一種新型目標(biāo)圖像去模糊方法

沈千里，陳　曉

(南京信息工程大學(xué) a.電子與信息工程學(xué)院；b.大氣環(huán)境與裝備技術(shù)協(xié)同創(chuàng)新中心，江蘇 南京 210044)

一種新型目標(biāo)圖像去模糊方法

沈千里a，b，陳曉a，b

(南京信息工程大學(xué)a.電子與信息工程學(xué)院；b.大氣環(huán)境與裝備技術(shù)協(xié)同創(chuàng)新中心，江蘇 南京 210044)

摘要:針對(duì)現(xiàn)有的圖像去模糊法存在著細(xì)節(jié)紋理失真、銳化效果不顯著、平滑區(qū)域去模糊效果欠佳等不足，提出一種基于自適應(yīng)閾值和改進(jìn)梯度算子的新方法，該法首先對(duì)原圖像素進(jìn)行全掃描提取得到自適應(yīng)閾值，然后建立像素點(diǎn)增強(qiáng)方程，再將增強(qiáng)后的點(diǎn)進(jìn)行新梯度算子濾波，最后重組像素得到增強(qiáng)圖像，仿真結(jié)果驗(yàn)證了該法在增強(qiáng)銳化的同時(shí)，保護(hù)了圖像的細(xì)節(jié)和平滑區(qū)域像素等信息。

關(guān)鍵詞:圖像去模糊；自適應(yīng)軟閾值；梯度新算子；對(duì)稱；對(duì)角

近年來，圖像去模糊增強(qiáng)在各應(yīng)用領(lǐng)域發(fā)展迅速，例如在視頻播放器影片畫質(zhì)調(diào)整、航海遙感遙測(cè)[1]、紅外圖像預(yù)處理、水下圖片勘測(cè)等。其技術(shù)核心是使待測(cè)圖片的清晰度、對(duì)比度、視覺整體效果較原圖有提高。

很多學(xué)者此前做了大量工作，張格森[2]等提出一種新型圖像局部特征快速匹配方法，結(jié)合了相似性分析和隨機(jī)抽樣隨機(jī)性，提升了圖像局部特征匹配的正確率。雷蕓[3]提出一種中值預(yù)濾波的非局部平均去噪算法，將噪聲點(diǎn)進(jìn)行中值濾波，后對(duì)部分去噪圖進(jìn)行非局部平均法，提高了去噪中的細(xì)節(jié)保真度。賈宏光[4]等人提出一種基于廣義線性運(yùn)算和雙邊濾波的紅外圖像增強(qiáng)法，將圖像分成基礎(chǔ)層、細(xì)節(jié)層等，然后進(jìn)行圖像自適應(yīng)放大得到增強(qiáng)圖像；楊柱中[5]等人提出一種基于分?jǐn)?shù)階微分的算法，通過近似構(gòu)造分?jǐn)?shù)階微分掩膜構(gòu)造得到Tiansi算子處理后得到增強(qiáng)圖像。錢小燕[6]提出一種引導(dǎo)濾波紅外圖像預(yù)處理方法，設(shè)計(jì)出一種濾波，將引導(dǎo)濾波[7]的細(xì)節(jié)融入輸入圖像，達(dá)到較好的處理效果。BABU[8]提出一種均值方差調(diào)整的新算法，通過均值方差計(jì)算出像素點(diǎn)函數(shù)的最佳參量值，來進(jìn)行相機(jī)照片的去噪增強(qiáng)。ZuoW[9]等人提出一種針對(duì)紋理細(xì)節(jié)的新型梯度直方圖保護(hù)法，提出的TEID方法保護(hù)了原圖的梯度分布，并將其融入到含噪圖的框架內(nèi)。文獻(xiàn)[10]提出一種新的自適應(yīng)窗口中值濾波法，增加了檢測(cè)噪聲點(diǎn)的準(zhǔn)確性，提高了去噪性能。文獻(xiàn)[11]提出一種具有自適應(yīng)性的三維分?jǐn)?shù)階微分增強(qiáng)算法，提高了圖像增強(qiáng)的效能。小波利用多分辨特性對(duì)圖像進(jìn)行分解和重構(gòu)，也已成為圖像去模糊增強(qiáng)中的熱門。

1改進(jìn)法的重要基礎(chǔ)理論

1.1硬閾值法

硬閾值法首先對(duì)圖像進(jìn)行小波分解，常用的是symN及coifN小波系，得到了小波分解結(jié)構(gòu)c，然后測(cè)出c的尺寸sizec，通過循環(huán)因子c(i)的掃描，設(shè)置一個(gè)固定的硬閾值T，將每個(gè)c(i)與T進(jìn)行比較，有

(1)

式中：a與b分別為增強(qiáng)因子，a>1,b∈(0,1)；T為設(shè)定的灰度硬閾值，通常為一固定值。此時(shí)，將c(i)新值通過二維小波重構(gòu)方式得到增強(qiáng)效果圖。

1.2直方圖均衡

直方圖均衡化本質(zhì)上是像素點(diǎn)運(yùn)算，通過函數(shù)變化，擴(kuò)展灰度值的動(dòng)態(tài)范圍，使得圖像像素點(diǎn)的灰度級(jí)分布更加均衡，圖像的質(zhì)量得到提升。列出原始圖像灰度級(jí)rk，并統(tǒng)計(jì)出原圖各灰度像素?cái)?shù)nk。計(jì)算原始直方圖各概率：pk=nk/N。計(jì)算累計(jì)直方圖：sk=∑pk，通過取整、映射，得到新直方圖各灰度級(jí)像素nk/N[12]。

1.3三維塊匹配

塊匹配算法是近年來興起的一種圖像增強(qiáng)技術(shù)，三維塊匹配(BM3D)[13]是其中重要的組成部分。該方法對(duì)圖像像素塊的相似度分成若干個(gè)圖像塊組，假設(shè)分成了n個(gè)組，對(duì)每個(gè)組進(jìn)行聯(lián)合濾波得到n個(gè)估計(jì)值，用n個(gè)估計(jì)值來進(jìn)行新像素的重構(gòu)。

2改進(jìn)法流程

經(jīng)典法雖然在對(duì)比度，灰度色度調(diào)整上較原圖有所提升，但是處理后的圖像清晰度下降，邊緣點(diǎn)、角點(diǎn)、色度跳變點(diǎn)失真，同時(shí)在增強(qiáng)去模糊過程中改變了圖像的原有攜帶信息，造成紋理細(xì)節(jié)損失，所以必須對(duì)經(jīng)典法加以改進(jìn)。

2.1自適應(yīng)加權(quán)均值閾值

經(jīng)典閾值法的固定硬閾值存在著處理不同圖像時(shí)千篇一律的問題，使得不同圖像仿真時(shí)效果差異很大，沒有自適應(yīng)性，本文提出一種自適應(yīng)加權(quán)均值閾值，首先用size函數(shù)提取圖片文件的尺寸，記為m和n，然后定義和變量sum，與像素掃描點(diǎn)x(i,j)，i,j分別從1循環(huán)到m，n，將所有的x(i,j)相加得到sum，再除以m×n，得到自適應(yīng)平均像素閾值Tadaptive

(2)

2.2新增強(qiáng)因子增強(qiáng)

以Tadaptive為軟閾值，對(duì)待處理圖像進(jìn)行逐點(diǎn)掃描，將每個(gè)像素掃描點(diǎn)x(i,j)與Tadaptive比較，提出一種新的增強(qiáng)因子方程，有

(3)

式中：d≥1,e>0,f∈(0,1]，g>0,為了能定量體現(xiàn)自適應(yīng)性，本文取新增強(qiáng)因子為

e=g=1

(4)

即新增強(qiáng)因子方程為

(5)

因此，每個(gè)y(i,j)的差異度提升，使圖像的對(duì)比度提高，圖像的灰度分布也更加合理。再將增強(qiáng)處理得到的像素點(diǎn)y(i,j)平鋪重組得到y(tǒng)，即

(6)

2.3新梯度算子銳化

y為重組后的圖像，接下來進(jìn)行增強(qiáng)銳化處理。傳統(tǒng)的銳化方法雖增強(qiáng)突出了邊緣銜接處的清晰度，但其他區(qū)域內(nèi)的增強(qiáng)效果并不明顯，本文根據(jù)現(xiàn)有的一些算子與梯度理論，基于像素點(diǎn)與其周邊鄰域內(nèi)像素點(diǎn)的數(shù)學(xué)關(guān)系，發(fā)現(xiàn)了鄰域內(nèi)對(duì)角元素的像素點(diǎn)與周圍連接度較高，且保真度較好，于是提出一種新算子。

現(xiàn)有Roberts算子，梯度模板如下

(7)

圖1　對(duì)稱梯度模板示意圖

現(xiàn)將原算子與對(duì)稱后算子結(jié)合，后與鄰域中心像素點(diǎn)y(i,j)進(jìn)行加和，得到以下處理方陣，如圖2所示。

圖2　新算子示意圖

圖2是一個(gè)n×n的方陣，兩條對(duì)角線上的元素均為-1(中心元素除外)，中心元素的值為方陣行(列)數(shù)減1的值(去除中心元素)乘以2再減1，即

2(n-1)+1=2n-1

(8)

新算子為

y′(i,j)=(2n-1)y(i,j)-y(i-1,j-1)-…-

(9)

中心像素點(diǎn)是位置位于整個(gè)矩陣中心位置的點(diǎn)，令中心像素點(diǎn)為C(x,y)，有

(10)

取n=3，新算子模板、濾波因子為

(11)

也可以用方程式表示，即

y′(i,j)=5y(i,j)-y(i-1,j-1)-y(i-1,j+1)-

y(i+1,y-1)-y(i+1,j+1)

(12)

亦可表示為

(13)

因?yàn)樵撍阕永昧薘oberts算子的對(duì)稱與對(duì)角元素提取改進(jìn)處理，故將該算子稱為新對(duì)角對(duì)稱梯度算子。緊接著，將新算子處理后的增強(qiáng)像素點(diǎn)y′(i,j)組合形成增強(qiáng)效果圖，即y′

(14)

2.4流程圖

為了更直觀體現(xiàn)本文算法，對(duì)方法進(jìn)行概括后繪制了流程圖，如圖3所示。

圖3　本文算法流程圖

3仿真及分析

衡量圖像質(zhì)量的指標(biāo)有很多，如PSNR、SSIM、RMSE、清晰度[14]、對(duì)比度[15]、MAE等。清晰度(definition)反映圖像細(xì)節(jié)紋理反差與紋理特征復(fù)雜度，其值越大越好。

(I(i,j)-I(i,j-1))2}

(15)

式中：W×H為圖像分辨率(像素點(diǎn)數(shù))，就是像素點(diǎn)的橫向、縱向梯度平方和的加權(quán)均值。

這里還要介紹MAE，是平均絕對(duì)誤差，通過比較處理前后兩幅圖像對(duì)應(yīng)的矩陣的灰度值的差異度來體現(xiàn)，即

(16)

式中：m與n分別代表圖像對(duì)應(yīng)矩陣的長度與高度。Δ越小，代表兩個(gè)矩陣的灰度差異越小，從側(cè)面體現(xiàn)出算

法對(duì)圖像細(xì)節(jié)紋理保護(hù)性能越好。

本文分別選取硬閾值法、直方圖均衡和本文算法進(jìn)行實(shí)驗(yàn)，分別提取若干圖像進(jìn)行實(shí)驗(yàn)。選取lena.bmp，cameraman.tif，rice.png(256×256)進(jìn)行操作，3種方法的處理結(jié)果及原圖如圖4所示。

圖4　各原圖及各方法增強(qiáng)效果比較

從圖4看出，各原圖均是目標(biāo)明顯的圖片，可是3幅原圖的目標(biāo)圖像背景都模糊，清晰度有待提高，3幅圖的清晰度與灰度分布均有提升空間。rice圖目標(biāo)是要是大米谷粒，cameraman圖主要是攝影師與背景建筑物，lena圖主要是人臉及其輪廓。

從圖4還可以看出，本文法的增強(qiáng)效果與整體處理效果好于其他方法，既有突出邊緣、輪廓、灰度跳變點(diǎn)的銳化效果，平滑區(qū)域的清晰度也較原圖有所上升，達(dá)到了增強(qiáng)的效果。直方圖均衡雖調(diào)整了圖像的灰度分布，但輪廓邊緣并未突出，在處理lena圖與cameraman圖中出現(xiàn)了圖像白化現(xiàn)象，無疑破壞了圖像的部分細(xì)節(jié)紋理，且缺乏明顯的銳化效果，而硬閾值法雖提高了圖像的對(duì)比度，但圖像模糊化，對(duì)于觀測(cè)者而言，沒有突出目標(biāo)顯示，如cameraman圖中，攝影師背景中的建筑物已模糊不清，且人的輪廓也模糊化。而BM3D法中，圖像出現(xiàn)了塊模糊的情況，銳化增強(qiáng)效果有著較明顯不足。

為了進(jìn)一步量化各方法增強(qiáng)效果及程度，采用MATLAB仿真得到各法的增強(qiáng)指標(biāo)，如表1所示。

表1各方法處理不同圖片的增強(qiáng)指標(biāo)數(shù)據(jù)表

算法lena.bmpMAEdefinitioncameraman.tifMAEdefinitionrice.pngMAEdefinition硬閾值法121.8265574.1751118.02941.0770×103111.2472672.4091直方圖均衡25.78571.0094×10323.06421.4028×10335.12491.994×103BM3D6.2245247.05835.5500533.48317.5209291.3371本文算法21.20744.8728×10322.67827.234×10331.80968.185×103

MAE反映圖像間的差異度，本文中即去模糊前后的誤差度，越低代表去模糊過程保真效果越好，清晰度反映的是去模糊后的圖像的清晰程度，去模糊是模糊化圖像部分細(xì)節(jié)的還原，清晰度同時(shí)體現(xiàn)模糊化細(xì)節(jié)的復(fù)原程度，體現(xiàn)了本文算法在細(xì)節(jié)紋理保真方面的優(yōu)勢(shì)與特點(diǎn)，若去模糊不能保持圖像的細(xì)節(jié)紋理與信息，則那樣的去模糊方法是沒有意義的。

由表1可知，從MAE這個(gè)指標(biāo)看，BM3D法最低，從definition(清晰度)這個(gè)指標(biāo)看，本文算法最高，說明本文算法的增強(qiáng)圖像清晰度較其他三種方法有明顯提高，而MAE為四種方法中的第二低，綜合情況看，本文算法的保真度也較好，體現(xiàn)了銳化增強(qiáng)的良好效果。

本文算法良好的保真性能是通過圖像的呈現(xiàn)與指標(biāo)數(shù)值體現(xiàn)出來，即使得目標(biāo)圖像及背景更加凸顯，細(xì)節(jié)紋理更加清晰，較好地去除原圖的模糊圖像塊與輪廓，達(dá)到了去模糊的效果。

4結(jié)束語

現(xiàn)有的圖像去模糊增強(qiáng)法在一定程度上的確提升了圖像的視覺觀感，但是存在著紋理細(xì)節(jié)失真，灰度色度與處理原圖差異太大，部分邊界點(diǎn)、線、面、平滑區(qū)域處模糊化等問題，本文根據(jù)經(jīng)典濾波法的增強(qiáng)因子思想、梯度算子銳化思想等原理進(jìn)行創(chuàng)新與改進(jìn)，提出了改進(jìn)法，其創(chuàng)新點(diǎn)在于：真正設(shè)置出了與圖像灰度值、分布情況緊密相連的自適應(yīng)加權(quán)均值閾值，實(shí)現(xiàn)了對(duì)不同圖像的增強(qiáng)去模糊，提出了新的梯度算子，更好地保護(hù)了圖像邊緣及其他平滑區(qū)域的灰度分布及紋理細(xì)節(jié)，同時(shí)產(chǎn)生銳化這一必要結(jié)果。仿真結(jié)果證明，該方法提升了增強(qiáng)圖像的效果，提高了增強(qiáng)圖像的質(zhì)量、清晰度與視覺感受，體現(xiàn)了圖像去模糊增強(qiáng)的應(yīng)有的作用，具有較強(qiáng)的應(yīng)用鄰域與發(fā)展前景。

參考文獻(xiàn)：

[1]RAJAKARUNA N，RATHNAYAKE C，CHAN K Y，et al. Image deblurring for navigation systems of vision impaired people using sensor fusion data[C]//2014 IEEE 9th ISSNIP Symposium on Computational Intelligence. Singapore：IEEE，2014：38-43.

[2]張格森，陳東生，王懷野，等. 一種圖像局部特征快速匹配算法[J]. 電子技術(shù)應(yīng)用，2015，41(11)：124-127.

[3]雷蕓.基于中值預(yù)濾波的非局部去噪算法[J].微電子學(xué)與計(jì)算機(jī)，2015，32(5)：138-142.

[4]賈宏光，吳澤鵬，朱明超，等.基于廣義線性運(yùn)算和雙邊濾波的紅外圖像增強(qiáng)[J]. 光學(xué)·精密工程，2013，21(12)：3272-3282.

[5]楊柱中，周激流，晏祥玉，等.基于分?jǐn)?shù)階微分的圖像增強(qiáng)[J]. 計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2008，20(3)：343-348.

[6]錢小燕. 引導(dǎo)濾波的紅外圖像預(yù)處理算法[J]. 科學(xué)技術(shù)與工程，2015，15(21)：32-37.

[7]唐鑒波，江鐵，王田.基于引導(dǎo)濾波的單幅圖像去霧算法研究[J]. 科學(xué)技術(shù)與工程，2013，13(11)：3021-3025.

[8]BABU K R，SUNITHA D. A new approach to enhance images of mobiles phones with in-built digital cameras using mean and variance[C]//International Conference on Advances in Computer Engineering.[S.l.]：IEEE，2010：232-234.

[9]ZUO W M，ZHANG L，SONG C W，et al. Texture enhanced image denoising via gradient histogram preservation[C]//IEEE Conference on Computer Vision and Pattern Recognition.[S.l.]：IEEE，2013：1203-1210.

[10]周萌萌，任子暉，周旋旋. 基于窗口的自適應(yīng)中值濾波算法[J].電視技術(shù)，2015，39(22)：15-18.

[11]余婷，李明晶，趙九龍，等. 自適應(yīng)三維分?jǐn)?shù)階微分增強(qiáng)算法[J]. 電視技術(shù)，2015，39(20)：1-5.

[12]胡學(xué)龍.數(shù)字圖像處理[M].2版. 北京：電子工業(yè)出版社，2011.

[13]楊 娟，賈振紅，覃錫忠，等. 基于形狀自適應(yīng)PCA的三維塊匹配圖像去噪[J]. 計(jì)算機(jī)工程，2013，39(3)：241-244.

[14]常宏韜，孟慶虎.基于小波變換的一種紅外圖像增強(qiáng)算法[J]. 河南科技大學(xué)學(xué)報(bào)(自然科學(xué)版)，2015，36(1)：48-51.

[15]周先春，汪美玲，周林鋒，等. 基于Demons算法改進(jìn)的圖像去噪模型研究[J]. 物理學(xué)報(bào)，2015，64(2)：1-10.

Newtypeoftargetimagedeblurringmethod

SHENQianlia，b，CHENXiaoa，b

(a. College of Electronic and Information Engineering；b. Collaborative Innovation Center of Atmospheric Environment and Equipment Technology，Nanjing University of Information Science and Technology，Nanjing 210044，China)

Abstract:Because of the drawbacks including detail texture distortion， lack of sharpening effect and shortage of the smooth area for the state-of-the-art method， an improved algorithm based on adaptive threshold and the gradient operator of the new method is proposed. The first step is to scan the extracted pixels of the original image to get the adaptive the threshold， then to establish pixels enhancing equations and use the new gradient operator filtering. Finally the enhanced image pixels is restructured. The stimulation results show that at the same time of enhancing sharpening， it protects the image detail，smooth area pixel information and so on.

Key words:image enhancing； adaptive threshold； new gradient operator； symmetry； diagonal

中圖分類號(hào):TN391

文獻(xiàn)標(biāo)志碼:A

DOI：10.16280/j.videoe.2016.06.004

基金項(xiàng)目：江蘇省第十一批“六大人才高峰”高層次人才項(xiàng)目；江蘇高校優(yōu)勢(shì)學(xué)科11期建設(shè)工程項(xiàng)目

作者簡(jiǎn)介：

沈千里(1990— )，碩士生，研究方向是圖像處理；

陳曉(1974— )，博士，教授，研究方向是圖像處理、視頻編碼和信號(hào)處理等。

責(zé)任編輯：時(shí)雯

收稿日期：2016-02-02

文獻(xiàn)引用格式：沈千里，陳曉.一種新型目標(biāo)圖像去模糊方法[J].電視技術(shù)，2016，40(6)：17-21.

SHENQL，CHENX.Newtypeoftargetimagedeblurringmethod[J].Videoengineering，2016，40(6)：17-21.