APP下载

运动模糊图像的恢复方法及其优化

2018-10-31袁江琛

智能计算机与应用 2018年6期

袁江琛

(无锡城市职业技术学院, 江苏 无锡 214153)

引言

生活中由于景物运动,摄像设备的抖动,曝光时间过长等原因,拍摄出的照片会出现模糊现象。如何针对模糊图像进行模糊特征建模以及选择算法,最大程度复原清晰图像是有实际意义的。本文利用运动模糊图像退化及退化模型的建立,重点讨论鉴别线型运动模糊特征的算法,以点扩散函数(PSF)建立模糊模型,以及使用维纳滤波法还原图像。并针对维纳滤波的不足提出可行的改进方法。

1 图像退化及退化模型的建立

1.1 图像退化模型的建立

设原始图像为f(x,y),摄像机与物体的相对速度为v,曝光时间内相对角位移为θ,g(x,y)为实际拍摄的图像,则有如下关系:

(1)

此处先讨论无角度偏移的情况,则上式可简化为:

(2)

对上式离散化化简,结果为:

g(x,y)=∑f(x-i,y)/L

(3)

式中,L为像素数。此式表明一副模糊图可看成由多幅图像叠加而成。

1.2 点扩散函数的建立

(4)

对以上矩阵进行傅里叶变换得到:

(5)

由上式可看出h(u,v)与v无关,即为在一列中v的值是相同的。令:

(6)

1.3 模糊角度的确定

因为在模糊图像中存在大量的平行于运动角度的直线轨迹,所以只需要对模糊图像进行边缘检测即可快速地估计出运动角度。而边缘检测的基本思想就是针对图像中灰度有跳跃的地方标记出来,这些轨迹就是图像边缘。可使用sobel算子进行边缘检测,sobel算子思想为将两组矩阵与图像作平面卷积,即可分别得出垂直及水平的灰度差分近似值。

(7)

uSobel=imag;

fori= 2:high- 1

forj= 2:width- 1

Gx= (U(i+1,j-1) + 2*U(i+1,j) +F2(i+1,j+1)) - (U(i-1,j-1) + 2*U(i-1,j) +F2(i-1,j+1));

Gy= (U(i-1,j+1) + 2*U(i,j+1) +F2(i+1,j+1)) - (U(i-1,j-1) + 2*U(i,j-1) +F2(i+1,j-1));

uSobel(i,j) =sqrt(Gx^2 +Gy^2);

end

end

根据边缘检测绘制的图像即可简易的确定模糊角度。……

登录APP查看全文