一种离焦模糊图像的复原方法
一种散焦模糊图像恢复的新方法
一种散焦模糊图像恢复的新方法 丁毅＊，樊来耀，李海军 （西安电子科技大学电子工程学院，西安 ７１００７１） 摘要： 本文分析了图像退化的一般模型,并以此为基础对散焦模糊图像的清晰化技术理论及其应用进行了研究。
特别地，本文讨论了如何精确确定散焦模糊图像退化模型参数，并同时使模糊图像复原的问题，提出了一种利用梯度图以及维纳滤波技术对散焦模糊图像进行恢复的新颖方法。
本文介绍了该方法的基本原理和实现步骤，给出了对模拟和实际拍摄的散焦图像的实验结果。
实验证明，本方法简单易行且具有较好的效果和较强的鲁棒性，具有较高的实用价值。
关键词： 图像恢复; 散焦模糊; 点扩展函数; 模糊辨识A New Method for Defocusing Blur ImageRestorationDing Yi, Fan Laiyao, Li Haijun(School of Electronic Engineering, Xidian University, Xi’an, 710071)Abstract: This paper analyses the general legible model of image and the method of image restoration. On the basis of these researches, we study the theory and application of the defocusing blur image restoration. Especially, in this paper the problem of determining the model parameters of the degraded image and restoring from a defocused blur image is studied. An efficient method based on the gradient image of the blur image, Wiener filter restoration technique is presented. The basic principle of the method and the algorithm for the method are discussed. The experimental results are given in the paper. Experimental results also show that this algorithm is concise, rather robust and better applied value.key words: Image Restoration, Defocusing Blur, Point Spread Function ,Blur Identification1引言在数字图像的产生、传输和记录过程中不可避免的会带来失真和变质，这就要求我们对这些图像进行加工和处理使其恢复出真实的景物，这对于数字图书馆建设等方面都具有重要的意义． ＊ 丁毅（１９７９－ ），男，硕士研究生，主要研究方向为基于内容的图像与视频分析，数字图书馆等 拍摄照片时，常出现模糊的情况，主要是因为被拍摄物体未处于成像系统焦平面，我们一般称之为散焦模糊［１］。
OpenCV实现失焦模糊图像恢复
图像退化模型在频率域的表示如下：其中S表示退化(模糊)图像频谱H表示角点扩散功能(PSF)的频谱响应U 表示原真实图像的频谱N表示叠加的频谱噪声圆形的PSF因为只有一个半径参数R，是一个非常好的失焦畸变近似，所以算法采用圆形的PSF。
模糊恢复，模板恢复本质是获得一个对原图的近似估算图像，在频率域可以表示如下：其中SNR表示信噪比，因此可以基于维纳滤波恢复离焦图像，实现图像反模糊。
这个过程最终重要的两个参数，分别是半径R与信噪比SNR，在反模糊图像时候，要先尝试调整R，然后再尝试调整SNR。
代码实现计算PSF的代码如下：void calcPSF(Mat& outputImg, Size filterSize, int R){Mat h(filterSize, CV_32F, Scalar(0));Point point(filterSize.width / 2, filterSize.height / 2);circle(h, point, R, 255, -1, 8);Scalar summa = sum(h);outputImg = h / summa[0];}生成维纳滤波的代码如下：void calcWnrFilter(const Mat& input_h_PSF, Mat& output_G, double nsr){Mat h_PSF_shifted;fftshift(input_h_PSF, h_PSF_shifted);Mat planes[2] = { Mat_<float>(h_PSF_shifted.clone()), Mat::zeros(h_PSF_shifted. size(), CV_32F) };Mat complexI;merge(planes, 2, complexI);dft(complexI, complexI);split(complexI, planes);Mat denom;pow(abs(planes[0]), 2, denom);denom += nsr;divide(planes[0], denom, output_G);}实现反模糊的代码如下：void filter2DFreq(const Mat& inputImg, Mat& outputImg, const Mat& H){Mat planes[2] = { Mat_<float>(inputImg.clone()), Mat::zeros(inputImg.size(), CV_ 32F) };Mat complexI;merge(planes, 2, complexI);dft(complexI, complexI, DFT_SCALE);Mat planesH[2] = { Mat_<float>(H.clone()), Mat::zeros(H.size(), CV_32F) };Mat complexH;merge(planesH, 2, complexH);Mat complexIH;mulSpectrums(complexI, complexH, complexIH, 0);idft(complexIH, complexIH);split(complexIH, planes);outputImg = planes[0];}调用步骤:void adjust_filter(int, void*) {Mat imgOut;// 偶数处理，神级操作Rect roi = Rect(0, 0, src.cols & -2, src.rows & -2);printf("roi.x=%d, y=%d, w=%d, h=%d", roi.x, roi.y, roi.width, roi.height); // 生成PSF与维纳滤波器Mat Hw, h;calcPSF(h, roi.size(), adjust_r);calcWnrFilter(h, Hw, 1.0 / double(snr));// 反模糊filter2DFreq(src(roi), imgOut, Hw);// 归一化显示imgOut.convertTo(imgOut, CV_8U);normalize(imgOut, imgOut, 0, 255, NORM_MINMAX);imwrite("D:/deblur_result.jpg", imgOut);imshow("deblur_result", imgOut);}图像傅里叶变换void fftshift(const Mat& inputImg, Mat& outputImg){outputImg = inputImg.clone();int cx = outputImg.cols / 2;int cy = outputImg.rows / 2;Mat q0(outputImg, Rect(0, 0, cx, cy));Mat q1(outputImg, Rect(cx, 0, cx, cy));Mat q2(outputImg, Rect(0, cy, cx, cy));Mat q3(outputImg, Rect(cx, cy, cx, cy));Mat tmp;q0.copyTo(tmp);q3.copyTo(q0);tmp.copyTo(q3);q1.copyTo(tmp);q2.copyTo(q1);tmp.copyTo(q2);}运行效果原图: 肉眼无法辨识R=10， SNR=40时候的运行效果：基本肉眼可以辨识！。
一种有效保持边缘特征的散焦模糊图像复原方法
一种有效保持边缘特征的散焦模糊图像复
原方法
在图像处理领域，散焦模糊图像复原是一个研究热点。
散焦模糊图像是指因为镜头或传感器的焦距偏差而导致的图像模糊。
一种有效的保持边缘特征的散焦模糊图像复原方法是使用双边滤波器。
双边滤波器能够在保持边缘特征的同时，抑制噪声并使图像变得更加平滑。
具体来说，使用双边滤波器复原散焦模糊图像的步骤如下：
1.首先，将原图像进行高斯模糊，以抑制噪声。
2.然后，使用双边滤波器对模糊后的图像进行处理。
双边滤波器能够同时考虑图像的灰度值和边缘特征，使得图像在保持边缘特征的同时变得更加平滑。
3.最后，使用图像复原算法将处理后的图像还原成原图像。
使用双边滤波器进行散焦模糊图像复原能够有效地保持边缘特征，使得图像复原后的效果更加理想。
1/ 1。
离焦模糊图像的维纳滤波恢复
1 引 言
随着现代电子技术的发展 , 以 CCD 和 CMOS 为代表的新型成像传感器的应用越来越广泛 , 在日 常生活 、 医疗 、 工业 、 军工等领域已在很大程度上取 代了传统的摄影胶片 , 在照相机 、 摄像机 、 显微镜等 成像 系 统 中 发 挥 了 越 来 越 大 的 作 用 。CCD 和 CMOS 的普及与应用推动了数字图像处理理论的进 步 ,包括图像增强 、 图像复原 、 图像压缩和图像识别 等 ,使数字图像处理进入了一个崭新的发展时代 。
根据定义 ,离焦误差是光轴上和边缘处的光线光程 差 。由文献 [ 5 ] 推导出的离焦误差计算公式为 δ z ε= df ( df - δ z)
2. 2 离焦误差对光学传递函数的影响 296
光学 离 焦 误 差 具 有 线 性 空 间 不 变 性 , f ( x , y ) 和 g ( x , y ) 满足下述模型 :
Ξ 收稿日期 : 2008203224 ; 收到修改稿日期 : 2008209205 E2mail : sunh @ciomp . ac. cn
基金项目 : 国防科技预研基金资助项目 (1040603) 作者简介 : 孙辉 (19632) ,男 ,吉林省人 ,主要从事数字图像处理与分析 、 计算机仿真技术方面的研究 。
在数字图像处理研究中 , 比较早地开展了图像 复原技术的研究 , 从 20 世纪 40 年代初期 Norbert Wiener 提出最小均方估计器开始 , 图像复原技术被 广泛用于光学 、 信号和其它应用领域 。从 20 世纪 50 年代开始被美国和前苏联应用于空间计划 , 其目 的是为了改善退化的图像质量 。进入 20 世纪 60 年 代 ,数字图像复原技术引起了专家和学者的重视 ,在 理论分析 、 模型构建 、 算法处理方面开展了大量的研 究 ,提出许多新理论和新思想 。其中的逆滤波 、 点扩 散函数 、 边缘误差处理等方法在图像复原技术中发
一种离焦模糊图像的盲复原方法
进Ｇ ｒ ｕ ｂ ｂ ｓ 异常值检测准则 ， 对 图像 中的 阶 跃 或 近 似 阶跃 边缘 进 行 定位 。通 过 自适 应 选 取 最 佳 图像 区 域 的 方 法 计 算 线 扩散 函数 ，进 一 步 利 用 离焦模 糊 半 径 与 线 扩散 函数 之 间 的 关 系 ，计 算 出 离焦模 糊 参 数 。根 据 参 数 得 到 点 扩 散 函 数 ， 最 终 对 离 焦 模 糊 图像 进 行 复 原 。 实 验 结 果 表 明 ， 该 方 法 的 复 原 效 果 较
Ａｎ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｏ ｆ ｂ ｌ ｉ ｎ ｄ ｒ ｅ ｓ ｔ ｏ ｒ ａ ｔ ｉ ｏ ｎ ｆ ｏ ｒ ｄ ｅ ｏｃ ｆ ｕ ｓ ｂ ｌ ｕ ｒ ｒ ｅ ｄ ｉ ｍａ ｇ ｅ
Ｋｏ ｎ ｇ Ｙｉ ｎｇ ｌ ｅ ｉ ， Ｗ ａ ｎ ｇ Ｘｉ ｎ ｙ ｕ 。
ｔ ｈ ｅ ｒ ａ ｄ ｉ ｕ ｓ ｏ ｆ ｔ ｈ ｅ ｏ ｕ ｔ －ｏ ｆ — ｆ ｏ ｃ ｕ ｓ ｂ ｌ ｕ ｒ ａ ｎ ｄ ｔ ｈ ｅ ｐ ｏ ｉ ｎ ｔ ｓ ｐ ｒ ｅ ａ ｄ ｆ ｕ ｎ ｃ ｔ ｉ ｏ ｎ ａ ｒ ｅ ｏ ｂ ｔ ａ ｉ ｎ ｅ ｄ．Ｔ ｈ ｕ ｓ ，ｔ ｈ ｅ ｂ ｌ ｕ ｒ ｒ ｅ ｄ ｉ ｍａ ｇ ｅ ｃ ａ ｎ ｂ ｅ ｒ ｅ ｓ ｔ ｏ ｒ ｅ ｄ ｂ ｙ ｔ ｈ ｅ ｂ ｌ ｉ ｎ ｄ ｒ ｅ ｓ ｔ ｏ ｒ ａ ｔ ｉ ｏ ｎ ｍｅ ｔ ｈ ｏ ｄ．Ｔ ｈ ｅ ｅ ｘ ｐ ｅ ｒ ｉ ｍｅ ｎ ｔ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｓ ｈ ｏ ｗ ｔ ｈ ａ ｔ ｔ ｈ ｅ ｍｅ ｔ ｈ ｏ ｄ ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｄ ｂ ｙ ｔ ｈ ｅ ｐ ａ ｐ ｅ ｒ ｈ ａ ｓ ｂ ｅ ｔ ｔ ｅ ｒ ｅ ｆ ｆ ｅ ｃ ｔ ｔ ｈ ａ ｎ ｅ ｘ ｉ ｓ ｔ ｉ ｎ ｇ ｏ ｔ ｈ ｅ ｒ
离焦模糊图像复原直边扩散函数扩散函数论文
离焦模糊图像处理的研究与应用【摘要】本论文主要研究离焦模糊图像的恢复问题。
首先描述了传统离焦模糊图像复原算法惯用的两种离焦模糊模型：高斯离焦模型和圆盘离焦模型,并对两种模型存在的问题进行了讨论。
然后研究了直边扩散函数、线扩散函数以及点扩散函数以及阿贝尔逆变换等函数,舍弃了原来的两种具体模型,进一步改进了传统的离焦模糊图像的复原方法。
本文主要以光学理论为依据,推算出实际的离焦模糊光学传递函数,然后以离焦模糊的圆对称性为依据,从离焦模糊的圆对称性出发,对直边函数扩散曲线进行检测,然后针对要复原的图像估算出它的离焦点扩散函数,再对其滤波进行恢复。
在滤波时本文没有直接使用简单的维纳滤波,而是对其进行了优化,采用了二次滤波,一定程度上消除了噪声的影响。
最后采用实际实验进行验证。
实验验证了改进算法的优势,该算法比传统模型得到的点扩散函数具有较高的精确性。
更多还原【Abstract】 In this thesis, the problem is the recovery ofdefocus blurred image. First describe two types of commonly used defocus fuzzy model that from the traditional defocus blurred image restoration algorithm:Gaussian defocus model and pillbox model, and problems in the two models were discussed. Then study the straight edge spread function, line diffusion function and the point spread function and the Abel inversetransform function,discard the original two specific models, further improved the conven... 更多还原【关键词】离焦模糊；图像复原；直边扩散函数；扩散函数；【Key words】Image processing；defocus blurred；spread function；defocus model；【索购论文全文】138113721 139938848 即付即发目录摘要4-5Abstract 51 引言7-91.1 选题背景及研究意义71.2 离焦图像复原技术发展及研究现状7-81.3 本文的研究内容和结构8-92 图像复原的基本技术和理论9-192.1 基本技术理论9-142.1.1 连续图像退化模型9-112.1.2 离散图像11-142.2 图像的盲复原技术理论14-152.3 物体成像的光学基础知识15-192.3.1 点扩散函数15-162.3.2 线扩散函数和边扩散函数16-193 传统离焦模糊图像复原方法19-253.1 离焦光学传递函数19-213.2 传统离焦模型21-233.2.1 圆盘模型21-233.2.2 高斯模型233.3 传统离焦复原方法评价23-254 离焦模糊图像复原改进方法的实现25-314.1 点扩散函数的求取25-284.1.1 检测直边函数曲线25-274.1.2 直边扩散函数曲线的拟合274.1.3 计算离焦点扩散函数27-284.2 改进的滤波28-314.2.1 维纳滤波294.2.2 维纳滤波器改进29-315 算法流程及结果分析31-355.1 复原流程31-325.3 实际离焦模糊图像复原试验32-345.4 小结34-356 结论35-36参考文献。
离焦模糊图像的自适应滤波及逆滤波器复原
离焦模糊图像的自适应滤波及逆滤波器复原胡小平;尹喜云;陈国良;黄之初【摘要】在微操作中,显微视觉系统获取的图像通常是离焦模糊图像.根据最小二乘原理和回归模型设计自适应滤波器,用于消除图像噪声,提高图像的信噪比;离焦模糊图像的退化模型可用圆盘函数描述,利用模糊图像频域的零点位置来估计圆盘函数的模糊参数;采用基于简化Wiener滤波的逆滤波器方法对模糊图像进行复原.对算法进行了仿真和实验分析,结果表明,该方法能够以较少的运算时间代价获取较好的复原效果.【期刊名称】《光电工程》【年(卷),期】2007(034)004【总页数】4页(P105-108)【关键词】离焦图像;图像复原;自适应滤波;逆滤波器;Wiener滤波【作者】胡小平;尹喜云;陈国良;黄之初【作者单位】湖南科技大学,机械设备健康维护省重点实验室,湖南,湘潭,411201;武汉理工大学,机电工程学院,湖北,武汉,430070;湖南科技大学,机械设备健康维护省重点实验室,湖南,湘潭,411201;武汉理工大学,机电工程学院,湖北,武汉,430070;武汉理工大学,机电工程学院,湖北,武汉,430070【正文语种】中文【中图分类】工业技术第 3 4 卷第 4 期光电工程V 01.3 4 , N o.4 20 0 7 年 4 月 Op t o - E l e c t r o n i c E n gi n e e ri n g Ap r i l , 2 0 0 7 == = = = b = = = = = = = = = = = = = = = a ; = = = = 一 == = = = = = = { ; = = = = = = = = = = = ￡ = 一={ = = = = = = = = 2 一文章编号： 1 0 0 3- 5 0 1 X (2 0 0 7)0 4 - 0 1 0 5 - 0 4离焦模糊图像的自适应滤波及逆滤波器复原胡小平1， 7 ，尹喜云 1，陈国良 2，黄之初 2（1 ．湖南科技大学机械设备陡康维护省重点实验室，湖南湘潭 4 112 0 1 ；2 ．武汉理工大学机电工程学院，湖北武汉 43 0 0 7 0 ）摘要：在微操作中，显微视觉系统获取的图像通常是离焦模糊图像。
空间变化离焦模糊红外图像快速复原算法
378空间变化离焦模糊红外图像快速复原算法汪陈跃，雷旭峰，李泽民，杨绍明，何 燕（昆明物理研究所，云南 昆明 650223）摘要：为了提升空间变化离焦模糊红外图像的图像质量，提出了一种基于图像质量评价的快速复原算法。
本文提出的方法首先对模糊图像采用不同点扩散函数对应的截断约束最小二乘法算法进行复原而获得多幅复原图像，并对复原图像进行去振铃；然后对复原图像中每个像素为中心的区域进行图像质量评价，将采用不同参数复原的图像以图像质量评价的结果进行组合以获得最终的复原图像。
由于无需对模糊图像点扩散函数估计，且采用了空间域运算的截断约束最小二乘法算法进行图像复原，实验结果表明，本文提出的算法能够对空间变化离焦模糊红外图像进行快速复原，算法运行速度较基于点扩散函数估计的方法大幅提升。
关键词：离焦模糊；空间变化模糊；图像复原；图像质量评价中图分类号：TN911.73 文献标识码：A 文章编号：1001-8891(2021)04-0378-07Fast Restoration Algorithm for Space-variant Defocus Blurred Infrared ImagesWANG Chenyue ，LEI Xufeng ，LI Zemin ，YANG Shaoming ，HE Yan(Kunming Institute of Physics , Kunming 650223, China )Abstract ：A fast restoration algorithm based on image quality assessment is proposed to improve the quality of space-variant defocus blurred infrared images. First, the defocus image is restored by the truncated constrained least-squares algorithm with different point spread functions to obtain and perform deringing on multiple restored images. Then, the area centered on each pixel in the restored image is evaluated through an image quality assessment, and the images restored with different parameters are combined according to the image quality assessment to obtain the final restored image. Because there is no need to estimate the point spread function of the blurred image, the truncated constrained least-squares algorithm of spatial calculation is used for restoration. The experimental results show that the algorithm proposed in this paper can quickly restore the space-variant defocused blurred infrared image and is much faster than the method based on point spread function estimation.Key words ：defocus, space-variant blur, image restoration, image quality assessment0 引言空间变化离焦模糊是红外系统普遍存在的一个问题，产生这一问题的根本原因是受红外光学原理限制，视场中物距差别大的物体无法同时清晰成像。
使用盲反卷积算法恢复模糊图像
第三次恢复J3和P3，使用一个INITPSF阵列，它和真正PSF大小完全 一样。
INITPSF = padarray(UNDERPSF,[2 2],'replicate','both'); [J3 P3] = deconvblind(Blurred,INITPSF);
P1,P2+1:end-P2),[P1 P2]); 没有命名的函数，FUN，被传递到deconvblind最后。在MATLAB数学库文件 里能看到部分参数化功能，有关给FUN函数提供额外参数的信息。 在这个例子中，初始PSF的大小，OVERPSF，比真正PSF要大4个像素。设置 P1=2和P2=2在FUN里作为有效的参数，使得在OVERPSF里有价值的空间和 真正PSF一样大小。因此，结果，JF和PF是类似正确大小的PSF和从第四步的 没有FUN调用，J和P的反卷积结果。
figure;imshow(J3);title('Deblurring with INITPSF');
第四步：分析恢复PSF
所有三个恢复也产生一个PSF。下面的图片显示如何分析恢复PSF可能 帮助猜想初始PSF的正确大小。在真正的PSF，高斯滤波器，最大值在 中心（白色）并在边界（黑色）减少。
figure; subplot(221);imshow(PSF,[],'InitialMagnification','fit'); title('True PSF'); subplot(222);imshow(P1,[],'InitialMagnification','fit'); title('Reconstructed Undersized PSF'); subplot(223);imshow(P2,[],'InitialMagnification','fit'); title('Reconstructed Oversized PSF'); subplot(224);imshow(P3,[],'InitialMagnification','fit'); title('Reconstructed true PSF');
数字图像处理运动模糊图像复原
运动模糊图像复原实验报告一、运动模糊图像复原【应用背景】运动模糊是一种重要的图像退化原因，在图像采集的过程中，如果采集设备与目标之间存在足够大的相对运动，将会导致获得的图像模糊，这就是所谓的运动模糊。
现在大多数交通路口都设置有电子眼，拍摄记录车辆的违章行为，但是一般情况下违规车辆的行驶速度都较高，由电子眼拍摄到的有违规行为的车辆照片或多或少都存在运动模糊，因而导致很难准确获取包括车牌在内的车辆信息，如何利用图像复原技术对退化图像进行处理，得到相对清晰的图像就显得十分重要，另外，在国防航天等领域，图像的运动退化问题也十分常见，对于图像复原技术的研究具有重要的理论价值与现实意义【模糊图像的一般退化模型】图像的模糊过程可用下面的数学表达式表示：g x,y=f x,y∗ x,y+n(x,y)f(x,y)：原输入图像n(x,y)：噪声h(x,y)：退化函数g(x,y)：模糊图像模糊过程即原始图像在被退化函数作用后再叠加上噪声的过程，其中f(x,y)*h(x,y)表示原始图像与退化函数的卷积，退化模型可表示为下图[19]：其中H 为h(x,y)的频域变换，也称作点扩散函数(PSF)或传输函数，退化过程在频域可表示为：G x,y=F x,y H x,y+N(x,y)G(u,v)、F(u,v)、H(u,v)和N(u,v)分别为g(x,y)、f(x,y)、h(x,y)和n(x,y)的傅里叶变换。
【维纳滤波方法】维纳滤波是一种线性滤波方法，以小误差准则为基础，即使恢复图像与原图像的均方误差小。
利用Matlab的维纳滤波恢复函数：deconvwnr(I,PSF)其中参数I为输入图像，PSF为点扩散函数，PSF为：PSF=fpescial(‘motion’,len,theta)其中，恢复图像的重点为确定参数len和theta参数len为模糊图像位移的像素，theta为运动的角度。
【算法原理】第一步：确定运动方向对于匀速直线运动模糊而言，其点扩散函数具有零点，这就导致模糊图像的频谱也具有零点，在相应的频率处，频谱上会出现一系列平行的暗纹。
一种离焦模糊图像的复原方法
一种离焦模糊图像的复原方法
武彬
【期刊名称】《计算机技术与发展》
【年(卷),期】2008(018)001
【摘要】图像复原是一种去除或减轻在获取数字图像过程中发生的图像质量下降的方法.为了获得更好的离焦图像复原质量,在通过对离焦模糊图像复原进行了较为系统的研究后,提出了一种基于维纳滤波频域的复原方法,结果表明该方法具有较好的改善图像复原效果和较快的速度.图像散焦信息的干扰得到有效排除,噪声得到有效抑制,信噪比得到明显改善.
【总页数】3页(P74-76)
【作者】武彬
【作者单位】上海理工大学,上海,200093
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.一种离焦模糊图像的约束复原方法 [J], 韩宏伟;张晓晖;葛卫龙
2.一种离焦模糊图像客观检测的新方法 [J], 王正友;伍世虔;徐升华;万常选;方志军;肖文;曾卫明
3.一种离焦模糊图像的盲复原方法 [J], 孔英蕾;王新宇
4.一种离焦模糊图像边缘检测新方法 [J], 黄隆华;陈志辉;彭小宁;叶青;王正友
5.一种用于运动模糊图像复原的快速参数预测方法① [J], 周国栋
因版权原因，仅展示原文概要，查看原文内容请购买。
微纳米尺度离焦图像恢复方法
基于 NSCT 的微纳米光学图像增强算法，对显微镜下获得的离焦图像进行预处理 . 首先对输入图像进行
NSCT 分解，生成一系列低频和高频分量；其次，对低频系数采用反锐化掩模算法对其进行增强处理；对高
频系数采用自适应滤波算法；最后，对所有子带进行 NSCT 逆变换重新构建图像 .
3.1 NSCT 低频系数变换
数分解成不同的子带，非下采样方向滤波组去掉了方向滤波组中的下采样模块 图 2 金字塔 3 层分解示意图
和上采样模块，使得不同尺度下的采样结果大小一致，有效改善了采样过程中的失真情况 .
3 基于 NSCT 的微纳米光学图像增强算法
NSCT 由于多尺度和多方向性，拥有优越的变换功能，能够有效提高图像的质量 . 因此我们提出一种
关键词：微纳米尺度；离焦图像； NSCT；图像恢复 中图分类号：TP391.41 文献标志码：A 文章编号：1008-2794 （2020） 02-0024-06
1 引言
采用光学显微镜观测样本时，由于受到衍射极限的限制 ［1-2］，存在“阿贝极限”问题 . 当观测尺度达到 微纳米级时，无论如何调整焦距，观测的图像都是呈现模糊圆斑 . 因此，微纳米光学显微镜下采集的图像 由于分辨率不高，图像的边缘、细节和轮廓等不清晰，不仅影响图像的质量，而且不利于后续“深度”等其 他信息的观测 ［3］ .
【自动化技术】
刘永俊，等：微纳米尺度离焦图像恢复方法
微纳米尺度离焦图像恢复方法
刘永俊 1，2，伍秋玉 1，张明新 1，王 义 2
（1. 常熟理工学院 计算机科学与工程学院，江苏 常熟 215500； 2. 东北大学 计算机科学与工程学院，辽宁 沈阳 110819）
摘要：提出一种基于 NSCT 的图像自适应降噪增强算法，对显微镜下获得的离焦图像进行图 像恢复预处理 . 微纳米尺度光学显微镜下采集的离焦图像，通常细节、边缘和轮廓都不清晰，会影 响到后续观测任务的精确度 . NSCT 变换由于多尺度和多方向性，拥有优越的变换功能，可以获得 图像更多的纹理和边缘 . 结合微纳米尺度光学离焦图像的特点，对所有子带进行 NSCT 逆变换重 新构建图像 . 最后通过对标准 500 nm 尺度栅格、导电探针和三角探针的实验结果表明，使用本文 算法的图像效果更好，有效改善了离焦图像的质量 .