模糊核根据所述的图像对模糊核进行初略估计，生成初始模糊核，分为以下几个步骤实现：(1)计算所述图像的梯度从而得到图像的边缘，用到了如下公式E=|▿x|---(4)]]>其中E表示图像的边缘，表示对图像进行微分运算。(2)利用图像的边缘对模糊核进行粗略估计，用到了如下公式k0=Ew×h---(5)]]>其中k0表示初始模糊核，E表示图像的边缘，w表示图像矩阵的列数，h表示图像矩阵的行数。4.通过对所述初始模糊核优化得到模糊核的估计值对步骤3生成的初始模糊核进行优化，得到模糊核的精确估计值，分为以下几个步骤实现：(1)构建模糊核的平滑性约束，用到公式为P=||x-▿x||22·M---(6)]]>其中P表示平滑性约束模型，x为所述图像，为所述图像的微分运算，M是平滑区域标记矩阵，·表示点乘运算，表示二范数的平方运算。(2)构建模糊核的一致性约束，用到的公式为G=||(k0-▿k0)||2---(7)]]>其中G表示一致性约束模型，k0为初始模糊核，为初始模糊核的微分运算，表示二范数的平方运算。(3)利用步骤(1)、(2)构建的约束模型，对步骤3产生的初始模糊核进行优化，用到如下公式k＝argmin{P+G