一种基于边缘强度权重的离焦模糊图像清晰度检测方法

摘要

本发明提供一种基于边缘强度权重的离焦模糊图像清晰度检测方法，首先对输入图像进行预处理，直方图均衡化方法修正亮度和对比度，对数码相机系统中存在的恒定功率加性噪声采用维纳滤波处理，使用中值滤波器和高斯滤波器分别对椒盐噪声和高斯噪声处理。然后采用四个方向边缘梯度算子对每个像素点的梯度进行检测，根据检测得到的梯度大小排除局部亮暗点和孤立噪声点的干扰，对剩余像素作进一步处理。接着对剩余像素的方向梯度与设定阈值比较，区分出边界上梯度值相对较大的强边缘像素和边界附近梯度相对较小的弱边缘像素并分别赋予不同的权重。最后所有像素进行最大梯度平方累加，得到整幅图像的清晰度检测值。

主权项

一种基于边缘强度权重的离焦模糊图像清晰度检测方法，其特征在于，包括如下步骤：步骤一、图像预处理：图像预处理主要包括：(1.1)直方图均衡化，首先对输入图像使用直方图均衡化方法修正亮度和对比度，以达到符合人眼观察和后续处理的目的；(1.2)维纳滤波和均值滤波：对图像采用维纳滤波器处理，减少系统中存在的恒定功率加性噪声，尤其是固定模式噪声对图像质量的影响；经过维纳滤波后的图像会有轻微“振铃”效应，接着使用中值滤波器对存在的椒盐噪声进行有效滤除；(1.3)高斯滤波，针对可能存在的高斯噪声，选取高斯低通滤波器处理；自此完成对输入图像的预处理操作；步骤二、像素梯度判断：对经过步骤一得到的图像进行像素梯度计算和判断处理；在进行像素梯度判断之前，选取中心区域作为聚焦窗口，中央窗口定义w为：$W=\underset{\frac{3}{8}m\le x\frac{5}{8}m-1,\frac{3}{8}n\le x\frac{5}{8}n-1}{\Sigma }f(x,y)$  (公式1)其中，m和n分别对应图像大小的行和列，f(x,y)是第x行，第y列的灰度值；对中央窗口区域内的像素进行梯度计算和判断处理；梯度计算和判断的方向有水平方向、垂直方向和对角方向1以及对角方向2，对中心位置位于第x行，第y列的像素f(x,y)，所述梯度检测算子如下：水平方向梯度检测算子Ix：Ix＝(f(x‑1,y+1)+2*f(x‑1,y)+f(x‑1,y‑1))                           (公式2)‑(f(x+1,y+1)+2*f(x+1,y)+f(x+1,y‑1))垂直方向梯度检测算子Iy：Iy＝(f(x+1,y‑1)+2*f(x,y‑1)+f(x‑1,y‑1))                         (公式3)‑(f(x‑1,y+1)+2*f(x,y+1)+f(x+1,y+1))对角方向1梯度检测算子I1：I1＝(2*f(x+1,y‑1)+f(x+1,y)+f(x,y‑1))                          (公式4)‑(f(x,y+1)+f(x‑1,y)+2*f(x‑1,y+1))对角方向2梯度检测算子I2：I2＝(2*f(x+1,y+1)+f(x,y+1)+f(x+1,y))           (公式5)‑(f(x,y‑1)+f(x‑1,y)+2*f(x‑1,y‑1))根据公式(2)～(5)计算得到图像中每个像素点处的4个方向梯度，然后结合孤立噪声点和局部过亮过暗点的特性设定一个阈值T，利用如下公式(6)筛选出非孤立噪声和非局部过亮过暗点：$|\frac{(\mathrm{Ix}+\mathrm{Iy}+I1+I2)}{4}-\max (\mathrm{Ix},\mathrm{Iy},I1,I2)|>T$  (公式6)步骤三、算子权重赋值：对经过步骤二排除孤立噪声点和局部过亮过暗点后的像素进行算子权重赋值，筛选出的像素已经排除了噪声因素对结果的影响，利用公式(7)对像素的方向梯度与设定阈值T1、T2进行比较，区分出边界上梯度值相对较大的强边缘像素和边界附近梯度相对较小的弱边缘像素，并对强边缘像素赋值大权重a，弱边缘像素赋值小权重值b；对中心位置位于第x行，第y列的像素f(x,y)的四个方向梯度分别为Ix、Iy、I1、I2，图像中的强弱边缘像素分别定义如下：强边缘像素：max(Ix,Iy,I1,I2)‑min(Ix,Iy,I1,I2)≥T2  (公式7)弱边缘像素：T1≤max(Ix,Iy,I1,I2)‑min(Ix,Iy,I1,I2)<T2  (公式8)步骤四、算子权重赋值：经过步骤三处理，即可获得图像中非孤立噪声和非局部过亮过暗点的强弱边缘像素及其相应的权重值，利用如下像素梯度和算子计算位于第x行，第y列的像素f(x,y)的梯度值s(x,y)：$s(x,y)=\left\{\begin{array}{cc}a*{\left(\max (\mathrm{Ix},\mathrm{Iy},I1,I2)\right)}^2& \mathrm{if}\max (\mathrm{Ix},\mathrm{Iy},I1,I2)-\min (\mathrm{Ix},\mathrm{Iy},I1,I2)\ge T2\\ b*{\left(\max (\mathrm{Ix},\mathrm{Iy},I1,I2)\right)}^2& \mathrm{if\; T}2>\max (\mathrm{Ix},\mathrm{Iy},I1,I2)-\min (\mathrm{Ix},\mathrm{Iy},I1,I2)\ge T1\\ 0& \mathrm{if}\max (\mathrm{Ix},\mathrm{Iy},I1,I2)-\min (\mathrm{Ix},\mathrm{Iy},I1,I2)<T1\end{array}\right.$  (公式9)计算得到每个像素点处的梯度和值s(x,y)后，最后累加聚焦区域内的全部像素点的梯度和值即得到整幅图像的清晰度评价值，公式如下(10)所示：$S=\underset{\frac{3}{8}m\le x\frac{5}{8}m-1,\frac{3}{8}n\le x\frac{5}{8}n-1}{\Sigma }{\left(s(x,y)\right)}^2$  (公式10)。