梁 娟

（陕西交通职业技术学院 西安 710018）

1 引言

近年来，在工程领域中，作为从模糊图像中获取信息的媒介，图像处理技术越来越重要，同时也具有很大的现实意义。基于此，离焦模糊图像复原算法在国内外图像处理领域研究越来越重要，逐渐成为研究热点。

基于现有的图像复原技术，大致可以分为两种：第一种是倒谱分析法，该方法在图像的变换域中，通过倒谱技术来寻找零点位置，以此来确定模糊参数，从而估计点扩散函数［1～3］；第二种是必须以在离焦模糊图像中存在阶跃或近似阶跃点的直线边缘的这种前提下，通过离焦模糊图像的边缘信息来得到估计点扩散函数，这种情况下该方法才能得到使用［4～6］。第三种类结合一些不常用的方法进行复原，如小波变换、遗传算法［7～8］。

本文对之前的离焦模糊图像复原算法提出一种新的改进方案。首先对模糊图像离散时间傅里叶变换，得频谱条纹宽度与模糊距离关系式，得模糊距离即圆盘函数半径，从而构建点扩散函数即圆盘函数。然后基于个性化圆盘函数的维纳复原处理模糊图像。最后用图像增强中的二维锐化方法辅助处理模糊图像，去除噪声干扰，完成离焦模糊图像的复原。本文所提出的图像复原算法基于开源计算机视觉库OpenCV和VC++平台MFC框架来实现。OpenCV的主要优势是它的适用性较为理想，而且可以融合好几个操作系统［9～12］。本文提出一种改进的离焦模糊图像复原算法，通过该方法实现的离焦模糊图像复原软件具有运行效率高，执行速度快和界面友好的优势。

2 离焦模糊图像复原原理

2.1 个性化圆盘函数

对离焦模糊图像进行有效复原处理之前，首先需要求得圆盘离函数，该函数是基于几何光学提出，这样可以很好地模拟点扩散函数。通常，理想的成像系统对点光源成像应该仍为一个点，当成像系统的像距、物距不理想时，通过该成像系统的点光源成像是灰度值分布均匀的圆盘，这时点扩散函数就可通过用圆盘函数来表示。如式（1）所示。

式（1）中，R为圆盘半径，求得R即可构建个性化圆盘函数，该函数对图像复原效果起着至关重要的作用。本文对模糊图像离散时间进行傅里叶变换，得出频谱条纹宽度D与模糊距离（圆盘半径R）成反比，如式（2）所示。

式（2）中M为图像长度。

2.2 离焦模糊图像复原算法

本身首先通过采用基于个性化圆盘函数的维纳进行复原，如式（3）所示。

其中，H（u，v）为圆盘函数的傅里叶变换，Sn(u,v)是噪声的功率谱，Sn(u,v)是模糊图像的功率谱，G（u，v）模糊图像的傅里叶变换，f（u，v）为复原后的图像。

然后用图像增强的二维锐化进行辅助复原，来以此去除噪声干扰，完成图像复原。

3 本文图像复原算法

所提的个性化圆盘函数耦合OpenCV的离焦模糊图像复原算法的过程见图1，分为三个过程：1）输入图像信息；2）基于Fourier变换的图像处理；3）基于维纳滤波与2D锐化的图像重构。

图1 系统流程图

部分关键代码：

1）基于OpenCV的模糊图像傅里叶变换

2）模糊图像维纳滤波

3）基于OpenCV的二维锐化

4 测试结果及分析

硬件环境：CPU是AMD Athlou 64 X2 Dualcore ProcessorAMD3600+；主频是2.0GHz以及2.0G的内存。测试条件为：Windows7.0和VS2010的开发工具，OpenCV2.4.1。离焦模糊图像如图2、6所示；普通维纳复原与图像增强处理后的图像如图3、4、7、8所示；本文的离焦模糊图像复原算法处理后的图像如图5、9所示。

图2 离焦模糊图像

图3 二维锐化处理后的图像

图4 通过普通维纳滤波方法处理之后的图像

图5 本文复原算法处理后图像

图6 离焦模糊图像

图7 二维锐化处理后的图像

图8 通过普通维纳滤波方法处理之后的图像

图9 本文复原算法处理后图像

表1 本文复原算法与普通复原、增强算法客观评价

通过分析上述的实验结果，图3、4与图5，图7、8与图9进行比较可看出，图5、9的图像纹理更清晰。仿真结果表明，本文采用的图像复原算法对离焦模糊复原效果要优于采用普通图像复原和图像增强方法的复原效果。

根据表1可知，在图像的峰值信噪比、信噪比两方面，本文所提出的对离焦模糊图像复原算法处理要高于普通图像复原和图像增强方法。这表明本文提出的离焦模糊图像复原算法的复原效果优于采用普通图像复原和图像增强方法的复原效果。

5 结语

本文基于MFC和OpenCV软件平台下，提出了一个基于个性化圆盘函数耦合OpenCV的离焦模糊图像复原算法，并给出了该算法的实现过程；基于模糊距离，设计了一种个性化圆盘函数，结合维纳滤波和二维锐化对离焦模糊图像进行复原。本文设计和实现的算法和软件可单独视为某个平台的子系统，将其植入到其他的图像应用平台中，可显著拓展其应用领域。

参考文献

［1］孔英蕾.一种离焦模糊图像的盲复原方法［J］.电子技术应用，2013，39（1）：125-128.

［2］Xie Zhengxiang，Wang Zhifang，L Xiafu.Adaptively op⁃ti-mal compensation for vision contrast resolution and ma⁃chine vision［C］//Proceedings of the 3rdInternationalCon⁃gress on Image and Signal Processing（CISP 2010）2010，3（2）：213-216.

［3］程凡永基于OpenCV的匀速模糊图像复原与算法分析［J］.湖南工业大学学报，2011，25（3）：59-63.

［4］范海菊离焦模糊图像模糊半径检测的新方法［J］.计算机应用，2012，32（7）：1875-1878.

［5］Xu X Y，Xu S Z，Jin L H，et al.Characteristic Analysis of Otsu Threshold and Its Applications［J］.Pattern Recogni⁃tion.2011，2（1）：124-128.

［6］王蕾基于改进卡尔曼滤波的盲图像恢复［J］.计算机应用，2011，31（3）：711-714.

［7］邵明省.基于蛙跳算法的模糊图像复原［J］.激光与光电子学进展，2011，5（4）：24-26.

［8］Plissiti ME，Nidou C，Charchanti A.Watershed-based seg⁃mentation of cell nuclei boundaries on Pap smear images［C］//2010 10th IEEE International Conference on Infor⁃mation Technology and Applications in Biomedicine,2011,2（4）：145-149.

［9］梁涛.基于OpenCV的视频图像人眼跟踪方法的研究［J］.科学技术与工程，2013，21（2）：78-79.

［10］李洪雷.VC++环境下基于OpenCV的摄像机标定系统的开发［J］.计算机应用与软件，2011，28（6）：19-24.

［11］代雷，吴迪，张健.基于OpenCV视觉库的ESPI图像增强技术研究［J］.电子测量与仪器学报，2013，27（10）：975-979.

［12］雷建锋，汪伟.基于OpenCV的图像阈值分割研究与实现［J］.现代电子技术，2013，12（24）：73-76.