摘要：文中介紹了傳統(tǒng)圖像處理中的離焦復(fù)原算法存在的不足，指出了兩種傳統(tǒng)的處理方法在逼近離焦點(diǎn)擴(kuò)散函數(shù)方面效果都不太理想，并提出了對(duì)維納濾波復(fù)原方法的改進(jìn)，最后通過(guò)實(shí)驗(yàn)證實(shí)了改進(jìn)后的維納濾波復(fù)原算法具有明顯的優(yōu)勢(shì)，并且其分辨率和噪聲消除方面都表現(xiàn)良好。

關(guān)鍵詞：圖像處理；維納濾波復(fù)原算法；算法改進(jìn)

中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9599 （2012） 21-0000-02

1 傳統(tǒng)的圖像復(fù)原法中存在的不足

假如我們要對(duì)一幅圖像進(jìn)行復(fù)原技術(shù)處理，那么就一定需要提前得到光瞳函數(shù)所需參數(shù)。但是，由于在實(shí)際的圖像處理過(guò)程中，要想得到相關(guān)的未知參數(shù)值是一件十分困難的事，因此，在進(jìn)行圖像恢復(fù)時(shí)借助于估算系統(tǒng)現(xiàn)有的擴(kuò)散函數(shù)對(duì)其進(jìn)行處理，使其所獲得的值更加接近。當(dāng)前比較常用的有這樣的兩種復(fù)原圖像模型，其中一種就是圓盤處理模型，而另一種則是屬于高斯圖像處理模型，技術(shù)人員通常是通過(guò)這兩種模型來(lái)獲取相對(duì)應(yīng)點(diǎn)擴(kuò)散函數(shù)的近似值，然后再將得到的值傳遞給函數(shù)。

如果想要得到良好的離焦模糊圖像復(fù)原結(jié)果，就必要使用精確的估計(jì)離焦點(diǎn)擴(kuò)散函數(shù)以及采用光學(xué)傳遞函數(shù)。下面我們將對(duì)這一個(gè)問(wèn)題進(jìn)行研究。

2 圖像處理中維納濾波復(fù)原方法的改進(jìn)

由于傳統(tǒng)的圖像復(fù)源方法存在一些不足，下面對(duì)這一復(fù)源算法進(jìn)行必要的改進(jìn)，主要是在擴(kuò)散函數(shù)上，依據(jù)離焦圖像估算，提高精確度。

2.1 檢測(cè)直邊函數(shù)曲線

想要對(duì)直邊擴(kuò)散函數(shù)曲線進(jìn)行檢測(cè)，一定需要使用邊緣檢測(cè)來(lái)對(duì)直線邊緣檢測(cè)其模糊的圖像。最經(jīng)常使用的邊緣檢測(cè)方法就是在原有圖像的基礎(chǔ)上，尋找出圖像各個(gè)象素點(diǎn)在有限的區(qū)域內(nèi)所發(fā)生的灰度演化過(guò)程，然后通過(guò)將接近邊緣的一階或者二階的方向?qū)?shù)變化規(guī)律來(lái)作為參考依據(jù)，采用最科學(xué)有效的方法來(lái)檢測(cè)其邊緣。其實(shí)這個(gè)邊緣點(diǎn)就是屬于灰度觀察，兩邊之間的灰度值會(huì)有一定的差距?？梢赃@么說(shuō)邊緣點(diǎn)是存在于兩個(gè)點(diǎn)之間，這兩個(gè)點(diǎn)是屬于不同的亮度之間，一個(gè)屬于比較亮的點(diǎn)位置，而另外一個(gè)則是比較暗的點(diǎn)位置。唯有獲取到直邊擴(kuò)散函數(shù)曲線的中心像素點(diǎn)所在位置，方可以得到函數(shù)的曲線。

2.2 直邊擴(kuò)散函數(shù)曲線的擬合

對(duì)直邊擴(kuò)散函數(shù)進(jìn)行擬合的時(shí)候，我們可以采用最小二乘擬合法。擬合法的具體步驟如下：