[发明专利]一种图像质量优化方法及显示方法

说明书

本发明涉及一种图像质量优化方法及显示方法，图像质量优化方法，包括：S1.获取输入图像，对所述输入图像进行预处理并输入至第一处理模型；S2.基于所述第一处理模型对所述输入图像进行去模糊处理获得第一图像；S3.将所述第一图像输入至第二处理模型进行超分辨率处理，并输出第二图像。本发明的方法在应用于显微成像时，能显著提高显微图像的质量，还原清晰真实的图像。

技术领域

本发明涉及软件技术领域，尤其涉及一种图像质量优化方法及显示方法。

背景技术

显微镜为微观成像领域必不可少的设备。而现有的低倍率显微图像成像颗粒感强，细节感弱，高倍率显微物镜景深范围小，使用相机数码成像后的图像会出现局部失焦。

进而，针对现有显微镜所存在的问题也出现了相应的显微图像质量优化技术。目前，显微图像质量优化技术一般采用图像增强算法，这种图像增强算法在图像清晰度提升上通过景深扩展方式实现，需要采集不同焦面图像，将各焦面清晰部分融合。现有的这种方法需要移动显微镜上Z轴获取多个焦面来获得。而这种方式增加了对焦的时间，降低了成像的效率。

同时，目前的景深扩展方式，当待融合焦面中某区域均模糊时，其更是无法提升该区域清晰度。

此外，目前的这种图像质量优化算法对于运动失焦导致的模糊效果差，也难以起到优化作用。

发明内容

本发明的目的在于提供一种图像质量优化方法及显示方法，实现对图像质量的优化。

为实现上述发明目的，本发明提供一种图像质量优化方法，包括：

S1.获取输入图像，对所述输入图像进行预处理并输入至第一处理模型；

S2.基于所述第一处理模型对所述输入图像进行去模糊处理获得第一图像；

S3.将所述第一图像输入至第二处理模型进行超分辨率处理，并输出第二图像。

根据本发明的一个方面，所述输入图像为图像质量低于预设条件的模糊图像。

根据本发明的一个方面，所述第一处理模型采用图像去模糊网络训练生成，其网络构建为尺度循环网络。

根据本发明的一个方面，所述第一处理模型具有三个尺度网络层，其中，上一尺度网络层的输出为下一尺度网络层的输入进行循环。

根据本发明的一个方面，所述第一处理模型的任一所述尺度网络层包含7个特征提取模块，2个降采样模块，2个上采样模块；

所述特征提取模块由2个卷积层，1个批归一化层，一个ReLu层以及残差连接结构组成。

根据本发明的一个方面，步骤S2中，基于所述第一处理模型对所述输入图像进行去模糊处理获得第一图像的步骤中，包括：

S21.基于所述第一处理模型对所述输入图像进行特征提取；

S22.将提取的特征进行特征重构，得到特定尺寸的第一特征图像；

S23.调整所述输入图像的尺寸，与所述第一特征图像的尺寸一致后进行通道结合重新作为输入进行特征提取；

S24.将提取的特征进行特征重构，得到特定尺寸的第二特征图像；

S25.调整所述第一特征图像的尺寸，与所述第二特征图像的尺寸一致后进行通道结合重新作为输入进行特征提取；

S26.将提取的特征进行特征重构，得到特定尺寸的第三特征图像；

S27.将所述第一特征图像、所述第二特征图像和所述第三特征图像进行特征融合重构，得到去模糊后的所述第一图像。