個性化圓盤函數(shù)耦合OpenCV的離焦模糊圖像復(fù)?原算法研究

梁 娟

（陜西交通職業(yè)技術(shù)學(xué)院 西安 710018）

1 引言

近年來，在工程領(lǐng)域中，作為從模糊圖像中獲取信息的媒介，圖像處理技術(shù)越來越重要，同時也具有很大的現(xiàn)實意義。基于此，離焦模糊圖像復(fù)原算法在國內(nèi)外圖像處理領(lǐng)域研究越來越重要，逐漸成為研究熱點。

基于現(xiàn)有的圖像復(fù)原技術(shù)，大致可以分為兩種：第一種是倒譜分析法，該方法在圖像的變換域中，通過倒譜技術(shù)來尋找零點位置，以此來確定模糊參數(shù)，從而估計點擴(kuò)散函數(shù)［1～3］；第二種是必須以在離焦模糊圖像中存在階躍或近似階躍點的直線邊緣的這種前提下，通過離焦模糊圖像的邊緣信息來得到估計點擴(kuò)散函數(shù)，這種情況下該方法才能得到使用［4～6］。第三種類結(jié)合一些不常用的方法進(jìn)行復(fù)原，如小波變換、遺傳算法［7～8］。

本文對之前的離焦模糊圖像復(fù)原算法提出一種新的改進(jìn)方案。首先對模糊圖像離散時間傅里葉變換，得頻譜條紋寬度與模糊距離關(guān)系式，得模糊距離即圓盤函數(shù)半徑，從而構(gòu)建點擴(kuò)散函數(shù)即圓盤函數(shù)。然后基于個性化圓盤函數(shù)的維納復(fù)原處理模糊圖像。最后用圖像增強(qiáng)中的二維銳化方法輔助處理模糊圖像，去除噪聲干擾，完成離焦模糊圖像的復(fù)原。本文所提出的圖像復(fù)原算法基于開源計算機(jī)視覺庫OpenCV和VC++平臺MFC框架來實現(xiàn)。OpenCV的主要優(yōu)勢是它的適用性較為理想，而且可以融合好幾個操作系統(tǒng)［9～12］。本文提出一種改進(jìn)的離焦模糊圖像復(fù)原算法，通過該方法實現(xiàn)的離焦模糊圖像復(fù)原軟件具有運行效率高，執(zhí)行速度快和界面友好的優(yōu)勢。

2 離焦模糊圖像復(fù)原原理

2.1 個性化圓盤函數(shù)

對離焦模糊圖像進(jìn)行有效復(fù)原處理之前，首先需要求得圓盤離函數(shù)，該函數(shù)是基于幾何光學(xué)提出，這樣可以很好地模擬點擴(kuò)散函數(shù)。通常，理想的成像系統(tǒng)對點光源成像應(yīng)該仍為一個點，當(dāng)成像系統(tǒng)的像距、物距不理想時，通過該成像系統(tǒng)的點光源成像是灰度值分布均勻的圓盤，這時點擴(kuò)散函數(shù)就可通過用圓盤函數(shù)來表示。如式（1）所示。

式（1）中，R為圓盤半徑，求得R即可構(gòu)建個性化圓盤函數(shù)，該函數(shù)對圖像復(fù)原效果起著至關(guān)重要的作用。本文對模糊圖像離散時間進(jìn)行傅里葉變換，得出頻譜條紋寬度D與模糊距離（圓盤半徑R）成反比，如式（2）所示。

式（2）中M為圖像長度。

2.2 離焦模糊圖像復(fù)原算法

本身首先通過采用基于個性化圓盤函數(shù)的維納進(jìn)行復(fù)原，如式（3）所示。

其中，H（u，v）為圓盤函數(shù)的傅里葉變換，Sn(u,v)是噪聲的功率譜，Sn(u,v)是模糊圖像的功率譜，G（u，v）模糊圖像的傅里葉變換，f（u，v）為復(fù)原后的圖像。

然后用圖像增強(qiáng)的二維銳化進(jìn)行輔助復(fù)原，來以此去除噪聲干擾，完成圖像復(fù)原。

3 本文圖像復(fù)原算法

所提的個性化圓盤函數(shù)耦合OpenCV的離焦模糊圖像復(fù)原算法的過程見圖1，分為三個過程：1）輸入圖像信息；2）基于Fourier變換的圖像處理；3）基于維納濾波與2D銳化的圖像重構(gòu)。

圖1 系統(tǒng)流程圖

部分關(guān)鍵代碼：

1）基于OpenCV的模糊圖像傅里葉變換

2）模糊圖像維納濾波

3）基于OpenCV的二維銳化

4 測試結(jié)果及分析

硬件環(huán)境：CPU是AMD Athlou 64 X2 Dualcore ProcessorAMD3600+；主頻是2.0GHz以及2.0G的內(nèi)存。測試條件為：Windows7.0和VS2010的開發(fā)工具，OpenCV2.4.1。離焦模糊圖像如圖2、6所示；普通維納復(fù)原與圖像增強(qiáng)處理后的圖像如圖3、4、7、8所示；本文的離焦模糊圖像復(fù)原算法處理后的圖像如圖5、9所示。

圖2 離焦模糊圖像

圖3 二維銳化處理后的圖像

圖4 通過普通維納濾波方法處理之后的圖像

圖5 本文復(fù)原算法處理后圖像

圖6 離焦模糊圖像

圖7 二維銳化處理后的圖像

圖8 通過普通維納濾波方法處理之后的圖像

圖9 本文復(fù)原算法處理后圖像

表1 本文復(fù)原算法與普通復(fù)原、增強(qiáng)算法客觀評價

通過分析上述的實驗結(jié)果，圖3、4與圖5，圖7、8與圖9進(jìn)行比較可看出，圖5、9的圖像紋理更清晰。仿真結(jié)果表明，本文采用的圖像復(fù)原算法對離焦模糊復(fù)原效果要優(yōu)于采用普通圖像復(fù)原和圖像增強(qiáng)方法的復(fù)原效果。

根據(jù)表1可知，在圖像的峰值信噪比、信噪比兩方面，本文所提出的對離焦模糊圖像復(fù)原算法處理要高于普通圖像復(fù)原和圖像增強(qiáng)方法。這表明本文提出的離焦模糊圖像復(fù)原算法的復(fù)原效果優(yōu)于采用普通圖像復(fù)原和圖像增強(qiáng)方法的復(fù)原效果。

5 結(jié)語

本文基于MFC和OpenCV軟件平臺下，提出了一個基于個性化圓盤函數(shù)耦合OpenCV的離焦模糊圖像復(fù)原算法，并給出了該算法的實現(xiàn)過程；基于模糊距離，設(shè)計了一種個性化圓盤函數(shù)，結(jié)合維納濾波和二維銳化對離焦模糊圖像進(jìn)行復(fù)原。本文設(shè)計和實現(xiàn)的算法和軟件可單獨視為某個平臺的子系統(tǒng)，將其植入到其他的圖像應(yīng)用平臺中，可顯著拓展其應(yīng)用領(lǐng)域。

參考文獻(xiàn)

［1］孔英蕾.一種離焦模糊圖像的盲復(fù)原方法［J］.電子技術(shù)應(yīng)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的勻速模糊圖像復(fù)原與算法分析［J］.湖南工業(yè)大學(xué)學(xué)報，2011，25（3）：59-63.

［4］范海菊離焦模糊圖像模糊半徑檢測的新方法［J］.計算機(jī)應(yīng)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］王蕾基于改進(jìn)卡爾曼濾波的盲圖像恢復(fù)［J］.計算機(jī)應(yīng)用，2011，31（3）：711-714.

［7］邵明省.基于蛙跳算法的模糊圖像復(fù)原［J］.激光與光電子學(xué)進(jìn)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］梁濤.基于OpenCV的視頻圖像人眼跟蹤方法的研究［J］.科學(xué)技術(shù)與工程，2013，21（2）：78-79.

［10］李洪雷.VC++環(huán)境下基于OpenCV的攝像機(jī)標(biāo)定系統(tǒng)的開發(fā)［J］.計算機(jī)應(yīng)用與軟件，2011，28（6）：19-24.

［11］代雷，吳迪，張健.基于OpenCV視覺庫的ESPI圖像增強(qiáng)技術(shù)研究［J］.電子測量與儀器學(xué)報，2013，27（10）：975-979.

［12］雷建鋒，汪偉.基于OpenCV的圖像閾值分割研究與實現(xiàn)［J］.現(xiàn)代電子技術(shù)，2013，12（24）：73-76.