[发明专利]单张影像的阶层式去动态模糊方法

说明书

技术领域

本发明涉及一种影像处理方法，尤其涉及一种单张影像的阶层式去动态模糊方法。

背景技术

动态模糊(Motion blur)是由照相机与景象在一曝光时间内的相对运动所产生，其经常发生在低光源环境使用手持式照相机拍摄照片的情况。另一种动态模糊则是在以静态照相机拍摄运动中物体时所产生。

对于受到动态模糊影响的影像来说，如何将其还原已成为目前电脑视觉(computer vision)及影像处理领域的一大课题。目前已有许多人提出不同的演算法来尝试解决此问题，这些演算法粗略可分为三大类：单张影像去模糊；多阶影像去模糊；以及计算式摄影(computational photography)。

其中，当影像牵涉到相机旋转或是大景深(scene depth)变化时，要去估测实际的相机运动是相当复杂的。而为了简化问题，目前的研究通常假设相机的运动方向与光学轴(optical axes)相垂直，因此可以忽略掉景深变化的影响。换句话说，模糊核心(blur kernel)，或者说是点扩散函数(Point SpreadFunction，PSF)，是被假设为具有空间不变(spatial-invariant)的特性。在此假设下，模糊影像B可以被模型化为清晰影像I与模糊核心f的卷积(convolution)，而可以下式表述：

B=I⊗f+n---(1)]]>

其中，n为附加的杂讯。

若I及f两者都是未知，则解方程式(1)将会变成一个盲目反回旋(blinddeconvolution)的问题，而即便使用空间不变的假设，此问题仍旧存在，这是因为I及f的限制太少，其间的多种组合都可被卷积为相同的模糊影像B。

发明内容

有鉴于此，本发明提供一种单张影像的阶层式去动态模糊方法，其利用梯度衰减函数及强边缘抑制函数来定义权重阵列，并应用到Richardson-Lucy演算法中，以达到抑制环状假影(ringing artifact)的目的。

本发明提出一种单张影像的阶层式去动态模糊方法，其包括下列步骤：a.提供目标影像；b.计算此目标影像的模糊核心(blur kernel)；c.将此目标影像及模糊核心表述为多种阶层(scale)的表述式；d.利用剩余RL演算法，以递回的方式由粗至细求取由各个阶层的表述式所表述的目标影像及模糊核心的剩余影像，并将其还原为第一还原影像，其中包括在递回中将剩余影像乘上由第一梯度衰减函数所定义的第一权重阵列；e.利用剩余RL演算法，以递回的方式由粗至细求取由各个阶层的表述式所表述的目标影像及模糊核心的剩余影像，并将其还原为第二还原影像，其中包括在递回中将剩余影像乘上由第二梯度衰减函数及强边缘(strong edge)抑制函数所定义的第二权重阵列；f.比较这两个还原影像的差异，以获得去动态模糊的最终还原影像。

在本发明的一实施例中，上述步骤d包括下列子步骤：d1.利用标准RL演算法求取由最粗阶层的表述式所表述的目标影像及模糊核心的还原影像；d2.依据所求得的还原影像计算第一梯度衰减函数，以定义第一权重阵列；d3.将所求得的该还原影像提升取样(upsample)为目前阶层的下一阶层，以生成该下一阶层的一导引影像(guide image)，并提升取样所计算的该第一梯度衰减函数与该第一权重阵列以供该下一阶层使用；d4.将由下一阶层的表述式所表述的目标影像减去下一阶层的导引影像与该阶层的模糊核心的卷积结果，以获得下一阶层的剩余目标影像；d5.利用该余RL演算法求取此剩余目标影像的剩余影像，并将剩余影像乘上由前一阶层所提升取样的第一权重阵列；d6.将所求取的剩余影像加上导引影像，以获得下一阶层的还原影像；d7.重复上述步骤d2～d6，以递回的方式由粗至细求取由其他阶层的表述式所表述的目标影像及模糊核心的剩余影像，并以最后所求取的还原影像作为第一还原影像。