基于手機(jī)照片清晰化的深入研究

【摘 要】隨著手機(jī)用戶的不斷增加，手機(jī)的功能性也被越來(lái)越多的人開始重視，其中一項(xiàng)便是手機(jī)攝像，手機(jī)攝像清晰化也是需要著重研究的課題。圖片需要以景物圖像為輸入，通過(guò)計(jì)算機(jī)視覺、圖像處理等處理技術(shù)檢測(cè)輸入圖像的。本文利用MATLAB平臺(tái)著重研究圖像對(duì)比度增強(qiáng)、異常天氣圖片清晰化顯示、運(yùn)動(dòng)圖像的抖動(dòng)復(fù)原問(wèn)題[1]。

【關(guān)鍵詞】圖像處理；大氣散射模型；運(yùn)動(dòng)模糊

一、惡劣天氣下圖像清晰化設(shè)計(jì)

（一）波處理方法

波處理方法：對(duì)圖像進(jìn)行濾波處理主要是為了消除圖像中存在的噪聲。針對(duì)逆濾波圖像復(fù)原算法進(jìn)行研究，在已知系統(tǒng)退化模型的情況下，對(duì)退化圖像使用逆濾波算法進(jìn)行復(fù)原，再對(duì)復(fù)原后的圖像進(jìn)行平滑處理，使其更接近于原始圖像。

維納濾波是一種最基本的方法，優(yōu)點(diǎn)是適應(yīng)面較廣，無(wú)論平穩(wěn)隨機(jī)過(guò)程是連續(xù)的還是離散的，是標(biāo)量的還是向量的，都可應(yīng)用。在維納濾波中加入中值濾波和平滑濾波。中值濾波法是一種非線性平滑技術(shù)，基于排序統(tǒng)計(jì)理論的一種能有效抑制噪聲的非線性信號(hào)處理技術(shù)，基本原理是把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)的一個(gè)鄰域中各點(diǎn)值的中值代替，讓周圍的像素值接近的真實(shí)值，從而消除孤立的噪聲點(diǎn)。平滑濾波是低頻增強(qiáng)的空間域?yàn)V波技術(shù)。它的目的有兩類：一類是模糊；另一類是消除噪音。鄰域的大小與平滑的效果直接相關(guān)，鄰域越大平滑的效果越好，但鄰域過(guò)大，平滑會(huì)使邊緣信息損失的越大，從而使輸出的圖像變得模糊，因此需合理選擇鄰域的大小[2]。具體的如圖1所示。

原始圖像 濾波處理后圖像

圖1濾波處理方法方式

（二） 對(duì)比度增強(qiáng)的清晰化方法

RETINEX 算法：Retinex理論的基礎(chǔ)理論是物體的顏色是由物體對(duì)長(zhǎng)波、中波、短波光線的反射能力來(lái)決定的，而不是由反射光強(qiáng)度的絕對(duì)值來(lái)決定的，物體的色彩不受光照非均勻性的影響，具有一致性。不同于傳統(tǒng)的線性、非線性的只能增強(qiáng)圖像某一類特征的方法，Retinex可以在動(dòng)態(tài)范圍壓縮、邊緣增強(qiáng)和顏色恒常三個(gè)方面打到平衡，因此可以對(duì)各種不同類型的圖像進(jìn)行自適應(yīng)的增強(qiáng)[3]。這種方法主要包括以下幾個(gè)步驟：1、數(shù)據(jù)準(zhǔn)備。將彩色圖像劃分為R ，G，B三個(gè)波段；將每個(gè)像素的值由整數(shù)轉(zhuǎn)換為浮點(diǎn)數(shù)。2、計(jì)算每個(gè)波段內(nèi)相對(duì)明暗感覺。3、數(shù)據(jù)顯示。將每個(gè)波段內(nèi)像素間的相對(duì)明暗關(guān)系確定的色彩值轉(zhuǎn)換為RGB 值以便能在現(xiàn)有的設(shè)備中顯示和使用。

（三）直方圖均衡算法

1、全局直方圖均衡算法。全局直方圖均衡算法是一個(gè)圖像增強(qiáng)的基本手段，其基本思想是通過(guò)灰度的映射來(lái)修正圖像的直方圖，使之具有更加平坦的分布，增加了像素灰度值的動(dòng)態(tài)范圍，其主要目的有兩個(gè)：一是改善圖像的視覺效果，提高圖像成分的清晰度；二是使圖像變得更有利于機(jī)器處理。在惡劣天氣里，圖像的對(duì)比度較低，可以通過(guò)直方圖均衡化的方法達(dá)到增強(qiáng)圖像的對(duì)比度的效果[4]。但算法灰度級(jí)變換是自動(dòng)完成的，雖然圖像對(duì)比度獲得了提高，但是會(huì)導(dǎo)致暗的部分更暗，亮的部分更亮，這會(huì)損失一些圖像細(xì)節(jié)；并且RGB 三個(gè)分量分別進(jìn)行直方圖均衡算法，最終輸出圖像色彩存在一定的失真；并且該算法會(huì)引入噪聲，與之前濾波處理方法有所沖突。

2、局部直方圖均衡算法。全局直方圖均衡是基于整幅圖像的，計(jì)算量小且易實(shí)現(xiàn)，但是難免對(duì)一些細(xì)節(jié)增強(qiáng)不夠。在全局直方圖均衡的基礎(chǔ)上，我們采用局部直方圖均衡方法來(lái)優(yōu)化細(xì)節(jié)，這種方法只起到窗內(nèi)局部對(duì)比度增強(qiáng)作用，并沒(méi)有調(diào)節(jié)整幅圖像動(dòng)態(tài)范圍，比之全局直方圖均衡算法更為穩(wěn)定。因此我們考慮將這兩種方法結(jié)合起來(lái)，從而可以彌補(bǔ)各自的不足。

二、成像模型的運(yùn)動(dòng)模糊圖像復(fù)原

（一）利用“摳圖”思想的局部圖像研究

“摳圖”是圖像處理中最常做的操作之一，將圖像中需要的部分從畫面中精確地提取出來(lái)，我們就稱為摳圖，摳圖是后續(xù)圖像處理的重要基礎(chǔ)。在目標(biāo)局部運(yùn)動(dòng)模糊圖像中，背景和目標(biāo)兩者的交界區(qū)域內(nèi)像素同時(shí)混合有背景圖像和目標(biāo)圖像，可以認(rèn)為該交界區(qū)域內(nèi)的圖像是背景圖像和前景圖像的線性組合，我們利用摳圖思想把這部分從畫面中提取出來(lái)[5]。 通常假定給定圖像中的每一個(gè)像素點(diǎn)的顏色值是前景圖像和背景圖像的一個(gè)線性組合，局部運(yùn)動(dòng)模糊圖像與普通的圖像“摳圖”技術(shù)不同之處在于，圖像“摳圖”技術(shù)中圖像的前景部分與背景的融合區(qū)域是由圖像的不透明程度決定的。

（二）圖像退化的復(fù)原

成像系統(tǒng)受各種因素的影響，導(dǎo)致了圖像質(zhì)量的降低，稱之為圖像退化。通常來(lái)說(shuō)解決運(yùn)動(dòng)模糊的方法一般有兩種，第一是減小相機(jī)的曝光時(shí)間，那么這樣物體在曝光時(shí)間內(nèi)的運(yùn)動(dòng)距離就小，因此模糊會(huì)減小，但這與相機(jī)技術(shù)相關(guān)，難以實(shí)現(xiàn)，更方便的辦法是通過(guò)數(shù)學(xué)的辦法將獲得的運(yùn)動(dòng)模糊圖像經(jīng)過(guò)處理復(fù)原而獲得清晰的圖像。而復(fù)原圖像的目標(biāo)是，在已知模糊圖像的前提下，求出原始圖像。我們可以用lucy-rechardson恢復(fù)算法來(lái)加以模型化[6]。lucy-rechardson 算法的原理可用下面的公式2所示：

上面的公式是一次迭代的過(guò)程，其中是迭代的上一次結(jié)果，當(dāng)?shù)谝淮蔚臅r(shí)候，這個(gè)值可以取初始輸入的模糊圖像 g（m，n）， h（-m，-n）可以用h（HX-m，HY-n）來(lái)表示，其中HX和HY分別表示系統(tǒng)函數(shù)的高度和寬度，公式中的所有乘均為矩陣點(diǎn)乘，卷積為二維的卷積，卷積尺寸控制為圖像的尺寸。將以上結(jié)果迭代多次，我們可以選擇較好的結(jié)果圖像作為最終的輸出圖像。

參考文獻(xiàn)：

[1]劉建明.基于PC 的霧天圖像和視頻的清晰化算法研究與實(shí)現(xiàn).上海：上海交通大學(xué)，2009

[2]楊晨.霧天圖像增強(qiáng)算法研究.南京： 南京理工大學(xué)，2007

[3]溫箐笛.基于Matlab 大霧天氣下圖像清晰化研究.貴州：貴州財(cái)經(jīng)大學(xué)信息學(xué)院，2012

[4]楊彥.圖像復(fù)原算法研究.四川大學(xué)碩士學(xué)位論文.2004

[5]岡薩雷斯， 伍茲. 數(shù)字圖像處理（第二版）.電子工業(yè)出版社. 2003

[6]陳天華.數(shù)字圖像處理.清華大學(xué)出版社.2007